8、微观层面的学生参与度分析：提升 STEM 在线教育效果

微观层面的学生参与度分析：提升 STEM 在线教育效果

在当今教育领域，学生参与度对于学术成功至关重要，尤其是在 STEM 这样既具挑战性又需求旺盛的学科领域。传统的学生参与度调查方法存在一定局限性，而微观层面学生参与度（MSE）分析为解决这些问题提供了新的思路。

传统参与度测量方法的局限性

传统的回顾性学生参与度调查，如 NSSE、MSLQ 等，虽然测量范围广泛，但由于数据收集具有回顾性，学习活动结束很久后才收集数据，导致日常参与的动态信息大量丢失。Goetz 等人指出，回顾性判断与实时体验存在显著且系统性的差异。同时，学习分析（LA）中的一些研究项目仅使用从系统日志中提取的行为参与数据来代表学生参与度，而认知和情感参与数据难以从系统日志中推断得出。

微观层面学生参与度（MSE）的提出

及时的数据能够对学生的学习进行精细诊断，特别是编程课程会产生大量学习者活动数据，为分析提供了更多可能。微观层面的数据可以从宏观背景中放大对学习者当前参与度的观察，有助于发现学生学习和参与的不足。

MSE 强调以微观层面测量及时数据，并将其作为传统宏观层面学生参与度测量模型的扩展。在当前日益普及的在线教育模式下，MSE 能为线上 STEM 教育中的教师和学生提供及时准确的决策依据，帮助更好地了解学习者的行为、认知模式和情感状态，促进教师提供更丰富的反馈，以及学校做出更明智的决策。

MSE 数据的收集与分析

1. 数据收集
   • 虚拟学习环境（VLE）中的数据 ：在 VLE 中，课程包含虚拟教室、教学计划