多模态学习融合分析(MLFA)研究:学理阐述、模型样态与应用路径
基于第四范式数据密集型计算的科学研究,要求对海量大数据进行精准化分析.多模态学习分析通过整合多个模态数据,能够为教育科学研究提供准确研判,但仍受到模态异质性差距、场景复杂性和创新分析方法等的挑战,导致难以挖掘教育大数据的潜在价值.因此,需要在学理上阐述教育分析技术历程和趋向,基于经验与机器学习结合的混合分析方法,进行多模态学习融合分析.在方法上,构建包括媒体工具空间、分析空间和内容资源空间的空间结构模型,并基于三个空间的关系,构建以机器学习融合表达为核心的多模态学习融合分析框架,并从技术和学习视角解读多模态融合的内涵.在策略上,扎根真实教学场景,从关系模型构建、影响因素和选择路径三个方面,探索场景驱动的模态组合策略的应用路径.多模态学习融合分析研究,一方面,提供了能够尽可能挖掘多模态数据隐含价值的新方法;另一方面,提供了有效融合分析所需要的数据模态选择路径,能够有效促进教育领域多模态数据融合研究的进一步发展.以实现科学、精准的教育教学,从而推动教育智能治理和教育数字化的转型与创新发展.
学习分析、多模态学习分析、多模态学习融合分析、教育大数据、多模态数据、场景驱动、机器学习
39
G420(教学理论)
上海市科技创新行动计划人工智能科技支撑专项项目;其课题三人工智能教育大脑研究项目
2021-06-09（万方平台首次上网日期，不代表论文的发表时间）
共10页
32-41
