多模態(tài)數(shù)據(jù)建模已成為洞察學(xué)習(xí)規(guī)律的新范式。研究梳理了學(xué)習(xí)投入的概念演進(jìn)與評(píng)測(cè)方法,從經(jīng)典教育學(xué)理論、教育神經(jīng)科學(xué)、具身認(rèn)知理論以及量化學(xué)習(xí)視角闡釋了學(xué)習(xí)投入的內(nèi)在機(jī)制、研究范式、研究方法與技術(shù)前景,構(gòu)建多模態(tài)數(shù)據(jù)表征學(xué)習(xí)投入的理論基礎(chǔ)。在此基礎(chǔ)上,分析了學(xué)習(xí)投入的發(fā)生機(jī)制,提出從情感狀態(tài)、認(rèn)知參與狀態(tài)以及與學(xué)習(xí)環(huán)境互動(dòng)產(chǎn)生的行為綜合表征學(xué)習(xí)投入的觀(guān)點(diǎn)。建立包含學(xué)習(xí)者瞬時(shí)行為數(shù)據(jù)、內(nèi)容交互數(shù)據(jù)、情境互動(dòng)數(shù)據(jù)的分析框架,圍繞學(xué)習(xí)行為建模、模態(tài)傳感器建模、算法模型以及新技術(shù)的介入四個(gè)方面討論多模態(tài)數(shù)據(jù)建模的關(guān)鍵技術(shù)。通過(guò)多模態(tài)數(shù)據(jù)的整合分析,結(jié)合機(jī)器學(xué)習(xí)方法,可分析學(xué)習(xí)投入的細(xì)粒度指標(biāo)以及在不同場(chǎng)景中的建模過(guò)程,超越獨(dú)立數(shù)據(jù)源難以整合關(guān)聯(lián)的問(wèn)題,最終實(shí)現(xiàn)探索教育智能時(shí)代的學(xué)習(xí)規(guī)律、改善學(xué)習(xí)的目的。

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
一、引言
二、學(xué)習(xí)投入研究脈絡(luò)
    （一）概念演進(jìn)
    （二）學(xué)習(xí)投入的測(cè)量
三、多模態(tài)數(shù)據(jù)表征學(xué)習(xí)投入的理論基礎(chǔ)
    （一）經(jīng)典教育學(xué)理論闡明了學(xué)習(xí)投入的內(nèi)在機(jī)制
        1．自我決定理論
        2．“控制—價(jià)值”理論
        3．互動(dòng)反饋效應(yīng)
    （二）教育神經(jīng)科學(xué)提供了跨學(xué)科的研究范式
    （三）具身認(rèn)知理論從微觀(guān)層面提供理論指引
    （四）量化學(xué)習(xí)為精準(zhǔn)刻畫(huà)學(xué)習(xí)投入提供技術(shù)支撐
四、多模態(tài)技術(shù)表征學(xué)習(xí)投入的研究框架
    （一）學(xué)習(xí)投入的發(fā)生機(jī)制
    （二）學(xué)習(xí)投入分析框架
五、學(xué)習(xí)投入數(shù)據(jù)建模的關(guān)鍵技術(shù)
    （一）學(xué)習(xí)行為建模
    （二）模態(tài)傳感器建模
    （三）算法模型
        1．算法選擇
        2．?dāng)?shù)據(jù)集訓(xùn)練
        3．模態(tài)對(duì)齊
    （四）新技術(shù)的介入
六、結(jié)語(yǔ)



本文編號(hào)：3996062