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。
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。
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。
20250121
教育
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。
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。
可国(境)内外转让
经济效益:
北京市自然科学基金面上项目
北京市科学技术委员会;中关村科技园区管理委员会
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。
