Описание промпта

Конкретные меры по исследованию интеллектуального анализа мультимодальных данных для расширения возможностей реформы и практики режима университетского обучения заключаются в следующем: для обеспечения достижения целей исследования данный проект будет сосредоточен на трех основных уровнях: «создание базы данных, исследование методов анализа и замкнутый цикл педагогической практики», которые соответственно соответствуют решению проблемы «черного ящика» оценки преподавания, проблемы «спящих» данных об обучении и проблемы «разомкнутого цикла» оптимизации обучения. Общая схема исследования показана на рисунке 1, а конкретные меры для поэтапной реализации включают: (1) Создание единой и стандартизированной базы мультимодальных данных об обучении. Во-первых, мы сосредоточимся на открытии и управлении данными, разбросанными по «умным» классам. Основная задача состоит в разработке и реализации «Спецификации управления мультимодальными данными об обучении и обеспечения конфиденциальности», чтобы систематически очищать, десенсибилизировать и пространственно-временно выравнивать исходные данные, такие как видеозаписи занятий, аудиозаписи, учебные материалы и интерактивные тексты. На этой основе, опираясь на технологию хранилища озера данных, мы построим стандартизированную и безопасно доступную базу данных по темам обучения. Эта база данных не только обеспечивает централизованное хранение и эффективное управление данными, но и гарантирует, что все приложения данных выполняются в рамках соответствия требованиям посредством строгих протоколов безопасности данных, обеспечивая прочную и надежную основу данных для последующего интеллектуального анализа. (2) Разработка инструментов интеллектуального анализа, глубоко интегрированных с образовательными теориями. Основное внимание на этом этапе уделяется преобразованию передовых информационных технологий в аналитические инструменты с образовательной объяснительной силой. Мы систематически внедрим модели в области компьютерного зрения и обработки естественного языка, а также глубоко адаптируем и инновационно применим их к образовательным сценариям. В частности, это включает: ① Динамический анализ поведения при обучении: выходя за рамки простой статистики «процента поднятых голов», используя технологию распознавания поз для анализа динамических изменений моделей поведения студенческой группы (таких как слушание, письмо и сотрудничество) при определенных учебных событиях (таких как групповые обсуждения и вопросы учителя), а также визуализацию траектории движения учителя в классе и диапазона взаимодействия. ② Оценка когнитивного уровня в классе: применение технологии обработки естественного языка для глубокого анализа расшифрованного текста диалога между учителем и учеником для реализации автоматизированной идентификации когнитивного уровня вопросов и построения карты логической структуры обсуждений в классе, чтобы количественно оценить глубину и качество мышления в диалогах в классе. Конечный результат будет отражен в наборе интерактивных визуализационных панелей, встроенных в процесс обучения, предоставляя учителям интуитивно понятные и простые для понимания «отчеты об анализе обучения в классе», чтобы помочь им задуматься о своем преподавании. (3) Осуществление итерации замкнутого цикла педагогической практики на основе данных и проверка эффекта. Чтобы способствовать эффективному преобразованию результатов анализа в производительность обучения, мы сформируем «исследовательско-практическое сообщество» с учителями-практиками и проведем эмпирические исследования с использованием методов исследования действий. Выбрав типичные курсы по инженерным специальностям, мы будем работать с учителями-партнерами для совместного создания итеративного замкнутого цикла «обратная связь по данным - педагогическое вмешательство - оценка эффекта». Мы будем регулярно предоставлять учителям отчеты об анализе данных и организовывать совместные семинары для совместной интерпретации данных, диагностики проблем обучения, а также разработки и реализации точных стратегий педагогического вмешательства (таких как оптимизация разработки вопросов и корректировка методов взаимодействия). Систематически сравнивая данные процесса (поведенческие и когнитивные показатели), данные результатов (успеваемость) и субъективную обратную связь (опросы и размышления учителей и учеников) до и после вмешательства, мы всесторонне проверим фактический эффект улучшения обучения, основанного на анализе данных, и будем постоянно оптимизировать модель и метод анализа в итерации. Посредством вышеуказанных мер