XiaoMi-AI文件搜索系统
World File Search SystemSweller
Microsoft Word - 最终论文 WJ Wagner 评估并更正 3 月 19 日.docx
2.8.4 Sweller 的人类认知架构 (HCA)、认知负荷理论 (CLT) 和神经建构主义 ............................................................................................................................................................. 75
认知负荷理论：我可以请假吗？我的大脑已经满了。
材料的复杂性和学习者的先前知识（Sweller、van Merrienboer 和 Paas 1998）。这意味着对于新手来说很难的主题对于专家来说可能非常简单。
认知负荷理论指南 - UCHILE 存储库
尽管有证据表明教育技术研究经常缺乏概念基础（例如，Hew, Lan, Tang, Jia, & Lo, 2019），但有一种理论正在逐渐渗透到教育技术和基于计算机的学习领域：认知负荷理论（见Sweller，2020；Sweller, van Merri € enboer, & Paas, 2019）。正如 Li, Antonenko 和 Wang (2019) 对最近关于多媒体学习的文章的文献计量评论中所报告的，认知负荷理论可以被视为研究教育多媒体有效性的主要概念框架。在同一文献计量分析中，Li 等人（2019）表明，发表多媒体学习研究的顶级期刊是《Computers in Human Behavior》。在 1996 年至 2016 年期间，该期刊发表了 46 篇关于多媒体学习的文章。因此，《计算机与人类行为》杂志的当前特刊有望为这些突出的国际趋势做出贡献，该特刊讨论了基于认知负荷理论的计算机学习。
签证：带视觉源归因的检索增强生成
源文档的。 此类源归因042方法使用户可以检查输出的043可靠性（Asai等人。 ，2024）。 044 However, text-based generation with source attri- 045 bution faces several issues: First, citing the source 046 at the document level could impose a heavy cogni- 047 tive burden on users ( Foster , 1979 ; Sweller , 2011 ), 048 where users often struggle to locate the core ev- 049 idence at the section or passage level within the 050 dense and multi-page document. 尽管有051个粒度不匹配可以通过基于052通道引用的生成方法来解决 - 链接 - 053对特定文本块的答案，它需要非054个琐碎的额外工程工作，以匹配文档源中的块055。 此外，源文档中的视觉高-056照明文本块对用户的直观更加直观，但是它仍然具有挑战性，因为它需要控制文档渲染，这是059，它并不总是可以访问，例如PDF方案中。 060受到最新文档屏幕截图EM- 061床上用品检索范式的启发 - 放下文档 - 062 Ment Processing模块，直接使用VLM 063来保留内容完整性和编码Doc-064 UMent ument屏幕截图（Ma等人。 ，2024），065，我们询问源归因是否也可以在066中添加到如此统一的视觉范式中，以es- 067 tablish tablish tablish tablish a Tablish a Tablish a既是视觉，端到端可验证的RAG 068管道，既是用户友好且有效？ 069为此，我们提出了通过VI Sual s usce a ttribution（Visa）的检索增加的070代。。此类源归因042方法使用户可以检查输出的043可靠性（Asai等人。，2024）。044 However, text-based generation with source attri- 045 bution faces several issues: First, citing the source 046 at the document level could impose a heavy cogni- 047 tive burden on users ( Foster , 1979 ; Sweller , 2011 ), 048 where users often struggle to locate the core ev- 049 idence at the section or passage level within the 050 dense and multi-page document.尽管有051个粒度不匹配可以通过基于052通道引用的生成方法来解决 - 链接 - 053对特定文本块的答案，它需要非054个琐碎的额外工程工作，以匹配文档源中的块055。此外，源文档中的视觉高-056照明文本块对用户的直观更加直观，但是它仍然具有挑战性，因为它需要控制文档渲染，这是059，它并不总是可以访问，例如PDF方案中。060受到最新文档屏幕截图EM- 061床上用品检索范式的启发 - 放下文档 - 062 Ment Processing模块，直接使用VLM 063来保留内容完整性和编码Doc-064 UMent ument屏幕截图（Ma等人。，2024），065，我们询问源归因是否也可以在066中添加到如此统一的视觉范式中，以es- 067 tablish tablish tablish tablish a Tablish a Tablish a既是视觉，端到端可验证的RAG 068管道，既是用户友好且有效？069为此，我们提出了通过VI Sual s usce a ttribution（Visa）的检索增加的070代。071在我们的方法中，大型视觉模型072（VLM）处理单个或多个检索的文档图像，不仅为074产生了对074用户查询的答案，而且还返回了075框架内的相关区域内的相关区域。076如图1所示，此方法通过视觉上指示文档中的确切078位置来启用di-077 rect归因，从而允许用户在080原始上下文中快速检查生成答案的原始上下文中的支持证据。VLMS 081不受文档格式或渲染的限制，082
人工智能对认知负荷的影响...
短文 Niklas Humble 1 Peter Mozelius 2, 3 1 瑞典乌普萨拉大学信息技术系 2 瑞典耶夫勒大学数字化、技术、媒体和学习 (DTML) 研究项目 3 瑞典中部大学通信、质量管理和信息系统系 (KKI) 短文：1 简介 生成式人工智能 (GAI) 的快速发展对我们社会的许多领域产生了影响，对于高等教育来说，这是一个必须解决的事实。研究报告称，GAI 带来了新的挑战，GAI 是高等教育转型的催化剂 (Chiu, 2024; Yusuf 等人，2024)。根据 Chiu (2024) 的说法，需要考虑的四个最重要的教育领域是学习、教学、评估和管理。这项研究的重点是学习，正如 Choudhuri 等人指出的那样。(2024)，在计算机教育中使用GAI的潜力和陷阱的理解方面存在差距。本文的目的是探讨AI技术对认知负荷的潜在影响，这与高等教育阶段的计算机教育有关。要回答的研究问题是：根据最近的研究，AI技术对计算机教育中的认知负荷的潜在影响是什么？2 认知负荷理论认知负荷理论（CLT）最早由John Sweller及其同事在20世纪80年代开发，已成为教育心理学中最具影响力的理论之一（Schnotz＆Kürschner，2007）。CLT描述了学习任务中涉及的工作记忆资源，并将学习者可以体验到的认知负荷分为内在负荷、外部负荷和相关负荷（Kirschner等，2018）。内在和外在负荷通常被认为是认知负荷的两个主要来源，处理处理信息的复杂性（内在）及其呈现方式（外在）（Kirschner 等，2018）。而相关负荷涵盖用于处理要处理的新信息的工作记忆资源，即内在负荷（Kirschner 等，2018）。此外，该理论经常强调学习者的认知系统的重要性，并且学习指导需要根据这些进行调整和设计（Schnotz & Kürschner，2007）。该理论也受到质疑，例如关于其普遍性的问题，并且关于解释和转变该理论的争论仍在继续（Schnotz & Kürschner，2007）。3 方法但本研究不涉及有关 CLT 的批评和争论，而是使用上面概述的定义。
研究基于电阻开关设备的量化硬件深神经网络，常规方法和卷积方法
没有沟通我们就无法生存，甚至无法存在。由于我们是社会存在，因此毫无疑问，我们受到交流过程的影响和调节。尽管我们受到交流影响的影响，但我们也能够仅通过交流来影响我们的环境。从某种意义上说，我们可以说我们是人类，因为我们传达了我们的感受，情感，思想或原因。同时，我们目前正在经历通信方法的急剧变化。似乎我们进行交流的方式正在从面对面变成数字化。我们生活在一个全球和数字互连的世界中。以Facebook或WhatsApp为例。据估计，在2020年的前半段，Facebook和WhatsApp分别拥有2.50万和2000万用户（www.statista.com）。如果我们认为Covid-19的大流行迫使世界隔离，这将有助于增加通信数字工具的使用情况，那么这些数字就会更高。例如，居住在退休房屋中的老年人已经适应使用数字设备与亲戚进行交流，这对于几个月前的一些人来说是不可想象的。如果估计正确，则数字字节的数量将很快超过已知宇宙中的恒星数量（Butler，2016年）。大致来说，数字信息的数量呈指数增长，计算机的功能每年都会增加一倍。我们认为，潜在的不可靠和大量可用的数字信息对人脑构成威胁。考虑到其系统发育进化（Dehay and Kennedy，2020年），我们的大脑可以轻松地适应大量的电子数据，但我们认为，当将嵌入在数字社会中的大脑概念化时，这种情况会带来一些挑战。首先，这种信息超负荷会挑战我们的大脑，因为我们的认知系统在某些级别的信息处理中受到限制（Sweller，2020）。可能不可靠，混乱甚至矛盾的信息能够破坏人类大脑的稳定。我们并不抱怨技术的发展或生产大量数字数据，但我们想指出，在过渡到更健康，更安全的数字发电时，值得谨慎的注意。尽管我们同意我们当前的数字社会有可能为我们提供信息来解决持久的社会问题（Ledford，2020; Shah，2020年），但我们还必须意识到，我们用于此目的的技术可能会偏向于这些问题，而不是改变这些问题的力量状态 - 产生这些问题（Curtland，2018; Kalluri，2018; Kalluri，2018; Kalluri，2020; Saltelli et; Saltelli et 2020 al al an al an an al an al an al an al an al an an al 2020）。因此，我们想强调一些我们认为值得考虑的主题，以帮助子孙后代不要在数字沟通的社会影响下挣扎。
将认知科学应用于在线教学和学习策略
1. 当学生按照与执行步骤相同的顺序学习时，他们学习程序和过程的效果最好 (Feldon, 2010)。 2. 当学生通过参与活动学习新材料时，他们比被动地观看或听老师讲课时学习效果更好，记忆时间更长 (Bligh, 2000; Bonwell & Eison, 1991; Deslauriers, Schelew, & Wieman, 2011; Hake, 1998; Jones-Wilson, 2005; Spence, 2001; Svinicki, 2004; Swiderski, 2005)。因为与他人互动需要积极参与，所以我们添加了 Persellin 和 Daniels (2014) 的这一推论，尽管它源自课堂教学和学习文献而非认知心理学：小组工作和讨论让学生参与进来，让他们能够积极地自行构建知识 (Stage、Kinzie、Muller 和 Simmons，1999)。3. 学生从实践中学习，但只有当他们收到有针对性的反馈时，他们才能利用这些反馈来提高自己在进一步实践中的表现 (Ambrose、Bridges、DiPietro、Lovett 和 Norman，2010)。当然，他们必须首先阅读并准确解释这些反馈，但他们并不总是这样做 (Falkenberg，1996)。 4. 学生将新知识与先前的知识联系起来，这凸显了先前知识的有效性和组织性的重要性（Ambrose 等人，2010；Baume 和 Baume，2008；Bransford、Brown 和 Cocking，1999；Taylor 和 Kowalski，2014）。 5. 当学生感觉自己处于安全、低压力、支持性、受欢迎的环境中时，他们会学得最好、最轻松（Ambrose 等人，2010；Doyle 和 Zakrajsek，2013）。他们更有可能实现课程的学习成果，发展高阶思维技能，参与课堂活动，在课堂上表现得体，有学习动机，对课程感到满意，无论是在课堂上（Cornelius-White，2007；Granitz、Koernig 和 Harich，2009）还是在线（Lundberg 和 Sheridan，2015）。 6. 某些特质能够吸引并保持学生的注意力和专注力，从而帮助学生更好地学习新材料并记住更长时间：人脸、颜色、强度、极端对比、运动、变化、戏剧性、教师热情和个人相关性（Ambrose 等人，2010 年；Bransford 等人，1999 年；Hobson，2002 年；Persellin 和 Daniels，2014 年；Svinicki，2004 年；Winne 和 Nesbit，2010 年）。 7. 学生通过精细复述学习和存储新材料（即将其从工作记忆转移到长期记忆中），这意味着思考新材料的意义和重要性，并将其与他们先前的知识、信念和心理模型联系起来（Ambrose 等人，2010 年；Bransford 等人，1999 年；Tigner，1999 年；Zull，2002 年）。 8. 当教学设计为最小化认知负荷时，学生最容易学习新材料（Feldon，2010；Sweller，van Merriënboer和Paas，1998；Wickens，2002，2008；Winne和Nesbit，2010）。通过认知负荷，我们指的是对工作记忆的要求。大脑在工作记忆中保存信息的能力是有限的，因此打包信息以尽可能高效地处理信息非常重要。这一原则非常笼统，但有一些子原则可以阐明其含义（见下一节）。