面向数字社会发展的智慧教育支持服务关键技术研究

联系合作
新一代信息技术
智慧城市
成果单位: 北京师范大学
合作方式: 面议
所处阶段: 概念
关键词: 在线学习基础教育职业教育高等教育教育平台多模态识别遗传算法MACO算法IACO算法大语言模型
总得分 (满分100)
0
资本强度 (满分0)
该成果得分:0

核心问题

当前在线学习平台面临学生状态识别不准确、学习路径规划不个性化及实时反馈机制缺乏等痛点,影响了教育的质量和效率,特别是在数字社会快速发展的背景下,这些问题亟待解决。

解决方案

本项目研发了基于多模态数据的学习状态识别与分析技术,融合文本、表情、图像等数据,构建智能识别框架,提升识别准确率至89.17%。同时,研发了面向学习过程的路径规划与动态反馈技术,包括基于遗传算法的个性化学习路径规划和基于知识图谱的多粒度学习路径规划,提出MACO与IACO算法优化路径推荐。此外,采用大语言模型与检索增强生成等前沿方法,实现基于教育智能体的动态反馈,提供全面的适应性反馈。

竞争优势

本项目技术成果在教育数字化转型中具有显著优势,不仅提高了学生状态识别的准确性和学习路径规划的个性化程度,还实现了实时、多模态的反馈机制。相较于传统方法,本项目的技术展现出更高的识别准确率和更优的学习路径规划能力,有助于提升教育质量和效率,降低运营成本,推动教育资源的整合与共享,为实现教育公平和区域教育均衡发展提供强有力支持。

成果公开日期

20250121

所属产业领域

教育

转化现有基础

本项目研发的基于多模态数据的学习状态识别与分析技术,能够全面分析学生的情感、认知与行为状态,识别准确率超过80%,最佳模型的准确率达89.17%,F1分数达0.9241。同时,相较于单模态数据,多模态数据融合策略展现出优越性,有助于加强在线学习平台的适应性和个性化。 项目研发的面向学习过程的路径规划与动态反馈技术,包括基于遗传算法的个性化学习路径规划技术与基于知识图谱的多粒度学习路径规划技术,解决了学习路径规划算法处理复杂约束条件和多粒度学习对象的难题。提出的MACO与IACO算法在多项指标上超过了领域内最前沿的算法,为个性化学习路径推荐提供了新的方法和思路。 项目研发的基于教育智能体的动态反馈技术,采用大语言模型与检索增强生成等前沿方法,解决了融合多模态数据进行实时反馈的难题,全面提供适应性的认知、情感、元认知反馈。

转化合作需求

资金支持:需要合作方提供一定的资金投入,用于成果的进一步开发、优化和市场推广。具体包括研发费用、市场调研及推广费用等。 场地支持:合作方能够提供适合的实验和测试场地,以便进行成果的实际应用测试和验证。此外,能够支持教学场景的搭建,以便进行现场数据采集与分析。 设备支持:需要合作方提供必要的技术设备,包括计算机硬件、多模态数据采集设备(如摄像头、传感器等)以及软件环境,以支持多模态数据的收集和分析。 人员支持:需要合作方提供技术团队,包括教育专家、数据科学家和软件开发人员,协助成果的应用开发与优化。同时,参与者应具备对教育技术的理解,能有效协助实施个性化学习服务工具。 市场渠道:合作方应具备相关的市场资源和渠道,以帮助推广应用我们的成果,使系统能够在学校环境下推广落地,实现其在教育教学领域的实际应用。

转化意向范围

可国(境)内外转让

转化预期效益

经济效益:

  1. 数据资源的市场价值:通过在真实学习环境中采集并创建多模态学业情感数据集和学习投入数据集,本项目的成果转化将能够填补市场空白。这些数据资源不仅将支持未来的自动化识别和分析研究,还具备重要的市场潜力,为教育技术领域的相关企业和机构提供了宝贵的参考依据。
  2. 个性化学习工具的应用:开发的个性化学习服务工具在高等教育场景中应用,能够提升学生的学习表现和效率。这些工具将有效减少教师在平行班授课和个性化辅导中的人力成本,显著降低学校的运营费用,为教育机构创造直接的经济节约。
  3. 教育智能化的推广:随着教育智能化进程的推进,开发的技术与工具有望被广泛应用于各类教育平台和机构,进一步扩大其市场影响力。通过提高教育效率和质量,减少对传统教育资源的依赖,本项目将推动教育产业的升级与转型,创造更大的经济价值。 社会效益:
  4. 推动教育数字化转型:项目在智慧教育场景中的关键技术与服务应用将为北京市的教育数字化转型提供实践案例。这与北京市构建数字教育新基座、新场景的战略相呼应,有助于促进教育综合改革,提升教育高质量发展水平。
  5. 提升教育质量与公平:项目成果在国际教育领域的发表验证了智慧教育工具在提升学生学习成效方面的积极作用,项目成果能够满足学生个性化发展的需求,帮助教师和管理者优化教学策略,促进教育公平。这一成果将有助于缩小不同学生之间的学习差距,推动区域智慧教育的均衡发展。
  6. 政策支持与建议:项目形成的《北京市智慧教育支持服务咨询报告》结合当地政策,为深化智慧教育支持服务体系提供了政策建议。这有助于构建教育领域人工智能应用生态,推动教育治理模式创新,为政策制定提供科学依据。

项目名称

北京市自然科学基金面上项目

项目课题来源

北京市科学技术委员会;中关村科技园区管理委员会

摘要

本项目研发的基于多模态数据的学习状态识别与分析技术,突破了传统方法的局限,能够全面分析学生的情感、认知与行为状态。通过融合文本数据、表情数据和图像数据等,构建了智能识别框架,并运用多种机器学习模型验证其有效性,识别准确率超过80%,最佳模型的准确率达89.17%,F1分数达0.9241。这一成果不仅提升了识别的准确度,而且相较于单模态数据,多模态数据融合策略展现出优越性,有助于加强在线学习平台的适应性和个性化。其次,项目研发的面向学习过程的路径规划与动态反馈技术,包括基于遗传算法的个性化学习路径规划技术与基于知识图谱的多粒度学习路径规划技术,解决了学习路径规划算法处理复杂约束条件和多粒度学习对象的难题。提出的MACO与IACO算法在多项指标上超过了领域内最前沿的算法,为个性化学习路径推荐提供了新的方法和思路。然后,项目研发的基于教育智能体的动态反馈技术,采用大语言模型与检索增强生成等前沿方法,解决了融合多模态数据进行实时反馈的难题,全面提供适应性的认知、情感、元认知反馈。 本项目的技术成果在教育数字化转型中具有广泛的应用潜力。通过构建资源布局,能够形成覆盖基础教育、职业教育和高等教育的资源体系,项目将推动教育资源的整合与共享,提升教育质量和效率。同时,开发的个性化学习服务工具将在高等教育等多场景中得到实际应用,降低运营成本,促进整体教育行业的转型升级。项目还将为实现教育公平和区域教育的均衡发展提供强有力的支持,助力智慧教育的全面推广。

试试对话AI技术经理人
WENXIAOGUO
问小果
该成果有哪些相似成果?
该成果可能有哪些需求方?
该成果的市场前景如何?
北京师范大学的相关成果还有哪些?