0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

翻转教学中的深度学习

倩倩 来源:lq 作者:教学设计小师傅 2019-09-20 16:14 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

五大问题思考

对于翻转课堂实施过程中学生如何实现深度学习,笔者有些“点”是想不通的,近来读了乔纳森。伯格曼的《翻转课堂与深度学习》,书中从作业、策略、评估、工具等方面谈了翻转教学与深度学习,今天笔者从作业这个方面来谈一下翻转教学中的深度学习。

开始之前,请先思考几个问题:

————————以上5个问题,您是否有明确的回答呢?————————

从布卢姆的教育目标分类来看,翻转作业在课前主要为实现记忆与理解层次的部分目标,为课堂实现更高阶的其余层级的目标作铺垫。课后作业的作用则为巩固各层级的目标的实现。

翻转作业之于翻转教学的作用在于为深度学习的发生奠定基础,那么,什么样的作业才是有效的呢?

书中五点内容

书中提到了五点:

(1)目的性

如果学生觉得作业有意义,那么他们参与完成作业的几率会大很多,且完成得更好。对于翻转教学来说,如果完成作业能够帮助学生更好地参与到课堂高阶学习任务的完成,那么,作业就是有意义。

(2)效率

笔者在和老师交流过程中发现,很多翻转教学在实施过程中,增加了学生的课外作业量,老师们通常在传统作业的基础上,又额外增加“翻转”作业,如观看视频、在线完成某个任务…

笔者认为,翻转过程中我们应该思考的是,如何让学生花费等量甚至更少的时间完成作业,然而对学习内容的理解程度却更深。书中提到了“10分钟”原则,根据该原则,学生每天作业的时间应为其所在年级数乘以10分钟。当然,这个原则不一定适用于所有学段。

书中给出了很多建议,比如,如果你的翻转作业中有微视频,那么微视频不要过长,给出的信息不要过于繁杂,如果一个视频时长10分钟,那么大部分学生完全弄懂视频内容的时间很可能是大于10分钟的,而看完视频后,学生还需要完成对应的测试,才算完全掌握了微视频的内容。

(3)学生的主人翁意识

并不是每门课都能得到所有学生的“喜欢”,对于学生们感兴趣的内容来说,学生主动学习是很简单的,而对于学生们“不喜欢”的课程,怎样才能增加学生主动参与的意识呢?书中给出几个建议:

l 首先,教师和学生多交流,这种交流区别于“说教”,让学生明白教师真正的想法及对他们的关心,让学生明白即使在他们学习任务完成得不是很好的时候,教师也能理解他们在完成任务过程中的所思所想。

l 其次,让学生参与和其相关且有意义的课堂。增加学生学习主动性的另一方面就是使课堂具有参与性、和学生相关且有意义。拿我们现在常常采用的合作学习来举例,在学生们分组完成任务的过程中,我们是否真正落实过小组中每位成员在其中起到的作用?他们参与了哪些环节?哪些部分是由于他们的参与有了闪光点?哪些环节稍微再完善一下就更好了?很多分组教学无法落地的原因之一,就是这个。

l 最后,是选择。给学生更多选择的权利。学生可以选择完成翻转作业,也可以选择适合自己的作业形式,再或者在教师的允许下,根据自己的能力选择性完成作业的部分内容等等。

(4)能力

作业的难度影响作业的完成度。建议作业仅仅涉及知识、理解层面的内容即可。学生课外作业中不懂的内容,可以和同学、和老师交流。

(5)最后是美学吸引力

这个时代,学生可以通过互联网更便捷地获取高质量的资源,那么,我们作业的美感度对于学生是否愿意主动参与作业的完成,也是一个至关重要的因素。笔者在此的小建议是“简洁即为美”

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 深度学习
    +关注

    关注

    73

    文章

    5590

    浏览量

    123911
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    【团购】独家全套珍藏!龙哥LabVIEW视觉深度学习实战课(11大系列课程,共5000+分钟)

    、GPU加速训练(可选) 双轨教学:传统视觉算法+深度学习方案全覆盖 轻量化部署:8.6M超轻OCR模型,适合嵌入式设备集成 无监督学习:无需缺陷样本即可训练高精度检测模型 持续更新:
    发表于 12-04 09:28

    【团购】独家全套珍藏!龙哥LabVIEW视觉深度学习实战可(11大系列课程,共5000+分钟)

    学习模型DLL 硬件联动:支持工业相机硬触发、GPU加速训练(可选) 双轨教学:传统视觉算法+深度学习方案全覆盖 轻量化部署:8.6M超轻OCR模型,适合嵌入式设备集成 无监督
    发表于 12-03 13:50

    如何深度学习机器视觉的应用场景

    深度学习视觉应用场景大全 工业制造领域 复杂缺陷检测:处理传统算法难以描述的非标准化缺陷模式 非标产品分类:对形状、颜色、纹理多变的产品进行智能分类 外观质量评估:基于学习的外观质量标准判定 精密
    的头像 发表于 11-27 10:19 55次阅读

    如何在机器视觉中部署深度学习神经网络

    图 1:基于深度学习的目标检测可定位已训练的目标类别,并通过矩形框(边界框)对其进行标识。 在讨论人工智能(AI)或深度学习时,经常会出现“神经网络”、“黑箱”、“标注”等术语。这些概
    的头像 发表于 09-10 17:38 693次阅读
    如何在机器视觉中部署<b class='flag-5'>深度</b><b class='flag-5'>学习</b>神经网络

    深度学习对工业物联网有哪些帮助

    、实施路径三个维度展开分析: 一、深度学习如何突破工业物联网的技术瓶颈? 1. 非结构化数据处理:解锁“沉睡数据”价值 传统困境 :工业物联网70%以上的数据为非结构化数据(如设备振动波形、红外图像、日志文本),传统方法难以
    的头像 发表于 08-20 14:56 760次阅读

    自动驾驶Transformer大模型会取代深度学习吗?

    [首发于智驾最前沿微信公众号]近年来,随着ChatGPT、Claude、文心一言等大语言模型在生成文本、对话交互等领域的惊艳表现,“Transformer架构是否正在取代传统深度学习”这一话题一直被
    的头像 发表于 08-13 09:15 3918次阅读
    自动驾驶<b class='flag-5'>中</b>Transformer大模型会取代<b class='flag-5'>深度</b><b class='flag-5'>学习</b>吗?

    无限穿墙技术西安品茶工作室南郊北郊教学简约网络延迟

    在当今数字化的时代,网络如同我们生活和学习的“高速公路”,而网络延迟就像是这条路上的“堵车”,时常困扰着大家。尤其是对于线上教学而言,稳定流畅的网络环境更是重中之重。今天,就给大家介绍一家致力于
    发表于 07-05 16:21

    高校智慧教室多媒体教学设备介绍

    学生的学习体验。本文将探讨多媒体教学设备在高校智慧教室建设的关键角色,以及广凌科技如何提供创新的解决方案。
    的头像 发表于 05-06 09:20 1234次阅读
    高校智慧教室多媒体<b class='flag-5'>教学</b>设备介绍

    嵌入式AI技术之深度学习:数据样本预处理过程中使用合适的特征变换对深度学习的意义

      作者:苏勇Andrew 使用神经网络实现机器学习,网络的每个层都将对输入的数据做一次抽象,多层神经网络构成深度学习的框架,可以深度理解数据中所要表示的规律。从原理上看,使用
    的头像 发表于 04-02 18:21 1284次阅读

    如何排除深度学习工作台上量化OpenVINO™的特定层?

    无法确定如何排除要在深度学习工作台上量化OpenVINO™特定层
    发表于 03-06 07:31

    PPEC为电力电子科研教学赋能,开启教学科研新路径

    与算法,然后将代码加载至PPEC 芯片,即可便捷地实现电源的驱动、保护、采样等关键功能,满足科研和教学过程中的多样化需求。 高校教学应用 在高校电力电子学科的教学,长期存在
    发表于 02-18 18:35

    军事应用深度学习的挑战与机遇

    人工智能尤其是深度学习技术的最新进展,加速了不同应用领域的创新与发展。深度学习技术的发展深刻影响了军事发展趋势,导致战争形式和模式发生重大变化。本文将概述
    的头像 发表于 02-14 11:15 819次阅读

    BP神经网络与深度学习的关系

    BP神经网络与深度学习之间存在着密切的关系,以下是对它们之间关系的介绍: 一、BP神经网络的基本概念 BP神经网络,即反向传播神经网络(Backpropagation Neural Network
    的头像 发表于 02-12 15:15 1341次阅读

    AI自动化生产:深度学习在质量控制的应用

    生产效率、保证产品质量方面展现出非凡的能力。阿丘科技「AI干货补给站」推出《AI自动化生产:深度学习在质量控制的应用》文章,探讨深度学习
    的头像 发表于 01-17 16:35 1212次阅读
    AI自动化生产:<b class='flag-5'>深度</b><b class='flag-5'>学习</b>在质量控制<b class='flag-5'>中</b>的应用

    深度学习工作负载GPU与LPU的主要差异

    ,一个新的竞争力量——LPU(Language Processing Unit,语言处理单元)已悄然登场,LPU专注于解决自然语言处理(NLP)任务的顺序性问题,是构建AI应用不可或缺的一环。 本文旨在探讨深度学习工作负载
    的头像 发表于 12-09 11:01 3912次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>工作负载<b class='flag-5'>中</b>GPU与LPU的主要差异