智能技术赋能课堂测评:现状、挑战与趋势

被引:6
作者
黄昌勤 [1 ,2 ]
涂雅欣 [1 ,2 ]
韩中美 [1 ,2 ]
机构
[1] 浙江省智能教育技术与应用重点实验室
[2] 浙江师范大学
关键词
智能技术; 赋能; 课堂测评; 多模态数据;
D O I
10.16453/j.cnki.ISSN2096-5036.2022.02.013
中图分类号
G434 [计算机化教学];
学科分类号
040110 ;
摘要
人工智能是驱动教育评价创新的重要引擎,智能技术赋能课堂测评是新时代教育评价深化改革的重要组成部分。对智能技术赋能课堂测评进行了系统研究的本质是对传统课堂测量与评价的颠覆式创新与变革,实施关键为面向智能服务的多维度测评指标制定、全方位课堂数据获取,以及多元化核心技术应用。基于智能技术的课堂测评相关研究主要集中在课堂参与主体行为识别、认知与情感状态诊断、教学核心过程分析等方面。目前,主要在测评指标体系的可量化与可定制、测评数据的完整性与隐私性,以及智能技术的联结性与适应性等方面存在一定挑战。未来,需要在智能技术支持的全景多模态数据融合分析、课堂认知、情感等多维度可解释性测评、基于人机协同的智能课堂精准测评定制化服务等方面加以重视和扩展。
引用
收藏
页码:116 / 124
页数:9
相关论文
共 22 条
[1]   基于人工智能的课堂分析架构:一种智能的课堂教学研究 [J].
杨晓哲 .
全球教育展望, 2021, 50 (12) :55-65
[2]   基于人工智能引擎自动标注的课堂教学行为分析 [J].
卢国庆 ;
谢魁 ;
刘清堂 ;
张臣文 ;
于爽 .
开放教育研究, 2021, 27 (06) :97-107
[3]   基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别 [J].
黄勇康 ;
梁美玉 ;
王笑笑 ;
陈徵 ;
曹晓雯 .
计算机应用, 2022, 42 (03) :736-742
[4]   基于教师近场语音的课堂教学过程自动分析 [J].
骆祖莹 ;
赵琦琦 ;
段福庆 .
现代教育技术 , 2021, (08) :76-84
[5]   人工智能赋能课堂教学评价改革与技术实现的框架构建 [J].
吴立宝 ;
曹雅楠 ;
曹一鸣 .
中国电化教育, 2021, (05) :94-101
[6]   TESTII框架:人工智能支持课堂教学分析的发展走向 [J].
孙众 ;
吕恺悦 ;
施智平 ;
骆力明 .
电化教育研究, 2021, 42 (02) :33-39+77
[7]   基于人体骨架和深度学习的学生课堂行为识别 [J].
何秀玲 ;
杨凡 ;
陈增照 ;
方静 ;
李洋洋 .
现代教育技术, 2020, (11) :105-112
[8]   基于人工智能的课堂教学分析 [J].
孙众 ;
吕恺悦 ;
骆力明 ;
陈美玲 ;
许林 ;
施智平 .
中国电化教育, 2020, (10) :15-23
[9]   基于人体骨架信息提取的学生课堂行为自动识别 [J].
徐家臻 ;
邓伟 ;
魏艳涛 .
现代教育技术, 2020, (05) :108-113
[10]   智慧课堂环境下教学视频复杂度与学习者认知负荷关系研究 [J].
尤洋 ;
王以宁 ;
张海 .
现代远距离教育, 2020, (02) :91-96