新型智能导学系统构建及其关键技术

智能导学系统能够提供个性化的自主学习服务，但仍然面临诸多挑战，如对学习者理解不足、用户体验较差、自动化程度有限等。针对这些挑战与问题，本研究设计并实现了涵盖领域知识层、基础模型层和用户接口层的三层架构新型导学系统，并以“雷达数学”系统为例进行介绍。领域知识层借助知识空间等理论，构建符合教学和认知规律的学科知识图谱和教学策略库；基础模型层利用深度学习、自然语言处理等技术，实现更精准的学习者模型、个性化教学策略模型和自动批阅模型，提升系统对学习者的理解和自动化程度；用户接口层基于可解释人工智能技术与游戏化设计理论，构建可解释的认知地图和个性化导航等服务，改善系统用户的体验。在此基础上，本研究针对学习者、教师、家长等不同角色，阐述了新型智能导学系统的三类典型应用场景并对其发展趋势进行了展望。     

基于情感识别的自适应多Agent虚拟ICAI系统的研究

传统的虚拟智能计算机辅助教学系统(ICAI)未考虑学习者在学习过程中的情感和教学过程中的交互。针对这个问题,提出一种基于情感识别的自适应多Agent虚拟ICAI系统,并给出了其模型框架图,用多Agent技术实现各模块的主要功能,结合微表情识别技术和适应性教学理论,提出识别学习者的微表情来诊断情感状态,并对学习者的情感状态做出适应性的反应,从而实现辅助虚拟教学中的情感交流和自动交互。     

远程教学平台中"交互及协作学习支持"模型建构研究

教学平台是远程教育中教与学重新整合的纽带，但调研发现许多平台在教学功能和交互等方面存在一些不足。本文根据远程教育交互及协作学习的理论，建立了用于改进平台功能的“交互及协作学习支持”模型。该模型包括面向对象和教学内容增值的网络课程设计模块、开放互助式协作学习模块、即时通讯和手机短信系统嵌入模块、学生行为跟踪及教师导学模块等五个部分，文章还对每个模块的功能、内部结构和实现技术作了详细的阐述。     

网络课程的导学系统设计

针对当前网络课程中存在着缺乏引导、容易迷航的问题,设计开发了导学系统,包括文字导学、流媒体导学、智能导学三个模块,重点介绍了以学习工具导学、智能答疑导学、电子档案袋导学为代表的智能导学系统。网络课程导学系统的设计与开发为学习者实现自主学习和个性化学习提供指导和帮助。     

可解释学习者建模：价值意蕴与应用图景

学习者模型的“复杂性”和机器智能决策的“不透明性”，使得可解释学习者建模成为教育人工智能研究的重要议题。可解释学习者建模旨在通过对学习者多维度、多层次、多场景的精准刻画，实现学习者的可表征、可理解、可干预，进而为学习策略、教学模式、教育评价的设计和开展提供科学依据。其核心价值体现在对外在学习行为的准确表征、对学习者潜在特征的深度挖掘、对学习者模型的完整构建以及对学习机理的准确阐释，且在模型构建过程中充分体现出透明度和可解释性，进而增强教育主体对机器智能分析与决策的信任度和接受度。可解释学习者建模能够实现全景化细粒度的教育诊断，提供易于理解和接受的学习干预，推动高度适配且便于实施的教学决策，支持综合化高效能的教育管理，在“人机协同”的教育教学活动中具有广阔的应用前景。未来，还需通过加强多学科理论融合、科学智能方法运用、智能教育产品研发等途径推进可解释学习者建模研究。     

基于移动端的智能导学系统研究

智能导学系统是学习型社会不可或缺的学习工具。通过智能导学系统,学习者可以有计划、有目的、有监督、循序渐进地自主学习。导学系统不仅可以根据学习者自身特点量身定制学习计划,而且可以和教师、专家进行无障碍交流,不断提高专业技能。基于移动端的智能导学系统,充分利用移动设备方便、灵活的优势,实现了现代教育技术专家所提出的个别化教育4W（Whoever、Wherever、 Whenever、 Whatever）目标。     

学习风格对在线学习交互程度影响的实验研究

交互是在线学习的灵魂,在线学习交互程度包含交互频度和交互深度两个方面。学习风格的差异是否会影响学习者的在线学习交互程度及其学习结果,已经成为在线学习交互研究领域的热点问题。本研究首先通过理论分析提出假设:学习风格会影响在线学习交互程度及学习效果,然后通过实验研究验证假设。研究根据Kolb的学习风格分类模型对被试对象进行分类,并使用QQ群作为交互工具,对一段时间内的教学实验数据进行分析。参与交互的频度以学习者在QQ群中的发言数量(条数)来考察,并使用内容分析法将学习者的发言内容划分为简单分析类、分享资源类、探讨问题类以及情感交流类等四种类型;以学习者发布探讨问题类发言的数量来衡量其参与交互的深度,并运用方差分析法对实验结果进行验证。本研究得出以下结论:学习风格直接影响在线学习交互的频度和深度;学习风格对学习绩效并没有造成直接的影响;交互的频度对学习绩效的影响也不显著,交互深度对学习绩效的影响非常明显。基于此结论,参与在线学习的教师应该关注学习者的学习风格差异,改变交互方式和交互策略,从而改进在线学习者的交互绩效。     

基于Web使用挖掘的e-Learning自适应推荐系统

e-Learning自适应推荐系统是一种基于当前学习者联机行为,在线自动推荐学习对象而不需要学习者直接反馈的系统。该系统框架是由离线模块和在线模块构成。离线模块预处理数据建立学习者模型,在线模块使用这些模型实时识别学习者目标,运用基于协作过滤的一系列推荐策略预测推荐学习对象。实验证明:由于实现模型构建和模型应用的有效分离,该系统具有较强的伸缩性和较快的实时响应速度,适合为大规模e-Learning系统提供高质量的个性化推荐服务。     

学习环境视角下基于视频会议系统的网络教学交互研究

视频会议系统应用到网络教学中,可以消除学习者的孤独感和迷航现象,整合传统教学与网络学习的优势。在理论研究的基础上,从个体学习环境的视角出发,提出基于视频会议系统的网络教学交互模型及其要素,具体阐述每个交互模块的内容和作用。最后,结合模型,分析基于视频会议系统的网络教学交互层次。     

基于交互智能平板开展课堂教学应用的策略研究

交互智能平板在教学中的有效应用,将有效助推我国教育信息化的发展。目前,交互智能平板与课堂教学有效整合相关研究尚处于初步探索阶段。本研究采用行动研究法,以佛山市第九小学为例,选取来自语文、英语和数学三个学科的53位骨干老师为研究对象,开展三轮行动研究,以期在实践中探索基于交互智能平板开展课堂教学的应用策略。本研究所构建的交互智能平板教学应用策略模型（4C模型）包括：情境创设与兴趣激发、内容呈现与资源获取、课堂互动与师生参与和总结回顾与评价反馈等四个基本要素。该策略模型的提出可以帮助教师有效开展基于交互智能平板的课堂教学,对加速实现信息技术与课程教学的有效融合具有一定的理论和实践价值。     

从数据视角透析认知追踪:框架、问题及启示

认知追踪是一种数据驱动的学习者建模技术,被广泛应用于智能导学、智能课堂编排等系统.尤其是2015年深度神经网络被引入认知追踪任务以来,认知追踪成为智能教育领域的研究热点.针对当前研究普遍存在的"重模型、轻数据"以及数据处理不一致等问题,本研究基于近六年国内外35篇有关认知追踪的论文,全面梳理和分析其中被高频使用的数据集,提出以学生、知识、问题三个对象及六类交互关系为核心的认知追踪概念框架,为深层次理解数据内涵和统一数据操作提供指导.本研究还运用该框架对数据集特征进行分类,围绕数据重复、数据顺序、支架题目、技能缺失以及多技能题目等关键问题进行数据一致性分析,特别是针对多技能题目,提出了基于多热编码的表示方法.本研究最后从五方面讨论了认知追踪及未来智能教育的发展趋势:从个体自主学习到多模式混合学习、从单一学习行为到多模态数据融合、从深度学习算法黑箱到可解释分析、从数据驱动到数据与知识联合驱动,以及从技术意识垄断回归教育价值本位,为拓展认知追踪研究边界、促进智能教育创新突破提供参考与指引.     

基于三维引擎的虚拟实验教学系统交互模式研究

虚拟实验教学系统的高交互性是关乎虚拟实验教学成败的决定性因素,采用三维引擎技术可实现智能化的沉浸感实时交互.以建构主义学习理论和远程教学交互层次塔理论为指导设计了虚拟实验教学系统的总体框架结构;基于三维引擎技术开发的虚拟实验教学系统分别实现了虚拟实验辅助支持、虚拟实验操作智能交互和分布式人际交互等三种交互模式.本系统有效地解决了虚拟实验教学的高交互需求问题,充分增强了学习者的智能化交互式学习体验.     

基于学习风格理论的在线导学策略设计与实践

网络学习者所具有的学习风格差异决定了指导教师必须开展个性化的导学工作。本研究基于学习风格理论,根据学习者的学习风格类型及表现出的在线学习行为特征,设计了基于学习风格和在线学习行为特征的个性化导学策略方案,并通过导学实践验证方案的可行性和有效性。     

智能导学系统在远程教育中的应用研究

将智能导学系统应用于现代远程教育中,系统运用数据挖掘技术对学习者访问网络记录进性分析,提取出学习者的学习过程以及对知识点的掌握情况,从而针对学习者个体评价学习效果、优化学习方案、以及督促和鞭策学习者学习,真正实现个性化智能导学。     

基于人体骨架和深度学习的教师体态语言智能测评

深度学习技术与教师教育融合创新，可赋能教师教学体态语言行为精准测评。针对教师体态语言人工视频分析技术滞后问题，本研究采用人物目标检测、目标追踪和体态骨架图生成三种方法，创建真实教学情境下基于人体骨架图的专家型教师标准体态语言数据集，使用金字塔卷积模块优化ResNet50残差网络，构建金字塔残差神经网络模型，并基于数据集开展识别模型的训练、验证和测试实验。结果显示，体态语言识别模型的准确率、精确率和召回率均达到95%以上，识别准确率由高到低依次为工具性体态语言、巡视性体态语言、指示性体态语言、常规性体态语言、描述性体态语言。本研究基于上述训练良好的模型，开发教师体态语言智能感知测评系统，提出教师体态语言特征的人体骨架表征方法、教师体态语言数据集创建方法及智能识别神经网络模型构建方法，构建了大数据驱动的教师课堂体态语言智能测评方法体系。     

教育数字化转型的突破点：智能教材的设计与实现

互联网、大数据、人工智能等新技术在教育中的应用创生出教材建设新形态,推动了数字教材的发展。但是,当前数字教材建设中也存在着诸如简化为“电子文本”、等同于“多媒体资源库”、异化为“答题教师”的问题。本研究针对数字教材建设中的问题,分析数字教材智能化发展的必要性,以教学论视角阐释智能教材“智适应选学、智能化导学、伴随式评价、深度学习互动”等教学性特征;结合人工智能知识图谱、学习分析、在线追踪、学习者画像、深度交互等技术优势,借鉴已有研究成果设计智能教材教育功能实现的方法与技术,并以具体案例解释与说明;针对智能教材教学性与工程性特征,从遵循教学理论、注重实践迭代、加强技术监管等方面提出智能教材的推进策略。     

远程实验操作平台设计与实现

以迈克尔逊干涉仪为研究对象,设计了一个由自动测量模块、操作模块、监视模块、交互模块和控制模块构成的远程实验操作平台。自动测量模块采用OV7725摄像头摄像分析干涉条纹的方法实现条纹的自动计数;操作模块通过步进电机和细分驱动器实现微调手轮的远程操作;监视模块通过网络摄像头实现条纹"冒出"或者"缩进"现象的远程监视;交互模块通过W5200以太网芯片、LCD触摸屏和QT界面实现远程实验操作人员和实验现场指导人员的远程交互;控制模块采用K60高速处理器实现其他4个模块的控制。实验结果表明:利用该平台可顺利地远程完成迈克尔逊干涉仪实验的全部环节,并且干涉条纹监视效果清晰,测得的He-Ne激光波长结果误差最大不超过1.3/‰。     

利用Flash制作仿真交互型化学实验课件的探讨

目前有关化学实验的教学软件以演示型的居多，交互能力差，表现在学生使用CAI课件学习是被动的如演示型的课件主要分为自动演播和手动演播，自动演播的课件学习者主要是观看演示正确的操作步骤与实验结果，手动演播增加了按钮控制课件的播放流程，这实际上是没有发挥学生的主动性。定性实验的过程如果通过播放的方式进行再现，学生会觉得乏味和枯燥，很难满足学习者的要求，其原因主要是交互性差，这就要求图文并茂、情景交融、操作方便、具有交互功能的多媒体教学软件。还可根据学习者的操作及时作出正确的反馈，实现真正的人机对话。     

大学英语论坛协作学习行为的多元动态解释模型构建

依据生态心理观,提出大学英语学习者论坛协作学习行为(Forum-Mediated Collaborative Learning,FMCL)的多元动态解释模型:在学习者与环境的多元交互系统中,任务环境感知与体验反思作为核心中介变量,影响着各环境要素与学习者任务动机、任务投入量、任务结果之间的交错牵制关系;学习者能效与环境给养的高度耦合是FMCL有效运行的基础。该模型可用于剖析大学英语混合学习模式下特定FMCL任务的生态失衡问题,为教师干预决策提供重要线索,也可以为其他学科研究FMCL提供借鉴。     

互动文本分析的混合式教学智能交互研究

人工智能、大数据、互联网等现代信息技术的快速发展促进了教育教学的深刻变革，混合式教学应运而生。通过运用文本分析方法对混合教学模式下学生的提问文本数据进行智能化分析，提出建立预警反馈、智能问答、教学资源智能推送和教学通知智能发布等模块，构建适合混合式教学的智能交互系统。该系统的建立有助于改善线上线下教学过程中师生交互即时性差、交互效率低、教学资料不匹配，以及信息资源推送针对性不足等问题，尤其对于高校实践类课程开展混合教学模式具有借鉴意义。