摘要：随着生成式人工智能的快速发展,基于大模型的智能体已经逐步具备了多模态感知、检索增强生成、推理与规划、交互与进化等能力。该研究提出基于大模型的教学智能体的基本概念与框架,以“大模型”为技术核心,重点构建“教育任务设定”“教育任务规划”“教育能力实现与拓展”“教育内容记忆与反思”“交互协作与动态进化”多个功能模块,支持与多类型对象交互并实现动态进化,涵盖人机交互、多智能体交互以及环境交互。基于所提出的框架,研究以项目式学习任务为应用场景,阐述了教学智能体作为“助教智能体”和“同伴智能体”,在个性化驱动问题提出、项目方案共同设计、项目作品协作完成、项目作品多角色评价多个环节的作用及相关支撑技术。最后,研究进一步探讨了教学智能体的发展方向与未来展望。

摘要：对学生的核心素养和高阶能力的培养是当前教育领域的热点话题。项目式学习是培养学生的核心素养和高阶能力的一种有效学习方式,深受基础教育者的青睐。然而,项目式学习在实践过程中面临着项目设计形式单一、过程性数据的收集与评价时间成本高且滞后、缺乏有效评价等诸多问题。基于证据的教与学强调教育教学活动的设计要遵循已被证实的研究规律;关注学生的学习过程,将学习证据与学生的学习状态建立联系;培养学生基于证据推理的能力,为解决当前项目式学习中存在的问题提供了一个思路。同时,证据中心的设计理论是指导众多高阶能力测评设计的理论基础,与项目式学习的目标相契合。因此,该研究结合大数据技术,将基于证据的相关理念引入项目式学习中,从教、学、评三个角度出发构建了证据导向的项目式学习模式,并以此为理论基础设计开发了证据导向的项目式学习系统,旨在为高水平的项目式学习的设计与实施提供支持,促进学生核心素养的发展。

摘要：核心素养是个人终身发展和可持续发展的基础,而学科核心素养是核心素养在各学科的具体化,是核心素养落地的有效抓手。学科核心素养的潜在性、内隐性、复杂性、综合性导致其既不能通过机械的训练获得,又难以进行直接观测。因此,如何有效开展学科核心素养的测量一时成为教育评价改革所面临的难题。本研究从认知诊断的视角出发,从学科领域认知模型构建、测试项目编制与Q矩阵确立、学习反应数据采集、认知诊断模型设计和认知诊断结果输出五个方面构建了学科核心素养测评框架。随后,以学科能力“3×3要素模型”为中介,从三元融合的学生认知模型构建、人机协同的试题命制与组卷、线上线下相融合的数据收集、基于G-DINA模型的诊断分析、学科知识与核心素养的可视化、个性化学习支持服务的精准推荐六个方面详细阐述了基于“智慧学伴”平台的学科核心素养诊断机制,实现了基于数据证据的学科核心素养的有效测量与可视化表征,形成了一套可操作的学科核心素养测量路径。

摘要：智能导学系统能够提供个性化的自主学习服务,但仍然面临诸多挑战,如对学习者理解不足、用户体验较差、自动化程度有限等。针对这些挑战与问题,本研究设计并实现了涵盖领域知识层、基础模型层和用户接口层的三层架构新型导学系统,并以“雷达数学”系统为例进行介绍。领域知识层借助知识空间等理论,构建符合教学和认知规律的学科知识图谱和教学策略库;基础模型层利用深度学习、自然语言处理等技术,实现更精准的学习者模型、个性化教学策略模型和自动批阅模型,提升系统对学习者的理解和自动化程度;用户接口层基于可解释人工智能技术与游戏化设计理论,构建可解释的认知地图和个性化导航等服务,改善系统用户的体验。在此基础上,本研究针对学习者、教师、家长等不同角色,阐述了新型智能导学系统的三类典型应用场景并对其发展趋势进行了展望。

摘要：线上线下相结合的课堂观察活动具有跨越时空、支持大规模协同等优势,已成为促进中小学教师专业发展的重要活动。但是,其在应用中存在突出问题,如难以从大量非结构化的多源反馈数据中及时发现教师集体共识信息,难以精确诊断与改进教学问题,难以实现教师同伴之间互助学习。为解决上述问题,该研究依据观察学习理论与学习分析技术,构建了包含课堂观察活动全过程数据采集、多元分析、可视化反馈报告、社会知识网络自动推荐、精准改进等要素的课堂观察多元分析与改进模型,并开发了支撑系统。研究结果表明该模型实现了对教师教学知识技能、观察参与行为与情感状态的及时诊断,能够推动课堂观察向数据驱动的科学决策与精准改进转变,实现观察者与被观察者的协同发展。

摘要：协作问题解决能力是人工智能时代学习者必备的高阶能力之一,开展相关评估工作有助于培养学生的协作问题解决能力。文章对基于计算机的协作问题解决能力评估的典型研究与项目进行回顾,从评估框架、工具和方法三个方面对影响评估工作科学性和有效性的关键问题进行剖析,并针对性地提出发展建议,以期为后续评估工作改进提供参考:(1)遵循“理论突围—应用牵引—数据循证”的评估思路;(2)基于“聚焦个体—精进小组”的视角丰富评估信息;(3)坚持“适度协作支架—平衡同伴影响”的原则设计评估工具;(4)面向“智能采集—精准分类”实现丰富协作情境下多模态数据的自动化编码;(5)纳入“语境、时序、语义、社会文化等因素”自动分析会话数据质性特征;(6)结合“多维—交互”特征探索新的测量模型。

摘要：随着人工智能技术的发展和普及应用,各国对中小学阶段的人工智能教育日趋重视。本文总体介绍了当前国内外中小学人工智能教育的现状,在此基础上,我们进一步从人工智能素养、人工智能课程设计原则,以及人工智能课程资源建设等维度,逐层对其具体实施路径进行了论述。最后,我们对中小学人工智能教育的发展提出了三点建议。

摘要：由于许多课程的知识繁多且复杂,往往使教与学处于仅见树木难见森林的困境中。研究以C程序设计为例,构建了31张涵盖95%语法知识点的知识逻辑结构图(Knowledge Logic Structure Map,简称K图)。给出了知识逻辑结构图的定义、理论基础、构图的方法和原则。使用31张C程序设计K图,在期末总复习课上为学生将C程序设计语法知识完整复习一遍,并使用Nvivo对30位学生给出的复习课感想进行了分析。结果发现,28位学生直接给出了正面评价,总结为(1)K图能够很好地表达知识,使知识表达直观、清晰、系统、全面;(2)K图对于复习具有正向作用,如效率高、便宜;(3)在情感态度上对K图有很好的接受度。

摘要：以"智慧学伴"平台为技术和路径支撑,实现数学学科能力的跟踪诊断及靶向提升。在平台内容设计方面,以数学素养为"纲",以数学学科能力为"本",构建核心概念知识图谱和数学学科能力模型,进行相应的诊断工具设计和相匹配的干预资源。在实施路径方面,利用"智慧学伴",以学期前后的两次学期总测作为对学生的知识学习、学科能力、素养发展等进行整体测评;以各个单元的核心概念微测试对该概念的学习进程进行持续诊断;以匹配于各个单元微测的教学资源为干预工具,对学生在某概念的数学学科能力进行精准推荐。研究表明:借助于"智慧学伴"平台,通过追踪诊断,实现数学学科能力层级进阶;通过靶向提升,实现数学学科问题精准干预。实现了学习过程的持续追踪、学习问题的即时反馈和学习资源的精准推荐。

摘要：在线异步讨论是在线协作学习的重要方式。为学习者分配角色、规定其角色职责的协作脚本设计被证实是促进在线异步讨论的有效脚手架。角色脚本的应用形式分为角色固定和角色轮换两种。有关角色固定脚本的研究发现其存在一定的局限性,不利于深度学习的实现。在线异步讨论中角色轮换脚本能否对学生的深度学习产生影响?不同角色设计对学习者认知过程的影响如何?基于北京市某高校教育技术学专业两个学期三个班级(分别采用无角色干预的在线异步讨论、角色固定的在线异步讨论和角色轮换的在线异步讨论)的准实验和对照研究,综合运用问卷调查、文本分析、滞后行为序列分析等发现:(1)角色轮换脚本的应用能够有效促进学生的高阶认知,对提升学生的复杂问题解决、元认知和团队合作能力具有积极影响,其中"回答者"和"评价者"角色对高阶认知的影响更为显著;(2)角色轮换脚本干预下学生的认知序列特征呈现出渐进性和循环性的"双环"特征,且受到角色功能的影响,不同角色的认知序列存在明显差异。