- 博客(16)
- 收藏
- 关注
RSS订阅原创 《人类代理对话中的信任维度和动力学建模:一种轨迹认知网络分析方法》
与信任的情感过程相比，高信度组和低信度组之间的信任过程更具有连续性和不显著性，分析过程呈现出明显的模式差异。整个y维的变化表明，对话中表现出的与信任相关的混合和持续的情感。首先，对于高可靠性，原文ENA分析揭示，他们的对话网络紧密围绕着“系统能力”这一核心节点展开简单的交流，当系统可靠时，用户可以依赖简单的认知判断，因此认知负荷维持在较低的水平。为了深入理解人类与人工智能代理的对话协作中，信任是如何动态变化的，旨在通过分析对话本身，来建模并揭示信任的多维结构（分析过程、情感过程）以及其随时间的演变过程。
2025-08-21 11:59:55
780
原创 Trajectories in Epistemic Network Analysis
摘要：ENA轨迹是改进传统认知网络分析(ENA)的方法，通过按时间单位切分数据并生成连续网络模型，形成动态演变路径。其可视化需呈现X轴、Y轴坐标和时间三个变量，通常分解为主图和两个子图。研究表明不同时间窗口设置会影响分析结果，而三维ENA轨迹可通过Python/R实现，将时间作为Z轴展示认知网络演化。此外，可考虑引入第三维度（如认知深度）来增强分析，但需验证静态3D展示的可行性。该方法能更细致地揭示认知结构随时间的变化规律。
2025-08-13 01:29:08
466
原创 轨迹认知网络分析（Trajectory Epistemic Network Analysis，简称T-ENA）
ENA的结果揭示了表现优异和表现不佳的学生在学习过程中不同阶段的概念投入的不同轨迹和模式。高绩效组的轨迹（始终位于图的右侧，更靠近抽象和理论性的区域。一种强大的数据分析和可视化方法，它通过将复杂的概念和思想构建成网络，来模拟人类的思维结构，并追踪这个思维结构的网络重心是如何随着时间的推移而移动，从而动态地揭示思维焦点、信念和知识的转变过程。为了深入理解人类与人工智能代理的对话协作中，信任是如何动态变化的，旨在通过分析对话本身，来建模并揭示信任的多维结构（分析过程、情感过程）以及其随时间的演变过程。
2025-08-05 14:32:58
1227
原创 《中学信息技术课程学生互动对话模式发展轨迹研究:基于认知网络的分析》的后续思考：
摘要：本研究结合认知网络分析(ENA)和滞后序列分析(LSA)探究信息技术课堂中教学干预对学生对话模式的影响。ENA结果显示，干预组形成以推理、挑战和反思为核心的探索性认知网络，而对照组呈现简单信息累积的对话模式。LSA进一步揭示干预组通过"推理-挑战"的序列驱动深度探究，而对照组则陷入"建议-简单问题-连接"的信息获取循环。研究还发现优秀学生组显著聚焦探索型对话。两种分析方法相互补充：ENA展示认知结构差异，LSA解释动态过程机制。
2025-07-28 00:31:04
722
原创 关于《AI 支持学习中的重要内容：使用聚类分析和认知网络分析研究语言学习中的人机交互》文献的思考：
对比对照组和干预组的认知网络图，可视化显示，两组使用累积型对话的次数相当，因为两组中SQ、C、CA和S节点的大小及其相互连接的厚度相似。由此可见，干预组的学生在整个学习期间都在继续使用探索性对话，尽管随着时间的推移，探索性对话的增加速度较慢。(1)干预组和对照组在学生互动对话的使用上存在差异，干预组学生更多地使用探索性对话，而对照组学生更多地使用累积性对话。将学生分为优秀组和普通组，比较优等生组和普通组的认知网络结构图，分析两组学生在不同对话模式的使用频率和连接强度上的差异。2.能否展现时间维度的变化？
2025-07-21 10:14:50
965
原创 AI 支持学习中的重要内容：使用聚类分析和认知网络分析研究语言学习中的人机交互
本研究探讨了16名中国小学六年级学生在AI辅助英语学习中的交互差异。通过聚类分析和认知网络分析，识别出四类学习者：高效、被动、均衡和低效学习者。研究发现，采用深度学习方法和积极参与人机社区的学生（高效学习者）表现最好，而机械跟随AI指令的学生（低效学习者）虽参与度高但成绩不佳。结果表明，学习方式而非技术本身决定AI辅助效果，深度学习策略能有效激活人机学习社区的教学、社会和认知存在。研究为优化AI教育应用提供了实证依据，建议关注学习者个体差异与深度学习方法培养。
2025-07-14 08:28:49
736
原创 基于概念图的虚拟学习情境探究社区框架——提升学生地球科学学习成果与反思倾向
访谈显示，实验组的学生发现该方法有助于理清困惑的知识。建议未来研究包括更大、更多样化的样本，进行长期干预，并纳入客观衡量标准,还可以整合学习分析技术，研究不同学习需求的有效性，探索在其他科目和学科的适用性，以及评估VR系统的可用性和用户友好性。实验组学生普遍认为，基于CM-CoI的VR方法能有效提高学习成绩，相比传统文本材料，VR提供了视觉和多媒体材料的集成，帮助学生理解抽象概念。两组学生都表示，与传统的基于文本的学习相比，VR技术作为一种新的教学方法增强了他们的学习动机，并使他们更专注于教学材料。
2024-11-22 11:29:23
1042
原创 从经验到移情:基于移情虚拟现实的学习方法提高EFL学习者的移情和写作表现
EFL在人际交往和跨文化交际中起着至关重要的作用。写作通常被认为是EFL学习者最具挑战性的技能之一。如今，由于缺乏现实生活经验和移情培养，一些学生很难创造出能引起读者共鸣的词汇。虚拟现实(VR)不仅提供真实的体验，而且被称为“终极同理心机器”。因此，本研究提出了一种基于共情虚拟现实的学习(E-VRL)方法，为学习者提供获得真实体验的途径，进一步促进学习者共情。
2024-11-18 11:02:37
898
1
原创 基于自适应计算机智能体的数字游戏对EFL学生英语学习成果的影响
5 =非常同意)，由6个项目组成。作为一种学习支持技术，计算机代理已经被设计在不同的学习系统中，例如智能辅导和游戏应用，以支持不同年龄或应用领域的学生，他们通常扮演学习助手的角色，为学习者提供帮助和指导，或演示复杂的原理或过程。实验组(n = 30)，使用基于自适应计算机代理的数字游戏( ACA-DG)，对照组(n = 26)，使用传统的基于计算机代理的数字游戏(CCA-DG)。根据实验结果，本研究开发的基于自适应计算机代理的数字游戏帮助学习者获得了更好的学习成绩、更高的自我效能感和更低的英语学习焦虑。
2024-11-11 21:38:57
1466
原创 人工智能在音乐教育中的应用
本研究旨在将AI元素纳入音乐教育，并看看它会带来什么不同。本研究的贡献在于同时集成了两种人工智能技术:聊天机器人和用于评估个人学习路径决策过程的神经网络
2024-11-07 18:02:14
2759
原创 多维剧目网格作为实施数字游戏的图形组织者，以促进学生的学习表现和行为
MDRG游戏通过提供系统化的信息，促进了学生的反思和比较，从而增强了学习效率和高阶思维能力。在游戏过程中，学生与非玩家的游戏角色互动，完成学习任务，获得分数，获得反馈，最终在游戏中获得地理知识。方面，8名EG学生中有6名表示，基于多维储备网格的反馈不仅帮助他们发现了细节，而且还帮助他们发现了知识，他们通常忽略的气候差异的特征，也帮助他们系统地组织信息，这使得他们更容易分析和比较。：是一种经常被采用的促进教学和学习的模式，在这种模式中，学习者沉浸在游戏情境中，参与游戏玩法，构建有意义的知识。
2024-10-23 16:24:08
996
原创 促进学生在虚拟博物馆情境下的高阶思维:一种基于自适应移动概念映射问题的提出方法
本研究探讨了一种基于自适应移动概念映射的问题提出(CMPP)方法在虚拟博物馆环境中的应用效果。为了研究所提出方法的有效性，采用准实验设计来比较批判性思维倾向、元认知倾向、问题解决倾向、计算倾向、认知负荷、使用自适应移动CMPP方法的大学生与使用传统的基于移动的问题提出和点列表方法的大学生的流动体验。
2024-10-21 19:33:50
1597
原创 将剧目网格整合到基于增强现实的学习设计中对学生学习成绩、认知负荷和满意度的影响
增强现实(AR)通过动态地将数字材料与现实世界环境重叠，增强了学生在现实世界环境中的体验。本研究以多媒体学习的连续性原则为基础，开发了一个基于心智工具的AR学习系统，以协助学生在自然科学课程中建构知识。
2024-10-14 11:11:19
768
原创 体验孔子论语:一种促进学生学习动机和学习观念的实验游戏学习方法
论语》是华人社区乃至全世界亚洲研究课程中的一门重要课程，然而，教育工作者指出，大多数学生无法理解其抽象思想，甚至无法在日常生活中体会到其精神。本研究旨在探索体验式数字游戏学习方式在《论语》教学中的应用对学生学习动机和学习观念的影响。
2024-10-07 00:04:52
1457
原创 在自然科学课程中提升学生的学习能力——一种嵌入概念图的教育电脑游戏
本研究旨在探索将概念图嵌入教育电脑游戏的方法，以提高学生在自然科学课程中的学习表现。研究的主要目的是评估这种概念图嵌入游戏方法是否能够显著提升学生的学习成就、降低认知负荷，以及是否能够提高学生对学习方法的接受度，包括感知的易用性和感知的有用性。
2024-10-06 23:32:35
865
原创 在科学课程中提高学生的学习能力——基于游戏的协作学习模式
在本研究中，采用了协作学习和教育游戏相结合的方法，通过整合基于网格的思维工具，开发了一个基于协作游戏的学习环境，以促进学生在游戏过程中分享和组织他们所学到的知识，提高学生的知识获取能力和问题解决能力。
2024-09-18 17:03:34
1199
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人