北京师范大学数字学习与教育公共服务教育部工程研究中心
- 作品数:8 被引量:80H指数:4
- 相关机构:北京交通大学远程与继续教育学院西南大学教育学部更多>>
- 发文基金:国家社会科学基金国家自然科学基金全国教育科学规划课题更多>>
- 相关领域:文化科学自动化与计算机技术更多>>
- 学习分析视域下学习预测研究的发展图景被引量:9
- 2020年
- 学习预测是教育领域的新兴主题,致力于为学习者提供有效的个性化学习服务、提升在线学习效果。为厘清国内学习预测研究的发展图景,文章首先以2016~2019年教育技术领域的8种中文核心期刊为文献来源,选取25篇论文作为研究样本,编制了学习预测研究编码表。接着,文章从预测对象、学习情境、学习者和预测模型四个维度对样本论文进行了量化分析。随后,文章阐释了学习预测研究具有的风险识别、数据理解和过程诊断三重效用。最后,文章从预测对象、预测模型、预测指标、预测旨趣四个维度,指出了学习预测研究的未来发展方向,旨在解决学习预测面临的现实难题,进一步推动其在学习分析领域的发展与应用。
- 田浩武法提
- 关键词:学习情境学习者
- 混合场景下协作认知投入的多模态表征与分析路径研究被引量:4
- 2022年
- 随着研究者对学习成功背后因果机制的探寻,以及社会文化理论的深入人心,学习投入研究面临从“个体—行为”取向到“群体—认知”取向的转型,多模态学习分析也成为打开协作认知投入机制“黑箱”的钥匙。为破解这一问题,通过对不同视角的认知投入观点进行综合分析,深度阐述了混合场景下协作认知投入的概念,由此构建了涵盖激活系统、加工系统与反应系统的协作认知投入发生机制模型。进而选取文本、生理、语音、心理四种模态的学习过程数据,分别针对三个子系统构建了多模态表征框架与指标,以实现协作认知投入的量化评测。在多模态表征框架基础上,进一步明晰了混合场景下协作认知投入的分析路径,包括基于多模态特征融合的精准诊断、基于时间序列分析的演化规律、基于自我决定视角的动机归因以及基于可视化仪表盘的动态干预,由此构成了完整研究闭环,描绘出多模态数据支持的协作认知投入研究整体图景。
- 田浩武法提
- 论信息化学习方式及其数字资源形态被引量:60
- 2010年
- 社会信息化的发展带动学习方式的变革。传统学习方式(精加工学习方式)和信息化学习方式(贯通式学习方式)的根本区别在于对知识加工理解的差异,传统精加工教学方式的惯性可能将制约学习方式的变革及当前数字学习资源的生产方式,但以自主、探究和协作为基本特征的新型学习方式已经在非正式学习环境和相关培训中被尝试和接受,个体任务型、微型课件型、过程体现型、小组合作型和邻近经验型等典型数字资源形态逐渐成为学习资源的主流形态。
- 黄荣怀陈庚张进宝王运武
- 关键词:社会信息化信息化学习方式
- 人工智能助推教育数字化转型可持续生态建构实践--以北京市东城区为例被引量:1
- 2023年
- 伴随数字化转型、智能升级发展,以智能技术赋能区域教育高质量体系建设正成为当下教育现代化发展的重大实践命题。北京市东城区作为全国首批智慧教育示范区,在以人工智能助推教育数字化转型可持续生态建构实践中,提出“1+7+N”智慧教育建设总体框架,深化“数据大脑”建设,开展现代教育治理能力建构等发展路径,进行了一系列数字化实践探索:搭建区域“智能+”数据基座,细化“智能+”应用场景,形成数据基座奠基、应用生态开放、场景应用精化、治理能力升级的良好发展生态,进而创生数智赋能、场景创新、文化协同、人本向善的数字化转型新格局,打开了因材施教、个性化发展、精准治理新局面。
- 周林张淑敏李磊李玉顺
- 关键词:人工智能教育治理
- 基于多模态生理信号的学习专注度识别
- 2023年
- 学习专注度与学习表现密切相关,是影响学习质量的重要因素。学生的生理信号能够客观反映学习专注度,但当下借助生理信号识别学习专注度的研究较少。基于此,文章首先通过便携式腕带采集46位中学生在线学习时的多模态生理信号;然后,文章利用交叉验证提供可靠的学习专注度标签,并对多模态生理信号进行数据预处理、特征提取与特征选择,获得了15个有效特征,据此构建学习专注度识别模型,结果表明决策树的识别效果最好;最后,文章从标签的可靠性、特征的有效性、模型的可用性等方面对研究结果进行了总结和反思。文章通过学习专注度识别研究,旨在为教师的教学决策提供有效支持,从而促进教学质量的提升。
- 赖松武法提
- 基于人在回路机制的个性化作业设计:理论模型及实践理路被引量:1
- 2024年
- 个性化作业是落实“双减”政策,实现减负提质的重要途径。人工智能为实现个性化作业提供了技术支撑,但在实践中,由于其内部工作原理对用户不可见,且存在价值观、情感等方面的缺失问题,降低了其在个性化作业实践中应用的深度与效果。人在回路机制是指通过置信度评估的方法对人工智能算法生成的结果进行评估,进而决定是否执行算法结果的人机协同方法。基于人在回路机制的个性化作业设计理论模型,以作业实践为核心流程,以人机协同、认知诊断、干预反馈等为理论指导,将人在回路机制融入作业布置、作业诊断和作业辅导的关键环节中,实现了人类智能与人工智能的协同工作。在此基础上提出的个性化作业实践路径,包含基于学习者画像的作业习题推荐、基于多模态学习分析技术的错因诊断,以及基于多模态资源推送的作业辅导三个阶段,分别回答了做什么题、错在哪里,以及如何辅导等作业实践中的关键问题,形成了人机协同机制下智能技术赋能作业实践的闭环。基于该实践路径研发的原型系统,已在一线教学单位开展了实践,初步验证了方法的可行性。
- 武法提李坦任伟祎夏志文
- 关键词:个性化作业人在回路人机协同
- 联合面部线索与眼动特征的在线学习专注度识别被引量:5
- 2022年
- 专注是产生有效学习的先决条件,是取得良好学习成效的重要保证,在以自主学习为主的在线学习场景中具有更为重要的作用,但在线学习时空分离的特性难以保证学习者的专注度得到及时监控,故而探究精准识别在线学习专注度的可行方法至关重要。该研究主要关注在线学习中学习者的面部线索与眼动特征,基于从视频数据中提取的眼部视线、头部姿态、面部动作单元等面部线索特征以及从眼动数据中提取的注视停留时间、注视点、眼跳等眼动特征,分别通过两类单模态特征以及联合二者的多模态特征进行学习专注度识别,采用常用的六种机器学习方法构建相应的评估模型,对六种分类器的专注度预测性能进行了比较,并判断了专注度与学习成效的关系。实验结果表明,相较于面部线索,眼动特征具有更好的识别潜力,其体现的信息加工机制更能反映心理资源的投入程度;与单一模态相比,模态融合能显著提高学习专注度识别效果,揭示了面部线索特征和眼动特征对学习专注度识别的互补性;而学习专注度与学习成效显著相关,故而可将专注度作为优化在线学习的主要抓手,从学习材料设计者、教师与学习者等不同主体出发改善在线学习过程,提升在线学习效果。
- 武法提赖松高姝睿李鲁越任伟祎
- 关键词:眼动
- 北京师范大学李玉顺:顺应互联网时代的学习规律
- 2019年
- 互联网掀起开放教育大潮,并显著推动信息技术融合进程。互联网在教育场景上,从过去的静态资源到动态资源,是一个快速发展的过程。基于互联网的在线一对一教学,能够让学生在任何地点任何时间都能够享受到优秀的教育资源。
- 李玉顺杨洁(整理)
- 关键词:互联网时代开放教育动态资源教育资源