余明华
- 作品数：6 被引量：228H指数：5
- 供职机构：华东师范大学教育科学学院教育技术学系更多>>
- 发文基金：全国教育科学“十二五”规划国家一般课题上海市哲学社会科学规划课题国家社会科学基金更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 基于大数据技术的学习分析系统架构
- 本文首先分析了教育信息化领域对学习分析的需求和研究对象.接着引入大数据技术,设计以Hadoop为核心的学习分析系统,构建基于学习分析的智能数字化教育服务,并列举此技术方案的具体应用案例.最后,提出需要解决Hadoop应用...
- 冯翔余明华马晓玲吴永和
- 关键词：信息化教育服务质量
- 文献传递
- “互联网+”视域下的无缝学习体验设计被引量：18
- 2017年
- 互联网与教育的深度融合是"互联网+教育"的核心理念。无缝学习强调体验学习的连续性,能够满足"互联网+教育"的诉求。文章通过分析无缝学习的内涵,提出了包括无缝学习情境、无缝学习过程和无缝学习体验三要素的三层结构。通过分析发现,无缝学习的连续性不仅体现在学习过程的连贯性上,更体现在学习体验的深度上。基于此,提出了学习体验过程模型,从学习者行为投入、认知过程和情感反应三个维度分析了学习体验由外至内、由浅入深的形成过程。并进一步映射至本能层、行为层、反思层形成无缝学习体验设计框架,内蕴人脑信息加工的层次规律,体现由感官刺激、技术支持和教学设计促进全身心投入学习的体验过程。最后围绕科学探究教学案例介绍了该框架的具体实施。
- 余明华彭红超祝智庭
- 基于大数据技术的学习分析系统架构被引量：34
- 2014年
- 通过电子书包、移动学习终端、在线学习应用等,可捕获大量的学习行为数据.如何利用这些大数据是目前教育信息化领域亟需研究的问题.本文首先分析了教育信息化领域对学习分析的需求和研究对象.接着引入大数据技术,设计以Hadoop为核心的学习分析系统,构建基于学习分析的智能数字化教育服务,并列举此技术方案的具体应用案例.最后,提出需要解决Hadoop应用在学习分析领域的技术问题.
- 冯翔余明华马晓玲吴永和
- 关键词：HADOOP大数据
- 人工智能视域下机器学习的教育应用与创新探索被引量：13
- 2018年
- 新技术带来的教育变革方兴未艾,人工智能与智慧教育引领教育教学的创新,已经成为教育信息化发展的必然趋势。随着教育大数据的崛起,如何对大量数据进行分析以支持精准预测,是人工智能时代面对的一个新课题。机器学习作为人工智能的一个重要分支,能够满足教育大数据分析预测的需求。为此,基于"为何分析、分析什么、以何分析、何以应用"一系列问题,通过对机器学习的作用对象、作用过程、具体方法和利益相关者等方面的分析,探讨了机器学习和智慧教育的适切性。结合对近年来国外基于真实数据的机器学习教育应用案例研究成果的梳理和归纳,发现目前机器学习教育应用主要集中在学生建模、学生行为建模、预测学习行为、预警失学风险、学习支持和评测和资源推荐等六大方面。从跨界、技术和教学三个层面出发,基于智慧教育的框架对机器学习的教育应用与创新提出了相关建议。
- 余明华冯翔祝智庭
- 关键词：智慧教育人工智能个性化学习教育创新
- 研究型课程自适应学习系统:理念、策略与实践被引量：30
- 2018年
- 人工智能自适应学习已经成为教育技术领域研究的重点,探讨自适应技术在研究性学习领域的应用与实践具有重要意义。该文通过对研究型课程的内涵、理论基础和实施现状的梳理,基于上海市中学开展研究型课程的调研结果,研发了一套支持大规模在线开放式的研究型课程自适应学习系统,旨在利用信息技术支持学校实施大规模研究型课程的教学、管理和评价工作,辅助学生开展个性化研究性学习。该文采用基于设计的研究方法,对该系统的概念模型和智能核心组件进行了设计,其中,智能核心组件由个性化学习者模型、程序性和方法类知识模型、个性化教学策略模型构成,并设计了智能信息感知与识别引擎和智能推理引擎来支持这三个模型的运行与更新,以实现系统更精准地为学习者提供个性化研究性学习服务;同时,基于系统设计了混合式研究性学习模式,实现线上学习和线下探究相结合,促进学生持续、深入地开展研究性学习;并对该系统的应用成效进行了概述,结合真实的教学案例介绍了混合式研究性学习模式的实施,以期为教师开展研究型课程提供参考;最后对该系统应用进行了总结,并提出了后续研究方向。
- 张治刘小龙余明华祝智庭
- 关键词：研究型课程研究性学习自适应学习模型构建知识图谱
- 人工智能视域下机器学习的教育应用与创新探索被引量：137
- 2017年
- 新技术带来的教育变革方兴未艾,人工智能与智慧教育引领教育教学的创新,已经成为教育信息化发展的必然趋势。随着教育大数据的崛起,如何对大量数据进行分析以支持精准预测,是人工智能时代面对的一个新课题。机器学习作为人工智能的一个重要分支,能够满足教育大数据分析预测的需求。为此,基于"为何分析、分析什么、以何分析、何以应用"一系列问题,通过对机器学习的作用对象、作用过程、具体方法和利益相关者等方面的分析,探讨了机器学习和智慧教育的适切性。结合对近年来国外基于真实数据的机器学习教育应用案例研究成果的梳理和归纳,发现目前机器学习教育应用主要集中在学生建模、学生行为建模、预测学习行为、预警失学风险、学习支持和评测和资源推荐等六大方面。从跨界、技术和教学三个层面出发,基于智慧教育的框架对机器学习的教育应用与创新提出了相关建议。
- 余明华冯翔祝智庭
- 关键词：智慧教育人工智能个性化学习教育创新
