学习科学视角下深度学习的多模态研究

文章从技术、推广、评价、整合和拓展五个方面,说明深度学习研究有赖于基本规律研究。作为学习科学的重要研究内容,深度学习基本规律研究应借鉴多模态的研究方法,全面揭示深度学习发生的内在机制。同时,文章归纳了不同学科和不同行为的多模态,着重分析了学习科学与深度学习领域的多模态。在完善深度学习框架的基础上,文章针对框架的各个组成部分提出了基础型、专业型多模态指标,构建了基于深度学习框架的多模态指标体系,可为不同目的、条件和层次的深度学习基本规律的多模态研究提供指标依据和机制参考。     

多模态学习情感计算:动因、框架与建议

学习情感是影响学生认知加工与学习效果的重要因素,如何利用多模态数据开展学习情感计算是当前亟待解决的问题.文章在分析情感计算源起与多模态数据融合的基础上,阐述了多模态情感计算的发展动因,构建了多模态学习情感计算的研究框架,包括以教育场景为导向采集情感数据、依据情感模型展开建模与识别、利用可视化方式表达与反馈情感、结合情感归因来干预与调节学习过程等.基于现有研究案例,将多模态学习情感计算的应用归纳为开发学习情感识别系统、增强智能学习工具、支持学习干预与决策、探索学习情感的作用机制等方面.未来多模态学习情感计算应平衡数据采集侵入性与真实性、提升数据模型可解释性、综合衡量学习状态以及拓展教育应用探索与创新.     

多模态学习分析:理解与评价真实学习的新路向

随着物联网、可穿戴传感设备、人工智能的快速发展,多种模态数据的连续抓取与融合分析成为可能,促成了多模态学习分析研究的诞生,并成为学习分析领域的一个重要新兴分支.多模态学习分析关注真实的学习情境与本真的学习交流方式,"返璞归真"地聚焦更普遍的物理学习情境,克服了主流学习分析过度关注数字化学习环境的局限.研究主要采用文献归纳法,阐述了多模态学习分析的发展动因、概念理解,重点从身体、生理视角概述了多模态的数据类型,并对多模态学习分析的过程模型进行了详细描述.研究认为,未来要充分借助人工智能处理多模态数据,借鉴认知带理论融合不同模态数据的意义,借力学习理论来理解真实的多模态学习交互过程,以进一步完善基于多模态数据的学习评价方法.     

面向协作学习多重投入特征画像的多模态学习分析

群体投入特征画像是教育与信息技术交叉学科关注的重要研究议题。目前的研究,尚需要在群体投入维度与指标构建、多模态交互数据的融合表征,以及群体多维投入特征刻画等方面取得突破。鉴于此,如何采用多模态交互信息来表征协作学习参与者的投入状态,成为应对当前挑战的关键问题。因此,结合德尔菲法与层次分析法建立群体多重投入特征的分析指标及权重,利用多模态交互分析方法融合与表征多维投入特征,并从群体投入状态差异与时序变化等角度,刻画协作知识建构中参与者的投入特征。研究结果认为:行为参与、社会关系、观点建构和共享调节是刻画群体协作学习投入状态的重要指标,基于多模态数据刻画群体投入特征方法需处理的关键问题是多模态交互数据的融合比例与数据对齐方式;在群体知识建构活动中,个体在各子投入维度的不均衡表现与小组内部成员相互影响的投入表现是协作学习投入的主要特征。     

多模态学习分析实证研究的发展与展望

多模态学习分析(MMLA)是智能化探究有效学习发生机理的关键技术。研究对国外37篇实证文献的任务情境设计和MMLA的四个过程进行系统综述,梳理出多模态数据集的生成场域多以发展认知为主,少关注情感价值的培育;学习标签注释以计算科学指导为主,缺乏不同时间尺度行为关联的理论指导;预测结果多关注学习行为表现,轻心智发展的过程解释;多模态数据分析反馈聚焦个性化学习支持,忽视决策支持。未来实证研究发展应聚焦有效学习与情感体验,融合计算科学和认知带理论,协同人机优势提供反馈支持,开展MMLA系统开发者和利益相关者的深度对话,不断迭代设计与优化分析系统和应用模式,有效促进“人工智能+教育”的发展。     

基于多模态深度学习的音乐情感鉴赏分类方法

为提升音乐情感鉴赏分类精度,提出基于多模态深度学习的音乐情感鉴赏分类方法。在分析音乐情感特征参数类别的基础上,采用相位残差算法提取音乐中的梅尔频率倒谱系数、基音频率、共振峰和频带能量分布4种音乐情感多模态特征后,输入注意力网络模块,由此获取多模态特征中的隐藏信息;由多模态融合模块融合多模态特征,形成全局综合特征;利用分类器对融合后的特征进行拼接并输出分类结果。测试结果显示：该方法梅尔频率倒谱系数特征能量的分布范围在0 Hz～8225 Hz之间;基音频率特征结果变化范围在80.45 Hz～505.9 Hz之间,每种类别分类的正确概率均在0.988以上。证明所提方法能够有效完成音乐情感多模态特征提取。     

基于多模态交互信息的协作学习投入分析

协作学习投入面临多维、动态数据采集与多元数据融合分析的挑战,而多模态交互分析能够提取并融合动态、多维度的投入信息,对表征协作学习交互过程具有重要价值。基于此,文章构建了基于多模态交互信息的协作学习投入分析指导框架,并从投入水平的整体性表征、投入状态的多维性分析和投入信息的时序性挖掘等角度,阐述了协作学习投入分析应考虑的关键问题。此外,文章还提出了包含多模态信息采集、多模态特征提取、多模态特征融合分析等三大模块构成的多模态交互信息分析路径。研究结论显示,多模态交互信息能实现对协作交互过程全方位、细粒度地记录,进而对小组协作学习投入的状态进行动态表征与持续分析。未来研究可能的方向在于基于智能语音处理技术的交互会话分析、基于仪表盘的投入信息可视化呈现以及基于智能代理的协作投入适应性支持。     

基于学习分析的大学生深度学习数据挖掘与分析

在信息化时代的学习中,网络化学习是大学生学习模式的重要组成部分。在网络学习平台上如何利用学习分析技术来收集学生学习大数据,从而引导学生开展深度学习?针对这一问题,文章选取某所高校,利用网络教学平台收集了学生学习及教师教学的大数据,将这些数据根据深度学习过程意向模型的三个部分进行分类,采用具有学习分析的定量研究方法对网络化学习中教师在线备课行为、学生自主学习行为、教师在线指导行为、学生学习反馈行为、师生交互行为进行量化,研究这些行为与深度学习过程意向模型之间相关性。     

场景化分析:一种数据驱动下的学习行为解释性框架北大核心

教育数字化战略的实施加速了以数字化为支撑的学习行为分析框架与理论模型建设的同时,也暴露出当前模型的教育解释力不足等新问题。文章试图以“场景”为研究切入点,借助“场景”作为洞察和解释人类社会行为的认知工具,从“场景”如何量化学习行为大数据的视角,建构一个可量化、可解释的学习行为分析框架,以更好地洞察与阐释隐藏在行为大数据背后的学习行为规律。研究从“场景”与“行为”的关联视角,深度剖析了“场景”与人类社会行为之间的关联渊源,以及“场景”对学习行为模式解释性的影响;再从数据驱动的量化视角,对场景量化的构成要素、特性等进行分析,深层次分析了场景驱动学习行为分析建模的量化逻辑;从场景如何解释行为模式的视角,围绕以“场景”为核心,构建一个数据驱动的学习行为分析的解释性框架,并探讨了该解释性框架的应用方向。     

全景透视多模态学习分析的数据整合方法

多模态学习分析被认为是学习分析研究的新生长点,其中,多模态数据如何整合是推进学习分析研究的难点。利用系统文献综述及元分析方法,有助于为研究和实践领域提供全景式的关于多模态数据整合的方法与策略指导。通过对国内外363篇相关文献的系统分析发现:(1)多模态学习分析中的数据类型主要包含数字空间数据、物理空间数据、生理体征数据、心理测量数据和环境场景数据等5类。在技术支持的教与学环境中,高频、精细、微观的多模态学习数据变得可得、易得、准确。(2)多模态学习分析中的学习指标主要有行为、注意、认知、元认知、情感、协作、交互、投入、学习绩效和技能等。随着技术的发展和人们对学习过程的深刻洞察,学习指标也会变得更加精细化。(3)数据与指标之间展现出"一对一""一对多"和"多对一"三种对应关系。把握数据与指标之间的复杂关系是数据整合的前提,测量学习指标时既要考虑最适合的数据,也要考虑其他模态数据的补充。(4)多模态学习分析中的数据整合方式主要有"多对一""多对多"和"三角互证"三种,旨在提高测量的准确性、信息的全面性和整合的科学性。总之,多模态数据整合具有数据的多模态、指标的多维度和方法的多样性等三维特性。将多模态数据时间线对齐是实现数据整合的关键环节,综合考虑三维特性提高分析结果的准确性是多模态数据整合未来研究的方向。     

主动学习与学习动机

现代教育十分强调学生以主动积极的心态投入学习对于教学活动以及学生自身发展的重要性。针对小学阶段学生学习动机发展的年龄特点，我们认为，应当将各类动机结合起来，着重培养小学生的认知内驱力，以此使学生养成主动学习的习惯。     

论创知学习与终身学习

创知学习就是创造新知识、新思想、新理论、新方案、新活动、新方法、新技术的学习，它不仅是人的本质和人的自身生存与发展的需要，也是社会发展的需要；它与传统学习有本质区别；创知学习和以创知为基础的终身学习是人类学习的新境界；要搞好这两种学习，就必须改变观念，营造良好的学习环境，掌握新的学习方法和完善终身学习制度。     

自主·合作·探究:学生学习方式的转变

自主、合作与探究学习是新课改倡导的学习方式和我国学习方式转变的方向。为了研究中小学生学习方式转变的现状及其影响因素,笔者对分层抽取的440名教师和14 406名学生进行了问卷调查,结果发现:中小学生的学习方式在一定程度上发生了转变,但自主学习与探究学习有所欠缺;女生、低年级和城市学生的学习方式转变相对较好;教师获得的教学支持、教学自主权和教学方式对学习方式转变具有显著的正向影响,而对以成绩为导向的教学能力却产生显著的负向影响;学生的母亲学历、同伴关系、师生关系、内在学习动机等对学习方式转变具有显著的正向影响,学业压力越大越不利于学习方式的转变。因此,应促进教师专业发展,增强教育管理的民主性,提高学习活动的针对性,建立良好的学习环境。     

研究性学习与探究学习、发现学习、自主学习的关系

目前人们对既有一定联系又有所区别的研究性学习、探究学习、发现学习、自主学习进行了许多理论研究和实践探索,但在对它们内涵的界定和彼此关系的看法上,却说法不一.因此有必要把这些问题整理、分析清楚,以便人们更好地对它们进行理解和应用.     

“体验式学习”与研究性学习——兼与刘俊利先生商榷

《历史教学》2005第1期刊登了刘俊利先生《基于实践的研究性学习反思》，对于研究性学习主阵地在“课堂”；“标准”下的“多元”；灵魂是“问题”等认识，本人原则上认同。但有些具体问题的看法不敢苟同，如“体验式学习不能归属研究性学习范畴，它与探究式(研究性)学习、有意义接受式学习一起构成当前中学历史学习的三大主要学习方式。”我认为至少在认识上有以下三个误区：     

大学网络教学师生互动的调查分析

运用自编问卷对51名教师和100名学生进行了大学网络教学师生互动状况的调查。结果发现:师生均认为网络环境下师生的互动更灵活和广泛,但由于网络技术等客观条件的限制,这种互动较表层,深度不够,缺乏情感上的沟通。其中,学生的认同度更趋一致,教师除在年龄上差异显著外,在教龄、性别、学历、所教学科及职称上也存在一定差异,年轻的、教龄不长的女性教师认为大学网络教学师生互动性更强。     

论学习自由与研究性学习

学习自由是学术自由的一个重要组成部分，也是世界高等教育的重要理念，它不仅在历史上对高等教育实践产生过重要影响，而且对当今的高等教育实践仍具有重要价值。鉴于学习自由的实践尚受到各种因素的制约，通过研究性学习实践学习自由是一种必然选择。     

论学习型组织与终身学习

学习型组织是一个能学习、有行动的团队组织 ,自从上个世纪 90年代彼得·圣吉 (PeterSenge)的《第五项修炼》一书问世后 ,学习型组织的理念对于终身学习产生了深刻的影响。学习型组织在现实社会各个层面中得以充分利用 ,促进各类团队终身学习的持续发展 ,以最终实现学习化社会为目的     

终身学习与学习化社会

建立学习化社会，实现终身学习，是进入知识经济时代世界各国的必然选择。它一方面要求学校向社会开放，为各类社会成员提供多种、多次受教育的机会，形成开放、灵活、发达、完备的终身教育体系。一方面要求创建学习型组织、学习型家庭、学习型企业、学习型社区，形成人人学习、终身学习的环境和氛围，使学习成为基本的生存和发展方式。     

RBL的学习设计

本文针对基于资源的学习(Resources-Based Learning,RBL)所存在的问题与挑战,提出了基于学习设计的解决问题的对策和方法。文中分析了目前RBL的学习设计模型、RBL资源的选择和资源的学习支持属性等几个关键问题,提出了RBL学习设计中的学习环境设计模型、RBL中的资源生命周期及再生资源的循环模型,为深入开展RBL的学习设计提供了新的设计思路与方法。