典型文献
基于系统性文献综述的多模态学习分析研究进展与前瞻
文献摘要：
多模态学习分析是指利用"多模态"的思想和方法对学习者的内在学习状态、特征与变化进行深度诠释,旨在挖掘学习规律、优化学习过程、促进精准教学.在教育大数据研究范式下,多模态学习分析应运而生并形成了诸多研究成果.运用系统性文献综述方法对国内外多模态学习分析相关研究进行梳理发现:当前多模态学习分析研究聚焦于数据采集、数据融合和数据建模三大方面.在数据采集上,得益于智能感知技术的发展,文本、语音、动作、表情、眼动、生理等模态数据备受关注且获取方式愈加便捷;在数据融合上,主要以数据层融合、特征层融合、决策层融合为主,因应深度学习算法的发展,混合式融合初见端倪;在数据建模上,涌现出面向知识、认知、情感、交互状态的学习者模型,且基于多元学习状态的整体性模型日益受到重视.未来多模态学习分析研究应加强情境感知,实现场景数据的混合采集;深挖理论基础,促进数据融合的科学精准;重视情境依存,强化数据建模的情境适用.
文献关键词：
多模态学习分析;数据融合;数据建模;学习者模型;系统性文献综述
中图分类号：
作者姓名：
尹睿;何淑茵
作者机构：
华南师范大学教育信息技术学院 广东广州510631
文献出处：
引用格式：
[1]尹睿;何淑茵-.基于系统性文献综述的多模态学习分析研究进展与前瞻)[J].现代远程教育研究,2022(06):54-63
A类：
B类：
系统性文献综述,多模态学习分析,学习状态,学习规律,优化学习,学习过程,精准教学,教育大数据,大数据研究,研究范式,数据融合,数据建模,智能感知,感知技术,表情,眼动,数据层,特征层融合,决策层融合,因应,深度学习算法,初见端倪,涌现出,出面,学习者模型,元学习,情境感知,实现场景,合采,深挖
AB值：
0.262544
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。
