图书简介:
第 1 章 人工智能时代移动学习1.1 人工智能时代教育变革1.1.1 人工智能教育新时代的到来1.1.2 人工智能对新时代教育影响1.1.3 人工智能教育跨界融合应用1.1.4 人工智能教育发展趋势1.2 人工智能时代移动学习现状1.2.1 移动学习发展变革1.2.2 移动学习理论基础1.2.3 移动学习研究内容1.2.4 移动学习应用领域1.3 人工智能时代移动学习发展:机遇与挑战1.3.1 人工智能时代移动学习发展面临的机遇1.3.2 人工智能时代移动学习发展面临的挑战本章小结第 2 章 移动学习智能服务体系设计2.1 人工智能时代移动学习框架2.1.1 移动学习框架构成要素2.1.2 移动学习框架逻辑关系2.2 人工智能时代智能服务2.2.1 智能服务概述2.2.2 教育领域的智能服务2.3 移动学习智能服务设计思路和原则2.3.1 移动学习智能服务设计思路2.3.2 移动学习智能服务设计原则2.4 移动学习智能体系设计2.4.1 移动学习智能服务框架2.4.2 移动学习智能服务功能2.5 移动学习智能服务关键技术2.5.1 移动互联网技术2.5.2 自适应学习技术2.5.3 深度学习2.5.4 语音识别技术2.5.5 情感计算技术2.5.6 自然语言处理技术本章小结第 3 章 移动学习行为影响因素分析3.1 移动学习行为概论3.2 移动学习行为分析3.2.1 移动学习能力要素3.2.2 学习行为层次化结构模型3.2.3 移动学习行为类型3.2.4 移动学习行为特征3.3 学习领域影响因素分析理论3.3.1 计划行为理论3.3.2 技术接受模型3.3.3 整合型技术接受与使用理论3.4 移动学习行为影响因素模型设计3.4.1 移动学习行为影响因素文献综述3.4.2 移动学习行为影响因素模型3.4.3 变量定义与测量指标3.4.4 研究假设3.5 移动学习行为影响因素实证研究3.5.1 问卷设计3.5.2 问卷发放与回收情况3.5.3 描述统计分析3.5.4 问卷信效度分析3.5.5 问卷因子分析3.5.6 结构方程建模验证与优化3.5.7 研究结果与讨论本章小结第 4 章 移动学习资源设计服务4.1 移动学习资源研究现状4.1.1 移动学习资源设计与开发现状4.1.2 移动学习资源管理现状4.1.3 移动学习资源应用现状4.1.4 移动学习资源评价现状4.1.5 面临的挑战和未来的发展4.2 移动学习资源设计理论基础4.2.1 移动学习资源概念4.2.2 移动学习资源特点4.2.3 移动学习资源设计原则4.2.4 移动学习资源设计理论依据4.3 移动学习资源设计4.3.1 移动学习资源设计可行性分析4.3.2 移动学习资源设计要素及其关系4.3.3 移动学习资源设计总体思路4.3.4 移动学习资源设计影响因素4.3.5 移动学习资源设计模型4.4 基于概念图理论的移动学习资源设计4.4.1 概念图理论4.4.2 资源设计服务过程4.4.3 资源设计案例分析4.5 移动学习资源自适应呈现服务策略4.5.1 资源自适应呈现研究必要性4.5.2 资源自适应呈现研究现状4.5.3 移动学习资源自适应呈现问题描述4.5.4 基于 ANFIS 的移动学习资源自适应呈现服务4.5.5 实证研究结果分析本章小结第 5 章 移动学习个性化资源推荐服务5.1 移动学习资源推荐研究现状5.1.1 在线学习资源个性化推荐5.1.2 移动学习个性化资源推荐研究5.1.3 存在的问题5.2 移动学习个性化资源推荐问题5.2.1 移动学习个性化资源推荐的定义5.2.2 移动学习个性化资源推荐原则5.2.3 移动学习个性化资源推荐影响因素5.3 移动学习个性化资源推荐策略5.3.1 移动学习资源推荐理论框架5.3.2 移动学习个性化资源推荐模型5.4 移动学习个性化资源推荐方法设计5.4.1 移动学习个性化资源推荐算法设计5.4.2 移动学习个性化资源推荐流程设计5.5 移动学习个性化资源推荐方法性能分析5.5.1 移动学习资源推荐算法性能测试5.5.2 移动学习资源推荐方法性能分析5.6 移动学习个性化资源推荐应用本章小结第 6 章 移动学习路径自适应规划服务6.1 移动学习路径自适应规划研究现状6.1.1 在线学习路径自适应规划研究6.1.2 移动学习路径自适应规划研究6.1.3 存在的问题6.2 移动学习路径规划问题描述及本体设计6.2.1 移动学习路径规划问题描述6.2.2 移动学习行为序列定义6.2.3 移动学习行为对象本体设计6.3 移动学习路径自适应规划模型构建6.3.1 学习路径自适应规划模型6.3.2 知识点结构关系优化6.3.3 移动知识网络构建6.3.4 移动学习路径背离度函数定义6.4 移动学习路径自适应规划方法6.4.1 移动学习路径规划算法设计6.4.2 移动学习路径背离度函数优化6.4.3 移动学习路径自适应规划方法6.5 移动学习路径自适应规划方法性能分析6.5.1 知识点结构关系优化方法6.5.2 移动学习路径自适应规划方法分析6.6 移动学习路径自适应规划服务应用设计6.6.1 案例应用背景6.6.2 课程资源分析6.6.3 其他相关本体6.6.4 规划结果展示本章小结第 7 章 移动学习伙伴分组服务7.1 移动学习伙伴概述7.1.1 学习伙伴演变与作用7.1.2 在线学习伙伴分组研究7.1.3 移动学习伙伴分组研究7.1.4 移动学习伙伴分组核心问题7.2 移动学习伙伴模型设计7.2.1 学习伙伴基础理论7.2.2 移动学习伙伴模型7.2.3 移动学习伙伴模型抽象表示7.2.4 移动学习伙伴模型应用框架7.3 移动学习伙伴分组策略7.3.1 移动学习伙伴分组问题描述7.3.2 基于 K 近邻算法的移动学习伙伴分组策略7.3.3 移动学习伙伴分组策略实证分析本章小结
展开
《人工智能时代移动学习服务》从技术服务于学习的视角,对移动学习智能服务的研究内容进行了全面梳理和深入研究,对人工智能时代移动学习研究工作的开展具有较好的借鉴作用。2008 年 5 月本人与诺基亚研究中心高级研究经理 Jyri Salomaa 合作出版了国内第一部移动学习专著《移动学习—理论·现状·趋势》,十余年过去了,互联网环境、移动终端设备、移动学习平台以及学习者的学习方式都发生了很大变化。虽然移动互联网环境下随时随地开展移动学习条件越来越成熟,移动学习方式也更加被大众所了解和接受,但是进入到人工智能时代,如何构建人工智能时代移动学习框架?如何设计人工智能时代移动学习活动,提供学习新服务?如何以高效方式开展个性化、智慧化及交互化移动学习资源设计?如何合理地应用智能技术,提供移动学习智能服务,真正实现移动学习模式支持自适应学习目标的达成?本书对这些人工智能时代移动学习研究问题都有了很好的探索和思考。正如本书作者所说:“人工智能时代移动学习研究的核心问题在于,学习者对智能学习模式应用、优质资源供给以及学习目标高效达成的学习服务期待与目前移动学习领域学习服务单一化、学习资源低质化以及学习互动表层化之间的矛盾。”这为我们开展人工智能时代移动学习研究提供了新视角。书中采用文献梳理和逻辑演绎方法提出了移动学习智能服务体系,而且书中还详细阐述了通过量化研究方式开展实证研究,如第 3 章移动学习行为影响因素分析;并将计算思维理论应用于移动学习服务研究中,提出服务问题的模型建构、模型求解以及机理分析研究范式新思路,如第 4 章、第 5 章、第 6 章以及第 7 章相关内容。这无疑对于我们丰富和创新移动学习研究方式具有启发性和指导性。本书作者浙江工业大学教育技术学学科李浩君博士,长期从事智能技术与移动学习融合研究。本书内容不仅是对作者所开展的移动学习领域课题研究工作以及发表的学术论文系统地整理,也是对人工智能时代移动学习研究工作的新探索,凝聚了作者多年来移动学习领域的研究成果,是一部具有鲜明时代特点、紧随学科前沿的学术佳作。
黄荣怀2020 年 10 月
前 言
随着以人工智能、大数据、云计算、物联网技术为核心的新一代信息技术快速发展,助力教育装备的现代化、智能化、互动化革新,也驱动教学过程向智慧化、数据化及全息化方向发展。人工智能时代,移动学习秉承以学习者为主体、以教师为引导的主动服务教学理念,发挥智能技术服务于教育教学优势,满足学习者个性化的学习需求,是适应未来数据驱动的新型教学方式。本书源于技术服务教育理念,聚焦于移动学习服务,从教育学、人工智能、心理学多维度系统阐释人工智能时代移动学习智能服务体系,探索人工智能技术与移动学习融合视角下学习服务内涵演变、系统重构以及服务模式的创新,旨在将人工智能新的生产要素转换为移动学习服务变革和创新的生产力,是目前人工智能与移动学习交叉研究领域较有特色的研究工作。本书在分析人工智能时代教育变革与移动学习发展基础上,围绕人工智能时代移动学习服务架构及其内在关系,设计移动学习智能服务体系,分析移动学习智能服务关键技术。针对移动学习行为层次化、多元化特点,构建移动学习行为影响因素模型,并从移动学习使用行为意愿、操作行为意愿以及持续使用行为意愿等方面分析移动学习行为影响因素,为后续移动学习服务设计提供理论参考。针对人工智能时代移动学习资源个性化、交互化、智慧化发展趋势,提出了人工智能时代移动学习资源设计原则,阐述概念图理论引导下移动学习资源设计流程,开展了移动学习资源自适应呈现服务策略研究。针对移动学习智能服务核心个性化资源推荐问题,设计了移动学习个性化资源推荐模型,提出了基于多目标粒子群优化算法的移动学习个性化资源推荐策略。针对移动学习路径自适应规划问题,在定义学习日志本体、学习者本体、学习情境本体以及学习资源本体等要素基础上,构建移动学习路径多维本体关联模型,提出了基于 CUBPSO 优化算法的移动学习路径自适应规划方法。针对移动学习伙伴分组研究问题,通过对移动学习者特征、学习者动态交互特征以及学习情境特征分析,构建融合学习情境特征的移动学习伙伴模型,分析移动学习伙伴模型形式化描述和数据化表征,提出了基于 K 近邻算法的移动学习伙伴分组策略。本书大部分内容取自作者自身以及指导的研究生的科研成果,其中包括徐佳程硕士、吴亮亮硕士、唐杰硕士、项静硕士等所做的相关研究工作。浙江金融职业学院戴海容老师参与第 3 章内容整理工作,杭州市电子信息职业学校张鹏威老师参与第 4 章内容整理工作,浙江工业大学教育科学与技术学院汤琰、蒋红、何佳乐、王文靖、吴芳妍、杨琳、聂新邦、张聪俐、梁艳艳、高鹏等研究生参与全书资料整理工作,感谢大家的辛勤劳动和付出。最后,感谢浙江工业大学社会科学研究院为本书出版提供的资助,感谢电子工业出版社对本书出版给予的支持和帮助,感谢出版社编辑对书稿修改、出版所做的辛勤劳动。本书相关研究得到浙江省教育科学规划研究重点课题(SB116)、教育部人文社会科学研究青年基金项目(15YJCZH023)、国家社科基金年度项目(16BTQ084)等项目的资助;本书还引用了大量的学术文献资料,在此一并表示感谢。由于作者学识水平有限,书中不妥之处在所难免,恳请同行专家和读者批评指正!
李浩君2020 年 10 月
展开