•  
  •  
 

ORCID

Danielle McNamara, https://orcid.org/0000-0001-5869-1420

Abstract

日益扩大的数字化学习规模彻底改变了教育测量、学习分析、学习科学等领域的可用数据形态。然而，人们往往将大规模学习视为样本量的扩大或新型分析方法的应用，却忽略了它其实是机构基础设施运作的产物。这些基础设施决定了学习数据如何被生成、整理、转化和获取。本文从基础设施的视角出发对“大规模学习”进行描述与阐释，重点关注学习管理系统（LMS）、平台集成工具以及生成供研究使用的教育数据的数据管道。本文以亚利桑那州立大学大规模学习（L@S）数字学习网络平台的设计与运营为例，阐述了以下三点：(a) 高等教育环境中常见的大规模数据来源；(b) 这些数据的整理与开放获取流程；(c) 隐私、治理、公平性等方面的考量所带来的限制。另外，本文还着重探讨了基于语言的数据（如讨论区帖子和书面作业），这些数据是教育测量中一种极其丰富但尚未被充分利用的证据来源。笔者认为，要真正理解大规模学习，不能只局限于关注分析方法，还必须重视那些影响构念表征、亚群体可见性以及研究效度的基础设施条件。

DOI

https://doi.org/10.59863/EBDI3806

Download

Share

COinS