XiaoMi-AI文件搜索系统
World File Search System建构主义
建议引用：杰克逊，埃默森·亚伯拉罕 (2024)：人工智能的演变：对其对数字时代教学和学习影响的理论回顾，ZBW – 莱布尼茨经济信息中心，基尔，汉堡
这篇理论评论探讨了人工智能 (AI) 的发展及其对数字时代教学的影响。本文研究了人工智能与教育环境的融合，综合了理论框架、实证研究和新兴趋势。本文借鉴建构主义、社会文化和认知学习理论，分析了人工智能对教育实践的影响。它追溯了人工智能在教育领域的历史发展，强调了关键里程碑和人工智能技术的发展。本文采用理论框架全面分析人工智能的影响，重点关注智能辅导系统、自适应学习平台、虚拟现实、自然语言处理和游戏化。理论基础强调了人工智能在主动学习、个性化环境、社交互动和认知负荷管理中的作用。本文探讨了公平、道德考虑和教育者角色演变等挑战。它强调需要明确的道德准则、教育者的专业发展和持续的研究来应对人工智能在教育领域的不断发展。理论含义表明技术与教学法之间存在微妙的综合，承认两者之间的动态相互作用，并呼吁持续研究以应对技术挑战、道德考虑以及技术与教育动态交叉领域中专业发展的有效策略。
西格蒙德·弗洛伊德（Sigmund Freud）对焦虑的理解
引言焦虑是对即将发生的事件的压力，恐惧或忧虑的自然反应（Madkor等，2021； Nie等，2021）。Tomasoni等人，（2021年）认为，人们一生中都会经历焦虑感。焦虑疾病导致持续恐惧的时期迅速达到峰值（恐慌发作），恐惧症等（Hull等，2021）。在教育研究中，心理学家采用人类发展理论来了解教学过程中的个人焦虑和学习（Ivanova＆Sorokina，2020年）。教育心理学是心理学的一个分支，与人民学习的技术研究有关（Li，Huang＆Li，2021）。研究人们的学习程序，包括认知和行为观点，允许教育心理学家欣赏人们在焦虑水平，认知发展智力，情感，动机，自我概念，自我调节和学习角色方面的差异（Szczygieł，2020年）。教育的心理学不仅包括学习个人的过程，还包括焦虑等方面如何影响其认知，社会和情感过程和寿命（Cooper＆Brownell，2020年）。对于解决问题，这种教育心理学的采用者采用了各种观点，例如行为主义，发展，建构主义，认知主义和经验主义，以研究特定的学习者因素，例如，其他人，认知，学习的行为和经验（Campbell，Craig，Craig＆Collier＆Collier-Reed，2020年）。
发展性认知神经科学
数学操作是我们为计算数字之间关系而采取的认知动作。算术操作，加法，减法，乘法和分裂是教育中的基础。增加是在学校教授的第一个，并且在功能磁共振成像（fMRI）研究中最受欢迎。分裂，通常是通过fMRI进行的最少教导的。fMRI荟萃分析显示，算术操作激活儿童和成人的顶叶，扣带和岛状皮质的大脑区域。至关重要的是，没有荟萃分析检查儿童和成人各自的算术操作的大脑相关性的一致性。我们使用来自fMRI文章的定量荟萃分析审查和检查，这些数据分别报告了脑坐标，以增加儿童和成人的添加，术语，繁殖和分裂。结果表明，算术操作引起了成人和儿童的额叶和cingulo-obercular网络的共同领域。在操作差异之间主要观察到成人。有趣的是，在激活似然估计中表达的较高的组内一致性在与儿童的大脑区域相关的大脑区域，而不是额叶 - 额叶网络相关，而成人和儿童之间也很常见。与建构主义的认知理论和未来研究的实际方向讨论了发现。
K-12教育中的人工智能（AI）学习工具
摘要人工智能（AI）素养是教育中的全球战略目标。，对如何教授AI知之甚少。在本文中，审查了46个有关Aca-demic会议和期刊的研究，以调查K-12环境中AI扫盲教育中的教学策略，学习工具，评估方法以及学生的学习成果。The investigation reveals that the promotion of AI lit- eracy education has seen significant progress in the past two decades.这种高灯，包括Google的可教机，学习ML和儿童的机器学习，是K-12环境中AI扫盲教育的适合年龄的工具。幼儿园的学生可以从诸如弹出机器人之类的学习工具中受益，而诸如Scratch和Python之类的软件设备可以帮助开发AI算法的计算思维，也可以将其引入中小学。研究表明，基于项目的人类计算机集体学习以及基于游戏和游戏的方法以及建构主义的方法已在AI扫盲教育中经常应用。认知，兴趣和行为学习成果，课程满意度和软技能的获取已得到报道。本文向教育工作者提供了适当的学习工具，Peda-Go-Go-Go-Go-Go-Go-go-gogical策略，AI扫盲教育中的评估方法以及学生的学习成果。还讨论了K-12环境中的研究含义和未来的研究方向。
在高中物理课程中实施人工智能
我们这个时代的特点是技术变革不断改变着我们周围的平衡。技术发展如此之快，甚至在它们变得有意义之前，它们就已经成为过去。我们只需想想人们多久会换一次手机，换上更新、更现代、功能更多的手机。所以，我们确实处于计算机时代。如今的 2000 年代出生的 20 多岁的年轻人，正如 Prensky 所描述的“数字天真者”[1]，是伴随着计算机长大的。他们的生活不可避免地与数字时代交织在一起。所以，无论我们喜欢与否，我们都面临着一个新现实的曙光。计算机科学创造了一项技术成就——人工智能 (AI)。早在 50 年代中期，人工智能的概念就开始试探性地出现在聚光灯下 [2]，指的是旨在具有类似人类智能行为的机器。总之，库兹韦尔对人工智能的定义指出，人工智能是一门构建机器的艺术，这些机器在运行过程中需要人类的思维和智慧 [3]。人工智能所应用的技术分析和探索人类的推理和行为 [4]，最后通过一系列算法来创建模仿人类推理的结构 [5]。本文基于发现学习理论，该理论要求学生发现新知识。布鲁纳的发现学习通常与建构主义教学原则相关，其强调学生在参与积极的社会学习过程时学习效果最好，这有助于他们根据现有知识形成新的想法 [6]。主要
全新 AI-IP-EI 三部曲开启创新新维度
本研究的AI-IP-EI三部曲命运的红线，可能看起来是知识和情报性质的大杂烩，事实上，它源于三部曲组成部分的起源和实际协同作用。具体来说：本文从：AI（人工智能）——到相关的IP（知识产权）领域——到EI（情商）的相关性；从而形成了新的AI-IP-EI三部曲及其属性以及对新创新流程和商业模式维度的具体影响。这些影响在特定章节的文章中及整个过程中进行了概述和说明。在各个专门章节中使用了几个具体的研究案例；例如与发明人身份、EI 因素、体育教育创新维度以及偏见不可避免地促进和揭示的案例，以大幅扩大由建构主义和音乐团体创作支持的开放式创新，作为开放式反思教育的典范。总体而言，由此产生的适应性商业模式似乎具有巨大的潜力，并且具有多维范围，有必要关注正在进行的 IP 政策定义。持久的绿色维度也得到了体现。提出了 Ethics-plus，“@LEAST©” 所述语料库。以人为本、适应人工智能的 IP 政策能否在国际上得到接受，在感兴趣的领域中发挥一定程度的套利、规范和持久的可靠性？这似乎正在“进行中”。EI（情商）因素是否应该受到监督？很可能如此。传统的开放式创新是否会更新为更全面、更具包容性的维度，提醒最佳商业
o r i g i n a l r e s a r c h是慢性心力衰竭患者的基于家庭心脏康复运动的概念模型：a
目的：本研究旨在探索基于家庭心脏的心脏康复运动的概念模型，并揭示其内部行为逻辑。患者和方法：采用建构主义扎根的理论设计来探索基于家庭的心脏康复运动的概念模型。半结构化访谈已完成，以收集定性数据以构建概念模型。采用了理论饱和和验证策略来证明定性数据的充分性。完成了具有恒定比较的三级编码程序，以分析此定性数据。结果：这项研究总共招募了21例慢性心力衰竭患者。作为这项研究的结果，提取了32个初始代码，12个类别代码和4个核心类别，即寻求支持，康复运动，锻炼监测和信息反馈。根据内部行为逻辑，最终形成了家庭心脏康复运动的概念模型。在这个封闭链模型中，寻求支持是最初的依从性行为，而康复运动是核心依从性行为，而锻炼监控是关键的依从性行为，信息反馈是驱动依从性行为。结论：开发了慢性心力衰竭患者的基于家庭心脏康复运动的概念模型，揭示了其内部行为逻辑，并提供了理论参考，以开发具有全面覆盖范围并识别弱环节的相关临床研究工具。关键字：心脏康复，依从性，定性研究，概念模型，生活质量
学习者生成的绘画作为一种学习策略。教师指导的干预计划“理解学习”对小学数学应用题中绘画创作的影响
本研究旨在探讨向小学生教授学习者生成的绘画策略以及其他建构主义学习策略的可能性。教师指导的“理解式学习”课程首先讨论学习过程的更广泛主题，然后教授具体策略，最后概述所有策略并进行反思性讨论。在 18 节课程中，小学教师教授、练习并提高了三种学习策略的元认知意识——利用熟悉的材料和日常实践阐述新信息、将材料分类并阐述、通过绘画组织信息。本研究考察了课程前后为数学应用题创作图画的情况。样本包括来自爱沙尼亚八所学校的二年级和四年级学生。干预组包括 110 名二年级学生和 80 名四年级学生。对照组包括 121 名二年级学生和 82 名四年级学生。干预前后，学生必须解决两个数学应用题并在需要时创作一幅画。结果表明，在干预之前，对照组和干预组学生几乎都没有画过任何图画。然而，在干预之后，对照组和干预组学生都开始画更多的图画。此外，干预组学生画的图画和示意图也更多。干预的效果在两个年级都很明显。将答案的正确性与绘画类型进行比较，可以发现四年级学生在没有绘画的情况下获得了更多正确的答案，而在二年级，
支持精神病心理健康护士从业者准备在怀孕期间对心理健康问题的准备：扎根理论的结果
背景和目标：与产前和产后期间，怀孕期间和焦虑症的抑郁和焦虑症的可能性较小，尽管在怀孕期间与未经治疗的心理健康问题相关，但怀孕期间和焦虑症的可能性较小。患者报告说，孕产妇和心理健康提供者似乎无法或不愿意在怀孕期间与心理药理学讨论治疗。有关这种模式的文献尚未包括精神病精神健康护士从业者（PMHNP）的观点。这项研究的目的是确定PMHNP在怀孕期间对心理健康问题的治疗的障碍和需求。方法：在这项建构主义扎根的理论研究中，数据是在2023年2月至2024年2月之间通过深入访谈收集的。合格的参与者是PMHNP或PMHNP学生，与可能在门诊环境中怀孕的患者一起工作。结果：17个PMHNP或学生参加了这项研究。许多人认为他们没有准备好治疗怀孕的患者，并描述了阻碍他们舒适和愿意治疗怀孕者的障碍和需求。这些包括培训不足，有限的研究以及对法律责任的担忧。PMHNP要求将有关围产期心理健康及其治疗的更多信息纳入培训计划和临床经验。结论：许多PMHNP在怀孕期间没有意识到或不明显的资源和最佳治疗方法。除了治疗怀孕者的最佳实践外，PMHNP计划还应考虑为实践的情绪后果做准备，以及有关渎职和责任风险的清晰准确的信息。
Game-D：使用直线运动材料上的线跟随机器人开发教育游戏
摘要 — 本研究介绍了 Game-D，这是一款创新的教育游戏，旨在通过与线路跟踪机器人的互动来促进直线运动的学习。Game-D 以建构主义学习理论为基础，采用游戏化原则来提高学生对机器人技术和运动物理学基本概念的理解和记忆。Game-D 采用 ADDIE 模型（分析、设计、开发、实施和评估）的研发方法，经过一系列设计和测试阶段，以确保与教育目标和用户偏好保持一致。本研究的样本包括来自印度尼西亚马都拉 Trunojoyo 大学教师培训与教育学院科学教育研究项目的 34 名学生。分析结果表明，Game-D 符合高标准有效性和可靠性，平均有效性得分为 88.25%，被归类为非常有效，实用性得分为 87.3%，被归类为非常实用。此外，有效性测试获得了 86.25% 的高分，将游戏归类为非常有效。这些发现表明，Game-D 作为直线运动的学习媒介，具有高度有效性、实用性和有效性。这项研究证实，将线路跟踪机器人集成到教育游戏中可以提高学习质量，为支持教育过程提供可行的工具。媒体有效性测试表明，Game-D 显著提高了概念理解、学生积极参与和学习动机。这强调了 Game-D 作为支持直线运动学习的有效工具的作用，为成功的教育营造了一个动态和互动的学习环境。