扎卡里·麦克哈迪
加州大学伯克利分校EECS系
技术报告编号：UCB/EECS-2015-98
2015年5月14日
随着MOOC和其他在线学习平台（如Khan Academy）的普及，与传统的校园教学相比，在线教育的作用不断增加。与此同时，对适合其所服务的独特的庞大和多样化人群的分析方法的需求也在迅速增长。特别是，随着在线教育内容的指导者和创作者努力解决这些复杂问题，传统的非正式、经常受到影响的内容迭代方法的不完美转换变得显而易见。需要额外的定量工具来评估课程内容，同时利用与如此大规模注册课程相关的数据范围和大小所带来的机会，这是一个有趣的分析问题。
我们的工作没有解决评估大型教育单元（如整个在线课程）的问题，而是解决了一个较小的问题：探索一个评估更精细的教育单元的框架，在本例中是简短的教育视频。我们选择利用传统贝叶斯知识追踪（BKT）的改编，旨在评估视频内容的使用情况以及评估活动。通过研究交替包含或忽略视频活动时性能的变化，我们建议了一个用于确定视频与相关评估相关性的指标。
这种评估之所以重要，有很多原因：努力学习的学生可以找到最有效的资源，教师可以确定可能需要调整的材料，以及作为整体可以更好地调整，以产生成功的学生成果。为了为我们的结果的有效性提供直观的依据，我们详细检查了表现特别好的视频和表现不佳的视频的属性，并对本分析中包含的各种数据集进行了几个案例研究。通过提出并演示一种新的评估课程内容的分析方法，我们旨在使教育大数据所提供的承诺更接近实际。
顾问：丹葛西亚
BibTeX引用：
@大师奖{麦克哈迪：EECS-2015-98，作者={MacHardy，Zachary}，编辑={加西亚，丹}，Title={贝叶斯知识追踪在教育视频处理中的应用}，学校={加州大学伯克利分校EECS系}，年份={2015年}，月份={5月}，Url={http://www2.eecs.berkeley.edu/Publics/TechRpts/2015/eecs-2015-98.html},编号={UCB/EECS-2015-98}，摘要={随着MOOC和其他在线学习平台（如Khan Academy）的普及，与传统的校园教学相比，在线教育的作用继续增加。与此同时，对适合他们所服务的独特的庞大和多样化的人群的分析方法的需求迅速增长。特别是，随着在线教育内容的指导者和创作者努力解决这些复杂问题，传统的非正式、经常受到影响的内容迭代方法的不完美转换变得显而易见。需要额外的定量工具来评估课程内容，同时利用与如此大规模注册课程相关的数据范围和大小所带来的机会，这是一个有趣的分析问题。我们的工作没有解决评估大型教育单元（如整个在线课程）的问题，而是解决了一个较小的问题：探索一个评估更精细的教育单元的框架，在本例中是简短的教育视频。我们选择利用传统贝叶斯知识追踪（BKT）的改编，旨在评估视频内容的使用情况以及评估活动。通过研究交替包含或忽略视频活动时性能的变化，我们建议了一个用于确定视频与相关评估相关性的指标。这种评估之所以重要，有很多原因：努力学习的学生可以找到最有效的资源，教师可以确定可能需要调整的材料，以及作为整体可以更好地调整，以产生成功的学生成果。为了为我们的结果的有效性提供直观的依据，我们详细检查了表现特别好的视频和表现不佳的视频的属性，并对本分析中包含的各种数据集进行了几个案例研究。通过提出并演示一种新的评估课程内容的分析方法，我们旨在使教育大数据所提供的承诺更接近实际，}
EndNote引用：
%0论文%A MacHardy，扎卡里%丹·E·加西亚%贝叶斯知识追踪在教育视频创作中的应用%I加州大学伯克利分校EECS系%D 2015年%2014年5月8日%@UCB/EECS-2015-98%U型http://www2.eecs.berkeley.edu/Pubs/TechRpts/2015/eecs-2015-98.html%F麦克哈迪：EECS-2015-98