教育信息化2.0背景下的教育资源治理：理念与路径
发布时间：2021-11-20 07:31
构建教育大资源服务是我国教育信息化2.0中的一项重要任务。这项任务面临着方方面面的难题,其中核心的问题是教育资源的大规模共享和优质服务。解决这些难题需要以新的思维重新审视和设计教育资源的创作、描述、存储、发布、传播、应用和增值等环节。为了叙述方便,本文将这些环节用"教育资源治理"一词来概括。本文分析传统教育资源治理技术和模式的演化,指出在教育信息化2.0时代教育资源共享和服务所面临的问题,进而提出在教育信息化2.0背景下教育资源治理的新思路和新理念。基于此思路和理念,设计以Web为开放平台,整合Web浏览器插件、人工智能、网构软件思想、基于区块链的去中心化身份认证等核心技术的新型教育资源治理模式。文章最后给出了三个独立的原型实践,验证了相关技术思路,为未来整合形成完备的新型教育资源治理生态提供了基础。
【文章来源】：中国远程教育. 2019,40(12)北大核心CSSCI
【文章页数】：14 页
【部分图文】：
中的“Web浏览器及学图2WBLRC总体模型实现上文所提出的资源治理理念是一个庞大的工程
本研究设计了一个基于iMacro宏录制以及greasemonkey浏览器插件的基于浏览器的学习系统，具体成果可参见相关论文（Feng,Wu,Wang,Zhou,&Wu,2016）。系统效果如图3所示。该系统主要验证了通过浏览器插件增强学习活动和教育资源的可行性。在图3中，针对图书馆学习场景（学习发生在一个WebofScience网站页面中），通过浏览器插件，使用自定义程序可以自动从Web上的另一个页面（维基百科）获取相关内容，从而对当前页面的教育资源形成增强和补充，完成一套教育资源的组合。图2WBLRC总体模型图3教育资源的聚合与增强20
教育（二）基于深度学习的教育资源自动分类要实现更好的教育资源治理，首要问题是让计算机对教育资源有更好的理解。传统的依靠手工进行元数据标注的方法难以服务于Web上海量的资源。因此，首先需要解决的是教育资源的自动分类问题。基于深度学习的文本分类技术为此任务提供了技术基矗当前，在机器学习领域，基于深度学习技术的文本分类发展迅速（Conneau,Schwenk,Barrault,&Lecun,2016;Zhang,Zhao,&LeCun,2015;Lai,Xu,Liu,&Zhao,2015）。本研究采用深度学习技术实现学科资源的自动分类，验证原型如图4所示，可以实现对上传的文本进行分类。理论上，当完成了一个网页资源的净化之后，获得相应的文本，就可以通过深度学习分类技术实现自动分类。本项研究成果经过进一步深化和扩展之后，可以实现多个分类的自动标注。（三）基于网构软件思想的教育资源聚合平台学习对象及相关标准技术的思想核心是对教育资源进行复用和组合。借鉴此思想，本研究设计的另一个原型通过一种intent技术实现来自不同地址的网页教育资源在客户端聚合，这种聚合技术既可以使用浏览器扩展实现，也可以使用WebApp实现。在本验证原型中采取了WebApp方式实现，如图5所示。另一个概念验证是基于Web聚合的地理教学资源，如图6和图7所示。在这个验证系统中，用户采用一种实时创作的方式，系统中的资源库被设计为只记录Web上资源的地址（也就是浏览器地址栏上的地址）以及通过人工智能和手工添加的教育资源分类标签。教师可以直接从库中搜索需要的资源，然后通过拖拽方式在一个可视化编辑界面生成一个聚合了这些来自网络上的教育资源的新的教学案例。图4学科资源的自动分类图5面向We
【参考文献】：
期刊论文
[1]人工智能教育应用的应然分析:教学自动化的必然与可能[J]. 张志祯,张玲玲,李芒. 中国远程教育. 2019(01)
[2]人工智能教育应用的新发展[J]. 冯翔,王亚飞,吴永和. 现代教育技术. 2018(12)
[3]人工智能2.0与教育的发展[J]. 潘云鹤. 中国远程教育. 2018(05)
[4]为教育信息化2.0时代打call[J]. 任友群. 半月谈. 2017 (24)
[5]基于眼动的刺激回忆法对认知分层的影响研究[J]. 翟雪松,董艳,胡秋萍,吴笑. 电化教育研究. 2017(12)
[6]形塑学习（Solid Learning）教学环境下大学生创新能力影响机制研究[J]. 翟雪松,董艳,詹巧巧. 远程教育杂志. 2017(03)
[7]学习资源语义关联关系及其可视化研究[J]. 吴鹏飞,余胜泉. 中国电化教育. 2015(12)
[8]大数据环境下学习资源元模型的研究与应用[J]. 张吉先,单永刚,虞江锋,陈东毅,尹学松. 中国电化教育. 2015(09)
[9]大数据时代网络学习资源组织策略的探索[J]. 马秀麟,岳超群,蒋珊珊. 现代教育技术. 2015(07)
[10]面向价值发现的学习资源描述方案:以LRMI元数据为例[J]. 许哲,祝智庭. 中国电化教育. 2014(11)
本文编号：3506857
【文章来源】：中国远程教育. 2019,40(12)北大核心CSSCI
【文章页数】：14 页
【部分图文】：
中的“Web浏览器及学图2WBLRC总体模型实现上文所提出的资源治理理念是一个庞大的工程
本研究设计了一个基于iMacro宏录制以及greasemonkey浏览器插件的基于浏览器的学习系统，具体成果可参见相关论文（Feng,Wu,Wang,Zhou,&Wu,2016）。系统效果如图3所示。该系统主要验证了通过浏览器插件增强学习活动和教育资源的可行性。在图3中，针对图书馆学习场景（学习发生在一个WebofScience网站页面中），通过浏览器插件，使用自定义程序可以自动从Web上的另一个页面（维基百科）获取相关内容，从而对当前页面的教育资源形成增强和补充，完成一套教育资源的组合。图2WBLRC总体模型图3教育资源的聚合与增强20
教育（二）基于深度学习的教育资源自动分类要实现更好的教育资源治理，首要问题是让计算机对教育资源有更好的理解。传统的依靠手工进行元数据标注的方法难以服务于Web上海量的资源。因此，首先需要解决的是教育资源的自动分类问题。基于深度学习的文本分类技术为此任务提供了技术基矗当前，在机器学习领域，基于深度学习技术的文本分类发展迅速（Conneau,Schwenk,Barrault,&Lecun,2016;Zhang,Zhao,&LeCun,2015;Lai,Xu,Liu,&Zhao,2015）。本研究采用深度学习技术实现学科资源的自动分类，验证原型如图4所示，可以实现对上传的文本进行分类。理论上，当完成了一个网页资源的净化之后，获得相应的文本，就可以通过深度学习分类技术实现自动分类。本项研究成果经过进一步深化和扩展之后，可以实现多个分类的自动标注。（三）基于网构软件思想的教育资源聚合平台学习对象及相关标准技术的思想核心是对教育资源进行复用和组合。借鉴此思想，本研究设计的另一个原型通过一种intent技术实现来自不同地址的网页教育资源在客户端聚合，这种聚合技术既可以使用浏览器扩展实现，也可以使用WebApp实现。在本验证原型中采取了WebApp方式实现，如图5所示。另一个概念验证是基于Web聚合的地理教学资源，如图6和图7所示。在这个验证系统中，用户采用一种实时创作的方式，系统中的资源库被设计为只记录Web上资源的地址（也就是浏览器地址栏上的地址）以及通过人工智能和手工添加的教育资源分类标签。教师可以直接从库中搜索需要的资源，然后通过拖拽方式在一个可视化编辑界面生成一个聚合了这些来自网络上的教育资源的新的教学案例。图4学科资源的自动分类图5面向We
【参考文献】：
期刊论文
[1]人工智能教育应用的应然分析:教学自动化的必然与可能[J]. 张志祯,张玲玲,李芒. 中国远程教育. 2019(01)
[2]人工智能教育应用的新发展[J]. 冯翔,王亚飞,吴永和. 现代教育技术. 2018(12)
[3]人工智能2.0与教育的发展[J]. 潘云鹤. 中国远程教育. 2018(05)
[4]为教育信息化2.0时代打call[J]. 任友群. 半月谈. 2017 (24)
[5]基于眼动的刺激回忆法对认知分层的影响研究[J]. 翟雪松,董艳,胡秋萍,吴笑. 电化教育研究. 2017(12)
[6]形塑学习（Solid Learning）教学环境下大学生创新能力影响机制研究[J]. 翟雪松,董艳,詹巧巧. 远程教育杂志. 2017(03)
[7]学习资源语义关联关系及其可视化研究[J]. 吴鹏飞,余胜泉. 中国电化教育. 2015(12)
[8]大数据环境下学习资源元模型的研究与应用[J]. 张吉先,单永刚,虞江锋,陈东毅,尹学松. 中国电化教育. 2015(09)
[9]大数据时代网络学习资源组织策略的探索[J]. 马秀麟,岳超群,蒋珊珊. 现代教育技术. 2015(07)
[10]面向价值发现的学习资源描述方案:以LRMI元数据为例[J]. 许哲,祝智庭. 中国电化教育. 2014(11)
本文编号：3506857
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3506857.html
