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。     

基于教材分析设计深度体验的AI课程——以“常见中草药图像分类小助手”课程为例

信息科技新课标将“人工智能与智慧生活”设为六大主线之一,而2020浙教版教材已涉及人工智能的内容。本文分析了该教材人工智能单元的图像识别课时内容,基于新课标的要求设计了以“中草药图像分类”为主题的图像识别项目式学习课程“常见中草药图像分类小助手”,将AI教育与传统文化教育相融合,提出了一种人工智能教学活动设计新范例。