人工智能支持的自适应微开放学习研究

Strengthening education is fundamental to China’s pursuit of national rejuvenation, and the integration of education with multiple disciplines is essential in this development. New significance has been attached to the “Internet and education” by the explosion of new technology and the change of life styles, which brings challenges to the traditional educational concepts as well. Based on the new cognitive patterns, learning styles and knowledge production in the educational information sciences, this project targets on developing an innovative education mode to adapt the both social and individual developments. It consists of: (1) a study on a new learner model construction on the basis of self-paced learning in fragmented time pieces and mobile space, which is a remarkable evolution to the learner modeling approaches in traditional online learning; (2) a study on a complex mapping transformation in learning spaces towards better performance on knowledge transfer and cold start problem; (3) from the perspective of micro learning in open learning, a study on learning path scheduling to optimize the delivery of micro open educational resources which are readily segmented and enclosed; (4) by applying the technology of knowledge graph, a study on models and algorithms in data mining oriented to educational big data, which looks into the depth of educational patterns and associations. This project investigates both conceptual and practical problems in the implementation of AI-supported adaptive micro open learning, in order to discover a new mode which can serve as a significant reference to the “Internet and education”.

建设教育强国是中华民族伟大复兴的基础工程，教育学科和其他学科的交叉融合是发展的必由之路。“互联网+教育”的教育形式，既是挑战也是机遇。本项目围绕教育信息科学中的认知规律、学习形态以及知识产生等问题，探讨适应社会发展和实现个体发展需要的教育模式，具体包括：(1) 在“自步学习”形态下，研究基于碎片化时间和移动空间的学习者行为模型，该模型是对传统在线学习者行为建模的重大革新；(2) 研究学习空间的复杂映射变换，解决知识的迁移和冷启动问题； (3) 基于微学习的开放学习规则，研究学习路径的规划，实现对已切割和封装的微开放学习资源的优化配置；(4) 结合知识图谱的实际应用，研究针对教育大数据的数据挖据新算法，揭示深层次的教育规律和关联关系。本课题通过研究人工智能支持的自适应微开放学习所涉及的理论和实践问题，实现个性化学习环境，为我国“互联网+教育”的持续发展提供有意义的实践探索。

本项目围绕“AI in Education”及教育教学中的认知规律、学习形态以及知识产生等问题，探讨适应社会发展和实现个体发展需要的教育模式，具体包括：(1)研究基于碎片化时间和移动空间的学习者行为模型；(2)研究学习空间的复杂映射变换，解决知识的迁移和冷启动问题，研究个体在学习过程中认知水平的变化情况；(3)基于微开放学习的规则，研究学习路径的规划和更新，实现对微开放学习资源的优化配置和推荐；(4)优化机器学习模型，并关注训练数据的质量问题，比如数据去噪、为生成高质量的评测数据，我们利用NLP技术及语义技术进行数据增强；探讨在标注不确定情况下的训练和学习，以便更好地服务于对在线学习数据的分析，揭示深层次的教育规律和关联关系。本课题通过研究人工智能支持的自适应微开放学习所涉及的理论和实践问题，实现个性化学习环境。项目最后以具体的课程为例，开发相应的教学案例和学习平台。. 已发表学术论文36篇(包括AIED、KSEM、ICONIP、SCC、IJCNN、ICDM、KDD等CCF推荐的会议，以及《中文信息学报》，Applied Intelligence，Neurocomputing，WWW期刊，Information Sciences，Applied Soft Computing，IEEE Trans. on Cognitive and Developmental System及IEEE Trans. on Pattern Analysis and Machine Intelligence等国内外期刊)，获授权发明专利2个，另一个发明专利进入实审结段；完成2个软件著作权申请。在微开放学习的理论框架、论文发表、Demo及平台开发、人才培养等方面，完成了相关任务。平台开发工作，正在逐步完善。. 全球遭遇COVID-19的三年，大家见证了碎片化微学习渠道和学习资源的风起云涌，我们的研究正好契合了这样的场景，人类在获取和传播知识方面将与微开放学习模式一路相伴，这也是我们研究工作的重要意义所在。