教育支持系统模块中的可持续与基于人工智能的支持

《Sustainability》:Sustainable and AI-Based Support in the Module of Educational Support Systems

【字体: 大 中 小 】 时间:2026年07月18日 来源:Sustainability 4.1

编辑推荐:

  基于人工智能(AI)的支持系统正在通过提升教学效率、个性化学习和可及性来转变教育领域。尽管技术飞速发展,教育机构仍面临持续挑战,例如优质学习资源获取不均、教师支持不足以及个性化学生参与的需求。这些问题阻碍了现代课堂的有效学习成果和包容性。本研究提出了一项基于建

  
基于人工智能(AI)的支持系统正在通过提升教学效率、个性化学习和可及性来转变教育领域。尽管技术飞速发展,教育机构仍面临持续挑战,例如优质学习资源获取不均、教师支持不足以及个性化学生参与的需求。这些问题阻碍了现代课堂的有效学习成果和包容性。本研究提出了一项基于建构主义学习理论的综合性文献综述和方法论,以开发一个基于人工智能(AI)的教育支持框架。该研究聚焦于一门整合了人工智能(AI)支持学习的高等教育课程。研究人员通过综合理论和实证证据开发了所提出的框架,随后由教育技术和人工智能(AI)领域的专家对其进行评估。数据通过结构化专家问卷和定性反馈收集。定量数据采用描述性统计进行分析,而定性回应则通过主题分析(thematic analysis)进行检验,以指导框架的完善。研究遵循既定的伦理原则,包括知情同意、自愿参与、保密性、匿名性和安全数据管理。此外,论文探讨了可持续且基于人工智能(AI)的教育支持系统的设计与实施,这些系统通过智能辅导(intelligent tutoring)、自适应学习分析(adaptive learning analytics)和自动反馈机制(automated feedback mechanisms)来应对这些挑战。通过整合自然语言处理(natural language processing, NLP)、机器学习(machine learning, ML)和预测建模(predictive modelling),所提出的框架为教育者和学习者提供实时支持,促进数据驱动的决策和包容性教学法。定性专家评估表明,基于人工智能(AI)的教育支持框架有潜力改善教学支持、学习者参与和个性化学习,同时为高等教育提供可扩展和公平的方法。
该论文发表在《Sustainability》上,旨在解决高等教育中人工智能(AI)教育支持系统面临的挑战,如资源不均、教师支持不足和个性化学习需求。研究人员基于建构主义学习理论,提出了一个整合自适应学习路径、AI支持反馈、学习分析和教师仪表盘的框架,并通过六位教育技术和人工智能(AI)专家的定性评估验证其教学适宜性和可行性。研究结论表明,该框架在提升教学支持、学习者参与和个性化学习方面具有潜力,同时强调伦理和可持续性。

**关键技术与方法**
研究采用的主要技术方法包括:基于Chatbase的AI聊天机器人(用于生成式反馈和辅导)、基于Transformer的大语言模型(LLMs)进行对话式辅导和反馈生成、基于规则的自适应排序算法(根据学习表现阈值调整内容)、检索增强生成(RAG)架构(将课程材料索引并检索以生成语境化回答)、提示工程策略(基于结构化教学提示和评估模板)、学习管理系统(LMS)日志数据(包括点击流、任务时间、测验分数等)用于学习分析。框架通过定性专家评估验证,专家来自教育技术和人工智能(AI)领域,采用半结构化访谈和主题分析。

**研究结果**
**3.1 提出的基于AI的教育支持框架**
研究人员提出了一个包含三个主要参与者(教师、学生、系统管理员)的多层框架,整合了自适应学习路径、AI支持反馈引擎、学习分析组件和教师仪表盘。该框架基于建构主义理论,强调个性化、可访问性和教师中心设计,并通过专家评估确认其教学适宜性。

**3.2 专家评估发现**
- **3.2.1 教学工具支持**:专家认为教学工具(如多媒体内容、Colab笔记本、Perplexity.ai)适合远程学习,但工具过多可能导致信息过载,建议引入IT工具介绍。
- **3.2.2 教学与评估方法**:混合方法(理论讲座、实践任务、团队项目)和评估(自动测试、同伴互评)适当,但需加强实践评估的客观性和反馈的个性化。
- **3.2.3 帮助与支持机制**:支持渠道(聊天机器人、论坛、讲师公告)有效,但缺乏同步咨询,建议建立支持渠道地图和定期问答。
- **3.2.4 系统中的反馈**:反馈机制(自动测试反馈、同伴互评、AI聊天机器人)存在,但缺乏个性化教师评论和不一致频率,建议制定最低反馈标准并校准同伴评估。
- **3.2.5 协作学习过程**:课程结构清晰、逻辑性强,强调独立学习和实践应用,但缺乏面对面咨询,可能削弱师生联系。
- **3.2.6 沟通模式**:异步沟通为主(Notes、Chat、AI代理),通过挑战式学习和团队合作促进参与,但缺乏实时互动,建议增加同步讨论。
- **3.2.7 问题与威胁**:高辍学率、学生IT水平不均、讲师咨询有限、评估不透明、反馈不足,建议设置结构化截止日期、入门模块、同步沟通和更清晰的评估标准。

**讨论与结论**
讨论部分指出,AI教育支持系统通过个性化学习、自动化任务和包容性设计提升教学效果,但需关注伦理、数据隐私和教师角色。专家评估确认了框架的教学适宜性,但需通过实证研究验证其有效性。结论部分总结:该框架在建构主义原则下有效整合了AI与学习者中心方法,提供自适应、个性化、数据驱动的支持。它有望提升学习者参与、自我调节学习和教师效率,同时促进教育包容性。然而,研究存在局限性(仅专家评估,无学生实证),未来需改进自适应分析模型、扩展实时反馈、强调教师参与设计,并加强伦理治理。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号