基于生成式人工智能技术的对话机器人能促进在线协作学习绩效吗?

近年来,人工智能技术迅猛发展,对教育教学产生了巨大的冲击和影响,最引人注目的是基于生成式人工智能技术的对话机器人的兴起。为进一步提高在线协作学习绩效,研究旨在检验基于生成式人工智能技术的对话机器人对在线协作学习绩效、批判性思维意识及其知识激活量和贡献度的影响。研究邀请大学生参与在线协作学习,综合采用定量和定性相结合的研究方法,深度分析对话机器人的影响。研究结果表明,基于生成式人工智能技术的对话机器人不仅在其知识激活量、贡献度方面明显优于传统媒体,而且也能够显著提升在线协作学习绩效和批判性思维意识。文章深入分析和讨论了研究结果,并提出若干启示和建议。

基于迭代协作学习框架的信誉医学参与方选择

联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与方,协作学习中全局模型的性能在很大程度上取决于参与方的选择.然而,现有研究在选择参与方时都没有对不同机构医疗数据中存在的异质性加以直接关注.导致包含稳定性在内的全局模型的性能难以得到保障.提出了从信誉的角度尝试探索求解该问题.以迭代协作学习的方式尽可能挑选出具有良好信誉的参与方进行协作学习,以获得稳定可靠的高性能全局模型.首先,提出了一个描述医疗机构数据质量的AI信誉值指标AMP(AI medical promise),以帮助其在医疗领域中形成良好的AI生态.其次,建立了一个基于后向选择的迭代协作学习(colback-learning)框架.在单次协作学习任务中,利用后向选择方法以多项式时间复杂度迭代计算出性能良好且稳定的全局模型,完成AMP计算和积累.在AMP信誉值计算中,制定了一个综合考虑全局性能指标的评分函数,以针对医疗领域更有效地指导全局模型的训练.最后,使用真实医疗数据模拟多样化的协作学习场景.实验表明,colback-learning能够选择可靠参与方训练得到性能良好的全局模型,模型的性能稳定性比现有最好的参与方选择方法提高了1.3~6倍.全局模型的可解释性与集中式学习保持了较高的一致性.

“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。

智慧课堂协作学习设计新范式:具身设计、群体感知与共享调节

协作学习是一个以学生群体为核心的相互沟通、共同探讨、协作解决问题并完成任务的过程,因此对协作学习过程的设计应该由传统的以“教”为主导的“教学设计”转为以“学”为核心的“学习设计”。文章从具身设计、群体感知和共享调节三个方面提出智慧课堂协作学习设计的新范式,并应用到教学实践中检验其效果。研究表明,基于“具身设计、群体感知、共享调节”的协作学习设计能提升学生的学习效果和高阶思维能力,还能提升学生协作学习的积极性。同时实践发现,协作学习具身体验环境的建设需要多方力量广泛参与;协作学习群体感知需要泛在化的学习分析技术的支持;协作学习共享调节过程需要进一步挖掘其内在机制。

基于社会认知网络分析的学习者协作问题解决能力发展研究

协作问题解决能力是21世纪数字公民应具备的核心能力之一,但目前尚且缺乏对学习者协作问题解决能力动态发展过程的探讨,需要融合多元方法提供更细粒度的分析。以学习者在教学初期、中期、后期三个时期的在线协作会话数据为分析样本,运用认知网络分析发现,学习者协作问题解决能力呈现出由低水平向高水平发展的过程;通过社会网络分析发现,参与者呈现出网络核心和边缘两种社会角色,且社会角色随时间会动态改变;社会认知网络分析结果显示,不同社会角色学习者的协作问题解决能力发展过程具有显著差异。基于研究结果,从在线协作环境、课堂教学策略以及教师专业发展三个方面给出建议。

项目式多粒度协作学习模型促进工程教育中高阶认知参与的实证研究

认知参与是协作学习中小组表现的一个重要指标。本研究提出了一种项目式多粒度协作学习模型,将项目式学习与多粒度协作学习策略结合起来,以提高工程教育中设计类课程的认知参与和学习绩效。为了验证模型的有效性,从一门工程设计类课程中采集了学习者进行数据库系统设计时的协作会话数据。数据分析显示,在基于项目式多粒度协作学习模型的小组合作过程中,学习者的高阶认知参与被不断提升。其中,反思活动可以极大地提高学习者的高阶认知参与。此外,个体准备和同伴评估中的高阶认知参与可以极大地提高协作中的小组表现。这些发现对协作学习活动的组织具有参考价值。项目式多粒度协作学习策略可以提升工程设计类课程中学习者的高阶认知参与和小组绩效。教师应重点关注个体准备和同伴评估活动,激发学习者在这两类活动中的高阶认知参与,这可以帮助学习者在小组协作中取得更大的进步。

共生理论视域下在线协作学习机制与互动模式分析

知识经济时代,在线协作学习凭借时空跨域性、主体自主性和资源共享性等特点,已成为常态化学习方式。现有研究发现,在线协作学习互动模式对学习成效有正向影响,并成为提升在线学习效果的关键所在,但是交互模式及其过程仍需深入探讨。为此,基于共生理论对在线协作学习机制进行全面剖析,分析了寄生共生、偏利共生、非对称性互惠共生以及对称性互惠共生四种在线协作学习互动模式。随后,运用滞后序列分析法和相关分析开展了在线协作学习互动模式过程与影响因素探究。结果显示,在线协作学习中存在不同类型的共生模式,不同共生模式内部作用路径存在差异,同时学习媒体与行为对共生模式具有重要影响。

基于深度学习的协作学习投入分析方法研究

协作学习投入的自动分析是动态追踪协作学习过程、提升协作学习效果的重要手段。现有研究大多使用浅层机器学习分析个体学习投入,较少关注协作学习投入,并且存在准确度受限且泛化能力较差等问题。为了解决相应问题,首先,研究提出以BERT-BiLSTM深度学习模型为核心的协作学习投入自动分析方法,包括收集数据、建立数据库、建立训练集、构建深度学习模型、检验模型效果、批量识别数据以及统计分析等流程。其次,研究应用该方法分析了某高校数学建模活动中20个小组的协作学习投入,验证了方法的有效性,并进一步探索了高低成就小组协作学习投入的差异以及动态变化特点。研究突破了传统学习投入自动检测方法在准确性和泛化能力上的局限性,将学习投入的自动分析对象从个体拓展到了小组,并揭示了协作学习投入的时序变化特征及其与协作成效的复杂联系,为未来实时监测及干预协作学习提供了重要支持,进一步推动了该研究领域的理论与实践发展。

基于区块链的工业物联网隐私保护协作学习系统

为了在保护数据隐私的前提下,充分利用异构的工业物联网节点数据训练高精度模型,提出了一种基于区块链的隐私保护两阶段协作学习系统。首先,使用分组联邦学习框架,根据参与节点的算力将其划分为不同组,每组通过联邦学习训练一个适合其算力的全局模型;其次,引入分割学习,使节点能够与移动边缘计算服务器协作训练更大规模的模型,并采用差分隐私技术进一步保护数据隐私,将训练好的模型存储在区块链上,通过区块链的共识算法进一步防止恶意节点的攻击,保护模型安全;最后,为了结合多个异构全局模型的优点并进一步提高模型精度,使用每个全局模型的特征提取器从用户数据中提取特征,并将这些特征用作训练集训练更高精度的复杂模型。实验结果表明,该系统在Fashion-MNIST和CIFAR-10数据集上的性能优于传统联邦学习的性能,能够应用于工业物联网场景中以获得高精度模型。

基于概率信息与协作学习的鲁棒T-S模糊建模方法

T-S模糊建模方法在非线性系统建模中取得了大量的应用.然而,T-S模型在参数辨识过程中忽略了结构风险项,同时没有考虑各个规则之间的联系,因此在数据受到非高斯噪声和异常点的影响时,模型容易失效.针对以上不足,提出了基于概率信息与协作学习的模糊建模方法.该方法建立了规则之间协作学习机制以保证模型的连续性、平滑性与鲁棒性,并进一步构建了包含正则化项、误差项、规则概率信息及规则之间协作关系项的目标函数,用于提高模型的泛化能力和建模性能.除此之外,建立了空间投影机制,将数据低维特征空间的非线性关系转换为高维投影空间的线性关系,以增强规则之间的协作性.针对该模型,建立了基于最小二乘的求解方法,获得了可靠的模型参数.数学算例仿真和实际锻压实验表明:所提出的方法在面对噪声以及强非线性影响时,依然能在规则数较低的情况下保持优秀的建模性能.对比其他优秀的模糊建模方法,该模型有着更强的抗干扰能力,且建模均方根误差(RMSE)远低于其他建模方法.综上所述,所提出的方法对传统方法和建模理论进行了改进,即使面对强非线性系统拥有较强的泛化能力、鲁棒性以及优秀的建模能力,并且能够以较少的模糊规则对工程当中非线性、不确定性系统建模.

联通主义学习情境下何以实现高质量的协作问题解决——基于定性比较分析的cMOOC案例研究

在开放网络环境中,小组特征、教学干预等作为影响协作学习效果的重要因素,已引起教育研究者与实践者的广泛关注,但多因素组合对小组协作问题解决的作用机制仍有待深入探究。联通主义学习是开放网络环境下的新型学习方式,是探究知识协作与创新的重要领域。以小组内部的成员类型、学习动机、在线学习技能以及小组外部的促进者学习支持和教师指导反馈作为前因条件,小组协作表现和互动水平作为结果变量,探讨联通主义学习情境下内部小组特征和外部教学干预对小组协作问题解决的影响发现:(1)高质量在线协作问题解决是小组特征和教学干预等多维度因素组合作用的结果;(2)具有高在线学习技能与内在动机等特质的小组在协作问题解决中更易成功;(3)小组成员类型以及促进者学习支持在协作问题解决中主要起辅助性作用;(4)教师指导反馈在促进协作问题解决时比一般性的督促提醒、资源共享等学习支持更有效;(5)小组特质在协作中发挥着重要作用,但某些小组特质的缺失可由学习支持或教师指导进行补偿。该结果启示应融入复杂系统视角认识和评价网络环境下的群体协作活动,基于不同协作目标合理组织与调整协作群体结构,根据学习群体特质灵活提供学习支持与指导反馈。

在线协作学习模式下角色脚本对学生认知投入的影响研究

通过脚本支持提升学习者的认知参与,是当前在线协作学习的核心研究领域。本研究通过S校教育技术学专业课程的在线学习开展实证研究,学习者根据提供的角色脚本,结合相关辅助资源进行在线讨论。对在线讨论产生的数据基于ICAP认知投入分类框架进行编码,并通过滞后序列分析法对学习者的学习行为序列进行分析。结果表明:学习者的认知投入主要为主动层次,建构和交互层次较少,以总结为中介的典型行为序列表明角色脚本的使用对学习者的认知投入有正向影响,但取决于学习者自身对角色脚本的理解程度。大多数学习者处于独立自循环学习阶段,但总体形成了以总结为中心节点的一条联通路径。

项目式协作学习环境中的情感感知影响因素研究

目前,项目式协作学习走向常态。已有众多研究者通过实践证实了项目式协作学习适用于课堂教学,但对项目式协作学习中的情感因素尚缺乏具体的理论研究。本研究基于学业情绪和控制-价值理论,依托南京某高校“UI及交互设计”的项目式协作学习课程,结合问卷考察团队成员的情感感知状况,探究学习者在项目式协作学习中的情感感知影响因素。研究发现:(1)在项目式协作学习过程中,学生的情感感知状态表现为积极情感状态;(2)情感投入因素为项目式协作学习过程中情感感知的主要影响因素,情感投入对积极情感有显著正向影响。本研究从协作学习活动设计、学习者积极情感促进策略、教师支持三个维度提出建议,以期为项目式协作学习模式创新提供参考,为提高学习者的情感投入提供培养路径。

基于协作编程多模态数据的学习投入可视化及关联分析——理解行为、认知、社会、情感的交互关系及对学习的影响

基于多模态数据可视化展示和关联来分析学生的协作学习投入水平,可有效对协作学习实施精准评价。为探究协作小组结构对学习投入的影响机理,研究梳理了多模态协作学习投入研究的分析框架,构建了涵盖学生行为、认知、社会、情感四要素的协作投入分析模型和编码方案,并基于这一编码框架,采集H高校66名学生参与小组协作编程学习的交互音视频、编码录屏、代码文本等多模态数据,再使用Nvivo进行编码和分析。研究进一步借助R语言可视化工具直观展示不同结构特征的协作小组在学习投入水平和学习成绩上的差异,并采用皮尔逊相关分析方法探究各协作学习投入维度的复杂内在联系及其对学习成绩的影响。研究表明:开展协作学习评价、实施精准干预以及促进知识建构提供科学依据。对这一问题的探讨可为多元视角探索协作学习投入提供参考。

基于扩展FC知识图的协作学习支架设计与应用研究——以问题解决类协作学习为例

问题解决类协作学习是教育改革中应用较为广泛的一种教学方式,但实践效果并不理想。提供学习支架是解决协作学习效果欠佳的有效手段之一。但以往研究多是教师凭个人经验为学生提供协作学习所需资源或工具作为学习支架,较少考虑支架设计步骤间的数据依赖关系,难以回答支架内容设计是否合理、支架位置是否准确、对问题探究过程是否有益、还需进行哪些优化等细节问题。为此,研究倡导利用扩展FC知识图呈现问题解决过程中学生可能出现的思维卡点、思维错路、易遗忘与混淆知识等信息作为学习支架设计的依据,提出了基于扩展FC知识图的问题解决类协作学习支架设计原型,详细阐述了学习支架设计的具体流程与方法。此外,研究还据此进行了个案研究,分析了支架的启用率及其对协作学习的交互效果、言语交互水平、知识点激活范围和行为转换的影响,证明了该原型的可行性与有效性。研究指出:支架内容量与表述方式是优化学习支架的两个重要维度,学习支架的启用并非越频繁越好,中等程度的支架启用率更利于协作学习的开展和学生独立思考、问题解决能力的培养。

基于关键角色互动特征识别的协作学习预警研究

动态监督并精准干预协作角色的功能表现和群体协调问题,有助于提升协作学习的互动质量与效率。文章旨在通过挖掘协作学习中个体和群体层级角色互动特征对学习成效的影响路径来设计协作学习预警机制。以科学协作探究为研究情境,文章提出了融合时序和能级信息的个体和群体双层级角色互动特征计算方法,并运用多层线性模型识别出对学习成效有显著直接效应和调节效应的关键角色互动特征。研究发现:个体层级的四种关键互动特征中角色转换频数、角色维持时长均值、角色能级均值对学习成效具有正向影响,角色能级变化系数对学习成效具有负向影响;群体层级的三种关键互动特征策略转换频数、策略能级变化系数、策略能级方差对部分个体层级互动特征的效应有调节作用。最后,文章设计了基于上述关键角色互动特征的协作学习预警机制,并提出角色感知、角色建议、角色配置三种不同强制程度的教学干预策略。

混合式协作学习促进批判性思维发展实证研究

提升学生的批判性思维水平是培育创新型人才、推进教育强国建设的重要任务。混合式教学情境下的协作学习支持协同问题解决与知识建构,是教育数字化转型背景下培育高阶思维的常用方式。本研究基于混合式协作学习,在理论层面设计“建立知识联系—定位重点问题—设计解决方案—基于证据评论—协同意义建构”的学习活动流程,联通“学习空间支撑层—协作活动中介层—思维发展目标层”,面向问题解决发展批判性思维;在实践层面开展为期三个月三个单元共三轮的混合式学习实验,对学生互动文本进行编码并采用认知网络分析和滞后序列分析,探索学生批判性思维发展轨迹并进行行为描画。本研究得出如下结论:混合式协作学习可以有效促进批判性思维的发展,促进学生批判性思维行为有序灵活地切换,协作学习进阶中蕴含了批判性思维发展的路径。

基于问题和挑战改进在线协作学习

在线协作学习是一种通过数字工具和在线资源促进学生之间互动与合作的学习模式。这种学习模式强调利用网络环境下的多种通信工具和协作平台,如视频会议、讨论板和社交媒体等,来实现知识的共享,以在线讨论与协作的方式解决问题。深入分析在线协作学习面临的学生技能差异、沟通障碍和学习动机等方面的问题和挑战,提出增进数字技能和在线学习准备、优化在线沟通和互动方式以及增强学习动机和自主管理能力的改进策略。

协作学习与问题解决能力培养在电工电子教学中的应用

在电工电子教育领域,协作学习和问题解决能力的重要性不容忽视,学生掌握专业知识的同时,还需培养团队协作、沟通、创新和解决问题的关键技能。该文阐述了协作学习和问题解决能力在电工电子教学中的应用,总结了协作学习和问题解决能力在电工电子教育领域中发挥的作用,为教育改革提供了一定的建议和政策启示,以提高电工电子教育中的教学质量,培养更具竞争力的毕业生,向社会输送优秀技能人才。

基于SPOC的协作学习能力培养在电工电子教学中的应用

通过分析SPOC在电工电子教学中的应用原则,构建基于SPOC协作学习模式,并将线上和线下协作学习模式用于电工电子教学。对学生能力培养效果表明,该教学模式可以促进学生之间的合作学习,提高其问题解决能力和团队协作技能。此外,SPOC还可以提供个性化的学习支持,帮助学生更好地理解和掌握电工电子知识。研究结果可以为学生、教师和高校的教学改革带来更多发展思路与理论指导。