多模态学习分析实证研究的发展与展望

作     者：刘清堂 李小娟 谢魁 常瑀倍 郑欣欣 LIU Qingtang;LI Xiaojuan;XIE Kui;CHANG Yubei;ZHENG Xinxin

作者机构：华中师范大学湖北省教育信息化研究中心湖北武汉430079 华中师范大学人工智能教育学部湖北武汉430079 俄亥俄州立大学数字化学习研究实验室美国俄亥俄州43210 

基　　金：2020年国家自然科学基金“数据驱动的学习动机诊断模型及应用研究”(项目编号:61977035) 2020年教育部人文社会科学研究规划基金“基于远程课堂学习情绪计算的同步课堂教学干预机制研究”(项目编号:20YJA880009) 

出 版 物：《电化教育研究》 (E-education Research)

年 卷 期：2022年第43卷第1期

页      码：71-78,85页

摘      要：多模态学习分析(MMLA)是智能化探究有效学习发生机理的关键技术。研究对国外37篇实证文献的任务情境设计和MMLA的四个过程进行系统综述,梳理出多模态数据集的生成场域多以发展认知为主,少关注情感价值的培育;学习标签注释以计算科学指导为主,缺乏不同时间尺度行为关联的理论指导;预测结果多关注学习行为表现,轻心智发展的过程解释;多模态数据分析反馈聚焦个性化学习支持,忽视决策支持。未来实证研究发展应聚焦有效学习与情感体验,融合计算科学和认知带理论,协同人机优势提供反馈支持,开展MMLA系统开发者和利益相关者的深度对话,不断迭代设计与优化分析系统和应用模式,有效促进“人工智能+教育”的发展。

主 题 词：多模态学习分析 学习行为 学习标签 正式学习情境 实证研究 

学科分类：0401[教育学-教育学类] 04[教育学] 040110[040110] 

核心收录：

D　O　I：10.13811/j.cnki.eer.2022.01.009

馆 藏 号：203107092...