摘要：当前,以数据驱动为基础的自适应学习技术在教育领域展现出了巨大的潜力,然而其不透明的“黑箱”属性引发了教育研究者和实践者的普遍担忧。可解释性人工智能被认为有潜力在自适应学习情境中帮助学习者理解干预决策,从而提升学习成效,但其在教育应用中的实践效果存在争议。为此,文章采用元分析方法,对29项实证研究的66个效应量进行分析,发现可解释性人工智能对自适应学习的学习效果的提升为中等程度,其中对学习者认知和元认知维度的影响更大;可解释性人工智能的促进作用因受到解释设计、呈现设计、实验设计的影响而存在差异。基于研究结果,文章提出未来的自适应学习干预应坚持以学习者为中心,注重学习干预解释的互动性、可读性和边界性等启示,以促进可解释性人工智能在教育领域的深度应用。

摘要：《义务教育数学课程标准(2022年版)》中指出,数学教育要促进信息技术和数学课程的融合,而智能教学系统是人工智能辅助教育的重要应用,其特点在数学教学领域受到了广泛的关注。然而,如何构建符合数学特征的智能教学系统?数学智能教学系统的设计应当关注哪些方面?如何评估数学智能教学系统的效果?当前,研究者仍未能构建出一个统一的框架。本文基于Wo S数据库对数学智能教学系统研究进行计量分析,构建了数学智能教学系统的实证研究分析框架进行文献的梳理,并基于梳理结果总结智能教学系统辅助数学学习的研究特点和未来发展趋势,为数学智能教学系统的框架设计提供参考。

摘要：如今,自适应学习已成为推动个性化教育实践落地的抓手,然而目前自适应学习模型研究对促进双重身份学生的个性化学习关注有限。基于此,文章以双重身份学生的典型代表——体育生为例,构建了基于智能教学系统的双重身份学生自适应学习模型,并提出实际应用流程,以便促进其落地实践。在此基础上,文章针对某体校体育生群体进行实证研究,通过对调查问卷、访谈数据和日志数据的分析,发现所提出的自适应学习模型能够在不影响运动动机的情况下显著提升学生的学业动机,由此证实了模型的有效性,并剖析了该模型四模块设计对实验结果的影响。文章通过研究,旨在为未来的社会性自适应学习模型设计提供参考。

摘要：人工智能技术在学生评价改革和减负增效中可以发挥重要作用。基于现代教育评价理论、智能教学系统相关研究成果、最近发展区理论和波利亚数学解题思想,我们综合采用大数据挖掘、自然语言处理、多通道人机交互等人工智能技术,设计了一个基于网络的学生智能评测和辅导系统,并以初中数学的勾股定理知识点为例,编程实现了一个数学智能测评和辅导系统MIATS,其功能主要包括:在线大数据挖掘、适应性智能评测、基于前测结果的智能辅导、基于前测和智能辅导的后测、螺旋式上升的评测和辅导一体化。基于MIATS的初步测评结果表明,该系统能够给每个学生提供内容和时间都不同的个性化测试和辅导,其对学生的评测结果等同于所有学生内容和时间都完全一样的传统测试方法的结果,对学生的辅导效果也比较显著。