人工智能对混合式教学的促进及生态链构建
发布时间：2022-01-04 10:42
混合式教学通过"线上+线下"相结合的方式,融合了传统教学与网络教学的优势,已成为互联网环境下现代教学发展的重要方向。当前我国混合式教学实践中主要存在教学资源单一、学生学习自主性不强、课堂教学与在线学习缺乏有机结合等问题。而神经网络、机器学习、情感计算等人工智能技术的发展,不仅为解决上述问题提供了新的技术手段,而且促使教学进一步向"以学习者为中心"的个性化、精准化和智能化方向发展。人工智能发展对混合式教学的观照主要体现在推动个性化教学资源建设、促进互动教学与浸润式情感教学、推进课堂教学与在线学习融合等方面。综而观之,人工智能发展和混合式教学之间的关系应该辩证看待:混合式教学的应用需求为人工智能发展持续提供新动力,人工智能的发展应以混合式教学应用为导向,在两者之间构建深度融合的生态链,形成可持续创新、双螺旋演进的互动发展模式。
【文章来源】：现代远程教育研究. 2018,(02)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
zoos-eon年发文丝统计图
芗际踅?行的学习者行为精准数据挖掘为个性化教学资源建设提供了关键技术支撑。学习者建模表征，是个性化教学资源建设的基础，可以通过对学习者的基本属性、学习风格偏好、学习者类型和知识点兴趣等的描述来完成学习者画像（陈海建等，2017），进而完成学习者个性化教学资源推送。如图2所示，学习过程中的海量语音、文本、图片、日志等数据经情感计算、模式识别、深度学习等人工智能挖掘和推理表征后，完成对学习者画像的精准描绘，再与丰富的各类学习资源进行匹配，自动生成个性化学习资源推送给学习者。图2个性化教学资源推送2.推动互动教学与浸润式情感教学混合式教学效果不佳的原因主要来自两个方面：一是教学内容无法激发学习者的兴趣；二是教学过程感受不到情感交流。浸润式情感教学是指教师在教学过程中，根据教学内容来创设恰当的情境，进行情感浸润为导向的教学，在潜移默化中让学生的情感发生积极变化，激发学生的学习兴趣，由浅入深掌握知识，力求达到“润物细无声”的效果。实施浸润式情感教学不仅需要教师获取到学习者的学习状态，还需要教师在教学过程中清楚学习者当前的学习任务和情绪状态，以便根据学习者的当前状态来实施针对性的教学。从采集学习者的各类数据，到判定学习者的情感和学习兴趣所在，正是人工智能技术所擅长的事情。一旦学习者的情感和学习兴趣被提取出来，有针对性的浸润式情感教学随即可以开展。人工智能中情感计算与虚拟现实技术的发展，无疑会推动浸润式情感教学迈向新的发展阶段。情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的智能。在混合式教学过程中，师生之间线上和线下的文字、语音交流，都蕴藏着情?
网、云计算、可穿戴设备等技术的发展成熟，数字化学习环境与教育的深度融合，使得教学中各类数据的收集、追踪、分析成为可能，为智慧课堂的建成奠定了坚实的基矗近年来，越来越多的教学机构参与到智慧课堂建设中来。例如，依托上海开放大学的上海开放远程教育工程技术研究中心所建的“智慧课堂”，配备有虚拟现实（VR）和增强现实（AR）设备、人体眼神姿态识别仪、EEG/ERP脑波检测器等数字化设备，能将学习者课堂上的面部表情、身体姿态和脑电波等数据信息全程捕捉下来。智慧课堂的构建如图3所示。图3智慧课堂构建图由于人的兴奋、紧张、愉悦等状态通过脸部表情、身体姿态和脑电波能够反映出来，因此对每位学习者脸部表情进行相应的历史对照分析，并结合脑波检测，便能较准确地识别出学习者的状态，分析出学生的注意力是否集中，以及对知识点的掌握程度。然而由于学习过程中的脸部表情、脑电波数据所呈现出的复杂、非线性、数据量大、干扰性大等特性，常用的数据分析方法识别效果不佳，而基于机器学习、深度学习的人工智能识别技术能有效处理上述特性，使得智慧课堂成为学习者进行个性化学习的重要场所。（2）智能在线考试基于人工智能的在线考试系统除具有常见的用户信息管理、试题库管理、在线考试、自动评卷功能外，还提供了智能组卷功能和在线作弊防范监测功能，不仅能自动生成区分度良好的试卷，而且还能对作弊试卷、雷同试卷进行辨别。此外，智能在线考试系统还能对每次考试结果生成考试分析报告，对考试结果进行精准分析，以及对考试难易程度做出评判。智能在线考试系统的另一特色是具备数据挖掘统计功能，即能对每一场考试产生的数据进行挖掘与统计，并给出描述性统计值，如每场考试最早完
【参考文献】：
期刊论文
[1]晓羊教育:用人工智能算法排课表[J]. 刘辰. 创业邦. 2017(08)
[2]开放式教学下的学习者画像及个性化教学探讨[J]. 陈海建,戴永辉,韩冬梅,冯彦杰,黄河笑. 开放教育研究. 2017(03)
[3]“人工智能+”时代的个性化学习理论重思与开解[J]. 牟智佳. 远程教育杂志. 2017(03)
[4]基于慕课和微课的英语混合式教学模式相关问题探讨[J]. 马晓燕. 吉林省教育学院学报. 2017(03)
[5]教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J]. 闫志明,唐夏夏,秦旋,张飞,段元美. 远程教育杂志. 2017(01)
[6]教育机器人的发展现状与趋势[J]. 黄荣怀,刘德建,徐晶晶,陈年兴,樊磊,曾海军. 现代教育技术. 2017(01)
[7]智能导学系统人机互动的跨学科研究与设计[J]. 杨翠蓉,陈卫东,韦洪涛. 现代远程教育研究. 2016(06)
[8]混合学习:走向技术强化的教学结构设计[J]. 胡立如,张宝辉. 现代远程教育研究. 2016(04)
[9]人工智能在奔跑 教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告[J]. 李德毅. 北京联合大学学报. 2016(03)
[10]在线教学4.0:“互联网+”课堂教学[J]. 孙曙辉. 中国教育信息化. 2016(14)
本文编号：3568188
【文章来源】：现代远程教育研究. 2018,(02)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
zoos-eon年发文丝统计图
芗际踅?行的学习者行为精准数据挖掘为个性化教学资源建设提供了关键技术支撑。学习者建模表征，是个性化教学资源建设的基础，可以通过对学习者的基本属性、学习风格偏好、学习者类型和知识点兴趣等的描述来完成学习者画像（陈海建等，2017），进而完成学习者个性化教学资源推送。如图2所示，学习过程中的海量语音、文本、图片、日志等数据经情感计算、模式识别、深度学习等人工智能挖掘和推理表征后，完成对学习者画像的精准描绘，再与丰富的各类学习资源进行匹配，自动生成个性化学习资源推送给学习者。图2个性化教学资源推送2.推动互动教学与浸润式情感教学混合式教学效果不佳的原因主要来自两个方面：一是教学内容无法激发学习者的兴趣；二是教学过程感受不到情感交流。浸润式情感教学是指教师在教学过程中，根据教学内容来创设恰当的情境，进行情感浸润为导向的教学，在潜移默化中让学生的情感发生积极变化，激发学生的学习兴趣，由浅入深掌握知识，力求达到“润物细无声”的效果。实施浸润式情感教学不仅需要教师获取到学习者的学习状态，还需要教师在教学过程中清楚学习者当前的学习任务和情绪状态，以便根据学习者的当前状态来实施针对性的教学。从采集学习者的各类数据，到判定学习者的情感和学习兴趣所在，正是人工智能技术所擅长的事情。一旦学习者的情感和学习兴趣被提取出来，有针对性的浸润式情感教学随即可以开展。人工智能中情感计算与虚拟现实技术的发展，无疑会推动浸润式情感教学迈向新的发展阶段。情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的智能。在混合式教学过程中，师生之间线上和线下的文字、语音交流，都蕴藏着情?
网、云计算、可穿戴设备等技术的发展成熟，数字化学习环境与教育的深度融合，使得教学中各类数据的收集、追踪、分析成为可能，为智慧课堂的建成奠定了坚实的基矗近年来，越来越多的教学机构参与到智慧课堂建设中来。例如，依托上海开放大学的上海开放远程教育工程技术研究中心所建的“智慧课堂”，配备有虚拟现实（VR）和增强现实（AR）设备、人体眼神姿态识别仪、EEG/ERP脑波检测器等数字化设备，能将学习者课堂上的面部表情、身体姿态和脑电波等数据信息全程捕捉下来。智慧课堂的构建如图3所示。图3智慧课堂构建图由于人的兴奋、紧张、愉悦等状态通过脸部表情、身体姿态和脑电波能够反映出来，因此对每位学习者脸部表情进行相应的历史对照分析，并结合脑波检测，便能较准确地识别出学习者的状态，分析出学生的注意力是否集中，以及对知识点的掌握程度。然而由于学习过程中的脸部表情、脑电波数据所呈现出的复杂、非线性、数据量大、干扰性大等特性，常用的数据分析方法识别效果不佳，而基于机器学习、深度学习的人工智能识别技术能有效处理上述特性，使得智慧课堂成为学习者进行个性化学习的重要场所。（2）智能在线考试基于人工智能的在线考试系统除具有常见的用户信息管理、试题库管理、在线考试、自动评卷功能外，还提供了智能组卷功能和在线作弊防范监测功能，不仅能自动生成区分度良好的试卷，而且还能对作弊试卷、雷同试卷进行辨别。此外，智能在线考试系统还能对每次考试结果生成考试分析报告，对考试结果进行精准分析，以及对考试难易程度做出评判。智能在线考试系统的另一特色是具备数据挖掘统计功能，即能对每一场考试产生的数据进行挖掘与统计，并给出描述性统计值，如每场考试最早完
【参考文献】：
期刊论文
[1]晓羊教育:用人工智能算法排课表[J]. 刘辰. 创业邦. 2017(08)
[2]开放式教学下的学习者画像及个性化教学探讨[J]. 陈海建,戴永辉,韩冬梅,冯彦杰,黄河笑. 开放教育研究. 2017(03)
[3]“人工智能+”时代的个性化学习理论重思与开解[J]. 牟智佳. 远程教育杂志. 2017(03)
[4]基于慕课和微课的英语混合式教学模式相关问题探讨[J]. 马晓燕. 吉林省教育学院学报. 2017(03)
[5]教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J]. 闫志明,唐夏夏,秦旋,张飞,段元美. 远程教育杂志. 2017(01)
[6]教育机器人的发展现状与趋势[J]. 黄荣怀,刘德建,徐晶晶,陈年兴,樊磊,曾海军. 现代教育技术. 2017(01)
[7]智能导学系统人机互动的跨学科研究与设计[J]. 杨翠蓉,陈卫东,韦洪涛. 现代远程教育研究. 2016(06)
[8]混合学习:走向技术强化的教学结构设计[J]. 胡立如,张宝辉. 现代远程教育研究. 2016(04)
[9]人工智能在奔跑 教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告[J]. 李德毅. 北京联合大学学报. 2016(03)
[10]在线教学4.0:“互联网+”课堂教学[J]. 孙曙辉. 中国教育信息化. 2016(14)
本文编号：3568188
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3568188.html
