大数据支撑的区域教师智能研修模型及应用研究

应用人工智能、大数据等新型信息技术创新教师研修模式和方法,有助于优化教师知识结构,助推教师专业发展。本研究面向区域教育,结合实践需求,研究构建大数据支撑的区域教师智能研修模型,并在理论模型基础上,提出区域教师智能研修中心的系统化建设路径,以及教师开展研修应用的方案,对实现人工智能与教师研修的融合,赋能教师专业发展、推动教师队伍建设,缩小城乡差距和大幅度提高教师教育教学水平起着至关重要的作用。

知识引导智能教育评价:内涵、机制与路径

当前新一代信息技术迅猛发展,人工智能已成为变革教育评价的重要力量。人工智能赋能教育评价可以提升智能教育评价的可信度与有效性,实现教育评价规模化与个性化的统一。智能教育评价依赖于教育知识与教育评价知识的归纳与表征,具有教育专家评价知识引导的特质。在知识引导智能教育评价中,教育评价知识标准与规范形成筛选机制,引导智能教育评价的数据感知与融合;教育评价知识刻度与分级标准形成匹配机制,引导智能评价模型选择与参数控制;教育评价知识的目标与关联形成反馈机制,引导评价结果的知识建构,生成新的可信评价知识。通过人机协同形成粗粒度专家知识与细粒度数据相结合的教育评价指标体系,进而构建知识引导数据筛选与模型选择机制和知识约束的神经网络模型参数控制机制是实现这一新型教育评价的重要路径。

论教育研究计算主义的方法进路、困境与突围

随着大数据涌现和人工智能技术演进,计算主义思潮蔓延并推动教育研究范式数字化转型与系统性变革。在教育研究对实践性导向、跨学科特性与精准性、科学化的追求中,教育研究计算主义应运而生。教育研究计算主义已形成以数据计算、教学实证、因果实验为代表的三大方法进路,但仍面临数据获取桎梏、算法决策黑箱、问题表征抽象、主体价值异化等困境。据此,教育研究计算主义范式的内涵式发展包括坚持以人为本的教育发展观、构建教育研究计算主义理论体系、确立计算教育研究方法论。