智慧学习环境中的人机协同设计

作为教育数字化转型的首要任务,智慧学习环境建设过分强调技术之于教育的能力,而忽略教育主体的价值与地位,涌现出场景割裂、数据孤岛等问题。人机协同旨在充分发挥人与机器的优势,弥补彼此的劣势,成为指导智慧学习环境创设与优化的最优解。研究将人机协同视为智慧学习环境设计的基线思维,构建了由数据模型层、技术支撑层和场景应用层三个层级,包含场景、数据、模型、资源、工具与服务等六个要素的智慧学习环境概念模型。基于普瑞斯的人机功能分配决策矩阵理论,提出了AI讲师、执行型AI+人类助手、伙伴型AI+人类同侪、助教型AI+人类教练、人类导师等五种人机协同模式。在此基础上,研究制定了智慧学习环境各层级的设计原则,分析了数据模型层的决策协同设计、技术支撑层的交互协同设计和场景应用层的流程协同设计,讨论了人机协同模式中人机互信和价值对齐的建构策略,以期指导智慧学习环境中的人机协同设计。

人机协同决策:文献综述

人工智能在决策领域得到越来越多的应用,使得组织决策变得更加高效。然而,人工智能存在各种局限性、例如依靠以往的数据获得洞见,必须结合人类决策者的知识、经验,实现人机协同决策。因此,人机协同决策快速成为一个研究领域。在利用VOSviewer软件对文献进行关键词共现分析的基础上,按照人机协同决策的必要性、概念与组织方式、影响因素与结果效应、理论视角与研究方法、应用场景这一架构对人机协同决策进行文献综述,以揭示人机协同决策研究现状,有助于学者和实践者洞察人机协同决策过去和现在的研究,同时为未来研究寻找新的线索提供坚实的基础。

人机协同教学:动因、本质与挑战

人机协同教学是教育创新变革的必然趋势,也是教育数字化转型的必然途径,对于课堂教学的高质量发展具有重要意义。首先,文章对人机协同教学的本质内涵进行了系统阐述,指出人机协同教学旨在充分发挥教师智慧和机器智能的核心优势,通过教师与机器的协同工作和优势互补,优化课堂教学的中间环节、重构课堂教学的组织模式,超越教师智慧和机器智能的局限性,实现人机协同的教育智慧创生,推动“教师智慧—机器智能—学生智慧”的协同增长和共同进化。其次,文章从基于人机协作的教学过程辅助、基于人机融合的教学决策优化、基于人机共创的教学样态重塑三个层面论述了人机协同教学在实践层面的表征样态。最后,文章从人机协同教学的理论体系建构、技术赋能教学变革的能力、教师的数字化教学胜任力、人与机器的冲突与平衡机制、人机协同教学的成效验证等方面论述了人机协同教学面对的现实挑战及可行建议,以期推动人机协同教学理论和实践研究的长远发展。

人机协同学习:实践逻辑与典型模式

随着教育数字化转型的推进和生成式人工智能技术的发展,人机协同学习成为未来学习的新常态。人机协同学习主要通过学生和机器的分工和有机协同提升学习的效率和效能,促进学生智慧和机器智能的共同增长,实现人机协同的教育智慧创生,完成超越人类智慧和机器智能的复杂任务,促进学生的知识建构、认知发展、思维提升和智慧养成。人机协同学习需要以学习者的智慧增长为核心,重视人和机器之间的博弈与平衡,强化人机角色的辨识与动态调整,加强人与机器自主度的灵活转换。本研究围绕面向知识掌握的“干预—自主”式学习、面向知识建构的“协作—探究”式学习、面向知识创造的“对话—协商”式学习,提出人机协同学习的典型模式,勾勒了人机协同学习的实践样态。未来人机协同学习需要优化智能学习干预的模式与策略,提高学生的自主意识,加强人机协同学习模式的探索,探究人机协同学习的发生机制,以支撑和引领智能时代学习模式的创新发展。

数智时代人机协同的研究现状与未来方向

数智时代因人机协同情境的普遍存在而出现新的决策范式。本专栏旨在促进学者研究与人机协同中的管理决策与组织行为有关的重要问题。尽管在20世纪人工智能的起始阶段学者注意到人与机器共同决策的重要问题,但因人工智能技术在很长时间内没有取得重要突破而没有被继续关注。伴随着人工智能的广泛应用以及认知科学在过去几十年取得的长足进步,学界研究人机协同中的决策和行为问题有了丰富的数据、场景、理论和方法。同时,实践界对于人机协同的新现象还存在认识上的不足和适应性困难,阻碍了企业和组织成员借助数智技术实现智能增强。本文总结了在商业与管理、计算机和心理学领域的学者所从事的有关人们对于机器算法的信任或依赖的研究,特别介绍了在企业情境下开展的人机协同研究。在简要介绍本专栏收录的七篇文章的主要研究发现后,我们指出了未来人机协同研究的重要方向,旨在倡导学界同行开展深入的研究,既能够建立数智化情境下的人机协同理论,又为中国企业顺利实现数智化转型提供参考。

人机协同的大学生个性化教育评价方法研究

大学生个性化培养是实现因材施教人才培养目标的重要内容,而个性化教育的智能化评价是衡量培养质量的有效手段,更是智能技术与教育结合的必然要求。针对传统个性化教育评价中数据采集获取难、评价过程环节多、指标数据粒度粗、实时反馈效果差,难以应对规模化、过程性、全方位、个性化发展评价难题,提出人机协同的大学生个性化教育评价方法。首先明确了人工智能技术赋能个性化教育评价的内容,然后提出了人机共建个性化教育评价指标体系与人机协同实施过程,最后展示了人机协同个性化教育评价的典型案例。人机协同的智能化评价手段,具有全天候、超时长的服务能力,可大幅提升评价的效率与质量,是新时代教育评价改革成功的重要手段,是实现教育评价现代化的有效途径。

综采液压支架中部跟机多模态人机协同控制系统

我国煤矿智能化综采工作面建设处于初级阶段,液压支架电液控自动化技术已广泛应用,但目前液压支架单一固化的自动化控制逻辑难以适应复杂、多变、动态的工作面生产场景,现场实际控制过程仍大多采用自动化+人工干预方式。针对综采工作面复杂场景中液压支架人机交互协作任务需求,提出液压支架中部跟机多模态人机协同控制系统的理论方法与技术原理。首先,设计了人工式、分工式、批准式、否决式4种人机协同模态,以煤层地质、瓦斯粉尘、采煤机速度、液压支架智能水平、系统状态、岗位工技术水平、任务负荷等为判别因素,构建了基于AOG的液压支架人机协同模态选择模型,实现了人工、机器偏好的模态选择。然后,设计了液压支架中部跟机人机协同控制决策机制,提出液压支架中部跟机再次调控策略AI推理技术思路,利用现场数据学习人工操作经验,分别构建了液压支架是否再次调控决策树分类模型和再次拉架时间贝叶斯回归模型,基于上述模型开发了液压支架人机协同控制决策程序,实现了基于多模态与或推理和再次调控策略AI推理的液压支架人机协同控制。最后,采用云-边-端架构软硬件技术,开发了液压支架多模态人机协同控制系统,实现了模型进化、运算推理、程序执行等液压支架多模态人机协同控制功能。该系统在沙曲二矿3404工作面进行了工业试运行,相比于系统使用前,该工作面液压支架中部跟机效率平均提高2%。

人机协同:体育赛事裁判模式的转型与建构

作为主流体育赛事裁判模式的机器辅助裁判模式,受限于对体育赛事流畅性的追求,在实现体育赛事裁判的价值方面产生以下困境:在事实层面动摇公正性价值;在机器运算过程中破坏公开性价值;在运动员权利保障方面损害公平性价值。基于人工智能的技术能力,在人机协同裁判模式下,体育赛事流畅性与裁判价值的矛盾可以得到化解。为建立人机协同裁判模式,建议:承认人工智能具有裁判资格,使其享有独立作出判罚的权力;改进算法决策的内在缺陷,抵御算法决策的外在干扰;通过区分事实性判罚与非事实性判罚,在事实性判罚中改变机器设备的辅助定位,构建类似于“两审终审暨审判监督制度”的人机协同裁判模式。

考虑人机信任匹配的人机协同控制策略

人机互信水平是影响人机协同系统表现的关键因素之一。提出了一种考虑人机信任匹配的主从博弈协同控制策略。建立评估驾驶人和机器相互信任程度的方法,在此基础上根据人机信任匹配程度进行协同驾驶中的权重分配;采用模型预测控制框架并结合主从博弈进行最优化求解,得出最优的协同控制策略;通过驾驶人在环实验,验证了所提出的协同控制策略的有效性。结果表明,对于不同信任匹配程度的驾驶人,所提出的策略使得驾驶人路径跟踪精度平均提高了70.91%,驾驶负担平均降低了44.03%。所提出的策略能提升车辆的驾驶表现,减轻驾驶人操作负担。

工业数字化、人机协同与工业绿色发展效率提升

在“碳达峰、碳中和”背景下,如何将数据要素与传统工业有效融合以实现工业绿色转型,成为亟待解决的重要问题。基于2010—2020年全国30个省(市)的面板数据,分析工业数字化对工业绿色发展效率的影响及机制,并从人机协同视角探讨两者之间的非线性效应,可以得出以下结论:工业数字化能有效推动工业绿色发展,并且通过加快绿色技术创新和提高能源使用效率的渠道,间接推动工业绿色发展效率的提升。同时,考察人机协同度对工业数字化与工业绿色化转型的关系所发挥的门槛效应,可以发现人机协同度越高,工业数字化对工业绿色发展效率的提升作用越强。这个研究结论有助于揭示工业领域“数字化—人机协同—绿色转型”三元互联“黑箱”,为相关部门运用数字技术推动工业绿色发展提供参考与借鉴。

研究生人机协同教学设计实践及效果研究

教学设计能力是教师需要具备的最核心能力之一,高校在培养未来教师教学设计能力的过程中仍存在教师反馈不足与缺乏个性化指导等问题。以ChatGPT为代表的生成式人工智能(GAI)为教师教育工作提供了全新的机遇和挑战。研究尝试探究GAI支持的高校科学与技术教育专业研究生人机协同教学设计的可能性和效果。39名选修了“科学与技术教育教学设计与实施”课程的研究生在课堂围绕科技教育主题开展人机协同教学设计实践,在GAI的辅助下完成了对初始教学设计的完善,之后基于师生反馈又对第二个版本的教学设计进行了优化。研究发现,三个版本的教学设计作品质量存在显著差异,GAI的辅助以及师生反馈对研究生教学设计作品质量提升有积极影响;在人机协同过程中,研究生会反思GAI给出的反馈,倾向与GAI进行多轮交互来获取有效的反馈;教师、同伴以及GAI在协同教学设计过程中扮演不同的角色,彼此有互补;大多数研究生希望未来还可以使用GAI辅助教学设计。基于已有发现,本研究提出三点建议:人机协同教学设计过程中应加强师生反馈对提升作品质量的作用;教师可以引导学生与GAI开展高质量对话;鼓励学生规范使用GAI。

车辆与无人机协同配送路径规划问题研究进展

随着民用无人机技术的不断发展,无人机速度快、通行能力强等优势更加凸显。且无人机已经被一些企业应用到了物流配送当中。最近,一种车辆与无人机协同进行配送的模式在物流运输领域得到了广泛关注,国内外的学者针对车辆与无人机协同配送路径规划问题进行了大量的研究。首先,本文从优化目标以及约束两个方面对车辆与无人机协同配送路径规划模型进行了梳理。然后,对现有的车辆与无人机协同配送路径规划算法进行了分类总结。最后,探讨了车辆与无人机协同配送路径规划问题相关的研究热点与方向。

资金管理决策的人机协同模式与关键技术应用研究

财务共享模式的实施及智能技术的大量应用使资金管理决策人机协同方式发生了较大转变。文章首先在回顾财务领域人机协同发展阶段的基础上,提出人机协同决策模式的三种类型,即循环交互的迭代决策模式、机器主导的自动化决策模式和人工主导的经验化决策模式;然后总结财务共享模式下资金管理在战略财务、共享财务和业务财务三个层面的13个决策点,指出与每个决策点匹配的人机协同决策模式,探讨每个决策点人机协同过程中关键技术的应用;最后选取战略财务中确立销售利润目标决策,具体展示人机协同决策实施过程的关键技术的应用方式和决策的实施流程。研究结论有利于提升资金管理决策的人机协同水平,同时也为推进智能财务方案的全面落地实施提供借鉴。

智能群体多维感知机器人支持的人机协同研学教学模式--以“孔子”大语言模型会话机器人的研发与教学为例

在大语言模型教育应用中,人机会话反馈形式单一问题一直未得到较好解决,这严重影响了学生的高阶思维能力培养。开发具有智能群体多维感知能力的会话机器人,是解决这一问题的重要途径。为此,研究者以群体感知、同伴反馈和研究性学习理论为基础,利用文心一言、飞书开发平台和学习分析等技术,开发了智能群体多维感知会话机器人“孔子”,构建了人机协同研学教学模式。教学实验以“现代教育技术应用”课程为教学内容,采用准实验研究设计,邀请数学专业学生参与实验。结果表明,与直接使用文心一言的教学相比,人机协同研学教学模式能显著提升学生的问题解决能力、批判性思维能力、创新能力和外在学习动机,但对学习绩效、内在动机和协作学习能力效果欠佳。为了提高教学效果,研究者需提高多维感知评价精准性、感知维度全面性、情境学习多样性和教师教学技能。

基于人机协同的线上线下混合式教学实证研究

人与智能设备的协同工作模式将会成为未来教育发展的重点,改变现有的传统教学模式。本文从我国的人机协同混合式教学的现状入手,以《网络攻防》课程教学为例,从课前、课中、课后三个阶段,“学-验-训-思”四个方面构建了人机协同的线上线下教学模式,并在2020级信息安全专业的学生中开展了为期一学期的课堂教学实践,取得了优良的教学效果。

人机协同:传统记者与新闻机器人的共存路径

新闻机器人被广泛应用到新闻业中,它的高效、智能等特征使传统记者面临职业道德和职业生存层面的问题。为了缓和新闻机器人与传统记者间的冲突,推动新闻业健康发展,必须厘清两者的职责分属,以人为本,构建共通的媒体社会责任体系;以技为策,提高新闻机器人的智能性;以融为基,建立人机共存互促的生产流程,从而实现人机协同发展。

AI时代人机协同,共创个性化教育环境

当前人工智能与教育深度融合成为新的教育生态。在AI的辅助下,教师的角色也在发生转变。教师不仅仅是知识的传递者,更是学习过程的引导者、设计者和情感的陪伴者。AI技术为教师提供了更多的时间和精力,技术的革新便于教师随时关注学生的个性化需求和情感发展,人工智能也逐渐成为课堂教学结构的第五要素。

人机协同装配多目标检测的改进YOLOv7算法

针对人机协同装配环境复杂多变且装配零件尺度差异大、部分零件相似度高的特征,为保证人机协作装配过程中机器人准确抓取装配零件,提出了一种改进的YOLOv7模型来提高装配场景中多零件目标检测效果。首先,采用ODConv(Omni-dimensional dynamic convolution)替换YOLOv7主干网络中的卷积层,使其能够自适应调整卷积核的权值,提取不同形状、大小的装配零件的特征。其次,在YOLOv7主干网络中引入SimAM(Selective image attention mechanism)模块来减轻复杂多变的装配环境背景对零件检测准确率的影响。最后,使用Efficient-IOU替换原始的CompleteIOU来加速收敛,同时降低部分装配零件相似度高对检测准确率的影响。实验结果表明,该模型的平均准确率为93.4%,改进后的网络优于原始网络和其他目标检测算法。所提出的改进YOLOv7算法在保持高精度的同时具有较高的FPS,模型参数和计算量也相对较低,适合动态人机协同装配场景下实时目标检测要求。

大学生学习状态监控指标体系及其人机协同监控策略研究

随着人工智能、物联网、大数据等技术的快速发展及其在教育领域的深度应用,教学过程逐渐走向智能化、精准化和个性化。学习状态人机协同监控指教师和智能机器分工协同,共同完成学习状态多模态数据的采集与处理,精准识别学生的个性化学习需求,为教师精准教学与学生个性化学习提供数据支持。通过构建由4个一级指标、11个二级指标和42个三级指标构成的大学生学习状态监控指标体系,并结合该指标体系提出了人机协同监控策略,可以有效解决大学生学习状态监控什么与如何监控的问题。

与机器共鸣:人机协同设计的发展与挑战

在人工智能时代,机器已经不再仅仅是执行任务的工具,逐渐涉足人类创造性的领域,其中包括极富创意的艺术设计。本文首先梳理了机器参与艺术设计的模仿、助理、创造三个阶段。之后分析了人工智能参与艺术设计的现状,通过监督学习和无监督学习产生丰富的视觉内容,同时也分析了人工智能设计的不可控性、缺少创新以及偏见与平均化的局限。最后提出了人机协同设计的发展趋势,包括建立智能设计标准、建立高质量训练样本、增加多种人机交流方式,以及平衡人机之间的权责关系。