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。     

人机协同的精准学习干预：动力机制、逻辑理路与实践模型

精准学习干预是实现精准教学和个性化学习服务的核心问题。为破解学习干预的困境，本文从人机协同的视角设计精准学习干预机制：首先从动力主体、动力作用模式和动力实现机制方面厘清人机协同的动力机制，接着从技术逻辑、实践逻辑和价值逻辑分析基于人机协同推动精准学习干预的必要性，最后提出基于人机协同的精准学习干预实践模型。该模型以学习场景为入口，引入人的决策，实现对学习问题的精准诊断；通过基于知识图谱的问题定位与知识推理，结合教师经验，实现针对学习问题的干预策略匹配；依据学习者画像筛选干预策略，以人机融合作为动力机制，动态协同修正干预策略，从而优化干预策略匹配的精准度，并利用人在回路的混合增强智能，形成精准学习干预的完整链路，构成个性化学习服务的闭环。     

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。     

人工智能课堂教学分析与改进：人在回路的协同机制

课堂教学分析是教学改进的依据,而教学改进是提升教学质量的关键,两者相互作用,构成课堂教学研究的回路。当前人工智能在课堂教学研究领域,存在人机协同机制不明确、教学分析与改进关联不密切、教学实践应用的指导性不强等困境。研究借鉴使用理论的双路径学习和人在回路设计优化思路,提出以“教学结构”为课堂教学分析与改进回路的焦点,将回路分为高干预区和低干预区,论述人类智慧与人工智能在回路中的协同机制。研究发现,构建TESTII课堂教学分析模型,和“结构分析、问题发现、策略改进、实践应用”的4A改进模型,可以形成人在回路的人机协同课堂教学分析与改进机制,为促进课堂教学结构变革和提高课堂教学质量提供可行的解决方案。     

生成式人工智能时代的学生作业设计与评价

以ChatGPT为代表的生成式人工智能被学生直接用于生成作业，导致作业的价值和目的化为乌有。如何设计和评价生成式人工智能时代的学生作业，是当前亟需解决的问题。针对这一问题，本文通过分析生成式人工智能的内涵和特征及学生作业的新特点，提出新时代学生作业在类型、时空、监控、目标和方式方面的转变。据此，文章构建了生成式人工智能时代的作业设计模型，阐明了学生、人工智能和作业三者间的关系，呈现了智能生成作业、学生自主作业、人机交互活动以及人机协同作业四个作业设计的关键维度，提出作业评价应充分利用活动驱动型、群体研讨型等表现性作业评价方式，并开展作业真实性算法评估。     

智能思政有效性的理论逻辑与实践样态

智能思政是人工智能融入思想政治教育并在教育方式上的一种创新性实践。智能思政有效性的提升有赖于思想政治教育内部各要素的精准衔接与协同驱动。在内在机理上，人工智能以技术嵌入的方式为思想政治教育赋值、赋能和赋效，为思想政治教育提质增效发挥重要作用。在实践样态上，通过智能分析引擎、多模态分析、算力算法、智能识别以及人机协同为教育者精细管理、精准决策、精致施教和精确评价赋能，最大限度地推动思想政治教育效果的提升。     

人机协同教学:基于虚拟化身、数字孪生和教育机器人场景的路径设计

生成式人工智能推动智能社会加速演进,智能技术赋能教育正引发教育组织和服务模式的深刻变革。教学实践转向教师智能和机器智能的互补与融合,人机协同教学将成为未来主流教学方式,以适应智能时代个性化、高效率、包容性和多元化教学需求。为释放人机协同教学潜能,推动其安全有序发展,本研究基于“计算机作为社会行动者”理论和人机协同教学的探索实践,分析物理空间、虚拟空间和混合空间中人机协同教学的典型形态,界定人机协同教学的内涵和关键场景,构建人类教师与教育机器人、虚拟化身/代理和数字孪生有机联动的人机协同教学框架——iSTAR。该框架将人机协同教学的实践层次分为人使用机器、基本人机协作、双重人机协作和复杂人机协作四个级别,强调以人为本妥善规划人机协同教学路径,包括从数据采集到人机交互的全流程合理设计,机器使能规范、伦理与数字素养保障,以及社会实验驱动的技术准入、场景规范和影响评估等,以期为智能时代人机协同教学发展提供理论借鉴和行动指南。     

多模态诊断教学问题：生成逻辑、诊断机制和实践模型

教学问题的精准诊断是基础教育课程教学改革深化的重要诉求和实践难题,而利用多模态诊断的方法发现并改善教学问题是破解上述难题的有力手段。医学领域的“多模态诊断”在主体特征、问题特征、方法特征上均适切于教学问题的追踪与诊断。在明晰多模态诊断教学问题生成逻辑的基础上,从教学问题可辨识、可解释、可调控三大目标旨要出发,分析多模态诊断教学问题的诊断机制,生成由问题发现、异常诊断到实践改进的行动理路,确定多维度数据化表征、动态化精准诊断、复杂性干预三个关键问题,这三个关键问题的破解之道是构建多模态诊断教学问题的实践模型,具体包括教学问题多模态数据整合模型、面向动态教学系统的教学问题多模态诊断模型、基于人本人工智能的教学问题复杂干预模型三个部分,形成从发现问题、分析问题到解决问题的闭合回路,推动多模态诊断教学问题的实现。     

教育人工智能(eAI):人本人工智能的新范式

人工智能是未来教育创新发展的重要推动力,遵循人本主义理念并形成人本人工智能教育新应用,将有力促成一种新型的研究与应用范式——教育人工智能(educational Artificial Intelligence,eAI)的形成。eAI注重以人为本的协作教育理念,在智能技术的支持下,以人和机器的交互、协作为研究对象,理解教育活动并揭示其发生的规律,从而促进人和机器智慧的共同成长。因此,在以人为本理念的引领下,eAI必将是人本人工智能的持续动力和新的研究范式,也是未来教育创新发展的新诉求。文章深度融合人本人工智能与教育,开展eAI的理论探究。首先,从人工智能、人在回路和奇点生态三方面阐释了人本人工智能的内涵,并解析eAI创新所需要的支持智能、增强智能和人机协同智能的一体化联动。在此基础上,剖析eAI的核心要素,构建了人本人工智能引领下eAI的研究框架,以人在旁路、人在回路和人在领路模式贯穿三大智能(支持智能、增强智能和人机协同智能)来透析eAI生态。最后,从基于混合智能的eAI环境、面向协同增智的eAI技术、底线思维引领下的eAI实践理性、面向设计思维的eAI创变力量、基于和谐共生的教育伦理等方面探寻了人本人工智能视域下eAI新范式,以期为构建人本人工智能视角下人机协同的eAI新生态提供设计思路和实践指导。     

多模态数据支持的课堂教学行为分析模型与实践框架

随着人工智能技术、可穿戴传感设备的发展,课堂教学多模态数据的获取和分析成为可能,加速了课堂教学从数字化向智能化的转型升级。本研究聚焦智能时代多模态数据支持的课堂教学行为,在综合课堂教学行为分析要素的基础上,明确了多模态课堂教学行为分析模型的设计原则和设计要素,并设计了多主体协同、多空间融合、多环节融通的多模态课堂教学行为分析模型。为推动多模态课堂教学行为分析的实践应用,本研究从课堂教学、数据采集、智能分析和应用服务四个层面构建了多模态数据支持的课堂教学行为分析实践框架,指出多模态课堂教学行为分析研究需要对课堂教学情境进行智能感知与数据采集,探究课堂教学行为的发生过程,构建基于多模态数据的智能教育服务模式,以期为多模态课堂教学行为分析实践提供理论参考,推动课堂教学质量的稳步发展。     

人机智能协同的作业辅导：动因、框架及应用研究

在“双减”政策背景下,研究如何开发摆脱答案供给式辅导模式,强化高阶思维发展、元认知调节与情感激励作用的新一代智能作业辅导系统框架成为当前智能学习系统需要突破的关键性技术之一。文章针对当前智能作业辅导系统关键环节存在的学习者多元隐性特征难以挖掘、高阶思维能力难以引导与培养、辅导策略属性缺乏精细设计以及辅导效果验证数据支撑不足等问题,采用人机智能协同的技术破解路线,构建了以学习者多元数据和作业题面信息智能采集为起点、专家经验与机器智能协同决策为基础、融入元认知调节策略,结合辅导策略知识图谱,以促进学习者高阶思维能力发展的新一代智能作业辅导系统框架,自动生成服务于不同学习者的以知识掌握与思维发展并重为目标的个性化辅导方案,并在原型设计基础上结合实例进行应用分析,以推动作业辅导精准化、智能化实现。     

教育的人机协同化与未来教师核心素养 ——基于智能结构三维模型的分析

人工智能的快速发展与社会应用,正在带来教育系统的人机协同化.人机协同教育图景与传统教育流程大异其趣,人机协同的有效运转使得教育所需的智能结构发生转型.基于国家实力三分理论建构的教育人机协同系统所需的智能结构三维模型有硬、软、巧三种智能,在弱人工智能时代,机器的长处在于硬智能,人类教师则优在软、巧智能.由教育人机协同系统智能结构三维模型,推导出未来教师核心素养框架的三个维度:(1)硬素养,即数据化、结构化和可重复的教育教学能力;(2)软素养,即基于"关系能力"和创造性的教育教学能力;(3)巧素养,即教育人机协同的价值观、意识、知识能力与反思.基于人机比较,未来教师核心素养的重点应在硬素养中的计算思维、软素养和巧素养.培养未来教师的核心素养,需要师范教育率先建构基于人机协同的教育教学模式、课程体系和实训路径,以及提升教师教育者的人机协同教育能力.     

协作学习智能会话分析的关键技术与发展路径——基于15种协作学习智能会话分析工具的比较

协作学习过程即会话的过程，会话中蕴含着丰富的信息。随着人工智能在教育中的融合应用，会话价值得以挖掘和体现，协作学习智能会话分析研究也日益受到关注，但目前研究尚未形成科学体系。基于此，文章首先对国内外协作学习智能会话分析文献及工具进行调研，梳理其相关研究；然后文章总结了智能会话分析的工具指向，包括会话文本的描述性统计分析、会话关系的社会网络分析、会话内容的主题及认知分析，并凝练了解决智能会话分析问题的三大关键技术——基于主题识别技术的学习质量监测、基于机器学习算法的会话机制探索、基于可视化技术的多维数据转换；最后文章提出了关注会话过程多模态数据、优化智能会话分析技术、建立人机协同会话分析模型、开发即时性分析工具四大发展路径，以期为协作学习智能会话分析研究提供参考。     

人机协同学习：实践模式与发展路向

人工智能等技术与社会各领域的加速融合,使得人机协同成为智能时代的重要特征和发展趋势。人机协同的教与学已初具实践形态,为理解和建构未来教育世界提供了新的方式。本研究聚焦智能时代的人机协同学习,首先明确了其重要内涵,并综合现有文献系统剖析了人机协同学习的现状。其次,本研究基于人机交互的自主度变化将人机协同学习的实践模式解构为三类,即人工智能引导的训练学习模式、人工智能支持的协作学习模式和人工智能赋能的探究学习模式,并以此分析了学习者的角色。最后,为推动人机协同学习的实践发展,本研究围绕人机关系建立、价值取向和伦理安全提出了具体建议,以此明确智能时代的人机协同学习发展路向。     

人工智能视域下人机协同教学模式构建

人工智能时代的教学实践发生了质的变革,人机协同教学是技术与教育融合的必然趋势。为更好地理解与践行人机协同教学理念,在分析“人机协同”概念演进的基础上,进一步厘清人工智能时代的人机协同教学内涵,系统阐述了人机协同下人类教师与智能机器的角色定位,重点讨论了人机协同教学的构成要素以及目标指向,并给出了人工智能视域下人机协同教学的一般流程框架。人机协同教学分为课前教学准备、课中教师教学和课后学生发展三个阶段,包含协同预习、协同备课、协同授课、协同测评、协同辅导、协同批阅和协同评价七个环节。基于此,还开展了人机协同教学实践研究,结果表明,人机协同教学不仅有助于提高学生的学业成绩、计算思维与创新思维水平,还能为学生带来更好的心流体验。而针对如何规避智能时代人机协同教学可能引发的伦理沦丧与技术异化风险这一问题,认为在遵循人控原则、育人原则和赋能原则的基础上,还应尽早设立人机协同的规则、边界及伦理规范等方面的法律法规。     

基于人机协同的师范教育实践改革与平台设计

师范教育是教师教育体系的重要组成,师范生教育实践则是教师教育改革的关键环节.当前师范教育实践中存在指导难、评价难和管理难三大问题.在智能时代,人工智能技术可以作为教育增能之"器"与人类"智慧"优势互补.人类教师和智能机器的双向赋能为教学、评价和管理工作的高效开展带来新契机,使得人机协同机制下的师范生教育实践改革成为可能.文章基于人机协同理念提出了师范生教育实践改革的新途径,并据此设计了集信息化教学、协同化管理、智能化评价和数据化研究为一体的智慧教师教育平台.将人机协同理念纳入教师教育研究的范畴,有助于推动师范教育理论体系重构和师范生教育实践模式变革.     

多模态人工智能数据分析实验服务平台建设

为了培养具备创新能力的人工智能新工科人才,探索人工智能人才培养新模式新路径,进一步提升应用型高校的大数据及人工智能实验教学水平,同时能实现科研成果向业务价值的转化,提出了建设具有多模态人工智能数据分析能力的实验和科研一体化的教科研服务平台。多模态人工智能是计算机视觉和交互式人工智能模型的融合,基于应用型高校的基本特征,在分析了服务平台功能需求基础上,提出了整合大数据及人工智能核心技术引擎模块;实现了其关键核心技术多模态数据重构及转换、多模态深度学习服务平台;构建了基于平台应用的人才培养课程服务体系。可为高校在教学、管理、人工智能实训、大数据开发和可视化、大数据及人工智能课程实训资源等多方面提供核心技术应用和基础支撑。     

人工智能赋能作业设计的向度、挑战与应对

国家针对中小学生的学业负担施行“双减”政策,这不仅改变了学校的教学模式,也使大家重新审视教育的初心。教育信息化时代人工智能将为减负增效注入新的动力,学生作业设计也将迎来新的变革。人工智能赋能作业设计面临着诸多挑战：智能作业环境的开发及维护困境,教师的智能素养亟待提升,作业平台资源的质量标准的建设,相关制度规定的完善,硬件设施的供给不平衡等。针对这些挑战,实施路径有：统一领导、多方协同开发维护智能作业设计,提高教师智能素养,建立作业平台资源的质量监督体系,健全三级作业设计制度,建立社区智能学习环境,为人工智能赋能作业设计提供新的思路和视角。     

多模态数据赋能教师画像:从简笔画走向全息画像

教师数字画像是实现精准诊断、及时干预和个性化服务的基础,然而国内学者少有关注,特别是多模态数据赋能全息化描绘教师画像的潜力没有得到很好的发掘。本研究从多学科角度系统解析了多模态的内涵,即多模态是表征不同生理、心理或行为反应的不同形态数据。以此为基础,本研究构建了以生理数据为主要成分的多模态数据全息临摹教师画像的机理及画像模型,模型包括关注发展期望勾勒的愿景层、关注研修动态描绘的学习层、关注本体特征刻画的属性层三个层面。之后,研究构建了基于全息画像的个性化机制(包括适性的动力机制和个人路径生成机制)以及机制得以运转的多模态学习分析方略(包括涵盖去伪存真、多维共描、多面临摹三个层面的多模态数据融合分析方略以及涉及精准教学、失败中学、个性化学习三种学习理念的适应性精准决策方略)。希望这一研究成果能对教师全息画像的临摹提供可行的方案,对以此为基础的智慧研修系统与个性化研修服务的构建提供有价值的参考。     

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。