吴忭
- 作品数:26 被引量:217H指数:10
- 供职机构:华东师范大学教育科学学院教育技术学系更多>>
- 发文基金:教育部人文社会科学研究基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域:文化科学自动化与计算机技术医药卫生哲学宗教更多>>
- 如何使用数据:回归基于理解的深度学习和测评——访国际知名学习科学专家戴维·谢弗被引量:12
- 2019年
- 大数据时代的到来,给学习科学研究人类的学习及如何促进深度学习提供了机遇,但也存在一种迷思,即当我们拥有了海量数据,在不了解数据背后含义的前提下,就能依靠统计方法发现以往无法发现的有意义模式,提供智能化的教学建议,甚至实现智慧教育。单纯依靠大数据驱动,真能实现对教与学变革的期待和目标吗?如何利用信息技术和教育大数据真正促进深度学习,并将深度学习和测评相联系?本期高阶访谈有幸邀请到国际知名学习科学专家戴维·谢弗(David Shaffer)教授分享他关于大数据时代下学习和测评的观点和经验。戴维·谢弗是美国威斯康星大学麦迪逊分校教育心理系学习科学研究讲席教授,哥本哈根奥尔堡大学学习分析研究客座教授和威斯康星州教育研究中心数据科学家,主要研究如何开发和评估复杂问题解决能力和协作思维技能。谢弗教授出版了《电脑游戏如何帮助孩子们学习》、《量化民族志》(Quantitative Ethnography)等专著,在《计算机与教育》《教育研究者》《教学科学》《思维、文化和活动》等国际知名期刊发表了百余篇游戏化学习、学习分析学术论文。
- 吴忭胡艺龄赵玥颖戴维·谢弗
- 关键词:数据挖掘
- 数据赋能的理解学习被引量:1
- 2020年
- 我们置身于数据大爆炸的时代。新兴技术加速并彻底改变知识的生产周期及获取方式,这也使在诸如教育、政府管理、经济、公共安全、政治等领域,数据逐步取代经验,成为帮助人类作出重大决定的依据。然而,对大多数人而言,理解和分析数据,实现从数据到信息、信息到知识、知识到智慧的升华更像是一门黑暗艺术。
- 吴忭David Shaffer
- 关键词:公共安全新兴技术
- 多元评价视域下STEM课堂教学特征与互动模式分析被引量:4
- 2022年
- STEM课堂作为STEM教育价值实现的载体,是培养综合型人才的重要手段。由于从教学理念到实践模式均区别于传统课堂,STEM课堂的整合型跨学科特征使得其在实践过程中对教师的教学行为提出了新的挑战。本研究以来自不同省市和地区的18节STEM课堂实录视频为研究对象,采用基于RTOP量规的整体性评价与基于弗兰德斯编码的过程性评价相结合的多元评价方式,对课堂的教学实施特征及互动模式进行深入分析,以提炼出优质课堂的实践模式。研究发现:优质课堂中的教师在观念指向上体现了以学生为中心的理念,采用了培养多元创新思维的教学策略,注重师生课堂话语交互表征的有效性,以及营造积极的情绪氛围,具备一定的学习成效证据意识。上述结论为当前STEM课堂在教学实践的改进上提供了一定的借鉴意义。
- 胡艺龄张启迪吴忭
- 关键词:互动模式优质课堂
- 教师引导风格对非良构问题领域的PBL学习影响研究——基于认知网络分析方法被引量:11
- 2019年
- 以往衡量问题导向学习(Problem-based learning, PBL)的效果主要采用总结性评价,缺乏对学习者学习过程的关注与分析。但在非良构问题领域的PBL学习中,学习过程是呈现学习者专业思维能力发展的关键。如何通过分析PBL中的会话内容对专业思维能力进行建模,教师在这一发展过程中又充当何种角色,是PBL领域学者们关注的话题。本研究选择医学教育这一典型的非良构问题领域作为研究情境,采用不同的教师引导风格进行PBL教学,通过认知网络分析对学习者的专业思维发展过程及导师引导策略进行分析建模。研究结果揭示了赋权促进型引导风格较指导控制型引导风格对于学习者的社会性知识建构和学科思维能力培养具有更好的效果。此外,本研究也展现出认知网络分析这种创新的质性数据量化分析方法,在建模和评价社会性学习过程中的学科思维能力方面具有较大的应用潜力。
- 吴忭杜丰丰
- 关键词:问题导向学习中医教育学科思维社会性学习
- 基于认知网络分析的学习评价研究案例剖析
- 在世界多极化、经济全球化背景下,培养具有综合能力的人才成为各国教育的重点内容。在如今更注重提升学生实践能力、应用能力和认知水平的情况下,认知网络分析(Epistemic network analysis,ENA)应运而生...
- 王戈盛海曦吴忭
- 关键词:ENA
- 生成式人工智能赋能本科生科研能力培养——ChatGPT支持的CUREs教学模式
- 2024年
- 为促进高等教育中高素质创新人才培养,构建以学生为中心的科研训练与课程教学整合模式是有效途径。当前基于课程的本科生科研体验(CUREs)教学模式虽在增强学生对科学本质的理解等方面具有一定优势,但在激发学生研究动机方面存在一些不足。将支持高效反馈的生成式人工智能ChatGPT引入人机协作研究过程中,有助于改善学生的科研体验,推动科研项目化学习。通过对ChatGPT支持的CUREs教学模式的设计与实施,发现该模式有助于培养学生的科研能力,提升他们的科研知识水平、科研技能水平和科研情感水平。尽管学生认同该教学模式的有效性和易用性,但其实际效果的发挥仍需人类智慧的参与。未来需要持续升级和优化生成式人工智能技术,确保技术应用高效且符合伦理标准;应用生成式人工智能技术重构教学模式,并通过长周期、跨场域实践检验其应用效果;强调人工智能与人类智慧的互补协作,真正实现生成式人工智能赋能学生科研能力提升。
- 吴忭李凤鸣胡艺龄
- 关键词:教学模式
- 实境学习:让学习在学习者的手中和脑中同时发生--访澳大利亚莫道克大学教授扬·哈灵顿博士被引量:8
- 2015年
- 澳大利亚莫道克大学的扬?哈灵顿博士作为实境学习(Authentic Learning)的主要倡导者和研究者,她在本次专访中与我们分享了对实境学习问题的深刻见解。她把实境学习的研究和实践总结为设计学习任务、运用学习技术、创建学习制品和协作分享交流四个方面。她认为,当教师创设实境学习环境时,实际是为学习者创设了特定的学习情境。在这种实境学习中,能否提供有效的教学支架是十分关键的。在设计学习环境时,最重要的是聚焦于任务的设计,整个课程学习可以围绕一个或多个学习任务展开实践。我们可以运用技术工具为学习者创建功能丰富的在线学习环境,把技术工具作为认知工具整合到实境学习中。评价实境学习中的学习效果,一种做法是可以以真实世界中的标准来评价学习制品的质量;另一种做法是运用评价量规来判断学习制品,而且要让学习者的学习制品在学习过程和评价中体现出价值。教师在学习者协作学习中扮演导师角色,要参与到协作学习中。在实境学习中最需要重视的是给予学习者自主探究的空间,让学习在学生的手中和脑中同时发生。因此,在实境学习环境中如何让学生成为自我导向的学习者是一个必须面对的重要挑战。目前有一个研究方向值得关注,就是游戏化学习和实境学习的有效整合,这可以对学习者自我导向的学习能力产生正面激励。
- 吴忭蔡慧英
- 关键词:教学设计
- 具身认知视域下VR技术赋能实验教学的效果探究被引量:31
- 2021年
- 在积极推进“新工科”建设的背景下,借助新兴技术促进学生的工程实践和问题解决能力,成为工程教育变革的重要趋势。针对这一知识与技能并重的复合能力,传统实验教学在培养操作技能、启发深度认知上表现欠佳。虚拟现实(VR)技术通过多通道信息融合构建交互式三维立体动态场景及行为动作仿真,为实验教学提供了强交互性、想象性和沉浸性的学习环境,有益于促成身体感知、行为控制和意义构建的整合性学习。为了探究VR技术对实验教学的作用机制,从具身认知理论出发,对沉浸式VR环境与2D桌面仿真软件环境下的学习体验和学习成效进行了差异分析,结果发现:两种实验环境下的陈述性知识学习效果并无显著差异;和2D仿真软件相比,VR实验环境促进了行为技能的迁移与实际情境下的问题解决,显著提升了学习者的自我效能感和临场感体验,但也带来了诸如更高的认知负荷和生理不适等负面影响。因此,未来实验教学中应用VR技术应持谨慎态度,既要利用VR赋能教学的技术优势,同时也要正确认识沉浸式学习带来的认知负荷与深度学习间的复杂关系。
- 胡艺龄聂静张天琦吴忭
- 关键词:虚拟现实实验教学
- 协作编程中的计算思维发展轨迹研究——基于量化民族志的分析方法被引量:16
- 2019年
- 伴随科学技术的迅猛发展,计算思维能力成为当前社会各行业人才都应具备的重要技能。计算机教育领域的研究发现,协作编程能够更好地帮助学生进行编程学习,但是在协作过程中,学生计算思维的动态发展情况却难以测评。"量化民族志"(Quantitative Ethnography)既是一种对质性数据进行量化分析的方法,也是一种对专业能力进行网络化建模的技术,为协作学习过程的分析和评价提供了新的思路。将该方法应用于分析协作编程活动过程中小组成员之间的会话交流内容,有利于构建学生计算思维能力不同维度之间关联的认知网络模型,并揭示不同能力水平的小组在计算思维能力水平上的差异和发展轨迹。以本科一年级的"C/C++程序设计基础"课作为研究情境开展的实证研究发现,高水平组和低水平组学生的计算思维网络结构在初期虽有显著不同,但是随着协作任务的不断深入,两组学生的思维模式趋于相似。该研究结果表明协作编程能够促进初学者计算思维能力的提升,且量化民族志方法能为计算思维的能力评估提供一种基于质性数据的大规模测评方法。
- 吴忭王戈
- 关键词:计算思维
- 人工智能视域下基于设计的实施研究方法:框架及案例分析被引量:1
- 2022年
- 作为学习科学领域的一种创新研究方法,基于设计的实施研究(DBIR)试图实现规模化的持续理论创新和教育变革,但教育政策制定者、实践者、研究者等利益相关方在协同设计时,始终存在理论知识和经验知识上的认知冲突。大数据驱动的教育研究范式为解决该问题提供关键突破口。文章将大数据驱动下的教育研究范式与DBIR方法相整合,探索建立人工智能视域下基于设计的实施研究方法(AI-DBIR)框架,该框架以实践者—研究者的共同参与和双向交互为根本,延伸出两种数据分析视角,即设计分析与学习分析。在此基础上,文章对典型应用案例进行深入剖析,进而对有效使用AI-DBIR方法开展教学创新实践研究提出三点建议:从基于经验的主观判断转向数据驱动的教学研究;从高屋建瓴的理论研究转为扎根实践的创新研究;以互融互通的开放空间为载体,构建数据驱动的多元共同体。
- 郭文欣吴忭
- 关键词:人工智能案例分析