基于系统性文献综述的多模态学习分析研究进展与前瞻

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.

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

所属期刊栏目：34

分类号：G434(电化教育)

资助基金：广东省高等教育教学改革项目;华南师范大学挑战杯金种子培育项目

在线出版日期：2022-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：54-63