人工智能时代的个性化学习:内涵、技术支持与实现路径

利用人工智能技术实现个性化学习是当前教育改革发展的现实诉求.个性化学习的内涵包括以学习者的个性化需求和特征为前提、以学习者个性化的学习过程为核心、以学习者的个性化发展为最终目标等三个要点.人工智能技术为个性化学习的实现提供了强有力的支持,主要体现在智能识别、智能分析与处理、智能测评等方面.人工智能时代个性化学习的实现路...     

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。     

支持个性化学习的e-Learning系统研究

本文以个性化学习理论为指导,采用课程知识、教学方法和学习资源相互分离的策略,应用人工智能技术、数据挖掘技术和数据库技术构建了一个基于网络的个性化学习系统,该系统能根据学习者的知识结构、学习目标、学习风格、偏好等特征信息提供适应学习者的教学方法和学习资源,营造个性化的网络学习环境.同时,系统的个性化服务决策规则和模型还可通过数据挖掘修正不断加以完善.     

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。     

智慧教育与个性化学习理论与实践研究

随着技术的发展、社会的进步,传统的无差别的传统教育模式已经无法满足学习者的个性化需求。智能技术的出现颠覆了传统课堂教学,带来了教学决策数据化、评价交反馈的及时化、互动交流的立体化、资源学习资源推送的智能化,重构了现代教育学习环境,带来了教育体系的智能化。本专题的几篇文章对智慧教育与个性化学习进行了分析,从数据环境、时间、方法、目的等维度,提出人工智能背景下个性化学习的构建方法,并对人工智能支持的个性化学习路径进行了研究;梳理出我国智慧教育研究的热点领域,相关研究主要围绕“秉承何种理念”“教师如何教”“学生如何学”“氛围如何营造”等四个层面展开,并对智慧教育研究趋势进行了展望;构建了智慧课堂,进行了教学试验,并对智慧课堂效果进行了分析。本专题文章可以看作智慧教育与个性化学习研究与实践的一次有益尝试。     

基于专业目标达成度的学习系统设计——以高校教育技术培训为例

以教育技术培训为例,设计了专业的知识图谱,所有知识点与试题、学习资源相互关联,学习系统根据学习者的个性化差异智能推荐学习资源,学习者在反复自测与学习后,可以快速地提升自己的教育技术专业素养,大大提高学习效率。     

适合大规模网络学习的个性化导学系统

为了对大规模网络学习中参差不齐的学习者实现有效的学习控制和个性化的学习指导,设计并实现了一种个性化的智能导学系统.该系统以结构化知识域为基础,组织所有学习对象;通过分析学习者基于知识域的各种学习活动,产生基于知识结构的评价结果,形成个性化学习记录;通过学习路径挖掘对学习者进行学习引导和控制;根据学习者的学习评估状态进行聚类,由教师作学习资源的类内权威推荐、学习策略调整等个性化的指导.实践证明,该系统的使用显著提高了学习者的学习速度和学习效果.     

网络课程资源支持下基于语义Web的个性化主动学习服务研究与实现

针对个性化学习的需求,本文提出了一个网络课程资源支持下基于语义Web的个性化主动服务系统。系统以学习者、课程和资源对象语义建模为基础,从学习者的学习水平、学习目标、学习偏好和学习状态四个方面出发,分别与课程知识、学习资源对象等方面的语义进行匹配和推荐,设计了主动时机和方式决策机制,以实现学习路径与资源对象等的个性化主动服务。实验表明,该系统可以较好地促进学习者课程知识建构,有效地提高学习效率和学习效果。     

基于虚拟助理的远程学习支持服务及技术难点

以人工智能与模式识别为核心的虚拟助理是当前备受各领域关注的智能化应用技术,在远程教育个性化支持服务领域存在巨大的应用潜力,其技术发展和市场需求集中体现在资源推送、教学互动、情绪调节和生活辅助四个方面。已有研究显示,虚拟助理可以智能化地判断和理解学习者的需求,改善远程学习系统中资源与知识单向传输和缺乏互动的情况,适时引导学习者进行学习并解答疑难问题;还可以监测学习者远程学习过程中的情绪变化,缓解由于时空分离而造成的负面情绪,为远程学习者提供更自然和人性化的交互方式与学习支持,以及更多的生活便利。随着虚拟现实、人工智能、传感器和模式识别技术的发展,人们已经越来越多地看到了它在适应学习者需求和喜好、提供个性化学习支持服务方面的优势,但是其进一步发展还需攻克资源推送算法、人机互动模式、情绪状态识别等技术难点。     

智能教育下基于情境感知的自适应学习系统构建

伴随着大数据和人工智能在教育领域的渗透和融合,个性化学习成为当前和未来教育关注的焦点,而自适应学习系统为个性化学习提供了一种实践路径.在分析自适应学习基本模型的基础上,结合自适应超媒体系统通用模型AEHS,引入了学习情境,构建了基于情境感知的自适应学习系统模型.为了提高自适应结果的精准性,根据学习情境中的学习者要素、时间要素、空间要素和设备要素,对学习者进行学习情境分组,以此为基础,通过学习者模型、领域模型和教学模型的协同作用,在自适应引擎的驱动下,生成自适应学习结果.最后,结合动态变化的时间因素,提供了个性化资源推荐的实现思路.     

基于ALICE的个性化英语学习同伴

随着人工智能技术的发展,智能化教育和学习已成为当前研究的热点问题。本文采用人工智能技术构建个性化的英语学习同伴系统,该系统采用数据挖掘的方法检测学习者的智力与非智力水平,同时监督学习者的学习进度,并使用自然语言与学习者进行交互,从而为我国英语学习者提供一个个性化的语言学习环境。     

人工智能支持下的智慧学习模型构建研究

智慧学习是人工智能时代教育的基本内涵,智慧学习模型构建是实施智慧学习的关键和基础,也是该领域研究中的瓶颈问题.文章针对智慧学习内在机理难以表征的问题,利用人工智能技术,提出了能够阐述智慧学习特征、要素及运行机制的智慧学习E-GPPE-C模型.该模型由学习环境、教育知识图谱、学习者画像、学习路径、学习评价、学习共同体六大核心要素和基础层、支撑层、服务层、关键层、应用层五个层面构成.基于人工智能相关算法,从教育知识图谱构建、学习者画像构建、学习共同体构建、学习路径推荐四个方面,提出了E-GPPE-C模型的实现方法.研究为人工智能在教育领域应用、智慧学习开展提供了基础,为后续智慧学习模型研究提供了参考.     

个性化学习资源推荐中文本情感识别的作用及关键技术

基于数据智能分析的学习资源推送是精准支持个性化学习的教学服务方式之一。随着人工智能技术和学习分析技术的发展，通过对行为数据、测评数据和日志数据等的分析进行资源推送虽已有较成功应用，但未能实现学习者个人情感状态为引导的资源推送。为此，该研究针对个性化学习资源推荐中情感价值、情感控制理论和实践的缺失，以实现个性化学习多维度情感识别为目标，采用BERT模型和TextCNN构建个性化学习资源推荐文本情感识别模型，并提出了基于学习者作业、论坛内容等的文本情感识别模型实现过程。学习资源推荐文本情感识别模型和实现过程可为真实应用提供方法支持和技术路线指引。     

学习资源个性化推荐系统的学习者模型构建

互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。     

让数字校园建设插上“特色”的翅膀——杭州市数字校园示范工程建设思路

一、数字校园的内涵1.数字校园的定义数字校园是以高度发达的计算机网络为核心技术,以信息和知识资源的共享为手段,强调合作、分享、传承的精神,是网络化、数字化、智能化有机结合的新型教育、学习和研究的教育环境。这种新型的开放式教育环境提供了适应学习者个性化成长和发展需求的学习平台,学习者可以自主选择多种媒体组合的学习资源,能够创新地运用和创造资源。数字校园环境在日益发达的     

基于教育云平台资源推荐的知识图谱构建与应用研究

随着教育信息化进程在教育领域的不断推进,互联网教育资源平台中形成了大量的学习资源.文章以教育云资源平台中的课程资源为例,通过提取用户数据、资源标签以及使用情况等信息,对资源的不同特征进行量化,建立基于模型的知识图谱,从而直观展示课件资源、用户需求等相关关系,利用知识图谱从海量学习资源中为学习者推荐最佳学习内容,帮助学习者理清知识关系,提升个性化推荐资源多样性和用户信任度.     

虚拟切片的网络课程碎片化资源设计

传统的网络课程因资源粒度过大、时间过长难以满足学习者微型化、碎片化及个性化的学习需要,本研究通过分析碎片化学习资源特点及其认知特性,从碎片化学习资源设计、技术开发及实现方式三个维度,提出了网络课程的碎片化学习资源的"拆解"与"重构"设计开发模式。利用虚拟切片技术拆解并重构了从知识碎片化到知识单元与知识主题的结构化研究。以"C程序设计"网络课程为例,开展了碎片化学习资源设计的案例研究,对其学习方式与传统的课堂学习方式进行了比较。研究表明,碎片化学习资源可以更好地满足学习者微型化、碎片化及个性化的学习需求,完善知识结构与夯实知识水平,及时弥补传统学习方式中的不足,提高学习者的学习绩效。     

“双减”背景下人工智能赋能学习质量监测：价值构想与模型设计

聚焦中国式高质量教育发展的要求,深化落实新时代教育评价改革,创新学生学习质量监测体系则至关重要。围绕融合学科核心素养,以认知诊断自适应测验技术为保障,建构人工智能赋能学生学习质量监测体系,助力中国式教育现代化。人工智能赋能学生学习质量监测体系以个性化评价适配学生个性化学习,以智能化监测推动学生智慧学习与教师智慧教学,以增值评价实现学生学习质量增效的可视化。该体系兼具评价性、学习性和教学性功能,可以从多方面、多层次对学生学科核心素养进行全面测评,支持学生个性化学习,提供智慧学习资源包,辅助学生知识进阶;可以依据测评结果提供智慧教学策略,辅助教师提升教学效能,为学生学习、教师教学、家长督学提供可视化的证据。     

基于在线学习行为的个性化学习需求智能挖掘技术研究

随着数字化学习的普及和发展,如何及时发现网络学习过程中学习者的个体学习需求,并实时地提供满足他们需求的数字化学习资源和学习服务已日渐成为E learning研究领域的关键问题之一。利用人工智能技术,通过提取数字化学习资源中的核心概念和对在线学习行为的自动捕获,建立基于概念图的知识模型,在此基础上智能地挖掘学习者个体认知状态和学习需求,为个性化学习服务提供支持。     

“人工智能+教育”背景下的教师角色重塑

“人工智能+教育”以“共享”“创新”“协同”为理念,正引发一场“学习革命”,这场革命是深刻而可感知的。“人工智能+教育”改变了教学信息传输方式,拓宽了学生的学习视野和学习空间,极大地满足了学生的个性化需求。人工智能可以模拟教师现场教学,实现知识技能的自动化测量评价,通过教育游戏和教育机器人“寓教于乐”。