生成式人工智能赋能学习分析:价值内涵、实践框架及发展路向

生成式人工智能正在教育领域崭露头角,其在数据处理、分析和生成方面的出色表现,为解决学习分析面临的利益相关者素养不足、技术可信性不强等问题提供了重要机遇,对深化教育评价改革意义深远。然而,关于生成式人工智能赋能学习分析的价值内涵、实践框架及发展路向尚不清晰。因此,研究首先从“术用”与“器用”的双重角度剖析生成式人工智能赋能学习分析的价值内涵。其次,从确立目标、数据采集、数据处理与分析、智慧应用四个主要方面构建并阐释了生成式人工智能赋能学习分析的实践框架,以为学习分析实践提供参考。最后,立足于生成式人工智能赋能学习分析的现状,研究认为未来应该关注智能素养培育,以转向人智协同的学习分析范式;注重多种技术兼容,以促进分析变革培养的创新发展;重视分析伦理规范,以推动可信学习分析生态的构建。

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。

群体感知工具对社会调节学习的驱动因素与作用机制研究——基于扎根理论的质性分析

计算机支持的协作学习中的群体感知工具,能够帮助学习者监控和反思学习过程,对促进社会调节学习起着重要作用。但当前研究主要关注群体感知工具的设计及其效果验证,而群体感知工具对社会调节学习的作用机制及驱动因素尚不明晰。因此,文章以探索群体感知工具对社会调节学习的作用机理为目标,采用扎根理论研究方法,通过深度访谈获取学习者在协作学习活动中使用群体感知工具的经历、感受、体验等数据,借助质性分析软件对数据进行三级编码,最终构建了“刺激—感知—调节”理论模型。研究发现,学习者利用群体感知工具可以促进自我调节、同伴调节和集体调节学习,并且受到个体因素、教学因素及环境因素的驱动,在此过程中,学习者需要经历群体感知接收与理解,包括信息查看、信息选择、价值判断、自我比较和意义建构等过程。针对上述结论,文章给出相应教学启示,包括引导学习者理解群体感知工具的内容,辅助学习者应用群体感知工具进行调节等。

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。

智能协作学习环境中学习者的提问能力对认知过程的影响研究

人工智能技术的快速发展推动了智能协作学习环境的兴起。在此背景下,学习者的提问能力尤为关键,它能够直接增强学习者与智能系统的互动,提升学习体验和效果。然而,目前鲜有研究关注学习者的提问能力对其认知过程的影响。文章旨在探索智能协作学习环境中,学习者的提问能力如何影响他们的认知过程。通过对学习者提问数据和在线协作话语的分析,研究发现学习者的提问能力对认知过程存在影响,具体表现为:高提问能力学习者表现出更高水平的智能信息整合能力,能够更多地转述和应用从智能系统中获得的意见;高提问能力学习者呈现出“共识解释发展”的认知建构方式,而低提问能力学习者呈现出“辩证论证”的认知建构方式;高提问能力学习者展现出持续的高认知水平,而低提问能力学习者在协作启动阶段容易陷入无关话题困扰,讨论效率不高。基于此,文章提出了提升学习者人工智能素养与提问能力、细化共识解释与辩证论证教学策略以及开展智能协作学习环境下的纵向研究等建议。

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。

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。

融合实体位置与类型特征的土家民族器乐实体关系抽取研究

【目的】发现土家民族器乐文本中实体位置、类型与实体关系具有的强相关性特征,提出融合实体位置与类型特征的土家民族器乐实体关系抽取模型。【方法】采用Pipeline关系抽取模型,在完成命名实体识别任务后,将每个字符到主客体的相对位置和实体类型特征拼接到原关系语句后,通过BERT模型进行特征学习,最后通过全连接层进行关系分类学习。【结果】在自建土家民族器乐数据集上进行消融和模型对比实验,结果表明融合实体类型特征的模型(BERT_E)表现最优,其F1为97.359%。【局限】样本规模较小,实体位置特征未考虑实体长度等问题。【结论】研究成果推动了土家民族器乐文化数字化保护和智能应用服务,同时对民族器乐相关领域的实体关系抽取具有重要借鉴价值。