期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
推动人工智能向善发展:教育与人工智能共同的责任 被引量:14
1
作者 吴永和 吴慧娜 +4 位作者 陈圆圆 周澍云 周子皓 肖玉敏 倪琴 《中国电化教育》 CSSCI 北大核心 2024年第1期51-58,共8页
人工智能的迅速发展正深刻改变人类的生产方式、生活方式和学习方式,对教育产生深度影响,而现阶段生成式人工智能工具在教育领域广泛应用,给教育带来新的道德伦理问题。该文首先从人工智能快速发展引发更加复杂的道德伦理问题和人工智... 人工智能的迅速发展正深刻改变人类的生产方式、生活方式和学习方式,对教育产生深度影响,而现阶段生成式人工智能工具在教育领域广泛应用,给教育带来新的道德伦理问题。该文首先从人工智能快速发展引发更加复杂的道德伦理问题和人工智能道德伦理是人类道德伦理价值体系新组成两方面给出人工智能延展人类道德伦理范围。再从人工智能教育应用伦理风险、教育人工智能伦理治理现状、教育人工智能伦理需解决问题等三个层面阐述了教育人工智能应用伦理风险与治理。再次从核心素养培养、规范应用监管、道德伦理框架、技术规范研制等四个维度给出人工智能向善发展的建设路线。最后,给出五条发展建议:加强顶层设计,系统规划总体框架;重视育人为本,创新发展人工智能课程;遵循治理原则,促进技术向善赋能;明确价值准则,助力人机相融共进;加快标准制定,规范教育人工智能实践。以期推动人工智能向善发展,赋能、赋智教育,促进教育数字化转型,构筑智能时代的人类命运共同体。 展开更多
关键词 人工智能伦理 育人为本 核心素养 应用监管 伦理框架
在线阅读 下载PDF
智能教育场景下的算法歧视:潜在风险、成因剖析与治理策略 被引量:26
2
作者 倪琴 刘志 +1 位作者 郝煜佳 贺樑 《中国电化教育》 CSSCI 北大核心 2022年第12期93-100,共8页
随着人工智能在教育场景中应用的不断深化,智能教育以其个性化、定制化等独有优势改变了当下的教育格局,但智能教育也面临着算法歧视的潜在风险,如教育结果的单一化、加剧教育不公平、学习结果两极分化、人机交互加深偏见等。同时,在智... 随着人工智能在教育场景中应用的不断深化,智能教育以其个性化、定制化等独有优势改变了当下的教育格局,但智能教育也面临着算法歧视的潜在风险,如教育结果的单一化、加剧教育不公平、学习结果两极分化、人机交互加深偏见等。同时,在智能教育系统的开发与应用过程中,设计团队存在思维定势、机器学习的偏差、交互式决策的危机等问题使算法歧视的成因更为多样化。而解决对智能教育系统中存在的算法歧视问题,需从促进多主体共同参与,构建多元评价标准,以及通过技术赋能等三方面落实治理策略。具体到技术治理,可根据时间维度划分为三阶段治理,即在事前加强数据歧视检测,在事中建立可解释、可审查的算法优化机制,在事后坚持学生在教育教学活动中的主体性。 展开更多
关键词 智能教育 算法歧视 教育公平 风险治理
在线阅读 下载PDF
跨学科学习是什么?如何做?——以义务教育信息科技课程为例 被引量:21
3
作者 吴旻瑜 万昆 赵健 《课程.教材.教法》 CSSCI 北大核心 2023年第1期89-95,共7页
《义务教育课程方案(2022年版)》指出要“统筹设计综合课程和跨学科主题学习”,首次明确了跨学科学习在国家课程体系中的地位。跨学科是运用多学科的知识、方法、制度、实践以解决具体问题的方法,而跨学科学习则是学习者对运用多学科知... 《义务教育课程方案(2022年版)》指出要“统筹设计综合课程和跨学科主题学习”,首次明确了跨学科学习在国家课程体系中的地位。跨学科是运用多学科的知识、方法、制度、实践以解决具体问题的方法,而跨学科学习则是学习者对运用多学科知识、方法、制度、实践以解决问题的能力的学习过程。跨学科学习具有问题导向、基于学科和整全性等特征。跨学科学习有其独立的认识论基础,同时也对“学科学习”有着重要价值。跨学科学习的教学设计应当秉持问题导向、双重目标和有效融合等原则,而其教学模式则有“直接教学”“范例—迁移教学”和“自主探究指导”等不同选择。 展开更多
关键词 跨学科 跨学科学习 信息科技课程
在线阅读 下载PDF
社交网络中基于K核分解的意见领袖识别算法 被引量:2
4
作者 李美子 米一菲 +1 位作者 张倩 张波 《计算机应用》 CSCD 北大核心 2022年第1期26-35,共10页
针对在社交网络中挖掘意见领袖时存在的计算复杂度高的难题,提出了一种基于K核分解的意见领袖识别算法CR。首先,基于K核分解方法获取社交网络中的意见领袖候选集,以缩小识别意见领袖的数据规模;然后,提出包括位置相似性和邻居相似性的... 针对在社交网络中挖掘意见领袖时存在的计算复杂度高的难题,提出了一种基于K核分解的意见领袖识别算法CR。首先,基于K核分解方法获取社交网络中的意见领袖候选集,以缩小识别意见领袖的数据规模;然后,提出包括位置相似性和邻居相似性的用户相似性的概念,利用K核值、入度数、平均K核变化率和用户追随者个数计算用户相似性,并根据用户相似性对候选集中的用户计算全局影响力;最后,根据用户全局影响力对意见领袖候选集中的用户进行排序,从而识别意见领袖。在实验部分使用独立级联模型(ICM)预测的用户影响力和中心性两种评价指标在三个大小不同的真实数据集上对所提算法选出的意见领袖集进行评估,并将该算法与其他三种识别意见领袖的算法对比,结果表明该算法选出的影响力Top-15的用户平均影响力以21.442高于其他三个算法。另外,与四种与K核相关的算法做相关性指标对比的结果表明,CandidateRank算法总体来说效果较好。综上,CandidateRank算法在降低计算复杂度的同时提高了准确性。 展开更多
关键词 K核分解 意见领袖 用户相似性 社交网络 独立级联模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部