通过分析诸如学生压力水平、好奇心、困惑、焦虑、话题偏好和学习方法等关键数据点，本研究开发了一款创新的学习分析工具，利用 OpenAI 的 GPT-4 模型，该工具旨在量化学生参与度、绘制学习进展，并评估教学策略的有效性。将 Bloom 的分类法作为框架，该工具可以衡量学生提出的问题涉及的认知层次，从而阐明他们的学习进展。从这些测量结果中获得的信息可以帮助教育工作者提供宝贵的洞察力，以增强教学方法，找出潜在的改进领域，并为个别学生设计个性化的干预措施。通过详细评估该学习分析工具的设计细节、实施策略和排除干扰因素，本研究强调了该工具对提高教育成果和促进学生成功的潜在贡献。此外，还探讨了将该工具整合到现有教育平台及所需的强大、安全、可扩展的技术基础设施方面的实际问题。这项研究为利用人工智能塑造教育的未来，促进数据驱动的教学决策，并最终营造更有利于个性化学习的环境开辟了新途径。

Dec, 2023

考虑到学习者参与可以对学习者和教师带来共同的利益，本文提出了一个通用的轻量级模型，以选择和处理特征来检测学习者的参与度，同时保留随时间变化的顺序时序关系。通过分析公开可用的 DAiSEE 数据集中的视频，该模型能够捕捉学习者参与度的动态本质。此外，本文提出了一个适应策略，以通过利用与教育相关的数据集的情感状态来找到新的标签，从而提高模型的判断能力。该模型在特定实现中取得了 68.57％的准确率，并且优于研究中研究了的用于检测学习者参与度水平的最先进模型。

May, 2024

本文提出了基于深度学习的机器学习模型，通过单个学生的角色和行为注释来自动确定小组整体合作质量。然而，在建立这些模型时，我们遇到了一些挑战，包括有限的训练数据和严重的类标签不平衡问题等。为了解决这些挑战，我们使用了 Mixup 数据扩充，并研究了在此基础上使用有序交叉熵损失函数的效果。

Jul, 2020

学习分析，基于人工智能系统的教室学习，教师实践，跨模式有序网络分析和学生成绩。

Dec, 2023

该研究提出了一种新的框架，将透明的机器学习与数据驱动的处方分析技术相结合，同时结合大型语言模型的最新进展，实现了对非完成方案的有风险学习者进行预测模型的构建和处方分析的人类可读的反馈。

Aug, 2022

通过共同设计研究，探索学生使用人工智能（AI）的数据在项目式学习（PBL）评估中作为新材料的潜力，并基于学生对教育目标转变的愿景，分析了学生使用 AI 的各种情景、分析方法和理解方式以及对学生与 AI 互动和理解 AI 增强学习的未来研究机会。

Jan, 2024

通过机器学习和多模态学习分析来支持科学家研究分析儿童在混合现实环境下的具身学习，简化研究者的任务，深入了解学生在模拟场景中通过动作、注视和情感反应等方式与科学互动的学习过程。

May, 2024

本文综述了过去在人机交互中与情感参与度推测相关领域的前沿工作，包括交互上下文、情感组成因素及其影响、公开数据集、认证准确度、最常用的特征和方法，指导未来开发致力于可靠的上下文感知和情感推测能力的人机交互界面。

Sep, 2022

本文介绍了使用人工智能技术进行英语外语教学的重要性，并应用大数据、机器学习和聚类域的教学学习内容来开发 EFL 大数据生态系统，以提供个性化、吸引人的教学和学习体验。

Jun, 2023

本研究将人工智能与人类合作的问题重新定义为一种学习问题，提出团队学习策略可提高合作效果和质量，为设计更高效的人工智能合作系统提供了新的视角和框架，并就支持人们学习如何与生成型人工智能系统协作的进一步研究提出了问题和议程。

Jul, 2022