人工智能背景下的课程与教学范式转变

当前人工智能技术已经渗透到了教育领域的诸多方面,并引发了学生学习、课程与教学的系统变革。在人工智能背景下,深度学习、个性化学习、自适应学习、人机协同学习逐渐成为主流的学习方式,学习方式的变革直接推动了课程与教学范式的转变。就课程而言,课程的技术性范式越来越突出,藉由人工智能等技术的帮助,在课程取向上,更加注重不同学科之间的交叉及融合;在课程形态上,开始由静态、纸质、单一性到动态、在线和网络化的转变;在课程内容上,逐渐从一种固定、统一、有限转向了私人定制、无限和开放;就教学而言,在教学目标上,更加注重学生软技能(Soft Skills)和核心素养的培养;在教学方式上,开始聚焦于新技术、新媒介的融合和应用;在教学内容上,转向了对人工智能等新兴领域的关注和教授;在教学评价上,更加注重评价的过程性、精准性、数据化和个性化,等等。基于人工智能的时代背景考量,未来的课程与教学宜重点把握以下几点方向:重点关注可持续发展教育;注重对学生创造力、沟通、合作以及批判性思考等核心素养的培养;着力提升学生的“人工智能素养”教育;加强全人教育以及课程与教学的人文主义关怀。     

梅州市区足球场草坪质量的评价与分析

选取有关草坪质量9个典型指标变量作为评价指标,对梅州市区7个有代表性足球草坪进行了质量评价,分析了各足球场草坪的优点以及存在的不足,并对梅州市区足球场草坪提出了一些草坪建设管理养护建议。     

Calculation method of ship collision force on bridge using artificial neural network

Ship collision on bridge is a dynamic process featured by high nonlinearity and instantaneity. Calculating ship-bridge collision force typically involves either the use of design-specification-stipulated equivalent static load, or the use of finite element method （FEM） which is more time-consuming and requires supercomputing resources. In this paper, we proposed an alternative approach that combines FEM with artificial neural network （ANN）. The radial basis function neural network （RBFNN） employed for calculating the impact force in consideration of ship-bridge collision mechanics. With ship velocity and mass as the input vectors and ship collision force as the output vector, the neural networks for different network parameters are trained by the learning samples obtained from finite element simulation results. The error analyses of the learning and testing samples show that the proposed RBFNN is accurate enough to calculate ship-bridge collision force. The input-output relationship obtained by the RBFNN is essentially consistent with the typical empirical formulae. Finally, a special toolbox is developed for calculation effi- ciency in application using MATLAB software.     

Evaluation of accelerated deterioration in NAPTF flexible test pavements

Previous research studies have successfully demonstrated the use of artificial neural network （ANN） models for predicting critical structural responses and layer moduli of highway flexible pavements. The primary objective of this study was to develop an ANN-based approach for backcalculation of pavement moduli based on heavy weight deflectometer （HWD） test data, especially in the analysis of airport flexible pavements subjected to new generation aircraft （NGA）. Two medium-strength subgrade flexible test sections, at the National Airport Pavement Test Facility （NAPTF）, were modeled using a finite element （FE） based pavement analysis program, which can consider the non-linear stress-dependent behavior of pavement geomaterials. A multi-layer, feed-forward network which uses an error-backpropagation algorithm was trained to approximate the HWD back- calculation function using the FE program generated synthetic database. At the NAPTF, test sections were subjected to Boeing 777 （B777） trafficking on one lane and Boeing 747 （B747） trafficking on the other lane using a test machine. To monitor the effect of traffic and climatic variations on pavement structural responses, HWD tests were conducted on the trafficked lanes and on the untrafficked centerline of test sections as trafficking progressed. The trained ANN models were successfully applied on the actual HWD test data acquired at the NAPTF to predict the asphalt concrete moduli and non-linear subgrade moduli of the medium-strength subgrade flexible test sections.     

An artificial neural network approach for prediction of long-term strength properties of steel fiber reinforced concrete containing fly ash

In this study, an artificial neural network （ANN） model for studying the strength properties of steel fiber reinforced concrete （SFRC） containing fly ash was devised. The mixtures were prepared with 0 wt%, 15 wt%, and 30 wt% of fly ash, at 0 vol.%, 0.5 vol.%, 1.0 vol.% and 1.5 vol.% of fiber, respectively. After being cured under the standard conditions for 7, 28, 90 and 365 d, the specimens of each mixture were tested to determine the corresponding compressive and flexural strengths. The pa- rameters such as the amounts of cement, fly ash replacement, sand, gravel, steel fiber, and the age of samples were selected as input variables, while the compressive and flexural strengths of the concrete were chosen as the output variables. The back propagation learning algorithm with three different variants, namely the Levenberg-Marquardt （LM）, scaled conjugate gradient （SCG） and Fletcher-Powell conjugate gradient （CGF） algorithms were used in the network so that the best approach can be found. The results obtained from the model and the experiments were compared, and it was found that the suitable algorithm is the LM algorithm. Furthermore, the analysis of variance （ANOVA） method was used to determine how importantly the experimental parameters affect the strength of these mixtures.     

打开技术创新课堂教学的新窗:刻画AIoT课堂应用场景

回望技术在课堂中的应用变迁,尽管研究者与实践者不断尝试在"技术增强教学"方面做出努力,但技术介入始终在教育的边缘徘徊,未能解决课堂教学的本质问题。AIoT作为人工智能与物联网相结合的技术产物,在万物智联时代为改变课堂生态带来新的可能。AIoT支持的智能课堂在实践层面表现为IoT感应设备与智能系统的实时通信,可通过协作、游戏化、创客、实训四种典型课堂场景加以诠释。由于教师的课堂教学表现是精准评估与诊断课堂教学效果、干预课堂教学过程、调整课堂教学模式、提高课堂教学能力的主要依据,因此构建教师的教学表现模型是利用AIoT解决真实课堂问题的方向之一。该模型通过智能设备构建数据驱动的智能体系,实时捕获师生语言、动作等多模态课堂行为数据,围绕教学问题进行特征抽取、数据融合、个性化建模以及动态干预等,为有效监测课堂教学过程、改善教与学的行为模式提供了新的思路。但是,AIoT在教育领域中的应用尚存在诸如过多关注认知维度而忽视其他维度、学习特征有效表征缺乏统一的数据标准、数据安全性等问题,未来仍需在教学实践中不断探索AIoT支持的最佳教学组织和教学策略。     

从智能教育到未来学习:新时代教育技术创新与应用新常态--第十九届教育技术国际论坛综述

第十九届教育技术国际论坛聚焦新时代教育信息科学与技术创新研究主题,站在智能时代和民族复兴的高度,从新时代教育技术研究的新热点、聚焦点、新趋势、新建设等角度,深入探讨了人工智能教育的价值与挑战、疫情与后疫情时代在线教育、未来学习模式创新、教育技术学科与专业建设、教育的本质以及教育创新的理论与方法等主题,在跨学科的观点碰撞中廓清了人工智能教育与未来学校的价值与方向,在直面突出问题与危机转换思维中阐释了在线教育教师的角色优势,在综合人文与自然科学的方法中拓展了教育技术基本理论的创新路径,在历史与比较的视野下增强了学科与专业建设的道路自信,充分体现了教育技术学理论与实践深度融合的专业特点,彰显了教育技术学引领与促进教育创新的学科特色,展示了新时代教育技术创新与应用的新常态。     

人工智能教学中“知识建构、STEM、创客”三位一体教学模型的设计与应用

随着人工智能时代的到来,人工智能进学校、编程教育进课堂已上升为国家战略。设计有效的教学模型提升人工智能教学效果是当前的重要研究课题之一,培养具有创新能力的人才是当今教育的重要使命。文章以知识建构理论为核心,以STEM教育和创客教育为两翼,以项目学习为主线,对知识建构、STEM教育和创客教育三者的特征和关系进行梳理,将知识建构理论与STEM教育和创客教育进行有机融合,构建了“知识建构、STEM、创客”三位一体教学模型。在模型的基础上探讨了课程的教学模式和教学评价,以培养学生高阶思维能力和提升学生核心素养。该模型在中小学和高校人工智能教学中进行了探索实践,发现其有助于培养学习者的计算思维、编程思维和创新思维等高阶思维能力,能促进复合型和创新型人才的培养,能推动人工智能进学校、进课堂、进学生头脑的进程。     

人造被覆资材对坡地冲蚀与植生复育成效之研究

本研究主要利用非编织型资材之高分子材质人造抗冲蚀网，探讨在不同坡度下土壤冲蚀量之改善效率。本研究于试验木床上铺设南投县鹿谷乡海拔800m处之农地土壤，土壤表面铺设人造抗冲蚀网，并以设计之油压控制坡度举升平台改变坡度，以人工仿真降雨机仿真降雨强度130mm/h。实验结果发现，于坡度15°之土壤冲蚀量实验中，铺设人工抗冲蚀网较未铺设抗冲蚀网之土壤冲蚀量减少62%；坡度25°之实验土壤冲蚀量减少53%；坡度35°之实验土壤冲蚀量减少53%；坡度45°之实验土壤冲蚀量减少51%。经此实验发现，对于边坡土壤在降雨情况所引发之土壤冲蚀量而言，铺设人造抗冲蚀网能有效降低土壤冲蚀产量。     

产用融合——智能技术群驱动的第五制造范式

到目前为止,制造范式演进经历了4个阶段:手工制造、大机器生产、流水线生产、大规模定制。通过对历次制造范式演进历史的分析和研究,文章提出一个相对固定的制造范式是在技术、社会环境、制造价值观和制度4个因素影响下塑造出来的。其中,技术只是构造制造范式内部结构的工具,具有多重可能性,但适应社会环境和满足制造价值观的需要使得只有一种制造的内部结构可以被称为制造范式。在基本制造范式形成的基础上,制度的作用在于使已经形成的范式得到巩固和优化。现在,全球范围内正在进入智能技术革命与产业革命交织发生的新时期,文章基于研究认为,基于智能技术群,将会形成一个被称为"产用融合"的新制造范式,它将是继大规模定制之后的第五制造范式。