智慧教育与个性化学习理论与实践研究

随着技术的发展、社会的进步,传统的无差别的传统教育模式已经无法满足学习者的个性化需求。智能技术的出现颠覆了传统课堂教学,带来了教学决策数据化、评价交反馈的及时化、互动交流的立体化、资源学习资源推送的智能化,重构了现代教育学习环境,带来了教育体系的智能化。本专题的几篇文章对智慧教育与个性化学习进行了分析,从数据环境、时间、方法、目的等维度,提出人工智能背景下个性化学习的构建方法,并对人工智能支持的个性化学习路径进行了研究;梳理出我国智慧教育研究的热点领域,相关研究主要围绕“秉承何种理念”“教师如何教”“学生如何学”“氛围如何营造”等四个层面展开,并对智慧教育研究趋势进行了展望;构建了智慧课堂,进行了教学试验,并对智慧课堂效果进行了分析。本专题文章可以看作智慧教育与个性化学习研究与实践的一次有益尝试。     

人工智能时代教育人工智能研究与应用现状、问题及对策

为了促进教育与技术融合,提高教育的“教育力”,实现人工智能技术促进教育发展,做到以人为本、因材施教,基于人工智能环境,从现有人工智能技术入手,构建人工智能框架,使教育工作更加高效,为了促进教育与技术融合,提高教育的“教育力”,实现人工智能技术促进教育发展,做到以人为本、因材施教,基于人工智能环境,从现有人工智能技术入手,构建人工智能框架,使教育工作更加高效,教育活动更能体现学生个性。研究表明,人工智能技术与教育结合可更好促进教育发展,培养社会所需人才;基于人工智能的学习可为师生提供一个良好的教育教学环境。通过对关键技术和典型应用的分析,构建教育人工智能技术框架,并针对现有教育人工智能存在的问题提出解决方案。     

基于人工智能的职业教育个性化学习和多元评价研究

随着人工智能的发展,技术与教育的融合更加深入。在教学实践过程中,利用人工智能技术,对现有职业教育在线学习平台进行整合创新,搭建基于人工智能的职业教育精准教学系统,针对学生提供个性化教学方案,实现精准教学,促进师生、学生之间的互动,分析职业教育学生学习情况、学习过程中的情感状态,更精准地制定个性化的教育内容,创新教育内容的推送形式,构建虚拟教学场景,丰富学生的实践体验,实现“知行合一”的教学理念,可以促进职业教育达到最优效果。同时,引入情感分析模块,对学生学习情况进行多元评价,解决现有课程评价单一的问题,并针对学习评价发现的问题及时反馈给教师,可以为教学提供决策支持。     

基于多模态大模型的精准教学支持体系构建研究

随着人工智能大模型从单一模态向多模态融合的通用人工智能演变,多模态大模型的发展有望推动教育领域的变革。在技术进步的推动和智能时代教学原理的指导下,多模态大模型有望实现规模化教育与个性化培养之间的有机结合,并彻底转变精准教学和个性化学习的方式。然而,在实际应用中仍然面临着教育环境的实际限制等诸多挑战。为此,提出了基于多模态大模型的精准教学支持系统框架和面向个性化教育的云边协同基础设施架构。这两个互补架构能够协同工作,为构建更高效、规模化且个性化的精准教学体系奠定基础。此外,为基于多模态大模型的教育模式变革提供了更广泛的对话起点,为该领域的未来研究和发展提供了思路。     

基于人工智能的教学赋能“双减”

人工智能与教学的深度融合推动了教学改革,为“教”提质,为“学”增效,实现学生在课内学足学好,为“双减”赋能。“双减”的落实关键在课堂教学,重点在作业设计,基于人工智能的教学实现了及时互动,实现了基于学情的教学和作业设计,构建了自适应学习环境。人工智能支持下实现了作业数量和质量可视化,促进教师重视作业设计,提高作业效度,最终高质量实现“双减”。     

人工智能赋能高校人才培养变革的研究综述北大核心CSSCI

“人工智能+高等教育”受政策推动,以智能技术变革高校人才培养模式成为政策关注的重点。“人工智能+高等教育”处于教育信息化2.0阶段,其本质内涵是强调智能技术对高等教育的全面变革;社会认知分析表明,公众关注“人工智能+高等教育”中的人才培养问题,关注“人工智能+人才培养”上的智能技术应用问题。当前对“人工智能+高等教育”的研究中,关注点包括支持学生学习的学习分析技术和自适应学习,未来教师的能力转型和持续提升,教学管理上的流程变革和新型评估,教学资源上的资源建设和开放共享,学习环境上的技术升级和环境设计。未来人工智能赋能高校人才培养需要从学生、教师和学校三方逐步融入,提升学习、教学、管理、资源与环境等关键要素,最终实现对高校人才培养模式的全面变革。     

学习者中心的技术设计:理念、方法与案例

随着教育范式总体朝向“以学为基点”的革命性转变,教育设计的重心开始从传统的支持“教”转向支持“学”。以往,教育技术研究者对“学习者中心设计”的讨论集中在总体的教学设计层面,而在具体的技术设计层面关注较少。学习者中心的技术设计基于学习科学研究,重点关注“技术支持的逼真学习环境设计以及其中帮助学习者跨越专长知识鸿沟的支架设计”。国际教育领域正在兴起的“设计研究”为促进学习者中心技术设计的持续革新提供了新的研究范式,而Model-It作为学习者中心技术设计的成功案例,为我们提供了有益的设计参考。     

技术与学习环境设计融合的困境、成因及突破

技术主导的学习环境变革将成为未来教育发展的趋势,然而,技术与学习环境设计融合中存在着脱嵌与缺失、“唯技术观”、不协调等困境。出现这些困境的深层次原因在于片面追求新技术的教学应用,忽略了对学习环境的设计;学习环境的设计缺乏可推广的实证研究;没有形成技术支持的学习共同体。技术与学习环境设计融合的实践路径是：构建技术与学习环境设计融合的学习文化与境脉支持场域;回归学习环境设计的本质,有效规避唯技术的工具性;重构数据驱动的学习环境设计。     

人工智能赋能个性化学习评价：价值意蕴与实践路径

个性化学习评价是教育评价改革的内在要求和重要趋势。人工智能为个性化学习评价的实现提供了技术支撑,其价值体现在促进对学习者多模态数据的采集、实现学习过程与状态的智能分析、支持学习评价结果的智能化反馈、推动人机协同评价等方面。人工智能支持下个性化学习评价的实现,需要推进学校智能教育环境建设及其应用、构建人工智能支持下个性化学习评价的实施框架、制定个性化学习评价中人工智能的应用规范、提升教师应用人工智能开展个性化学习评价的能力。     

深度学习理念下人工智能课程单元教学设计与实践

随着人工智能的发展,以“课程”形态推进落实人工智能教育逐渐进入中小学教育领域并具有独特的育人功能。针对目前高中人工智能课程教学存在的教学目标浅表化、教学内容碎片化、教学模式单一化、教学评价简单化等问题,指向核心素养培养的深度学习提供了改进的新视角。基于深度学习的思路,人工智能课程的教学单元需体现智能工具解决问题的知识结构,教学活动需强调智能社会真实情境的参与,教学目标需指向智能工具解决问题的关键能力和品质的提升,学习成果需产出智能工具解决问题的方案或物化成品,教学过程需渗透智能社会责任的引导。由此,从单元学习主题、单元学习目标、单元学习活动和单元学习评价四个方面探索指向深度学习的高中人工智能课程单元教学设计,并以“走进人工智能”单元教学实践为例加以详细阐释,彰显人工智能教育的独特育人价值。     

联结学习设计与学习分析:教师技术创新教学的突破口——访西班牙巴利亚多利德大学雅尼斯·迪米特里亚迪斯教授

雅尼斯·迪米特里亚迪斯(Yannis Dimitriadis)教授任职西班牙巴利亚多利德大学远程信息技术工程系,兼任信息通讯技术与教学研究中心GSIC/EMIC研究团队负责人,主持和参与了五十多项国际国内科研项目,在教育技术顶级期刊发表了八十多篇学术论文,组织了多次学习科学高端国际学术专题研讨会和工作坊。研究方向包括学习设计、计算机支持协作学习、学习分析等。本次访谈着重于介绍学习设计的核心思想,即无论外部学习技术如何变化,“教学法为王”的原则在教育教学情境中的主导地位不能变。因此,人工智能时代的学习技术仍需为创新教学服务。从教师角度看,联结学习设计与学习分析为教师技术创新教学提供了突破口。一方面,学习设计为学习分析提供理论引导,便于教师精准知晓学习者在不同学习活动中的学习情况,另一方面,学习分析为优化学习设计提供基于数据驱动的方法指导,便于教师靶向式更新学习活动设计。践行学习设计与学习分析双向互动的发展路径,需要建立研究者与教师合作设计机制,引导教师参与学习设计;推进隐性设计知识在学习设计中的应用;关注教师探究学习者学习过程。本次访谈对新时代背景下信息技术与教学应用的深度融合提供了新的理念和方法指导。     

融入通用学习设计理念：学习障碍APP的研究与实践

学习障碍在特殊学生中十分常见,目前虽无治愈方法,却可通过辅助技术在教学中的运用降低其影响。具有辅助技术功能的教育APP为学习障碍学生提供了多样化的参与、表征和表达方式,这正好与通用学习设计的理念相契合,有助于他们在融合班级中获得平等的受教育机会。这些学习障碍相关APP可划分为文字转语音、语音识别、单词预测、文字处理、计划与组织、数学运算等6种类型。一方面,作为能力补偿工具和学习支持工具,学习障碍相关APP能够在阅读、写作和数学学习中为学习障碍学生提供多元化、可参与的学习环境;另一方面,作为一种新型的教学工具,学习障碍相关APP也可能给学习障碍学生带来诸如注意力分散、学习情绪消极等负面影响。因此,其作用机制和在教学中的有效性仍有待明确。未来我国在学习障碍相关APP的研究与实践方面还需做到:推进通用学习设计理念在学习障碍学生教育中的应用与实践,为其学习提供适宜的环境和支持;完善特殊教育辅助技术相关法律和政策,确保各类特殊学生能够获得更专业的支持;加强学习障碍相关APP的开发与研究,使其能够更有效地应用于现实教学情景;建立教育APP的评价体系和支持系统,提升学习障碍相关APP的应用效果。     

智慧教育研究现状、内涵及其特征分析

人类即将从信息时代走向智慧时代,智慧教育是信息化教育的高级阶段。本文运用内容分析法,以智慧教育研究机构发表的核心期刊文献为依据,将智慧教育分为理论基础、技术方案、实践应用三大方面,从发文数量、期刊分布、论文内容等方面进行研究。然后梳理了智慧教育的定义,即智慧教育是充分运用现代智能技术,全面实施个性化教学、按需服务的新型教育模式,以全面培养具有高度应变与创新能力的人才为目标,是信息化教育的高级形式。同时阐述了智慧教育的五大基本特征,即学习环境传感器丰富多样,“数据驱动”式教学无处不在,个性化学习与自适应学习普遍采用,学习资源共享共生已成常态,人工智能技术广泛运用等。     

人工智能背景下的课程与教学范式转变

当前人工智能技术已经渗透到了教育领域的诸多方面,并引发了学生学习、课程与教学的系统变革。在人工智能背景下,深度学习、个性化学习、自适应学习、人机协同学习逐渐成为主流的学习方式,学习方式的变革直接推动了课程与教学范式的转变。就课程而言,课程的技术性范式越来越突出,藉由人工智能等技术的帮助,在课程取向上,更加注重不同学科之间的交叉及融合;在课程形态上,开始由静态、纸质、单一性到动态、在线和网络化的转变;在课程内容上,逐渐从一种固定、统一、有限转向了私人定制、无限和开放;就教学而言,在教学目标上,更加注重学生软技能(Soft Skills)和核心素养的培养;在教学方式上,开始聚焦于新技术、新媒介的融合和应用;在教学内容上,转向了对人工智能等新兴领域的关注和教授;在教学评价上,更加注重评价的过程性、精准性、数据化和个性化,等等。基于人工智能的时代背景考量,未来的课程与教学宜重点把握以下几点方向:重点关注可持续发展教育;注重对学生创造力、沟通、合作以及批判性思考等核心素养的培养;着力提升学生的“人工智能素养”教育;加强全人教育以及课程与教学的人文主义关怀。     

基于协作探究学习的"光的干涉"教学设计

无论是物理概念,还是物理定理的教学,只要设计合理,都可以开展协作学习。以“光的干涉”教学为例,借助“英特尔未来教育”中的探究学习模式,说明大学物理教学中开展协作探究学习的具体做法。     

基于协作探究学习的“光的干涉”教学设计

无论是物理概念,还是物理定理的教学,只要设计合理,都可以开展协作学习。以“光的干涉”教学为例,借助“英特尔未来教育”中的探究学习模式,说明大学物理教学中开展协作探究学习的具体做法。     

人工智能课程教学评价量规设计模型与实践案例研究

研究主要围绕人工智能课程教学评价展开,从人工智能课程教学评价现状、人工智能素养培养目标、传统评价理念与新型课程的矛盾冲突出发分析人工智能课程教学评价研究的必要性和迫切性。接着就评价量规应用于人工智能课程教学评价的适切性展开探讨。针对评价量规设计与落实,研究基于经典的评价系统三要素模型设计出指向人工智能课程教学评价的评价量规设计模型,具体为目标——期望成就、认知——学习进阶、观察——任务情境、诠释——评价量规四个步骤。根据模型以“智能分类器的特征提取”教学内容为例,展示完整的评价量规设计流程。最后论述了评价量规的应用有望让课程评价实现学生主体性、客观性、个性化和智能化。     

自适应学习技术及其应用效果

人工智能的蓬勃发展为教育改革注入了新的活力,使高效的个性化学习成为可能。作为实现个性化学习的一种可能途径,各类自适应学习工具应运而生。为了了解当前自适应工具在教学中的应用情况,文中通过文献调研的方式,从个性化学习的理论基础和政策需求、自适应学习技术概况等几个方面介绍了自适应学习技术,并重点分类梳理了教育科技市场上比较典型的几款自适应工具及其在教学中的应用效果。     

网络学习环境生态化设计研究

在信息技术迅速发展、教育亟需变革的社会背景下,“生态”一词越来越受到教育研究者的青睐.生态化网络学习环境将学习者与学习环境视为一个整体,关注学习者与学习环境的互动关系,关注学习过程中的生成,关注网络学习生态的形成与维持,被认为是适应未来的网络学习环境的发展趋势.该文以“生态化学习”“学习生态”“学习生态系统”“给养”为关键词检索相关文献,通过对文献进行归类、比较等分析,认为:生态化网络学习环境的研究源于WebX.0、混搭(Mash-up)、云计算等技术的发展与支持;生态心理学、复杂性理论、联通主义等理论为网络学习环境的生态化设计提供直接的理论支撑;研究者从自然生态系统视角、学习资源的有机生命特征视角、文化生态视角等提出了网络学习环境的生态化结构模型;给养(Affordance)在文献中频繁出现,通常被用以描述网络学习环境的生态化支持/互动关系;混沌理论、后现代主义、贯一设计等为生态化网络学习环境的具体设计方法提供了依据.     

人工智能赋能高校思想政治理论课混合式教学之思

高校思政课混合式教学可谓一场“哥白尼式”革命,即教学逻辑从以“教师为中心”转向了以“学生为中心”。人工智能赋能正在这一逻辑转换中展开：在教学设计阶段,助力精准识别教学对象、分层设计教学目标、有效供给教学内容;在教学实施阶段,支持学生自主学习、个性化学习和深度学习;在教学评价阶段,推动循证教学评价、全面教学评价以及精准高效教学评价的开展。需要警惕人工智能的“技术利维坦”问题,如人工智能可能削弱教师教学的主导性、阻滞教学内容的有效性、加剧校际数字鸿沟等。对此,需要全面提高思政课教师的教学能力、整合优化思政课教学内容、健全智能思政课教学的保障体系,以实现人工智能时代思政课混合式教学高质量发展。