国外交互式电子白板教育应用研究

交互式电子白板作为一种新型的信息技术设备,正在教育领域得到越来越广泛的应用。国外相关研究表明,交互式电子白板可以对课堂教学产生积极的影响,如提高学生的学习动机与学习参与度、增强学生对教学内容的理解和掌握、增强课堂教学中的创造性和交互性,以及有效提升课堂教学的效果等。文章首先对交互式电子白板进行概述,然后通过查阅ER IC数据库,对国外关于交互式电子白板研究的现状进行了归纳与分析,以期引起我国教育工作者对此领域的关注和深入研究。

物理学习空间中学习者情绪感知研究综述

在"人—技"协同进化的教育发展态势下,学习者的学习方式和交互环境正面临深刻变革,物理学习空间内的学习支持服务亟待重塑。近年来,研究者们致力于采用传感器获取学习者的生理行为数据,结合学习分析技术推测其情绪状态,并以适当的干预机制来提高积极情绪唤醒度,进而助力于个体学业成功。当前,在物理学习空间中,针对学习者情绪感知的主要手段有人工观察法、自我报告法、基于生理信号、语音信号、面部表情信号以及眼动信号的感知方法;应用研究案例包含智能导师系统、虚拟学习同伴、情绪互动支持、自我调节能力评估、学情分析监控等主题。对物理学习空间中学习者情绪感知的研究,可为未来学习空间的重塑带来新的研究视角和参照。

《现代教育技术》实验教学中的学习活动设计研究

《现代教育技术》是高等院校师范生的公共必修课程,目的是提升师范生的教育技术能力,而信息化教学设计能力是教育技术能力中的重要组成部分。本文针对《现代教育技术》公共课实验教学中存在的问题,通过引入学习活动管理系统(LAMS),探索网络学习环境下"信息化教学设计"实验教学的学习活动设计,在教学实践的基础上,对应用效果进行了分析,尝试为提高师范生信息化教学设计能力、建立信息化教学设计训练系统提供一种新的思路。

基于MathML的在线公式编辑器的实现与应用

在阐述了数学标记语言MathML和公式插件WebEQ的基础上,提出了一种基于MathML的在线公式编辑器的设计,并以文本编辑器FCKeditor为平台进行了实现,最后给出了具体应用与进一步的改进,较好地解决了上述问题。

物理空间中的智能学伴系统:感知数据驱动的学习分析技术——访柏林洪堡大学教育技术专家Niels Pinkwart教授

在"人—技"协同进化的教育发展趋势下,物理空间中的学习支持服务将面临深刻变革。近年来,随着大数据与可穿戴技术的涌现,面向物理空间的学习分析技术已应运而生,其中一个研究趋势是利用传感器技术探察个体学习状态,并基于感知数据构建以学习者为中心的自适应与自主化学习环境。国际上,教育技术领域的相关专家学者已开始重点布局此项研究,致力于提供个性化学习反馈、推荐和干预等服务以创设移动式的智能学伴系统。如何获取学习者生理数据、合理利用这些数据、推测其学习状态(情绪、认知、注意力等)以及基于这些数据能为学习者提供哪些学习服务已成为研究者面临的现实问题。基于传感器的自适应学习分析(Leaning Analytics for Sensor-based Adaptive Learning,LISA)是由德国联邦教育与研究部资助的一个校企联合研发项目,旨在通过传感器感知个体在物理空间内的学习状态以支持自适应学习和提高学生学习体验,其核心是构建"移动学习同伴"以帮助学习者开展学习反思和协助教师实时监控。该项目的背景和意义是什么?智能学伴系统能感知哪些信息?提供哪些学习服务?如何评估其效果?未来的趋势和存在的问题是什么?带着这些问题,我们对该项目的主要负责人Niels Pinkwart教授进行专访。Niels Pinkwart教授是教育技术领域的国际知名学者,目前担任德国柏林洪堡大学的(Humboldt University of Berlin)计算机科学研究院副主任,洪堡大学职业教育学院的"技术增强学习"(Technology Enhanced Learning)研究中心和"计算机科学教育/计算机科学与社会"(Computer Science Education/Computer Science and Society)实验室主任,德国计算机学会学习分析与e-learning工作组的联席主席。他的研究方向包括:学习分析、自适应学习技术、计算机支持的协作学习与多模态人机交互系统。他发表论文超过220篇,总引用次数已超过2360次,并一直担任《国际教育人工智能》(International Journal of Artificial Intelligence in Education,IJAIED)期刊编委、"智能导学系统"(International Conference on Intelligent Tutoring Systems,ITS)、"IEEE先进学习技术"(IEEE International Conference on Advanced Learning Technologies,ICALT)、"学习分析与知识"(International Conference on Learning Analytics&Knowledge,LAK)等知名国际会议的程序委员会委员。近年来,Pinkwart教授的团队专注于采用多学科(计算机科学、认知科学以及学习科学)交叉的方法开展学习系统设计与学生互动学习的实证研究,现已主持多项德国国家科学基金(DFG)、联邦教育与研究部(BMBF)及工业界智能导学与人机交互联合研发项目,他领导的"智能导学系统中的学习反馈"(Learning Feedback in Intelligent Tutoring Systems,FIT)项目入选了DFG在研究方向"人工系统中的学习方法"上的优先资助计划,并授予8年的持续资助。

采用动态特征选择的中文情感识别研究

针对中文情感识别中特征空间稀疏度和冗余度较高的特点,从集成学习视角出发,提出一种基于动态特征选择机制的情感识别方法.该方法首先采用核平滑方法构建特征子集划分的维度分布和特征空间的重要度分布,然后根据这两种分布函数,自适应划分特征空间,形成多个不同粒度的子空间,然后训练对应的基分类器,最后使用多数投票法的融合策略构造集成识别模型.在校园BBS评论数据上与其他基准算法进行对比实验,结果表明该算法在查全率和查准率等方面均优于其他算法,有效地提高了情感识别的准确性和鲁棒性.

供应链中共享信息价值的量化:基于Agent的仿真研究

对于供应链管理来说,量化的信息价值有助于供应链成员之间的协调和信息共享战略的实施.为此,考虑一个面临非线性需求AR(1)的三层供应链系统,利用Agent对其进行建模,同时讨论了系统中Agent的结构、Agent之间的交互与决策以及基于Agent的供应链系统的运作过程.在此基础上,对供应链中共享信息的价值进行了仿真研究.在仿真实例中,分析了共享信息对整个供应链系统成本以及各供应链成员成本的影响,讨论了信息共享的价值在供应链成员中的分布及对分销商成本结构的影响.

创新信息技术 支撑教学变革——以苏州市“未来教室”教育信息化建设为例

信息化人才的培养是我国推进教育信息化,带动教育现代化的根本。在过去十余年,华中师范大学以信息化教学创新为核心,对信息技术促进创新人才培养的体系、内容、资源、环境、模式、方法、管理、评价等进行了全方位探索,把信息技术与课程教学进行了深度有效融合,重塑了教与学的生态,促进了教与学的方式的转变,推动了教学的整体性变革。通过不断深入的教学研究,真正实现了教学的变革,转变了目前教与学的方式,让课堂更符合每位学生学习的规律,让教学更有助于学生知情意行的全面发展。

基于集成学习与遗传算法的网络书写纹识别研究

N-gram字符是网络书写纹识别最有效的特征类型之一。针对其特征维数高、冗余特征多且无关特征少等特点,提出一种基于特征空间划分来构造集成学习分类器的网络书写纹识别方法。该方法首先根据一定的划分粒度,将初始特征集划分为等维度、无交叉的特征子集,然后基于每一个特征子集训练生成对应的基分类器(多元朴素贝叶斯),最后采用算术与几何平均相结合的融合策略完成集成学习分类器的构造。特征空间的划分(即特征子集的选择)采用遗传算法进行优化。实验在一个真实数据集上开展,其结果表明该方法有效地提高了网络书写纹的识别性能。

双轨教学的理论省思

该文首先从哲学视角出发对双轨教学中"双轨"这一概念的内涵进行了审视与解读,认为双轨教学的核心追求是要在教师与学生之间建立一种"我和你"的平等对话关系,接下来对双轨教学的科学基础——托尔文的记忆组织理论和佩维奥的双重编码理论进行阐述,最后从系统科学尤其是复杂性科学的视角出发,对双轨教学的动力机制进行了分析。

未来教室环境下的教师角色转变与学生自主性学习能力的提高研究

信息技术能力的培养是学生综合信息素养的关键,基于双板的未来教室给新时代的信息技术教师带来了更高的要求。信息技术教师要在未来教室应用中发挥主导和引领的作用,就必须要加快学习观念的转变、课堂组织管理的转变、教学方法和策略的转变,突破旧的惯性思维,在未来教室环境中提高信息技术课程的教学质量,以适应信息社会的发展需要。

一种基于样本空间动态划分的中文情感识别方法

为了提高中文文本情感识别的精度,从集成学习的角度出发,提出了一种基于样本空间动态划分的机制构建文本情感分类器。该算法充分利用训练样本空间内的鉴别信息,通过引入核平滑方法对样本空间进行自适应划分,形成若干个具有差异性的多粒度样本子集,然后分别在每个子集上构造基分类器,最后将所有基分类器的输出进行融合以产生最终的预测结果。实验结果表明,该算法在查准率和查全率等方面均优于Bagging、AdaBoost等算法,并且在大规模样本集的情感识别中具有良好的应用前景。

Ad Hoc网络通信协议的设计与实现

提出一种自组织、自管理的Ad Hoc网络通信协议SOSM。该协议包括网络同步、广播消息、加入/退出网络、点到点数据传输等子协议,当节点加入或退出时网络能够自动识别和更新,节点之间能进行可靠数据传输,并采用频分多址、时分多址、载波监听多路访问等技术解决无线通信碰撞问题。应用实例表明,该协议易于实现,运行稳定。

AJAX技术及其在智能协作教学平台中的应用

文章主要介绍了AJAX的关键技术、运行原理和生命周期,探讨了在智能协作教学平台中的应用,将AJAX技术与系统中的JSF,Spring,Hibernate框架相结合,形成具有浏览器端与服务器端异步通信能力的新的系统框架,以提高系统的执行效率,合理利用资源。

数字教育公共服务平台的设计与实现

本文探讨了构建数字教育公共服务平台的基本设计思想、系统总体框架结构与技术实现。并着重分析了教学直播与再编辑技术,开放互助式协作学习模块,学习行为跟踪和教师导学模块,学习活动设计、监管与控制模块等公共服务平台的难点问题。

采用集成特征选择的网络书写纹识别研究

网络书写纹识别技术通过分析用户在网络留言中的书写风格识别其身份.针对网络书写纹特征具有高维、冗余的特点,提出一种基于集成特征选择的识别方法.采用基于Filter与Wrapper的混合式特征选择算法对特征空间进行划分,训练出与待识别用户数相同的基分类器,使每一个基分类器成为代表一个用户的专家.通过对20个校园BBS用户的实验研究,结果表明该方法有效提高了网络书写纹的识别性能与识别模型的可理解性.

基于社会网络分析的在线学习行为分析实证研究

随着大数据技术在教育领域的渗透,学习分析已经成为教育工作者关注的热点,相关的分析方法和技术也日趋成熟。其中,社会网络分析已逐渐成为该领域重要的分析方法之一。本文通过对华中师范大学云课堂平台上《文学翻译》课程的论坛讨论区进行数据采集,采用社会网络分析和相关分析方法,分析在线学习者在互动讨论中形成的社会网络位置信息与学习成效之间的相关性。研究结果表明,在论坛中,学习成效高的学习者趋于同学习成效低的学习者建立交互联系,而学习者的社会网络中心性与学习成效之间呈现显著的正相关性,且学习成效高的学习者往往具有更高的声望和影响力。

采用半随机特征采样算法的中文书写纹识别研究

N-gram字符序列能有效捕捉文本中作者的个体风格信息,但其特征空间稀疏度高,且存在较多噪音特征。针对该问题,提出一种基于半随机特征采样的中文书写纹识别算法。该算法首先采用一种离散度准则为每个作者选取一定粒度的个体特征集,然后将个体特征集以一种半随机选择机制划分成多个等维度的特征子空间,并基于每个子空间训练相应的基分类器,最后采取多数投票法的融合策略构造集成分类模型。在中文真实数据集上与基于随机子空间和Bagging算法的集成分类器进行了对比试验,结果表明,该算法在正确率和差异度方面优于随机子空间和Bag-ging算法,并且取得了比单分类模型更好的识别性能。

未来教室下的文本解读可视化教学法探析

以文为本,是语文阅读教学的传统。在传统教室中,文本阅读教学的过程难以清晰呈现,学生总会"遗漏"太多。作者经过半年来未来教室的实践,以可视化的文本解读为核心,让学生深入文本,得到了可喜的教学效果。文章结合实践案例,多方面解读在未来教室的触屏、双屏、多屏,以及便捷、友好的人机交互环境中的可视化文本分析。让学生在体验文本分析的乐趣中得以历练,在可视化学习过程中掌握方法,懂得思考。

基于JSF技术的web应用中的安全认证研究

针对JSF安全机制缺乏的问题,本文提出了四种可行的解决方案,着重阐述了通过filter来进行用户认证的方法,并提供了主要的技术实现细节,从而提供了一种通用的解决JSF安全问题的方式。