大語(yǔ)言模型驅(qū)動(dòng)的自我調(diào)節(jié)學(xué)習(xí)
定 價(jià):108 元
- 作者:劉海等
- 出版時(shí)間:2025/5/1
- ISBN:9787030823038
- 出 版 社:科學(xué)出版社
- 中圖法分類:G442-39
- 頁(yè)碼:257
- 紙張:
- 版次:1
- 開本:B5
本書深入探討了大語(yǔ)言模型在自我調(diào)節(jié)學(xué)習(xí)中的應(yīng)用與實(shí)踐,首先概述了大語(yǔ)言模型變革教育的現(xiàn)實(shí)圖景,展示了人工智能在教育領(lǐng)域的應(yīng)用場(chǎng)景與實(shí)際經(jīng)驗(yàn),并詳細(xì)剖析了大語(yǔ)言模型與自我調(diào)節(jié)學(xué)習(xí)的緊密關(guān)聯(lián);其次探討了基于大語(yǔ)言模型的學(xué)習(xí)狀態(tài)分析,如學(xué)生情感分析、注意力分析、學(xué)習(xí)過程行為檢測(cè)、課堂參與度、學(xué)習(xí)者知識(shí)狀態(tài)預(yù)測(cè)等;再次論述了基于大語(yǔ)言模型和個(gè)性化推薦技術(shù)的學(xué)習(xí)路徑規(guī)劃與學(xué)習(xí)行為指導(dǎo)等,揭示了現(xiàn)代技術(shù)在教育評(píng)估中的巨大潛力;最后展望了大語(yǔ)言模型與自我調(diào)節(jié)學(xué)習(xí)深度融合的未來發(fā)展趨勢(shì),為教育智能化發(fā)展提供了重要參考。
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
2010年至2014年,華中科技大學(xué),人工智能與自動(dòng)化學(xué)院,博士
2008年至2010年,華中科技大學(xué),數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,碩士2023-今,華中師范大學(xué),教授
2016-2019,華中師范大學(xué),副教授
2014-2016,華中師范大學(xué),講師
2017-2019,香港城市大學(xué)/機(jī)器人視覺實(shí)驗(yàn)室,博士后/訪問學(xué)者曾榮獲湖北省科學(xué)技術(shù)進(jìn)步一等獎(jiǎng)(2020)、高等學(xué)校科學(xué)研究?jī)?yōu)秀成果獎(jiǎng)(科學(xué)技術(shù))科技進(jìn)步獎(jiǎng)一等獎(jiǎng)(2019)。[1] Liu Hai (劉海), Zhang Cheng, Deng Yongjian, Liu Tingting, Zhang Zhaoli, Li Youfu, "Orientation Cues-Aware Facial Relationship Representation for Head Pose Estimation via Transformer," IEEE Transactions on Image Processing, vol. 32, pp. 6289-6302, 2023. (SCI收錄,中科院一區(qū)Top期刊,IF(2024)=10.3,第一作者)
目錄
前言
第一部分 研究理論概述
第一章 大語(yǔ)言模型變革教育的現(xiàn)實(shí)圖景 3
第一節(jié) 人工智能賦能教育的應(yīng)用場(chǎng)景 3
第二節(jié) 人工智能賦能教育的國(guó)際經(jīng)驗(yàn) 11
第三節(jié) 我國(guó)人工智能賦能教育發(fā)展路徑 19
第四節(jié) 人工智能賦能教育小結(jié) 26
參考文獻(xiàn) 26
第二章 大語(yǔ)言模型下的自我調(diào)節(jié)學(xué)習(xí)研究與實(shí)踐 29
第一節(jié) 自主學(xué)習(xí)策略驅(qū)動(dòng)自我調(diào)節(jié)學(xué)習(xí)的現(xiàn)實(shí)問題 29
第二節(jié) 大語(yǔ)言模型支撐自我調(diào)節(jié)學(xué)習(xí)的發(fā)展 35
第三節(jié) 跨模態(tài)感知支撐的自我調(diào)節(jié)學(xué)習(xí)相關(guān)技術(shù) 42
參考文獻(xiàn) 57
第二部分 學(xué)習(xí)狀態(tài)研究
第三章 基于面部表情識(shí)別的學(xué)生情感分析 61
第一節(jié) 面部表情識(shí)別支撐的學(xué)生情感分析相關(guān)研究 61
第二節(jié) 面部表情識(shí)別相關(guān)知識(shí) 70
第三節(jié) 面向?qū)W習(xí)者情感分析的面部表情識(shí)別模型 75
第四節(jié) 自我調(diào)節(jié)學(xué)習(xí)下的學(xué)習(xí)者情感分析實(shí)踐 83
參考文獻(xiàn) 87
第四章 融入視線追蹤的學(xué)習(xí)注意力識(shí)別方法 91
第一節(jié) 面向?qū)W生注意力的視線追蹤研究回顧 91
第二節(jié) 視線追蹤相關(guān)技術(shù)知識(shí) 95
第三節(jié) 細(xì)粒度視線追蹤網(wǎng)絡(luò)模型構(gòu)建 100
第四節(jié) 視線追蹤下的學(xué)習(xí)注意力評(píng)估 108
第五節(jié) 學(xué)生注意力分析應(yīng)用展望 115
參考文獻(xiàn) 116
第五章 基于學(xué)生姿態(tài)的學(xué)習(xí)過程行為檢測(cè) 119
第一節(jié) 學(xué)生行為姿態(tài)檢測(cè)國(guó)內(nèi)外研究概況 119
第二節(jié) 反映學(xué)習(xí)行為過程的人體姿態(tài)估計(jì)相關(guān)技術(shù) 121
第三節(jié) 學(xué)習(xí)行為姿態(tài)估計(jì)模型構(gòu)建 126
第四節(jié) 基于姿態(tài)感知的學(xué)習(xí)過程行為識(shí)別及應(yīng)用 135
第五節(jié) 學(xué)習(xí)過程行為檢測(cè)展望 139
參考文獻(xiàn) 140
第六章 基于頭部姿態(tài)的學(xué)生參與反饋分析 143
第一節(jié) 學(xué)生參與度及頭部姿態(tài)研究縱覽 143
第二節(jié) 課堂環(huán)境學(xué)習(xí)者頭部姿態(tài)估計(jì)相關(guān)知識(shí) 146
第三節(jié) 面向自我調(diào)節(jié)學(xué)習(xí)的頭部姿態(tài)估計(jì)網(wǎng)絡(luò)模型 154
第四節(jié) 頭部姿態(tài)估計(jì)在學(xué)生參與反饋中的實(shí)踐創(chuàng)新 159
第五節(jié) 學(xué)生課堂參與反饋展望 166
參考文獻(xiàn) 166
第七章 基于知識(shí)追蹤的學(xué)習(xí)者知識(shí)狀態(tài)預(yù)測(cè) 169
第一節(jié) 知識(shí)追蹤的定義及內(nèi)涵 169
第二節(jié) 融合題目復(fù)雜性和學(xué)習(xí)者能力表示的知識(shí)追蹤方法 177
第三節(jié) 知識(shí)狀態(tài)預(yù)測(cè)展望 184
參考文獻(xiàn) 185
第三部分 規(guī)劃指導(dǎo)研究
第八章 基于大語(yǔ)言模型的學(xué)習(xí)路徑規(guī)劃 191
第一節(jié) 知識(shí)圖譜支持下學(xué)習(xí)路徑規(guī)劃研究綜述 191
第二節(jié) 知識(shí)圖譜基礎(chǔ)知識(shí) 197
第三節(jié) 大語(yǔ)言模型支撐的學(xué)習(xí)路徑規(guī)劃模型構(gòu)建 204
第四節(jié) 學(xué)習(xí)路徑規(guī)劃展望 213
參考文獻(xiàn) 214
第九章 基于個(gè)性化推薦技術(shù)的學(xué)習(xí)行為指導(dǎo) 217
第一節(jié) 教育推薦系統(tǒng)的學(xué)習(xí)行為指導(dǎo)研究概況 217
第二節(jié) 個(gè)性化推薦相關(guān)技術(shù) 220
第三節(jié) 學(xué)習(xí)行為自適應(yīng)推薦技術(shù) 228
參考文獻(xiàn) 236
第四部分 研究總結(jié)展望
第十章 大語(yǔ)言模型助推自我調(diào)節(jié)學(xué)習(xí)的未來發(fā)展 243
第一節(jié) 科學(xué)理論的變革:從自主調(diào)節(jié)到人工智能賦能的協(xié)同學(xué)習(xí) 243
第二節(jié) 大語(yǔ)言模型支持自我調(diào)節(jié)學(xué)習(xí)環(huán)境中的學(xué)習(xí)診斷與分析 245
第三節(jié) 學(xué)習(xí)行為的重塑:大語(yǔ)言模型推動(dòng)自我調(diào)節(jié)學(xué)習(xí)能力提高 248
第四節(jié) 未來研究趨勢(shì):大語(yǔ)言模型與自我調(diào)節(jié)學(xué)習(xí)深度融合 249
參考文獻(xiàn) 251
后記 253