大数据告诉你：什么样的在线教育课程最受欢迎
当前位置：&&理论教学
大数据告诉你：什么样的在线教育课程最受欢迎
发布时间： 来源：思想政治理论课部 作者： 胡铁生 浏览次数：
&&& 让学生更投入地学习是教师的职责之一。但是即使用上微课、微视频等新形式、新技术，很多学生还是不太愿意听讲，MOOC学生流失率一直居高不下就是一条明证。很多开设慕课的教师都会绞尽脑汁地吸引、鼓励学生，哪怕只是多学一点点，也能让教师的成就感提升。&&& 最近有两篇分别基于Coursera和edX数据的论文令国内学术界大为感兴趣：论文《HowVideoProductionAffectsStudentEngagement:AnEmpiricalStudyofMOOCVideos》由MIT的博士生、博士后，及edX工程副总裁共同撰写，分析了edX上690万条视频观看记录，统计后得出：怎样的视频更吸引人。论文《EngagingwithMassiveOnlineCourses》由斯坦福大学和康奈尔大学的博士生、教授合作，通过挖掘Coursera上MachineLearning和ProbabilisticGraphicalModels两门课程各三次开课的数据记录，分析了最终成绩不同的学生在学习过程中表现出怎样的差异，以及如何提升课程论坛活跃度。&&& 两篇论文从课程制作和授课过程（运营）两个角度分析了如果提升学生的活跃度。有些结论显而易见，有些结论令人惊讶，对开课教师以及平台设计和运营都很有借鉴意义。广东教育学会网络教育专业委员会秘书长、教育部中小学与高校微课建设特聘专家、微课创始人胡铁生教授特别将其主要结论摘录出来，并结合实践经验加以判断和评述，希望读者能够通过对MOOC的相关统计数据及其分析，学到怎样录制更有吸引力微课作品的捷径。最受欢迎的特点一：短于6分钟的视频最吸引人&&& 微课之微在于其短小精悍，那么多长时间的微课视频最能吸引人？&&& 基于edX数据的统计，无论视频多长，用户实际观看时长的中位数都不超过6分钟。而且6-9分钟长的视频是个拐点，更长的视频实际观看的中位数反倒会下降。比如长度超过12分钟的视频，实际观看中位数只有3分钟。所以，&微视频到底多短最合适&这个问题有了标准答案&&6分钟。这个数字挺难让人接受的，因为按多数老师的习惯，6分钟根本讲不了什么东西，15分钟都勉强。但和下一个结论联合分析，其实未必真做不到。&&& 2013年6月一项面向我国中小学首届微课大赛参赛微课视频时长的数据分析表明：3-7分钟为最佳时长，太长效果不好，太短则讲不清或视频编辑技术要求高。即87%以上的微课教学视频长度都小于10分钟。其中75%的视频时长在5-8分钟之间，小于3分钟的则不到6%，超过10分钟的不到13%。可以看出，中小学微课视频长度最长不宜超过10分钟，5-8分钟最为适宜。不同学科、不同学习对象略有不同。最受欢迎的特点二：语速快很关键&&& 视频短小又要包容足够的知识点，微视频的语速也很重要。&&& 虽然统计数字表明语速和视频吸引力并不完全成正比，但当语速达到每分钟185-254个单词，对应中文我估计少说得300个字时，无论视频多长，比较能获得更多注意力。原因很好理解，快语速常常伴随着激情，激情富有感染力，感染力更能打动学习者，让他更加专注。所以，教师越热情，甚至是激情，越能吸引学生。&&& 语速加快，讲授同样内容所需时间就会缩短，这样产出的视频就可以接近甚至达到6分钟的建议长度了。只要录课前做好规划，让内容更紧凑，节奏更快，不说废话，不机械重复（学生可以自己重复看），剪掉&嗯&、&啊&等口头语，短小精悍的视频就有了。&&&&从某种程度上来讲，同样内容的教学视频，越短，学生的学习效率越高。这就是微课视频制作必须要求老师具备的&语言观&。微课视频大多数摆脱了在嘈杂的课堂教学情景中摄制的方式，而采用&可汗学院式&视频（一个人、一台电脑、一个话筒、一个PPT课件的一对一辅导的录制方式），只录教师讲授的内容及操作（一般用鼠标或手写板代替），而教师讲课时的头像和肢体动作不录进微课视频中。这就要求老师的语言必须声音清晰、发音标准、语速适当（甚至可以偏快，因为学生看视频时对于偏快偏难的地方可以暂停或重复观看）、富有感染力，甚至可以适当幽默风趣一点，能把电脑面前学生的眼球和注意力吸住。<&&&&Probabilistic-Graphical-Models 很经典的书籍哦，有1200多页，非常 概率图模型 ，网上价格一般都1000多元 matlab 238万源代码下载-
&文件名称: Probabilistic-Graphical-Models
& & & & &&]
&&所属分类:
&&开发工具: Visual C++
&&文件大小: 19039 KB
&&上传时间:
&&下载次数: 2
&&提 供 者:
&详细说明：很经典的书籍哦，有1200多页，非常经典的概率图模型书籍，网上价格一般都1000多元哦！-it is very good for you!
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&Koller-Probabilistic Graphical Models Principles and Techniques.pdf
&近期下载过的用户:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - An introduction to probabilistic graphical models - M Jordan
&[] - 一个中科院的老师的关于概率图模型的讲座。介绍的内容比较新。一 课程基本信息
&&&&&&&&& 本课程是由主讲，同时得到了的支持，在上公开传播。在本课程中，你将学习到PGM（Probabilistic Graphical Models）表示的基本理论，以及如何利用人类自身的知识和机器学习技术来构建PGM；还将学习到使用PGM算法来对有限、带噪声的证据提取结论，在不确定条件下做出正确的抉择。该课程不仅包含PGM框架的理论基础，还有将这些技术应用于新问题的实际技巧。
&&&&&&&&& 本课程包含以下主题：
&&&&&&&&&&1.贝叶斯网络（Bayesian network）和马尔科夫网络（Markov network）的表示，包括随时间变换的域和可变数量的实体的域的推理；
&&&&&&&&&&2.推理和推断的方法，包括精确推断（变量消除（variable elimination），势团树（clique tree）），近似推断（信仰传播的消息传递，马尔科夫链（蒙特卡洛方法））；
&&&&&&&&& 3.PGM中，参数和结构化的学习方法；
&&&&&&&&& 4.在不确定条件下使用PGM进行决策；
&二 什么是PGM？
&&& 不确定性是现实世界应用中不可避免的问题：我们几乎从未肯定地预测将要发生的时间，即使我们对于过去和现在的信息都了如指掌。概率理论为我们提供了用以对我因时而异、因地而异的belief建模的基础。这些belief可以结合个人的喜好来指导行动，甚至在选择观测中也能用到。
&&&&概率论自17世纪以来就存在，但直到最近我们才具有有效使用概率论的知识解决涉及许多相互联系的变量的大问题，这主要归功于PGM模型框架的发展。该框架，主要包含例如贝叶斯网络和马尔科夫随机场（Markov random fields）等方法，使用的思想是计算机科学中的离散数据结构可以快速编码、在包含成千上万个变量的高维空间操作概率分布。这些方法已经广泛应用于许多领域：网页搜索，医疗和故障诊断，图像理解，生物网络重建，语音识别，自然语言处理，高噪声环境下编码信息传输，机器人导航，等等。PGM框架为任何希望通过有限、含噪的观测来正确推理提供了必要的工具。
三 PGM相关概述
3.1 为什么需要PGM？
&&& PGM最开始出现在计算机科学和人工智能领域，主要应用于医学诊断。假设一个医生正在给一个病人看病。从医生的角度，他掌握着病人相当数量的信息-诱因、症状、各种测试结果等。并且，他应当判断出，病人的病情诊断是什么，不同的质量方案会有什么样的反应等等。PGM的另外一个典型应用是图像分割。比如，我们有一张可能包含成千上万个像素。图像分割，就是给图像中每个像素贴上标签。例如下图所示，每个像素应该给贴上诸如草地、天空、牛或马此类类别标签。
上述两个问题的共同点是：
&&&&1.它们都具有大量我们需要从中推理的变量。在图像分割问题中，不同的像素或者由像素构成的小区域的标签叫superpixels。
&&&&2.正确的结果具有不确定性，不管算法设计得如何清晰。
&&&&综上，PGM就是用来解决上述应用的框架。
3.2 什么是Model？
&&&&& 模型是一个我们理解世界的形象化表示(Declarative representation)。如下图所示：
&&&& 简单的讲，一个模型是一种我们理解周围世界的声明或者表达方式。在计算机内，一个模型包含我们对若干变量的理解，比如，这些变量是什么含义，变量之间如何交互。模型的这种特性使得我们能够将新的算法加入模型内部，同时加入新的外界知识。比如用专家只是知道模型，通过学习的方法改善模型等。
3.3什么是Probabilistic？
&&&首先解释下不确定性（Uncertainty）。产生不确定性的原因主要有：
&&&1、对世界认知状态的不完整；2、含有噪声的观测(Noisy observations)；3、模型未能覆盖所有实际现象；4、固有的随机性；
&& 概率论，通常具有清晰的表达式，强推理模式，可建立的学习方法
3.4什么是Graphical？
&&Graphical（图）来自计算机科学，是一种复杂数据结构。通常包括顶点和连接顶点的边。
四 Graphical Models(图模型)
&&最简单的图模型是贝叶斯网络，通常贝叶斯网络使用有向无环图来表示，图中的顶点表示随机变量，图中的边沿表示随机变量之间的概率依赖关系；在机器学习和图像处理中（图像分割）还经常使用马尔科夫网络(Markov network)，通常马尔科夫网络使用无向图来表示顶点与周围顶点之间的关系。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
&&& 下面给出一个在图像分割中实际应用的例子:
五 分布(Distributions)
&&&联合分布-在中, 对两个X和Y，其联合分布是同时对于X和Y的.
对而言，联合分布为Pr(X = x & Y = y)，即
因为是概率分布函数，所以必须有
&&&以通过考试成绩评估学生学习情况为例。
&&&I表示学生智力，可取值为0和1；D表示试卷难易程度，可取值为0和1；G代表最后的试卷结果等级，可取值为1,2,3。根据三个随机变量I,D,G的取值情况，我们知道三个随机变量一共有2*2*3种取值。联合分布P(I,D,G)的分布情况如上图右表所示。需要注意的一点是，I,D,G是相互独立的随机变量。
&&&条件概率分布（条件分布）是现代中的概念。已知两个相关的X& 和Y，随机变量Y 在条件{X =x}下的条件概率分布是指当已知X 的取值为某个特定值x之时，Y 的。 如果Y 在条件{X =x}下的条件概率分布是连续分布，那么其称作Y 在条件{X =x}下的条件概率密度函数（条件分布密度、条件密度函数）。与条件分布有关的概念，常常以&条件&作为前缀，如、等等。
&&&对于离散型的随机变量X 和Y（取值范围分别是和），随机变量Y& 在条件{X =x}下的条件概率分布是：
同样的，X 在条件{Y=y}下的条件概率分布是：
其中，是X 和Y 联合分布概率，即&，并且发生的概率&。如果用表示的值： 那么随机变量X 和Y 的边际分布就是：
因此， 随机变量Y 在条件{X =x}下的条件概率分布也可以表达为：
同样的，X 在条件{Y=y}下的条件概率分布也可以表达为：
&& 继续前面的例子，例如我们要求当G取值为1的时候的条件概率，那么P(I,D,G=1)为所有I和D变换，而G固定为1的联合分布的取值之和。
&&&&&&&&&&&
&& 由上图我们知道，P(I,D,G=1)的值为0.126+0.009+0.252+0.06=0.447。这里G=1的条件概率不唯一，在实际应用中，使用条件概率时，常常还需要进行条件概率的归一化。简单的讲，就是在G=1的时候，可以将概率空间单纯的之前的3维(I,D,G各自所在的空间为一维)看做2维(G固定，只剩下I,D)。因此可条件概率的归一化是指条件概率的每一个可能的取值与条件概率之和的商。如下图，P(I,D|g=1)的条件概率分布如右表所示。&
&& 最后，还需要明确的一个概念是边缘概率。边缘概率是某个事件发生的概率。边缘概率是这样得到的：在联合概率中，把最终结果中不需要的那些事件合并成其事件的全概率而消失（对离散随机变量用求和得全概率，对连续随机变量用积分得全概率）。这称为边缘化（marginalization）。A的边缘概率表示为P（A），B的边缘概率表示为P（B）。继续之前的例子，比如我们已经知道P(I,D|g=1)，然后我们边缘化I，则我们可以得D的边缘分布，如下图所示：&&&&&&
阅读(...) 评论()有选Probabilistic Graphical Models这门课的吗？求指教…… | MOOC学院
有选Probabilistic Graphical Models这门课的吗？求指教……
Probabilistic Graphical Models。我纯粹是找虐，这个课，以前没接触过，而且跟我专业没有半毛钱关系。然后就想上上看。那个Assignments有点看不懂。Programming Assignment 1貌似让装一个软件，然后下载了，然后就不知道然后怎么办了
只能求助你了……
擦，还在赶dl，先简单说说记忆中的。要是不行我有空再瞅瞅……PA1还算简单吧，那个软件就是一个做简单的有向图的贝叶斯模型的工具。我记得好像是关于保险的概率推导什么的。好像首先是要你构造一个符合它要求的贝叶斯网络，里边的一些条件概率什么的自己随便填，符合文档要求即可。然后可以利用这个网络算一些东西啥的……就记得这么多了。热门推荐：
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　让学生更投入地学习是教师的职责之一。但是即使用上微课、微视频等新形式、新技术，很多学生还是不太愿意听讲，MOOC学生流失率一直居高不下就是一条明证。很多开设慕课的教师都会绞尽脑汁地吸引、鼓励学生，哪怕只是多学一点点，也能让教师的成就感提升。
　　最近有两篇分别基于Coursera和edX数据的论文令国内学术界大为感兴趣：论文《How Video Production Affects Student Engagement:An Empirical Study of MOOC Videos》由MIT的博士生、博士后，及edX工程副总裁共同撰写，分析了edX上690万条视频观看记录，统计后得出：怎样的视频更吸引人。论文《Engaging with Massive Online Courses》由斯坦福大学和康奈尔大学的博士生、教授合作，通过挖掘Coursera上Machine Learning和Probabilistic Graphical Models两门课程各三次开课的数据记录，分析了最终成绩不同的学生在学习过程中表现出怎样的差异，以及如何提升课程论坛活跃度。
　　两篇论文从课程制作和授课过程（运营）两个角度分析了如果提升学生的活跃度。有些结论显而易见，有些结论令人惊讶，对开课教师以及平台设计和运营都很有借鉴意义。广东教育学会网络教育专业委员会秘书长、教育部中小学与高校微课建设特聘专家、微课创始人胡铁生教授特别将其主要结论摘录出来，并结合实践经验加以判断和评述，希望读者能够通过对MOOC的相关统计数据及其分析，学到怎样录制更有吸引力微课作品的捷径。
　　最受欢迎的特点一：短于6分钟的视频最吸引人
　　微课之微在于其短小精悍，那么多长时间的微课视频最能吸引人？
　　基于edX数据的统计，无论视频多长，用户实际观看时长的中位数都不超过6分钟。而且6-9分钟长的视频是个拐点，更长的视频实际观看的中位数反倒会下降。比如长度超过12分钟的视频，实际观看中位数只有3分钟。所以，“微视频到底多短最合适”这个问题有了标准答案――6分钟。这个数字挺难让人接受的，因为按多数老师的习惯，6分钟根本讲不了什么东西，15分钟都勉强。但和下一个结论联合分析，其实未必真做不到。
　　一项面向我国中小学首届微课大赛参赛微课视频时长的数据分析表明：3-7分钟为最佳时长，太长效果不好，太短则讲不清或视频编辑技术要求高。即87%以上的微课教学视频长度都小于10分钟。其中75%的视频时长在5-8分钟之间，小于3分钟的则不到6%，超过10分钟的不到13%。可以看出，中小学微课视频长度最长不宜超过10分钟，5-8分钟最为适宜。不同学科、不同学习对象略有不同。
　　最受欢迎的特点二：语速快很关键
　　视频短小又要包容足够的知识点，微视频的语速也很重要。
　　虽然统计数字表明语速和视频吸引力并不完全成正比，但当语速达到每分钟185-254个单词，对应中文我估计少说得300个字时，无论视频多长，比较能获得更多注意力。原因很好理解，快语速常常伴随着激情，激情富有感染力，感染力更能打动学习者，让他更加专注。所以，教师越热情，甚至是激情，越能吸引学生。
　　语速加快，讲授同样内容所需时间就会缩短，这样产出的视频就可以接近甚至达到6分钟的建议长度了。只要录课前做好规划，让内容更紧凑，节奏更快，不说废话，不机械重复（学生可以自己重复看），剪掉“嗯”、“啊”等口头语，短小精悍的视频就有了。
　　从某种程度上来讲，同样内容的教学视频，越短，学生的学习效率越高。这就是微课视频制作必须要求老师具备的“语言观”。微课视频大多数摆脱了在嘈杂的课堂教学情景中摄制的方式，而采用“可汗学院式”视频（一个人、一台电脑、一个话筒、一个PPT课件的一对一辅导的录制方式），只录教师讲授的内容及操作（一般用鼠标或手写板代替），而教师讲课时的头像和肢体动作不录进微课视频中。这就要求老师的语言必须声音清晰、发音标准、语速适当（甚至可以偏快，因为学生看视频时对于偏快偏难的地方可以暂停或重复观看）、富有感染力，甚至可以适当幽默风趣一点，能把电脑面前学生的眼球和注意力吸住。
　　最受欢迎的特点三：教师头像绝非可有可无
　　微课十分短小，要做得精致，讲课教师的头像并非可有可无。
　　对大于6分钟的视频，有教师讲课头像的和纯PPT、软件操作等录屏式微课视频相比，前者收获的关注更多。我想，这是因为头像总在动，比一直处于静止画面的单调录屏更提神吧。我个人确实比较喜欢那种头像嵌入视频一角，即画中画的形式，但前提是PPT把那一角特意留出来，头像不会遮挡该看到的课件内容。
　　关于头像，我们中国的老师和学生不必完全照搬可汗学院式视频的方法，教师的头像在某种教学情景下也是一种重要的学习资源，况且中国学生受传统的班级教学影响深刻，没有头像的课，教师自己看着不习惯不自然，学生更会觉得，没有老师的现场感和亲切感及监督，自主学习能力减弱，学习一段时间后估计也容易分神。因此，中国式微课视频可以走“折中”路线――教师头像可以在片头片尾出现，中间偶尔出现，重要内容时可以出现，小结时也可以出现，甚至教师头像的画面位置和大小都是可以设置的。而这种在CS录屏软件的后期编辑中是很容易实现的。
　　最受欢迎的特点四：内容独特，教师风趣幽默
　　很多人以为幽默的发言就像一个PRG游戏中的一个技能或者武侠小说里的一个招数一样，只要催动内力就能瞬间进入[口若悬河mode]，这是不对的。大部分看起来举重若轻的演讲者，在台下都经过很辛苦的准备，近乎变态的准备。正如教师视频授课是一样的道理，教师的授课就如同一场演讲，愈风趣幽默，学生自然更容易被吸引，相比于干瘪乏味的课程，那自然风趣幽默的课程会更受欢迎。
　　风趣幽默当然有很多的技巧，作为专业人士这些都有必要上升到理论的高度，此外，一堂受欢迎的课程除了教师的风趣幽默外，内容本身的特色也是相当重要的，就像获国家专利的奇速英语24个故事记单词和思维导图记单词课程等为什么会受到大众的欢迎，除了风趣幽默的教师外，因为其内容有自身的独特性，否则一堂课只有教师的幽默缺失了内容本身实质，那也是难以满足受众者需要的。
　　最受欢迎的特点五：要善于制造一对一的感觉
　　教师都习惯于教室的教学气氛――黑板/大屏幕、教鞭或PPT激光笔、站在讲台上、走来走去、学生全部面向教师，甚至安排一些学生假装听众来提起讲课的兴致。但数据分析表明，这种在教室/演播室配置昂贵设备录制的视频，在吸引力上其实不如更低成本的私人录制方式。教师坐着，面对镜头，背景就是办公室，像在做单独辅导一样地讲课，效果是最好的。这样很容易产生一种亲切感，而且与坐在电脑前的学生所处的学习环境最契合。
　　这里的关键点就是让学生有一对一的感觉。传统线下教育提示我们，面对面、一对一才能达到最佳教学效果，坐下来直面镜头，就基本创造出了这种感觉。语言上再多用“你”而不是“你们”，用“咱们”而不是“大家”，气氛就有了。很多不谙此道的老师课程开头第一句话总是“同学们，大家好”，这通常在那一刻就“出戏”了。
　　这点很重要。微课就是为学生的自主学习、一对一高效学习而设计制作的，是给学生看的而不是给老师看的。一对一学习里蕴藏着最扁平化的学习理念――学生直接与学习内容或讲解操作过程交互，没有多余的、无关的甚至是无效的中间教学环节，如传统课堂教学中的与同学讨论、分享、交流、回答，即使有，也是学生在心里、一个人的思考与活动。学生可以按照自己的爱好和风格按需学习――容易的内容可以跳着看、不懂的地方可以反复看、暂停着去查相关资料弄明白相关基础知识后接着看，看的时候可以线上提问题、做练习、做笔记，100%掌握后再看下一个微课。这样的学习效率就特别高，且不会遗留下空白，差生就再也不会形成。
　　最受欢迎的特点六：手写屏/笔是最值得购买的录课设备
　　可汗学院的视频是典型的手写笔（板）应用，所以有学者干脆将这种视频称为“可汗风格”。统计表明，与传统单纯的录屏式微课相比，学生更愿意在可汗风格的视频中投入1.5-2倍的时间。老师边讲边画，确实很像一对一讲题的感觉。或者在一片白板/黑板上用板书讲课，或者在ppt上勾画要强调的内容，手写笔的效果远胜过鼠标单一的指示与播放，它让学生很清楚地知道该看哪里，并忠实地跟着老师的思路同步思考，从而实现学习过程思维的可视化。
　　对于数理化偏理科或美术科的老师来说，一支几十元或者高档的几百元的手写笔实在是太值得投入了。
　　用鼠标是很难“写”出好板书的。手写电磁屏和手写笔是非常值得配备的微课视频录制工具。
　　最受欢迎的特点七：学生越活跃，成绩越高
　　什么时候选课的学生最活跃呢？研究表明：在新课程正式开始前半个月，到课程第一次作业截止这段时间里选课的学生，其中的活跃者比例远高于其它时间选课的。所以，MOOC课程宣传的最佳时机，就是开课前后。不过值得一提的是，自开课时间起，哪怕到了课程结束之后，加入到课程但只看视频的学生始终保持着较高的比例。他们虽然不交作业、不考试，但也能从视频中有所得，这也是课程价值的体现。所以有些MOOC课程结束后就彻底关闭、连视频都不给人看的做法，是不合适的。另外，60%的学生是在课程开始前选课的，所以足够长的预告期还是有必要的。
　　基本上，学生的最终成绩和他在看视频、做测验、交作业和参与论坛互动的次数是成正比的。也应了那句“一分耕耘一分收获”的老话。但“读论坛”这项活动有个独特现象，在80-100分这个区间会变成反比，也就是分数越高，论坛看得越少。这说明学霸对论坛的依赖不高。论坛主要服务于非学霸。但不要以为学霸对论坛就没贡献，事实上他们很重要。统计数据表明，占据论坛沙发的学生其论坛活跃度都很高（侧面说明人数少），而且他们的平均成绩也在80分之上。
　　统计表明，并没有任何视频成为明显的学习终结者，但确实有些作业题目成为障碍，大量的学生被挂在上面，然后就没有然后了。这说明学习中止的很大原因是遇到困难，而非单纯的懒惰。如果能在解题过程多提供一些帮助，如志愿者在线辅导答疑、个性化学习资源的推送、定期的学习诊断报告与建议、进阶式积分式的学习激励机制等，可以帮学生走得更远。
　　最受欢迎的特点八：教师先洗脑，才能做好在线课程
　　这两篇论文的分析虽然还谈不上全面、严密，他们自己也坦诚有漏洞。但瑕不掩瑜，这些结论还是很有指导性，并引人思考的。它们坚定了一个观点――一定不要把课堂讲课的习惯与模式照搬到在线课程中。
　　授课是一项以对象和目标为导向的活动，在线课程的授课对象构成更复杂，包括年龄、基础、地域、作息习惯、文化背景等，学习目的也多样，如拿证、深入学习、大体了解、解决手头问题等，再加上学习工具与环境的剧烈变化，可想而知照搬课堂授课的效果会多差。 现在越来越多的老师开始涉足在线教育，并放下自己赖以成名的传统教学习惯与观念，用“小白”的心态重新学习如何在线授课，是扎实的第一步。
　　（来源：中国远程教育杂志）
　　声明：
　　1.转载请注明来源：中国教育信息化在线(cedictol)。
　　2.本公众号所转载文章不代表我们认同其观点或证实其内容真实性，作者如果不希望被转载，请与我们联系，删除相关文章。
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
中国高校校报协会副会长......
北京教育音像报刊总社评论部评论员.....
中国青少年研究中心首席专家
美国独立教育顾问协会认证顾问
中国人民大学政治学教授