在线协作会话中情绪设计支持的教学代理反馈模型构建及应用研究

教学代理的反馈有利于提升学习绩效,并且反馈的情绪设计可以有效激发学习者的积极情绪并增强他们的学习动机。然而,目前针对在线协作会话中学习者参与度低、协作知识建构抑制等问题,探讨情绪设计支持的教学代理反馈策略的研究依旧较少。文章通过梳理情绪反应理论等相关研究,构建了情绪设计支持的教学代理反馈模型,为面向在线协作会话的智能教学代理反馈设计提供参考。在此基础上,文章开展了准实验研究以验证模型的有效性。研究发现:(1)教学代理提供的学习情况反馈能够促进协作会话参与和协作知识建构;(2)且情绪设计支持的教学代理反馈更能促进在线协作会话参与和协作知识建构;(3)学习者对提供学习情况和积极情绪反馈的教学代理的技术接受程度显著高于只提供学习情况反馈的教学代理。这些发现为教学代理的设计和开发提供了有益的指导。

面向设计类问题解决的大学生反思性学习模型构建及应用研究

反思是设计类问题解决的重要途径,参与迭代的反思性实践有助于学生解决设计类问题。针对目前各研究中反思性学习模型无法直接迁移至设计类问题解决情境、以及对学生的反思支持性因素考虑不足等问题,首先基于经验学习理论、转化学习理论及PST理论,结合设计类问题解决的本质与过程特点,构建了面向设计类问题解决的大学生反思性学习模型,然后以教学设计问题解决为例进行了模型应用及案例分析。研究发现,该模型可以用于指导反思性学习活动的设计以帮助促进设计类问题解决并提升设计作品的质量,模型的迭代应用可以促进学生设计类问题解决能力的提升,反思干预策略会影响设计类问题解决的思维过程。

认知群体感知工具对在线协作学习知识建构水平的影响研究

认知群体感知工具是协作学习者感知群体认知信息、提升学习效果的重要技术支撑。不同信息复杂程度的认知群体感知工具对在线协作学习中学习者的知识建构水平影响程度如何尚需进一步探索。文章从认知信息复杂度出发,设计了实时的显性/隐性认知群体感知工具,并通过对比实验,利用统计分析、卡方检验、认知网络分析,分析两种认知群体感知工具对在线协作学习知识建构水平的影响程度。研究结果表明:两种认知群体感知工具有助于在线协作学习中高水平知识建构行为的发生。显性/隐性认知群体感知工具支持下的学习者知识建构行为特征及知识建构模式存在差异性。其中,显性认知群体感知工具能促进协商型对话和升华型对话;隐性认知群体感知工具则更能促进协商型对话的生成。研究结论有助于教师调整教学策略,引导学习者完成协作任务并提升知识构建水平。

教学代理的个性化情感反馈对大学生在线同步讨论学习投入的影响研究

教学代理已成为支持大学生在线同步讨论学习的重要角色,而关于教学代理的个性化情感反馈能否提高学习投入的问题,目前尚待进一步探索。为此,选择社交软件QQ作为讨论工具,结合学生协作讨论表现设计了教学代理支持的个性化情感反馈策略,使用准实验法探究了在线同步讨论中教学代理的个性化情感反馈对大学生学习投入影响的有效性、持久性和差异性。结果表明:教学代理的个性化情感反馈有助于促进学生的协作学习投入;对不同外在动机水平的学习者影响具有差异性;对学习投入的影响效应随时间推移有所减弱。基于此,建议:讨论初期教学代理的情感反馈应结合学生表现提供情感支持;讨论中后期应逐渐撤离情感支持。

数据驱动教育数字化转型的信任机制——教育大数据全生命周期隐私增强模型的构建与典型应用场景分析

教育大数据正在成为驱动国家教育数字化转型战略行动的核心资源,带来了巨大的教育价值,但教育大数据的采集和分析产生了隐私侵害风险、信任危机等严峻问题,阻碍了数据的共享、开发和利用。如何增强教育大数据在开放共享、共建共用中的隐私保护和信任关系,成为制约数据驱动教育数字化转型的关键难题。对此,文章首先采用文献分析法,剖析了教育大数据隐私保护的研究现状与关键问题。随后,文章从应用场景角度设计了教育大数据全生命周期隐私增强框架,并基于此框架从技术实现角度构建了满足不同实体、不同阶段隐私需求的教育大数据全生命周期隐私增强模型及其应用流程。最后,文章介绍了该模型的典型应用场景,涉及学分与资质认证、教育协同与治理、可信评教、个性化学习服务等多个方面。文章的研究能够厘清教育大数据开放共享时的隐私保护关键问题和技术思路,可为实现教育数据要素化全生命周期的隐私保护、建立健全数据驱动教育数字化转型的信任机制提供参考。

面向调节学习支持的智能教学代理设计与实证研究

向学习者提供必要的调节学习支持是协作学习能够顺利开展并取得成功的关键因素之一,但依赖于教师根据经验提供个性化调节学习支持费时费力,难以推广。文章以调节学习理论为基础,设计了面向调节学习支持的智能教学代理模型,并进一步设计了支架式调节和反馈式调节两种不同类型的代理调节策略。为了验证智能教学代理模型的有效性,文章以某师范院校开设的“现代教育技术应用”课程为对象,研发了面向调节学习支持的智能教学代理,并进行了实证研究。研究结果显示:智能教学代理能够促进和提升学习者的协作学习过程。具体来说,支架反馈式代理能够促进建构更多数量的话语,使学习者的协作话语分布更为均衡和稳定,并产生更为丰富的协作行为转换模式。但支架式代理对协作话语的数量有轻微的抑制作用,在行为模式的丰富性上也略低于支架反馈式代理。研究结论对于智能教学代理系统的研发和协作学习活动的组织均有一定的参考价值和启示作用。

“潜水”还是“学习”:在线协作学习中“在线倾听”行为再审视

学习者“在线倾听”行为是一种复杂的社会化活动,是在线协作学习对话的前提和基础,但并未引起正视和积极理解。基于对话教学理论视角,研究采用滞后序列分析、内容分析、社会网络分析等研究方法,分析学习者“在线倾听”行为模式特征,及其对学习者认知过程、批判性思维和学习绩效的潜在影响。研究发现,学习者“在线倾听”行为是在线协作学习的常态行为,存在显著性差异,在时间结构上呈现周期性和阵发性;专注的“在线倾听”,高频次的回顾/反思倾听,有益于学习者高水平知识建构和批判性思维发展;高、低绩效学习者群体的“在线倾听”行为模式存在显著差异,高绩效组“在线倾听”行为更专注、行为路径更完整。这些发现为理解和解释数字教育场景下在线学习发生的内隐规律和内在机制提供理论支撑和实践参考。

基于学习者评论数据挖掘的MOOC课程质量影响因素研究

理解学习者MOOC课程学习的体验和需求,是促进MOOC高质量可持续发展的重要途径。基于学习者评论数据挖掘,可以揭示学习者情感体验与课程质量因素之间的关系,并为分析不同学科课程的差异提供有效支持,弥补现有研究的不足。为此,开展了基于学习者视角的MOOC课程质量影响因素研究,首先以文本挖掘技术为基础,客观地从MOOC课程学习者评论数据中提取出课程管理、课程设计、学习平台、学习任务、学习材料、课程教师、课程内容及学习体验八个课程质量影响因素。其次,构建了基于学习者满意度和关注度的KANO分类模型,以评估课程质量影响因素的重要性程度,并对两类课程进行差异性分析和对影响因素之间进行相关性分析。结果表明:学习者对人文社科类和自然课程类课程的评价在课程设计、学习材料、课程教师、课程内容及学习体验上存在显著差异;而学习任务在两类课程中的评价均为最低;并且通过可视化揭示了不同类别课程的KANO模型分类结果和影响因素之间的关系。最后,针对不同学科课程的特点,提出课程优化建议,对MOOC课程质量的改进与提升具有重要指导意义。

数字化保护与传承视域下民族器乐文化智能应用服务系统构建

知识图谱技术支持的智能问答、个性化推荐、智能搜索等人工智能应用,为提升民族器乐文化服务水平、扩大民族器乐文化的传播覆盖面提供一种崭新的思路,对民族器乐文化的保护与传承具有重要意义。本文在分析民族器乐数字化保护现状与难题的基础上,重点探寻了人工智能技术支持的民族器乐数字化资源管理与应用的有效措施,以知识图谱技术为支撑构建了民族器乐文化智能应用服务系统框架,从知识管理、智能问答、智能检索及知识推荐4个方面设计智能应用服务,满足公众参与的多元化、个性化的需求。并结合土家族民俗文化特性,开发了土家族器乐文化智能应用服务系统实例,展现土家族器乐文化的独特魅力。

ChatGPT类耦合教学代理:需求分析与教学应用

ChatGPT类作为新一代人工智能技术的典型代表,给教育教学带来了机遇与挑战。然而,如何设计基于ChatGPT类的教学活动以满足在线学习中改善情绪体验和促进认知学习的双重新需求尚未被讨论。基于此,首先梳理文本对话机器人的技术发展脉络,归纳ChatGPT类的特征;并在已有研究的基础上解读教学代理的内涵。随后,基于认知科学、情绪科学等理论的视角,审视ChatGPT类在提升社会存在感、唤醒积极情绪和调节消极情绪方面的不足,并说明教学代理的优势;系统回顾教学代理对话技术的实然困境,分析其带来的个性化认知交互问题和消极情绪问题,并阐述ChatGPT类的优势。继而,设计ChatGPT类耦合教学代理的教学应用路径:为教学活动实施提供社会线索、拟人对话、情绪线索、情绪调节等技术支撑,并在课前、课中、课后的教学活动中扮演教师角色,以满足在线学习中改善情绪体验和促进认知学习的双重新需求。

融合常识库和语法特征的数学应用题题意理解

数学问题的题意理解是实现自动解题的关键,然而现有研究对情境复杂、参数较多等特征的应用题实现题意理解的准确率较低,尚没有很好的优化解决方案。基于此,以语境复杂的古典概型应用题为突破点,提出了融合常识库和语法特征的数学应用题题意理解方法。首先,结合古典概型应用题的文本和结构特征,构建了包含7类关键解题参数的古典概型题意表征模型;然后,根据该模型将应用题题意理解任务转化为解题参数识别问题,并设计了融合多维语法特征的条件随机场(CRF)题意参数识别方法来解决这个问题。进一步地,针对隐性参数识别问题设计了常识参数补全模块,并提出了融合常识库和语法特征的数学应用题题意理解方法。以新东方在线网站和21世纪教育在线题库中的948道古典概型应用题为实验语料进行实验。实验结果表明,所提方法的各题意参数识别F1平均值达到93.56%,高于最大熵模型(MaxEnt)、双向长短期记忆网络-条件随机场(BiLSTM-CRF)和传统CRF方法;并且题意理解准确率达到66.54%,显著高于上述其他方法,验证了所提方法对古典概型应用题题意理解的有效性。

课前学习支架促进学生问题生成与认知水平提升

问题生成是一种生成性学习行为,有助于学习者外化知识并触发深层次认知的发生,客观反映学习者的认知水平及高阶学习能力。目前,对于如何促进学习者主动思考,生成问题并解释问题等课前主动学习的研究不足。研究以38名教育技术学专业本科生为研究对象,设计并实施促进学习者问题生成的课前学习支架。基于学习者课前学习反馈单中的生成性文本数据,采用内容分析、描述性统计分析和认知网络分析的方法从阶段性发展的角度探究课前学习支架对学习者问题生成和认知水平的提升作用。研究发现,在课程教学阶段性动态发展过程中,高阶生成性问题逐渐增多,学习者观点认知水平向解释观点和细化观点的深层认知发展,表明课前学习支架促进学习者问题生成与认知水平的提升。此外,高阶生成性问题及其所触发的深层观点认知水平相互联结协同促进学习者课前深层次学习。

中小学智能精准教研的需求调研与发展策略

智能技术与教师教育的融合促使教师研修向智能化、精准化、个性化方向转变。推动中小学加快实现这一转变,必须充分了解各地开展智能精准教研的需求。然而,当前研修活动的开展并未考虑教师的实际需求,导致研修活动难以真正做到精准性、个性化。依托中央电化教育馆智能研修平台应用试点工作,基于活动理论,从研修环境、研修目标、研修活动、研修资源、组织机制等五个方面,对26省47个区县和179所中小学开展了智能精准教研大规模需求调研,并提出四条发展策略:完善智能精准教研技术环境,建设智能精准教研大数据体系;创新智能精准教研模式,探索智能精准教研发展路径;建立智能精准教研支持服务体系,保障智能精准教研常态化发展;形成教育行政部门-教研部门-企业-高校-中小学校多方协同的合作机制,构建智能精准教研新生态。

欠发达地区中小学教研管理者数据使用影响因素研究

大数据时代,中小学教研管理者的数据使用实践直接影响教研工作的开展和教研效果的提升,然而目前研究对中小学教研管理者的数据使用情况及影响因素的关注仍然不足。基于此,文章首先梳理了数据使用的内涵、影响因素及教研管理者的相关研究,并基于三元交互决定论和3P教学模型构建了数据使用的概念框架。然后,文章运用问卷调查、统计分析、内容分析等方法,对欠发达地区S区94名中小学教研管理者的数据使用情况及影响因素进行分析,结果发现:当下欠发达地区中小学教研管理者的数据使用能力偏低,数据使用行为亟待提升;数据使用能力是影响教研管理者数据使用行为的核心因素;组织支持和团队协作有助于促进其数据使用实践。最后,文章从强化数据素养培训、提供数据使用支持服务和建立数据实践共同体三个方面提出建议,以期为改善中小学教研管理者的数据使用实践、进行数据驱动的教研管理决策提供参考。

跨学科主题学习中学习方式的影响因素研究——基于情境学习理论的视角

跨学科主题学习对学生核心素养的培养至关重要。为了探索学习者跨学科主题学习的影响因素和路径,该研究基于情境学习理论,提出了跨学科主题学习活动框架及影响因素模型,并结合真实学习活动的实施,采用结构方程模型方法,分析了教学情境感知、教学交互与学习方式的相互作用关系。研究结果发现:(1)教学情境感知对深度学习有显著的直接影响;(2)教学情境感知通过生生交互对深度学习和浅层学习产生间接影响。具体而言,生生交互在教学情境感知对学生浅层学习影响中起到完全中介的作用,而在教学情境感知对学生深度学习方式的影响中起到部分中介的作用。研究结论为跨学科主题学习的活动设计和教学实践提供了有益的启示和参考。

面向边缘讨论参与行为的人机协同学习干预模型构建及其应用

边缘讨论参与行为制约了在线协作会话的效能发挥,如何识别并矫正边缘讨论参与行为是当前亟需解决的问题。为此,文章依托教学系统设计理论、学习干预模型等,构建了面向边缘讨论参与行为的人机协同学习干预模型,包含识别、归因、干预、评估四个模块。随后,文章进行了此模型的教学应用,并通过干预前后对比实验验证了模型的应用效果,结果表明:人机协同学习干预模型能有效矫正边缘讨论参与行为,模型中的归因和干预模块具有较高的接受度。面向边缘讨论参与行为的人机协同学习干预模型的设计与实践,可以为在线协作会话中的干预研究、人机协同学习干预的理论探索、个性化学习服务等提供参考。

人工智能支持下的课堂教学评价模型研究

随着人工智能技术的飞速发展及其在课堂教学中的广泛应用,传统的课堂评价模式已不能满足需求,而融合人工智能的相关评价方法仍然存在精确度有偏差、评价内容单一等问题,亟待综合多种因素,开展人机协同以促进课堂教学评价向智能化方向发展。依托人工智能技术构建的课堂教学评价模型,包括智能课堂教学环境、课堂观察方法与技术、课堂数据采集、人工智能支持的课堂教学分析与可视化、教研员解读、教师反思等六个要素,涵盖人工智能课堂教学评价的环境、数据、角色与流程,具备机器、人为参与或反馈等多回路特征,以及促进人工智能技术成长的可行模式,广泛适用于多种智能化教学环境。该模型在实际课堂教学中得以验证,实现课堂智能化教学评价,为课堂教学评价与教师研修评价新范式的提出提供参考。

多模态视域下的群体感知:内涵、功能与实现路径

随着计算机支持的协作学习在教育教学领域的深入应用,如何促进高质量的协作互动备受关注。多模态视域下的群体感知蕴含着丰富多元的感知信息,有助于学习者充分感知协作群体/同伴的协作状态,能够有效提升协作互动质量。然而目前有关群体感知工具内部机理和外部作用间关系的研究尚不明确。基于此,从多模态视域出发重新审视群体感知的内涵,系统回顾与分析国内外有关群体感知的相关研究。研究发现,群体感知工具通过采集多模态的学习者协作学习数据,对数据进行处理,并以可视化方式呈现给学习者,以帮助学习者获取对协作群体/同伴状态的有意识理解,促使学习者调节内部和外部的协作策略。在厘清群体感知工具内部机理和外部作用间关系的基础上,构建了多模态视域下的群体感知实现框架,并指出多模态视域下的群体感知在多模态展示和感知监控两方面的实现路径,以期为促进高质量协作交互提供参考。

基于反向选择的网络异常学习行为识别方法

网络学习中,异常学习行为不易及时被察觉和纠正,可能会导致严重的学习问题.网络异常学习行为具有多样性和不确定性,难以通过规则直接界定.借鉴生物免疫系统识别病原体的原理设计的反向选择算法,能自适应识别未知异常,并具有实时性、动态性、多样性、鲁棒性等特征.借助主成分分析法从网络学习行为日志数据中抽取行为特征,构成多维空间的学习行为向量,通过优化训练集改进了反向选择算法并设计了基于该算法的网络异常学习行为识别方法.在真实数据集上的实验结果表明:该方法的识别率优于朴素高斯贝叶斯、决策树、支持向量机等常用算法,能够及时对异常学习行为进行早期预警,为干预和改进学习效果提供客观依据.该方法不需要人工干预,能识别未知的异常行为,具有多样性和较高的自适应性.

教育数字化赋能差异化作业设计的行动逻辑和服务模型

差异化作业是贯通课堂内外的实践活动,具有发掘个体优势潜能以促进素养生成的育人效力。素养生成是课程知识实践意义活化的结果,教育数字化的适需服务着眼于数据赋能下的减负、提质和增效,为消解“知识获得”与“素养生成”脱节的差异化作业设计提供了环境支持。研究从素养导向、理念框架、调配策略和技术赋能四个方面解释了教育数字化赋能差异化作业设计的行动逻辑,构建了以动态潜能测试为主导,联合AI智能与教师经验智慧,在家校社协同的良性空间中,借力技术支持的“知识漏洞集—学习路径链—学科素养栈”数据流转的服务模型,以期为教育数字化赋能差异化作业设计提供实践思路。