XiaoMi-AI文件搜索系统
World File Search Systemlearner
标题 开发基于人工智能的学习系统，让 L2 学习者真实而无处不在地学习英语 作者 Fenglin Jia、Daner Sun、Qing Ma 和 Chee-Kit Looi 版权所有 © 2022 作者和 MDPI 这是以下文章的发布版本：Jia, F.、Sun, D.、Ma, Q. 和 Looi, CK (2022)。开发基于人工智能的 L2 学习系统
摘要：受人工智能 (AI) 技术在教育领域的快速发展和应用以及 COVID-19 大流行期间语言学习者的需求的推动，开发了一种人工智能英语语言学习 (AIELL) 系统，该系统具有真实和无处不在的学习功能，可用于习得英语作为第二语言 (L2) 的词汇和语法。本研究的目的是介绍用于设计、开发、评估和验证 AIELL 系统的开发过程和方法，并提炼出在真实情境中学习英语的关键设计特征。测试共有 20 名参与者，研究中有 3 名受访者。采用混合研究方法来分析数据，包括演示测试、可用性测试和访谈。收集和分析的定量和定性数据证实了设计的有效性和可用性，并有助于确定需要进一步改进所需功能的领域。本研究为在移动学习原则的指导下将人工智能融入促进语言教学和学习提供了参考。
为学习者实施基于AI的辅助技术
将残疾学习者的纳入包括在内的数字和人工智能（AI）使辅助技术（AT）成为残疾人（PWD）的推动者。但是，ATS的提供以满足PWDS的独特需求是一个挑战。此外，启用AI的ATS存在于创新，学习和工作环境的领域，因此需要便于学习，使用和具有成本效益的获取和实现。本文介绍了一种系统的方法，该方法与创新者和特殊学校领域的创新者和学习者的独特需求和能力相匹配，并具有支持PWD的知识和学习。这种方法采用设计思维（DM）方法，通过两个培训周期在三个特殊学校的在线协作工具和一个创新领域的在线协作工具增强了参与式元素。目的是能够更好地阐明目标的学习者和具有身体残障的创新者的目标群体，以实现准确的识别，评估和选择适当的AI-ATS，从而开发学习和创新空间，从而为Einclu-Sion提供AI-ATS的创建，引入和测试。该方法是针对创新领域开发的，该领域是在ATS和特殊学校中促进使用PWD的不同环境中采用的。
有效的写作 - 针对学习者需求的策略
老师需要首先考虑学生是否对他们将写的话题有足够的背景知识。如果没有，教师需要建立该领域。通过共享经验完成，这是最有益的，以便教师能够为学生提供内容知识和词汇的支持。聆听演讲嘉宾，阅读高质量的文字，参加入侵或探索，进行科学实验，分享文化体验，观看网站或视频，或者聆听播客只是学生可以建立必要的主题知识知识和词汇来创建文本的许多方式中的一些方法。
![已发布版本的引文 (APA)：Markauskaite, L.、Marrone, R.、Poquet, O.、Knight, S.、Martinez-Maldonado, R.、Howard, S.、Tondeur, J.、De Laat, M.、Buckingham Shum, S.、Gašević, D. 和 Siemens, G. (2022)。重新思考人工智能与人类学习之间的交织：学习者需要具备哪些能力才能适应人工智能的世界？计算机与教育。人工智能，3，1-16。[100056]。https://doi.org/10.1016/j.caeai.2022.100056](/simg/a/aebcfc403c23af0c5e2526482820a6e8dd33ca57.png)
已发布版本的引文 (APA)：Markauskaite, L.、Marrone, R.、Poquet, O.、Knight, S.、Martinez-Maldonado, R.、Howard, S.、Tondeur, J.、De Laat, M.、Buckingham Shum, S.、Gašević, D. 和 Siemens, G. (2022)。重新思考人工智能与人类学习之间的交织：学习者需要具备哪些能力才能适应人工智能的世界？计算机与教育。人工智能，3，1-16。[100056]。https://doi.org/10.1016/j.caeai.2022.100056
人工智能在人类生活的方方面面（从个人休闲到协作专业工作，再到全球政策决策）的普及提出了一个尖锐的问题：如何让人们为一个日益充斥着技术设备和代理机器的互联、快速变化的世界做好准备。在充满人工智能的世界中，人们需要什么样的能力？我们如何概念化这些能力？我们如何帮助学习者发展这些能力？我们如何实证研究和评估他们的发展？在本文中，我们采用对话式知识构建方法展开讨论。我们由 11 位合著者组成的团队参加了精心策划的书面讨论。通过半独立半联合的书面多方对话，我们收集了大量关于这些能力是什么以及如何帮助学习者发展这些能力的想法。同时，我们讨论了概念和方法论思想，这些思想使我们能够测试和改进我们的假设观点。在综合这些想法时，我们提出需要超越以人工智能为中心的能力观点，并考虑技术、认知、社交互动和价值观的生态。
在线课程中提高第二语言学术写作能力的独立学习者策略
摘要。本文探讨了 40 名一年级必修学术英语 (EAP) 课程的学生在一个突然在线进行的学期中如何完成书面任务。本文描述的日本大学在第一次 COVID-19 大流行封锁期间通过学习管理系统 (LMS) 提供点播课程。学生准备了三分钟的反思视频作为课程作业的一部分，描述了他们提高第二语言 (L2) 学术写作水平的策略以及他们对这些策略如何影响学习的看法。这些视频被转录、编码和分析。58% 的参与者使用机器翻译 (MT) 在提交前校对作业，其中 45% 的人报告说作业成绩提高了，对他们的 L2 写作技能的信心更高了。结果表明，应鼓励学习者在 L2 学术写作过程的这一步中使用 MT。
我们是科学家，教育工作者，学习者和员工，他们有一种改变每个人健康的策略，就是这样。我们是建造T
医学学院对加拿大呼吁1的真相与和解委员会的反应是通过土著学生，校友，校友，教职员工，教职员工和领导人，UBC以外的土著社区代表和组织以及其他医学领导者，员工和教师，员工，教职员工，教职员工和教师的投入和反馈。它概述了我们承诺要采取的所有支柱的步骤，这些步骤是建立在合伙企业中，并建立在与土著人民，社区和组织的相互尊重的关系之上。这样做，教师将有助于开发可访问，公平，有效，文化安全的教育和卫生保健系统，并且没有本土特定的种族主义和歧视。
使用多模态数据预测学习者在自适应评估中的努力行为
除了所需的知识之外，还有许多因素影响学习者在某项活动上的表现。学习者在任务上的努力被认为与他们的教育成果密切相关，反映了他们参与该活动的积极性。然而，努力不是直接可观察到的。多模态数据可以提供对学习过程的额外见解，并可能允许努力估计。本文提出了一种在自适应评估环境中对努力进行分类的方法。具体来说，在自适应自我评估活动期间，使用日志和生理数据（即眼动追踪、脑电图、腕带和面部表情）捕捉了 32 名学生的行为。我们对多模态数据应用 k 均值来聚类学生的行为模式。接下来，我们根据发现的行为模式，使用隐马尔可夫模型 (HMM) 和维特比算法的组合，预测学生完成即将到来的任务的努力。我们还将结果与其他最先进的分类算法（SVM、随机森林）进行了比较。我们的研究结果表明，HMM 可以比其他方法更有效地编码努力与行为之间的关系（由多模态数据捕获）。最重要的是，该方法的实际意义在于，通过建立行为之间的关系，派生出的 HMM 还可以精确定位向学习者实时提供预防/规范反馈的时刻
如何引用本文 Parapadakis，D.（2020）“人工智能可以帮助预测学习者的需求吗？从预测学生满意度中吸取的教训”。伦敦教育评论，18 (2): 178–195。https://doi.org/10.14324/LRE.18.2.03
使用人工智能 (AI) 以低成本成功分析大规模数据，使其成为分析学生数据以发现可以为教育决策者提供信息的模型的有吸引力的工具。本文研究了学生满意度模型的决策案例，研究了英国高等教育机构十年（2008-17 年）全国学生调查 (NSS) 结果。它回顾了衡量学生满意度所涉及的问题，表明数据中存在有用的模式，并提出了在没有更深入理解的情况下检查数据中价值所涉及的问题，对比了手动分析数据和使用人工智能分析数据的结果。本文讨论了使用人工智能的风险，并说明了为什么当人工智能应用于不明确、不理解和不被广泛认可的教育领域时，它不仅会带来可以消除成本节约的风险，而且无论法律要求如何，它都无法提供算法问责制。
