掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
自適應學習:人工智能時代的教育革命 版權信息
- ISBN：9787302508885
- 條形碼：9787302508885 ; 978-7-302-50888-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
自適應學習:人工智能時代的教育革命 本書特色
國內一本系統介紹人工智能教育（EAI）與自適應學習（Adaptive Learning）的書籍。 用淺顯生動的語言講述1前沿的理念——人工智能與自適應學習將如何改變教育。 書中近20個案例和超過100個圖表進行具體講解，方便閱讀和理解。
自適應學習:人工智能時代的教育革命 內容簡介
本書以淺顯生動的語言講述很前沿的理念——人工智能與自適應學習將如何改變教育。當下人工智能正悄悄影響著社會生活與教育體系的各個層面，對全世界的學習與教育活動，都將產生極為深遠的影響。因為人工智能，因為自適應學習，自孔子以來人類兩千年歷目前靠前次，我們可以有機會真正實現“因材施教”的偉大教育理念，跨越過去難以克服的重重阻礙，讓教育真正實現“個性化”，積極改善教學的成效，“復制”很好的教師，讓很好教師不再是“稀缺資源”。學校可以更有效地進行教育改革，政府部門也能用更低的成本實現教育公平。在這一刻，我們能夠清晰地看到： 一次全新的教育革命正在展開！ 本書可作為高等院校教育學、教育技術、計算機專業高年級本科生、研究生的教材，也可作為廣大教育科技工作者和教育管理者的參考用書。
自適應學習:人工智能時代的教育革命 目錄
目錄
第1章來臨1
1.1人工智能時代來臨，教育為何焦慮1
1.1.1人工智能是泡沫，還是未來1
1.1.2人類如何應對被AI搶走工作的窘境與焦慮4
1.1.3未來教師會失業嗎9
1.1.4現代教育能承擔起重任嗎11
1.2教育人工智能14
1.2.1人工智能時代教育的目標14
1.2.2人工智能給教育帶來什么16
1.2.3為何自適應學習能夠革命性地改進教育人工智能19
1.3自適應學習23
1.3.1自適應學習的前世今生23
1.3.2自適應學習的定義24
1.3.3自適應學習的主要特征26
1.3.4自適應學習的一個案例27
第2章發展30
2.1自適應學習的發展30
2.1.1自適應學習的國際發展： 巨頭紛紛搶灘自適應學習30〖1〗自適應學習——人工智能時代的教育革命〖1〗目錄2.1.2自適應學習在中國的發展： 與主流教育體制的矛盾35
2.1.3自適應學習產品一覽表42
2.2自適應學習的領導者45
2.2.1全球*知名的自適應學習引擎： Knewton45
2.2.2教育出版領域的自適應學習創新： McGrawHill Education51
2.3自適應學習的教學55
2.3.1自適應學習的課程模式55
2.3.2自適應學習的教學法58
2.3.3自適應學習的課程設計63
2.3.4自適應學習與學校變革64
2.3.5自適應學習與教師轉變66
2.4自適應學習的應用69
2.4.1自適應學習在高等教育中的應用70
2.4.2自適應學習在K12教育中的應用71
2.4.3自適應學習應用普遍面臨的問題75
2.4.4如何根據教學需要選擇一款有價值的自適應學習系統76
第3章研究80
3.1自適應學習的深度辨析80
3.1.1自適應學習和大數據、人工智能、認知計算的關系83
3.1.2自適應學習與個性化學習、深度學習的區別87
3.1.3自適應學習系統與計算機輔助教學、智能教學系統的辨析90
3.2自適應學習的理論研究91
3.2.1心理學92
3.2.2認知科學103
3.3自適應學習的研究方向106
3.3.1面向知識的自適應內容108
3.3.2面向學生的自適應序列111
3.3.3面向教師的自適應測評119
3.4撥開迷霧看自適應學習的內部系統構成123
3.4.1自適應學習是怎樣實現的123
3.4.2自適應學習是如何運行的127
3.5自適應學習的兩大核心： 系統模型和自適應引擎129
3.5.1自適應學習系統參考模型130
3.5.2以學習者模型及建模方法為例132
3.5.3自適應學習引擎分析137
3.5.4自適應引擎工作流程141
3.5.5自適應推薦引擎的一個樣例143
3.6自適應學習的兩大基礎技術： 算法與數據144
3.6.1自適應學習的算法145
3.6.2自適應學習需要什么樣的數據147
第4章未來150
4.1自適應學習的發展方向151
4.1.1自適應學習未來發展的可能151
4.1.2未來的自適應學習系統154
4.1.3實現自適應學習的一些新技術154
4.2人工智能時代，未來教育什么樣157
4.2.1人工智能＋教育，人類的“芯”老師157
4.2.2未來什么樣的教師更受歡迎159
4.2.3人工智能時代，學生要學會什么160
4.2.4人工智能時代的未來教室163
4.2.5人工智能時代，必須關注學校教育三大變革165
4.3人工智能時代，教育還有什么可能169
4.3.1人工智能在教育領域的可能應用169
4.3.2有了腦機接口技術，學生再也不能開小差了172
4.3.3給你的大腦植入芯片，不用學習了，你肯嗎174
4.3.4探索教育人工智能的未來177
結束語技術的本質： 我們為什么會警惕、抗拒和恐懼技術改變我們的教育179
參考文獻186
后記191
第1章來臨1
1.1人工智能時代來臨，教育為何焦慮1
1.1.1人工智能是泡沫，還是未來1
1.1.2人類如何應對被AI搶走工作的窘境與焦慮4
1.1.3未來教師會失業嗎9
1.1.4現代教育能承擔起重任嗎11
1.2教育人工智能14
1.2.1人工智能時代教育的目標14
1.2.2人工智能給教育帶來什么16
1.2.3為何自適應學習能夠革命性地改進教育人工智能19
1.3自適應學習23
1.3.1自適應學習的前世今生23
1.3.2自適應學習的定義24
1.3.3自適應學習的主要特征26
1.3.4自適應學習的一個案例27
第2章發展30
2.1自適應學習的發展30
2.1.1自適應學習的國際發展： 巨頭紛紛搶灘自適應學習30〖1〗自適應學習——人工智能時代的教育革命〖1〗目錄2.1.2自適應學習在中國的發展： 與主流教育體制的矛盾35
2.1.3自適應學習產品一覽表42
2.2自適應學習的領導者45
2.2.1全球*知名的自適應學習引擎： Knewton45
2.2.2教育出版領域的自適應學習創新： McGrawHill Education51
2.3自適應學習的教學55
2.3.1自適應學習的課程模式55
2.3.2自適應學習的教學法58
2.3.3自適應學習的課程設計63
2.3.4自適應學習與學校變革64
2.3.5自適應學習與教師轉變66
2.4自適應學習的應用69
2.4.1自適應學習在高等教育中的應用70
2.4.2自適應學習在K12教育中的應用71
2.4.3自適應學習應用普遍面臨的問題75
2.4.4如何根據教學需要選擇一款有價值的自適應學習系統76
第3章研究80
3.1自適應學習的深度辨析80
3.1.1自適應學習和大數據、人工智能、認知計算的關系83
3.1.2自適應學習與個性化學習、深度學習的區別87
3.1.3自適應學習系統與計算機輔助教學、智能教學系統的辨析90
3.2自適應學習的理論研究91
3.2.1心理學92
3.2.2認知科學103
3.3自適應學習的研究方向106
3.3.1面向知識的自適應內容108
3.3.2面向學生的自適應序列111
3.3.3面向教師的自適應測評119
3.4撥開迷霧看自適應學習的內部系統構成123
3.4.1自適應學習是怎樣實現的123
3.4.2自適應學習是如何運行的127
3.5自適應學習的兩大核心： 系統模型和自適應引擎129
3.5.1自適應學習系統參考模型130
3.5.2以學習者模型及建模方法為例132
3.5.3自適應學習引擎分析137
3.5.4自適應引擎工作流程141
3.5.5自適應推薦引擎的一個樣例143
3.6自適應學習的兩大基礎技術： 算法與數據144
3.6.1自適應學習的算法145
3.6.2自適應學習需要什么樣的數據147
第4章未來150
4.1自適應學習的發展方向151
4.1.1自適應學習未來發展的可能151
4.1.2未來的自適應學習系統154
4.1.3實現自適應學習的一些新技術154
4.2人工智能時代，未來教育什么樣157
4.2.1人工智能＋教育，人類的“芯”老師157
4.2.2未來什么樣的教師更受歡迎159
4.2.3人工智能時代，學生要學會什么160
4.2.4人工智能時代的未來教室163
4.2.5人工智能時代，必須關注學校教育三大變革165
4.3人工智能時代，教育還有什么可能169
4.3.1人工智能在教育領域的可能應用169
4.3.2有了腦機接口技術，學生再也不能開小差了172
4.3.3給你的大腦植入芯片，不用學習了，你肯嗎174
4.3.4探索教育人工智能的未來177
結束語技術的本質： 我們為什么會警惕、抗拒和恐懼技術改變我們的教育179
參考文獻186
后記191
展開全部
自適應學習:人工智能時代的教育革命 節選
第3章研究 3.1自適應學習的深度辨析 眾多教育機構和研究計劃制造出一系列重疊的名詞概念，包括“自適性學習”“個性化學習”“區別式學習”，定義如此雜多，很難在交流層面達成共識。對于“自適應學習”概念的討論，形成一種鬧哄哄的局面。 那么，自適應學習到底是什么呢？ 事實上，“自適應學習”這一概念*早由美國學者彼得·布魯希洛夫斯基(Peter Brusilovsky)提出，他認為，自適應學習系統是收集學生在學習過程中與系統交互的數據，創建學習者模型，克服以往教育中體現的“無顯著差異”問題。Brusilovsky P，Karagiannidis C，Sampson D. Layered Evaluation of Adaptive Learning Systems \[J\]. International Journal of Continuing Engineering Education and Life Long Learning，2004，14（4）： 402421.美國教育部教育信息化辦公室(U.S. Department of Education，Office of Educational Technology)提出，“可以根據學習者在課程過程中反饋回來的信息，動態地轉變內容及內容呈現方式、學習策略等”。Oxman S，Wong W，Innovation D V X. White Paper： Adaptive Learning Systems\[EB/OL\].\[20151020\]. http://www.integratededsolutions.com/wpcontent/uploads/2015/10/DVxAdaptiveLearningWhitePaperFebruary20141.pdf.這些定義強調自適應學習系統自適應的實現是通過實時交互數據的收集，并且根據這些數據解析后提供個性化的服務，自適應是基于數據收集和解析的。 對于自適應學習平臺的定義，國內與國外有一定差異。例如，國內學者徐鵬和王以寧對自適應學習的定義： “針對個體學習過程中的差異而提供適合個體特征的學習支持的學習系統。”徐鵬，王以寧.國內自適應學習系統的研究現狀與反思\[J\].現代遠距離教育，2011，（1）： 25~27.黃伯平、趙蔚和余延冬等則從“連通性、內容、文化”三個層面闡述自適應的定義。 〖1〗自適應學習——人工智能時代的教育革命〖1〗第3章研究自適應學習平臺是一種通過解析收集到的學生實時交互數據引導學生學習的學習系統，可在特定的時刻為特定的學生提供特定的知識。 可以看出，國內的定義相對來說較簡潔，強調自適應學習系統能為學生提供個性化學習服務，而其實現途徑是通過對學習者學習行為記錄、學習風格、認知水平等基于學習者自身背景因素相關數據的綜合分析，就此提供相應的個性化服務。 但總體來說，二者都強調計算機系統通過一系列學習分析技術幫助學習者實現個性化學習。自適應學習系統通過技術手段檢測學生目前的學習水平和狀態，并且就此不斷地調節學生的學習過程和學習路徑。這里涉及數據科學、教育統計學、學習科學、機器學習等領域的*新技術。 因而，根據這些定義，任何一個自適應學習系統都至少有以下三個基本的組成部分。 **是知識領域模型。首先將學習內容按設計好的知識圖譜放到系統里，系統并不知道學生要學習什么，因此須告訴系統學習的內容。 第二是學習者模型。軟件系統記錄學生的基本狀況、學習目標、學習風格、知識狀態、學習經歷等各種個人信息，并且通過實時不間斷地測評，不斷調整學生在每個知識點的水平。如果無法建立有效的學習者模型，就不能依據學習者的特征實現學習的適應性。 第三是教學模型。軟件系統依據學生在每個知識點的能力水平，匹配并且找出*適合學生下一步學習的內容。 其中，*復雜的是學習者模型，也是實現個性化學習的關鍵。由于每個學生都不一樣，學生各種特征在學習過程中會不斷發生變化，并對學習效果產生影響，所以要實時檢測每個學生在每個知識點的能力水平，這是一個非常復雜的過程。 自適應學習絕不是幾個算法與公式“套上”題目測試那么簡單，而是人工智能在教學中的應用，其關鍵之一是知識的吸收、維護、分析和應用。因此，學習者與知識之間的這個交互很難做，背后是海量的學習行為信息。 這也是自適應學習和適應性測評一個根本性的區別。 早在20世紀80年代的一些測評系統，如美國的G21托福機考系統，其實都具有一定的自適應功能，但這些測評系統只能依據知識領域模型給出一種對所有學生水平統一不變的定位測評。譬如，托福機考系統就是定位學生在語法、詞匯方面是處于550、650的水平，還是處于720的水平。 自適應學習則不同，它通過測評不斷地調整對學習者的定位，并根據做完的每一個題目或每一組題目對應的水平不斷地為學生匹配*適合學習的知識。這其實相當于無數自適應測評的組合，是一個動態測評與調整的過程。傳統的自適應測試與人工智能的自適應學習的對比見表3.1。表3.1傳統的自適應測試與人工智能的自適應學習的對比 傳統的自適應測試（基于預定規則）人工智能的自適應學習（基于機器學習）介紹運用一系列“如果A，那么B”的規則，程序的復雜度會因采用規則的數量、深度和廣度而不同，也會受可選擇內容的數量影響應用高級數學公式及機器學習的方法分析一般學生成功掌握每一門課程內容知識點的概率，并和每個學生在該知識點的能力水平進行對比分析，從而實時為該學生選擇*合適的學習內容優勢以內容為導向，系統的功能有規律可循，更易于理解充分利用計算機的數據分析能力，為每個學生提供越來越精確的自適應輔導。隨著管理大量數據的云計算技術的進步，此類系統的計算能力以及相應的適應能力也隨之越來越強不足適應學生的能力水平和需求相對受限，學生可能的學習路徑是預先確定的，選擇范圍也相對有限技術上比較復雜，技術門檻和開發成本高，課程的開發一般需要由內容專家和教學設計專家一起協作完成其實，若規則能夠預先設定，則其必定是有限的，可是各個學習者的學習狀態與能力水平卻是無窮的。 例如,一元一次方程與一元二次方程，學習者學完一元二次方程之后沒有學會，對于a學習者，你能夠讓他跳回一元一次方程，那b學習者呢，你是讓他跳回一元一次方程，還是求根，那c學習者呢，他或許連以前*基本的方程的移位都沒有學會。因此，更高級的系統是要充分利用計算機的運算能力，通過算法實現動態為學習者匹配下一步該學什么。 這就像以前我們聽說的IBM的深藍可以打敗國際象棋大師，卻不是說深藍比國際象棋大師更聰明，只是深藍充分地利用了計算機超強的計算能力強行計算出所有可能，依據每一步下的棋，計算下一步棋該怎么走。 因而，一些教育科技專家主張，自適應學習的發展應分為3個階段。 自適應測試： 以IRT模型動態調整題目，能夠準確反映被測試者統一的水平，但無法深入到知識點的層面，不能對個體學生的學習起到指導作用。 自適應測量： 使用更細致的標簽和復雜的算法，找到學生在知識和能力上的薄弱點，但不能做到真正的“解決問題”。 自適應學習： 發現問題后，能夠依據學習者模型，通過精確的知識推送解決個性化學習的問題。 也可以依據自適應學習系統對學習內容和學習水平的細分進行分類，大體分為粗放式和精細式。 粗放式自適應學習系統其實就是設置一些節點，如學生去上傳統培訓班的時候，培訓機構給學生進行學前測評，到底是上七年級A班，還是B班，或者應該回到六年級去上培訓。 若做得更精細，能夠在每個單元、每個知識點給學生測評，學生若學會了，就能夠進入下一步學習；若沒有學會，就繼續學習。 ……
書友推薦
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
二體千字文
- >
【精裝繪本】畫給孩子的中國神話
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
史學評論
- >
自卑與超越
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
