典型文献
多模态数据融合:破解智能教育关键问题的核心驱动力
文献摘要：
多模态数据融合旨在利用不同模态数据之间的信息互补机制提升数据分析的准确性,实现对学习主体和学习情境的精准刻画,进而还原教学过程全貌,挖掘深层次的教育规律,其已逐渐成为智能教育领域重要的技术方法和研究思想.智能教育领域常见的多模态数据类型包括外在行为表征数据、内在神经生理信息数据、人机交互数据以及学习情境感知数据.多模态数据的融合策略主要包括数据级融合、特征级融合和决策级融合,在数据分析的不同阶段选取恰当的融合策略,可以提升数据分析的准确性.在智能教育领域,多模态数据融合主要应用在人机交互分析、学习者情绪识别、学习投入分析、学业表现预测、学习情境感知五个方面.充分发挥多模态数据在学习过程感知和建模中的核心作用,可以实现对学习过程的有效还原和对学习规律的科学解释.多模态数据融合充分体现了基于数据密集型科学的教育科学研究范式变革,未来应着力于面向多元学习主体和学习情境的全时空多维度数据采集、基于多模态数据融合的学习者认知发展规律研究、基于多模态数据感知与融合的智能教育产品研发以及多模态数据采集的技术伦理问题等四个方面,构建智能时代教育科学研究的新样态.
文献关键词：
多模态数据融合;智能教育;情绪识别;学习投入;情境感知;人机交互
中图分类号：
作者姓名：
王一岩;郑永和
作者机构：
北京师范大学教育学部 北京100875;北京师范大学科学教育研究院 北京100875
文献出处：
引用格式：
[1]王一岩;郑永和-.多模态数据融合:破解智能教育关键问题的核心驱动力)[J].现代远程教育研究,2022(02):93-102
A类：
学习投入分析
B类：
多模态数据融合,核心驱动力,信息互补,互补机制,学习主体,学习情境,全貌,教育规律,数据类型,行为表征,神经生理,信息数据,人机交互,交互数据,情境感知,感知数据,融合策略,数据级融合,特征级融合,决策级融合,主要应用,交互分析,情绪识别,学业表现,学习过程,核心作用,学习规律,科学解释,数据密集型科学,教育科学研究,科学研究范式,范式变革,元学习,时空多维,多维度数据,学习者认知,认知发展,数据感知,感知与融合,智能教育产品,产品研发,技术伦理,伦理问题,智能时代,新样态
AB值：
0.348713
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
