2 个回答

• 

  风华正茂

  2022-10-27

  【人工智能与教育融合促进高等教育改革】人工智能作为一种通用技术，可以广泛应用于各个领域，其与教育的融合势不可挡。六种在良性循环中交互的核心人工智能，包括业务数据分析、自然语言处理、语音识别、机器推理、计算机视觉、机器人和传感器。随着这些技术在教育领域的渗透与应用，将助力高等教育改革。
  1．改变教学生态，中心化学习者角色
  人工智能的应用，已经改变了许多行业领域的产业生态，而人工智能和高等教育的融合将教学的中心拉回至“学习者”的角色。
  人工智能将赋予学习者更大的自主权。传统的大学课堂多采用“流水线式”的教学模式，学习的内容及形式由教师主导，“填鸭式”“灌输式”的知识传授方式往往无法驱动学习者开展自主的思考和探究，导致学习者在教学中处于被动地位。随着人工智能的发展，以慕课为代表的智慧教学平台逐渐走入人们的视野。这些智能应用借助互联网、大数据技术实现海量教育资源的汇总，同时借助基于关键词提取、匹配等自然语言处理技术实现针对资源内容的信息检索等功能。这些应用及技术使学生可以自由的选择学习内容与形式，赋予其极大的自主权，在很大程度上促进研讨式教学、学生自我探索和自我完善等多元教学模式的发展，从而中心化学习者在教学生态中的角色。
  人工智能将促使教师的角色转换。现有的教学生态受限于资源条件，课后重复性的评阅、考核工作占据了教师大量的精力，导致教师无法专注于课堂教学形式的创新、教学质量的提升。现有的人工智能技术可在一定程度上减轻教师的课后负担，比如，一些计算机视觉技术对扫描得到的作业及试卷图像进行识别以完成批改和评阅，语音识别技术则可以通过会话分析开展口试测评和发音纠正，而一些人机交互技术则可开展简单会话完成及时的答疑解惑。这些技术背后依靠的海量数据分析可给予学生准确的多层次指导，再结合教师自身的教学经验与教学思想，可促进教学活动更加有效的开展。整体而言，这些人工智能在减轻教师课程负担的同时，辅助实现了教学质量的提升。因而，融合背景下的教师需要结合自身经验合理的应用这些技术，更多的将职责重心放在监督和引导学习者上，辅助整个教学活动的开展。
  总之，在引入人工智能后新的教学生态下，学习者成为教学的主导角色，而教育者在教学过程中的定位更加侧重于成为学生的陪伴者和支持者。
  2．大数据与情感分析，促进伴随式评价
  人工智能与高等教育的融合，将摆脱现有面向单一数据、反馈不及时、脱离教学场景的教学评价窘境，通过大数据实时处理与情感细微感知等技术，开展教学全过程的分析与及时针对性的反馈，从而推动以“促进学习者学习”为目标的动态“伴随式”评价的开展。
  大数据分析推进全过程的评价。当前的教学评价往往只依据学生的作业完成情况、考试分数成绩等固定单一的数据，整体上这些数据存在以下问题：对于多次获取的成绩分数数据，难以综合把控学生的发展状况；作业、测试等阶段性数据，难以持续、动态地定位与追踪学生的学习状态。而大数据技术的出现，使得粒度更细、范围更广、渠道更多、频率更快、精度更高的教学数据得以被便捷、及时地采集。顺应教学各环节的开展，可形成一条具有正向流动与反馈调整的学习数据流。大数据分析技术可充分整合这些数据，实现学习数据流的动态把控，即分析动态学习数据，追踪学习过程，记录学习路径，开展全过程的诊断与评价。因而，大数据技术与高等教育的融合，推动课堂评价从阶段性静态评价向全过程动态评价的转变。
  情感计算关注及时有效的反馈。现有的评价数据中，用于评价学习者课堂表现的数据多呈现为学习者自我报告和教师主观等级评分的形式，而用于评价教师教学效果的数据有很大一部分来自学生的主观等级评分。人工智能中被广泛应用的自然语言处理技术和计算机视觉技术则可以很好地开展相关情感分析，通过提取文字中的关键词和表情举止间的细微变化图像帧，与语料库和表情库中的大量样本进行相似性比对，综合分析可得到对应态度。这些情感反馈数据一方面丰富了原有的评价数据，另一方面也使得评价的结果更加有效、及时，从而推动“促进学习”的“伴随式评价”的落地实现。#教育# #高校# #人工智能# #高等教育#

• 

  淡定人生

  2022-10-27

  【西安交大科研人员在电子皮肤领域取得新进展】
  电子皮肤在假肢、机器人技术和人工智能等新兴领域引起了广泛关注。作为电子皮肤的关键部分，开发具有慢适应I型（SA‑I）机械感受器特性的柔性压力传感器至关重要，这不仅需要传感器在小压力范围（小于10 kPa）探测微小静态压力变化，而且要确保在中等压力范围（10-100 kPa）对静态压力可精确稳定地进行控制，以完成日常的操纵性任务。目前，研发兼具宽压力范围、快速响应时间、线性和低滞回压力响应的灵敏且稳定的柔性压力传感器仍具有挑战。
  
  近日，西安交通大学李盛涛教授课题组联合美国加州大学洛杉矶分校Prof. Yu Huang（黄昱教授）和Prof. Xiangfeng Duan（段镶锋教授）课题组报道了基于具有微金字塔结构的PDMS/CNT（聚二甲基硅氧烷/碳纳米管）导电复合材料高性能柔性电阻式压力传感器简单直接的设计方法。基于传感器的工作机理，从电路模型（路）和有限元数值仿真（场）两方面，揭示了与以往的设计——微金字塔表面涂覆很薄的导电层相比，该设计方法可提供更宽的压力量程和更高的灵敏度。结合数值仿真和实验结果揭示了传感器的压力响应取决于其间距与基底长度之比，而不仅仅依赖于间距，且当间距与基底长度为1:1时，可获得优异的综合性能以模拟SA-I机械感受器，该优化设计比例的压力传感器可在小压力范围和中等压力范围下提供高灵敏度、快速响应时间、高力学稳定性、低工作电压和低功耗，高线性度和低滞回以及微米尺度高度均一的优异综合性能。基于该优化设计比例的传感器，构建了可实时地将幅值信号转化为频率信号且进行无线传输的压力传感系统，以及可实时进行空间分辨的压力传感阵列平台。此外，鉴于微金字塔结构的广泛应用，基于导电复合材料的微金字塔结构也可被集成到电容式、晶体管式、摩擦电式等其他类型的传感器以获取高的机械稳定性。
  
  文章链接：网页链接