混合教学作为在线学习的常态化路径,在自主学习阶段面临学习者认知投入不足的困扰.概念图能够通过帮助学习者在学习过程中有意识地从学习材料中提取新信息并与已有知识建立连接以促进认知投入.因此,围绕概念图工具在混合教学自主学习阶段的应用问题,本研究基于ICAP(Interactive,Constructive,Active,and Passive)学习方式分类学理论、有意义学习理论和活动理论双驱动认知投入干预策略,设计了指向交互建构的学习活动流程和促进有意义交互的学习策略.学习活动流程设计引导学习者在自主学习阶段从参与被动学习活动向参与交互学习活动发展;学习策略设计为学习者参与建构类和交互类学习活动过程提供可操作性的认知策略,确保在自主学习的过程中有意义交互的发生.同时,通过准实验研究验证基于干预策略的混合教学的有效性.实验结果表明,基于干预策略的混合教学对于学习者知识水平以及以元认知意识和沟通能力为代表的高阶思维能力具有促进作用.

在线讨论是数字教育的重要组成部分.利用丰富多元的讨论行为特征开展学习绩效预测分析,是揭示在线协作学习机制、提升在线教学质量的有效途径.本文聚焦在线教学场景下的学习者异步讨论行为特征,通过构建基于多维特征的学习绩效预测模型探究各个特征的预测效力及其影响机理.以华中师范大学一门SPOC课程论坛上的164位学生为实验对象,实验结果表明:移动窗口和回复关系两类社会网络特征对学习绩效的预测能力存在显著差异,基于移动窗口网络特征的预测能力优于传统回复网络;引入积极性和规律性两个隐性时间特征之后,进一步提升了学习绩效预测的准确性;融合人口背景、行为频数、社会网络和时间信息等多维特征对学习绩效具有较高的预测能力,准确率最高可达87.44％,不仅增加了异步讨论行为特征的丰富性,获得更多对在线教学有启示价值的信息,而且有效提升了学习绩效预测能力.

利用新型分析方法综合分析学习者交互以获取关于其学习过程的有益见解,是在线教育研究和实践的迫切需求.文章以中部某高校的一门科教融合创新在线课程为例,采用社会网络分析和多层网络分析方法,分别对学习者的在线同步和异步交互模式进行比较与整合分析,并探讨其与学习成绩之间的关系.研究结果发现:相比同步交互网络,异步交互网络更为稠密,且其个体指标值相对更高;相比同步和异步两个单层交互网络,基于二者整合而得到的多层交互网络在网络连边数量上显著增多,在个体指标值上显著增高,而且学习者在多层和单层交互网络中的地位相对不同;相比单层交互网络,多层交互网络的部分个体指标与学习成绩的相关性相对更高.研究为分析和理解学习者交互提供了研究方法论和教学实践方面的启示性意义,有助于改进对在线群体学习过程的动态调控与精确引导并优化现有教学模式.

学习空间的融合发展及新兴技术在教育领域的广泛应用推动了协作学习的发展,探究学习空间融合视域下的协作学习模型对深化教学模式改革、提高人才培养质量具有重要意义.本研究围绕"融合空间下协作学习活动如何设计与开展"展开论述,在剖析协作学习要素和学习空间特征的基础上,提出了协作学习设计的"五个转变"原则,构建了一种面向K-12的学习空间融合视域下的协作学习模型,主要包括协作学习活动系统构造、学习空间融合和学习情境创设三个环节.在模型指导下,在某小学两个学期内开展了32次教学实践,涉及3个学科、6种课型、5个年级和400多名师生,并针对不同学科和课型探索协作学习活动的实施路径,取得了良好的实施效果,为研究者和实践者提供了一套切实可行的协作学习设计理论指导和实践依据.

人工智能技术变革下的机器辅助教学为教育教学发展注入新的动能.机器辅助教学的内涵与外延在被人工智能技术重塑的同时,其结构也在智慧性、主体性和协同性等方面有新发展.然而,随着教学机器服务能力不断增强,范畴不断拓展,如何对其教学成效展开合理评测成为亟待解决的重要议题.机器辅助教学的能力向度是指机器赋能教学过程的指向目标与能力层级,对其剖析并构建能力向度模型,能以全新视角全面认知教学机器的客观概况与内部逻辑,又可从智能教学机器应用中提取可观测、可测量、可解释的关键因素,借以解决能力评测问题.本研究基于对机器辅助教学基本内涵的探讨,确定机器辅助教学的价值取向、系统框架与关键要素,构建并验证了以教育主体、场景、资源和数据为承载的机器辅助教学能力向度模型.这一模型研究需要秉持教育伦理先导的理念,坚持数据与理论双向驱动,推动人机协同并进,结合因果推断增强数据解释,从而为机器辅助教学能力评测标准的制定与实践提供理论参照和方向指引.

因应未来社会需求变化、学习机理认知深化、人工智能技术进化,课堂正从数字化向智能化加速跃升,为突破精准化教学瓶颈,实现"因材施教"的千年梦想提供了历史机遇.但由于课堂的固有复杂性及其时代内涵演变,智能技术赋能课堂教学面临多空间融合、多主体协同、多环节汇通、多模式适配等挑战,需从理论、技术与应用等方面开展系统化创新,发展计算教育学导向的课堂精准教学理论,构建智慧课堂"环境-资源-活动-评价-交互"技术创新体系,推动智慧课堂多场景常态化、多学科差异化、多模式智慧化应用,以重构人工智能时代的课堂生态,为促进我国教育创新与变革提供有益思考.

认知追踪是一种动态的学习主体建模技术,已被广泛应用于智能教育领域.随着以深度学习为代表的新一代人工智能技术的迅猛发展,基于深度学习的认知追踪——深度认知追踪成为当前智能教育领域的研究热点.针对现有的深度认知追踪方法普遍只利用单个时间步信息来引导模型拟合学习者的行为数据,容易导致因模型监督信号不足而难以挖掘复杂行为背后蕴含的稳定性因素这一问题,文章提出一种基于多阶拟合机制的深度认知追踪方法.该方法通过融合多个邻接时间步的信息来增强模型监督信号,并设计了相应的权重规则和去重规则,以减少远距离、冗余性信息带来的干扰.通过在4个基准数据集上的对比实验与预测结果热力图的可视化分析,文章发现该方法不仅有效提升了模型的预测性能,而且赋予了模型更强的可解释性.

随着大数据、人工智能、5G、物联网等新一代信息技术的发展和应用,数据作为一种新生产要素,推动智能教育的数字化赋能升级,具有人性化、情境化、集成化和数智驱动等特征.本文通过拓展教育要素的内涵边界,打造"以数据自治演进"的内循环和"以服务主体为中心"的外循环,联合创设了一个集"主体—环境—资源—数据"四位一体的内外双循环系统模型;然后重点围绕健全数据治理和保障数据全周期覆盖、强化数据赋能和优化教学创新、构建教育智能体和服务主体新形态、瞄准人机混合智能和勾画智能教育新图景等,解析"数据+智能教育"发展的多重路径;最后从数据伦理规范、人机互信、多学科交叉和教育均衡发展等方面,阐释"数据+智能教育"面临的多重挑战,以期引起教育管理者、研究者、实践者等对于数据要素视域下智能教育创新发展的思考与共鸣.

实时识别学生的学习注意力并提供及时反馈,是保证在线学习效率的重要手段.为有效识别学习注意力,文章首先阐述了基于生理信号的注意力识别原理,在此基础上提出一种基于PPG信号的学习注意力识别方法.随后,文章通过可穿戴式传感设备采集了 26名学生在线学习时的PPG与EEG数据,经数据预处理与特征提取,采用随机森林算法,构建了基于PPG信号的学习注意力识别模型,并验证了其准确率.最后,文章从学生用户和教师用户视角,兼顾数据隐私与适用性,研发了基于PPG信号的学习注意力系统,提供用户信息与学习资源管理、学习与注意力识别、注意力分析三大功能.文章的研究有助于教师优化教学内容与教学策略,激发、维持学生的学习兴趣并提高其在线学习参与度,为进一步提升在线教育质量提供支撑.

新一代人工智能技术在全球范围内掀起的热潮为智能教育的加速跃升带来机遇,成为推动教育创新与变革的新动能.同时,受人工智能技术成熟度、算法黑箱属性、人机共融与互信等问题制约,智能教育的研究与发展也面临诸多挑战.本文重点围绕当前智能教育领域因技术泛化与策略迁移瓶颈故而赋能教育环节与领域受限、因算法黑箱与学习分析不深故而智能教育机理与规律不明、因人机协作与混合智能不足故而教育人机共融任重道远、因隐私保护与信任机制薄弱故而教育人机互信亟待加强等几个关键问题进行剖析,然后从推进教育新基建、加快共性技术突破、完善教育伦理规范、促进多学科交叉、加强多主体协同等方面提出未来进路,以期为加快推动智能教育创新发展提供一定参考.

情绪与社会化交互是构建学习者模型的两个重要特征,学习者的情绪特征计算与社会网络分析已获得了学习分析领域的广泛关注.本研究以某高校云平台上两门课程的论坛发帖纪录为研究对象,分别探究了学习群体在情绪表征(积极、消极与困惑情绪密度值)以及社会网络交互(网络中心性与网络结构特征)方面的差异.研究结果表明:具有网络交互关系的学习者间情绪倾向趋于一致.整体网络中的"子团体"以分散型网络居多,不同社区组学习者在积极和消极情绪上具有显著性差异,而在困惑情绪上差异性并不显著.与中、低成效组相比,高成效组学习者在信息传递的中介性以及协作学习中的参与性方面的表现更为显著,但其积极情绪密度较低.论坛中情绪和交互特征的联合分析有助于对学业风险个体的准确干预和群体互动质量的提升.

由中德科学中心资助、华中师范大学教育大数据应用技术国家工程实验室承办的GZ1531国际学术研讨会于3月25日至29日在中国武汉华中师范大学召开.研讨会的主题是"人工智能驱动教育技术发展的中德视角",契合了近年来教育领域和计算机领域的专家学者在"人工智能+教育"中的深度融合和创新发展方面所做的努力.与会嘉宾围绕"人工智能+教育"的深度认知(教育场景下人工智能的优劣势和可融入层次、机遇和挑战、理解视域)和应用案例(自适应学习系统的开发设计、基于新技术的"人工智能+教育"应用、"人工智能+教育"的数据采集与分析)作了精彩报告,并就中德双方未来的研究项目和学术合作(中德"人工智能+教育"白皮书的制定、自适应学习中的学习推荐和干预方法、基于多模态数据的学习分析与智能学习同伴研发)展开了深入研讨.对上述主题研究成果及进展的集中呈现和探讨,将有助于推动"人工智能+教育"的未来研究和应用实践.

SPOC论坛的话语数据是反映学习者知识建构方式、认知策略和互动质量的重要载体.作为一种限制性学习社区,SPOC论坛存在大量与学习成效相关的认知行为样本,但学习者互动话语的认知行为类型及其序列模式未被充分发掘.为此,本研究先制定话语认知的评定规则以实现论坛帖子的认知行为分类;然后基于语义内容的自动化编码机制统计学习者认知行为类型(定义、描述、比较、推断或解释);最后采用卡方检验与滞后序列分析法验证不同群体关键认知行为及其序列模式的差异.研究结果包括:1)必修、旁听类群体倾向于发布高阶认知行为帖,在讨论中呈现"循序渐进""一鸣惊人"的序列模式,选修类群体倾向于发布低阶认知行为帖,表现出"循环往复"的序列模式;2)不同性别群体的认知行为无显著差异,然而,在序列模式方面,男性呈现"循序渐进"的模式,女性表现出"反向补救"模式;3)高、中成就群体倾向于发布低阶认知行为帖且呈现"循序渐进""反向补救"序列模式,低成就群体呈现"一鸣惊人"的序列模式.教师可对不同群体的认知目标、讨论内容和互动形式进行调适或指导,促进学习群体的互动学习积极性及认知水平的提升.

小规模限制性在线课程(Small Private Online Course,SPOC)论坛作为高校师生互动交流的重要场所,其产生的对话文本为教师了解学习者兴趣、实现智能化和个性化教学带来契机.研究提出了一种基于情感—主题时序建模的学习者兴趣主题检测与追踪方法,用于发现SPOC论坛中学习者兴趣主题与教学内容的相关性以及对学习成效的影响.研究结果表明:(1)与教学内容相关的兴趣主题对学习成效具有显著的正面效应,而娱乐灌水类兴趣主题对学习成效具有显著的负面效应;(2)在学期初期和末期,学习者兴趣主题与教学内容的语义相关度会显著上升,而中期则显著下降,即中期的"分心"现象最严重;(3)高成效组最先发起并参与了与教学内容相关的兴趣主题讨论,而低成效组的参与则较为滞后,且更倾向于表述与教学内容无关的内容.最后,通过对兴趣主题与学习成效的关系、兴趣主题对学习成效的影响以及不同成效群体在兴趣主题上的差异性与可预测性进行讨论,研究为互动教学中的精准学习干预以及智能导学方法的设计提供了相关建议.

针对当前教育大数据的管理与分析缺乏基于地图的应用模式,且可视化展示与支持决策分离,不同用户缺乏统一资源入口平台的问题,文章在分析基于地图的教育大数据可视分析应用模式与服务模型的基础上,提出了一种基于地图的教育大数据可视分析方法,包括基于地图定位与映射的数据整合、地图时空分布可视化、主题图层叠加与融合分析、基于缓冲区域分析的资源关联分析和基于时序路径分析的智能导学等方法,并讨论了基于地图统一入口的空间检索与资源定位精准服务方法,对教育大数据的信息挖掘、智能应用、精准服务进行了有效探索,并为教育数据相关的获取与处理提供思路.

数据素养是教育大数据应用背景下对教师的新要求,对师范生进行数据素养教育是提升教师数据应用能力的有效措施.当前针对不同领域的数据素养教育及研究已受到广泛关注,但师范生数据素养教育的研究仍处于起步阶段.本文面向教育大数据环境下师范生数据素养的发展需求,围绕教师在数据环境、数据技术以及数据文化三方面的发展目标,提出拥有良好数据素养的教师应具备数据环境构建能力、数据获取能力、数据分析能力、数据呈现能力、数据决策能力、数据意识以及数据道德等素养,构建了依托现有信息技术类课程、与教育实习实践相结合、贯穿教师教育专业人才培养生命周期、重点培养师范生数据思维习惯和数据运用能力的课程体系.师范生数据素养教育是一个新兴且综合性较强的教育研究课题,是培养数字化教师的重要环节和教师专业可持续发展的坚实基础,通过政府、教育主管部门、学校、教师和致力于教育研究及应用的企业或科研机构等多方的共同协作获得协调发展.

知识可视化在教育传播领域正发挥愈来愈重要的作用,如何利用知识可视化进行有效教学是一个值得研究的方向.以往的可视化教学都是针对特定的学科或知识点,不能有效地进行拓展.在此背景下,本研究提出将可视化知识分类的观点,将其分为概念性知识、过程性知识和应用性知识三种类型,并使用不同工具对知识进行可视化,然后结合知识进行文字解释或说明,最后通过电子双板双屏显示,通过文字意义与视觉表征结合的方式促进学生的学习.在此基础上,本研究构建了一种知识可视化的教学模型,从准备、设计、教学和评价四个阶段为教师进行可视化教学提供参考.

文章描述了在教育大数据的应用背景下师范生数据素养教育的新要求,通过分析当前国内外师范生数据素养教育的现状,指出数据意识、数据采集能力、数据分析能力、数据呈现能力、数据决策能力和数据伦理道德是构成教师数据素养的关键因素.通过制定教学标准、组建教学团队、革新教学内容、刨设教学环境和教学实践反馈等措施构建师范生数据素养教育模式.最后指出,师范生数据素养培养是一个系统工程,是一个综合性较强的新兴教育研究课题,应当引起教育管理部门、学校及教师(师范生)等方面的足够重视,长期、持续地开展研究和实践,从而有效提升教师的数据素养.

研究以果壳网MOOC学院的“财务分析与决策”课程为实验对象,通过分析课程评论帖进行学习者话题的挖掘.文章不仅采用了高频词汇分析的定量方法,实现对学习者课程评论内容的整体认识,并且,根据参与评论学习者的课程完成情况,分别对已完成和未完成两种类型的学习者展开定性的学习分析研究,应用非监督学习方法LDA模型自动挖掘和解析文本评论信息的特征结构和语义内容,并探究和追踪学习者关注的热点话题演化趋势.实验结果表明,学习者认可和赞赏了该门课程,并且尤为关注课程内容以及教师授课形式话题;相比课程完成者,未完成者更倾向于解释其未完成课程的主要原因,表达出更为消极的话题内容,并较少涉及课程本身相关的专业理论知识.

量化学习的前提是建构数据化认知,核心是提供个性化学习服务,目标是构筑新的学习方式.量化学习实践过程是由数据、学习者、其他利益相关方和学习服务连接而成的具有适应性反馈的闭环系统.量化学习以信息技术与教育的深度融合、技术的进步和产业的发展以及教育教学理论的创新为驱动.量化学习可推动构建面向新时代需求的教育新形态,助力形成“学生中心化”教育服务理念,促进落实适应个性发展的教育改革创新.量化学习在个性化学习诊断、学习路径规划、个性化学习推荐、学习状态可视化及学习干预等应用领域展现出广阔的发展前景.