首页期刊导航|数字教育
期刊信息/Journal information
数字教育
数字教育

双月刊

数字教育/Journal Digital Educatiion
正式出版
收录年代

    何种因素影响网络学习资源进化?——基于德尔菲法和解释结构模型的研究

    杨宇鹏杨现民米桥伟李新...
    1-7页
    查看更多>>摘要:教育高质量发展的新阶段对资源大规模生成与持续改进的需求越来越高.准确识别网络学习资源进化的影响因素有助于掌握资源进化的规律与内在机制,从而助力学习资源高质量建设.该研究基于信息生态学理论,结合相关文献的梳理与分析,初步建立了网络学习资源进化影响因素指标体系.然后,通过德尔菲法对指标体系进行修订完善.最后,利用解释结构模型法分析因素之间的内在联系,并构建了网络学习资源进化影响因素解释结构模型.基于该模型,该研究认为,促进网络学习资源的进化需要以增加用户数量和激发用户创作积极性为目标.同时,在确保学习资源质量的前提下,注重学习平台和管理机制的建设,从而全面保障资源的有序进化.通过识别网络学习资源进化的影响因素,可以为高质量网络学习资源的建设提供有益的参考和指导,从而促进网络学习资源向更加优质和适用的方向不断发展.

    网络学习资源资源进化影响因素德尔菲法解释结构模型

    新课标视域下基于深度学习的智慧教学:发生机理、模式构建与实践路径

    赵雪梅钟绍春
    8-13页
    查看更多>>摘要:促进学生核心素养发展是新课标教学的目标指向.基于深度学习的智慧教学是经过深度加工、主动建构、迁移应用等过程的探究学习,是有效落实核心素养培养的重要方式.该研究从初步感知、明确问题,深层理解、知识建构,迁移应用、深化实现、反思提升、评价批判4个方面,分析了深度学习在教与学过程中的发生机理.以深度学习理论为指导,发挥智能技术赋能深度学习的情景创设、知识建构、迁移应用、评价与反思的优势,构建了面向深度学习的智慧教学模式.同时,从立足学科情景、因地制宜设计驱动问题,变革教师角色、创生知识建构方式,融合设计跨学科问题、建构系统的知识体系,强化评估类别、细化评估标准四个方面,分析了基于深度学习的智慧教学实践路径.最后,以"镶嵌地板"为例,对基于深度学习的智慧教学进行了诠释.

    新课标深度学习智慧教学核心素养模式构建

    基于RT-DETR-ASF的学生科学探究实验行为检测研究

    杨帆詹泽慧
    14-23页
    查看更多>>摘要:深度学习方法在学生科学实验的自动检测和评估方面具有提高效率的潜力.为了解决学生科学实验数据集的缺乏和低准确率的问题,该文提出了一种基于实时的注意力尺度序列融合的目标检测变换器RT-DETR-ASF的学生科学实验检测方法.首先,该文构建了学生科学实验数据集,包括417个视频,18308张视频帧和20331个标注,主要关注5种行为:称重、测高度、丢球、测大小和记录.为提高检测准确率,引入了一种注意力尺度序列融合模块.为解决边界数据问题,提出了行为边界指数,用于识别数据集中的边界样本.为了解决数据不平衡问题,进行了过采样与视频帧扩展的操作.使用科学实验检测模型对数据集进行检测,实验结果表明:行为分类检测的平均准确率达到了71.1%.这证明了该模型的有效性.学生科学实验数据集与RT-DETR-ASF为未来的学生科学实验分析提供了先验基础,有望推动该领域的进一步发展.

    深度学习学生科学实验RT-DETR-ASF数据不平衡

    同伴反馈真的能促进学生学习吗?——基于对国内外43项实验或准实验研究的元分析

    李陈芳赵波杨颖
    24-31页
    查看更多>>摘要:在教学过程中,同伴反馈作为一种常见的生生交互活动,对培养学生高阶思维、激发学习动机等方面有积极效果.该研究采用元分析方法对国内外有关同伴反馈对学生学习效果影响的43项实证研究进行综合、梳理、分析和评价,以了解同伴反馈对学生学习的实际影响效果.研究发现:同伴反馈对提高学生学习效果具有中等程度以上的促进作用.从实验特征和反馈特征两个维度进行深入的调节变量分析,结果表明:实验周期、研究对象和规模等实验特征并不影响同伴反馈对学生学习效果的促进作用,但不同的反馈类型对同伴反馈的有效性存在显著的调节作用.

    同伴反馈学习效果元分析

    人工智能大模型在我国教育领域的应用现状、问题挑战与实践路径

    祝淼乜勇
    32-37页
    查看更多>>摘要:人工智能大模型的兴起对我国各领域产生了巨大影响,不仅推动了技术产业的进步,也促进了教育事业的繁荣.通过提供个性化学习方案、优化教学资源分配以及辅助教学决策,人工智能大模型展现出巨大潜力,但其在数据处理、技术创新和实践应用中仍面临着数据处理水平不足、用户隐私泄露风险、软硬件实力有待提升、模型优化和泛化能力不足、培训引导缺少等问题.因此,该研究旨在通过加强模型数据处理水平、构建安全保护框架,提升模型性能和稳定性、开发课程培训、完善智能评估系统等多个方面解决难题,以期人工智能大模型在个性化学习、智能辅导和定制化教学中发挥作用.为提升整体教育质量,构建包容、公平的"人工智能+教育"环境提供新思路和新视角,在优化人工智能大模型和深化教育应用的同时,减少智能技术对教育产生的不利影响.

    人工智能大模型个性化学习定制化教学智能教育数据隐私

    数字化转型视域下教师TPACK接受水平:模型、测评、影响因素及提升策略

    高雪雪孙俊梅张敬芸刘洪超...
    38-44页
    查看更多>>摘要:随着数字技术在教学领域的应用日益广泛,对教师整合技术的教学法知识(TPACK)提出了新的挑战.为了解教师在教学过程中整合技术的过程性变化,以有效提高教师的TPACK水平:首先,该研究系统梳理了TPACK接受水平渐进发展模型的提出及在这一模型基础上发展而来的扩散发展模型、阶梯发展模型及螺旋发展模型;其次,分别介绍了有效评估教师TPACK接受水平的测评内容以及测评方式;再次,结合国内外研究现状,发现教师已具备的整合技术的意识、已掌握的技术知识和已积累的教学经验是影响教师TPACK接受水平发展的重要因素;最后,在此基础上提出了有效提升教师TPACK接受水平的策略,即强化教师数字化意识、提高教师数字技术知识与技能,以及促进教师数字化应用.

    TPACK接受水平模型测评影响因素

    虚拟现实技术对大学生空间能力的影响——基于23项实验或准实验研究的元分析

    范雨轩王吉李宇龙王志军...
    45-51页
    查看更多>>摘要:国内外学者开展了诸多针对虚拟现实技术影响大学生空间能力的实验或准实验研究,但结果仍存在争议.基于此,通过元分析的方法来探明虚拟现实技术对大学生空间能力的影响,并考察可能影响其效果的调节变量.通过对23 项研究进行元分析发现:①虚拟现实技术对大学生空间能力的影响效应值g=0.556,表明产生了中等程度的影响,其中对空间定向能力的影响效果最明显;②从技术类型看,AR技术对大学生空间能力的影响更大;③从虚拟形式看,桌面式虚拟现实对大学生空间能力的影响更明显;④从干预时长看,对其进行短期干预效果更佳;⑤从学科看,在工程技术类学科应用时对大学生空间能力的影响更大;⑥从学习场所看,基于游戏的学习更能提升大学生空间能力;⑦从人称视角看,第三人称视角时能够发挥虚拟现实技术提升大学生空间能力的最佳效果.

    虚拟现实空间能力元分析高等教育

    新课标背景下的教育技术装备数字化转型路径初探

    杨进中王雪孙百才
    52-59页
    查看更多>>摘要:《义务教育课程方案和课程标准(2022 年版)》提出了培养学生核心素养的总体目标,这对教育技术装备的数字化转型提出了新的要求.通过对新旧课标的对比分析发现,新课标在教学目标、教学内容、教学组织等方面呈现出数字化、智能化、虚拟化、互动化、个性化等特征.同时,新课标要求教育技术装备需要从构建教育情境、优化学习环境以及辅助认知发展三个方面进行数字化转型升级.基于此,该研究提出了在新课标背景下,从基础设施、环境优化和辅助认知三个层级进行演进的数字化转型路径与方法,并提出了加强虚拟化学习情境的构建、利用智能化装备创设智慧学习环境、重视学生个性化学习与认知发展三种应对策略,以全方位助力学生核心素养的培养.

    新课标教育技术装备数字化转型核心素养

    基于元认知支架的小学编程教学模式设计与构建——以小学python课程为例

    王洪江罗夏斌马桂秋廖晓玲...
    60-69页
    查看更多>>摘要:智能时代来临,儿童编程教育开始普及.然而,当前多数编程教学模式预设固定操作路径,忽视学生"如何学",学生缺乏独立探索契机.如何引导学生学习编程已成为当前小学编程教学亟须解决的重要问题.有研究表明,元认知能力可助力编程调控与反思,能有效促进编程学习.因此,该研究将元认知支架引入编程教学,根据编程的问题解决过程对元认知支架进行具体分类与设计,构建了基于元认知支架的小学python编程教学模式并应用于具体教学中,最后通过数据分析发现,该教学模式的实施显著提高了学生的元认知能力和学业成绩.该研究探索了将元认知支架与编程教学相融合的实践途径,以期丰富元认知编程教学方式,为小学教师引导学生学会编程提供参考案例.

    元认知支架编程教学教学模式小学python课程

    大语言模型与知识图谱协同下高校AI项目导师构建研究——以"人工智能创新项目设计"为例

    王华珍林海斌林昕愉潘丽琪...
    70-76页
    查看更多>>摘要:针对项目式学习面临的学习内容增加、知识体系重构以及学习方式变化等难题,提出了一种融合大语言模型(LLM)与知识图谱技术的高校AI项目导师系统构建方案.其中,大语言模型实现自然语言的理解和生成,而知识图谱负责专业知识库和增强大语言模型输出的可解释性和可靠性.高校AI项目导师能提供准确、个性化且全面的项目学习指导,使学习者有效应对各种复杂的项目式学习情境."人工智能创新项目设计"课程的实证研究表明,采用高校AI项目导师系统显著提升了学生的课程参与度,促进了学生的工程创新素养、工程人文素养及AI素养三大核心素养的发展,并有效提高了学生对课程的满意度.这表明将大语言模型技术与知识图谱技术相结合而开发的在线教育工具,在提升教学质量、激发创新能力等方面展现出较高的发展潜力.

    大语言模型知识图谱项目式学习人工智能AI导师