多模态大模型的教育应用研究与展望

多模态大模型逐渐成为人工智能领域研究的热点,目前已在通用领域有显著进展,但在教育领域仍处于起步阶段。文章提出可以构建教育领域通用大模型,并使其通过下游任务适配形成三类多模态教育大模型,从而形成三种典型教育应用,即教学资源自动生成、人机协同过程支持与教师教学智能辅助。在此基础上,文章以“多模态汉字学习系统”为例,利用多模态大模型实现跨模态释义生成,展示了多模态大模型在辅助语言学习方面的应用潜力。最后,文章针对教育领域通用大模型研究、多模态教育大模型的创新应用及其带来的潜在风险与可能触发的教育变革,提出针对性的建议与展望。     

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。     

ChatGPT升级:GPT-4应用于未来大学教学的可能价值与陷阱

ChatGPT引发了国内外对人工智能与人类未来的大讨论,尤其是技术与教育的关联受到了广泛关注。相较于ChatGPT,GPT-4作为一种多模态预训练大模型已然超越前者,在通用人工智能(AGI)时代到来前具有更为重要的作用。通过梳理的GPT-4历史发展,未来大学教学将迎来深刻变革,人工智能将呈现出全新的教育教学和学生培养视野。这些视野包括因材施教的未来图景、教育元宇宙的实践样态、课堂教学的创新转向、教学评价的手段再生等。与此同时,我们也需要反思GPT-4为代表的人工智能教育在发展过程中所带来的“技术陷阱”,其中包括全景敞视中的信任危机、失范模式下的诚信危机、谷歌效应下的知识危机以及认同威胁下的伦理危机等。面对技术变革,我们需要在实践中检验技术、完善技术使用的指导手册以及提升数字素养并共同构建智能时代的教育内容。让技术成为培养“社会人”和“自由人”的工具,而不是让其成为“奴役人”和“异化人”的藩篱。     

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。     

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。     

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.     

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。     

智能学习分组:从通用模型到大数据框架

学习分组是协作学习活动设计的首要阶段。随着学习场所的快速变化、多模态交互过程复杂性的增加,采用传统的随机分组、教师指派或学生自我选择等方法进行协作学习分组的效率十分低下。研究提出基于智能技术构建自适应的协作学习小组。首先,阐述了学习分组的价值,即构建合理的协作学习环境、兼顾学生的个体差异和促进教育资源优质公平;其次,总结了影响智能学习分组的因素,包括个体属性、小组学术与物理构成以及学习者与环境的交互;最后,描述了经典场景下智能学习分组的通用模型,并讨论了大数据背景下智能学习分组的前景与挑战。针对大数据驱动智能学习分组的稳定性问题,基于机器学习中的集成学习思想构建了大数据共识分组框架。此框架有望为人工智能促进未来规模化的个性化教育提供支持。     

AIGC时代基于双向赋能的人工智能教育创新框架

智能时代,教育数字化转型的重要目标是转向人工智能教育,推进教育智能化,其突破口是教育智能技术创新。随着以AIGC为代表的生成式通用人工智能(AGI)技术的突破,以及ChatGPT教育应用的风靡,人工智能教育的领域与学科迎来大发展机遇。双向赋能形成了教育人工智能和智能化教育双领域。人工智能教育学科的逻辑起点是人工智能与教育的双向赋能,逻辑终点是教育的高绩效和培养智能素养。本文分析了AIGC教育应用的9大技术场景与4大角色任务,并基于人工智能与教育的双向赋能理念,论述了人工智能教育的领域、学科与专业创新框架,提出了学科研究范式体系以及专业创新的源动力、任务与策略。     

人工智能在教育视频中的应用分析与设计

视频是教育领域重要的学习资源形式,基于人工智能技术的教育视频分析与创新应用是推动教育人工智能落地的重要方式,但目前还处于研究与实践的探索阶段。文章分析了人工智能对教育视频的支持功能,在此基础上探讨了人工智能在教育视频中的具体应用场景,构建了基于人工智能的教育视频应用设计原则与框架,并进行了案例实现。研究表明:基于人工智能技术的教育视频应用有助于增强互动学习,支持多模态学习分析,优化视频游戏设计,促进智慧课堂与智慧校园建设。对人工智能在教育视频中的应用研究与实践将推进教育教学创新,推动人工智能与教育的深度融合。     

人工智能正加速教育变革：现实挑战与应对举措

基于大语言模型的生成式人工智能的爆发式发展引起了全社会的持续关注,以GPT-4为代表的大模型被认为已初具通用人工智能的雏形。智能技术链式突破所带来的不确定性、模糊性与风险性引发社会对教育系统变革的普遍担忧,迫使人们对人才定位、教育诚信、核心素养、科技伦理与技术治理等问题进行深刻反思。新一代智能技术在教育中的应用及其影响将全面引发教育观的改变,包括众创共享的知识观、智联建构的学习观、融通开放的课程观与人机协同的教学观等。应对智能技术对教育领域的持续渗透,学校应着力提升学生数字素养与技能,培养智能时代的学习能力;鼓励教师积极拥抱智能技术,发展人机协同教学的能力;开展学校人工智能社会实验,营造智能时代教育教学环境。只有不断提升师生智能时代的生存力与适应力,并持续优化学习环境的联通性与智能性,才能规范而有序地推动学校高质量且可持续的健康发展。     

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。     

人工智能视角下深度学习的研究热点与教育应用趋势——基于2006～2019年WOS数据库中20708篇文献的知识图谱分析

近年来,深度学习已经成为人工智能教育研究领域的前沿。为了更进一步审视人工智能视角下的深度学习,文章以Web of Science(WOS)核心数据库为文献数据来源,对2006~2019年与深度学习有关的20708篇有效文献进行了知识图谱分析,发现:2014年以后深度学习相关研究的年发文量激增,且重要的节点文献大多集中在计算机模式识别和视觉领域;中国、美国、英国产出的深度学习研究成果占国际发文总量的一半以上;深度学习的相关研究主要集中在大学开展;主流算法、多模态识别、教育应用场景是深度学习的三个研究热点。基于此,文章提出:深度学习主流算法支持的人工智能分析平台搭建、教育数据多模态识别范式更迭、基于场景的智慧校园生态圈构建代表了未来深度学习的教育应用趋势。     

面向K-12教师的智能教育素养框架构建

本研究在分析智能教育、人工智能教育、教育人工智能等关键概念发展演进及内在关联的基础上,结合知识、能力与素养之间的内涵与关系,阐述了面向K-12教师的智能教育素养的概念及特征:智能教育素养是以创意为内核,教师基于知识、能力、思维、文化价值协同发展,借助教育人工智能技术促进创意设计、创意应用与创意生成的教学实践过程,体现内生性、关联性、持续性、创价性等特征.文章还以教师角色重塑为核心基点,以学习文化、社会活动文化、技术文化为境脉,构建了包含知识基础层、能力聚合层、思维支撑层、文化价值深化层的K-12教师智能教育素养结构模型,并阐明了各层结构中的核心构成要素,以期为提升教师智能教育素养提供引导,为开发智能教育素养测评工具提供理论依据.     

当现实逼近想象:人工智能时代预见未来教育研究

人工智能使想象正成为现实,未来研究方法论是对未来的想象和预期的扩展。本文运用未来研究方法论,从未来想象、未来社会、未来知识生产、未来学习、创造中的未来五个方面对未来教育发展蓝图进行描述、预测、探索与解释,审视与省察未来人工智能时代教育研究的行动措施。未来想象通过科幻故事探索和理解未来高科技实践的应用场景,人与人以及人与外界环境的互动过程。人工智能技术是经济社会发展的核心动力,对未来社会分工、劳动力市场以及人才结构变革带来全新冲击。未来知识生产自动迭代、科学共识的建立更为高效;未来知识传播多模态立体化、超越学科界限;未来知识进化呈现碎片化及适应性。未来学习将呈现个性化、自适应以及终身学习的新样貌。创造中的未来应平衡人与人工智能技术的关系,理性统合组织、文化、人员、环境,努力打造自适应的教育生态圈。本研究旨在厘清未来教育的科学走向与规律,勾勒符合人工智能时代的未来教育应用蓝图。     

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。     

场景赋能:场景化设计及其教育应用展望——兼论元宇宙时代全场景学习的实现机制

随着元宇宙时代的到来,5G、大数据、云计算、拓展现实(XR)和人工智能等技术得以广泛应用,人类已进入到场景(CT)时代。场景化正在不断影响并渗透教育领域,并促进教育领域进行快速地自我革新与升级。场景化特征包括智能动态性、联结共创性和情感连接性。研究从资源沉浸、人本服务、技术适宜三个维度,遵循多资源适配、多模态混合、多场景延续的原则,从场景洞察、场景制造、场景应用、场景优化四个步骤展开场景化设计;进而从数据内容、技术支持和过程体验三个方面,得出数据驱动、技术融合和多模态沉浸体验的全场景学习实施策略。由此,在元宇宙时代,教育场景化设计将从智慧学习场景流、泛在教育生态、虚实融合、全域交互、全纳教育五个方面,赋能全场景学习的实现和应用。     

智能技术进步如何促进学生发展

教育是一种信息型实践,在教育系统内流动的不是社会生产所需的物质和能量,而是支撑教育者和受教育者之间交互的信息。当前,以通用大模型为代表的智能技术快速发展,推动社会生产格局再一次迎来变革,使人的发展被赋予新的内涵。在此过程中,通用人工智能技术可以实现较高质量的内容生产,乃至实现一定程度的知识生产,但其主要缺陷在于难以实现自主的创新创造。因此,应充分分析智能技术的优势与不足,优化学生发展目标,加强人与技术的双向度联系,构建以学生发展为核心的智能时代协同式“人—技”联系教育实践框架。这需要重塑联系,在人技协同实践中构建教育教学新生态;赋能教师,在人技互适的实践中促进教师专业发展;解放学习者,在人技共创的实践中助力创新学习与成长。智能技术介入教育是一个不可逆转的历史进程,唯有直面技术冲击的时代浪潮,科学把握其内在逻辑,才能驾驭技术变革教育的复杂性,实现人与技术的融合共生,真正促进学生发展。     

人工智能+体育教学：关键技术及应用场景

人工智能技术在体育教学场景中发挥着重要的作用。体育教学领域的人工智能关键技术主要有大数据计算技术、知识图谱、机器学习、自然语言处理技术等,应用场景包括教学活动、练习活动、比赛活动和学习评价等。人工智能技术能够更好地赋能体育与健康学科的学习活动、练习活动、比赛活动,并且助力学习评价更好地融入学、练、赛活动中;同时,体育教学实践的深入也会进一步拓展人工智能技术在学、练、赛、评活动中的应用场景和领域。     

国际人工智能与教师教育研究的进展与趋势

在新一轮科技革命不断冲击现有教育生态环境的背景下，世界各国家和地区正在推进人工智能与教师教育融合发展。为了解国际人工智能与教师教育研究的进展及趋势，以Web of Science数据库的近12年来发表的论文为研究对象，运用文献计量学和科学知识图谱等方法，分析了发文量、被引国别、被引机构、被引作者、研究热点、研究演进脉络以及研究趋势。研究结果显示，政策支持、教师智能素养、教师角色转变、教师信息技术运用能力、智能技术应用是当前研究热点；在研究趋势上，技术开发研究由基础技术应用阶段转向深度学习、人机协同技术阶段、教师技术运用能力研究由基础掌握阶段转向人机协同建构阶段、教师智能素养研究由基础知识素养阶段转向终身发展素养阶段；未来将开展多模态数据融合研究、教师能力框架研究以及教师智能教育素养研究。