新書推薦：
《
尖叫的数学：令人惊叹的数学之美：修订新版（从数学的角度发现不一样的逻辑和处世哲学。随书附赠手账本。）
》
售價：NT$
296
《
数学老师没教过的数学
》
售價：NT$
214
《
法国在乍得的战争：在非洲的军事干预与非殖民化
》
售價：NT$
500
《
西学东渐记（插图本）
》
售價：NT$
398
《
新民说·保罗·策兰与勒内·夏尔书信集（1954—1968
》
售價：NT$
352
《
大历史学家——世界100位著名历史学家画传
》
售價：NT$
755
《
欧洲私法：1800-1914
》
售價：NT$
1520
《
教琴日记
》
售價：NT$
306
|
| 內容簡介： |
|
《面向智慧教育的学习者认知与情感计算》创新性提出“知情共育”的智慧教育新范式，重点围绕“物理-社会-信息”三元空间学习环境下学习者“认知-情感-成效”的交互作用机制、可解释表征方法、规律挖掘方法、具身发展策略等内容进行介绍，旨在建立支持学习者“认知-情感-成效”智能计算与适性调节的理论框架和技术体系，突破传统理论边界和技术瓶颈，促进智慧教育内涵式转型升级，形成“以情促知、以知增情”的智慧教育新形态，从而帮助读者全面了解智慧教育领域学习者认知与情感计算的潜在价值和应用前景。
|
| 目錄：
|
|
目录序前言第1章 绪论 11.1 引言 11.2 学习者认知计算 21.3 学习者情感计算 31.4 本章小结 5参考文献 5第2章 面向学习成效评价的认知与情感计算模型 72.1 引言 72.2 面向全人发展的学习者认知与情感协同进化理论模型 92.2.1 概述 92.2.2 “知情共育”的智慧教育理论模型 102.2.3 认知与情感协同进化的双螺旋模型 152.3 面向学习成效评价的全景化认知与情感表征模型 192.3.1 概述 192.3.2 研究方法 202.3.3 面向智慧教育的情感计算指标体系构建 212.3.4 面向智慧教育的认知测评指标体系构建 302.3.5 认知与情感结构模型构建 352.4 可解释性学习者认知与情感联合建模和动态分析方法 382.4.1 面向学习者认知与情感的可解释性表征框架 392.4.2 基于图神经网络的学习者认知与情感分析方法 402.4.3 基于时序因果模型的学习者认知与情感动态分析 412.5 基于认知与情感计算模型的学习成效评估与预测 442.5.1 概述 442.5.2 面向在线异步讨论的认知与情感联合识别 452.5.3 认知、情感和行为投入配置与学习成效的关系探究 492.5.4 基于多层次增强对比学习的MOOC学习者学习成效预测 552.5.5 联合“行为-情感-认知-社会”多特征的学习成效预测 582.6 本章小结 59参考文献 60第3章 数据和知识驱动的表征架构与训练优化 643.1 引言 643.2 典型架构 643.2.1 数据驱动典型架构 643.2.2 知识驱动典型架构 683.2.3 数据和知识双驱动 713.3 学习方法输出结果的可解释性 743.3.1 基于可视化的解释方法 743.3.2 基于文本的解释方法 753.3.3 基于数值的解释方法 763.3.4 智慧教育中的可解释性研究 763.4 数据和知识驱动的表征架构与训练优化方法 773.4.1 数据和知识驱动的表征架构概述 773.4.2 三层架构的知识表示 793.4.3 训练与优化方法 803.4.4 目标计数 813.4.5 人物交互检测 873.4.6 组合零样本学习 933.4.7 学习者行为识别 963.4.8 在线学习者表情识别 1013.4.9 线下课堂表情识别 1053.4.10 双视角注视目标估计 1093.4.11 结合大模型与结构约束的强化因果发现方法 1133.4.12 广义类别发现 1163.4.13 学习者可解释性 1193.4.14 可解释的在线学习者专注度识别 1233.5 原型系统 1273.5.1 系统功能介绍 1273.5.2 系统主要功能 1283.6 本章小结 132参考文献 133第4章 学习者认知与情感规律挖掘方法 1424.1 引言 1424.2 相关技术概述 1434.2.1 规律挖掘方法简述 1434.2.2 认知规律挖掘方法 1444.2.3 情感规律挖掘方法 1454.3 基于深度知识追踪解释器的认知规律挖掘 1454.3.1 概述 1464.3.2 方法提出 1474.3.3 实验与分析 1534.4 基于深度符号回归的认知规律挖掘 1564.4.1 概述 1564.4.2 方法提出 1584.4.3 实验与分析 1634.5 基于心理信息网络的认知规律挖掘 1664.5.1 概述 1674.5.2 方法提出 1684.5.3 实验与分析 1754.6 基于结构方程模型的认知-情感-成效耦合规律挖掘 1764.6.1 概述 1774.6.2 方法提出 1784.6.3 实验与分析 1814.7 基于预剪枝方程学习器的规律方程挖掘方法 1884.7.1 概述 1894.7.2 方法提出 1904.7.3 实验与分析 1924.8 本章小结 197参考文献 197第5章 面向三元空间学习场景的认知情感演化规律与发展体系 2045.1 引言 2045.2 国内外相关现状 2055.2.1 虚实相融的学习场景构建 2055.2.2 知识技能与情感具身演化建模 2075.2.3 认知与情感演化规律 2095.2.4 学习场景的认知情感归因 2115.2.5 认知与情感发展体系构建 2145.3 面向三元空间的虚实相融个性化可交互学习场景构建 2165.3.1 基于人-机-物深度融合的个性化具身学习交互机理 2165.3.2 三元空间表征下虚实相融的学习场景构建 2175.3.3 三元空间表征下虚实相融的典型应用场景 2215.4 三元空间学习场景混合增强下知识技能与情感演化模型构建 2245.4.1 知识技能与情感要素结构体系划分及关联分析 2255.4.2 时序过程下的知识技能与情感层级具身演进过程及转化机制 2275.4.3 混合增强下知识技能与情感具身演化模型构建 2305.5 基于时序图神经网络的认知与情感演化规律分析 2365.5.1 面向三元空间学习场景的认知与情感数据集构建 2365.5.2 多模态数据支持下基于时序GNN的认知与情感演化分析 2375.5.3 基于学习者认知与情感规律发现的实证研究 2515.6 基于混合推理的三元空间学习场景认知情感归因 2535.6.1 三元空间学习场景下的学习者去偏认知情感表示学习研究 2545.6.2 三元空间学习场景下的学习者认知情感异常归因建模 2555.6.3 基于混合推理的学习认知情感细粒度归因诊断 2585.6.4 面向三元空间学习场景的认知情感归因实证应用 2595.7 三元空间学习场景下认知与情感适性具身发展体系构建 2675.7.1 三元空间学习场景下认知与情感适性具身发展体系调研 2675.7.2 复杂知识-高阶认知-有利情感的协同促进机理分析 2685.7.3 三元空间学习场景下面向认知与情感的具身策略设计 2695.8 本章小结 278参考文献 279第6章 展望 286彩图
|
| 內容試閱：
|
|
第1章绪论 1.1引言 学习者是教育系统的核心要素，认知与情感是刻画学习者的两个主要维度，也是影响学习成效的两大关键因素。在数字化转型浪潮下，教育正经历从“知识传递”向“全人发展”的范式重构。智慧教育是以智能技术为支撑，通过融合物联网、边缘计算、生成式AI等感知化、互联化、智慧化技术，构建“物理-社会-信息”三元协同的数字化教育生态。其核心目标在于突破传统教育局限，赋能师生教学潜能，培养兼具正确价值导向、髙阶思维能力和实践创新素养的新型人才。然而，当前智慧教育仍面临双重困境：其一，传统教育长期存在的“重认知、轻情感”割裂思维，导致学习者的情感动机与认知发展失衡；其二，人机协同场景下学习成效的机理不明晰，认知与情感的内隐性与复杂性使得教育干预难以精准化[1]。 “知情共育”是智慧教育的新范式，旨在突破传统教育中“重认知、轻情感”的割裂思维，将认知与情感的协同发展视为学习的本体性存在。其核心是通过技术赋能构建“认知-情感-成效”的动态交互模型，实现知识建构与情感动机的有机统一。“知情共育”突破认知与情感的二元对立，将其视为学习发生的“双螺旋”结构，强调“以情促知、以知增情”的协同进化机制。认知计算掲示知识建构规律，支持个性化能力培养；情感计算优化动机驱动机制，促进深度学习投入。学习者认知与情感计算是智慧教育落地的两大支柱：前者聚焦知识建构与思维跃迁，后者关注动机激发与情绪调节。二者的深度融合契合“知情共育”的理论内核，为培养兼具批判性思维与社会情感能力的创新人才提供科学路径。 智慧教育领域长期面临“重认知、轻情感”困境，以及学习状态内隐、成分多元、关系复杂等难题。在此背景下，如何实现全方位、精准化的学习者认知与情感计算是国际学术前沿。本书创新性提出“知情共育”的智慧教育新范式，重点围绕“物理-社会-信息”三元空间学习环境下学习者“认知-情感-成效”的交互作用机制、 可解释表征方法、规律挖掘方法、具身发展策略等内容进行介绍，旨在建立支持学习者“认知-情感-成效”智能计算与适性调节的理论框架和技术体系，突破传统理论边界和技术瓶颈，促进智慧教育内涵式转型升级，形成“以情促知、以知增情”的智慧教育新形态。 1.2学习者认知计算 认知是人类对外部信息进行感知、加工、存储和应用的高级心理过程，涵盖记忆、理解、分析、创造等思维活动，是智慧形成的基础。其研究领域广泛，涉及心理学、神经科学、教育学等多学科交叉。然而，在智慧教育框架下，学习者认知特指在教育场景中，学习者对学科知识的建构过程、思维能力的动态发展以及问题解决的实践路径。其核心是通过技术手段量化学习者的认知状态，解决传统教育中认知内隐性与过程黒箱化的难题。其研究范畴包含以下几个方面。 1.认知理论构建 基于“物理-社会-信息”三元空间融合理论框架，构建具身化认知活动模型，突破传统教育中“认知孤立”的实践困境。物理空间通过智能传感装置(脑电头环、压力传感器等)实时获取环境参数与生理信号，建立“环境剌激-生理响应-认知负荷”的动态量化关系。物理空间的数据感知不仅掲示学习者的即时认知负荷水平，还为认知资源分配效率提供量化依据。社会空间聚焦协作学习中的多主体交互动力学，通过自然语言处理技术解析同伴对话的情感极性，验证社会互动对前额叶皮层激活的增益效应，掲示群体认知协同的演化规律。信息空间则依托动态知识图谱技术，将学科体系解构为概念节点、属性关系及约束规则，结合学习者的交互日志与眼动轨迹实现认知状态的实时建模，形成“知识断层诊断一认知冲突识别一自适应干预一效果反馈与再诊断”的闭环机制。 2.认知状态建模 认知建模通过多尺度方法论解构认知活动的内在机制。在知识网络构建层面，采用动态知识图谱技术将学科体系解构为概念节点、属性关系及约束规则，并基于学习者的交互日志、眼动轨迹、脑电信号等多源数据实现认知状态的实时映射。知识追踪(Knowledge Tracing)[2]技术在此过程中发挥关键作用，通过分析习题序列的响应模式，识别出知识点间的迁移障碍，能够触发自适应复习策略推送。认知诊断(Cognitive Diagnosis)进一步结合项目反应理论(Item Response Theory，IRT)，构建细粒度认知能力评估模型。神经认知建模能够整合功能性近红外光谱(functional Near-Infrared Spectroscopy，fNIRS)与脑电技术(Electroencephalogram，EEG)，从而揭示认知发展的神经可塑性机制。 3.认知规律挖掘 利用大规模学习数据分析学习者的认知模式和知识构建过程，为精准诊断与个性化干预提供科学依据。通过深度学习和统计建模技术，探索不同学习者在概念理解、知识迁移和问题解决中的认知特征。例如，利用时序分析和聚类算法，识别不同认知风格的学习路径，优化个性化教学方案。同时，结合因果推理方法，可揭示影响学习效果的关键因素，促进精准教学干预。 4.认知路径优化 认知路径优化通过智能算法实现学习序列的动态适配，其技术框架融合强化学习与认知诊断理论，构建“评估-决策-执行”的闭环调节系统。在状态空间中定义认知水平、知识掌握度与情感状态三维变量，动作空间涵盖学习资源**、任务难度调节与反馈策略选择。结合认知诊断模型与实时反馈机制，针对知识盲区推送精准补救资源。例如，智能导学系统通过缩短“*近发展区”，促进高阶思维能力的跃迁。 学习者认知计算的终极目标是实现“认知可计算化”，通过数据驱动的动态建模与干预，推动教育从“标准化教学”向“个性化能力培养”转型。其不仅可用于知识诊断，更能通过揭示认知演化规律(如从“记忆”到“创造”的脑区激活模式），为“知情共育”范式提供认知维度的科学支撑。 1.3学习者情感计算 情感是人类对内外环境的王观体验，包括动机、兴趣、情绪等心理状态，是驱动学习行为的核心动力。广义的情感研究涉及心理学、社会学等领域，而学习者情感特指教育场景中，学习者对学习任务的投入程度、情绪波动及其对认知成效的影响机制。其核心是通过多模态数据融合，量化情感状态，破解传统教育中“情感缺位”的困境。其研究范畴包含以下几个方面。 1.情感理论构建 教育情感计算涉及教育场景中情感的感知与理解、建模与预测、干预与调节、生成与表达研究等方面，是人工智能与教育的交叉研究领域[4]。教育场景专用的情感计算理论体系通常以“离散-维度”双模型融合框架为基础，并进一步整合了Ekman基本情绪理论[5]与PAD三维情感模型[6]，形成教育场景专用的情感计算理论体系。物理空间通过可穿戴设备实时监测皮肤电导率、心率变异性等生理指标，构建基于交感神经激活强度的情感量化标尺，实现情感唤醒度的客观测量。社会空间采用自然语言处理技术解析协作对话中的情感语义，识别教师正向反馈对学习动机的增益效应，掲示群体情感共鸣的传播规律。信息空间则从学习行为日志中提取情感适应性规律，构建“情感-认知”动态映射模型，为情感状态的时序化分析提供理论支撑。 2.情感状态建模 情感状态能够客观反映学生在学习过程中的情绪体验，以及学生对学习内容、学习资源、学习活动、学习环境的情感偏好。通过对学生情感状态细粒度、时序性、动态性的精准刻画，研究者能够挖掘学生的认知偏好、学习风格、学习动机等深层次特征，从“多源数据感知-外显状态表征-内隐特征刻画”等多个层次构建系统化的学习者模型，以更好地表征学习者的本体特征[7]。 3.情感规律挖掘 情感规律挖掘通过多维分析方法掲示情感状态与认知成效的动态耦合机制，利用关联规则挖掘揭示情感与学习成效的动态关联。情感规律挖掘致力于解构教育生态系统中情感动力学的时空演化机制，其理论范畴涵盖三个维度：在哲学层面突破传统教育“知情二元论”的认知桎梏，构建情感与认知辩证统一的元理论框架；在教育学层面揭示情感驱动认知跃迁的内在作用规律，确立“以情优教”的实践范式；在技术层面建立情感状态的多维表征体系，支撑教育情感计算模型的范式转型。这一研究范畴的拓展重塑了教育规律的认知维度——情感波动不仅是学习过程的伴随现象，更是构成认知跃迁的序参量：情感能量的动态平衡调控着知识建构的耗散结构，群体情感的协同共振催生教育生态的相变演化，而情感与认知的非线性相互作用则定义了教育系统的复杂适应边界。例如，持续“兴奋”可能导致认知过载，而间歇性“困惑”伴随后续“顿悟”可提升长期记忆。 4.情感动态干预 情感动态干预通过构建智能化调控系统，实现教育场景中情感状态的实时感知与自适应调节。该体系依托多模态感知网络，整合生理信号监测、行为模式分析与社会交互解析等多维度数据流，形成对学习者情感状态的立体化认知。在生理层面，可穿戴设备持续捕捉皮肤电导率、心率变异性等自主神经活动特征，建立情感唤醒度的动态量化模型；行为层面通过时序行为轨迹分析识别认知投入波动周期，精准定位注意力分散或学习倦怠的关键节点；社会交互层面则运用自然语言处理技术解构协作对话中的情感语义，结合社交网络拓扑分析评估学习者的社会支持需求。 学习者情感计算的本质在于弥补传统教育的情感缺位，通过情感状态的量化分析与动态调控，激发学习者的内在动机与探索精神。其不仅服务于情感诊断，更通过构建“情感-认知”双螺旋模型，为“知情共育”提供情感维度的协同机制，最终实现“以情促知”的智慧教育目标。 1.4本章小结 本章作为全书的开篇，立足于数字化转型与创新人才培养的时代背景，阐释了智慧教育的核心内涵与实践框架。智慧教育作为教育信息化的高阶形态，以技术赋能重构“物理-社会-信息”三元融合的学习生态，旨在通过智能化环境、创新教学法与学习者赋能的协同作用，培养兼具批判性思维、实践智慧与社会情感能力的复合型人才。 针对传统教育长期存在的“重认知、轻情感”困境，本书提出“知情共育”新范式，强调认知与情感的协同发展是学习发生的本体性存在。通过构建“认知-情感-成效”双螺旋交互模型，揭示知识建构与情感动机的动态平衡机制，推动教育从单一“知识传递”向“全人发展”的范式跃迁。在技术路径上，智慧学习环境依托物联网、知识图谱与生成式AI等技术，实现学习状态的实时感知与动态适配；认知计算聚焦知识状态诊断与学习路径优化，情感计算则通过多模态数据分析量化情绪状态并激发内在动机，二者协同探索并厘清学习机理的内隐性与复杂性。
|
|
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
