人工智能與教育

第1章　教育和人工智慧
1.1　教育和一般教學系統
1.1.1　教育的含義
1.1.2　一般教學系統
1.1.3　一般教學系統的動態性
1.1.4　一般教學系統的開放性
1.1.5　一般教學系統中教育者的功能
1.1.6　一般教學系統中的教學理論
1.1.7　一般教學系統的工作效率
1.1.8　教育技術
1.2　自然智慧與教育
1.3　人工智慧
1.3.1　人工智慧的研究領域
1.3.2　計算機硬體
1.3.3　計算機軟體
1.3.4　支撐人工智慧技術的計算機硬體和軟體
1.3.5　人工智慧的理論基礎
1.3.6　人工智慧的跨學科特性
1.4　教育、自然智慧與人工智慧的關係

第2章　知識工程
2.1　知識的定義及其分類
2.1.1　知識的定義
2.1.2　知識的分類
2.2　知識的自然表達方法——自然語言
2.2.1　世界和自然語言
2.2.2　計算機語言和自然語言
2.3　謂詞邏輯標記法
2.3.1　命題邏輯
2.3.2　謂詞邏輯
2.3.3　謂詞公式的等價性與永真蘊含
2.4　產生式標記法
2.4.1　定義
2.4.2　產生式系統的組成
2.4.3　產生式標記法的特點
2.4.4　Cyc： 一個典型的產生式系統
2.5　邏輯編程語言Prolog簡介
2.5.1　初中數學幾何圖形關係
2.5.2　英語詞彙和語法系統
2.6　語義網路標記法
2.6.1　基本語義關係
2.6.2　語義網路標記法的特點
2.6.3　英語語義網路系統WordNet
2.6.4　漢語語義網路HowNet和OpenHowNet
2.6.5　其他典型語義網路
2.7　腳本標記法
2.8　大語言模型中的知識工程問題
2.9　知識工程在教育技術上的應用

第3章　數據挖掘
3.1　概念、功能和常用軟體
3.1.1　概念
3.1.2　功能
3.1.3　常用軟體
3.2　常用數據挖掘算法
3.2.1　回歸分析
3.2.2　決策樹
3.2.3　人工神經網路
3.2.4　遺傳算法
3.2.5　貝葉斯算法
3.2.6　鄰近算法
3.2.7　支援向量機算法
3.3　EXCEL簡介
3.4　SPSS簡介
3.5　WEKA
3.5.1　簡介
3.5.2　Preprocess（數據預處理）
3.5.3　Classify（分類或回歸）
3.5.4　Cluster（聚類）
3.5.5　Associate（規則關聯）
3.6　線上學習活動指數OLAI
3.7　教育數據挖掘案例
3.7.1　教育數據挖掘實證研究
3.7.2　教育數據挖掘系統性文獻綜述研究

第4章　自然語言處理
4.1　研究意義和方法
4.1.1　研究意義
4.1.2　研究方法
4.1.3　研究層次
4.2　語音辨識
4.2.1　語音到文字轉換
4.2.2　聲紋識別
4.3　語音合成
4.4　語音辨識和合成軟體
4.5　詞法分析
4.5.1　西方語言詞法分析
4.5.2　漢語分詞系統
4.6　語法分析系統
4.7　人機對話系統
4.7.1　基於關鍵字匹配技術的人機對話系統
4.7.2　人機對話比賽
4.8　大語言模型
4.8.1　理論基礎
4.8.2　美國微軟投資的OpenAI的大語言模型GPT系列
4.8.3　對ChatGPT的評測綜述
4.8.4　訊飛星火認知大模型（SparkDesk）
4.8.5　中國在文本生成領域的其他進展
4.8.6　大語言模型給中國教育帶來的機遇和挑戰
4.8.7　中國教育應對大語言模型的策略
4.8.8　小結
4.9　計算機輔助語言教學

第5章　模式識別
5.1　視覺識別
5.1.1　光電轉換器件
5.1.2　圖像識別系統
5.1.3　常用視覺識別系統
5.1.4　視覺識別系統教育應用
5.2　情感識別
5.2.1　情感分類
5.2.2　情感識別方法
5.2.3　教育應用

第6章　機器人
6.1　各類機器人
6.1.1　掃地機為代表的輪式機器人
6.2.2　其他類型的機器人
6.2　機器人世界盃比賽
6.3　機器人教育應用

第7章　藝術創作
7.1　智慧繪畫系統
7.2　智慧音樂生成系統
7.3　文化創意產業
7.4　人工智慧技術用於藝術教育

第8章　自動程式設計
8.1　大語言模型的自動程式設計功能
8.2　大語言模型的程式修改功能
8.3　自動程式設計與編程教學

第9章　智慧教學系統
9.1　定義
9.2　發展歷史
9.3　構成和實現技術
9.4　應用和效果
9.4.1　關於智慧教學系統的實證研究
9.4.2　關於智慧教學系統的元分析研究
9.5　智慧教學系統研究的現實意義

第10章　學習風格與個性化教學
10.1　基本概念
10.2　常用的學習風格量表
10.2.1　曼勒特克斯（Memletics）學習風格量表
10.2.2　費爾德西爾弗曼（Felder-Silverman）學習風格量表
10.2.3　場依存型場獨立型學習風格量表
10.2.4　適應型革新型學習風格量表
10.3　綜合型學習風格量表
10.4　基於學習風格的個性化學習

第11章　智慧英語教學系統“希賽可”
11.1　系統設計緣起
11.2　指導理論
11.3　希賽可中的英語語法體系
11.3.1　句子
11.3.2　從句
11.3.3　短語
11.3.4　單詞
11.4　希賽可系統結構和技術機理
11.4.1　流覽器/伺服器介面
11.4.2　英語解析器
11.4.3　NLML解析器
11.4.4　自然語言數據庫（Natural Language Database，NLDB）
11.4.5　常識性知識
11.4.6　文本蕰含機理（Generation of Textual Entailment，GTE）
11.4.7　交流性反應機理（Communicational Response，CR）
11.4.8　多通道用戶介面和可以選擇的聊天模式
11.4.9　適應於用戶偏好和話題的自由聊天
11.4.10　在給定場景中的引導性對話
11.4.11　無限定答案的填空練習的自動評分
11.4.12　機器人的對話演示（“二人轉”）
11.4.13　聽力訓練
11.4.14　積分機制
11.4.15　小結
11.5　智慧英語教學系統希賽可
11.5.1　多角色對話（包括“多人轉”與人機對話兩種形式）
11.5.2　詞彙練習
11.5.3　聽力練習
11.5.4　語法練習
11.5.5　閱讀理解
11.5.6　英語閱讀
11.5.7　個性化的學習者檔案
11.5.8　協作式學習
11.5.9　教師的課程管理功能
11.5.10　客戶端從微機擴展到平板電腦、智慧手機等移動終端
11.6　系統應用和評估
11.6.1　中學應用和評估
11.6.2　北京郵電大學的應用和評估
11.6.3　北京理工大學珠海分校的應用和評估

第12章　數學智慧評測和教學系統MIATS V2.0
12.1　智慧技術支援個性化評測和輔導的理論基礎
12.2　數學智慧評測和輔導系統MIATS V2.0
12.3　借助MIATS V2.0進行畢氏定理相關知識的智慧評測和輔導
12.4　初步的教學應用和效果評估
12.4.1　第一次實驗： 初中
12.4.2　第二次實驗： 高中

第13章　人工智慧教育和創造性思維培養
13.1　創造性思維和計算思維評估方法
13.1.1　創造性思維評估方法
13.1.2　計算思維評估方法
13.2　智慧編程教育結果分析
13.2.1　學生情況
13.2.2　編程能力測試成績分析
13.3.3　智慧編程教育對創造力和計算思維的影響效果

第14章　課堂錄影師生行為分析
14.1　課堂視頻師生行為分析編碼方案
14.2　SACVAS系統介紹
14.3　使用SACVAS系統分析優課案例
14.3.1　一節英語課程的分析結果
14.3.2　英語學科言語分類統計
14.3.3　全部課程的分析結果
14.3.4　北京市優課視頻分析總結

參考文獻

賈積有
 
北京大學教育學院教育技術系主任、教授、博士生導師；北京大學教育信息化國際研究中心主任。曾應邀擔任德國慕尼克工業大學教育學院和香港公開大學客座教授、香港教育大學訪問教授。入選教育部新世紀優秀人才支持計劃（2009）。北京大學理學學士、教育學碩士，德國奧格斯堡大學哲學博士。研究領域：教育技術學、人工智慧教育應用、計算機輔助語言教學、教育決策支援系統等。主持和參與二十多項國內外重要科研項目。

曾百餘次受邀在國際和國內學術研討會報告科研成果、在國培等全國和省市級教師培訓會議及高校師資培訓會議上授課。撰寫或者主編漢語、英語、德語專著八本，在國內外重要期刊和會議發表論文二百餘篇，榮獲國內外教育和人工智慧研究等領域的科研和教學獎項十余項，包括2023年Emerald傑出論文獎、2016年全國第五屆教育科學研究優秀成果一等獎等。學術兼職：全國和多個省級教育信息化諮詢專家，中國教育技術協會學術委員會委員，清華大學、北京師範大學等多所高校學術委員，多個國家和省部科研和人才專案評審專家，多次國際會議（聯合）主席等。