智慧校园下的人机协作学情分析

根据人机协作学习特点,文章提出了一套新的技术评价指标体系及学情分析方法,首先利用支持向量机(SVM)的多分类方法和SOFM解码建立基于SVM的技术评价分类模型与回归分析模型,其次通过实验测试评价方法的有效性,最后将该方法扩展至对人机协作学习系统的学情分析问题分类上,并指出学情分析应注意的事项及对应的解决办法。

基于GAI的逆向工程教学思维在人机协作中的应用研究--以编程教育为例

大模型为学习者提供跨模态的学习资源,同时也为创新人机协同教学模式提出了更高要求。研究引入了逆向工程教学思维,分析了其在流程与机理上与生成式人工智能的相契互补性,并基于自主开发的逆向工程编程学习平台,开展了探索性编程教学实验。通过LDA主题词抽取和人机协作感知因子分析,研究挖掘出该模式下人机协作五类行为和情感取向。此外,问卷结果显示学习者在此教学模式下表现出较高的感知偶然性、人机协作感知以及持续学习意愿,但人机信任度处于中位水平。结合主题词分析,研究也提出未来人机协作的优化方向:通过逆向工程引领人机协作,降维拆解复杂问题;构建多智能体生态,提高多人-多机群体协作效能;塑造新型人机劳动关系,发展新智生产力。研究为未来人工智能协作学习提供了理论依据和数据参考,也提出了未来研究进一步改进的思路和方法。