公共文化服务平台

田浩: 作品数：14 被引量：133H指数：8; 供职机构：北京师范大学教育学部教育技术学院更多>>; 发文基金：国家社会科学基金国家自然科学基金中国博士后科学基金更多>>; 相关领域：文化科学哲学宗教电气工程电子电信更多>>

合作作者

人机智能协同的精准学习干预:动因、模型与路向被引量：12: 2022年; 智能时代孕育了新一轮的教育变革,规模个性化人才培养成为当下的教育诉求与实践难题,而精准学习干预则是破解上述难题的有力手段。通过分析学习干预相关的理论研究与实践现状,发现学习干预在各实施环节上均面临一定挑战,制约了精准学习干预的推进。文章认为,将人类智慧与机器智能有机融合方为实现精准学习干预的可行之道,因此,构建了兼具整体性、结构性、动态性的人机智能协同的精准学习干预模型。该模型以学习者多模态数据采集为基础,采用机器智能与专家经验协同决策的方式实现问题诊断、策略匹配、策略实施、效果验证等四个主要环节,各个环节在干预系统中各司其职,构成指向精准学习干预的闭合回路。在未来的相关研究与实践中,需在分析模型构建、问题成因追溯、干预机制分析、实证研究设计等方面进一步探索,以推动学习干预精准化实现。; 武法提高姝睿田浩; 关键词：模型构建人工智能

基于SOBC模型的在线深度学习达成路径与干预研究被引量：5: 2022年; “互联网+教育”时代,如何提升在线学习质量以促进学习者达成在线深度学习是实现教学深层次系统性变革的关键议题。基于“环境-个体-行为-结果”的SOBC模型,构建了教师情感支持、在线学习体验、学习行为投入以及在线深度学习之间关系的研究模型。以280位大学生作为研究对象,采用结构方程模型以及中介效应分析,挖掘在线深度学习的达成路径。研究表明,教师情感支持对在线深度学习无直接影响作用,但是分别可以通过在线学习体验、学习行为投入的独立中介作用以及二者的链式中介作用实现对在线深度学习的影响。基于此,针对性地提出五种干预策略并设计了具体的教学事件。通过厘清在线深度学习的作用机制并设计相关干预策略,拓宽了深度学习的理论研究成果,也为教学人员提升在线学习质量和促进学习者达成在线深度学习提供了相关的研究与实践建议。; 田浩武法提; 关键词：干预

教育数字化转型下的智慧教育形态:关键特征与生成途径被引量：3: 2023年; 教育数字化转型是推动教育高质量发展的重要举措,是建设教育强国的必由之路,在教育数字化转型背景下,智慧教育具有育人为本、场景感知、数据驱动、人机协同等关键特征。在教育数字化转型过程中,智慧教育形态的生成有两大途径,一是通过建设教育专网、教育大数据中心、一体化教育云平台及智慧校园,搭建智慧学习环境;二是通过赋能教育资源建设、教学模式创新、教育评价体系变革、师生信息素养提升、智能教育治理等核心应用场景,实现教育全流程再造重组,支撑高质量教育体系建设。; 武法提田浩高姝睿; 关键词：智慧教育智慧学习环境

挖掘有意义学习行为特征:学习结果预测框架被引量：25: 2019年; 及时有效地对学习结果进行预测,是学习分析的核心议题,也是为学习者提供个性化学习支持服务、保证学习者学习成功的关键。其中,如何寻找兼具预测效力与教学意义的学习行为特征是值得关注的问题。本研究以Cloudbag教育云平台中的108位学生为研究对象,基于特征工程的方法构建学习结果预测框架。基于文献调研和对教师的访谈,本研究将学习结果预测框架分为学生与学生交互、学生与教师交互、学生与内容交互、学生与系统交互四个维度,共包含10个特征变量;结合学生在平台中的学习行为数据,对特征变量进行量化和筛选,通过相关分析、信息增益(率)分析筛选出八个有效的特征变量,构成最终的特征集合;使用八种机器学习算法对学习结果进行预测,结果表明:随机森林算法对学习结果的预测效果优于另外七种算法,其特征集合对学习结果的预测准确率可以达到73.15%。本研究最后从有效学习行为指标和有效学习行为特征等方面对研究结果进行总结和反思,期望能够为混合式学习环境下学习分析和评估提供研究支持。; 武法提田浩

人机协同的精准学习干预:动力机制、逻辑理路与实践模型被引量：9: 2023年; 精准学习干预是实现精准教学和个性化学习服务的核心问题。为破解学习干预的困境,本文从人机协同的视角设计精准学习干预机制:首先从动力主体、动力作用模式和动力实现机制方面厘清人机协同的动力机制,接着从技术逻辑、实践逻辑和价值逻辑分析基于人机协同推动精准学习干预的必要性,最后提出基于人机协同的精准学习干预实践模型。该模型以学习场景为入口,引入人的决策,实现对学习问题的精准诊断;通过基于知识图谱的问题定位与知识推理,结合教师经验,实现针对学习问题的干预策略匹配;依据学习者画像筛选干预策略,以人机融合作为动力机制,动态协同修正干预策略,从而优化干预策略匹配的精准度,并利用人在回路的混合增强智能,形成精准学习干预的完整链路,构成个性化学习服务的闭环。; 武法提田浩; 关键词：人机协同智能教育人在回路

创客教育教师接受度影响因素实证分析被引量：10: 2017年; 在"互联网+"教育背景下,以创新和创造为核心的创客教育越来越受到学校的重视。但创客教育在实际推广中却遭遇了诸多挑战,教师就是其中之一。教师是否愿意接受创客教育,直接影响创客教育实施的质量,关乎创客教育能否实现可持续发展。整合型科技接受模型(Unified Theory of Acceptance and Use of Technology,UTAUT)由于对接受行为具有较高的解释力,因而在教育领域应用广泛。该模型提出的绩效期望、努力期望、社群影响和促成条件四个核心变量或维度,为分析教师对新技术接受度的影响因素提供了理论支撑。以UTAUT为参考、针对创客教育教师编制的接受度影响因素调查问卷,经探索性和验证性因子分析表明,问卷具有良好的信度和效度。以106位创客教师作为施测对象,通过单因素方差分析和多元回归分析表明,教师运用创客教育的绩效期望、社交影响、促成条件对接受程度具有显著的正向影响,而且促成条件具有最佳的解释力。研究还发现,当工作年限越短,教师学历越低时,教师的绩效期望、社群影响以及接受度的水平越高;同时,社会创客机构的教师与学校行政人员相比拥有较高的绩效期望。; 江丰光田浩李心怡任杉杉张丽峰; 关键词：影响因素实证研究

混合场景下协作认知投入的多模态表征与分析路径研究被引量：4: 2022年; 随着研究者对学习成功背后因果机制的探寻,以及社会文化理论的深入人心,学习投入研究面临从“个体—行为”取向到“群体—认知”取向的转型,多模态学习分析也成为打开协作认知投入机制“黑箱”的钥匙。为破解这一问题,通过对不同视角的认知投入观点进行综合分析,深度阐述了混合场景下协作认知投入的概念,由此构建了涵盖激活系统、加工系统与反应系统的协作认知投入发生机制模型。进而选取文本、生理、语音、心理四种模态的学习过程数据,分别针对三个子系统构建了多模态表征框架与指标,以实现协作认知投入的量化评测。在多模态表征框架基础上,进一步明晰了混合场景下协作认知投入的分析路径,包括基于多模态特征融合的精准诊断、基于时间序列分析的演化规律、基于自我决定视角的动机归因以及基于可视化仪表盘的动态干预,由此构成了完整研究闭环,描绘出多模态数据支持的协作认知投入研究整体图景。; 田浩武法提

联通主义学习教学交互的关系及其特征研究被引量：10: 2020年; 教学交互是联通主义学习的基础、过程和结果,也是影响联通主义学习取得成功的关键。为了进一步探究和挖掘联通主义学习中教学交互之间的互动关系、作用机制及其特征,以cMOOC“互联网+教育:理论与实践的对话2.0”主题4中产生的文本数据为研究对象,通过时序梳理、内容编码和滞后序列分析获得教学交互方式显著序列。在剖析教学交互方式显著序列的基础上,得出以下结论:三层教学交互间的相互作用主要体现在寻径交互与意会交互的双向转化,以及创生交互对寻径交互的直接单向扩展上;低层教学交互对高层教学交互的支撑作用呈现出逐层渐进式的特征;高层教学交互对低层教学交互的扩展作用具有跨越性、互补性和弱递归性;高层教学交互对低层教学交互扩展作用的范围更广、复杂度更高。本研究不但验证了联通主义学习教学交互框架的科学性,并对其进行了进一步的深化和扩展,以期为相关理论研究提供支持,并为教师进行联通主义课程的设计、运营和优化等实践提供借鉴。; 黄洛颖陈丽田浩王瑞雪; 关键词：教学交互

复杂性科学视域下的学习干预:概念解析、核心要素及模型构建被引量：6: 2022年; 迅猛发展的智能技术在变革教育样态的同时,也使得教育的复杂性本质日益凸显。立足复杂性科学视角开展精准化、个性化的学习干预有利于满足学习者学习实践中的现实需求。文章在阐述了复杂性科学与学习干预的基本概念之后,对复杂性科学指导学习干预实施的适切性进行了分析。进而从学习问题诊断、干预策略匹配、干预策略实施、干预结果分析四个核心要素出发,分别解析了学习干预的复杂性特征,并由此构建了复杂性科学视域下的学习干预模型,包含问题诊断层、动力引擎层、推理匹配层和进化适应层四个逻辑层次,依次描绘了基于学习分析技术的学习问题发现、基于元素自组织的学习问题归因、基于因果链推理的干预策略匹配以及基于多主体进化的干预策略实施。该模型形成了完整的智能学习服务路径,为智能时代开展人机协同的精准学习干预提供了理论与实践依据。; 田浩武法提; 关键词：智能教育模型构建

大数据时代的教育:若干认识与思考--访中国科学院院士梅宏教授被引量：19: 2020年; 结合丰富的应用场景和案例,梅宏院士阐述了大数据技术的主要内涵、发展历程以及对信息化社会的影响。他指出:当前的大数据应用尚处于初级阶段,需理性认识;与人工智能相结合,将更好地实现智能化应用。聚焦教育领域,分析了大数据对教育教学各个环节可能产生的变革性影响;关注对"个体数据"的深层次挖掘真正做到"因材施教";强调大数据所催生的教育研究新范式及对未来社会教育服务模式、教育决策等方面的影响,推进社会治理效能的提升。梅宏认为,"懂得大数据,用好大数据",将是数字经济时代对人的基本素养和能力需求。更好地面对大数据驱动的智能时代,要培养具有引领能力的人才。应加强计算思维培养,加大软件人才培养,做好人才储备。; 沈阳田浩曾海军梅宏; 关键词：教育变革教育公共服务教育治理计算思维

田浩

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

田浩

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈