多模态学习情感计算:动因、框架与建议

学习情感是影响学生认知加工与学习效果的重要因素,如何利用多模态数据开展学习情感计算是当前亟待解决的问题.文章在分析情感计算源起与多模态数据融合的基础上,阐述了多模态情感计算的发展动因,构建了多模态学习情感计算的研究框架,包括以教育场景为导向采集情感数据、依据情感模型展开建模与识别、利用可视化方式表达与反馈情感、结合情感归因来干预与调节学习过程等.基于现有研究案例,将多模态学习情感计算的应用归纳为开发学习情感识别系统、增强智能学习工具、支持学习干预与决策、探索学习情感的作用机制等方面.未来多模态学习情感计算应平衡数据采集侵入性与真实性、提升数据模型可解释性、综合衡量学习状态以及拓展教育应用探索与创新.     

基于多模态数据的大学生认知深度评价框架构建及应用

提高学生课堂认知深度是本科教育高质量发展的核心目标,如何对认知深度展开科学评价是关乎此目标达成的关键,也是深化本科课程教学改革的迫切需求。为此,首先基于经典认知深度评价理论,结合新兴多模态数据分析技术,搭建大学生认知深度多模态评价框架。其次,基于此框架开展实证研究：以Z高校教育技术专业课程“学习科学与技术”为例,通过智能录播系统、在线学习平台等工具从多维学习空间采集主题讨论、自我反思、思维导图、课堂问答、头部姿势等多模态学习数据,采用机器学习方法处理并分析学习数据,综合评价学生认知深度并进行反馈。结果显示,多模态数据支持的评价更能准确地反映学生认知深度,具有显著的以评促学效能,最佳数据源是自我反思、思维导图和课堂问答。     

多模态数据下混合协作学习者情感投入分析

情感投入在混合协作学习中发挥重要作用,厘清其作用机制是当前亟待解决的问题。混合协作学习场景下多模态情感计算技术的支持为更加精准地分析学习者情感投入提供了可能。文章从情感数据的多模态融合、情感发生的情境解释、情感状态的动态变化、情感发展的层级建构和情感反馈的调节干预五个层面构建了混合协作学习者情感投入的研究框架,并从改善混合协作学习过程和探索混合协作学习规律出发,阐述了混合协作学习者情感投入的分析路径。一方面,融合多模态数据,输出可视化的情感状态识别结果;根据环境、认知、行为、动机及任务等因素,进行情感归因;预防情感危机,采取反馈与调节措施。另一方面,探索情感投入与人际互动、学习资源、认知发展的关系,以期揭示混合协作学习的内在规律。     

数据使能教学决策的发展——从数据教育应用到多模态学习分析支持教学决策

大量研究表明,数据驱动的教学决策能有效增强教师教学和学生学习的效果。当前研究多聚焦于数据驱动的教学决策模型及实践案例,较少关注支持教师教学决策的数据组织、收集和分析的过程。文章运用文献研究法和案例分析法,阐明基于数据教育应用原理的教学决策过程,并对其中的数据收集和分析过程进行解构,基于多模态学习分析的发展和过程优势,建构多模态学习分析支持的教学决策过程模型,找寻多模态学习分析支持教学决策的多模态数据收集和处理的过程与方法,并从实践角度分析两种多模态学习支持的教学决策的典型案例的过程和实践,希冀为国内中小学开展基于数据的有效教学决策研究和实践提供指引。     

多模态学习分析:理解与评价真实学习的新路向

随着物联网、可穿戴传感设备、人工智能的快速发展,多种模态数据的连续抓取与融合分析成为可能,促成了多模态学习分析研究的诞生,并成为学习分析领域的一个重要新兴分支.多模态学习分析关注真实的学习情境与本真的学习交流方式,"返璞归真"地聚焦更普遍的物理学习情境,克服了主流学习分析过度关注数字化学习环境的局限.研究主要采用文献归纳法,阐述了多模态学习分析的发展动因、概念理解,重点从身体、生理视角概述了多模态的数据类型,并对多模态学习分析的过程模型进行了详细描述.研究认为,未来要充分借助人工智能处理多模态数据,借鉴认知带理论融合不同模态数据的意义,借力学习理论来理解真实的多模态学习交互过程,以进一步完善基于多模态数据的学习评价方法.     

基于学习认知图谱的适应性学习框架构建与应用

学习者模型用于描述学习者行为、认知、情感等方面的特征,是适应性学习得以实现的基础。针对当前学习者建模在认知要素上主要依赖学生的知识掌握情况和学习风格,而在对个体认知具有重要影响的知识结构和元认知能力等方面关注不足的问题,提出了对学习者的学习认知图谱建模以提升适应性学习过程中认知支持的设想,并从多模态异构数据采集、学科知识图谱的构建、认知诊断模型的设计、学习认知图谱建模和适应性学习服务推送五个方面设计技术框架。随后,通过学习认知图谱在学习元平台和雷达数学系统中的应用,介绍了学习认知图谱的实践示例——学习认知地图,并阐述了其构建原理及所提供的个性化学习支持服务,以期为适应性学习领域的研究者提供理论和实践上的参考。     

在线学习研究30年

本文介绍了作者对过去30年在线学习研究的研究进展。研究如何设计在线教学是将学习科学应用于教育的一个案例。在线教学设计研究有助于发展学习科学(如认知负荷理论、多媒体学习的认知理论,以及学习的元认知、动机和情感的综合),教学科学(如有研究证据的教学设计原理不断发展)和评估科学(如多侧面的迁移测试,同时辅以保持测试和自我调查报告,学习过程中的日志文件数据,以及学习认知过程中的认知神经科学测量等)。文中反复提到的观点:学习有赖于运用教学方法,而不是单凭教学媒体就能够奏效的,在线教学设计研究应该关注数字化学习环境的特性;教学实践应建立在严谨、系统的研究基础上,包括旨在确定在线教学中有效成分的增值实验;在线学习研究应确定教学技术最有效的边界条件;在线学习研究应该起到检验和发展学习理论的作用。     

基于多模态数据的在线学习认知负荷评估

近年来,认知负荷过载成为影响在线学习效果的一个重要因素。为解决此问题,文章聚焦在线学习认知负荷评估,首先设计了基于多模态数据的在线学习认知负荷评估研究框架,包含多模态数据采集、多模态特征提取和评估模型构建三个部分。接着,文章通过实验,采集学习者在特定在线学习环境下的多模态数据,提取人脸表情特征、眼动追踪指标特征和脑电信号特征,构建在线学习认知负荷评估模型。之后,文章对评估模型的准确性进行验证,发现在五种机器学习算法模型中,KNN模型的综合性能最佳,故将此模型作为最终的在线学习认知评估模型;同时,文章对多模态数据进行了分析,发现多模态融合方法在认知负荷评估上具有优越性。文章构建的评估模型可赋能在线学习平台实现认知负荷的实时评估,进而实现基于认知负荷的个性化学习,增强学习动机,提升学习效果,促进在线教育质量提升。     

学习情感计算研究——基于国际研究的系统性文献综述

情感计算为感知与理解学习者情感、增强情感交互、促进人机协同提供了技术支撑。近年来,围绕学习情感计算的研究迅速增加,但缺乏对相关研究理论基础、技术方法和应用场景的系统梳理与总结。鉴于此,本研究采用系统性文献综述法对国际上发表的该主题研究进行内容分析,旨在为我国学者开展相关研究提供更多的实践参考。分析发现,学习情感计算研究以离散型情感理论为主,基本情感理论是研究焦点;情感测量的数据来源丰富,多模态情感识别成为研究趋势;情感测量方法以机器学习技术为主,支持向量机和卷积神经网络是应用最多的两种算法;学习情感计算的应用场景单一,以在线学习场景为主。今后我国学者在开展相关研究时,需要重视情感理论的情景化、数据的多源化、方法的多样化、应用场景的丰富化,拓展学习情感计算研究的深度和广度。     

全景透视多模态学习分析的数据整合方法

多模态学习分析被认为是学习分析研究的新生长点,其中,多模态数据如何整合是推进学习分析研究的难点。利用系统文献综述及元分析方法,有助于为研究和实践领域提供全景式的关于多模态数据整合的方法与策略指导。通过对国内外363篇相关文献的系统分析发现:(1)多模态学习分析中的数据类型主要包含数字空间数据、物理空间数据、生理体征数据、心理测量数据和环境场景数据等5类。在技术支持的教与学环境中,高频、精细、微观的多模态学习数据变得可得、易得、准确。(2)多模态学习分析中的学习指标主要有行为、注意、认知、元认知、情感、协作、交互、投入、学习绩效和技能等。随着技术的发展和人们对学习过程的深刻洞察,学习指标也会变得更加精细化。(3)数据与指标之间展现出"一对一""一对多"和"多对一"三种对应关系。把握数据与指标之间的复杂关系是数据整合的前提,测量学习指标时既要考虑最适合的数据,也要考虑其他模态数据的补充。(4)多模态学习分析中的数据整合方式主要有"多对一""多对多"和"三角互证"三种,旨在提高测量的准确性、信息的全面性和整合的科学性。总之,多模态数据整合具有数据的多模态、指标的多维度和方法的多样性等三维特性。将多模态数据时间线对齐是实现数据整合的关键环节,综合考虑三维特性提高分析结果的准确性是多模态数据整合未来研究的方向。     

研究性学习与探究学习、发现学习、自主学习的关系

目前人们对既有一定联系又有所区别的研究性学习、探究学习、发现学习、自主学习进行了许多理论研究和实践探索,但在对它们内涵的界定和彼此关系的看法上,却说法不一.因此有必要把这些问题整理、分析清楚,以便人们更好地对它们进行理解和应用.     

学习设计:信息时代提高学习绩效的关键

一方面,信息的快速增长以及不断缩减的知识半衰期使终身学习成为一种生存理念;另一方面,信息时代为人们提供了丰富的学习资源和多样化的通讯交流手段。教学设计只能为人们整个学习经历中的一小部分服务;而学习设计是提高学习者学习质量和学习绩效的保证,因此学习设计概念的提出势在必行。本文从学习设计概念的界定和理论的基本假设入手,阐述学习设计的理论基础以及相关术语,文章着重论述学习设计的一般模式。     

自主学习何以可能:“学习强国”启示下的平台学习之策

2020年初,一场疫情让在线居家自主学习全面展开,面对各种问题与挑战,教育技术工作者不得不重新思考:如何最大程度发挥平台学习优势,提高平台支持下的深度学习效率,让自主学习真正成为可能。与此同时,深受全国人民称赞的“学习强国”平台,其因具有人本性、融合性、互动性、便捷性等特点而成为学习者进行深度自主学习的典型。文章探究如何构建学习资源众筹、学习形式多样、学习评价多元的,自下而上、协同互动、数据支撑的自主学习平台,希望能为教育工作者指明平台建设方向,能为深度学习提供更好的学习支持服务。     

学习型组织与组织学习初探

组织学习是指组织为了实现发展目标、提高核心竞争力而围绕信息和知识技能所采取的各种行动;是组织不断努力改变或重新设计自身以适应持续变化的环境的过程。组织学习也是有价值、有意义的学习,即组织有明确的发展战略和规划,有凝聚全体成员的共同愿景,有明确的组织价值观和核心理念;也一定是有组织的思维和情感,即组织成员之间建立了亲密的合作伙伴关系,有良好的人际关系、无组织防卫等。从学习型组织与组织学习的关系看,组织学习着重研究、探讨的是学习在组织中发生的内在方式与过程;学习型组织探索的是建立和优化组织的机制、制度和环境,以保证组织能够有效地进行组织学习、最大化地获得学习的效果。从实践的角度看,创建学习型组织的核心是实现组织学习,是通过组织学习实现组织知识的创新,这种知识即包括组织的外在,如结构、制度等,也包括组织的文化、组织成员的态度与技能等,还包括组织与组织、组织与成员、成员与成员之间的关系与交往等,且后者更为重要。     

Eliminating global learning poverty: The importance of equalities and equity

This paper explores the quantitative relationships between average levels of learning achievement across countries, changes in average levels of learning achievement, the inequality of distribution of achievement (akin to income or wealth inequality in general development analysis), and the proportion of students learning at or below an absolute minimum (akin to poverty in general development analysis). The paper uses a variety of data from cross-national and national assessments: aggregate data, micro (student-level) data, school-level data, and time-series data. The paper shows how various factors such as gender or wealth impact learning levels, but also shows that ‘systems-related’ inequality, not directly related to such factors, is typically much larger than inequality associated with any of those factors. The paper shows that countries progress from very low average levels of achievement to middle levels more by reducing the percentage of students with very low scores (that is, by paying attention to the ‘bulging’ left-hand tail of the distribution) than by increasing the percentage of high performing students. The availability of micro data from a particular case allows exploration of the relationship between inequality measures and measures of the percentage of students below a low level of achievement and shows that, at least in that case, the reduction in inequality that accompanies improvements in the average levels takes place mostly through a reduction in the percentage below a low level. Unlike in the case of income, where vast reductions in income poverty seem possible without reducing income inequality, the evidence presented here suggests that this typically does not happen with learning levels: inequality reduction, reductions in percentages below a low level, and improvements in the averages are all empirically connected. More work is needed to show whether that connection is also causal.     

美国职场教育的百年流变

当前电脑、网络等的广泛应用深刻改变了工作的性质,传统的、以狭窄的工作技能为目标的职场培训已不能满足需要,而组织学习也具有自身的不足。进入21世纪以来,以员工为中心的学习代表了美国职场教育的发展方向。这种新的职场教育模式以普通员工的全面发展为宗旨,不以提高企业利润为直接目标,重视非正式学习的作用。它的推行无疑会遇到种种困难,其中参与各方权力的博弈是一个关键性的影响因素。     

试论自我导向学习与学习型组织

随着终身学习思潮的深入人心,作为成人主要学习方式的自我导向学习,以及现代化组织方式的学习型组织开始越来越受到重视。然而对于这两者之间的联系却少有学者问津,此文尝试着将自我导向学习与学习型组织联系起来,从已有的文献中试图探寻二者的关系。     

学习设计和学习管理系统的新发展

内容对象(ContentObject)和活动/过程对象(Activity/ProcessObject)是当前e-Learning关注的两大领域,基于后者展开的学习设计已成为e-Learning学习平台研究的热点和方向。本文首先剖析了目前主流的基于内容的学习管理系统的缺陷和不足,在此基础上阐述了学习设计(LearningDesign)的核心理念,即要“为学习而设计”,注重学习活动序列的建立和个性化学习路径的设计,而不仅仅是关注学习内容的创建,并简要分析了学习设计同教学设计的关系及其对学习管理系统的影响。随后重点介绍了作为学习设计重要标准的IMS学习设计规范的基本框架,并对当前国内外学习设计支持系统和工具做了简要的分析和对比,从中我们可以看出当前学习设计管理系统领域整体的发展现状和趋势。     

学习型城市的构建

学习型城市是城市发展的理想社会形态，也是每个市民均能终身学习的理想城市环境。它的形成是城市的变革趋势，也是知识经济时代社会进步和教育发展的共同要求。学习型城市的主要构成元素和学习型城市的良性运行机制，是学习型城市成型和发展的两大要素。     

基于罗杰斯学习观的移动学习及其实现方式

人本主义心理学提出了不同于行为主义心理学和认知心理学的学习理论,尤以罗杰斯的学习观为代表。文章在阐释此学习观的基础上论述了其现实意义,即作为移动学习的理论指导。通过对已经成功的移动学习研究项目的列举,论述二者的切合性,并且提出了建议。