前言

课堂学习行为分析

课堂是学校规模化教育的核心，课堂教学评价对于教学质量的提高有重要意义，而学生的课堂行为表现是课堂教学评价的重要成分。通过评价学生的课堂行为，形成有效的反馈信息和教学导向，可以有效地促进课堂教学和学生的发展。因此，将现在的计算机视觉技术和教学过程的相关测量手段相结合，对教室中学生的学习行为进行分析，形成对学生、课堂的多维度的客观评价和反馈，对于提高课堂的教学效率和教学质量有着重要的意义。

学习分析与评测

学习投入度是指学生在学习过程中表现出来的一种状态，是影响学生学习质量的重要因素，学生的学习投入度影响着他们的学业成绩和认知发展。而本书利用人工智能技术对学生的课堂行为进行分析，准确了解学生的学习状态，对学生的学习投入度和认知水平进行评测，帮助教师针对不同的学生进行相应的策略修改，提高课堂教学效率。

自适应个性化辅助学习

随着知识经济时代的到来，当前的学习模式受到了前所未有的冲击，各种新的学习模式如潮水般涌现。在所有学习模式中，最具冲击力的是随着网络技术发展而出现的网络化教学，又称为在线教学。在线教学环境在抗击新型冠状病毒感染疫情的过程中取得了快速发展，为学生学习及获取知识发挥了重要的作用，直播课教学逐渐成为一种新的教学方式。然而，教育大数据的发展带来了信息冗余、教育资源质量参差不齐的问题。学生在选择教育资源时，不仅要面对从海量的教育资源中选择合适教育资源的难题，还要面对优质教育资源的选择和判别问题，这对当前学生来说无疑是很困难的。如何在海量的教育资源中选择适合学生的优质教育资源是一个亟待解决的问题。自适应个性化辅助学习是指可以根据学生的偏好特性为其选择合适的优质教育资源。

当然，随着信息技术的快速发展，互联网中的数字化学习资源越来越丰富，在一定程度上解决了大规模学生同时在线学习、获取教学服务、共享学习资源等问题，也为个性化学习创造了条件。但是，过载的教学信息及冗余网络信息会导致学生迷航。网络信息资源浩瀚，大量组织无序和随机性的信息容易造成学生“信息迷航”，同时在网络信息资源中，“负信息”可能使学生茫然。而知识传递方式的单一性与统一性，使得不同知识结构、不同知识背景与不同接受能力的学生面临相同的学习方式，导致直播课教学寡效。因此，有必要开展自适应个性化辅助学习的研究，这样节省了学生寻找自己可能需要的学习资源所耗费的精力和时间，提高了学生的学习效率和积极性，在一定程度上缓解了海量资源所引起的“信息过载”问题；实现了学生在学习过程中学习资源的连续性和一致性，从而达到学习内容的系统化和体系化。

本书由华中师范大学刘海拟定编写框架、体系结构和指导思想，编写小组由硕士研究生组成。其中，周启云参与第1章、第2章、第3章、第4章、第8章、第9章的编写、朱俊艳参与第1章、第3章、第7章、第9章的编写、宋云霄参与第1章、第3章、第6章、第8章、第9章的编写，王书通参与第1章、第3章、第5章、第8章、第9章的编写，刘海对本书进行了统稿并对每章的内容进行了修订。本书在编写过程中参阅了大量的文献与研究资料，在每章后面列举了主要的参考文献，由于编写时间及编者水平有限，书中难免有不足和疏漏之处，恳请广大读者提出宝贵的意见和建议，以便本书进一步的完善和修订。

致谢

首先，我要感谢周启云、朱俊艳、宋云霄、王书通、方帅、汪翔、陈煜、赖承杭、聂瀚文、陈莹莹、李振华、吴潇楠等，没有他们的支持和帮助，本书不会取得顺利的进展。感谢研究团队的研究生们在资料收集方面的工作，为本书的编写也提供了很多宝贵的建议，他们的努力使我的研究更加丰富有价值。其次，我要感谢家人和朋友们，是他们在繁忙的工作中给予我精神上的支持和帮助。最后，我要感谢所有协助完成本书的编辑和排版人员，他们认真仔细地审阅并纠正了许多错误，让读者能够更清晰地了解我们的研究成果。由衷地感谢此刻正在阅读本书的读者，你们的积极参与和反馈将会让本书的内容更好地运用于实践，进一步促进人工智能在教育教学中的应用及未来教育的变革。

刘海

2023年4月