教育技术学Note

黎加厚教授：中国教育信息化面对新的历史考卷

“应用为王、服务至上”是教育信息化的生命线。教育资源的含义早已从20世纪的“资源库”演变到全媒体新时代，人人都是信息资源的生产者和消费者。
谨记“方法重于技术、组织制度创新重于技术创新”的工作理念。例如，如何实现教育资源的动态更新？跳出教育看，各家电商平台早已解决了这个问题：把资源的选择权交给用户，用户对网站上商品（教育资源）点评，商家无权限篡改，评语直接引导消费，平台系统自动排序，点赞多的资源上浮到最前面，末位出局，优胜劣汰，自然选择。
明确服务对象是谁？面向的群体是谁。
教育不仅自身面临数字化转型的挑战，更担负着提高全民族数字素养和技能的重任，关系下一代在数字经济社会的生存。
问题：
1.谁来给教师提供帮助？
2.如何做到有别于全媒体时代其他海量资源的精准服务呢？
来源：《人民教育》

“双减”背景下课堂教学数字化转型的理论探索与演进路径

谢幼如， 罗文婧， 章 锐， 刘亚纯
本研究提出课堂减负提质增效的本质意蕴，即基于全数据意识充分发挥智能技术的赋能作用，减轻学生的课业负担和教师的备课负担，促进课堂教学目标的定制化、教学内容的适配化、教学活动的弹性化和教学评价的诊改化，通过开展数据驱动、人机协同的课堂教学设计与教学实践行动，推动课堂全方位系统性的数字化转型变革过程，进而推动“双减”背景下课堂教学高质量发展，培养德智体美劳全面发展的社会主义建设者和接班人。
特征：“双减”背景下的课堂教学数字化转型呈现出跨越课堂数据汇集、利用数据客观表征、协同数据敏捷调适、泛在数据创生发展的标志特征。



来源：电化教育研究

在线教育中的学习情感计算研究——基于多源数据融合视角

翟雪松
本研究首先综述了在线学习情感特征、情感计算的方法及多源数据融合的应用，借鉴现有情感计算的研究设计，构建了面向在线教育的中学生面部表情和人脸姿态情感双维数据集；其次，运用深度学习和数据融合的方法，构建单源数据和多源数据融合的学习情感计算模型，进而比较得出最优模型；最后进行在线情感计算的反思和挑战论述，以期为在线教育学习者情感计算研究带来新的视角和启示。
情感计算本身是一个多源数据问题，基于何种数据，使用什么融合方法关乎情感计算的准确性(牟智佳, 符雅茹, 2021)。当前，现有的数据类型和数据融合方法已经不能满足大规模在线情感计算的需求，从数据的类型和融合方法层面进行创新，从而提升情感计算的准确度将是在线情感计算的重要挑战。一方面，探究表征学生行为、生理、心理等的数据，如声纹数据、眼动数据、交互数据等，从多源异构的底层数据中发现学习者的在线情感特征(吴永和等, 2021)。另一方面，尝试多种数据融合方法，从特征融合、决策融合、模型融合、混合融合等多视角探索适用于在线学习情感计算的数据融合方法。
工具：基于PyQt5自主开发的一款简易情感标注软件，ELAN6.0标注工具
模型：VGG-16和ResNet-50卷积神经网络；本研究采用基于权重规则的决策融合实现多源数据融合，通过将面部表情单源数据模型和人脸姿态单源数据模型的结果赋予不同权重，得到不同的融合结果。

来源：华东师范大学学报期刊（www.xb.ecnu.edu.cn）