广西师范大学学报（哲学社会科学版） ›› 2023, Vol. 59 ›› Issue (6): 66-75.doi: 10.16088/j.issn.1001-6597.2023.06.007

• 教育科学 • 上一篇    下一篇

深度学习评价:理论模型、相关技术与实践案例

王梦珂, 王卓, 陈增照   

  1. 华中师范大学人工智能教育学部,湖北武汉430079
  • 收稿日期:2022-07-02 出版日期:2023-11-15 发布日期:2023-12-22
  • 通讯作者: 陈增照,男,华中师范大学人工智能教育学部教授,博士生导师,工学博士,研究方向:教育大数据分析、教育评价。
  • 作者简介:王梦珂,女,华中师范大学人工智能教育学部博士研究生,研究方向:教学评价、学习评价。
  • 基金资助:
    国家自然科学基金面上项目“教师课堂非言语行为的量化计算与教学效果评价研究”(62077022);华中师范大学国家教师发展协同创新实验基地建设研究项目“多模态教师研修自动评价方法与技术研究” (CCNUTEIII 2021-21)

Deep Learning Evaluation: Theoretical Models, Related Technologies and Practical Cases

WANG Meng-ke, WANG Zhuo, CHEN Zeng-zhao   

  1. Faculty of Artificial Intelligence in Education, Central China Normal University, Wuhan 430079, China
  • Received:2022-07-02 Online:2023-11-15 Published:2023-12-22

PDF (PC)

317

摘要： 深度学习是国际教改的普遍趋势,也是核心素养发展的核心要求,如何对深度学习展开评价是关乎深度学习发展的一项挑战性任务。布鲁姆的教育目标分类学、韦伯的知识深度模型以及深度学习评价的多维理论体系为开展深度学习评价提供了坚实的理论基础。表情识别、语音识别、自然语言处理,区块链等智能技术在评价信息采集、处理和存储方面具有广阔的应用前景。案例分析的结果表明,技术赋能的深度学习评价在线上学习情境中扮演着愈发重要的角色。展望智能化深度学习评价的未来,量化民族志方法为深度学习评价提供了方法论指引。

关键词: 深度学习, 知识深度模型, 表现性评价, 智能技术, 量化民族志

Abstract: Deep learning is a general trend of international education reform and a core requirement for the development of core competencies. How to evaluate deep learning is a challenging task related to the development of deep learning. Bloom’s taxonomy of educational goals, Weber’s depth of knowledge model, and the multi-dimensional theoretical system of deep learning evaluation provide a solid theoretical basis for deep learning evaluation. Intelligent technologies such as facial expression recognition, speech recognition, natural language processing, and block chain have great application prospects in the collection, processing and storage of evaluation information. The results of the case studies demonstrate that technology-enabled deep learning assessments are playing an increasingly important role in the context of online learning. Looking forward to the future of intelligent deep learning evaluation, we conclude that quantitative ethnographic methods provide methodological guidance for deep learning evaluation.

Key words: deep learning, depth of knowledge, performance evaluation, intelligent technology, quantitative ethnography

中图分类号:  G442

[1] Marton F,Sáaljö R.On qualitative differences in learning:Ⅱ—Outcome as a function of the learner’s conception of the task[J].British Journal of educational Psychology,1976(2):115-127.
[2] Dinsmore D L,Alexander P A.A critical discussion of deep and surface processing:what it means,how it is measured,the role of context,and model specification[J].Educational psychology review,2012(4):499-567.
[3] 吴忭,胡艺龄,赵玥颖.如何使用数据:回归基于理解的深度学习和测评——访国际知名学习科学专家戴维·谢弗[J].开放教育研究,2019(1):4-12.
[4] 陈静静,谈杨.课堂的困境与变革:从浅表学习到深度学习——基于对中小学生真实学习历程的长期考察[J].教育发展研究,2018(Z2):90-96.
[5] Jensen E,Nickelsen LeAnn.深度学习的7种有力策略[M].温暖,译.上海:华东师范大学出版社,2009:11-12.
[6] 何克抗.深度学习:网络时代学习方式的变革[J].教育研究,2018(5):111-115.
[7] Herman J, Linn R.On the road to assessing deeper learning:The status of Smarter Balanced and PARCC assessment consortia[R].Los Angeles,CA:University of California,CRESST,2013:10-12.
[8] 张浩,吴秀娟,王静.深度学习的目标与评价体系构建[J].中国电化教育,2014(7):51-55.
[9] 周文叶.中小学表现性评价的理论与技术[M].上海:华东师范大学出版社,2014:53.
[10] 周文叶.表现性评价:指向深度学习[J].教育测量与评价,2018(7):1.
[11] Borich G D,Tombari M L. Educational psychology[M]. New York : Longman,1997:429.
[12] 刘清堂,毛刚,杨琳,等.智能教学技术的发展与展望[J].中国电化教育,2016(6):8-15.
[13] 刘革平,黄智兴,邱玉辉.基于数据挖掘的远程学习过程评价系统设计与实现[J].电化教育研究,2005(7):67-69.
[14] 牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志,2017(3):22-30.
[15] 华璐璐.人工智能促进教学变革研究[D]. 徐州:江苏师范大学,2018.
[16] 刘勇,李青,于翠波.深度学习技术教育应用:现状和前景[J].开放教育研究,2017(5):113-120.
[17] 杨现民,李新,吴焕庆,等.区块链技术在教育领域的应用模式与现实挑战[J].现代远程教育研究,2017(2):34-45.
[18] Swart A J. Evaluation of final examination papers in engineering: a case study using Bloom’s taxonomy[J]. IEEE Transactions on Education, 2009(2): 257-264.
[19] Aninditya A, Hasibuan M A, Sutoyo E. Text mining approach using TF-IDF and naive Bayes for classification of exam questions based on cognitive level of Bloom’s taxonomy[C]//2019 IEEE International Conference on Internet of Things and Intelligence System (IoTaIS). IEEE, 2019: 112-117.
[20] 刘丽丽.基于SOLO分类理论的小学生深度学习评价研究[D].上海:华东师范大学,2017.
[21] Liu S,Liu S,Liu Z,et al.Automated detection of emotional and cognitive engagement in MOOC discussions to predict learning achievement[J].Computers&Education,2022,181:104461.
[22] Crosson A C, McKeown M G,Ward Jr A K.An innovative approach to assessing depth of knowledge of academic words[J].Language Assessment Quarterly,2019(2):196-216.
[23] 凌建勋,凌文辁,方俐洛.深入理解质性研究[J].社会科学研究,2003(1):151-153.
[24] Wise A F, Shaffer D W. Why theory matters more than ever in the age of big data[J].Journal of Learning Analytics,2015(2):5-13.
[1] 许锋华, 胡先锦. 人工智能技术赋能个性化学习:意蕴、机制与路径[J]. 广西师范大学学报（哲学社会科学版）, 2023, 59(4): 68-79.
[2] 于文轩, 马亮, 王佃利, 韩志明, 谢新水, 叶林, 文宏. “新一代人工智能技术ChatGPT的应用与规制”笔谈[J]. 广西师范大学学报（哲学社会科学版）, 2023, 59(2): 28-53.
[3] 许锋华, 余乐. 深度学习的教育学研究:缘起、内涵与展望[J]. 广西师范大学学报（哲学社会科学版）, 2022, 58(5): 147-156.
[4] 胡小勇, 易锡添. 新冠疫情影响中小学在线教研的发展研究[J]. 广西师范大学学报（哲学社会科学版）, 2020, 56(5): 69-77.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 陈延斌, 王伟. 传统家礼文献整理、研究的学术史梳理与评析[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 1 -10 .
[2] 李冰, 陈姝瑾. 《郑氏家仪》研究[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 11 -17 .
[3] 朱莉涛. 《茗洲吴氏家典》研究[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 18 -24 .
[4] 周良书, 郭文杰. 中共开展党内政治生活的历史与经验[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 25 -30 .
[5] 张乾元, 朱倩倩. 习近平新时代中国特色社会主义思想的核心要旨[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 31 -36 .
[6] 潘瑾菁. 习近平新时代网络意识形态工作思想研究[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 37 -41 .
[7] 瞿久淞, 靳书君. 习近平新时代中国特色社会主义话语研究[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 42 -47 .
[8] 邓世平. 乡村振兴:习近平对毛泽东农村发展思想的继承与发展[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 48 -54 .
[9] 李潇. 完善我国人格权立法的再思考[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 55 -60 .
[10] 赛铮. 论保险公司破产是偏颇性清偿行为撤销之例外[J]. 广西师范大学学报（哲学社会科学版）, 2018, 54(3): 61 -66 .
版权所有 © 广西师范大学学报（哲学社会科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: xbgj@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发