大数据时代下个人云资源柜的构建研究

针对当前学习模式下海量数字教育资源的流转过程中存在的不足,结合云存储的特性提出了基于云存储的个人云资源柜的构建,以期为教育大数据时代下的学生提供泛在的学习支持,提高学生的学习效率.文章重点阐述了由应用访问层、管理层、存储层等构成的个人云资源柜的系统体系结构、分层功能及实现过程.同时通过实验模拟,对传统模式和个人云资源柜支持下的两种学习模式的效果进行了比较分析及性能测试.     

基于云计算和开放教育的开放学习子云

以开放教育和云技术为背景,提出了开放学习子云(OLSC).它具有归一化的学习服务能力、高效快捷的资源提供能力、多样化的学习平台、可靠安全的数据存储、配置方便成本低等特点,并给出了其逻辑结构和实体结构设计.     

中小学人工智能课程需要何种智能硬件？——现状分析与发展方向

深度学习代表人工智能技术的最新发展,是中小学人工智能课程的核心内容。人工智能教育硬件是中小学生学习人工智能不可或缺的工具,其发展现状和发展方向理应得到重视。首先,结合人工智能课程的核心内容和人工智能技术的发展趋势,探索了中小学人工智能课程的目标定位。然后,依据教育性、代表性、受众面和面向深度学习等原则确定了智能硬件样本,对智能硬件样本的计算资源、硬件功能、应用性能和资源服务进行分析发现,中小学人工智能教育硬件存在计算资源整体较低、应用性能重复度高、新手工具相对缺乏和学段分层不够明显等问题。基于此,提出要落实学段课程目标以构建良好硬件生态、提供在线接入服务以弥补计算资源短缺、构建共建共享平台以形成多方协同机制等举措,以期促进我国智能硬件行业和中小学人工智能课程的高质量发展。     

人工智能时代“教研赛训”工作室人才培养模式的实践

在人工智能时代,发挥各种技术优势来改进传统应用型高校人才培养模式,是"新工科"中值得探究的重要课题。对人工智能时代学习形式碎片化背景下的新型人才培养模式进行了探索和实践,将传统工作室建设模式与流行的人工智能技术深度融合,通过工作室在校企共建教材资源、课程资源、学习终端方面的具体实践,发挥了"教研赛训"四大功能:生产性实践教学、企业产品研发、技能竞赛培育、师资能力训练,体现出工作室在功能上的多元创新,并取得了良好的推广应用。     

智能适应服务导向的泛在学习资源开发与应用

文章是在海南省教育科学规划一般立项课题"智能适应服务导向的泛在学习模式与资源"研究的基础上形成的,文章阐述了智能适应服务导向的泛在学习的概念和内涵,在综合分析当前U-Learning资源建设的基础上,双向智能适应服务导向的泛在学习的体系结构和动态交互结构被阐述,提出了面向上下文感知的泛在学习指标层次适配模型和智能适应服务导向的泛在学习云平台,期望为泛在学习资源的开发提供建设性指导意见。     

云服务：智慧校园发展的趋势

利用云服务虚拟化技术将大大提高硬件资源利用率,实现资源动态分配、动态负载均衡。同时,可利用云服务的资源监控、负载管理、冗余备份、资源调度、多租户技术、海量数据处理、大规模分布式存储、数据结构化管理技等功能实现校园桌面虚拟化,建设智慧校园。     

高校教学资源云存储中心的研究与设计

通过分析高校教学资源存储现状,借助云计算和云存储这一新兴基础架构管理方法,把大量的、高度虚拟化的资源管理起来,构建高校IT云服务模式.规划设计高校教学资源云存储中心,构建云环境来提供教学资源存储和访问服务,以解决高校教学资源建设中的实际问题.     

AI驱动教育改革：ChatGPT/GPT的影响及展望

随着人工智能技术的飞速发展以及ChatGPT、GPT-4等人工智能的出现，传统教育模式面临着巨大挑战。我们已经正式进入了人工智能时代，而在这个时代，教育应从注重培养个人在没有人工智能助力下的能力转向培养个人在人工智能加持下的综合能力。正确使用ChatGPT等人工智能技术，可以为学生提供学习资源、个性化学习路径等；同时，人工智能也能为教师提供很多的方便，把老师变成人工智能加持的超级教师。教育系统应拥抱技术变革，从而实现真正的兴趣驱动的、自主的、探究式的学习。在人工智能时代，教育的重点内容应包括培养人工智能思维、创造创新能力、创新设计思维、沟通能力、团队协作能力、提出问题的能力以及在人工智能协助下的学习能力。     

基于数据智能一体化的实验室云平台的建设与研究

该文针对传统实验室现状和大数据与人工智能相关专业等方面的需求,提出了数据智能化实验室云平台的建设架构。利用大数据及人工智能技术,结合虚拟桌面建设,将大数据与人工智能等教学专业资源融合,实现大数据智能一体化实验室云平台的建设,提供集教学、科研、创新实践、人才培养等服务,提升学生的实验实践能力,从而培养人工智能、大数据和云计算领域的卓越人才。     

基于云计算的诺亚舟云学习系统设计及应用

一、研发背景基于目前教育信息化及人类学习模式发展的需求．诺亚舟提出“云学习”系统,该系统基于先进的教育理念,较好地满足了《国家中长期教育改革和发展规划纲要（2010-2020年）》的要求,为学习者、教育者、研发者等提供以知识学习为核心的个性化功能需求和服务,实现资源的共建共享。     

基于贝叶斯网络的验证激励向量生成研究

为了解决传统数字芯片验证环节中基于仿真的验证（或动态验证）功能覆盖率收敛速度慢的缺点,提出一种新的以功能覆盖为导向的测试用例生成方法,该方法基于贝叶斯网络和机器学习技术,可实现从覆盖模型到测试用例生成器反馈回路的自动关闭,在 DUT 的验证过程中,使用该方法为所测试的设计生成新的激励。实验结果表明,基于贝叶斯网络的 CDG 技术测试用例使用较少,覆盖率收敛更快,与传统基于仿真的验证技术相比,测试用例数量减少了 43%。基于贝叶斯网络的 比于传统动态验证技术而言其芯片功能验证更完善。     

基于云计算的多媒体教学环境设计

云计算技术应用于教育领域是教育信息化发展要求之一。文章在分析云计算应用于教育领域优势的基础上,结合建构主义理论,设计了一种基于云计算的多媒体教学环境,该教学环境整合教务系统、设备管理系统、多媒体资源库、网络教学平台、教室网等构成云服务平台,并通过向用户提供统一云服务的窗口——教室网为教师、学生、教学支持者提供全方位的服务和管理功能,将有效增强师生交互、促进资源共享、提高教学智能化程度。     

基于云计算的数字化教学资源库的构建研究——以高职人力资源管理专业为例

随着云计算技术的日臻成熟,应用各类云服务将成为互联网未来发展的趋势。云计算具有全新的计算服务模式,计算能力超强,数据存储易扩展,安全性高。针对高职院校数字化教学资源库存在访问速度慢、共享性差、存储容量小等问题,以云计算技术为技术支持,从专业标准库、课程资源库、培训资源库、素材资源库等方面着手,构建一种基于云计算的人力资源管理专业数字化教学资源库,以实现高职人力资源管理专业教学资源共享,为学生自主学习提供平台,促进教学质量提高。     

人工智能与教育深度融合发展:逻辑、困境与策略

人工智能与教育深度融合发展的目的在于通过高智能性的技术来不断提升教育的科学性和民主化。人工智能与教育深度融合发展的操作原理是通过技术、数据和算法的重组,推动教育走向智能化,具体表现为支持智能教育关键技术的高智能化(技术)、教育资源的整合与教育大数据的形成(数据)和教育供给的科学化(算法+服务)。就目前而言,人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题。为此,要想实现人工智能与教育的深度融合发展,教育应尽早谋划,重新思考人工智能时代教育将如何存在,并从技术基础(改善技术的成熟度,重新思考技术世界中的教育)、数据驱动(加快教育数据资源的整合力度,提高教育数据单元质量)和算法服务(创新教育资源的有效供给方式)三个层面协同推进。     

基于云学习平台的高职网络设备管理课程个性化教学改革与实践

云计算、大数据、人工智能等新信息技术的飞速发展,让新信息时代下的个性化学习成为当代教育变革发展的新范式。为推进新信息技术与高职教育深度融合创新,破解人才培养难题,以高职计算机网络技术专业网络设备管理课程为例,进行课程现状和学情分析,构建大数据视野下基于云学习平台的个性化学习模型,进行课程个性化教学改革与实践,通过学习满意度调查和学习成绩分析,个性化教学改革取得良好教学效果。     

E-learning中动态兴趣识别方法研究

在网络和海量信息的背景下,网络学习由于具有时空无限、资源共享等特点,正逐渐成为构筑终身教育的最有效手段。网络学习是信息教育的延伸,强调过程的个性化和专业化。其中个性化服务体现了"以人为本"和"因材施教"的理念,因而在信息教育中得到了广泛应用。针对当前信息教育中缺乏对学习兴趣研究的现状,文章提出了信息教育系统中一种动态兴趣识别方法,新方法应用人工智能技术和数据挖掘技术构建了一个基于网络用户兴趣的动态识别方法,在很大程度上弥补了网络教学中个性化缺失的问题。     

“人工智能+教育”的困境根源及应对

以云计算、大数据和深度学习为核心驱动力的人工智能正在如火如荼地开展,它与教育的深度融合(“人工智能+教育”)正在不断变革教育理念、更新教育手段、丰富教育内容。人工智能在教育领域不断推进应用之时,围绕它的批判声也络绎不绝。究其根源而言,人工智能试图驰骋于整个教育疆域但却力不从心,人工智能与教育深度融合过程中出现的新问题使它步履维艰。以此为根,人工智能应用于教育领域而招致的批判具体表现为三个方面:“人工智能+教育”系统、工具的安全性能无法保障,教育数据隐私泄露,教师主导地位沉沦。基于此,可以制定统一的“人工智能+教育”系统、工具开发与设计标准,利用区块链技术保护教育数据隐私,划定人工智能在教育领域的应用边界,从而拨开“人工智能+教育”前行中的重重迷雾。     

国外人工智能教学应用研究综述

人工智能技术在教育教学中的应用日渐丰富,国内关于人机协同的研究多偏向于宏观理论探索,实践研究较少。鉴于此,研究以近三年三本具有国际影响力的期刊中人工智能教学应用相关文献为样本,以人工智能局部替代教学、赋能教学为焦点,分析国外人工智能教学应用研究现状。从中可以看出,当前国外研究者在探索认知特征、学习本质和教育规律的基础上,关注将机器学习、逻辑推理、自然语言理解等人工智能技术嵌入各类教学、学习、决策等工具、系统、平台中,支持构建体验学习情境、规范学习行为、评估学业水平和能力结构、制定个性化学习路径和内容等研究,旨在通过人机协同优化教学方式与路径,为学习者提供个性化学习服务。这些研究成果对开发人工智能教学产品、理解学习的本质、探索教学规律等提供了方法指导和可供借鉴的研究范式,但也存在人工智能教学应用研究狭窄化、碎片化、微观化等问题,后期还需从宏观、中观层面开展人工智能与教学的关系研究、人工智能教学应用关键技术研究、人工智能赋能教师的理论基础研究、人工智能与教学融合形态研究、人机协同背景下的教师人工智能教学应用素养研究等。     

人工智能时代的劳动教育,内涵、价值与实现路径

探讨人工智能语境下劳动教育的适应路径是对现实需求的积极回应。人工智能时代下的劳动教育以劳动认同、劳动思维的培养为核心目标,以协作劳动为主要组织形式,以劳动实践为关键路径,力求在具身体验中培养学生的劳动价值观和劳动情感。为应对城乡、设计者与参与者、生生间的数字鸿沟、教师教学能力孱弱及大众传媒把关不力等一系列挑战,将人工智能的优势贯穿于劳动教育教学、管理与资源建设中,在"亲职教育"和"亲子教学"过程中转变家长观念;以典型劳模为载体营造良好的舆论环境,凭借"云教学"模式拓展劳动教育实践平台;并以区为项目、以校为单位,建立学校劳动教育智能监测评价系统。