智慧教育中混合式學(xué)習(xí)環(huán)境下學(xué)習(xí)過程數(shù)據(jù)化關(guān)鍵技術(shù)
(一)項(xiàng)目背景
當(dāng)前,智慧教育具有智能導(dǎo)學(xué)、精準(zhǔn)推薦、定制輔導(dǎo)、精細(xì)評價(jià)等特點(diǎn),已成為國際國內(nèi)教育信息化發(fā)展的趨勢。智慧教育的研究主要聚焦于智慧學(xué)習(xí)環(huán)境建設(shè)的研究、智能技術(shù)支持下的智慧教學(xué)研究和機(jī)器學(xué)習(xí)技術(shù)支持下的個(gè)性化學(xué)習(xí)研究。智慧教育的出現(xiàn)極大地促進(jìn)了當(dāng)前教育中學(xué)習(xí)空間的重構(gòu)。在“學(xué)習(xí)空間”之前,人們通常使用“教學(xué)空間”來指代這種場所,將有教學(xué)活動的場所均稱作教學(xué)空間。隨著人們對學(xué)習(xí)過程的理解變化、智慧教育的快速發(fā)展以及人們對非正式學(xué)習(xí)的重視,學(xué)習(xí)空間逐漸由單一的物理教學(xué)空間向包含物理空間、網(wǎng)絡(luò)空間、移動空間的多元學(xué)習(xí)空間轉(zhuǎn)變。多元學(xué)習(xí)空間的提出雖然更多地體現(xiàn)出了“以學(xué)生為中心”的傾向,但如何具體衡量多元學(xué)習(xí)空間對學(xué)生學(xué)習(xí)效果的影響是評價(jià)多元學(xué)習(xí)空間的重要步驟。同時(shí),在多元學(xué)習(xí)空間具體構(gòu)建時(shí),面對空間中來源不同、結(jié)構(gòu)多樣、數(shù)量龐大的多模數(shù)據(jù)如何進(jìn)行處理存儲、并在保證數(shù)據(jù)有效性的前提下對教育數(shù)據(jù)進(jìn)行隱私保護(hù)是多元學(xué)習(xí)空間需要解決的另一個(gè)難點(diǎn)。
(二)項(xiàng)目簡介
本項(xiàng)目主要目標(biāo)是針對信息技術(shù)支撐下學(xué)習(xí)空間多元化、場景復(fù)雜、需求多樣化,學(xué)習(xí)者及學(xué)習(xí)行為呈現(xiàn)出新的特點(diǎn)和規(guī)律,研究多元學(xué)習(xí)空間中學(xué)習(xí)行為數(shù)據(jù)化關(guān)鍵技術(shù),構(gòu)建“云-邊緣-物聯(lián)網(wǎng)”架構(gòu)的多模態(tài)數(shù)據(jù)存儲與處理平臺,實(shí)現(xiàn)混合式學(xué)習(xí)環(huán)境下學(xué)習(xí)行為智能感知和數(shù)據(jù)化,優(yōu)化學(xué)習(xí)行為模型,基于實(shí)際應(yīng)用與不同學(xué)習(xí)目標(biāo)函數(shù)及內(nèi)容,建立可重復(fù)、可預(yù)測、可驗(yàn)證的對比數(shù)據(jù)集,為數(shù)據(jù)驅(qū)動的智慧教育生態(tài)構(gòu)建和教育應(yīng)用提供核心技術(shù)與數(shù)據(jù)支撐。
(三)關(guān)鍵技術(shù)
我們面向智慧教育中準(zhǔn)確認(rèn)知學(xué)生的學(xué)習(xí)狀態(tài)和行為的大數(shù)據(jù)需求提出研究方案。本項(xiàng)目實(shí)施方案涉及教育學(xué)、物聯(lián)網(wǎng)、云計(jì)算、人工智能、隱私保護(hù)等多個(gè)領(lǐng)域,主要技術(shù)路線如圖所示:
圖 1 技術(shù)路線圖
其中,項(xiàng)目包括的關(guān)鍵技術(shù)主要有以下三點(diǎn):
1.基于物聯(lián)網(wǎng)的多模態(tài)數(shù)據(jù)實(shí)時(shí)智能感知和多時(shí)間域數(shù)據(jù)采集技術(shù)
該技術(shù)針對學(xué)習(xí)狀態(tài)的數(shù)據(jù)化、特征參數(shù)量化問題,設(shè)計(jì)能夠采集多 重學(xué)習(xí)空間下的智能數(shù)據(jù)感知物聯(lián)網(wǎng)系統(tǒng)。主要技術(shù)難點(diǎn)在于抽樣頻率與 識別準(zhǔn)確度的平衡、人機(jī)交互的變化規(guī)律等全新科學(xué)問題。
2.學(xué)習(xí)狀態(tài)多模態(tài)數(shù)據(jù)解析和智能處理技術(shù)
利用智能感知物聯(lián)網(wǎng)采集實(shí)時(shí)性的原始學(xué)習(xí)狀態(tài)數(shù)據(jù),包括面部表情、 腦電信號、頭部姿態(tài)、交互行為等原始數(shù)據(jù),這些數(shù)據(jù)具有數(shù)據(jù)量大、模 態(tài)多、冗余度高等特點(diǎn),需要通過智能化的預(yù)處理方法轉(zhuǎn)換成可以量化的 狀態(tài)數(shù)據(jù)。
3.多層次數(shù)據(jù)差分隱私保護(hù)技術(shù)
學(xué)習(xí)行為數(shù)據(jù)是學(xué)習(xí)者被動采集的多方面行為數(shù)據(jù),受到日益增長的 具有爭議性的數(shù)據(jù)倫理的制約。該項(xiàng)技術(shù)通過數(shù)據(jù)隱私保護(hù)機(jī)制實(shí)現(xiàn)數(shù)據(jù) 多層次化的差分隱私安全算法;在保證學(xué)習(xí)者最大數(shù)據(jù)隱私性的前提下, 研究滿足學(xué)習(xí)行為分析所需要的數(shù)據(jù)顆粒度。
西安電子科技大學(xué)
2023-07-20