课堂学习行为智能识别和大数据分析为课堂高阶认知评价带来契机。利用数据技术挖掘学生课堂学习行为对深度学习成绩的影响关系，解决识别与评价课堂高阶认知不足的现实问题。以英语和化学两门学科为例，以课堂学习行为为自变量，以测试试卷深度学习成绩为因变量，通过高斯消元、回代总样本求均方差最优解等算法，分析出课堂“听讲”“阅读”等8种课堂行为对深度学习成绩的权重影响，构建课堂学习行为与深度学习成绩间的预测模型，依据模型可识别和评价学生的高阶认知是否发生，为常态课堂高阶认知规模化评价提供科学依据和技术支撑。
文章详情见：https://mp.weixin.qq.com/s/WrQ57Upj8kH6jt6xSG4rCg
