共查询到20条相似文献，搜索用时 31 毫秒
1.
智能导学系统能够提供个性化的自主学习服务，但仍然面临诸多挑战，如对学习者理解不足、用户体验较差、自动化程度有限等。针对这些挑战与问题，本研究设计并实现了涵盖领域知识层、基础模型层和用户接口层的三层架构新型导学系统，并以“雷达数学”系统为例进行介绍。领域知识层借助知识空间等理论，构建符合教学和认知规律的学科知识图谱和教学策略库；基础模型层利用深度学习、自然语言处理等技术，实现更精准的学习者模型、个性化教学策略模型和自动批阅模型，提升系统对学习者的理解和自动化程度；用户接口层基于可解释人工智能技术与游戏化设计理论，构建可解释的认知地图和个性化导航等服务，改善系统用户的体验。在此基础上，本研究针对学习者、教师、家长等不同角色，阐述了新型智能导学系统的三类典型应用场景并对其发展趋势进行了展望。 相似文献
2.
自动批阅是数字化教学平台与智能化教育评价的重要实现形式和基本功能。基于深度学习的自动批阅模型逐步成熟但其内部结构复杂且决策过程不透明，导致用户难以信任其批阅结果并影响大规模部署。本研究提出了可解释自动批阅模型的基本框架，包含自动批阅基础模块、自动批阅解释模块与自动批阅交互模块。在此基础上，本研究构建了可解释自动批阅模型的实例并嵌入智能导学系统开展准实验研究。实验结果表明，嵌入可解释自动批阅模型的智能导学系统，有效提升了学习者对自动批阅功能和系统整体的信任度，也有助于提高技术接受度，交互模块的解释性信息也不会增加学习者的认知负荷。最后，本研究提出了可解释人工智能在教育领域开展自动批阅的研究建议和展望。 相似文献
3.
智能学习干预是智能技术驱动学习变革的关键环节，也是大规模个性化教育的重要依托。然而，干预目标的“短视化”、干预方式的“程式化”、干预条件的“粗放化”、干预成效的“模糊化”，严重制约了智能学习干预效用的发挥。文章重新界定了智能学习干预的内涵，指出智能学习干预旨在通过全景化教育数据的采集分析，智能诊断和综合评估学生的个体特质、学业问题和学习需求，通过教师和机器的协同决策，找准学生的学习困境，“主动”为学生提供定制化的学习内容、服务与策略，帮助学生减轻学习负担、克服学业困难、提高学业水平、提升学习素养；从主动性、适切性、渐进性、延展性、可解释性、可协商性六方面定义了智能学习干预的实施原则。在此基础上，文章围绕教育数据感知、干预对象刻画、学业问题诊断、学习干预设计、干预措施甄选、干预成效检验等环节构建了人机协同支持的智能学习干预模型，并从价值定位与理念重构、干预成效的长周期检验、风险防范和伦理规约、基于数字人技术的干预模式设计方面展望智能学习干预的实践进路。 相似文献
4.
智能技术的快速发展和智能教育产品的逐渐成熟为个性化学习的实现提供了可靠保障。然而,“片面化”的智能诊断、“程式化”的教育干预、“投喂式”的服务供给、“机器主导”的教育决策阻碍了个性化学习目标的实现。要从本质上实现个性化学习,应该从“技术应用”“个体发展”和“人机关系”的视角对个性化学习进行重新审视：实现对学生的智能诊断和精准干预,强化智能技术对于教育的“赋能作用”;强调学生自我意识的唤醒、自我认知的强化和自主学习能力的提升,保障智能技术应用回归“育人”的本真;通过学生和机器的“博弈”,找到“机器智能干预”和“学生自主学习”的平衡点,实现人机协同学习生态的优化。在此基础上,围绕“学生自主学习—机器智能分析—机器智能干预—学生主观评判”构建了人机协同支持的个性化学习模型,以期勾勒智能时代个性化学习的未来图景。 相似文献
5.
以深度神经网络为代表的新一代人工智能技术,为推动教育数字化转型与智能化升级提供了底层支撑,智能教育成为当前全球教育发展的显著特征与重要趋势。但由于神经网络普遍存在的黑箱属性,难以阐释模型的决策过程或显性表达模型的内部知识,导致在教育实践中往往“知其然而不知其所以然”,制约了智能教育的纵深发展。为应对这一挑战,需从以下方面着力：揭示推动教育从可计算到可解释计算跃迁的多维因素,建立覆盖智能建模核心流程的教育可解释计算逻辑框架,发展具有因果效应的教育可解释计算技术路向。此外,教育可解释计算的长远发展还依赖于理论引导、评测适配与个性关切。 相似文献
6.
7.
在“互联网+教育”时代,学习者模型是实现个性化网络教学的关键。通过对学习者模型研究现状的分析,在知识模型、认知模型、情感模型和行为模型的基础上,提出一种融合社交特征的学习者综合模型。首先,对模型的特征选择和形式化表征进行了详细说明;然后,针对该模型在学习资源推荐、学习路径推荐、学习伙伴推荐、学习督导和预警中的应用进行了分析。最后,研究认为该模型能够为新型互联网学习环境下的个性化教学服务提供良好的支持。 相似文献
8.
9.
智能CAI中的学生模型及建构 总被引：2，自引：0，他引：2
一、学生模型的内容结构要在ＣＡＩ活动中体现认知学习理论的原则,就要使ＩＣＡＩ（智能计算机辅助教学）系统能够“理解”学习者的内在心理特征,能够根据某些数据信息“推理”学生个性和“决策”学习的进程。然而一个成功的ＩＣＡＩ系统面对的是众多的个性千变万化的学习者,为了真正做到因材施教的个别化教学,教学系统必须了解当前的学习对象。这种能表征学习对象（学习者）各种认知特征的数据结构被称之为学生模型。学生模型的作用是为教师模块（教学推理机）提供对学习者进行学习推理、判断学生学习状态、评价学生学习效果及进行教学决策… 相似文献
10.
以用户个性需求为导向构建Web环境下智能学习系统是现代远程教育与智慧教育领域研究的热点,也是E-learn?ing的未来发展趋势。推荐技术是智能学习系统的“智慧”所在,其根据学习者差异性特征属性“分析—判断—理解”个性化需求并以此精准推荐合适的学习资源。基于内容和协同过滤的混合式推荐可解决单类型推荐所引起的冷启动、非结构化内容推荐等诸多短板问题,进而有效提高推荐资源的效率与质量。该研究在分析领域相关研究现状的基础上,提出了Web环境下智能学习系统中基于内容和协同过滤的教育资源混合式推荐模型构建方案,着重对其架构设计、对象建模与推荐算法进行详细论述。 相似文献
11.
作业习惯与学习者的学业成就紧密相关,作业习惯的建模是智能学习系统设计中亟待解决的问题.本研究应用混合式研究方法,依据多层次作业模型,确定"学业拖延"和"学业勤奋"作为两个重要且可以测量的作业习惯的维度,分别表征作业时间和作业努力这两类核心的作业行为.构建了包括做题拖延和提交拖延的学业拖延习惯子模型,应用聚类实现了对学业拖延习惯的诊断,定义了"无拖延习惯者""严重拖延习惯者""提交作业拖延者""做作业拖延者"四类学习者.以时间投入—专注度模型为理论框架,构建了包括时间投入和专注度的学业勤奋习惯子模型,应用人工神经网络实现对学业勤奋习惯迸行诊断,诊断出五种勤奋度的级别,并验证了模型的有效性. 相似文献
12.
13.
学习者的协作会话数据是深入了解其学习过程和认知状态的一类重要数据。但由于自然语言的灵活性和学习情境的复杂性，协作会话数据分析的自动化程度一直不高，难以大规模应用。文章从人工智能视域出发，构建了基于人工智能技术的在线协作会话分析概念模型，对在线协作会话分析的理论基础、基本特征、分析流程和常用方法进行了论述，并进一步详细分析了“基于信息论的知识贡献测量”和“基于语义的协作会话学习投入自动分析”两个在线协作会话分析典型案例。案例证明了该模型能够将人工智能技术的“可计算”与教育研究的“可理解”相结合，为人工智能技术与协作会话分析融合搭建了桥梁，对在线协作会话分析实践具有重要的指导和参考价值。 相似文献
14.
《校园英语(教研版)》2016,(36)
在经济全球化的今天,我国参与国际事宜或国际活动越来越频繁,这使得英语这门语言在中国人们日常生活和工作中的应用越来越频繁。为了使我国学生能够准确掌握这门语言,应当合理的组织学生进行英语语言学习。但是,在实际的英语语言学习的过程中,学生在英语翻译和英语理解过程中市场会出现错误。究其原因,与学生未能准确的理解英语文章或语句之中的隐喻理解有很大关系。对此,中国英语学习者应当掌握隐喻理解策略及理解模型,如此学生才能准确的理解外语隐喻,进而利用英语这门语言准确的翻译或表达。一下本文将通过设计中国英语学习者隐喻理解研究,分析与探讨隐喻理解策略及理解模型的构建。 相似文献
15.
何文萱柯政 《现代远程教育研究》2022,(4):65-72
教育决策的高利害性对其科学性提出了高要求,传统教育政策研究方法已难以满足教育决策发展需求。大数据、人工智能等技术的发展,使得可以前瞻性预测和分析政策实施效果的教育政策仿真成为可能。相较于“自上而下”的建模机制,以“自下而上”为取向的“基于主体的建模”更适用于教育政策仿真。其关注微观层面具有适应能力的主体,可通过主体的自主演化和主体间交互来预测教育政策实施效果,从而有助于解决教育决策中的复杂性和不确定性问题。教育政策仿真能够实现教育政策实施效果预测和风险评估,提高教育决策的科学性,有助于深入认识教育系统的运行法则和内在规律。此外,教育政策仿真还可以丰富和改进教育政策理论研究,助力现实情境中真实问题的挖掘。在具体实施上,教育政策仿真的具体操作步骤包括明确研究问题和建模目标、构建静态与动态概念模型、模型实现、模型检验、验证与校准、计算机仿真实验和结果分析等环节。 相似文献
16.
江学如 《科学技术哲学研究》2021,38(1):22-27
在科学活动中,由于对象的复杂性和人类认知的局限,通常通过“理想化”来研究现象。理想化是对系统“刻意”的错误表征,主要有伽利略式理想化、最低限度理想化和多重模型理想化三种形式。它不仅是出于实用主义的角度获得数学上的易处理性,更多的是为了探究复杂自然界背后可重复的“模式”,并对之进行有效的解释和预测。在生态学研究中,“去理想化”在理论上完全可能,它增加了模型的“真实性”。但带来的认知代价乃至损失是不容小觑的,增加了模型的不确定性,不仅难以解释生态学系统层面复杂的涌现属性,而且模型的预测力也会降低。鉴于此,“理想化”依旧是生态建模中一个重要的方法论原则。 相似文献
17.
随着课堂教学从固化单一的教师传授,向强调小组协作参与的教学转变,如何面向以协作学习为基本特征的课堂实施形成性评价已成为教学评价改革亟需解决的问题。在智能技术支持下,形式化建模可以将复杂多变的课堂教学过程解构,形成数理模型;智能计算可以通过算法评估学生学习状态,并根据教学原则生成教学辅助信息。二者的结合可以促进人类智能与机器智能的有效融合,形成人机协同的课堂评价机制。面向课堂教学评价的形式化建模与智能计算通用架构,自下而上包含教与学行为的感知和存储、教与学行为评估模型的构建、教与学状态的智能计算和教学辅助信息的生成四个部分。前两部分着重对教育情境和问题的表征,是形式化建模的关键步骤;后两部分着重具体技术路线的实现,是智能计算的具体过程和功能体现。整个系统以教与学行为的感知和存储为基础,通过构建评估模型,确定模型的输出;然后引入智能算法对模型进行计算,达成对教与学状态的评估;最后根据相应教学原则,自动生成辅助教师进行课堂教学评价的信息。该通用架构以及人机协同教学、评价机制的进一步完善需要研究者携手教师进行"共同设计",协同教育学、计算机科学、心理学等多学科进行交叉研究。 相似文献
18.
19.
建模软件应用于课堂教学,能够支持学生通过建模学习有关学科的知识,培养思维建模的能力。由于学习情境与专家工作情境的差异,建模学习软件应当采用"以学习者为中心"的设计,支持复杂教学情境中的学习活动。"以学习者为中心"的设计考虑学习者的目标、需要、活动以及教学情境,以友好的界面、多样化的认知工具和脚手架策略,为学生的建模活动提供支持。 相似文献
20.
本文在分析了现有适应性学习系统的基础上,发现其存在学习过程的跟踪表面化和简单化、缺乏适合学习者认知过程的动态适应性、未能体现学习者的主观参与等问题,提出以认知建模为支架的适应性学习系统的设计思想,将动态适应性和学习者特征模型作为两个主要特征进行系统模型构建,重点阐述了系统动态适应性的实现和基于认知模型的学习者特征模型构建的方法。 相似文献