长期合作学习小组中的集体智慧及其影响因素研究

合作学习是应对信息时代学习困境的有效途径。研究一探索了合作学习群体中是否存在集体智慧,研究二比较了互动小组和名义小组在创新观点产生任务中的表现,研究三考察了合作学习小组在群体决策中的表现及其成员的观点和主观自信的影响。研究表明:在长期合作学习小组的多重任务表现中存在代表群体整体一般能力的C因素,即存在集体智慧;在创新观点的产生中,社会影响不利于集体智慧发挥作用;在困难问题解决的判断与决策中,集体智慧发挥的作用更明显,较不会受到个别成员的主观自信、实力和多数人意见左右。建议在合作学习等群体活动中通过策略选择和规则设置促进集体智慧发挥作用。

基于网络的大规模协作学习研究

借助于开放、平等的互联网环境,大规模协作促使不同领域、不同层面、不同地点、不同时间的学习者参与知识分享与共建,这一思想已经在企业、经济、管理等领域产生了重要影响,在学习领域也产生了重要的影响。在与计算机支持的协作学习和虚拟学习社区进行对比的基础上,提出了基于网络的大规模协作学习——通过大量群体协作共同完成学习目标,促进集体知识建构,从而形成以集体共识为基础的社会认知网络的学习形式。大规模协作学习有三大核心特征:组织形式呈现集体学习的特点,从个体知识建构到集体知识建构发展,从知识内容构建到社会认知网络构建。

在线教与学集体智慧的有效利用:学习分析的视角与架构

在各类在线学习平台或社会性学习工具的支持下,越来越多的个体学习活动被有效组织和连接起来,共同创造出一种名为集体智慧的新知识。集体智慧由个体行为以显性或隐性的方式汇聚而成,体现为一种共同的认知或行为的状态或趋势,并在社会情境下整体输出,发挥成效。这种知识被证实在解决复杂问题上要优于专家智慧。为了探讨如何利用学习分析技术促进集体智慧的获取与应用,进而有效支持在线教与学的教学决策,本研究在梳理现有学习分析模型操作要素的基础上,从目标确定、数据收集、分析过程和结果应用四方面提出了相应的理论框架。集体智慧的学习分析目标可以依据教师和学生的兴趣和关注点加以确立,数据分析可分为社会网络分析、话语分析、内容分析、性格分析和情境分析五大类,具体操作时还可从时间维度再细分为过去、现在和未来三种,相应的服务也可划分为信息级和洞悉级两个层次,但都应考虑分析结果呈现的方式以及应用策略。本研究最后通过应用案例对所提框架加以诠释,并讨论了未来需要开展的工作,包括定义各种服务于不同分析目标的OIM关系链、设计和开发解读和应用相关分析结果的工具、开展试验研究加以验证等。

社会性群体协作学习环境中的认知聚合研究

首先提出社会性群体协作学习和知识共享(SGCL)系统构想,介绍了SGCL系统的框架及需要研究的五个子任务,重点介绍群体认知聚合研究。又提出群体聚合中的节点聚合、关系聚合及用户声望计算模型,然后针对这些模型进行实验验证,一是利用互联网上的分类目录生成个体认知,模拟用户行为,进行聚合,然后与原分类目录进行对比;二是利用Repast多主体建模工具,对系统进行建模仿真。实验结果证明聚合模型与算法符合系统目标的结论。

大数据环境下面向社会招生人员学习资源采集与智能推送策略研究

随着信息技术与智慧教育的深度融合,利用大数据及人工智能等数据采集及结构化手段构建一个适应社会学生学习的“一标准一体系三系统”的数字化学习资源平台,并采用“机器智能推荐+人工推荐”相结的智能推荐策略,有针对性地将学习资源主动、及时推送给学生,助其顺利完成学业,提高学校人才培养质量。

基于场景生态的人工智能社会影响整合分析框架

人工智能的社会影响与治理已经成为全球一项重要的研究议题。在学术界、政治领导人和行政部门的通力协作下,我国率先启动了旨在对人工智能社会影响进行科学循证分析的人工智能社会实验工作。针对当前研究者与实践者在人工智能社会实验场景选择和数据采集上的争议与困惑,从人工智能现实应用场景的讨论与界定入手,在对2905篇中英文文献涉及的应用场景与影响进行梳理的基础上,选取微观层面技术与人的互动,中观层面行业与组织变革,宏观层面制度变迁与政策回应三个维度,构建现实场景生态下的人工智能社会影响整合分析框架,从科学测量的角度,确立人工智能技术应用给个人、组织、社会带来的综合性影响的数据采集与评价体系,为保障人工智能社会实验工作顺利推进并取得预期成效提供参考。