大語言模型驅(qū)動的自我調(diào)節(jié)學(xué)習(xí)
定 價：108 元
- 作者：劉海等
- 出版時間：2025/5/1
- ISBN：9787030823038
- 出 版 社：科學(xué)出版社
- 中圖法分類：G442-39
- 頁碼：257
- 紙張：
- 版次：1
- 開本：B5
本書深入探討了大語言模型在自我調(diào)節(jié)學(xué)習(xí)中的應(yīng)用與實踐，首先概述了大語言模型變革教育的現(xiàn)實圖景，展示了人工智能在教育領(lǐng)域的應(yīng)用場景與實際經(jīng)驗，并詳細(xì)剖析了大語言模型與自我調(diào)節(jié)學(xué)習(xí)的緊密關(guān)聯(lián)；其次探討了基于大語言模型的學(xué)習(xí)狀態(tài)分析，如學(xué)生情感分析、注意力分析、學(xué)習(xí)過程行為檢測、課堂參與度、學(xué)習(xí)者知識狀態(tài)預(yù)測等；再次論述了基于大語言模型和個性化推薦技術(shù)的學(xué)習(xí)路徑規(guī)劃與學(xué)習(xí)行為指導(dǎo)等，揭示了現(xiàn)代技術(shù)在教育評估中的巨大潛力；最后展望了大語言模型與自我調(diào)節(jié)學(xué)習(xí)深度融合的未來發(fā)展趨勢，為教育智能化發(fā)展提供了重要參考。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
2010年至2014年,華中科技大學(xué),人工智能與自動化學(xué)院,博士
2008年至2010年,華中科技大學(xué),數(shù)學(xué)與統(tǒng)計學(xué)院,碩士2023-今,華中師范大學(xué),教授
2016-2019,華中師范大學(xué),副教授
2014-2016,華中師范大學(xué),講師
2017-2019,香港城市大學(xué)/機器人視覺實驗室,博士后/訪問學(xué)者曾榮獲湖北省科學(xué)技術(shù)進步一等獎（2020）、高等學(xué)校科學(xué)研究優(yōu)秀成果獎（科學(xué)技術(shù)）科技進步獎一等獎（2019）。[1] Liu Hai (劉海), Zhang Cheng, Deng Yongjian, Liu Tingting, Zhang Zhaoli, Li Youfu, "Orientation Cues-Aware Facial Relationship Representation for Head Pose Estimation via Transformer," IEEE Transactions on Image Processing, vol. 32, pp. 6289-6302, 2023. (SCI收錄，中科院一區(qū)Top期刊，IF(2024)=10.3，第一作者)
目錄
前言
第一部分 研究理論概述
第一章 大語言模型變革教育的現(xiàn)實圖景 3
第一節(jié) 人工智能賦能教育的應(yīng)用場景 3
第二節(jié) 人工智能賦能教育的國際經(jīng)驗 11
第三節(jié) 我國人工智能賦能教育發(fā)展路徑 19
第四節(jié) 人工智能賦能教育小結(jié) 26
參考文獻 26
第二章 大語言模型下的自我調(diào)節(jié)學(xué)習(xí)研究與實踐 29
第一節(jié) 自主學(xué)習(xí)策略驅(qū)動自我調(diào)節(jié)學(xué)習(xí)的現(xiàn)實問題 29
第二節(jié) 大語言模型支撐自我調(diào)節(jié)學(xué)習(xí)的發(fā)展 35
第三節(jié) 跨模態(tài)感知支撐的自我調(diào)節(jié)學(xué)習(xí)相關(guān)技術(shù) 42
參考文獻 57
第二部分 學(xué)習(xí)狀態(tài)研究
第三章 基于面部表情識別的學(xué)生情感分析 61
第一節(jié) 面部表情識別支撐的學(xué)生情感分析相關(guān)研究 61
第二節(jié) 面部表情識別相關(guān)知識 70
第三節(jié) 面向?qū)W習(xí)者情感分析的面部表情識別模型 75
第四節(jié) 自我調(diào)節(jié)學(xué)習(xí)下的學(xué)習(xí)者情感分析實踐 83
參考文獻 87
第四章 融入視線追蹤的學(xué)習(xí)注意力識別方法 91
第一節(jié) 面向?qū)W生注意力的視線追蹤研究回顧 91
第二節(jié) 視線追蹤相關(guān)技術(shù)知識 95
第三節(jié) 細(xì)粒度視線追蹤網(wǎng)絡(luò)模型構(gòu)建 100
第四節(jié) 視線追蹤下的學(xué)習(xí)注意力評估 108
第五節(jié) 學(xué)生注意力分析應(yīng)用展望 115
參考文獻 116
第五章 基于學(xué)生姿態(tài)的學(xué)習(xí)過程行為檢測 119
第一節(jié) 學(xué)生行為姿態(tài)檢測國內(nèi)外研究概況 119
第二節(jié) 反映學(xué)習(xí)行為過程的人體姿態(tài)估計相關(guān)技術(shù) 121
第三節(jié) 學(xué)習(xí)行為姿態(tài)估計模型構(gòu)建 126
第四節(jié) 基于姿態(tài)感知的學(xué)習(xí)過程行為識別及應(yīng)用 135
第五節(jié) 學(xué)習(xí)過程行為檢測展望 139
參考文獻 140
第六章 基于頭部姿態(tài)的學(xué)生參與反饋分析 143
第一節(jié) 學(xué)生參與度及頭部姿態(tài)研究縱覽 143
第二節(jié) 課堂環(huán)境學(xué)習(xí)者頭部姿態(tài)估計相關(guān)知識 146
第三節(jié) 面向自我調(diào)節(jié)學(xué)習(xí)的頭部姿態(tài)估計網(wǎng)絡(luò)模型 154
第四節(jié) 頭部姿態(tài)估計在學(xué)生參與反饋中的實踐創(chuàng)新 159
第五節(jié) 學(xué)生課堂參與反饋展望 166
參考文獻 166
第七章 基于知識追蹤的學(xué)習(xí)者知識狀態(tài)預(yù)測 169
第一節(jié) 知識追蹤的定義及內(nèi)涵 169
第二節(jié) 融合題目復(fù)雜性和學(xué)習(xí)者能力表示的知識追蹤方法 177
第三節(jié) 知識狀態(tài)預(yù)測展望 184
參考文獻 185
第三部分 規(guī)劃指導(dǎo)研究
第八章 基于大語言模型的學(xué)習(xí)路徑規(guī)劃 191
第一節(jié) 知識圖譜支持下學(xué)習(xí)路徑規(guī)劃研究綜述 191
第二節(jié) 知識圖譜基礎(chǔ)知識 197
第三節(jié) 大語言模型支撐的學(xué)習(xí)路徑規(guī)劃模型構(gòu)建 204
第四節(jié) 學(xué)習(xí)路徑規(guī)劃展望 213
參考文獻 214
第九章 基于個性化推薦技術(shù)的學(xué)習(xí)行為指導(dǎo) 217
第一節(jié) 教育推薦系統(tǒng)的學(xué)習(xí)行為指導(dǎo)研究概況 217
第二節(jié) 個性化推薦相關(guān)技術(shù) 220
第三節(jié) 學(xué)習(xí)行為自適應(yīng)推薦技術(shù) 228
參考文獻 236
第四部分 研究總結(jié)展望
第十章 大語言模型助推自我調(diào)節(jié)學(xué)習(xí)的未來發(fā)展 243
第一節(jié) 科學(xué)理論的變革：從自主調(diào)節(jié)到人工智能賦能的協(xié)同學(xué)習(xí) 243
第二節(jié) 大語言模型支持自我調(diào)節(jié)學(xué)習(xí)環(huán)境中的學(xué)習(xí)診斷與分析 245
第三節(jié) 學(xué)習(xí)行為的重塑：大語言模型推動自我調(diào)節(jié)學(xué)習(xí)能力提高 248
第四節(jié) 未來研究趨勢：大語言模型與自我調(diào)節(jié)學(xué)習(xí)深度融合 249
參考文獻 251
后記 253
書單推薦
