智慧教育技术与应用

　　本书以自然语言处理作为底层理论知识在教育技术领域的发展和应用现状展开介绍，包括作为智慧教育底层依托的教育知识图谱构建及其表征学习相关理论，以及基于教育知识图谱的目前三大应用方向，教育问答，认知诊断和作文批改，然后作为补充，介绍了融合视频，声频等数据的多模态学习分析，以及另一热门技术，区块链，在教育上的智能应用。 具体由8个章节组成，其结构如下：章简介智慧教育的发展和智慧教育系统。第二章和第三章介绍知识图谱相关知识。第四章介绍基于知识图谱的教育问答。第五章结合心理学测评方法，利用大数据分析对学习者的学习状态进行认知诊断，使用学习者更好地被学习环境感知。同时也介绍了用学习路径推荐方法，为学习者提供更好地学习内容。这与智慧教育本质特征要求相符合。第六章介绍知识图谱技术在作文批改中的应用，深化信息技术，包括讲述运用信息技术提升教学质量，作文批改减轻教师负担，增强学生学习效率。第七章主要介绍多模态数据采集与分析技术，智慧教育对大数据的诉求有更大的增加，全维度、多模态的数据成为学习分析技术分析的重要基础。第八章介绍区块链技术，区块链独特的技术特征，实现了智慧教育资源的共享与安全性，促进教育的公平，有利于建立健全的人才培养体系。 以上内容构成了新一代信息技术支持下的智慧教育框架。读者对象适合各师范院校相关专业，各综合性大学教育学专业的教材及大专以上学历对教育技术学有兴趣的相关从业人员。

　　朱佳，博士、教授、博士生导师（计算机科学与技术、智能教育），浙江师范大学海康威视智能教育联合实验室技术负责人、原华南师范大学人工智能专业负责人、数据智能实验室负责人及模式识别与行为分析实验室负责人；中国教育技术协会人工智能专委会常务理事、中国人工智能学会青年工作组专委会理事、中国人工智能学会会刊《智能技术学报》编委会编委、中国计算机学会协同计算专委会与区块链专委会委员、澳大利亚教育研究协会会员。黄昌勤，博士、二级教授、博士生导师（计算机科学与技术、教育技术学），国际期刊IEEE Trans. on Learning Technologies副主编，广东省“珠江学者”特聘教授、浙江省智能教育技术与应用重点实验室主任、广东省智慧学习工程技术研究中心常务副主任；中国教育学会中小学信息技术教育专业委员会常务理事、浙江省高校大数据与人工智能类专业教学指导委员会委员、北京师范大学教育学部兼职教授。

第1章概述00
1.1智慧教育： 人工智能时代的教育体系00
1.1.1智慧教育的概念和特征00
1.1.2智慧教育的技术体系00
1.1.3智慧教育的发展历程00
1.1.4智慧教育的典型应用0
1.2智慧教育的技术体系0
1.2.1教育文本处理0
1.2.2多模态学习分析0
1.2.3区块链 教育0
1.3全书结构0
第2章教育知识图谱0
2.1知识图谱简介0
2.1.1知识图谱概述及发展历史0
2.1.2知识图谱的主要技术和前沿工作0
2.1.3小结0
2.1.4思考与练习0
2.2教育知识图谱构建0
2.2.1教育知识图谱构建两大视角0
2.2.2基于智能处理技术的图谱构建0
2.2.3小结0
 
2.2.4思考与练习0
2.3教育知识图谱应用0
2.3.1应用场景0
2.3.2小结0
2.3.3思考与练习0
第3章教育知识图谱表征学习0
3.1知识图谱表征学习简介0
3.1.1基于翻译的传统知识图谱表征学习技术0
3.1.2基于神经网络的知识图谱表征学习技术0
3.1.3知识图谱表征学习的新兴技术0
3.1.4小结0
3.1.5思考与练习0
3.2教育知识图谱表征学习的特点和挑战0
3.2.1教育知识图谱的语义特点及提取方法0
3.2.2教育知识图谱表征学习的当前挑战和
解决方案0
3.2.3可解释性的教育知识图谱表征学习技术0
3.2.4小结0
3.2.5思考与练习0
3.3教育知识图谱表征学习的应用案例0
3.3.1基于教育知识图谱的教育测评0
3.3.2基于教育知识图谱的学习资源推荐0
3.3.3小结0
3.3.4思考与练习0
第4章教育问答0
4.1问答对话系统简介0
4.1.1问答对话系统概述0
4.1.2任务导向型对话0
4.1.3非任务导向型对话0
4.1.4小结0
4.1.5思考与练习0
4.2教育知识图谱问答0
4.2.1知识图谱问答0
4.2.2开放域和特定域知识图谱问答
4.2.3教育知识图谱问答研究现状
4.2.4教育知识概念抽取
4.2.5教育知识图谱问答系统构建
4.2.6小结
4.2.7思考与练习
4.3案例分析
4.3.1智能问答教学系统的应用背景
4.3.2系统架构、特点和优势
4.3.3问答系统在教学应用中的进一步扩展
4.3.4基础教育知识图谱赋能智慧教育
4.3.5小结
4.3.6思考与练习
第5章认知诊断
5.1认知诊断简介
5.1.1认知诊断概述
5.1.2认知诊断评价理论的基础概念
5.1.3认知诊断代表性模型
5.1.4认知诊断建模拟合评价
5.1.5小结
5.1.6思考与练习
5.2自适应学习
5.2.1自适应学习概述与框架
5.2.2数据驱动下自适应学习系统的支撑
模型与实现机制
5.2.3自适应学习典型案例分析
5.2.4小结
5.2.5思考与练习
5.3个性化学习路径推荐
5.3.1学习路径推荐算法
5.3.2个性化学习路径挖掘结构模型
5.3.3未来个性化学习路径推荐研究探讨
5.3.4个性化学习路径推荐典型案例分析
5.3.5小结
5.3.6思考与练习
第6章自动作文批改
6.1自动作文批改简介
6.1.1概述
6.1.2国外研究历史与现状
6.1.3国内研究历史与现状
6.1.4小结
6.1.5思考与练习
6.2自动作文批改相关技术
6.2.1停用词过滤
6.2.2词性标记
6.2.3依存句法分析
6.2.4多元回归和潜在语义分析
6.2.5Word2Vec词向量和Doc2Vec句向量模型
6.2.6命名实体识别
6.2.7文本匹配和文本分类
6.2.8小结
6.2.9思考与练习
6.3自动作文批改系统构建案例
6.3.1浅层语义特征分析模块
6.3.2作文跑题检测模块
6.3.3通顺度计算模块
6.3.4多特征融合评分
6.3.5小结
6.3.6思考与练习
第7章多模态学习分析
7.1多模态学习分析介绍
7.1.1多模态学习分析的基本概念
7.1.2多模态学习分析的发展路线
7.1.3多模态学习分析的基本任务
7.1.4小结
7.1.5思考与练习
7.2教育领域的多模态学习分析
7.2.1多模态学习分析的数据介绍
7.2.2多模态学习分析的技术支撑与流程
7.2.3基于教育大数据的多模态学习分析
挑战与发展
7.2.4小结
7.2.5思考与练习
7.3多模态教育应用场景
7.3.1大数据中的多模态学习分析
7.3.2基于多模态数据的学习预警系统
7.3.3小结
7.3.4思考与练习
第8章区块链＋教育
8.1区块链简介
8.1.1全面认识区块链
8.1.2深入浅出共识机制
8.1.3智能合约与Solidity
8.1.4侧链
8.1.5应用案例
8.1.6小结
8.1.7思考与练习
8.2当区块链遇上教育
8.2.1教育的未来方向： 区块链 教育
8.2.2机遇与挑战
8.2.3对策与建议
8.2.4小结
8.2.5思考与练习
8.3区块链 教育应用案例
8.3.1教育区块链学分银行
8.3.2未来学迹链
8.3.3沃尔夫大学（Woolf University）
8.3.4小结
8.3.5思考与练习