智能教育机器人系统构建及关键技术——以“智慧学伴”机器人为例

发布时间：2022-11-03 19:09

　　智能教育机器人正处于发展初级阶段,面临着教学性不足、反馈性差、感知力欠缺等诸多问题。本研究基于人工智能领域的多项关键支撑技术,采用经典心理学的自我决定理论作为理论基础,设计并实现了"智慧学伴"智能教育机器人的系统架构。本研究首先基于知识图谱技术构建了教育认知地图,基于机器学习技术构建了学习者模型,基于自然语言处理技术构建了问答与对话系统,利用情感计算技术估计学习者的学习情绪和专注度等关键状态信息。在此基础上,本研究针对家庭教育与环境的特点,设计了五类典型的智能机器人应用模式,以帮助学习者完成不同阶段的学习目标,并满足其自主感、胜任感及归属感等核心需求。本研究将有助于人工智能技术与教育机器人领域的融合与发展。 

【文章页数】：9 页

【文章目录】：
一、背景与挑战
    (一)研究背景
    (二)面临挑战
        1. 教育性不足
        2. 交互性较差
        3. 感知力欠缺
二、理论基础与关键技术
    (一) 理论基础
        1. 自主感
        2. 胜任感
        3. 归属感
    (二)关键支撑技术
        1.知识图谱技术构建教育认知地图
        2. 机器学习技术构建学习者模型
        3.自然语言处理技术构建问答与对话系统
        4.情感计算技术估计学习情绪与专注度
三、系统架构与实现
    (一) 教学交互模块
        1.情感计算引擎
        2. 问答引擎
        3. 对话代理引擎
    (二)数据与资源模块
        1. 学科知识图谱
        2. 社会性学习资源
        3. 学习者数据与分析
        4. 个性化认知地图
四、应用模式
    (一) 学习疑难问答
    (二)学情报告分析
    (三)学习督促提醒
    (四)学习陪伴激励
    (五)家长教育助手
五、趋势与展望
    (一) 教育专业化
    (二) 交互智能化
    (三) 感知情境化


【参考文献】：
期刊论文
[1]机器人赋能未来教育的创新与变革——国际机器人教师研究综述[J]. 张尧,王运武.  开放教育研究. 2019(06)
[2]国际机器人教育研究前沿与热点——基于Web of Science文献的可视化分析[J]. 周进,安涛,韩雪婧.  开放教育研究. 2018(04)
[3]基于学习元平台的学习认知地图构建[J]. 万海鹏,余胜泉.  电化教育研究. 2017(09)
[4]基于大数据的区域教育质量分析与改进研究[J]. 余胜泉,李晓庆.  电化教育研究. 2017(07)



本文编号：3700463