首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    元宇宙教学:高等教育数字化教学转型的高阶形态

    张策初佃辉张侨刘鹏...
    1-9页
    查看更多>>摘要：新科技革命下信息技术正在改变着人类的思想与行动,推动着数字时代高等教育教学的变革.高等教育数字化转型已成为驱动高校教育教学适应与引领发展的最大动力.在这场教育教学数字变革浪潮中,元宇宙教育教学因具有虚拟灵动、美妙生动、智慧联动等令人充满遐想的想象特征而受到了广泛关注.文中概述了元宇宙的起源,并对教育元宇宙进行了分析;重点从情景式与场景化教学的基本特征、基本理论基础、"虚"与"实"映射及"互动"、学习方式,以及基本分类与过程等角度,论述了元宇宙教学;对元宇宙教学案例与实践进展进行分析;初步给出了元宇宙教学平台架构与核心功能,并进行了深入的系统阐释.最后对AI技术赋能的智慧元宇宙教学进行剖析,指出其为课程建设与教学改革开辟了新途径,在教学资源与内容、环境与空间、组织与形式、方法与技术等方面将赋予新型态,为教与学提供新选择;阐释了智慧元宇宙教学助推高等教育数字化转型走向深入的基本逻辑,并对制约元宇宙教学广泛应用需要亟待突破的技术进行剖析.元宇宙教学令人憧憬的美好明天,亟需更多理念、思想与理论上的深层次研究,同时也需要实践上的同步甚至是超前探索与尝试.这就要求教育教学学术界、科技创新技术界、研发制造产业界携手攻关,共同开创高校数字化教学转型的新未来.

    数字化转型元宇宙AI教育元宇宙元宇宙教学

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    中国计算机学会和智谱签署战略合作协议

    CCF微信公众号
    9页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    智能教育中可计算感知技术:系统性综述

    刘峰刘雅旋柴新宇季昊涵...
    10-16页
    查看更多>>摘要：随着教育技术的进步和发展,以深度学习、机器学习、虚拟现实、物联网为代表的可计算感知技术在以人为本的教育中的应用愈发广泛,同时也是赋能教育发展变革的关键力量之一.然而,目前对于可计算感知技术在智能教育中的应用还知之甚少.以面部表情、语音、文本、眼动、触觉、生理信号等可感知的物理及虚拟空间中可感知数据为基础,对当前公开发表的期刊文献和会议论文进行筛选和统计,系统分析了智能教育中可计算感知技术的进展与应用,并提出了其对教育实践的潜在影响和挑战.最后,基于结论对智能教育中可计算感知技术的未来发展方向展开了前瞻讨论.

    可计算感知智能教育计算机视觉自然语言处理物联网虚拟现实

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的个性化学习资源推荐综述

    周洋涛褚华朱非非李祥铭...
    17-32页
    查看更多>>摘要：随着信息技术与教育教学的深度融合,新型在线教育作为智慧教育的核心组成部分,为学习者提供了便捷的在线学习平台与丰富的学习资源.然而,在线教育模式的蓬勃发展也催生了"知识过载"与"知识迷航"等显著问题,极大地限制了学习者的学习增益与效率.近年来,学习资源推荐作为一种实现信息过滤与处理的关键技术手段,旨在分析学习者的历史学习行为,捕获其中蕴含的学习需求,最终实现千人千面的学习资源推荐服务.精准的个性化学习资源推荐能够有效解决在线教育场景中"知识过载"与"知识迷航"难题,实现个性化在线教育,已成为各大在线学习平台中不可或缺的核心功能之一.同时,随着深度学习技术的不断发展,基于深度学习的个性化学习资源推荐已成为计算机与教育交叉领域的研究焦点.因此,以"如何实现个性化学习资源推荐"和"如何实现对推荐结果的评估"两个问题为导向,对现有的研究工作进行了多维度、多层次、系统性的总结分析.首先,从场景特性、推荐目标、深度学习技术、边信息集成方式以及推荐模式5个维度对学习资源的个性化推荐过程进行分类与总结,以解答"如何实现个性化学习资源推荐"的问题;其次,从数据集、评估指标、以及实验方式3个方面对推荐结果的评估过程进行归纳与比较,并提供所有开源数据集的统一下载链接,以解答"如何实现对推荐结果的评估"的问题;最后,从对当前学习资源推荐方法自身局限性的攻克以及对外部新兴技术的利用与融合两个方面探讨了学习资源推荐未来的研究趋势.

    智慧教育学习资源推荐个性化深度学习知识图谱

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    主观题自动评判算法研究综述

    冯筠栗凯旋高志泽樟黄立...
    33-39页
    查看更多>>摘要：在教育教学中,试卷评判是教师获取学生知识点掌握情况的重要途径.然而,试题评分是一个耗时的过程,主观题的评判更需要阅卷人认真、投入、细致地审阅,需要耗费大量精力.要减轻教师工作压力,提高主观题评判的效率,基于人工智能的自动评判技术非常重要,其中主观题的自动评判是难点.随着机器学习和深度学习等技术在自然语言处理领域的发展,主观题自动评判技术有了较大进展.文中将主观题分为常规型和开放型两类进行文献梳理,总结主观题自动评价的标准和公开数据集,归纳涉及的方法和技术路线,并对主观题自动评判技术未来的研究方向进行总结和展望.

    自动阅卷主观题自然语言处理深度学习智能教育

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    课堂师生交互智能分析技术研究综述

    崔家郡康璐马苗
    40-49页
    查看更多>>摘要：随着教育信息化的普及与不断发展,视频、图像、语音、文本等海量课堂数据被记录下来.对这些多模态数据进行有效分析,挖掘课堂师生交互信息,不仅能够帮助教师及时发现教学中存在的问题,及时调整教学内容以提高教学质量,而且是落实"以人为本"教学理念,推进现代教育走向智能化、个性化和数字化的重要手段.文中首先论述国内外师生交互行为的传统分析方法;然后从视频、图像、语音、文本及多模态等不同角度分类梳理课堂师生交互智能分析技术的研究现状,归纳总结课堂师生交互智能分析的核心要素、数据形式、关键技术、结果呈现和应用场景;最后分析课堂师生交互的多模态智能分析技术的优势与不足以及面临的挑战和未来趋势.

    智能教育技术课堂师生交互多模态数据"以人为本"教学理念

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    群体化学习方法及其在课程教学中的应用

    毛新军卢遥
    50-55页
    查看更多>>摘要：针对当前教育教学存在的物理边界封闭、对教师教材依赖大、学习问题及其解答难以重用等问题,借鉴群体智能和开源软件的思想,提出群体化学习的理念和方法.其核心是打破传统班级、年级和学校的界限,以开放社区的形式支持学习者围绕特定的主题开展自主协作式的社会化学习,包括问题讨论、经验分享和资源共创等.这种方法可产生大量高质量、个性化的学习群智知识,支持学习者解决课程学习和实践中遇到的问题,帮助教师提升课程教学的效率和质量.文中介绍了群体化学习支撑平台LearnerHub,结合软件工程课程教学实践,分析了群体化学习方法在课程教学中的应用模式,通过调查问卷和数据分析的方法检验了该方法的有效性,结果表明学生高度认可群体化学习方法在课程学习和实践中发挥的重要作用,学生群体化学习综合实践表现与考试成绩二者之间存在正相关的关系.

    群体化学习课程教学群体化学习支撑平台社会化学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    开学季,学生会员纳新正当时

    CCF微信公众号
    55页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于视频理解的教学过程感知与分析

    段欣然王玫韩天利周洪宇...
    56-66页
    查看更多>>摘要：课堂是教育教学的核心阵地,对教师在课堂上的教学环节进行过程化监测和评价是提高课堂教学质量的有效途径.然而,现有基于人工的评价模式存在评价效率低下、易干扰课堂教学、主观误差等缺点,难以达到理想的效果.鉴于人工智能技术的快速发展,提出将以人为中心的智能感知与分析技术引入教师的教学过程中,对教师主体进行实时识别与分析.首先,通过人脸检测算法定位教师实时位置并进行位移分析;其次,利用视线估计算法对教师的关注区域进行检测;最后,采用基于骨架点的动作识别和表情识别对教师的动作和表情进行感知与分析.同时,对指标进行量化统计,以更为高效、客观地了解教师的教学特点,从而帮助教师针对性地改善其授课质量.在相同配置环境下的实验结果表明,该系统的各模块在相应任务中的表现较好,符合教学场景下的使用要求.从在真实的教学视频上的测试结果来看,所设计的系统能够较为准确地感知教师的教学状态,为提升授课质量提供建设性意见.

    教学质量评估视频理解位移分析视线估计动作识别表情识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于行为演化的学习模式识别及效果预测方法

    黄春利刘桂梅姜文君李肯立...
    67-78页
    查看更多>>摘要：在线学习为众多学习者提供了开放灵活的学习机会,却存在着学习者学习积极性不高、学习成绩不理想的问题.已有的在线学习效果预测工作着重从静态角度探究学习行为对成绩的影响,忽略了学习行为随时间的演化规律,缺少对行为背后学习模式和学习动机的深入探讨,而这两者正是影响学习效果的重要因素.为此,提出一种基于学习行为演化的学习模式识别及效果预测方法来建模学习行为与动机对学习效果的影响.首先,依据学习者的付出-收获量化学习效率,按时间构建学习效率动态演化序列;然后,使用高斯混合模型聚类真实学习数据并结合实际学习场景,识别4种典型学习模式;在此基础上,设计学习模式及动机预测模型,结合双向长短期记忆网络,构建学习效果预测模型.利用8门真实课程学习的公开数据,对每一种学习模式学习者的付出、收获演变规律进行细致分析.大量对比实验结果表明所提方法在多个性能指标上提升了 6.9％～29.2％.本研究有助于在线学习者、教学者和平台准确理解学习者的学习状态,从而提升在线学习效果.

    在线学习行为演化学习模式识别学习动机预测学习效果预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据