多模态学习分析实证研究的发展与展望

被引：22

作者：

刘清堂 ^{[1
]}

李小娟 ^{[2
]}

谢魁 ^{[3
]}

常瑀倍 ^{[2
]}

郑欣欣 ^{[2
]}

机构：

[1] 华中师范大学湖北省教育信息化研究中心

[2] 华中师范大学人工智能教育学部

[3] 俄亥俄州立大学数字化学习研究实验室

来源：

电化教育研究 | 2022年 / 43卷 / 01期

关键词：

多模态学习分析; 学习行为; 学习标签; 正式学习情境; 实证研究;

D O I：

10.13811/j.cnki.eer.2022.01.009

中图分类号：

G434 [计算机化教学];

学科分类号：

040110 ;

摘要：

多模态学习分析(MMLA)是智能化探究有效学习发生机理的关键技术。研究对国外37篇实证文献的任务情境设计和MMLA的四个过程进行系统综述,梳理出多模态数据集的生成场域多以发展认知为主,少关注情感价值的培育;学习标签注释以计算科学指导为主,缺乏不同时间尺度行为关联的理论指导;预测结果多关注学习行为表现,轻心智发展的过程解释;多模态数据分析反馈聚焦个性化学习支持,忽视决策支持。未来实证研究发展应聚焦有效学习与情感体验,融合计算科学和认知带理论,协同人机优势提供反馈支持,开展MMLA系统开发者和利益相关者的深度对话,不断迭代设计与优化分析系统和应用模式,有效促进"人工智能+教育"的发展。

引用

页码：71 / 78+85 +85

页数：9

共 31 条

[1] 智能教育应用的人机双向反馈：机理、模型与实施原则 [J].

董艳 ;

李心怡 ;

郑娅峰 ;

翟雪松 .

开放教育研究, 2021, 27 (02) :26-33

[2] 全景透视多模态学习分析的数据整合方法 [J].

穆肃 ;

崔萌 ;

黄晓地 .

现代远程教育研究, 2021, 33 (01) :26-37+48

[3] 多模态学习分析：学习分析研究新生长点 [J].

牟智佳 .

电化教育研究, 2020, 41 (05) :27-32+51

[4] 教育思辨研究与教育实证研究：从分野到共生 [J].

王卫华 .

教育研究, 2019, 40 (09) :139-148

[5] 基于人工智能的课堂教学行为分析方法及其应用 [J].

刘清堂 ;

何皓怡 ;

吴林静 ;

邓伟 ;

陈越 ;

王洋 ;

张妮 .

中国电化教育, 2019, (09) :13-21

[6] 面向混合学习的多模态交互分析机制及优化策略 [J].

田阳 ;

陈鹏 ;

黄荣怀 ;

曾海军 .

电化教育研究, 2019, 40 (09) :67-74

[7] 基于微认证的教师信息技术应用能力发展生态系统构建研究 [J].

魏非 ;

闫寒冰 ;

祝智庭 .

电化教育研究, 2017, 38 (12) :92-98

[8] 关于技术促进学习的五定律 [J].

黄荣怀 ;

陈庚 ;

张进宝 ;

陈鹏 ;

李松 .

开放教育研究, 2010, 16 (01) :11-19

[9]

Multi-source and multimodal data fusion for predicting academic performance in blended learning university courses[J] . Chango Wilson,Cerezo Rebeca,Romero Cristóbal.Computers and Electrical Engineering . 2021

[10] Multimodal learning analytics for game-based learning [J].

Emerson, Andrew ;

Cloude, Elizabeth B. ;

Azevedo, Roger ;

Lester, James .

BRITISH JOURNAL OF EDUCATIONAL TECHNOLOGY, 2020, 51 (05) :1505-1526

← 1 2 3 4 →