网络学习投入影响因素与应对策略——基于自我决定理论的视角

2018 年 11 月 14 日 MOOC

 | 全文共9740字,建议阅读时20分钟 |

 

本文由《中国电化教育》杂志授权发布

作者:周琰

摘要

 

网络学习投入是影响网络学习质量的关键要素。该文选取参与网络课堂的438名大学生为被试,以问卷调查的方式考察网络学习投入的影响因素与作用机制。结果表明:学习者所持有的认识信念通过元认知调节策略正向预测个体的网络学习投入;自我决定动机和元认知调节策略在认识信念和网络学习投入的关系中起完全中介作用,但不同动机类型的作用存在差异。无动机对网络学习投入有显著的负向预测作用,控制性动机对网络学习投入的预测作用不显著,自主性动机对网络学习投入有显著的正向预测作用。网络学习环境中既要重视学习者的动机激发以及元认知调节策略的培养训练,又要注重提升学习者的认识信念,以促进其持久有效的学习投入。

关键词:网络学习投入;认识信念;自我决定动机;元认知调节策略;应对策略


一、问题提出

 

伴随着信息化技术的飞速发展,网络学习成为个体学习的重要途径。如何测评网络学习行为,进而提升网络学习质量成为研究者关注的热点。个体的学习投入是网络学习行为的重要衡量指标[1]。学习投入是学生在学习中表现出的一种持久的、充满积极情感的心理状态,它以活力(Vigor)、奉献(Dedication)和专注(Absorption)为主要特征[2]。研究表明,网络学习投入是影响网络学习质量的重要因素,它可以正向预测个体网络学习的坚持性、努力程度及学业成就[3-5]。然而,由于网络学习的时空特性,学习者容易出现投入时间不足、缺少计划、突击浏览、随意终止、高辍学率等问题,调查发现即使学生进入了网络课程平台,但仍有一半的登录时间并未浏览有效资源,高达83%的学生的资源浏览数勉强达到形成性考核的要求[6]。因此,探讨网络学习投入的影响因素,厘清相关变量对网络学习投入的作用机制对于提高网络学习质量具有重要的实践价值。

 

二、理论基础

 

网络学习投入受到多种复杂因素的影响,既有网络课程的灵活性、交互性等外在因素,也有学习者所持有的认识信念、动机类型、学习策略等内在因素[7][8]。近年来,学习心理领域中经历着研究范式的转变,研究重心从传统的脱离情景的“冷认知”转向关注情景中的“热认知”,学习者的动机、信念、价值观等情感因素对学习投入的影响成为研究的焦点,“热认知”背景下的内部因素对网络学习投入的作用机制探讨引起了国内外学者的广泛关注,研究视角逐渐由外部因素转入学习者的兴趣动机等内部心理因素,毕竟网络学习环境下学习者个体心理因素更应该是学习行为的最重要影响因素[9]。然而,网络学习投入的内部影响因素和作用机制探讨均有待深入,比如在动机类型对网络学习投入的影响上,研究结论存在诸多分歧,尤其体现在外部动机对网络学习投入的影响上。有研究认为:外部动机会抑制学习投入,外部动机强的学生在学习过程中会表现出更多的拒绝和逃避倾向[10],也有研究认为:尽管外部动机的作用比内部动机弱,但其也可以有效促进在线学习投入[11]。

 

Deci和Ryan的自我决定理论(Self-Determination Theory)按照自我决定程度从低到高把个体动机分为无动机、外部动机、内部动机三种[12]。其中,无动机反映个体处于高度的疏离状态,对任务持冷漠、忽视的态度,不存在学习的动力。内部动机反映个体的学习行为主要是由于活动本身给个体带来足够的乐趣和较高的内在满足感,是自主性程度最强的动机。外部动机在内化为内部动机的过程中,按照自主性程度从低到高可分为外摄调节、内摄调节、认同调节与整合调节。外摄调节与内摄调节被合称为控制性动机(Controlled Motivation),即个体为了获得奖励或避免惩罚,以及维持自尊或避免内疚感而从事学习活动。认同调节、整合调节则逐步接近内部动机,与内部动机合称为自主性动机(Autonomous Motivation),即个体对学习的内在价值有了认同,并将其逐步内化,进而出于自己的意愿和选择从事学习活动[13]。目前国内大部分研究主要关注的是自主型动机的预测作用,对控制型动机和无动机的关注不够,尤其是无动机的作用机制极少涉及,这不利于自我决定理论的本土化检验以及该理论的扩充和发展,更不利于充分发挥其对网络学习投入的实践指导作用[14]。

 

认识信念是指学习者对知识、学习现象和经验所持有的直觉和潜在的认识[15]。研究表明,学生所持有的认识信念对网络学习的影响不容小觑[16]。Muis提出了认识信念与自我调节学习的整合模型[17],后续学者在网络学习环境下进一步探讨了认识信念在自我调节学习中的作用模式,解释了认识信念为什么会促进或抑制个体的网络学习投入和学习自主性[18]。该模型包括四个阶段:任务定义(Task Definition)、计划和目标设定(Planning and Goal Setting)、实施(Enactment)、评价(Evaluation)。认识信念通过与动机情感因素和其他认知因素的交互作用,对自我调节学习的目标设定和具体实施与评价等产生重要影响。首先,学生所持有的认识信念影响其学习动机。拥有积极有效的、成熟的认识信念的学生往往有较强的学习动机,在学习过程中较多地采用掌握目标定向,能体验到学习的成就感和愉悦感[19]。其次,学生的认识信念会影响其认知过程和策略选择。认识信念不但能帮助学生了解什么(What)认知策略可能解决问题,促使个人思考这些策略是否(Whether)适用于当时情境,也能帮助个人判断不同策略在何时(When)或何地(Where)使用有效[20]。在当今流行的网络学习环境中,个体的认识信念对信息查询的媒介使用、搜索策略、信息评价等均有重要影响,当问题的确定性程度较低和答案较为复杂时,持有成熟的认识信念的学生有更好的表现[21]。最后,认识信念通过动机、策略等中介因素影响学习投入[22]。学生越相信能力天生或快速习得,面对困难的学习任务时越容易产生无助心理而放弃努力;越是持有能力是后天培养而非固定不变的观念,面对困难的学习任务时越有可能运用多种学习策略去克服,积极投入而非简单放弃;学生越相信知识是简单的、确定的,越少出现学习中的探究行为,越不容易投入认知活动进而理解复杂信息[23]。基于Muis的认识信念与自我调节学习的整合理论模型,本研究假设认识信念会通过影响个体的动机类型和策略进而影响网络学习投入,且不同动机类型对网络学习投入有不同的预测作用。

 

综上,“热认知”背景下网络学习投入的内部影响因素研究取得了一定的研究成果,为本研究奠定了基础,但尚存在如下需深入探讨的问题。首先是不同动机类型对网络学习投入的作用机制问题。如前所述,基于自我决定理论视角系统探讨不同动机类型对网络学习投入影响的研究不够全面,而且研究结论存在分歧[24]。其次,网络学习环境下教与学的弱控性决定了元认知调节策略会成为影响网络学习投入的至关重要的因素。元认知调节策略是能够帮助个体对自身认知活动进行监控和调节的学习策略[25]。网络学习环境中教师的实时监督与引导相对缺失,此时更需要个体对自己的认知活动进行即时高效的监控、评估和调整,但已有研究对网络学习投入中元认知调节策略的作用关注不足。最后,网络学习投入的整体影响机制研究亟待深入。网络学习投入的影响因素并非单一因素,需要综合考虑多种内部影响因素的共同作用。基于此,本研究基于自我决定理论,在认识信念和自我调节学习的整合模型基础上,考察网络学习环境中学习者所持有的认识信念、不同动机类型、元认知调节策略对网络学习投入的作用机制,厘清不同动机类型的作用,为建立个性化自适应网络学习平台、促进学习者的网络学习投入,提高网络学习质量提供理论支持和实证依据。

 

三、研究方法

 

(一)被试

 

选取参与“计算机基础”“大学英语”等网络课程的438名本科生,以班级为单位进行问卷调查,被试专业包括生命科学、地理科学、中文、外语、教育学等。被试的网络学习时间均在两学期以上。最终得有效问卷425份,有效回收率为97%。

 

(二)研究工具

 

1.网络学习投入量表

 

采用由Schaufeli等编制的学生学习投入量表[26]。该量表包含活力、奉献和专注三个分量表,Likert七点计分。该量表被国内外学者广泛用于网络学习投入的测查,参照他们的研究,本研究中也纳入了“网络学习”这一背景条件,如“我很乐意进入网络课程进行学习”[27][28]。本研究中,该量表的验证性因素分析结果为:χ2/df=2.36,GFI=0.93,AGFI=0.90,NFI=0.93,IFI=0.96,CFI=0.96,TLI=0.94,RMSEA=0.057,量表的Cronbach'sα系数为0.91。

 

2.认识信念量表

 

采用周琰和谭顶良编制的大学生认识信念量表,该量表包括六个维度:知识确定性(知识是固定不变的还是不断发展变化的)、知识简单性(知识是孤立的还是互联的)、知识的获得(知识来自何处以及知识获得与否的评判标准)、学习的价值、学习的速度、学习的能力。Likert五点计分,得分越高说明被试的认识信念越成熟[29]。量表的验证性因素分析结果为:χ2/df=2.41,GFI=0.91,AGFI=0.89,NFI=0.83,IFI=0.81,CFI=0.84,TLI=0.82,RMSEA=0.050,量表的Cronbach'sα系数为0.88。

 

3.自我决定动机量表

 

采用索玉贤和刘华山修订的中国大学生自我决定动机量表,该量表按照自我决定程度从低到高分为:无动机、外摄调节、内摄调节、认同调节、追求知识五个维度,Likert五点计分[30]。考虑到整合调节已非常接近内部动机,该量表没有对整合调节进行单独测量,而是将其与内部动机(追求知识)一起进行测量。按照自我决定理论,外摄调节和内摄调节归为控制性动机,认同调节和追求知识归为自主性动机。按照无动机、控制性动机、自主性动机对量表进行的验证性因素分析结果为χ2/df=2.97,GFI=0.92,AGFI=0.82,NFI=0.86,IFI=0.90,CFI=0.90,TLI=0.86,RMSEA=0.068,无动机、控制性动机、自主性动机的Cronbach'sα系数分别为0.82、0.69、0.79。

 

4.元认知调节策略量表

 

采用Pintrich等编制的元认知调节量表,该量表为单维度,Likert七点计分[31]。该量表的验证性因素分析结果为:χ2/df=1.63,GFI=0.97,AGFI=0.95,NFI=0.93,IFI=0.90,CFI=0.97,TLI=0.96,RMSEA=0.038,量表的Cronbach'sα系数为0.83。

 

(三)共同方法偏差检验

 

采用Harman单因素检验方法,对问卷中所有测验项目进行未旋转的探索性因素分析,结果显示,抽取的特征值大于1的公共因子中,第一个公共因子仅解释了总变异量的15.96%,远小于Podsakoff等提出的40%的判断标准,表明数据不存在严重的共同方法偏差[32]。

 

四、研究结果

 

(一)网络学习投入影响因素的相关分析

 

对网络学习中个体所持有的认识信念、不同动机类型、元认知调节策略和网络学习投入进行相关分析,结果发现:学习者所持有的认识信念与无动机显著负相关,与控制性动机相关不显著,与自主性动机、元认知调节策略、网络学习投入均呈现显著正相关;无动机与元认知调节策略、网络学习投入显著负相关,控制性动机与元认知调节策略相关不显著,与网络学习投入显著正相关;自主性动机与元认知调节策略和网络学习投入均呈显著正相关,如下表所示。

 


(二)网络学习投入的影响因素模型建构

 

为进一步考察网络学习投入影响因素的作用机制,厘清不同动机类型的作用差异,在理论分析与相关分析的基础上,构建了结构方程模型。其中元认知调节策略为单维度问卷,其观测变量是根据题目的因子负荷,采用高低配的平衡法进行打包(ItemParceling)处理后生成[33]。无动机的观测变量无动机1和无动机2是按照无动机维度的题目因子负荷的高低打包生成。控制性动机、自主性动机对应的观测变量控制性动机1、控制性动机2、自主性动机1、自主性动机2则分别由外摄调节、内摄调节以及认同调节、追求知识的维度项目按照因子负荷的高低打包生成。

 

第一步,检验不包括中介变量的直接效应模型,结果表明认识信念对网络学习投入影响的直接效应模型拟合良好(χ2/df=2.64,GFI=0.97,AGFI=0.94,NFI=0.95,IFI=0.97,CFI=0.97,TLI=0.95,RMSEA=0.062)。认识信念到学习投入的标准化路径系数(β=0.67,p<0.001)显著。

 

第二步,检验包含中介变量的中介效应模型。分别将无动机、自主性动机、控制性动机和元认知调节策略作为中介变量纳入中介效应模型,构建模型1-3(分别对应图1-3),结果发现中介效应模型依然拟合良好,但认识信念对网络学习投入的标准化路径系数不显著(p>0.05),故在模型图中删除了这一路径。模型1的数据拟合结果为:χ2/df=3.24,GFI=0.93,AGFI=0.90,NFI=0.90,IFI=0.93,CFI=0.93,TLI=0.91,RMSEA=0.070,表明模型具有较好的拟合度。模型中各路径的系数均达到显著性水平,认识信念对无动机具有显著的负向预测作用,对元认知调节策略具有显著的正向预测作用;无动机对元认知调节策略和网络学习投入具有显著的负向预测作用,元认知调节策略对网络学习投入具有显著的正向预测作用。

 


模型2的数据拟合结果为:χ2/df=3.49,GFI=0.92,AGFI=0.89,NFI=0.88,IFI=0.91,CFI=0.91,TLI=0.88,RMSEA=0.070,表明模型具有较好的拟合度。图2模型中各路径的系数带*者均达到显著性水平,为便于与另外两个模型对比,此处保留了所有的路径系数。认识信念对控制性动机的预测作用不显著,对元认知调节策略具有显著的正向预测作用;控制性动机对元认知调节策略和网络学习投入的预测作用不显著,元认知调节策略对网络学习投入具有显著的正向预测作用。

 

模型3的数据拟合结果为:χ2/df=2.62,GFI=0.94,AGFI=0.91,NFI=0.92,IFI=0.95,CFI=0.95,TLI=0.93,RMSEA=0.060,表明模型具有较好的拟合度。下页图3模型中各路径的系数均达到显著性水平,认识信念对自主性动机和元认知调节策略具有显著的正向预测作用,自主性动机、元认知调节策略对网络学习投入具有显著的正向预测作用。此外,自主性动机对元认知调节策略(β=0.15,p<0.05)影响显著。

 

综上,认识信念到网络学习投入的路径系数在直接效应模型中显著,但在中介效应模型中不显著,故自我决定动机和元认知调节策略在认识信念到网络学习投入中起完全中介作用。换言之,认识信念对网络学习投入具有间接影响,这种间接影响以自我决定动机和元认知调节策略为中介,但不同动机类型的作用存在差异,无动机对学习投入有显著的负向预测作用,控制性动机对学习投入的预测作用不显著,自主性动机对学习投入有显著的正向预测作用。

 

五、分析与讨论

 

本研究根据认识信念和自我调节学习的整合模型以及自我决定理论构建了个体的内部因素影响网络学习投入的中介模型,揭示了不同动机类型对网络学习投入的作用差异。研究结果有助于回答网络学习投入的影响因素与作用机制问题。同时提示我们,网络学习环境中既要重视学习者的动机激发以及元认知调节策略的培养训练,又要注重提升学习者的认识信念,以促进其持久有效的学习投入。

 

(一)网络学习投入的影响因素的作用机制

 

本研究表明,认识信念对网络学习投入具有间接影响,这种间接影响以自我决定动机和元认知调节策略为中介,这与Muis提出的认识信念与自我调节学习的整合模型基本吻合,即认识信念通过动机和其他认知因素的作用,促进或抑制个体的学习投入和学习自主性[34][35]。与传统学习方式相比,网络学习环境中教师的督促和监控作用相对降低,这种学习环境对个体的认识信念水平和自我调节学习能力有更高的要求[36],需要个体更好地调控自己的动机,更多地使用元认知调节策略,此时认识信念对网络学习投入的影响并不是直接影响,而是要通过自我决定动机和元认知调节策略起作用。认识信念对无动机有显著的负向影响,这说明学生对知识性质和学习过程的看法越成熟,越能避免学习中的无动机现象,不会对学习任务持冷漠、忽视的态度。认识信念对自主性动机有显著的正向影响,对控制性动机的影响作用不显著,这说明认识信念激发的动机类型为自主性动机而非控制性动机,即学生越认为知识具有不确定性,知识必须通过发挥自我能动性去主动建构,越倾向于认同学习的内在价值,倾向于遵从自己的决定从事工作和学习[37]。持有成熟的认识信念的学生,对于知识间的互联性、组织性,以及学习过程的建构性、自主性有更深刻的认识,更善于运用元认知调节策略进行学习活动中的监控、反思与评价,故认识信念会通过元认知调节策略的中介作用对网络学习投入产生积极的正向影响。

 

(二)不同动机类型的作用分析

 

在动机类型对网络学习投入的影响上,研究结论存在诸多分歧,既有研究表明,控制性动机负向预测个体的网络学习投入,自主性动机则正向预测其学习投入[38][39];也有研究表明,控制性动机和自主性动机对网络学习投入的预测作用依赖于个体自主程度的高低[40]。本研究表明,无动机对网络学习投入有显著的负向预测作用,控制性动机对网络学习投入的预测作用不显著,自主性动机则对网络学习投入的正向预测作用显著。无动机的个体对学习任务不抱有任何兴趣,同时也不在乎外在的任务期限和奖励惩罚,和学习任务处于高度的疏离状态,处于这种心理状态的个体缺乏积极主动地调控自己学习过程的动力,故无动机对元认知调节策略和网络学习投入均存在负向影响。自主性动机体现了个体基于对网络学习活动本身的兴趣所带来的内在满足感和内在自主感、内在成就感而主动参与到学习任务中,因而相对于基于任务期限、奖励和惩罚、以及避免内疚感等控制性动机更有利于积极学习行为的产生。持有自主性动机的个体会积极主动地调控自己的学习过程,能够更有效地使用元认知调节策略,集中注意力于学习任务本身,避免无关刺激的干扰,故自主性动机对元认知调节策略和网络学习投入均存在正向影响。控制性动机的作用机制一直存在争议,本研究并不支持其对网络学习投入存在负向影响的观点,而是发现控制性动机虽不能正向预测学习投入,但也不会阻碍个体的学习。有学者指出,未来研究应该对控制性动机的中西方作用差异给予更多的关注,因为相比于西方文化,东方文化更强调孝顺、尊卑和服从等观念,容易导致在家庭养育、学校教育等人际互动过程中出现控制型互动模式,导致个体的控制性动机的预测作用或许与西方学生存在差异[41]。

 

六、提升网络学习投入的应对策略

 

(一)重视学习者的动机转化:从控制性动机到自主性动机

 

首先,警惕网络学习中的无动机现象。网络学习平台的设计可以同时从自主性动机和控制性动机的激发两方面入手,避免无动机对网络学习投入的负向影响。换言之,网络课程设计既要满足学习者的认知需要,引领学习者认识网络学习的价值,鼓励学习者自主学习,也应通过制度约束,如学分认证、建立奖惩机制等策略来督促并激励学生积极参与在线学习活动。其次,辨析网络学习中个体所持有的动机类型。学生参与网络学习的动机是复杂的,既可能持有努力完成学习任务,从而获得学分、免于惩罚的控制性动机,也可能持有迫于家长和老师的要求,避免不努力带来的内疚感等控制性动机,还可能持有对学习任务本身感兴趣的自主性动机。辨析动机类型有助于针对不同类型对症下药。按照自我决定理论,控制性动机在一定的条件下可以向自主性动机转化[42]。故尽管控制性动机对网络学习投入的预测作用不显著,但仍需引起我们的重视。通过设立任务期限、对表现良好者予以奖励、唤起不努力者的内疚感等方式,可以督促个体关注学习任务,至少是不偏离学习任务。最后,引领控制性动机向自主性动机转化。兴趣、挑战、专注和过程享受是自主性动机的体现,也是转化的关键要素。网络课程设计不仅要满足学生学习知识提升能力的需求,还应具备一定的趣味性,改变教师刻板讲述的呈现方式,综合使用网络的多媒体功能,采用形式多样的、有生气的、精心组织的方式呈现学习内容,赋予学习任务乐趣,激发学习者的兴趣。挑战是一种最佳的心理体验,课程任务的设计要依照最近发展区理论构建脚手架任务,非常容易或者非常困难的任务都不会带来挑战,具有一个适中的挑战难度的学习任务才会给学习者带来最大的自主性动机。当学习者感受到自己可以控制学习的进程,有能力操纵学习环境,付出努力后能应对挑战时方能专注于学习任务,进而逐步体验网络学习的成功,感受网络学习的魅力,从而真正促进学习者由一时被外在因素吸引,迫于外部压力学习转向源于内在的认知需要、享受学习的过程而积极投入网络学习,实现从控制性动机向自主性动机的转化。

 

(二)关注学习者的策略使用:元认知调节策略的训练

 

首先,教师应注重对学习者进行网络学习策略方面的必要辅导,使其能更有效地适应网络学习方式,提高网络学习过程中的自我调控能力。教师需要站在学习者的角度预测网络学习过程中可能遇到的思维障碍,思考如何在网络课堂教学中展现遇到思维障碍时的解决策略,示范自己监控并调整思维过程进而突破障碍的技巧。其次,课程设计方面,使用动态网页技术提供自我监控表、自我评价表等协助工具,协助学习者记录、调控、评价自己的学习行为,培养学习者的自我监控意识,帮助学习者养成自我监控的习惯,增强学习者网络学习的投入效率。最后,培养大学生的网络素养,增强他们对网络资源的甄选、分析、判断、思辨等批判性意识,提高对网络垃圾信息的免疫力,避免网络无关信息的干扰,专心投入网络课程学习。

 

(三)培养学习者成熟的认识信念:领悟知识和学习的本质

 

首先,提高教师的认识信念水平。教师对知识和学习的看法会不自觉地通过网络课堂教学传递给学生,对学生产生潜移默化的影响。因此,教师自身必须具有理智的怀疑与反思精神,不断充实、改造和完善自身的认识信念系统,以自身热爱学习的态度和善于学习的能力,创造一个浸润学生、引领学生的氛围。其次,及时补充介绍知识研究的新进展。知识研究的新进展、新成果与现有文化成果相比,更能体现出知识的相对性、动态性等特征。因此,网络教学中不仅要重视知识的系统传授,还应结合教材内容补充新的资料和前沿研究的最新观点,鼓励学生通过网络资源获取专业学习方面的最新信息,让学生体会到知识发展的动态过程,感悟到人类探索过程的永无止境,体会到人类认识的有限性。最后,引导学生树立终生学习的理念。成熟的认识信念的一个重要特征是,相信能力是在后天发展中逐渐形成的,学习是一个复杂的、渐进的长期的过程,而非一个一蹴而就、一劳永逸的快速过程,这与联合国教科文组织倡导的终身学习理念是不谋而合的。总之,通过有效的途径培养学生成熟的认识信念,让学生深刻领悟知识和学习的本质,有利于促进其网络学习投入,提升网络学习质量。

 

本研究存在如下研究局限,需要在后续研究中加以改进。其一,学习投入的测量指标可以采用更为先进的和自动化的方法来收集网络在线学习的行为指标和生理指标(面部表情、眼动轨迹、点击数据等)[43];其二,本研究中的被试均为在校大学生,对于其他类型的网络学习者关注不足,未来还需考虑不同类型学习者的先前知识经验、学历层次、学习背景等因素对网络学习投入的影响,以期更加全面地揭示网络学习投入的内部影响因素,更好地为网络学习平台的设计和建设提供参考。

 


本文系教育部人文社会科学研究规划项目“青少年认识信念发展模式与作用机制研究”(项目编号:16YJA880071)阶段性研究成果。

作者简介:周琰:博士,副教授,硕士生导师,研究方向为学习与教学心理。

 

转载自:《中国电化教育》总第377期

排版、插图来自公众号:MOOC(微信号:openonline)



喜欢我们就多一次点赞多一次分享吧~


有缘的人终会相聚,慕客君想了想,要是不分享出来,怕我们会擦肩而过~

《预约、体验——新维空间站》

《【会员招募】“新维空间站”1年100场活动等你来加入》

有缘的人总会相聚——MOOC公号招募长期合作者


产权及免责声明 本文系“MOOC”公号转载、编辑的文章,编辑后增加的插图均来自于互联网,对文中观点保持中立,对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证,不对文章观点负责,仅作分享之用,文章版权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布,请及时与我们联系,我们会及时内审核处理。


了解在线教育,
把握MOOC国际发展前沿,请关注:
微信公号:openonline
公号昵称:MOOC

   

登录查看更多
1

相关内容

人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
在线学习体验影响因素结构关系探析
MOOC
7+阅读 · 2019年3月20日
Arxiv
4+阅读 · 2019年12月2日
Arxiv
6+阅读 · 2018年3月29日
VIP会员
相关VIP内容
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
Top
微信扫码咨询专知VIP会员