國際資訊

后疫情時代“混合式—靈活”教學模式日漸興起

當下，一種稱之為“混合式—靈活（HyFlex）”教學的模式日漸興起。該模式在疫情期間得到了快速發展，它允許學生通過線下或線上的方式參加課程的學習，確保學習進程的持續性。盡管并非所有教育工作者都接受這種教學方式，但學生們普遍對此表示歡迎。該教學模式最早于2006年出現于美國舊金山州立大學，其目的是解決學生的通勤問題，確保所有學生即使生病也可以繼續參加學習。然而，教師在平衡面對面教學和遠程教學兩者之間的關系時常常面臨挑戰。許多人認為，嘗試為兩個不同的群體提供教學服務，會損害所有人的學習體驗。不過，“混合式—靈活”教學模式的支持者則認為，這種教學模式顛覆了傳統的課堂授課模式，課程提供的靈活性可以改善學生的學習效果。今后，“混合式—靈活”教學模式如何發展，將取決于教育工作者如何適應和設計滿足學生需求的課程。（來源：https：//www.edsurge.com/news/2023-10-19-will-hybrid-teaching-stick-around-as-the-pandemic-fades）

如何分析高教機構數據的有效性

數據現已成為高等教育機構一項新的重要資源，無論是有關教職員工的信息，還是教學數據方面，數據的質量、可獲取性及其共享和管理的方式，對于高等教育機構均至關重要。利用四象限成熟度模型可以對高等教育機構數據的有效性進行分析。首先，從報告維度可分為兩大類型：具體實施報告和戰略報告。具體實施報告用于觀察和評測學生的入學等狀況。例如，第三學期有哪些學生入學？有哪些學生請假或中途退學？戰略報告用于評估學生的學習進度等狀況。例如，這些學生參加了哪些課程計劃？他們在第一學年的學習成績如何？他們獲得的助學金計劃有哪些？其次，從分析維度可以分為另外兩類：具體實施狀況分析和戰略分析。具體實施狀況分析包括分析學生退學的原因等，例如，中途退學的學生有哪些特點？他們和留下來繼續學習的學生有哪些不同之處？戰略分析用于對未來的學校政策作出規劃和預測，例如，能否識別出那些存在退學風險的學生？學校的政策調整能否減少學生的流失率，是否應該調整助學金政策？是否需要考慮提供新的服務項目、建立新的支持機制等？（來源：https：//campustechnology.com/Articles/2023/09/06/Institutional-Analytics-The-Data-Revolution-in-Higher-Education.aspx？Page=1）

利用人工智能技術激發個性化

學習潛力

個性化學習是根據每個學生的具體需求和偏好來定制教育的一種方法，旨在通過考慮到學生學習風格、文化背景和能力的差異，來創建公平、有效的教育體驗。包括數據分析和人工智能（AI）在內的各種技術，可以在促進個性化學習方面發揮關鍵作用。在教育技術領域，人工智能可以提供多種不同的算法和應用，利用機器學習和預測分析等技術，增強學生的個性化學習體驗。人工智能技術不僅可以提高學生的參與度和學習效果，還可以使教師及時發現問題，從而采取更有針對性和更加有效的干預措施。需要注意的是，在個性化教育體系下的學習者應該是自身教育過程中的積極參與者，而非被動的信息接受者。人工智能應該為學習者賦能，使其能夠發現自身獨特的優勢和應對挑戰，制訂自身的學習目標并監測學習進度。只有具備了適應力、批判性思維和自主學習等能力，他們才能在21世紀就業市場立于不敗之地。（來源：https：//www.edsurge.com/news/2023-10-20-unlocking-the-power-of-personalized-learning-with-trustworthy-ai-and-advanced-analytics）