摘要：大语言模型(LLM)作为一种先进的AI技术,正对人类生活产生深远影响。与传统AI技术相比,LLM能够处理大量的文本数据,并在自然语言处理等领域发挥着巨大作用。LLM的快速发展与应用推进已经对AI教育的课程内容、教学模式与学习平台产生了显著的影响,这些影响也迫切要求青少年AI教育课程与时俱进的变革。为应对这种变革,该研究从课程内容框架、基于LLM的教学模式以及LLM辅助学习平台三个维度设计了一个面向LLM的青少年AI课程架构,并以教学活动设计为切入点,深入探讨了如何使该课程架构与学科核心素养紧密契合。基于此架构,设计并开发了一门高中LLM示范课程,重点展示了如何利用自主开发平台(LLM 4 Kids)进行人机协同教学。选取了示范课程中《面向LLM的提示与评估》的单元内容,解释了如何在教学过程中有效的应用和整合LLM技术。通过提供面向LLM的青少年AI课程架构以及解释案例,为AI教育实践者提供面向LLM的框架体系与课程参考,推动最新的人工智能前沿知识进入中小学课堂,从而有助于青少年适应AI快速发展的时代。

摘要：为促进高等教育中高素质创新人才培养,构建以学生为中心的科研训练与课程教学整合模式是有效途径。当前基于课程的本科生科研体验(CUREs)教学模式虽在增强学生对科学本质的理解等方面具有一定优势,但在激发学生研究动机方面存在一些不足。将支持高效反馈的生成式人工智能ChatGPT引入人机协作研究过程中,有助于改善学生的科研体验,推动科研项目化学习。通过对ChatGPT支持的CUREs教学模式的设计与实施,发现该模式有助于培养学生的科研能力,提升他们的科研知识水平、科研技能水平和科研情感水平。尽管学生认同该教学模式的有效性和易用性,但其实际效果的发挥仍需人类智慧的参与。未来需要持续升级和优化生成式人工智能技术,确保技术应用高效且符合伦理标准;应用生成式人工智能技术重构教学模式,并通过长周期、跨场域实践检验其应用效果;强调人工智能与人类智慧的互补协作,真正实现生成式人工智能赋能学生科研能力提升。

摘要：运用智能技术激活教育数据价值、创新教学实践、赋能教育治理,是当前教育数字化转型与智能教育变革的实施路径。而在促进教育数字化转型成功之路上,既需要充分发挥管理者“自顶向下”的宏观决策,也需要充分调动教师群体通过“自底向上”的教学实践创新,更需要寻求二者相互融合、协同的均衡关系,以推动智能时代下学校组织的变革与重塑。为深入探究管理者与教师在学校组织变革中的协同关系,研究综合复杂性科学和组织变革理论,通过设计多主体仿真系统,以仿真实验的方法剖析二者的复杂协同作用。研究通过仿真数据分析,详细探讨了管理者他组织与教师自组织在不同初始情况、不同协同模式下,对学校组织变革产生的六类影响结果。最终,研究结论揭示:教师的自组织教学创新实践是学校人工智能变革的基础;管理者他组织的战略决策是提升学校组织变革绩效上限的关键;他组织与自组织的关系处于均衡,并更关注教师群体的实践智慧时,能够最大程度推动智能教育变革的实施。

摘要：教师开展循证实践面临诸多挑战,包括难以获取和利用证据、缺乏有效的反馈和评价机制,以及实践过程中指导和支持不足,大模型技术的发展为破解这些难题带来了机遇。本研究构建了大模型驱动的循证实践行动框架,涵盖循证实践的五个关键阶段:提出问题、检索证据、评价证据、应用证据和后效评估,并针对不同阶段的特点设计了相应的大模型支持策略;开发了GPT4EBP平台,为教师提供基于自然语言交互的个性化指导、反馈和评估,还针对师范生开展了为期六周的循证实践。问卷调查结果表明,借助GPT4EBP平台,师范生能更高效、高质量地完成循证实践任务,其循证实践能力和集体效能感均得到显著提升;访谈数据揭示了平台在简化流程、提供及时反馈等方面的价值。本研究揭示了大模型技术在优化循证实践流程、赋能教师专业决策等方面的独特价值,丰富和发展了循证实践的理论体系,相应的行动框架和GPT4EBP平台可为教师循证实践提供个性化支持,使其能便捷获取证据、系统分析证据并将证据转化为可落地的教学行动,提升循证实践的针对性和有效性。

摘要：人机协调共生是当下人类面临的重要问题,但智能技术内部“黑箱”效应带来的透明度低、可控性低等问题使人机协作时常产生冲突和矛盾。在此背景下,共享心智模型成为引导人机协作团队成员相互理解、协调的关键概念。基于此,文章首先梳理了共享心智模型的发展历程与经典的测量与评估方法。随后,文章以共享心智模型为基础引入“扩展思维”这一概念,设计了人机协作下的共享心智模型;同时,结合共享心智模型的经典计算与测量方法,文章提出了人机协作下共享心智模型的计算框架与测量思路。最后,文章通过应用案例分析,发现人机协作下的共享心智模型能有效促进团队合作和任务绩效,由此验证了人机协作下共享心智模型的可行性与有效性。文章提出的人机协作下的共享心智模型可为教育领域人机协作的良性互动提供理论支持,并为辅助人机协同学习与教师教育决策提供借鉴。

摘要：人工智能的迅速发展正深刻改变人类的生产方式、生活方式和学习方式,对教育产生深度影响,而现阶段生成式人工智能工具在教育领域广泛应用,给教育带来新的道德伦理问题。该文首先从人工智能快速发展引发更加复杂的道德伦理问题和人工智能道德伦理是人类道德伦理价值体系新组成两方面给出人工智能延展人类道德伦理范围。再从人工智能教育应用伦理风险、教育人工智能伦理治理现状、教育人工智能伦理需解决问题等三个层面阐述了教育人工智能应用伦理风险与治理。再次从核心素养培养、规范应用监管、道德伦理框架、技术规范研制等四个维度给出人工智能向善发展的建设路线。最后,给出五条发展建议:加强顶层设计,系统规划总体框架;重视育人为本,创新发展人工智能课程;遵循治理原则,促进技术向善赋能;明确价值准则,助力人机相融共进;加快标准制定,规范教育人工智能实践。以期推动人工智能向善发展,赋能、赋智教育,促进教育数字化转型,构筑智能时代的人类命运共同体。

摘要：数字化学习已经成为当下主流的学习方式。线索是数字化学习材料的构成要素之一,是影响数字化学习效果的重要因素。然而,现有研究对于线索在引导学生注意力、降低认知负荷和提高学习结果方面的成效和理路尚未达成一致意见。为进一步探寻线索促进数字化学习的机理及适用场景,研究运用元分析方法,对国内外数字化学习材料中线索设计与应用的实证研究进行量化分析。结果表明:在数字化学习材料中加入线索,对注意力和学习结果都有显著促进作用,但对认知负荷没有显著影响。同时研究发现,线索设计成效受到线索类型、数字化学习材料类型、学科类别、学习者学段等因素的影响。最后,研究分析了线索对学习者认知加工和深度学习的作用机理,并基于调节效应分析结果探讨了线索的适用场景。

摘要：随着ChatGPT等新型人工智能技术的进一步发展,未成年人成长面临着新的风险与挑战,急需构建面向未成年人的人工智能规范体系。文章从人才发展、AI向善和人机共融视角出发,构建了面向未成年人的人工智能技术规范体系模型:“技术内容规范”将基础性、时代性和价值性三个维度的知识结合在一起,旨在从核心素养的角度规范学生能接触到的人工智能技术内容;“技术工具规范”围绕可用性、适用性、安全性、价值观对AI学习工具的设计、开发和应用全过程提出规范要求,旨在从应用监管角度保障未成年人的使用体验;“技术伦理规范”基于以人为本、公平公正、安全可控原则,对人工智能技术伦理治理提出要求,旨在从安全伦理角度促进未成年人、社会、自然和人工智能的和谐共处。

摘要：认知风格反映了学生接近、获取、组织、处理和解释信息的模式,可用来解释和指导学生的行为。将认知风格集成到智能系统中,有助于开发个性化的用户模型,推动智能教育发展。当前有关认知风格自动分类的研究较为匮乏,尚未将机器学习与眼动追踪技术联合起来进行应用。基于机器学习与眼动追踪的认知风格模型,选取注视时长、注视点数量、扫视时长、眼跳次数、眼跳距离与瞳孔直径等6个与认知有着密切关系的眼动指标,归一化处理后借助机器学习算法进行认知风格自动分类。实验结果表明:在进行同样时长的视频学习时,不同场认知风格的学习者表现出不同的视觉行为模式;场依存型学习者注视点较为分散,表现出有较多的扫视行为、较少的注视行为、较长的眼跳距离与较大的瞳孔直径变化,信息搜索效率较低;而场独立型学习者有着较为密集与定向的视觉注意模式,信息搜索效率更高。对5种机器学习算法进行性能对比后发现,逻辑回归算法的分类效果最好,准确率达到89.01%,Kappa值达到0.774。该认知风格自动化分类模型既可用于智能学习系统的课程资源优化设计,也可用于个性化学习路径的推荐。未来可整合更多生理数据,通过不同模态数据之间的信息互补,提升数据分析的准确性以及对学习者认知能力评估的可靠性。

摘要：到课率作为宏观教学管理数据,对高校教学管理具有重要作用。虽然近年来出现了一些课率统计的数字化方法,解决了传统到课率统计费时、费力、滞后等问题,但由于成本高、使用不方便、准确率不高等原因,导致其无法推广。随着技术的发展,深度学习在多目标检测中的准确率越来越高,有助于解决此类问题。为此,文章利用深度学习技术,设计了一种基于教室摄像头RTSP视频流的到课学生头部识别的模型1MB-Plus,并将其应用于某高校的一百余间教室的到课率统计中,取得了97.3%的准确率。研究表明,该模型有助于解决到课率统计存在的问题。文章通过研究,旨在以最小的成本为高校教务管理部门提供较为准确的宏观到课率数据,辅助学校的教学管理工作。