目錄
序 29
前言 30
第一部分 概述
第1章 教育的可計算 3
1.1 教育可計算的理論根基 4
1.1.1 計算與計算主義 4
1.1.2 人文社會科學中的“計算” 6
1.1.3 科學研究中的第四范式 9
1.2 教育可計算的物質(zhì)基礎(chǔ) 10
1.2.1 教育信息化實踐發(fā)展 10
1.2.2 教育數(shù)據(jù)的要素化 12
參考文獻 13
第2章 計算教育學 15
2.1 概念與框架 15
2.2 關(guān)鍵問題與核心任務(wù) 18
2.3 應(yīng)用領(lǐng)域與面臨的挑戰(zhàn) 19
參考文獻 21
第3章 研究對象與方法 23
3.1 計算教育學的研究對象 23
3.2 計算教育學的研究方法 27
3.2.1 教育數(shù)據(jù)與分析挖掘 28
3.2.2 定性研究與定量研究相融合的學習分析 29
3.2.3 互聯(lián)網(wǎng)教育中的實證研究 31
3.2.4 腦科學與教育科學相融合的實驗研究 33
3.2.5 基于群體動力學的群體學習演化機理研究 35
3.2.6 基于計算機模擬的教育系統(tǒng)研究 36
參考文獻 38
第二部分 場景計算
第4章 教育場景計算 45
4.1 簡介 45
4.2 概念內(nèi)涵 46
4.3 智慧教室 50
4.4 智慧校園 53
4.5 其他場景 56
4.5.1 在線學習場景 56
4.5.2 戶外學習場景 57
4.5.3 游戲化學習場景 57
參考文獻 59
第5章 教育邊緣計算 61
5.1 簡介 61
5.2 教育邊緣計算相關(guān)技術(shù) 62
5.2.1 教育邊緣計算的內(nèi)涵和特點 63
5.2.2 教育邊緣計算框架 66
5.2.3 邊緣計算的關(guān)鍵技術(shù) 66
5.3 邊緣計算的應(yīng)用、挑戰(zhàn)與展望 69
5.3.1 應(yīng)用 69
5.3.2 挑戰(zhàn) 72
5.3.3 展望 72
參考文獻 74
第6章 空空間數(shù)據(jù)感知 76
6.1 簡介 76
6.2 教育數(shù)據(jù)感知 77
6.2.1 虛擬空間教育數(shù)據(jù)感知 77
6.2.2 物理空間教育數(shù)據(jù)感知 80
6.2.3 雙空間融合教育數(shù)據(jù)感知 82
6.3 展望 83
參考文獻 84
第三部分 主體計算
第7章 知識追蹤 89
7.1 簡介 89
7.2 概率知識追蹤模型 91
7.2.1 基于隱馬爾可夫模型的知識追蹤 91
7.2.2 基于貝葉斯網(wǎng)絡(luò)的知識追蹤 93
7.3 深度知識追蹤模型 96
7.3.1 基于深度神經(jīng)網(wǎng)絡(luò)的知識追蹤 96
7.3.2 基于深度政策的知識追蹤 99
7.4 因子分析知識追蹤模型 101
7.5 融合知識追蹤模型 104
7.6 可解釋知識追蹤模型 107
7.6.1 事前可解釋方法 108
7.6.2 事后可解釋方法 110
參考文獻 112
第8章 認知風格 118
8.1 簡介 118
8.2 基于問卷和心理計量測驗的認知風格分類 119
8.3 基于神經(jīng)網(wǎng)絡(luò)方法的認知風格識別 121
8.4 基于模糊分類樹的認知風格預測 124
8.5 基于貝葉斯網(wǎng)絡(luò)的認知風格推理 125
8.6 基于遺傳算法的認知風格分析 127
8.7 基于語義分析的認知風格識別 128
8.8 其他方法 129
參考文獻 131
第9章 情感狀態(tài) 138
9.1 簡介 138
9.2 基于量表的情感測評 139
9.3 基于生理信號的情感檢測 141
9.4 基于面部表情的情感識別 143
9.5 基于語音信號的情感檢測 145
9.6 基于文本數(shù)據(jù)的情感分析 147
9.7 基于多模態(tài)數(shù)據(jù)的情感識別 149
9.8 基于行為-主題概率建模的情感分析 150
參考文獻 152
第10章 群體學習 155
10.1 簡介 155
10.2 群體學習動力學 156
10.3 群體學習演化模式 162
10.4 群體學習中的多層網(wǎng)絡(luò) 167
10.5 群體學習中的模體 172
參考文獻 175
第四部分 服務(wù)計算
第11章 資源推薦 183
11.1 簡介 183
11.2 知識圖譜 183
11.2.1 知識圖譜的定義及分類 183
11.2.2 知識圖譜的特點 184
11.2.3 知識圖譜推薦方法分類 185
11.2.4 學科知識圖譜 187
11.3 學習路徑規(guī)劃 190
11.3.1 定義 190
11.3.2 作用 191
11.3.3 實現(xiàn)技術(shù) 192
11.4 個性化資源推薦 197
11.4.1 定義與分類 197
11.4.2 作用 199
11.4.3 實現(xiàn)技術(shù) 200
11.5 實際案例 205
參考文獻 208
第12章 教育數(shù)據(jù)可視化 210
12.1 簡介 210
12.2 學習主體可視化 210
12.2.1 畫像模型架構(gòu) 210
12.2.2 畫像模型構(gòu)建 213
12.3 學習過程可視化 217
12.3.1 概念圖 218
12.3.2 思維導圖 219
12.3.3 思維地圖 220
12.3.4 MindGen平臺 220
12.3.5 Insight Maker工具 223
12.3.6 學習路徑表征 224
12.4 學習資源可視化 227
12.4.1 游戲化體感交互學習資源 228
12.4.2 增強現(xiàn)實(AR)的資源表達 229
12.4.3 地圖化在線學習資源 230
12.4.4 基于地圖的教育大數(shù)據(jù)可視化分析方法 231
12.5 基于地圖的教育大數(shù)據(jù)可視化分析方法 232
12.5.1 基于地圖定位與編碼的教育大數(shù)據(jù)整合方法 232
12.5.2 基于教育大數(shù)據(jù)的地圖分布可視分析方法 233
12.5.3 基于校園感知數(shù)據(jù)的資源關(guān)聯(lián)可視分析方法 233
12.5.4 基于圖層區(qū)域分析的資源關(guān)聯(lián)可視分析方法 233
12.5.5 基于時空與群體分析的知識分享可視分析方法 234
參考文獻 234
第13章 教育評價 236
13.1 簡介 236
13.2 教學環(huán)境評價 236
13.2.1 定義 236
13.2.2 評價指標 237
13.2.3 評價方法 238
13.3 教育主體評價 240
13.3.1 定義 240
13.3.2 評價指標 241
13.3.3 評價方法 243
13.4 教育資源評價 247
13.4.1 定義 247
13.4.2 評價指標 247
13.4.3 評價方法 249
13.5 教育管理評價 251
13.5.1 定義 251
13.5.2 評價指標 251
13.5.3 評價方法 253
參考文獻 255
第五部分 范式
第14章 教育研究新范式 259
14.1 簡介 259
14.2 研究范式 259
14.2.1 教育研究范式的演進 259
14.2.2 人工智能驅(qū)動的科學研究范式 260
14.3 人工智能驅(qū)動的教育研究：AI4ES 270
14.3.1 AI4ES的內(nèi)涵與特征 270
14.3.2 AI4ES的典型教育研究 272
14.3.3 AI4ES在教育學細分領(lǐng)域中的應(yīng)用趨向 277
參考文獻 282
第六部分 倫理
第15章 計算教育倫理 289
15.1 簡介 289
15.2 教育數(shù)據(jù)倫理 292
15.2.1 教育數(shù)據(jù)倫理的核心問題及面臨的挑戰(zhàn) 293
15.2.2 教育數(shù)據(jù)倫理準則 296
15.3 人工智能倫理 299
15.3.1 人工智能倫理的核心問題及面臨的挑戰(zhàn) 302
15.3.2 人工智能倫理準則 304
15.4 智能教育倫理 308
15.4.1 智能教育倫理的核心問題及面臨的挑戰(zhàn) 310
15.4.2 智能教育倫理準則 313
15.5 計算教育倫理治理 316
15.5.1 建立倫理防控收斂機制 316
15.5.2 完善教育數(shù)據(jù)管理機制 317
15.5.3 關(guān)注算法黑箱及技術(shù)偏見問題 318
15.5.4 明確人工智能技術(shù)準入機制與路徑 319
15.5.5 提升計算教育倫理素養(yǎng) 320
15.5.6 建立多元主體協(xié)同共治機制 320
參考文獻 321
第七部分 未來
第16章 未來教育 327
16.1 簡介 327
16.2 全球發(fā)展戰(zhàn)略 327
16.2.1 中國 327
16.2.2 歐盟 333
16.2.3 其他發(fā)達國家的教育 337
16.3 GAI之于教育的現(xiàn)實意義 340
16.3.1 GAI變革教育治理的實踐路徑 344
16.3.2 GAI助力教育創(chuàng)新的未來進路 346
16.4 未來時代展望 351
16.4.1 技術(shù)展望 351
16.4.2 未來展望 354
參考文獻 358