摘要：学习者模型的“复杂性”和机器智能决策的“不透明性”,使得可解释学习者建模成为教育人工智能研究的重要议题。可解释学习者建模旨在通过对学习者多维度、多层次、多场景的精准刻画,实现学习者的可表征、可理解、可干预,进而为学习策略、教学模式、教育评价的设计和开展提供科学依据。其核心价值体现在对外在学习行为的准确表征、对学习者潜在特征的深度挖掘、对学习者模型的完整构建以及对学习机理的准确阐释,且在模型构建过程中充分体现出透明度和可解释性,进而增强教育主体对机器智能分析与决策的信任度和接受度。可解释学习者建模能够实现全景化细粒度的教育诊断,提供易于理解和接受的学习干预,推动高度适配且便于实施的教学决策,支持综合化高效能的教育管理,在“人机协同”的教育教学活动中具有广阔的应用前景。未来,还需通过加强多学科理论融合、科学智能方法运用、智能教育产品研发等途径推进可解释学习者建模研究。

摘要：以ChatGPT(Chat Generative Pre-trained Transformer)为代表的人工智能大模型在文本生成、人机对话等方面展现出了优异的性能。在大模型背景下,大数据、人工智能等数智技术在赋能科研创新方面表现出重要的现实价值。当前的科技信息资源管理和知识服务能够为科研创新提供较为准确的信息以及常规的知识聚合服务,但是仍未能与科研创新活动形成深度融合。同时,科研人员在科研活动中也面临信息处理能力不足、认知能力有限等挑战。据此,本文首先对数智时代科研活动的新特点进行了剖析,然后提出了基于数智技术的创新辅助框架,并对所提出的框架进行了深入分析和探讨,阐述了其在创新全过程中的功能定位、服务模式和关键赋能路径。未来,随着大数据和人工智能技术的不断成熟和进步,数智赋能的科技信息资源管理将进一步嵌入科研创新活动全过程。基于数智技术的创新辅助服务能够为科研人员提供个性化、细粒度的知识和场景化的解决方案,如面向文献阅读、实验设计和论文撰写场景的创新辅助服务,从而更好地服务于科研创新活动。