袁莉
- 作品数：21 被引量：58H指数：4
- 供职机构：北京师范大学更多>>
- 发文基金：广东省教育科学规划项目国家社会科学基金广东省哲学社会科学规划项目更多>>
- 相关领域：文化科学文学艺术更多>>
- 面向群体智能塑造未来教育:一项重要研究课题被引量：2
- 2022年
- 群体智能指群体在完成一系列不同任务时表现出的综合能力,是面向未来复杂情境中跨学科、综合型任务解决过程必不可少的关键要素。教育现代化进程中的群体智能教育是面向未来培养公民信息素养、合作能力、问题解决能力的重要载体和实现目标。文章基于当前研究领域中对群体智能基本概念的辨析和探索,从国际视野出发,剖析基于不同的技术手段对群体智能教育的探索和实践,提出教育信息化时代中国教育领域中进一步强化群体智能教育、推动"五育并举"、促进培养复合型人才的可行路径。
- 张舒袁莉
- 关键词：群体智能智能技术
- 人工智能教育评估应用的潜力和局限被引量：18
- 2021年
- 随着机器学习和大数据的发展,如何利用人工智能技术优化教学过程和改进教学评估,已成为教育主管部门、科研人员、教育科技公司和教育工作者共同关注的话题。近年来,数十亿学习者在各种学习平台随时随地进行正式和非正式学习,形成了特定的活动轨迹和大量学习数据,应用人工智能技术对数字化学习环境中海量学习数据进行分析,给学生提供自动反馈和评估得到了广泛认可。因此,运用智能技术和大数据分析提高教育评估的效率和有效性也引起研究者越来越多的关注。但人工智能在高风险考试中应用的合理性和有效性备受质疑,其在形成性评估中应用的潜力和局限仍有待探讨。本文通过文献研究,从计算机测评领域相对成熟的两个自动测评系统:作文自动评分系统(AES)和计算机化自适应测验(CAT)的应用以及学术界对其存在问题的争论入手,对人工智能应用于教育评估的前景进行分析,并对人工智能和机器学习在形成性评估中的应用潜力和局限开展讨论。本研究认为,尽管人工智能的算法和大数据分析提高了自动测评系统的反馈速度和准确性,但其对学生深度学习和能力发展评价的应用价值仍然有限,教育评估中应用人工智能要掌握和了解计算机在总结性评估(如AES和CAT等)中的特征和局限,充分利用学习分析在形成性评估中的潜力,促进学生在数字化学习环境下创造力和自主学习能力的发展和培养。
- 袁莉曹梦莹约翰·加德纳迈克尔·奥利里
- 关键词：人工智能计算机自适应测验形成性评估
- 作为文化现象的《山楂树之恋》
- ＜正＞艾米小说《山楂树之恋》在被张艺谋改编成电影之后迅速成为2010年最热门的文件事件之一。这个被称为"史上最干净"的爱情故事得以疯传,是整个时代各种文化因素相互合力的作用。
- 袁莉
- 文献传递
- 人工智能时代的对话式教育技术理论
- 2024年
- 教育依托多种通讯技术媒介,包括书面文字、印刷图书、互联网,乃至日益先进的人工智能语言辅助技术。这一趋势凸显了技术在教育系统中的核心地位和重要作用。然而,现有教育理论对技术在教学中的独特角色及其深远影响的探讨仍不充分。本文深入剖析了教育、理论与技术之间的复杂关系,阐释了对话式教育的认识论和本体论哲学内涵,分析了当前主流的教育技术理论。在此基础上,文章提出了对话式教育技术理论,旨在为教育技术的创新设计提供理论支撑。由此理论框架衍生的设计原则,强调在多维空间与时间序列中利用教育技术支持、拓宽和深化教学对话,重视技术在促进教学互联互通和提高学习参与度方面的关键作用。文章辩证地提出,利用技术开展对话式教学,不仅是应对当前教育挑战的有效策略,更是应对世界环境变迁和人工智能时代挑战的根本路径。以对话式教育技术理论为基础的教育革新,有助于人类更好地应对人工智能时代的挑战,赋予学生迎接并塑造未来的能力。
- 史圣朋鲁珀特·韦格里夫袁莉
- 关键词：教育理论教育技术对话教育人工智能未来教育
- ChatGPT与社会、教育和技术的纠缠进化——基于系统论视角
- 2023年
- ChatGPT的深度学习算法能够对用户查询产生类似人类的回答,成为各种人工智能程序中最具有潜力的应用。然而,要想从理论的层面上解释ChatGPT,就必须从系统论着手。系统论将社会作为一个观察和观察者系统,并通过理论和实践获得其与社会中其他自我调节系统相关知识,为理解社会发展提供新的视角;ChatGPT的流行叙述倾向于关注简单的乌托邦或反乌托邦观点,系统论为理解技术、执行环境和与之互动的个人之间复杂关系,提供一个有用的框架。据此,与其将ChatGPT视为内容生成器,不如将其更有益地理解为自动对话的辅助技术,教育部门可以更好地利用其潜力来改善沟通和教育成果;系统论方法强调社会、教育和技术的纠缠进化,ChatGPT应用为教育提供了新契机,使学习者能够变得更具包容性、更便捷、更有效,为学习者迎接快速变化的挑战做好准备;从系统论的角度研究ChatGPT,可以为技术在社会和教育中的作用和影响,提供更全面和精辟的分析,帮助人们对社会和教育中的技术进步,采取更精确和负责任的态度。
- 史蒂芬·沃森乔纳森·罗米文森特·连恩袁莉
- 关键词：系统论教育技术
- 智能环境下以学习者为中心的学习分析: 潜力和挑战
- 2022年
- 与传统的教育数据挖掘(Data Mining)和学术分析(Academic Analytics)不同,学习分析(Learning Analytics)将教育数据的分析应用,从教育管理决策和学术评估转向教学过程中对学生学习的反馈和干预,即为教师改进课程、教学设计以及学生改善学习策略、路径提供可视化、可操作的分析和建议。近年来,以学习者为中心的教育理念要求学校和教师从新视角、新模式出发,以激发学生的学习兴趣、学习投入和学习收获为目标,建立一个有利于学生未来发展的教育教学评价体系。而学习分析作为可以通过记录、分析学生的学习环境和学习轨迹,来发现学习规律,预测学习结果,进而了解学生学习策略和促进有效学习的技术和方法,受到前所未有的关注和重视。
- 袁莉
- 关键词：以学习者为中心学术评估智能环境ACADEMIC教学设计
- 让理念照进现实:教育数字化转型框架设计及成熟度模型构建被引量：17
- 2022年
- 教育数字化转型是建设数字中国、教育强国,以及实现教育现代化的必然要求,有助于提高教育系统韧性、推动教育高质量发展、创新教育生态。然而,当前我国教育数字化转型还处于初步发展阶段,学界主要集中于对其理念与价值的探讨。如何让教育数字化转型的理念真正推进转型实践,成为迫切需要解决的难题。构建教育数字化转型框架与成熟度模型是连通理念与实践的关键桥梁。在充分借鉴和分析产业与教育领域数字化转型框架的共性和特性基础上,提出教育数字化转型框架应由价值层、应用层、主体层和支撑层四层架构构成,教育数字化转型成熟度模型应包括数字战略规划、智慧教学与评价、支持与服务、数字人才与文化、组织与生态、数字基础设施6个核心维度,涉及认知、起步、进阶、优化和成熟5个等级。该教育数字化转型框架及其成熟度模型具有相对统一的框架,有助于不同层次和不同类型的教育组织结合自身特点和需求,系统设计和规划差异性的数字化转型行动路线图。
- 祝智庭孙梦袁莉
- 关键词：教育数字化成熟度模型
- 教育2122:百年愿景和实施路径——未来智能教育国际论坛综述
- 2022年
- 随着人工智能等数字技术的飞速发展和广泛应用,教育数字化转型已成为教育改革和创新的必由之路和重要手段。因此,深入研究数字技术发展趋势及潜力,探索智能环境下教育教学的新理论、新技术和新模式显得尤为迫切。2022年3月,英国剑桥大学未来数字教育中心与北京师范大学未来教育学院联合举办了“教育2122:百年愿景和实施路径——未来智能教育国际论坛”。此次论坛针对国际教育数字化发展趋势和未来教育教学创新展开前沿讨论,议题包括探索未来智能教育的无限可能、展望互联时代教育新生态和思考未来教育改革和创新的着力点,以及研究如何赋能学习者和教师更好地掌握和使用数字技术等。文章围绕论坛四位特邀专家的主题报告,从课程设计(以学习者为中心的跨学科课程改革)、教育理念(可持续发展的未来教育理念)、学习环境(搭建无边界、自由的教育教学空间)和教学评估(人工智能在未来教育评估中的作用)等四个方面探讨未来教育发展的趋势和挑战;通过视频文本分析、报告人的相关学术研究、教学实践资料的收集和整理,探讨2122年智能教育的愿景和实施路径,梳理教育数字化转型所带来的学生与教师、师生与技术以及学校与社会的复杂互动关系。最后,文章建议教育工作者和所有关注教育发展的人士,都应该积极参与智能教育发展,以更具包容性的态度、更具建构性的对话方式,参与到对未来教育的思考和设计中。
- 张扬张舒袁莉
- 关键词：跨学科课程以学习者为中心学生能动性
- 应急远程教学反思与未来数字教育思考
- 2023年
- 新冠疫情给许多国家的教育带来了巨大冲击。这场危机迫使我们深入思考社会的未来以及教育在塑造未来社会的作用。对应急远程教学的反思。面对新冠疫情,仅有技术支持是不够的,教育数字化应从更复杂、更全面的角度考虑,包括健康、管理、学校领导、学生参与。
- 曹梦莹托雷·霍尔金俞袁莉
- 关键词：远程教学教育思考教育数字化应急疫情
- 学习平台化和行为数据化——警惕智能教育中机器行为主义的回归被引量：1
- 2022年
- 随着大数据和人工智能越来越广泛地运用到教育领域,以学习分析、自适应测试、智能学习平台等为代表的应用软件和系统已经渗透到中小学和大学教育的核心环节。强大的数据驱动技术正越来越多地影响教育政策与治理,融入日常教学实践和管理之中,改变着课堂内外的教学活动。教育用户的数据也像商业等其他行业一样被广泛收集和掌控,教育的平台化和数据化趋势需要引起决策者、管理者、研究人员和教育工作者的重视。
- 袁莉
- 关键词：智能教育自适应测试课堂内外平台化数据驱动
