- · 《教育教学论坛》栏目设[05/29]
- · 《教育教学论坛》数据库[05/29]
- · 《教育教学论坛》收稿方[05/29]
- · 《教育教学论坛》投稿方[05/29]
- · 《教育教学论坛》征稿要[05/29]
- · 《教育教学论坛》刊物宗[05/29]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
创新创业教育背景下的“因材施教”发展 ——
作者:网站采编关键词:
摘要：一 引言 由于环境、教育、学生本身的实践以及先天的遗传素质不同,学生不仅有年龄特征,而且存在着个体差异，因此因材施教对培养适应时代需要的创新型人才，具有非常重要的现实意
一 引言
由于环境、教育、学生本身的实践以及先天的遗传素质不同,学生不仅有年龄特征,而且存在着个体差异，因此因材施教对培养适应时代需要的创新型人才，具有非常重要的现实意义。因材施教指教师从学生的自身特点出发，让教学内容的深度、广度和进度充分适应其知识水平和接受能力，让学习效果达到最好。它不仅是我国古代教学经验的结晶，也是现代教育教学的重要原则。然而，自春秋时期的教育家孔子倡导“因材施教”以来，而一对一的教育成本昂贵，加之教学资源、师资所限，而无法大面积推广应用。
近年来，创新创业教育得到了快速的发展，人工智能在科技领域也取得了重大突破。在此背景下，本文梳理了近年来人工智能在教育教学中的应用，分析了新时代创新创业教育在“因材施教”过程中所应该注意的事项，以及所取得的成绩和发展。
二 创新创业背景下基于AI 的学生行为相关研究
针对学生特征分析问题，国内外学者进行了理论和实践的双重探索，包括WEB 日志挖掘、规则归纳模型、遗传算法等传统理论方法以及深度学习的端到端方法。
2017 年，Manoharan 等利用事先设计好的“调查表”评估学生的个性化特征，预防和减少学生抄袭行为[2]，但其效果受调查表设计和学生的参与程度的影响。2017年，Cohen 等根据学生在网络课程学习中Web 日志分析结果预测其辍学可能性[3]。2018 年，D·biecn 等依据学生模型库记录的“学生模型信息”，提出学生为中心的课程教学法帮助每个学生选择最适合的学习方式[4]。
近年来，一些学者提出利用深度学习的方法进行学生行为识别。2017 年，李森林等利用深度卷积神经网络建立学生听课状态模型，将认真听课为正向的样本，玩手机为负向样本，通过CNN 提取特征后用softmax 分类器进行分类，其识别错误率约为19%[5]。2018 年，谭斌等研究基于Faster R-CNN 的学生课堂行为检测算法，可识别“学习”“玩”的行为，但是对“睡觉”检测率较低[6]。
2017 年5 月，好未来教育公司（学而思）投资研发FaceThink 系统，自动对捕捉镜头前的人脸表情，并打分，通过表情属于正面、负面和中性的8 种情绪指标进行计算，预测当前情绪，使得教师可以根据学生听课状态调整课堂节奏和气氛，在“一对一”场景中识别率良好。
与之类似，2018 年4 月，海风教育公司推出“好望角”系统，其借助人脸识别技术，将学生情绪分为正面情绪“高兴”，负面情绪“厌恶、悲伤、疑惑、轻蔑、愤怒”和中性情绪“专注、惊讶”，并基于眼球焦点分析学生注意力情况，将结果即时反馈给老师，另外系统还能对学生、老师的语音进行转义分析，对其所说语义、语气进行判断。
2018 年11 月，掌门教育公司的战略发布会上宣布将全面升级为素质教育科技公司，把人工智能融入到整个在线教育学习链中。公司开发人员将“AI in ALL”理念加入到期研发的“掌门一对一”中小学在线教育上课系统。该系统通过大数据分析在上万名老师中匹配与学生最合适的辅导老师，并借助面部表情识别技术分析摄像头前的学生情绪，生成属于每个学生的学习情绪报告，辅助老师掌握课程动态，避免低效率学习。
在创新创业教育快速发展的背景下，有的计算视觉研究团队以教室、实验室和考场为真实应用环境，通过分析挖掘学习场景的特点及学习的行为特点，构建教育类的图像、视频数据集，设计和探索课堂和实验中学习者的行为描述等新方法和新技术研究，将对之进行了教学实践。
三 个性化管理及个性化学习实践
西安交通大学从2016 年起建设“教育教学质量实时监测大数据平台”，整合课程资源、教师与学生的教学结果数据，教学人机交互环境信息、教学监管评价数据及一切潜在影响教学与管理的数据，用于实时反映和跟踪每节课的到课情况，未上课学生的去向分析，统计分析到课率情况。该平台较好地解决了教师“怎么教”，学生“怎么学”和学校“怎么管”的问题。
首都师大周建设教授团队研发了智能教育系统，其英语作文批改系统累计批改英语作文4 亿多篇，服务7000 多所学校的1700 万学生，帮助15 万教师提高教学效率并大大减轻工作量。例如，在北京市朝阳区14所基础薄弱学校使用后，其2018 年中考英语作文平均分超过了朝阳区平均分。
科大讯飞推出的智慧微课、纸币课堂、智慧作业平台、智慧组卷工具、智学产品2.0 等系统产品，初步投入实用，其推出的个性化学习手册不仅在2019 年5月中国国际大数据产业博览会上荣获2019 领先科技成果“优秀项目”奖，而且在很多学校中取得显著成效。例如，合肥市第六中学高一年级部通过对个性化学习手册的常态化应用，2018 年6 月的期末考试中，班级数学及格率从上学期的76.4% 上升到82.4%，较对照班级的及格率提升7.5 倍。
文章来源：《教育教学论坛》 网址: http://www.jyjxltbjb.cn/qikandaodu/2021/0203/767.html