.个性化学习路径推荐是智能技术驱动教育服务智能升级的关键力量,是实现大规模个性化教育的重要驱动.然而,目前个性化学习路径推荐的研究与实践仍未成熟,难以满足学习者因人而异,因时而变的个性化需求.个性化学习路径推荐的主流推荐框架包括基于机器学习,基于进化计算和基于知识图谱三种方式,具有不同的模型机理和适用的教育场景,经历了起步探索,预测推理,改进优化和融合创新的技术演进历程.其对教育的价值导向体现在赋能课堂教学,助力因材施教,优化在线学习,驱动服务升级,支持场馆学习,增强智能感知,改善游戏学习,优化交互体验,为破解大规模与个性化相结合的应用难题提供了重要支撑.随着智能技术的迭代升级及深入应用,未来个性化学习路径推荐呈现四大发展趋势,即关注信息要素的深度融合,迈向全方位多尺度的形式化建模,融合多种技术优势,构建以知识为主导的高性能推荐框架,注重可视化呈现和动态感知,推动个性化服务模式的优化升级,重视全景性应用策略研究,促进推荐技术与真实教育情境的紧密耦合.广播电视大学网络考试系统的研究

人工智能赋能学习新生态

数字新质生产力如何赋能体育跨学科主题学习的高效发展

.

随着人工智能技术的迅猛发展,思想政治理论课面临着新的契机.在对思政课教学进行全过程,全场景的数据收集与智能解析的基础上,人工智能在构建智慧教学场景,提供个性化学习资源,构建智慧学生评价系统等方面,充分利用其自身的优势,推动着高校思政课教学方式的创新性发展.但是人工智能赋能思政教育也存在着隐私泄露,资源滥用等风险.面对"人工智能"这把双刃剑要精准分析,合理使用,从而推动人工智能技术与思想政治理论课的深入结合,建立起一种新型的人机协作思想政治理论课教学生态.With the rapid development of artificial intelligence technology, ideological and political theory courses are facing new opportunities. Based on the data collection and intelligent analysis of ideological and political course teaching in the whole process and all scenarios, artificial intelligence makes full use of its own advantages in building smart teaching scenarios, providing personalized learning resources, and building a smart student evaluation system, and promotes the innovative development of ideological and political course teaching methods in colleges and universities. However, artificial intelligence empowers ideological and political education, and also poses risks such as privacy leakage and resource abuse. Faced with the double-edged sword of "artificial intelligence", we must accurately analyze and use it reasonably, so as to promote the in-depth combination of artificial intelligence technology and ideological and political theory courses, and establish a new type of human-machine collaboration ideological and political theory course teaching ecosystem.

数字新质生产力如何赋能体育跨学科主题学习的高效发展

人工智能教育精准化教学 晓果智学全面提高孩子成绩

高校思想政治教育视域下艺术类学生阅读实践第二课堂的形式构建与拓展——以艺术沉浸式交换课堂为例

.

随着新技术的迅猛发展,"大数据+AI"已成为现代社会一种新的驱动力和思维方式.一种可有效实现物理世界和信息世界智能互联与交互融合的新技术——数字孪生应运而生.基于数字孪生技术,可构筑联通现实教学空间与虚拟教学空间的数字孪生讲台,并成为在线教学空间的"数字大动脉".数字孪生讲台可分为在线学习特征分析技术和虚实教学空间融合分析技术,通过"在线教"与"在线学"间的深度融合,映射与镜像,能为在线沉浸式教学注入新的数字生产力.基于此,从教学,技术两方面,探索数字孪生讲台的在线沉浸式教学流程设计与技术运用,即基于混合式平台的教学数据采集与管理,基于多维分析的教学数据分析与建模,基于精准教学和精准管理的数据应用,基于增强现实技术的在线沉浸式教学体验,进而设计其教学流程.旨在通过数字孪生讲台的多源数据融合,虚实融合映射,教学服务融合优化,促进数字化,智能化课堂的形成,推动数智融合在教学方面的创新性应用,从而形成一种基于大数据的课堂数据互动,映射的新形态,进而革新与重塑现代教育体系.

高校思想政治教育视域下艺术类学生阅读实践第二课堂的形式构建与拓展——以艺术沉浸式交换课堂为例

.

随着计算机科学的进步,越来越多的研究人员试图将人工智能和计算机网络技术用于计算机辅助教学(Computer-aided Instruction,CAI)系统。同时,有些研究者还开发了一些高效的程序来测试和提高学生的学习能力,例如,Hopper的计算机辅助教师和考试系统(Computer-aidedtutoring and testing system)。1999年,Giraffa证明了怎样用多agent技术构建交互式智能导师系统(Intelligent Tutoring System)。2000年,Ozdemir和Alpaslan提出了一种用于指导学生网上学习的智能agent。这种agent可以根据学生的知识掌握程度智能地推荐合适的学习站点。从2003年到2004年,Hwang提出一种能向学生提供指导意见的概念模型和评估教育站点的群决策(group-decision)方法。2005年,Chih-Ming提出一种基于项目反映理论的个性化网上学习系统。很明显,开发智能教学系统(Intelligent Tutor System)和学习环境已成为计算机科学和教育领域中一个重要的问题,同时,网上考试系统的开发也吸引着大批的学者。例如IBM一直致力于网上考试系统的开发,GRE(GraduateRecord Examinations)从1999年起就完全采用无纸化的计算机考试形式等。 但是,广播电视大学多数现有网上考试系统只能根据教师预先输入的要求按一定的组卷策略从题库中抽取满足要求的试卷,这些传统的组卷算法并不能实现根据学生特定的学习情况抽取适合每位学生的试卷。传统的阅卷算法也只是简单地给出学生在某次考试的总分数。我们知道分数有时并不能全面地反映一个学生整体能力,学生对某知识点的掌握不能用简单地知道或不知道来判断,更重要的是他对该知识点的学习是处于识记、理解还是应用等水平,所以传统的阅卷算法不能很好地反映学生的这种认知能力。另外,随着在线考试的人数逐渐增加,网络信息流量会急剧上升,从而导致数据传输速度慢并加重服务器负担。 为了降低网络流量,提高系统的响应速度,本文利用智能Agent技术提出一种新的自适应网络考试系统体系结构。为了达到自适应考试的目的,本文提出一种新的学生模型SM。在学生模型SM的基础上,本文又提出基于SM的个性化智能组卷算法和阅卷算法,实验证明,在试题库设计合理的情况下,这些算法是可行的、正确的。

教育大数据背景下融入情感分析的生成性学习路径推送策略研究*

大学生职业规划实战案例：3个月帮助学员斩获名企管培生offer

学历不高？基础为零？惠州惠东县新思路职业技能培训学校用实力证明：学好CNC编程，高薪就业不看背景看技能

吴军老师《 TTT项目 内训师培养进阶培训辅导方案