新書推薦：
《
万物皆有时：中世纪的时间与生活
》
售價：HK$
449
《
英特纳雄耐尔——《国际歌》的诞生与中国革命
》
售價：HK$
857
《
去看看！我们的世界自然遗产（全5册）
》
售價：HK$
490
《
爱丁堡古罗马史（上辑1-4卷）
》
售價：HK$
1422
《
心悦读丛书·善与恶的距离：日常生活中的伦理学
》
售價：HK$
347
《
万有引力书系 · 崇祯七十二小时：大明王朝的最后时刻
》
售價：HK$
398
《
星鱼
》
售價：HK$
407
《
跟着TED学科学：物理
》
售價：HK$
255
|
| 內容簡介： |
|
《计算教育学（第二版）》从哲学与科学视角阐释了教育的可计算性，对计算教育学的理论体系、研究方法、研究范式等内容进行了系统梳理，围绕场景计算、主体计算、服务计算和计算教育伦理四大核心任务，侧重于将数据驱动与人工智能驱动的研究范式相结合，旨在通过构建多学科交叉的方法论体系，推动提升教育服务质效、创新人才培养方法、重构教育研究与实践路径。 《计算教育学（第二版）》始终以“技术赋能教育规律发现”为主线，并特别探讨了教育研究范式和未来教育图景，以期为加速教育的科学化进程、促进教育创新发展提供理论工具与实践指南。
|
| 目錄：
|
|
目录序 29前言 30第一部分 概述第1章 教育的可计算 31.1 教育可计算的理论根基 41.1.1 计算与计算主义 41.1.2 人文社会科学中的“计算” 61.1.3 科学研究中的第四范式 91.2 教育可计算的物质基础 101.2.1 教育信息化实践发展 101.2.2 教育数据的要素化 12参考文献 13第2章 计算教育学 152.1 概念与框架 152.2 关键问题与核心任务 182.3 应用领域与面临的挑战 19参考文献 21第3章 研究对象与方法 233.1 计算教育学的研究对象 233.2 计算教育学的研究方法 273.2.1 教育数据与分析挖掘 283.2.2 定性研究与定量研究相融合的学习分析 293.2.3 互联网教育中的实证研究 313.2.4 脑科学与教育科学相融合的实验研究 333.2.5 基于群体动力学的群体学习演化机理研究 353.2.6 基于计算机模拟的教育系统研究 36参考文献 38第二部分 场景计算第4章 教育场景计算 454.1 简介 454.2 概念内涵 464.3 智慧教室 504.4 智慧校园 534.5 其他场景 564.5.1 在线学习场景 564.5.2 户外学习场景 574.5.3 游戏化学习场景 57参考文献 59第5章 教育边缘计算 615.1 简介 615.2 教育边缘计算相关技术 625.2.1 教育边缘计算的内涵和特点 635.2.2 教育边缘计算框架 665.2.3 边缘计算的关键技术 665.3 边缘计算的应用、挑战与展望 695.3.1 应用 695.3.2 挑战 725.3.3 展望 72参考文献 74第6章 空空间数据感知 766.1 简介 766.2 教育数据感知 776.2.1 虚拟空间教育数据感知 776.2.2 物理空间教育数据感知 806.2.3 双空间融合教育数据感知 826.3 展望 83参考文献 84第三部分 主体计算第7章 知识追踪 897.1 简介 897.2 概率知识追踪模型 917.2.1 基于隐马尔可夫模型的知识追踪 917.2.2 基于贝叶斯网络的知识追踪 937.3 深度知识追踪模型 967.3.1 基于深度神经网络的知识追踪 967.3.2 基于深度政策的知识追踪 997.4 因子分析知识追踪模型 1017.5 融合知识追踪模型 1047.6 可解释知识追踪模型 1077.6.1 事前可解释方法 1087.6.2 事后可解释方法 110参考文献 112第8章 认知风格 1188.1 简介 1188.2 基于问卷和心理计量测验的认知风格分类 1198.3 基于神经网络方法的认知风格识别 1218.4 基于模糊分类树的认知风格预测 1248.5 基于贝叶斯网络的认知风格推理 1258.6 基于遗传算法的认知风格分析 1278.7 基于语义分析的认知风格识别 1288.8 其他方法 129参考文献 131第9章 情感状态 1389.1 简介 1389.2 基于量表的情感测评 1399.3 基于生理信号的情感检测 1419.4 基于面部表情的情感识别 1439.5 基于语音信号的情感检测 1459.6 基于文本数据的情感分析 1479.7 基于多模态数据的情感识别 1499.8 基于行为-主题概率建模的情感分析 150参考文献 152第10章 群体学习 15510.1 简介 15510.2 群体学习动力学 15610.3 群体学习演化模式 16210.4 群体学习中的多层网络 16710.5 群体学习中的模体 172参考文献 175第四部分 服务计算第11章 资源** 18311.1 简介 18311.2 知识图谱 18311.2.1 知识图谱的定义及分类 18311.2.2 知识图谱的特点 18411.2.3 知识图谱**方法分类 18511.2.4 学科知识图谱 18711.3 学习路径规划 19011.3.1 定义 19011.3.2 作用 19111.3.3 实现技术 19211.4 个性化资源** 19711.4.1 定义与分类 19711.4.2 作用 19911.4.3 实现技术 20011.5 实际案例 205参考文献 208第12章 教育数据可视化 21012.1 简介 21012.2 学习主体可视化 21012.2.1 画像模型架构 21012.2.2 画像模型构建 21312.3 学习过程可视化 21712.3.1 概念图 21812.3.2 思维导图 21912.3.3 思维地图 22012.3.4 MindGen平台 22012.3.5 Insight Maker工具 22312.3.6 学习路径表征 22412.4 学习资源可视化 22712.4.1 游戏化体感交互学习资源 22812.4.2 增强现实(AR)的资源表达 22912.4.3 地图化在线学习资源 23012.4.4 基于地图的教育大数据可视化分析方法 23112.5 基于地图的教育大数据可视化分析方法 23212.5.1 基于地图定位与编码的教育大数据整合方法 23212.5.2 基于教育大数据的地图分布可视分析方法 23312.5.3 基于校园感知数据的资源关联可视分析方法 23312.5.4 基于图层区域分析的资源关联可视分析方法 23312.5.5 基于时空与群体分析的知识分享可视分析方法 234参考文献 234第13章 教育评价 23613.1 简介 23613.2 教学环境评价 23613.2.1 定义 23613.2.2 评价指标 23713.2.3 评价方法 23813.3 教育主体评价 24013.3.1 定义 24013.3.2 评价指标 24113.3.3 评价方法 24313.4 教育资源评价 24713.4.1 定义 24713.4.2 评价指标 24713.4.3 评价方法 24913.5 教育管理评价 25113.5.1 定义 25113.5.2 评价指标 25113.5.3 评价方法 253参考文献 255第五部分 范式第14章 教育研究新范式 25914.1 简介 25914.2 研究范式 25914.2.1 教育研究范式的演进 25914.2.2 人工智能驱动的科学研究范式 26014.3 人工智能驱动的教育研究：AI4ES 27014.3.1 AI4ES的内涵与特征 27014.3.2 AI4ES的典型教育研究 27214.3.3 AI4ES在教育学细分领域中的应用趋向 277参考文献 282第六部分 伦理第15章 计算教育伦理 28915.1 简介 28915.2 教育数据伦理 29215.2.1 教育数据伦理的核心问题及面临的挑战 29315.2.2 教育数据伦理准则 29615.3 人工智能伦理 29915.3.1 人工智能伦理的核心问题及面临的挑战 30215.3.2 人工智能伦理准则 30415.4 智能教育伦理 30815.4.1 智能教育伦理的核心问题及面临的挑战 31015.4.2 智能教育伦理准则 31315.5 计算教育伦理治理 31615.5.1 建立伦理防控收敛机制 31615.5.2 完善教育数据管理机制 31715.5.3 关注算法黑箱及技术偏见问题 31815.5.4 明确人工智能技术准入机制与路径 31915.5.5 提升计算教育伦理素养 32015.5.6 建立多元主体协同共治机制 320参考文献 321第七部分 未来第16章 未来教育 32716.1 简介 32716.2 全球发展战略 32716.2.1 中国 32716.2.2 欧盟 33316.2.3 其他发达国家的教育 33716.3 GAI之于教育的现实意义 34016.3.1 GAI变革教育治理的实践路径 34416.3.2 GAI助力教育创新的未来进路 34616.4 未来时代展望 35116.4.1 技术展望 35116.4.2 未来展望 354参考文献 358
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
