期刊文章详细信息
文献类型:期刊文章
QU Jing;LIU Kai;HU Xiangen;YANG Po;JIANG Zhuoxuan(Graduate School of Education,Peking University,Beijing 100871,China;School of Psychology,Central China Normal University,Wuhan 430079,China;College of Educational Science,Bohai University,Jinzhou 121007,China;ID AI Research,Shanghai 20001,China)
机构地区:[1]北京大学教育学院,北京100871 [2]华中师范大学心理学院,湖北武汉430079 [3]渤海大学教育科学学院,辽宁锦州121007 [4]京东AI研究院,上海200001
基 金:国家自然科学基金项目“面向青少年网络适应的个性化信息服务优化方法研究”(71974072);中国博士后资助项目“基于角色冲突的虚拟小组讨论构建原则及教学效果研究”(2016M590702)。
年 份:2020
卷 号:26
期 号:4
起止页码:112-120
语 种:中文
收录情况:BDHX、BDHX2017、CSSCI、CSSCI2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊
摘 要:对话式智能导学系统通过模仿人类自然语言对话辅导,能够促进学习者的综合分析、定性推理等深度学习能力。本研究基于深度学习视角,用文献分析法对其概念内涵、理论基础、架构特点和学习效果等相关研究进行梳理,指出对话式智能导学系统对深度学习具有明显的促进作用,但也存在学习效率欠佳、深度学习支持不足及开发成本过高三个亟待解决的问题。为进一步推动对话式智能导学系统的发展,本研究建议重视跨学科合作、引入通用智能导学框架、考虑潜在的伦理问题,同时着重关注多模态交互方式、多维度情感计算和多代理团队学习三个新兴研究方向。
关 键 词:深度学习 对话 对话式智能导学系统 通用智能导学框架
分 类 号:G434[教育学类]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...