ISeGov 研究 小组

联系 我们

电子 学习

该团队调查了数字技术如何在正规，非正式和终身教育中增强教学，学习和评估。 我们的工作在 电子 学习 专注于数字学习环境，教学框架和数据驱动方法的设计和评估，以提高学习者的结果。
我们特别感兴趣 基于问题的学习, 学习分析, 和 自适应学习系统 定制内容和反馈，以满足个人学习者的需求。 我们的研究以技术发展和教学理论为基础，应用范围从高等教育到公共行政培训。

主要研究课题：

选定的项目：

超越这些项目, 我们正在扩大我们的研究范围，以包括 AI支持的个性化学习, 数据驱动课程设计, 以及伦理学的影响 学习分析. 我们对如何特别感兴趣。 生成技术 （例如，大型语言模型）可以负责任地集成到教学和评估中。 其他关注领域包括 自适应学习系统, 基于能力的教育, 和 数字凭证 例如微观证书和基于区块链的认证。 我们还探讨了新兴的教学方法如何像 沉浸式学习 (AR/VR)和 基于游戏的学习 可以提高学生的参与度，并支持不同的学习需求。

技术增强型基于问题的学习

技术增强型基于问题的学习(PBL)将数字工具和资源集成到以解决真实现实世界问题的教学方法中。 在这个模型中，学生通过合作研究并找到解决方案来积极参与学习，技术促进研究，沟通和创造多样化的产品。 使用各种技术，如Web 2.0工具，在线数据库和仿真软件，可以支持PBL过程的不同阶段，从问题分析到展示解决方案。 这种方法旨在培养批判性思维，解决问题的能力和自我导向的学习，为学生应对复杂的挑战做好准备。 研究表明，将技术整合到PBL中可以促进更深入的学习，参与和21世纪技能的发展。

学习 分析

学习分析涉及测量，收集，分析和报告有关学习者及其学习环境的数据。 主要目的是理解和优化学习及其发生的环境。 通过跟踪学生与在线学习系统的互动，如学习管理系统(LMS)或社交媒体，教育工作者可以深入了解参与度，进度和潜在困难。 这种数据驱动的方法可用于个性化学习体验，识别有风险的学生，改善教学策略，并为课程开发提供信息。 最终，学习分析旨在提高学习成果和教育计划的整体有效性。

学习环境

学习环境包括完整的身体，社会，心理和文化背景，其中进行学习。 它不仅包括物理环境，如教室或在线平台，还包括教育方法，学生和教师之间的互动，以及学习空间的整体精神和文化。 有效的学习环境旨在培养，组织良好，并支持不同的学习者，提供选择，探索和实验的机会。 诸如课堂管理，社区意识和家庭文化的融合等因素可以显着影响学生的参与和成功。 学习空间的设计，包括灵活使用家具和技术，在支持各种教学和学习活动，以满足学生个人需求方面发挥作用。