学习投入的多模态数据表征：支撑理论、研究框架与关键技术

发布时间：2024-06-27 22:59

　　多模态数据建模已成为洞察学习规律的新范式。研究梳理了学习投入的概念演进与评测方法,从经典教育学理论、教育神经科学、具身认知理论以及量化学习视角阐释了学习投入的内在机制、研究范式、研究方法与技术前景,构建多模态数据表征学习投入的理论基础。在此基础上,分析了学习投入的发生机制,提出从情感状态、认知参与状态以及与学习环境互动产生的行为综合表征学习投入的观点。建立包含学习者瞬时行为数据、内容交互数据、情境互动数据的分析框架,围绕学习行为建模、模态传感器建模、算法模型以及新技术的介入四个方面讨论多模态数据建模的关键技术。通过多模态数据的整合分析,结合机器学习方法,可分析学习投入的细粒度指标以及在不同场景中的建模过程,超越独立数据源难以整合关联的问题,最终实现探索教育智能时代的学习规律、改善学习的目的。

【文章页数】：8 页

【文章目录】：
一、引言
二、学习投入研究脉络
    （一）概念演进
    （二）学习投入的测量
三、多模态数据表征学习投入的理论基础
    （一）经典教育学理论阐明了学习投入的内在机制
        1．自我决定理论
        2．“控制—价值”理论
        3．互动反馈效应
    （二）教育神经科学提供了跨学科的研究范式
    （三）具身认知理论从微观层面提供理论指引
    （四）量化学习为精准刻画学习投入提供技术支撑
四、多模态技术表征学习投入的研究框架
    （一）学习投入的发生机制
    （二）学习投入分析框架
五、学习投入数据建模的关键技术
    （一）学习行为建模
    （二）模态传感器建模
    （三）算法模型
        1．算法选择
        2．数据集训练
        3．模态对齐
    （四）新技术的介入
六、结语



本文编号：3996062