人工智能赋能高校思政课教学的生成、风险及对策北大核心

人工智能的飞速发展为高校思政课教学的加速跃升带来了前所未有的机遇。伴随着思政课教学全过程、全场景的数据采集和智能分析,人工智能从智能化教学场景打造、个性化学习资源供给、智慧化学生测评体系建设三个维度充分发挥其优势,促进思政课教学模式创新发展。但是,应系统审视人工智能赋能思政课教学在"场景-资源-测评"三方面存在的技术风险,比如:智能化教学场景的滥用,对大学生数据隐私权的侵犯以及算法黑箱背后的数据依赖。面对这些问题,要加快人工智能在思政课教学中的深度转化,实现智能化教学场景的合理运用、大学生学习数据的合理使用以及透明算法下价值对技术的主导,从而促进人工智能与思政课教学的深度融合,构建人机协同的思政课教学新生态。     

智能时代的教育测量新视野

针对生成式大语言模型ChatGPT引发的新一轮人工智能技术发展,阐述智能及智能评测的有关概念及挑战,分析人工智能技术对人类学习和教育系统的影响,提出教育在智能时代可能发生的变革,以及在教育智能化过程中教育测量承载的历史使命。展望教育测量未来发展,教育测量应与智能认知研究相融合,广大研究者应致力于智能模型测评、心理测量与教育测量的融合研究,促进智能技术在教育和学习中的合理应用,使教育测量在教育变革及社会发展中发挥更加重要的作用。     

基于互联网教育应用的青少年认知发展测评

互联网教育应用为青少年提供了重要的学习和交往场域,其在为青少年学习提供便利的同时,也持续改变着青少年的认知发展过程。在互联网教育应用中如何对青少年的认知发展进行科学测评成为重要命题。从历时性来看,认知发展测评经历了观察测评、实验测评、生物学测评和智能测评四个阶段。但受限于青少年认知结构和互联网教育应用场域的特殊性,基于互联网教育应用的青少年认知发展测评面临测评指标科学性、测评方法灵活性、测评工具复合性、测评项目适应性和测评过程的生态学效度等方面的挑战。应对这些挑战,需要厘定互联网教育应用的分类,并以教育测评模型构建范式为指引,来探索互联网教育应用场景下青少年认知发展测评的实践路径。具体包括确定测评模型的构建原则、建立指标体系、确定测评模型的权重、验证和完善测评模型、设计与实现大规模测评5个步骤。这一认知发展测评范式既有助于从知识结构、认知能力和价值观念的改变等方面对青少年的认知发展进行全面评估,也有助于促进互联网教育应用的优化和改进。     

教育通用人工智能大模型标准体系框架研制

当前,人工智能大模型在各领域迅猛发展,其中教育领域的人工智能大模型虽然能够在知识生产、知识计算和知识服务方面完成多种智能任务以提供教学辅助,但其在功能构建、数据收集与管理、教学测评和应用等方面仍存在局限,同时缺乏适用于多个教育场景的通用人工智能大模型。基于此,文章从人工智能的发展和标准化的现状出发,对教育通用人工智能大模型的概念、原则和属性做出界定,并提出教育通用人工智能大模型标准体系,包括总体框架、信息模型、数据规范、测评规范和教学应用要求等,以从指导角度对教育通用人工智能大模型的研发、应用、管理和评估进行规范。文章通过研究,旨在规范通用人工智能大模型在教育领域的应用与发展,赋能、赋智于教育,推动教育的高质量发展。     

人工智能时代教师角色的转变与重塑策略

随着互联网、大数据、云计算等新兴技术的发展,人工智能与教育的深度融合成为一种必然。处在人工智能时代的教师职业身份面临着严峻的挑战,倒逼着教师在适应人工智能时代教育模式的同时,转换角色,重塑身份属性,即从知识传播者向资源发掘者和选择者转变、从教学掌控者向学习协同者和引导者转变、从课堂讲授者向情感维护者和疏导者转变。人工智能时代,教师角色的重塑要强化智能素养培育,提高智能化胜任力;完善知识结构,增强智能技术赋能教师个人发展的功能;明确角色功能,提高对人工智能的全面认识,理性看待数字化和智能化侵袭,最大程度地发挥教育教学优势,提升教育教学效益。     

大数据、AI平台支撑下的智慧金融产品研发与实践

为提升大数据、人工智能等技术的金融场景应用质效,提高金融服务敏捷化、智能化水平,搭建整合数据采集存储、批流一体化计算能力的大数据基础服务平台,建设集成主流机器学习框架及基础算法模型、具备全流程建模能力的人工智能基础服务平台,并在平台基础上构建场景化数据资产及应用算法模型,推出面向不同业务场景的智能化产品.实践结果表明,...     

面向教师画像的能力精准测评和可视化呈现

在人工智能助推教师队伍建设背景下,借助画像技术实现对教师能力的精准测评并助力其个性化发展,愈发重要。然而,面向教师画像的能力测评精准性仍有待提高,其可视化呈现方式的解释性也仍显不足。研究根据教师能力的构成特征及多模态数据测评文献分析,构建了全面细粒度的面向教师画像的能力测评框架,并从数据多源采集及其准确处理的角度,提出了有效场景信息识别、数据采集高支持度保障、跨场景数据动态融合、非线性特征提取算法优化等四方面的测评精准性提升策略。结合自主研发的师范生教学基本技能智能实训系统,研究分析了教师画像的数据可视化特征,探讨了能力外显的行为、社会交互、知识、情感等四类数据属性的可视化方式。     

面向大数据的基础教育信息化2.0“县·省”级动态综合测评模型建构与应用

大数据是推进基础教育信息化2.0发展的基石。面向大数据的基础教育信息化2.0“县·省”级动态综合测评既是实现教育公平和均衡发展、阻隔贫困代际传递的重要战略,也是理清“县·省”级基础教育信息化2.0综合发展水平的关键举措。研究通过文献分析了面向大数据的测评导向、“县·省”级基础教育信息化2.0大数据和数据驱动的动态性机理,系统阐述了动态综合测评模型建构的理论基础、技术平台与基本特性,建构了面向大数据的基础教育信息化2.0“县·省”级动态综合测评模型,开发了基础教育信息化2.0“县·省”级动态综合测评“双向”排序方法。以X省15个县为例对模型进行了应用检验,并对H县与另外14个县基础教育信息化2.0综合水平进行了纵横向可视化比较,清晰地勾勒出各县发展变化轨迹,充分说明了动态综合测评模型建构对推动基础教育信息化2.0发展的重要价值。     

人工智能时代教师教学能力测评范式的重构

及时有效的教师教学能力评价对于提升教师工作动力、专业水平,促进其职业发展具有重要作用.然而,传统的教师教学能力评价在目的、工具、方式、方法等方面都存在一定问题.人工智能在教育领域的应用为教师教学能力评价范式的重构带来了新契机.人工智能驱动下的教师教学能力测评范式将在测评目的、测评方法、测评工具、测评方式等方面发生重大变革,进而从根本上促使教师教学能力评价从单一维度的片面评价向基于多维度多模态数据的全面评价转变,从封闭的片断式评价向开放的跨时空持续性评价转变,从规模化的粗糙评价向个性化的全员精准评价转变,从而使教师在开放的持续化、情境化、动态化和精准化的测评过程中系统高效地提升教学能力,成长为能够积极利用人工智能等新技术教学的创新型教师,为我国建设高质量教育体系提供良好的师资保障.     

人工智能教育社会实验的理论基础与实践框架

2021年我国启动了“国家智能社会治理实验基地”的建设工作,开展面向人工智能教育领域的社会实验是其重点部署内容之一,以期超前研判智能教育的发展规律与风险挑战。围绕如何正确认识与科学推进人工智能教育社会实验的现实问题,文章立足于技术社会学视角,分析了传统实验、教育准实验、教育社会实验的异同,阐释了人工智能教育社会实验的核心内涵,论述了人工智能教育社会实验的本体论、认识论、方法论与价值论等理论基础,通过剖析人工智能与教育的融合路径与理论,认为人工智能教育社会实验研究的实践进路包括：微观层面应重点研究人机复合体认知、人机协同等场景中技术对个体适应性的影响;中观层面应重点研究智能学习环境、人机协同教学模式、智能学习测评等场景对学校教育体系的影响;宏观层面应重点研究资源配置、数字治理、教育公平等场景对社会制度与政策的影响,从而推动智能时代教育的高质量发展。     

教育对人工智能应用的反哺价值探究——基于生成式模型到世界模型的视角

生成式人工智能的出现改变了人工智能与教育的关系,使其从工具型应用跨越到互构式发展。然而,生成人工智能真正走向与教育的融合发展依然面临诸多挑战,集中表现在生成式模型固有的低认知性使其难以与教育垂直领域求真求实的底色相符。因此,从以大语料和高参数为特征的生成式模型向以认知推理学习为基础的世界模型跨越成为人工智能发展的必然方向,教育的基本理论将成为推动这次跨越的重要力量。基于该视角,借助以世界模型为基础逻辑构建的契机,研究从知识、实践、态度和认知四个维度充分探讨教育对人工智能的反哺价值。此外,本研究还从技术实现和理念转变两个角度提出了相应的挑战。在当前生成式模型井喷式发展的节点,研究提出人工智能模型与教育的互构作用,对探索未来人工智能教育生态新高地有较为重要理论价值。     

动态测评的特征、理论根源及其在外语教育中的应用

文章从测评者、任务设计、任务内容的组织方式、测评目的以及测试构念等方面,系统地探究了动态测评与其他测评方式的差异性。同时,详尽地阐述了动态测评的理论基础及其在语言教育中的实际应用。文章旨在增进语言教育工作者对动态测评的特征和本质的理解和认知,并为其在课堂实践中的有效运用提供坚实的理论基础。     

教育大模型的发展现状、创新架构及应用展望

从通用大模型到教育大模型,是人工智能大模型技术深化发展的重要趋势。基于对教育大模型发展现状、典型案例、潜在挑战的分析,文章认为教育大模型是适用于教育场景、具有超大规模参数、融合通用知识和专业知识训练形成的人工智能模型,是大模型技术、知识库技术及各类智能教育技术的集成,能够推动人类学习和机器学习的双向建构,进而提出了应用驱动、共建共享的创新架构和“以学习者为中心”的未来应用场景,旨在建立人工智能大模型与各类数字化教育应用的开放接口,持续训练和完善能够更好地解决教育专业问题的教育场景模型,形成让广大师生常态化使用的智能教育开放模型集群和知识库,在提炼和萃取深度教育知识的同时,破解人工智能教育应用中的风险和挑战。     

基于STEM教育的学习者创造力测评研究

对学习者的创造力进行测评一直以来都是教学实践的难题。STEM教育为发展学生的创造力提供了更多机会,同时也为评估学生的创造力提供了真实的问题情境。研究根据加德纳多元智能理论和吉尔福德的创造力结构划分理论,解析了STEM教育活动中创造力的领域特殊性和思维同一性特征,构建了面向STEM教育情境的创造力评价模型。以此为基础,通过分析机器人教育活动中学生在S.T.E.M学科维度的创造性表现和思维过程特征,设计了面向教育机器人活动的创造力观测量表,并在小学生机器人项目化学习活动中开展实践应用。研究表明,基于该模型的测评工具和方法能够有效区分学习者的创造力水平,支持对学习者创造力学科倾向的深度分析,有助于厘清学习者知识基础对创造力的影响。     

深度学习的发生机制与多模态数据测评研究

进入数字化知识经济时代,社会发展对教育活动提出了更高要求,旨在培养高阶思维和创新能力的深度学习备受国际社会的高度关注。为此,“深度学习如何发生”和“如何评估深度学习发生程度”,也成为亟待研究的两个关键学术问题。认知心理学、教育神经学和具身认知为理解深度学习提供了理论基础,指引人们从人—物互动视角认识个体的认知变化过程,打开了个体学习的内隐机制“黑箱”,实现内隐机制和外显表征的桥接与理解。基于这一认识与分析,通过信息输入、深度加工和学习生成三个环节,初步构建了深度学习的发生机制模型,并设置相关的学习状态指标。而要实现对深度学习发生程度的精准评价,则应依据深度学习的多模态数据测评框架,综合性采集与分析学习者的生理数据、自我评估数据、在线学习平台数据和课堂参与数据等多模态数据。但是,在采用多模态数据测评深度学习的发生及其程度时,多模态数据仍存在异质性差距、数据建模缺乏精确度、常态化评价开展困难、数据安全和伦理道德难以得到保障等问题,亟需未来开展更为深入的研究与探索。     

基于大模型增强的通用人工智能教师架构

以ChatGPT为代表的预训练大模型在教育界产生了巨大影响,也为发展通用人工智能教师带来了曙光。预训练大模型应用于教育存在幻觉、深度逻辑缺失、社会情感缺失等局限,如果这些关键问题不解决,大模型不可能在教育中得到真正有价值的应用。本文提出通过增强大模型构建通用人工智能教师架构,其核心思路是精调训练增强场景知识、检索增强认知、外部智能组件编排增强推理、多模态融合增强感知、情感计算增强社会情感,再通过教育知识图谱对大模型输出进行监督。通用人工智能教师主要有六种应用场景：需要渊博知识的场景、洞察创意增强场景、约束与管理场景、社会情感互动场景、个性化指导与反馈场景、多模态内容表现场景。文章最后分析了通用智能时代人类教师面临的机遇与挑战,提出教师需要主动拥抱、使用、驾驭并控制智能技术,解放、增强、进化自我,并跨越陷阱。     

国外教师数据素养测评研究及启示

随着大数据和智能技术在教育中的广泛应用,教师数据素养测评研究已进入实践层面。国内教师数据素养领域的研究现状表明,借鉴国外研究成果对促进我国该领域的发展非常必要。在国外文献调研的基础上,本研究首先将教师数据素养的测评工具归纳为问卷调查、知识测试和情境访谈等三种类型,继而详细分析有代表性的测评工具的内容及形式特点,并结合案例描述各种测评工具的应用场景和测评效果。结合证据中心设计模式的相关要素,本研究从开发过程、测评效度和应用程度等角度总结和比较各种测评工具,最后分析了我国该领域在评价体系建构、测评任务设计和测评实施等方面得到的启示,以期为大数据时代教师专业发展提供借鉴。     

研训者数据领导力测评模型构建与应用研究

随着全球数字经济的蓬勃发展,数据日益成为重要战略资源和新型生产要素,对领导者的任务和能力要求带来了革命性变化,数据领导力的概念应运而生。研训者作为我国教师专业发展的引领者和指导者,只有具备一定的数据领导力才能更加从容地应对数字时代给教育教学和教师发展带来的全新挑战。科学测评是高质高效进行能力培养和发展的先决条件,但目前我国尚缺乏具有指导性的研训者数据领导力测评模型。基于此,该研究遵循教育测评模型构建的一般范式,通过厘清研训者数据领导力的内涵特征,从理论思辨与实证分析两方面构建了包含数据使用规划、数据探究指导、数据文化建设等3个一级指标、13个二级指标的研训者数据领导力测评模型。实证检验结果表明,该测评模型具有较好的可行性和有效性,可以为科学精准测评研训者的数据领导力水平提供理论指导。最后,基于我国研训者数据领导力的现状水平和存在问题,该研究从多智力投入、多角色参与、多场景构建三个方面提出了具体的对策建议。     

人机学习共生体--论后人工智能教育时代基本学习形态之构建

人工智能与教育的融合实现了教育的规模化、个性化和智能化,然而它并未突破传统教育知识传授模式的局限,未来的人工智能教育应用应当从"机器教人"向"人机共生"的知识创造性发展。"人机学习共生体"这一后人工智能教育时代的学习形态,是在分析人工智能发展历程和学习者角色演变的基础上,以经验之塔理论和知识创造螺旋理论为基础提出的。后人工智能教育时代人机共生的学习形态,即在学习者的客体观、主体观、主体间、共生观和他者观等基础上,形成的具有连续统样态的人工智能教育模式。人机学习共生体围绕隐性知识和显性知识之间的转化,形成了学习者与智能体的共生关系,通过共同化、表出化、联结化和内在化等知识转化过程,持继促进知识创造。人机共生学习是学习者、智能体和教师所构成的以知识共生为核心的学习过程。未来人机学习共生体的实现,需要解决智能体的主体性技术、学习绩效支持以及学习模式创设等挑战。     

人工智能通用大模型教育应用影响探析

人工智能对教育的影响经历了从利用机器学习优化教育，实现“能存会算”的自动化，到利用深度学习赋能教育，实现“能看会听”的感知化，再到利用通用大模型创新教育，实现“能理解会创作”的认知化。人工智能通用大模型加持下的教育生态，其应用模式将从专用走向通用，应用流程从分发走向生成，应用场景从单一走向多元。通用大模型的兴起及其在教育行业的快速渗透，将引发人才培养目标的转变及教育教学形态更替，并可能加剧伦理安全风险。人工智能与教育的融合发展要坚持以人为本，注重学生高阶思维培育，健全相应的伦理规范体系。