共查询到20条相似文献，搜索用时 15 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
陈瑞瑞 《河南职业技术师范学院学报(职业教育版)》2018,(4)
针对传统的图像分类算法忽略图像多个对象之间的关系,同时存在人类感知高层语义信息和底层图像特征表达之间的障碍等不足,引入了基于深度卷积神经网络的人脸图像识别算法.该算法借助于深度学习,对经典的卷积神经网络分别从内部结构和网络框架上进行优化和改进,通过增加网络结构深度和优化训练模型提取出图像高层语义特征,继而提高图像分类的精确度.实验表明,改进后的深度卷积神经网络分类算法具有良好的有效性和鲁棒性. 相似文献
4.
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。 相似文献
5.
在传统推荐系统中,通常基于协同过滤推荐算法挖掘评分中的隐含特征,但在实际应用中,评分矩阵往往十分稀疏,很难充分地表示用户偏好特征与物品描述特征。为了充分挖掘评论文本中的隐含特征,并在一定程度上缓解数据稀疏性问题,提出一种深度协同过滤模型(CFiCNN)：融合卷积神经网络的协同过滤模型。该模型利用卷积神经网络抽取用户-物品评论数据中的隐含特征,基于协同过滤的矩阵分解方法,进行评分预测。在4个真实数据集上对该模型进行了评估实验,并与3个常用模型进行对比。实验结果表明,该模型能够很好地抽取到用户与物品的隐含特征,并且进行更准确的评分预测。 相似文献
6.
7.
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. 相似文献
8.
9.
为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。 相似文献
10.
为研究大学生“情感缺失”问题,了解大学生在线学习时的情感状态,帮助教师智能化教学和学生个性化学习,文章融合大学生在线学习平台的课程评论、学习时的面部表情和姿态动作,运用深度学习方法,构建基于上下文增强的Bi-LSTMFN情感分析模型。模型包括4个部分,即上下文特征表示、跨模态信息交互、多模态信息融合和情感识别。该模型可以识别大学生在线学习时的情感状态,帮助教师改进教学策略,提高教师教学效果和学生自主学习能力。 相似文献
11.
12.
近年来,认知负荷过载成为影响在线学习效果的一个重要因素。为解决此问题,文章聚焦在线学习认知负荷评估,首先设计了基于多模态数据的在线学习认知负荷评估研究框架,包含多模态数据采集、多模态特征提取和评估模型构建三个部分。接着,文章通过实验,采集学习者在特定在线学习环境下的多模态数据,提取人脸表情特征、眼动追踪指标特征和脑电信号特征,构建在线学习认知负荷评估模型。之后,文章对评估模型的准确性进行验证,发现在五种机器学习算法模型中,KNN模型的综合性能最佳,故将此模型作为最终的在线学习认知评估模型;同时,文章对多模态数据进行了分析,发现多模态融合方法在认知负荷评估上具有优越性。文章构建的评估模型可赋能在线学习平台实现认知负荷的实时评估,进而实现基于认知负荷的个性化学习,增强学习动机,提升学习效果,促进在线教育质量提升。 相似文献
13.
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. 相似文献
14.
15.
教师数字画像是实现精准诊断、及时干预和个性化服务的基础,然而国内学者少有关注,特别是多模态数据赋能全息化描绘教师画像的潜力没有得到很好的发掘。本研究从多学科角度系统解析了多模态的内涵,即多模态是表征不同生理、心理或行为反应的不同形态数据。以此为基础,本研究构建了以生理数据为主要成分的多模态数据全息临摹教师画像的机理及画像模型,模型包括关注发展期望勾勒的愿景层、关注研修动态描绘的学习层、关注本体特征刻画的属性层三个层面。之后,研究构建了基于全息画像的个性化机制(包括适性的动力机制和个人路径生成机制)以及机制得以运转的多模态学习分析方略(包括涵盖去伪存真、多维共描、多面临摹三个层面的多模态数据融合分析方略以及涉及精准教学、失败中学、个性化学习三种学习理念的适应性精准决策方略)。希望这一研究成果能对教师全息画像的临摹提供可行的方案,对以此为基础的智慧研修系统与个性化研修服务的构建提供有价值的参考。 相似文献
16.
当前,学习行为分析已成为研究热点.基于大数据技术挖掘学生的学习行为特征,能为学习过程的改善、学习评价的优化提供重要依据.然而,现有研究却存在分析数据类型单一、实时性不强、结果准确度不高、缺乏可解释性等问题.文章从利用深度学习算法进行多模态学习分析入手,采用HDRBM(Hybrid Deep Restricted Boltzmann Machine,深度混合判别受限玻尔兹曼机)神经网络模型,建立多模态学习分析模型,为教育技术领域中利用多模态大数据挖掘学习者行为特征提供了新范式;接着从可解释性分析的角度,阐述利用深度学习算法进行多模态学习行为分析的算法设计与实现过程;通过实验表明,研究中所采用的方法与技术路线对提高学习行为分析的可解释性有较好成效. 相似文献
17.
基于多模态数据融合的大学生心理健康自动评估模型设计与应用研究 总被引：1，自引：0，他引：1
快速准确地评估大学生心理健康状况是高校心理健康教育的重要任务,也是高校心理工作实现精准干预和提供个性化教育服务的基础.传统评估方法存在评估实时性不高、单一模态数据评估效果差、社会称许性反应偏误等问题.研究基于生态瞬时评估理论,以深度学习算法为手段,提出了一种基于多模态数据融合计算的大学生心理健康自动评估方法.该方法在自构建的多模态心理评估数据集(JA-IPAD)上测试表明:该模型能够精准评估大学生的心理健康状态,在智慧学习环境中具有良好的应用前景,能为完善学生心理档案、精准干预学生心理、优化心理健康服务提供决策依据和技术支撑,也能为促进高校智慧化心理健康教育作出贡献. 相似文献
18.
从教学实践中构建多模态信息认知教-学模式 总被引：3，自引：0，他引：3
袁传有 《教学研究(河北)》2010,33(4):50-55
采取自下而上的研究方法,从教学实践出发,分析法律英语课程的教学改革,参考相关理论构建三位一体的多模态信息认知教-学模式。该模式提出教学内容以信息为出发点,教与学的方法和手段多模态化,教学目标指向学生认知能力发展。该模式要求教师多模态教学,学生多模态学习,师生多模态评估。该模式构建于法律英语课的教学实践,也可以推广应用到其他类型的语言教学中。 相似文献
19.
20.
教学问题的精准诊断是基础教育课程教学改革深化的重要诉求和实践难题,而利用多模态诊断的方法发现并改善教学问题是破解上述难题的有力手段。医学领域的“多模态诊断”在主体特征、问题特征、方法特征上均适切于教学问题的追踪与诊断。在明晰多模态诊断教学问题生成逻辑的基础上,从教学问题可辨识、可解释、可调控三大目标旨要出发,分析多模态诊断教学问题的诊断机制,生成由问题发现、异常诊断到实践改进的行动理路,确定多维度数据化表征、动态化精准诊断、复杂性干预三个关键问题,这三个关键问题的破解之道是构建多模态诊断教学问题的实践模型,具体包括教学问题多模态数据整合模型、面向动态教学系统的教学问题多模态诊断模型、基于人本人工智能的教学问题复杂干预模型三个部分,形成从发现问题、分析问题到解决问题的闭合回路,推动多模态诊断教学问题的实现。 相似文献