物理空间中的智能学伴系统:感知数据驱动的学习分析技术——访柏林洪堡大学教育技术专家Niels Pinkwart教授

在"人—技"协同进化的教育发展趋势下,物理空间中的学习支持服务将面临深刻变革。近年来,随着大数据与可穿戴技术的涌现,面向物理空间的学习分析技术已应运而生,其中一个研究趋势是利用传感器技术探察个体学习状态,并基于感知数据构建以学习者为中心的自适应与自主化学习环境。国际上,教育技术领域的相关专家学者已开始重点布局此项研究,致力于提供个性化学习反馈、推荐和干预等服务以创设移动式的智能学伴系统。如何获取学习者生理数据、合理利用这些数据、推测其学习状态(情绪、认知、注意力等)以及基于这些数据能为学习者提供哪些学习服务已成为研究者面临的现实问题。基于传感器的自适应学习分析(Leaning Analytics for Sensor-based Adaptive Learning,LISA)是由德国联邦教育与研究部资助的一个校企联合研发项目,旨在通过传感器感知个体在物理空间内的学习状态以支持自适应学习和提高学生学习体验,其核心是构建"移动学习同伴"以帮助学习者开展学习反思和协助教师实时监控。该项目的背景和意义是什么?智能学伴系统能感知哪些信息?提供哪些学习服务?如何评估其效果?未来的趋势和存在的问题是什么?带着这些问题,我们对该项目的主要负责人Niels Pinkwart教授进行专访。Niels Pinkwart教授是教育技术领域的国际知名学者,目前担任德国柏林洪堡大学的(Humboldt University of Berlin)计算机科学研究院副主任,洪堡大学职业教育学院的"技术增强学习"(Technology Enhanced Learning)研究中心和"计算机科学教育/计算机科学与社会"(Computer Science Education/Computer Science and Society)实验室主任,德国计算机学会学习分析与e-learning工作组的联席主席。他的研究方向包括:学习分析、自适应学习技术、计算机支持的协作学习与多模态人机交互系统。他发表论文超过220篇,总引用次数已超过2360次,并一直担任《国际教育人工智能》(International Journal of Artificial Intelligence in Education,IJAIED)期刊编委、"智能导学系统"(International Conference on Intelligent Tutoring Systems,ITS)、"IEEE先进学习技术"(IEEE International Conference on Advanced Learning Technologies,ICALT)、"学习分析与知识"(International Conference on Learning Analytics&Knowledge,LAK)等知名国际会议的程序委员会委员。近年来,Pinkwart教授的团队专注于采用多学科(计算机科学、认知科学以及学习科学)交叉的方法开展学习系统设计与学生互动学习的实证研究,现已主持多项德国国家科学基金(DFG)、联邦教育与研究部(BMBF)及工业界智能导学与人机交互联合研发项目,他领导的"智能导学系统中的学习反馈"(Learning Feedback in Intelligent Tutoring Systems,FIT)项目入选了DFG在研究方向"人工系统中的学习方法"上的优先资助计划,并授予8年的持续资助。

人机交互技术在孤独症谱系障碍儿童教育干预中的应用

孤独症谱系障碍发病率不断攀升,成为亟待解决的社会问题,但缺乏有效的治疗药物和方法,教育干预训练是儿童孤独症康复的最佳手段。研究表明,基于人机交互技术的教育干预是实现孤独症儿童康复的可行新途径。虚拟现实、增强现实、多媒体、智能机器人与自然人机交互等技术在孤独症儿童教育干预中的相关应用研究已取得重要进展,但也面临一些问题,发展一种包含不同孤独症儿童发展轨迹的、适应于不同儿童个体的交互技术干预方法尤为迫切。

教育大数据采集机制与关键技术研究

数据采集是实现教育大数据应用价值潜能的基础,因此对于教育大数据建设与应用至关重要。阐述了教育大数据的采集内容、采集方式、采集手段及标准与规范,并结合当前教育大数据建设与应用中的实际问题,分别从平衡数据共享与隐私保护、驱动数据治理与人才创新、创新采集机制与相关技术3个方面,对教育大数据采集研究提出对策与建议。

教育大数据隐私保护机制与技术研究

随着大数据技术在教育领域应用的不断深入,教育数据采集、分析及共享等环节可能带来的个人隐私安全等潜在风险不容忽视。如何保障教育数据安全,对教育数据进行合理、合规的分析和利用是当前亟须解决的问题。基于教育大数据的特征,重点阐明了教育大数据的隐私内涵,围绕教育数据生命周期内各利益相关方的隐私保护需求,提出了教育大数据隐私保护框架,并针对性地梳理了目前可用于教育领域的隐私保护技术体系,以期为教育大数据各个应用环节提供支撑,推动教育大数据的规范有序发展。

疫情视域下高职院校教师信息素养分析与提升对策——基于203个国家级职业教育专业教学资源库监测运行数据分析

尝试为疫情后各高职院校提升教师信息素养提供解决思路,以高职院校运用203个国家级职业教育专业教学资源库开展在线教学为基础数据,结合调查问卷、调研访谈等方法,综合分析了三种在线教学模式下的高职院校教师信息素养现状,提出推进高职院校教师信息素养提升策略,为新时代我国高职院校大规模扩招后的在线教学模式构建提供有益借鉴。

数据新要素视域下的智能教育:模型、路径和挑战

随着大数据、人工智能、5G、物联网等新一代信息技术的发展和应用,数据作为一种新生产要素,推动智能教育的数字化赋能升级,具有人性化、情境化、集成化和数智驱动等特征。本文通过拓展教育要素的内涵边界,打造“以数据自治演进”的内循环和“以服务主体为中心”的外循环,联合创设了一个集“主体—环境—资源—数据”四位一体的内外双循环系统模型;然后重点围绕健全数据治理和保障数据全周期覆盖、强化数据赋能和优化教学创新、构建教育智能体和服务主体新形态、瞄准人机混合智能和勾画智能教育新图景等,解析“数据+智能教育”发展的多重路径;最后从数据伦理规范、人机互信、多学科交叉和教育均衡发展等方面,阐释“数据+智能教育”面临的多重挑战,以期引起教育管理者、研究者、实践者等对于数据要素视域下智能教育创新发展的思考与共鸣。

基于地图的教育大数据可视分析方法探讨

针对当前教育大数据的管理与分析缺乏基于地图的应用模式,且可视化展示与支持决策分离,不同用户缺乏统一资源入口平台的问题,文章在分析基于地图的教育大数据可视分析应用模式与服务模型的基础上,提出了一种基于地图的教育大数据可视分析方法,包括基于地图定位与映射的数据整合、地图时空分布可视化、主题图层叠加与融合分析、基于缓冲区域分析的资源关联分析和基于时序路径分析的智能导学等方法,并讨论了基于地图统一入口的空间检索与资源定位精准服务方法,对教育大数据的信息挖掘、智能应用、精准服务进行了有效探索,并为教育数据相关的获取与处理提供思路。

数据驱动的区域教育质量分析模型与实现路径

大数据和人工智能技术的发展为区域教育质量分析与评价提供了新思路,致力于还原教育系统的全貌,推动区域教育生态的变革。立足于国内教育改革发展的实际需要,分析大数据环境下区域教育质量评价面临的机遇和挑战,通过对国内外教育质量评价项目的研究进展、理论模型、分析方法等方面的整合分析,提出我国教育质量评价的关键在于参照核心素养的要求,制定区域教育质量评价指标体系;构建多元分析模型,揭示区域教育发展规律;着眼于国家教育发展长远规划,探索区域教育质量评价实现路径。从区域教育改革和国家人才培养的现实需要出发,各级各类教育部门应该从区域教育质量评价指标体系的制定、大规模学业质量测评工作的开展、教育过程数据智能采集系统和智能分析模型的构建等方面推进教育质量评价工作的开展,助力于区域教育生态的重构。

增强现实技术在孤独症儿童干预中的应用研究——以词汇认知干预为例

文章旨在探索增强现实技术对改善孤独症儿童词汇认知能力的应用效果。根据皮博迪图片词汇测验修订版的测验结果,文章将28名3~10岁的孤独症儿童随机分为能力得分水平相当的两组:实验组儿童接受基于增强现实技术的教学,对照组儿童则采用传统的图片教学。结果表明,两组的干预都取得了明显的效果,但在词汇指认和词汇命名两个维度上,实验组的儿童表现得更好,这种表现与注意力的增强相关,而且实验组儿童表现出了对教学工具更高的兴趣。初步研究成果表明,增强现实应用是极具潜力的孤独症儿童认知干预材料。

人工智能驱动教育技术发展的中德视角——2019年中德双边研讨会综述

由中德科学中心资助、华中师范大学教育大数据应用技术国家工程实验室承办的GZ1531国际学术研讨会于3月25日至29日在中国武汉华中师范大学召开。研讨会的主题是“人工智能驱动教育技术发展的中德视角”,契合了近年来教育领域和计算机领域的专家学者在“人工智能+教育”中的深度融合和创新发展方面所做的努力。与会嘉宾围绕“人工智能+教育”的深度认知(教育场景下人工智能的优劣势和可融入层次、机遇和挑战、理解视域)和应用案例(自适应学习系统的开发设计、基于新技术的“人工智能+教育”应用、“人工智能+教育”的数据采集与分析)作了精彩报告,并就中德双方未来的研究项目和学术合作(中德“人工智能+教育”白皮书的制定、自适应学习中的学习推荐和干预方法、基于多模态数据的学习分析与智能学习同伴研发)展开了深入研讨。对上述主题研究成果及进展的集中呈现和探讨,将有助于推动“人工智能+教育”的未来研究和应用实践。

基于传感数据的学习分析应用研究

数据是学习分析研究的重要前提。传感技术的发展极大地提升了物理学习空间中的数据采集能力,拓展了学习分析的边界。为把握传感技术的应用现状与趋势,文章在分析传感技术的特征和功能基础上,使用文献研究法探讨了传感数据与学习分析结合的应用价值,构建了基于传感数据的学习分析框架,包括感知学习状态、预测学习表现、干预与反馈学习过程等。基于现有研究成果,将基于传感数据的学习分析应用归纳为学习认知、学习情感和动作技能等三个领域,分析了传感数据采集、模型优化、反馈机制等方面的挑战并提出未来可关注的研究方向。

Educhain:基于区块链技术的终身教育记录跟踪方案

为适应学习型社会对学习者终身教育记录跟踪的深层次、多元化需求,文章基于区块链技术,设计了一种去中心化的终身教育记录跟踪方案--Educhain区块链平台方案。文章指出,Educhain方案将开源公有区块链平台"以太坊"作为底层平台,采用基于同态加密的多方安全计算、智能合约、共识算法与激励机制。Educhain方案充分结合区块链的安全性和去中心化等特征,与教育实体机构形成了虚拟与现实融合的孪生教育空间,不仅有助于跟踪学习者在各个受教育阶段的学习记录,促进学习数据在不同教育机构之间的分发、共享、分析与应用,而且有助于实现数据驱动的教育智能,为学习者提供更精准的个性化学习支持与服务。

教育智能体的发展历程、应用现状与未来展望

教育智能体是人工智能领域的重要研究方向,可助力实现教育的智能化、精准化和个性化,其对学习者的学习动机、学习情感、学习效果等有着直接且显著的影响。人工智能与教育的结合愈加紧密,但教育智能体尚处于探索阶段,为使教育智能体更好地服务教与学,文章通过对既有文献的梳理和归纳,对教育智能体的发展历程和应用现状进行了总结,并进一步明确了教育智能体的内涵和特征。教育智能体已在支持个性化学习、扮演虚拟教学角色、实现人机情感交互等领域取得应用,但仍存在决策精度较弱、对话能力有限、外观设计简单、情感交互不足等问题。未来,教育智能体将与大数据、深度学习、情感计算等技术深度融合,以其“智能”促进学习者的“智慧”发展,赋能教与学的变革与重构。

高校实验室的安全管理问题及反思

在高校实验室使用频率不断增加的背景下,实验室安全管理工作面临着诸多新要求和新挑战。归纳起来,高校实验室在安全意识、安全教育、安全管理人员队伍建设、安全管理制度、安全管理信息化以及安全管理经费保障6个方面存在需要改进的问题。为确保高校实验室安全管理质量,可采取"建立具有学习和考试功能的实验室安全知识考试系统,开设适用的实验室安全课程,开展多元安全教育活动并设置奖惩措施,利用多种媒体渠道进行实验室安全宣传,加强实验室安全管理人员队伍建设,建立校级实验室安全信息化管理系统并有效运行,增加实验室安全管理自筹经费"等7项改进措施,以期切实提升高校实验室安全管理水平。

动机视角下智慧教室中技术的应用策略研究

随着教育信息化的全面开展,智慧教室作为信息化教学的基础环境得到了快速的发展,技术的多功能、共享互通、柔性空间等特性为教学创新提供了新平台。如何充分利用智慧教室中人机交互的技术特性,实现高效教学与教师发展,是教育信息化建设的重要议题。该文基于ARCS动机理论,从智慧教室的教学价值,以及师生主体的满意度、信心、优越性等方面提出智慧教室的应用策略,以期指导教师的智慧教室教学应用,以及促进教师融合教学能力、教学创新能力的发展。

数据驱动的精准化学习评价机制与方法

综合素质评价是深化教育改革、落实立德树人根本任务的必然要求。信息技术赋能教育教学过程,使得传统教育评价机制向数据驱动的精准化学习评价方向迈进。数据驱动的精准化学习评价是一种不断获取、整合、分析学习过程中的多模态数据,对教学和学习活动的信息流与运行轨迹作出观测、解释和反馈,以发现教育中存在的问题,辅助课堂教学干预的评价方法,包含多场景数据采集、多空间数据融合、精准分析模型构建、分析结果可视化四个关键组成部分。多场景数据采集为学习评价提供数据来源和量化手段支撑,多空间数据融合为学习评价提供统一数据标准,精准分析模型为学习评价提供数据驱动的学习分析与评价方法,分析结果可视化为学习评价提供反馈和应用服务。数据驱动的精准化学习评价框架,应以区块链技术为基础,融合人工智能、云计算、学习分析、情境感知等新兴技术,在多维时空尺度上全面采集学习过程中的多元海量数据,通过全面、系统的统计分析和数据挖掘,从学习者的内在动机到认知发展、情感表现,再到社会综合交互能力,多维度、及时、准确地评估学生的学习状况。当前,探索数据驱动的精准化学习评价,可从构建符合多空间数据特征的综合素质评价框架,完善过程性数据的采集与共享机制,突破情感、认知、动机与社交评价的关键技术,以及研制数据驱动的学习评价平台等方面入手。

智能教育场域中的学习者建模研究趋向

在智能教育时代下,个性化学习者模型的构建是变革智能教育服务模式、破解教育公平问题、实现差异化教学的关键。从学习者模型构建的发展趋势来看,大数据和人工智能技术将是推动智能教育场域中学习者建模发展的核心要素,能够在极大程度上促进学习者建模的研究进程。通过对人工智能支持下的学习者建模研究的理论趋向、目标趋向、数据趋向、特征趋向、技术趋向加以系统阐述,发现智能教育时代学习者模型的构建,需要以认知主义、人本主义、建构主义等经典学习理论为指导,实现面向学习者的多层次、全方位建模分析;需要利用人工智能技术,实现基于多模态感知的全时空多维度数据采集;需要构建时空融合的建模分析方法,对学习者“知识、认知、情感、交互”等潜在特征进行深入挖掘,实现对学习者知识建构模式、认知发展规律、情感发生机制的深层解析。在智能教育场域中,学习者模型的构建,对智能化的资源供给、个性化的教学干预、精准化的教育治理、智慧化的评价体系、科学化的教育研究的开展,具有广阔的应用前景。

基于学生个人大数据的行为特征分析

高校各类教学管理业务系统记录着大学生日常学习和生活的行为数据,逐步形成规模较大,类型多样的学生个人大数据环境.该文从学生学籍信息、学习表现、校园生活三个维度进行分析,构建学生个人大数据行为分析模型,并对学生校园消费数据进行挖掘,探究学生饮食规律和消费水平.通过数据分析,得出以下特征:1)在校期间学生就餐总人次和早餐就餐率均呈递减趋势;2)大一新生早餐就餐时间早于全校早餐就餐高峰1 h;3)学生消费水平越稳定、饮食越规律、学习努力程度越高,学生学业表现水平越好;4)学生的学业成绩与正餐就餐率、早餐就餐率、就餐消费水平等变量有较强的相关性.

学习科学的两次重大转折与学习研究的工程转向:基于学术思想史的考察

该文从学术思想史的视角出发,提出自学习科学创建以来,学习研究在三十年间经历了三次重大转向。第一次是让学习研究“立地”的“方法学转向”,以“基于设计的研究”的提出为标志,缓解了百余年来教育学与心理学之间的紧张关系,为学习研究走向统一提供了一个“脚手架”;第二次是让学习研究“顶天”的“基础研究转向”,以教育与认知神经科学崛起为标志,向基础研究下沉,并对实践产生了正反两方面影响。现在即将迎来第三次重大转折——学习研究的“工程转向”与学习工程的崛起。该研究提出,要从前两次重大转折中把握学习研究的未来走向,推动学习工程的崛起和可持续发展,既要基于“基于设计的研究”的工程隐喻,实现科学思维向工程思维的转换,促进学习研究中科学、技术与工程的一体化发展,又要直面学习研究从基础科学向应用实践转化面临的挑战与伦理问题,利用人工智能技术赋予的力量跨越二者之间“过于遥远的桥”,从而缓解“顶天”与“立地”之间重新浮现的巨大张力。

基于岗位大数据视角的职业技能等级标准与企业需求匹配对策研究——以汽车类1+X证书评价为例

从面向汽车行业的1+X证书现状分析入手,通过调研该行业企业人才需求情况,运用人工智能技术进行大数据挖掘分析,发现汽车领域的X证书职业技能等级要求与汽车领域的岗位结构、岗位技能匹配度不高,适用性不强。进而提出进一步加大汽车领域的X证书中级技能开发比重,加大对X证书与岗位技能契合度评价,加强同类X证书相互间的比较,逐步建立并完善1+X证书的评价体系。