目录介绍
目录智能教育技术与应用目录
第1章智能教育概述1
1.1智能教育的概念、任务与特征1
1.1.1智能教育的概念1
1.1.2智能教育的任务2
1.1.3智能教育的特征3
1.2智能教育的发展历程4
1.2.1人工智能的三次浪潮4
1.2.2教育信息化的发展历程5
1.3智能教育的关键技术6
1.4智能教育的典型应用6
1.5智能教育面临的挑战8
1.6智能教育与智慧教育的关系10
本章小结11
习题12
参考文献12
第2章智能教育的理论基础13
2.1建构主义学习理论13
2.1.1建构主义的知识观13
2.1.2建构主义的学习观14
2.1.3建构主义的学生观14
2.1.4建构主义的教学观15
2.2具身认知理论18
2.3智慧教育理论22
2.3.1智慧教育的起源22
2.3.2智慧教育的图式建构23
2.3.3智慧教育的三种境界24
2.3.4智慧教育的本质特征26
2.3.5智慧教育的体系架构26
2.4计算教育学理论28
2.4.1起源与概念28
2.4.2关键问题与核心任务29
2.4.3研究范式30
本章小结35
习题35
参考文献36
第3章智能教育的技术基础38
3.1人工智能技术38
3.1.1机器学习概述39
3.1.2监督学习41
3.1.3无监督学习42
3.1.4深度学习45
3.1.5强化学习48
3.2云计算技术50
3.2.1云计算技术概述51
3.2.2云计算架构54
3.3大数据技术58
3.3.1大数据技术概述58
3.3.2大数据的数据源60
3.3.3大数据技术的教育应用61
3.3.4大数据处理流程及技术62
3.3.5Hadoop简介64
本章小结66
习题67
参考文献67
第4章教育知识图谱69
4.1知识图谱简介69
4.1.1知识抽取71
4.1.2知识融合72
4.1.3知识推理73
4.2知识图谱的表示学习74
4.2.1距离模型74
4.2.2翻译模型75
4.2.3语义匹配模型76
4.2.4神经网络模型77
4.3教育知识图谱简介79
4.3.1教育知识图谱的概念79
4.3.2教育知识图谱的分类80
4.3.3教育知识图谱的技术框架81
4.4教育知识图谱的构建82
4.4.1知识本体构建83
4.4.2命名实体识别84
4.4.3实体关系挖掘85
4.4.4知识融合86
4.4.5知识加工89
4.5教育知识图谱的应用91
4.5.1学科知识点查询91
4.5.2学情分析与评价诊断92
4.5.3学习者画像构建92
4.5.4学习资源推荐92
4.5.5个性化学习路径规划93
4.5.6知识问答系统93
本章小结94
习题94
参考文献95
第5章学习者画像96
5.1学习者画像概述96
5.1.1学习者电子档案袋97
5.1.2学习者模型97
5.1.3用户画像98
5.1.4学习者画像98
5.2认知风格建模100
5.2.1认知风格模型100
5.2.2认知风格识别方法101
5.2.3认知风格自动识别方法102
5.3知识追踪建模103
5.3.1基于马尔可夫过程的知识追踪模型 103
5.3.2基于逻辑回归的知识追踪模型 104
5.3.3基于深度学习的知识追踪模型105
5.4情感状态建模108
5.4.1学习者情感模型109
5.4.2学习者情感状态识别方法109
5.5学习者画像的应用115
5.5.1学习者画像实现流程115
5.5.2基于大数据分析的在线学习者画像案例117
本章小结122
习题123
参考文献123
第6章自适应学习125
6.1自适应学习系统的发展历程125
6.2自适应学习系统的模型127
6.2.1领域模型128
6.2.2学习者模型128
6.2.3教学模型129
6.2.4接口模型130
6.3自适应学习系统的框架130
6.4个性化学习推荐技术132
6.4.1个性化推荐模型概述132
6.4.2基于知识图谱深度知识跟踪与强化学习的推荐模型133
6.4.3个性化学习推荐模型评估136
6.5自适应学习系统的应用137
6.5.1Knewton自适应学习系统137
6.5.2大学英语自适应学习系统143
本章小结147
习题147
参考文献148
第7章计算机自适应测验151
7.1传统计算机自适应测验概述151
7.1.1项目反应理论152
7.1.2计算机自适应测验系统154
7.2认知诊断计算机自适应测验156
7.2.1认知诊断模型157
7.2.2认知诊断计算机自适应测验系统159
7.3计算机自适应测验题库构建160
7.3.1传统CAT的在线标定方法161
7.3.2CDCAT的在线标定方法162
7.3.3在线标定方法总结163
7.4计算机自适应测验选题策略164
7.4.1传统CAT的选题策略164
7.4.2CDCAT的选题策略166
7.5计算机自适应测验终止规则169
7.5.1CAT变长终止规则170
7.5.2CDCAT变长终止规则170
7.6计算机自适应测验的应用171
本章小结173
习题173
参考文献174
第8章智能评阅175
8.1智能评阅概述175
8.1.1智能评阅简介175
8.1.2智能评阅的理论依据176
8.1.3智能评阅的相关技术176
8.2智能评阅的关键技术179
8.2.1作文自动评分179
8.2.2语法错误纠正181
8.3智能评阅模型构建182
8.3.1融合多层次语义特征的自动评分模型182
8.3.2GECToR语法错误纠正模型186
8.4智能评阅系统的应用191
8.4.1句酷批改网191
8.4.2智能口语评测系统193
8.5智能评阅的未来发展趋势与挑战194
8.5.1智能评阅的未来发展趋势194
8.5.2智能评阅面临的挑战和问题195
本章小结196
习题196
参考文献197
第9章智能问答199
9.1智能问答概述199
9.1.1智能问答的定义及分类199
9.1.2智能问答的发展历程201
9.2智能问答关键技术203
9.2.1问题理解203
9.2.2基于知识图谱的实体答案推理204
9.2.3自然答案生成205
9.3智能问答的数据集和评测标准206
9.3.1智能问答的常用数据集206
9.3.2智能问答的评测指标208
9.4智能问答系统构建与应用209
9.4.1课程知识图谱构建209
9.4.2命名实体识别214
9.4.3问句文本分类216
9.4.4实现和应用217
9.5智能问答的未来发展趋势与挑战220
本章小结220
习题221
参考文献221
第10章智能沉浸式学习环境224
10.1沉浸式学习的理论基础224
10.1.1沉浸式学习概述 224
10.1.2沉浸式学习理论支持225
10.2沉浸式技术228
10.2.1沉浸式技术的概念228
10.2.2沉浸式技术的分类229
10.2.3沉浸式技术的特性231
10.3虚拟现实技术232
10.3.1虚拟现实技术的发展历程 232
10.3.2虚拟现实技术在教育中的创新应用233
10.3.3虚拟现实技术的挑战与发展234
10.4沉浸式学习环境构建235
10.4.1沉浸式学习环境的设计原则和思路235
10.4.2面向空间推理技能发展的沉浸式学习环境设计236
10.4.3数学沉浸式学习环境的设计与实现239
10.5智能沉浸式学习环境应用244
10.5.1基于MR技术的沉浸式学习244
10.5.2探索火星沉浸式教学全息甲板245
10.5.3上海开放大学沉浸式学习空间246
本章小结247
习题248
参考文献248
第11章多模态学习分析250
11.1多模态学习分析概述250
11.1.1多模态学习分析的概念250
11.1.2多模态学习分析的发展历程251
11.2多模态数据处理技术252
11.2.1多模态数据特征提取252
11.2.2多模态融合方法255
11.2.3不确定性估计258
11.3多模态学习分析的应用261
11.3.1基于学习分析的在线学习风险预测应用261
11.3.2面向群体投入特征画像的多模态学习分析应用266
11.4多模态学习分析的发展趋势274
11.4.1基于情境感知的场景数据混合采集技术研究274
11.4.2数据融合的理论与科学精准性研究275
11.4.3数据建模的情境依存特征与适用性研究275
本章小结276
习题276
参考文献277
第12章未来智能教育技术与教育应用展望278
12.1生成式人工智能与教育应用278
12.1.1生成式人工智能概述278
12.1.2生成式人工智能的教育应用278
12.1.3未来挑战与展望280
12.2元宇宙与教育应用281
12.2.1元宇宙概述281
12.2.2元宇宙的教育应用282
12.2.3未来挑战与展望283
12.3脑机接口与教育应用284
12.3.1脑机接口概述284
12.3.2脑机接口的教育应用285
12.3.3未来挑战与展望286
12.4区块链与教育应用286
12.4.1区块链概述286
12.4.2区块链的教育应用287
12.4.3未来挑战与展望288
12.5未来智能教育技术展望289
本章小结290
习题290
参考文献291