XiaoMi-AI文件搜索系统
World File Search System元认知
课堂中的电子游戏和元认知对 21 世纪技能发展的作用：系统评价
游戏对于理解人性至关重要。游戏一直是生活的基本组成部分，存在于每一种文化和每一种情况下。通过游戏，人们学会了重要的生活技能，游戏塑造了每个社会的身份，同时不断促进文化的发展（Andrade，2020；Delgado，2011；Montero，2017）。在教育领域，游戏在课堂上的作用正在发生变化，这主要是由于信息和通信技术（ICT）的进步以及改进学习过程的需求。为了应对这些变化，游戏化学习（GBL）等方法应运而生，将电子游戏融入教育环境，以满足特定的学习目标（Pegalajar Palomino，2021；Torres 等人，2019）。GBL 使用电子游戏作为强大的工具来
学生对人工智能（AI）在高等教育中应用的感知和偏好：元认知
摘要 人工智能 (AI) 是一项技术进步，是教育领域以及人类生活所有领域的一项潜在游戏规则改变者创新。它存在于我们的生活中，并在现代社会高效发展。人工智能的起源通常源于 1956 年达特茅斯夏季计算机科学科学研究。人工智能的普遍理解是“执行认知任务”的能力，这些任务通常与人类思维相关，特别是在解决问题和学习方面。通过这项实证研究，研究人员了解了学生对人工智能的看法和偏好。研究人员基于自制的态度量表，探讨了男性、女性、城市、农村及其流派之间的态度差异。人工智能在教育中的应用是 Alpha 一代迈出的新一步。如今，学生们使用多种人工智能工具，如 ChatGPT（生成由开放人工智能创建的对话）、Grammarly（检查拼写、语法和标点符号，检测抄袭等）、Tutor AI（将学生与合格的导师联系起来）、QuillBot（在线写作平台）、Duolingo（语言学习应用程序）、Education Copilot（课程计划、写作提示、学生报告和项目大纲的平台）、Curipod（用于制作课程的交互式演示工具）等，是教育领域最著名的人工智能工具。
大脑网络互连动力学解释听力行为的元认知差异
复杂的听觉场景构成了一个挑战，对倾听的倾听，使听众的感知决策更加慢和不确定。我们如何从与聆听行为控制有关的皮质网络的动力学中解释这种行为？我们在这里遵循以下假设：在挑战聆听情况下的人类适应性感知得到了对n = 40名参与者（13名男性）样本中的听觉网络的模块化重新配置的支持，他们接受了休息状态和任务功能功能磁共振成像（fMRI）。对空间选择性听觉注意任务的个人滴定的平均准确性约为70％，但在听众的响应速度上产生了相当大的个体差异，并在其自身的知觉决策中报告了信心。全脑网络模块化通过重新设置听觉，cinguloopercular和背注意网络，从静止性到任务增加。特定的，在任务相对于静止状态的任务期间，听觉网络和Cinguloopercular网络之间的互连性减少。此外，背注意网络和CingulooperCular网络之间的互连性增加。这些互连动力学可以预测响应信心中的个体差异，其程度在判断不正确后更为明显。我们的发现在元认知评估中，在挑战性的聆听情况下，听觉和注意力控制网络之间的功能互动与注意力控制网络之间的行为相关性，并暗示了两种功能上可解散的皮质网络系统，这些系统塑造了个人在适应性听力行为中个人之间相当大的元认知差异。
利用人工智能和多模式数据来增强元认知发展：
先进学习技术开启自我调节学习的新时代 在信息丰富、技术飞速进步的时代，自我调节学习已成为学业成功和终身学习的关键技能。本次主题演讲探讨了先进学习技术、人工智能 (AI) 和多模态多通道跟踪数据在塑造学习者的元认知和自我调节学习 (SRL) 过程方面的变革潜力。我首先研究元认知（对一个人的认知过程的认识和理解）与 SRL 之间的复杂关系，后者涉及学习的战略规划、监控和评估。借鉴认知、学习和教育科学以及教育人工智能的最新研究，我展示了这些高阶思维技能如何增强知识获取并促进不同学习环境中的转移、解决问题和适应性。接下来，我将深入探讨先进学习技术的新兴领域，例如智能辅导系统、基于游戏的学习环境、沉浸式虚拟环境和人类数字孪生。我展示了这些工具如何创造沉浸式、个性化的学习体验，挑战学习者反思他们的策略、跟踪他们的进度并根据多模态跟踪数据实时调整他们的方法。演讲的大部分内容将集中在多模态多通道跟踪数据（包括眼动追踪、面部表情识别、生理测量和日志数据）在理解和支持元认知和 SRL 方面的尚未开发的潜力。我综合了最近关于多模态学习分析的研究来解码丰富的数据流，揭示了学习者的认知负荷、元认知监控技能、情绪状态、策略使用和动机信念的微妙模式。从这一综合中，我将强调使用这些数据来支持自我调节学习的实时挑战。这些见解使基于人工智能的“元认知意识”系统的设计成为可能，该系统可以检测僵局、支撑反思，并激发跨任务、领域、学习者和情境使用和转移元认知技能。最后，我的演讲将以号召跨学科研究人员、教育工作者和技术人员开展跨学科合作作为结束，以充分发挥人工智能和多模态数据的潜力，培养具有自我意识、自我调节能力的学习者，使他们能够应对 21 世纪的复杂性。罗杰·阿泽维多教授 美国中佛罗里达大学
使用文本转图像的人工智能工具探索设计构思中的元认知过程
1. 引言 人工智能这个主题一直受到各个学科的广泛关注。2022年，随着科技的快速进步，AIGC（人工智能生成内容）的出现不仅导致了各个行业结构的变化，而且还成为不同领域非常有前途的工具。在设计方面，文本到图像人工智能的出现可以通过简单的指令生成相应的图像。此外，它还可以增强视觉交流和创意构思效率（刘等人，2023 年）。因此，已经有多项研究调查了人工智能的使用及其应用（Ploennigs 和 Berger，2022 年；Vartiainen 和 Tedre，2023 年）。然而，设计不仅被视为一门生产作品的学科，而且还被视为一个涉及思考、分析和决策的复杂过程（Kavousi 等人，2020a 年）。在心理学中，我们将其称为“元认知”。它不仅在设计教育和设计构思中发挥着重要作用（Ball and Christensen 2019），创造力的提高也是通过元认知思维的训练过程实现的。因此，本文不讨论人工智能在设计中的应用，而是旨在更深入地了解其对设计领域的影响。
在线高等教育中，善解人意的聊天机器人反馈对开发计算机能力，动机，自我调节和元认知推理的有效性
在人工智能的最前沿，本文深入研究了同理心理，以彻底改变计算机能力的获取，并促进在线高等教育中的动机，监管和元认知动态。先前关于学生处理移情反馈的研究是有限的，通常会忽略学习表现及其对学生动机，自我调节和元认知推理的影响。目的是分析在线学习中这四个问题的同理心反馈，认知和情感的有效性。使用了准实验设计，其中将对话代理DSLAB-BOT集成到教学大纲和信息技术基础架构中。在线大学分布式系统课程（n = 196）的学生，通过单级集群概率抽样选择。他们分别分为实验组和对照组，分别从DSLAB机器人和老师那里获得反馈。结果表明，除了一项（自我效能感）和自我调节外，两组之间的学习绩效，动机或自我调节之间没有显着差异。在13个认知（1-4、6、7、9-15）和七个情感（1、4-9）聊天机器人反馈类型之间存在牢固的相关性，具有概念上的变化（MRCC）和个人成长和理解（MRPGU）。相似的聊天机器人反馈类型的权重很高，表明这些反馈对元认知推理组件的明显影响，甚至是自我反射（MRSR）。此外，特定的移情反馈类型对于强烈培养MRCC，MRPGU和MRSR至关重要。总而言之，同理心聊天机器人的反馈与人类教师的反馈在促进学习，动机和自我调节方面一样有效。从业人员应考虑这些特定类型的移情反馈，以供未来的移情代理人配置。
焦虑行动的反思性思维：元认知信念和适应不良的情绪调节策略限制了工作记忆效率
摘要：注意控制理论（ACT）认为，尽管特质焦虑可能不会直接影响性能，但它会通过提示使用补偿机制来影响处理效率。这些机制的具体性质可能是反思性的，并未详细介绍该法案。在一项涉及110名学生（M = 20.12; SD = 2.10）的研究中，进行了调查，以评估学生的元认知信念，特质焦虑和情感调节策略（ERSS）。参与者进行了两个工作记忆练习：WAIS-IV的数字跨度任务和情感上的N-BACK任务。调查结果表明，焦虑，元认知信念和适应不良的ERS不会影响任务绩效，而与增加的响应时间相关。几项回归分析表明，对人的认知能力缺乏信心，而适应不良的ERS则可以预测N-BACK任务中较高的反应时间（RT）。此外，适应不良的ERS还预测了在数字跨度任务中策略的使用增加。最后，两项调解分析表明，焦虑提高了处理效率，这种关系是通过使用适应不良的ERS介导的。这些结果强调了反射水平在介导性状焦虑对效率的影响方面的重要性。他们强调了纳入元认知信念和适应不良的情绪调节策略的必要性，以彻底理解注意力控制理论。认识到这些因素为增强认知能力和促进学业成就提供了宝贵的观点。
使用深厚的强化学习桥梁宣告，程序和条件元认知知识差距
在演绎域中，升序顺序的三种元认知知识类型是声明性，程序性和有条件学习。这项工作利用了深入的强化学习（DRL）提供自适应元认知干预措施，以弥合三种知识类型之间的差距，并为学生做好准备，使学生在跨越智能的辅导系统（ITS）中为未来的学习做好准备。学生收到了这些干预措施，这些干预措施教会了如何以及何时在支持默认向前链式策略的逻辑导师上使用向后策略（BC）策略。六个星期后，我们培训了学生的概率导师，该导师仅在没有干预的情况下支持BC。我们的结果表明，在ITS上，DRL弥合了学生之间的元认知知识差距，并显着提高了他们的学习表现，而不是控制同伴。此外，DRL政策适合于宣言，程序和有条件的学生对逻辑导师的元认知发展，导致他们的战略决策更加自治。关键词：深度强化学习；为将来的学习做准备；智能辅导系统；声明性知识；程序知识；有条件的知识
基于大脑的学习对基础学生的学术成就和元认知的影响
教学学习是一个人际交往的过程。更多的交互潜力是结果。因此，任何教学活动的有效性都取决于刺激学生的程度。基于大脑的学习是一组学习过程，其中学习过程基于有关大脑结构和功能的知识以及对神经科学对大脑学习最有效和最合适的学习方式认知的科学结果。本研究的重点是基于大脑的学习如何影响小学生的学术成就和元认知。在这项研究中，使用了实验研究方法，该研究的样本分为两组，一组为控制组（N-30），另一组是实验组（N-30）。该研究的结果表明，基于大脑的学习对基础学生的学术成就和元认知的显着影响。