九州体育平台在一起: Updates & Resources for Fall 2020

实验室和现实生活中的研究进展明智选择

Learning Sciences & Technologies (LST) graduate students follow the 九州体育平台 method of integrating theory with practice on campus and in urban classrooms, researching the impact of educational technology with input from teachers and students whose learning experiences—and futures—will be enhanced by these efforts. 学院 and students collaborate with the Worcester Public Schools, applying and testing theories in computer science, cognitive and educational psychology, and statistics in city classroom settings.

与在智能辅导,认知心理学和人工智能的前沿教育心理学和教育数据挖掘,以及教师无可争议的领导者密切合作,LST研究生专注于干的方法来增加成功(科学,技术,工程,在等级K-12和数学)的学习和教学在美国。 

研究人员使用以下资源中心:

这些实验室一起,LST认知模型来研究学生的思想和学习模式设计教材,实践和技术。主题包括教学技术,具有可视化和仿真,学习者特征,人机交互,和机器学习学习。

先进的学习技术研究实验室

我们创造,探索和分析学习干技术专注于人类学习的各个方面,并从各种来源的设备包含数据的影响。

我们的研究跨越许多领域,包括个性化学习,情感和动机,元认知,体现认知和主动学习可穿戴设备, 教育游戏智能教学代理,学习困难学生,在设计和执行学习技术的文化差异, 学习技术,为发展中世界.

教授阿罗约

教育心理学和数学学习实验室

教学和学习数学是一个非常复杂的社会,探索性和创造性的过程。我们设计了新的动态技术,使“数学活了过来”(可握的数学, 从这里到那里!),并利用眼动追踪,鼠标手势,和日志文件,解决数学方程时探索的关注,认知,手势,和战略的协调。 

我们还可以使用各种应用的多级量化方法,观察措施,并评估检查指导,社会和情感的课堂干预措施,可以提高K-12数学教学,学习和参与的功效。 

希斯教授

教育数据挖掘的研究小组预测结果

学生的细粒度交互大型数据集(例如,学生的回答数学题X与回答y在时间t)与智能教学系统,教育干预和大规模开放在线课堂(moocs)帮助我们探索和完善学生如何学习,教师如何教。 

通过利用从机器学习等方法,概率图模型,马尔可夫链,以及深层神经网络,我们可以开发出更准确的预测,当学生将成功,失败,坚持或需要帮助。这些预测可以反过来作为基础人类辅助和自动干预,以提高学习效果和学习的个性化。

贝克教授, 教授赫弗南, 教授怀特希尔教授阿罗约

在网络上运行的课堂实验

每年使用K-12数学教室各种基于网络的平台和技术(即,assistments,mathspring,graspablemath),这组导通超过100随机对照试验。这些研究有助于我们理解“什么在起作用”,与不同的教学方法,内容,反馈和任务,并帮助我们更好地了解指导学习的机制。有一组他们与有关学生水平的研究组抓斗随机对照分配方法学问题。  

教授赫弗南, 贝克教授, 希斯教授, 教授阿罗约, 教授怀特希尔

人类学习组的机器感知

本组采用机器学习和计算机视觉研究学生如何学习,以及他们如何表现感情,而他们学习。特殊利益包括深层神经网络识别培训的学员中学习任务的面部表情,以及实时cyberlearning系统的开发是瞬间学习者回应目前的认知,情感和语言的需求。

教授怀特希尔, 教授赫弗南, 贝克教授

在数学研究组身认知

这个研究小组进行关于新的学习方法的研究,利用电动机的动作以及认知思维。我们研究如何儿童更好地学习数学,同时探索物理空间,通过手势让数学学习有不同的理解,并利用技术来指导他们的三维空间。 

教授阿罗约, 希斯教授

在学习科学的定量分析方法

该研究小组的重点是严格的定量方法,如分层线性模型(这是用典型的方法时,学生嵌套的内部和教师是嵌套在学校)。其他主题包括像结构性问题建模,纵向数据分析,倾向评分匹配,回归间断设计,准实验设计,以及先进的主题,如主要分层及时学习科学问题。教师本组应用(适应)统计方法来解决他们在工作的问题。 

教授somasse, 希斯教授, 邹教授, 教授赫弗南

assistments并保留评估

计算机科学是在不断扩大,证明和改进网络型assistments,智能辅导器件的研究奠定了基础,并为教育数据挖掘在学习方法实现了功能最大化。

由于其疗效的资助者有吸引力,计算机辅助学习研究,以扩展其学科的灵活性和增加有益的反馈给教师和学生的一致好评。 

教授赫弗南

ARRS项目评估学生的理解

教授贝克引线美国国家科学基金会资助的自动重新评估和保持系统(ARRS)项目,该项目评估学生的话题的理解。而不是重复学习的东西的过程只在迅速的话题定期重新评估学生算了吧,本研究的目的。 

早期的研究表明更好的知识的记忆与后者的做法,目前LST研究进一步加强了一个系统,将研究如何优化学生的学习通过这种方法获得更好的保留的创建。 

贝克教授

assistments在缅因州学校数学

从美国的350万$的资金教育部门承保这一项目中,LST学生评价的在线辅导系统的数学作业的有效性。

在这项研究中,assistments系统将提供在缅因州的50多所学校提供即时反馈和量身定制辅导七年级的学生,而他们的老师接受如何适应教学计划对学生的夜间进步早晨报告,并指令包括该信息。 SRI国际意志的外部评估学生的测试结果。 

教授赫弗南