共查询到20条相似文献，搜索用时 19 毫秒
1.
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。 相似文献
2.
教育智能体是人工智能领域的重要研究方向,可助力实现教育的智能化、精准化和个性化,其对学习者的学习动机、学习情感、学习效果等有着直接且显著的影响.人工智能与教育的结合愈加紧密,但教育智能体尚处于探索阶段,为使教育智能体更好地服务教与学,文章通过对既有文献的梳理和归纳,对教育智能体的发展历程和应用现状进行了总结,并进一步明确了教育智能体的内涵和特征.教育智能体已在支持个性化学习、扮演虚拟教学角色、实现人机情感交互等领域取得应用,但仍存在决策精度较弱、对话能力有限、外观设计简单、情感交互不足等问题.未来,教育智能体将与大数据、深度学习、情感计算等技术深度融合,以其"智能"促进学习者的"智慧"发展,赋能教与学的变革与重构. 相似文献
3.
4.
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。 相似文献
5.
支持个性化学习的e-Learning系统研究 总被引：3，自引：0，他引：3
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. 相似文献
6.
大数据、人工智能等新兴智能技术的迅猛发展为精准教学的有效实施提供机遇.智能时代精准教学逐渐呈现出理论创新化、技术智能化、内涵丰富化和指向清晰化特征.基于智能时代精准教学的特征,探索构建基于智能技术的精准教学模式,教师要借助智能技术手段精准衡量学生的认知特点和学习特征,评估学生优势潜能和最佳学习方式,设计个性化的学习推送方案,探索不同技术条件下的差异化教学策略,因材施教,以最大限度地提升教学的有效性、精准性,实现学生全面而有个性的发展. 相似文献
7.
智能教室研究现状与未来展望 总被引：1，自引：1，他引：0
智能教室是教室发展和变革的阶段产物,它注重于教室设备的智能性,体现更为便捷和自然的人机交互,设计上更多地体现出对教室使用者的关注.智能教室的技术基础包括普适计算技术、人工智能技术、电子交互白板技术、分布式伺候计算技术以及智能空间技术等.目前,国内外典型的智能教室案例包括DELL的智能教室、卓越智能教室、加拿大麦基尔大学的智能教室和清华大学的智能教室等,未来智能教室的功能模型包括人物出席、功能模块层和数据服务层,提供给教学者与学习者一个服务更为个性化、智能化的学习空间和充分关注课堂主体自由、发展的和谐新型课堂. 相似文献
8.
9.
人工智能教育应用是实现个性化、智能化、情境化教学的重要技术支撑,其实施手段和应用效果受到教育界的高度关注。当前,人工智能教育应用中的人机交互关系主要包括静态反馈、动态反馈、混合反馈三类,其交互主体本质上均以机器为中心,学生处于被动地位。面向人类智能发展的未来,增强人工智能教育应用的反馈性、智慧性、迁移性特征,促进学习者的主体性发展,重构人工智能教育应用的发展生态,是人工智能教育应用转型升级的关键路径。本研究在归纳国内外学习者反馈素养相关研究基础上提出“感知反馈、认知统合、评价判断、采取行动、情感管理、动机调控”六类核心要素,通过搭建不同领域和层次的多元支架,构建面向智能教育应用的人机双向反馈机制模型,探讨解决人工智能教育应用面临的人机关系困境的路径,为未来智能教育发展提供理论思考和实践借鉴。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
《北京教育学院学报》2020,(5):1-6
在大班额、教育同质化的教学情境中,个性化教学难以有效地实现。随着智能技术逐渐深入课堂教学,个性化教学的实现有了新的可能。智能时代个性化教学的有效实现需要智能技术与个性化教学有机融合,为此智能技术与个性化教学均需要作出必要的变革。智能技术需以大数据深描学生学习画像、云平台建立个性化教学资源库、人工智能增强教师个性化教学能力、互联网提供个性化教学网络环境等。而个性化教学也需要进行一系列课堂变革:强化学生自主学习意识与能力、增强教师个性化学习指导能力、增加教学内容的选择多样性、提升教学媒体的选用适应性等。基于二者的融合,智能技术支持个性化教学有效实现的路径为确立差异化的教学目标、组织多样化的教学内容、选择有针对性的教学方法、整合多种学习组织形式和构建精准的教学评价反馈体系。 相似文献
13.
网络教育在给学习者带来跨时空、共事信息、平等沟通、互动开放的教学空间的同时,无形中也以崭新的手段、方式、理念的形成,影响着学习者的学习绩效.以学生学习为基本出发点,以学生学习的需求来设计系统功能,应用领域本体技术、人工智能技术和Web等技术具体实现的协同式网络课件制作系统,实现了网络学习平台的智能性,使得学习系统的可适应性更强,从而实现个性化学习,提高学生的学习兴趣、学习质量和学习效率,这无疑对网络教育的开展具有一定的促进意义. 相似文献
14.
金汤 《湖北第二师范学院学报》2022,(1):104-108
近年来,人工智能技术的发展突飞猛进.在口译领域,人工智能语音翻译技术已能够完成源语语音识别并转换成目标语语音输出的同声传译工作,对人工口译和口译教学都造成了一定冲击.面对AI语音翻译技术带来的挑战,口译学习者应充分认识其优势和局限性并加以利用.本文以英汉互译的个性化口译训练为例,探讨口译学习者如何利用AI语音翻译软件提... 相似文献
15.
智能导学系统能够提供个性化的自主学习服务，但仍然面临诸多挑战，如对学习者理解不足、用户体验较差、自动化程度有限等。针对这些挑战与问题，本研究设计并实现了涵盖领域知识层、基础模型层和用户接口层的三层架构新型导学系统，并以“雷达数学”系统为例进行介绍。领域知识层借助知识空间等理论，构建符合教学和认知规律的学科知识图谱和教学策略库；基础模型层利用深度学习、自然语言处理等技术，实现更精准的学习者模型、个性化教学策略模型和自动批阅模型，提升系统对学习者的理解和自动化程度；用户接口层基于可解释人工智能技术与游戏化设计理论，构建可解释的认知地图和个性化导航等服务，改善系统用户的体验。在此基础上，本研究针对学习者、教师、家长等不同角色，阐述了新型智能导学系统的三类典型应用场景并对其发展趋势进行了展望。 相似文献
16.
推送式学习模型构建的主要目的在于实现个性化学习.这种学习不是被动而是主动呈现的,尤其是在大数据时代背景下,利用数据挖掘技术,根据学习者的学习行为和信息素养、信息习惯,在海量的信息数据中将知识主动推送给学习者,提高学习效率和兴趣.其模型构建主要包括数据采集、数据关联和主动推送等三大模块:数据采集模块意在获取学习者学习特征;数据关联模块意在将采集到的数据作同类合并处理,得出数据间的联系,研判学习者学习特征;主动推送模块则根据知识库与学习特征的匹配度,将学习资源主动推送给学习者,最终实现个性化学习. 相似文献
17.
互联网、大数据、人工智能等新技术在教育中的应用创生出教材建设新形态,推动了数字教材的发展。但是,当前数字教材建设中也存在着诸如简化为“电子文本”、等同于“多媒体资源库”、异化为“答题教师”的问题。本研究针对数字教材建设中的问题,分析数字教材智能化发展的必要性,以教学论视角阐释智能教材“智适应选学、智能化导学、伴随式评价、深度学习互动”等教学性特征;结合人工智能知识图谱、学习分析、在线追踪、学习者画像、深度交互等技术优势,借鉴已有研究成果设计智能教材教育功能实现的方法与技术,并以具体案例解释与说明;针对智能教材教学性与工程性特征,从遵循教学理论、注重实践迭代、加强技术监管等方面提出智能教材的推进策略。 相似文献
18.
适合大规模网络学习的个性化导学系统 总被引：1，自引：0，他引：1
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. 相似文献
19.
网络教育智能化一直是教育界和教育技术领域的理想目标,传统的一对一指导方式已经无法满足于网络教育的需求,采用智能系统实现对学生的指导已经成为网络教育发展的必然趋势。人工智能领域中Agent技术的出现为实现这个目标提供了良好的契机。发展我国的网络教育,其中最基本的但操作起来很困难的一个问题便是学习者分析,进行学习者分析是为了了解学习者的准备情况及其学习风格,设计符合学习者个体特征的合适教学,以便为后续的学习提供依据。学习者是学习活动的主体,知识的主动建构者,学习者具有的认知的、情感的、社会的特征都将对学习者的信… 相似文献
20.
情感是影响学习者认知和行为的关键性非智力因素。准确分析、识别学习者的情感状态,对教育的个性化、智能化发展尤为重要,它是情感计算的重要内容,已经成为人工智能和教育领域的交叉研究热点。学习体验文本是学习者情感分析的主要数据来源。面向学习体验文本,是在完善基础词典和情感词典的基础上,提出一种融合情感词典和机器学习的学习者情感分析模型,能够实现对段落级/篇章级学习体验文本的多级情感分类,从而挖掘学习者内隐的情绪状态。为了检验模型的有效性,采用宏平均指标全面评估情感分析模型的整体分类性能。研究结果表明:选择情感词特征和句子构成特征、采用SVM分类器时,该模型能够准确识别学习体验文本中的学习者情感;模型不仅为学习者多级情感分析提供新的研究思路,而且也为深入挖掘学习行为、改善在线教育的学情分析等,提供了技术支撑。这一研究结果,有助于进一步把握模型的应用前景、面临的问题和挑战等,并提出了相关建议。 相似文献