本書以自然語言處理作為底層理論知識在教育技術領域的發(fā)展和應用現(xiàn)狀展開介紹，包括作為智慧教育底層依托的教育知識圖譜構建及其表征學習相關理論，以及基于教育知識圖譜的目前三大應用方向，教育問答，認知診斷和作文批改，然后作為補充，介紹了融合視頻，聲頻等數(shù)據(jù)的多模態(tài)學習分析，以及另一熱門技術，區(qū)塊鏈，在教育上的智能應用。 具體由8個章節(jié)組成，其結構如下：章簡介智慧教育的發(fā)展和智慧教育系統(tǒng)。第二章和第三章介紹知識圖譜相關知識。第四章介紹基于知識圖譜的教育問答。第五章結合心理學測評方法，利用大數(shù)據(jù)分析對學習者的學習狀態(tài)進行認知診斷，使用學習者更好地被學習環(huán)境感知。同時也介紹了用學習路徑推薦方法，為學習者提供更好地學習內(nèi)容。這與智慧教育本質(zhì)特征要求相符合。第六章介紹知識圖譜技術在作文批改中的應用，深化信息技術，包括講述運用信息技術提升教學質(zhì)量，作文批改減輕教師負擔，增強學生學習效率。第七章主要介紹多模態(tài)數(shù)據(jù)采集與分析技術，智慧教育對大數(shù)據(jù)的訴求有更大的增加，全維度、多模態(tài)的數(shù)據(jù)成為學習分析技術分析的重要基礎。第八章介紹區(qū)塊鏈技術，區(qū)塊鏈獨特的技術特征，實現(xiàn)了智慧教育資源的共享與安全性，促進教育的公平，有利于建立健全的人才培養(yǎng)體系。 以上內(nèi)容構成了新一代信息技術支持下的智慧教育框架。讀者對象適合各師范院校相關專業(yè)，各綜合性大學教育學專業(yè)的教材及大專以上學歷對教育技術學有興趣的相關從業(yè)人員。
本書是筆者和從華南師范大學到浙江師范大學合作多年的黃昌勤教授多次討論后成書的，在撰寫期間得到了多位高校老師的幫助。
筆者擁有計算機專業(yè)背景，博士期間在周曉方教授的指導下主要從事數(shù)據(jù)庫、數(shù)據(jù)挖掘方面的理論算法研究，而在博士后期間，筆者的導師是聯(lián)合國大學國際知名智能導學系統(tǒng)(Intelligent Tutoring Systems)專家Peter Haddawy教授，在他的影響下，筆者初步涉獵了教育技術領域，并深刻體會到技術對教育，尤其對發(fā)展中國家教育的影響，技術確實可以在很大程度上解決教育不均衡的問題，實現(xiàn)社會層面的共同富裕。進入高校后，筆者平時的工作也和教育密切相關，隨著人工智能技術的發(fā)展，很多高校也開設了人工智能專業(yè)相關課程，而作為師范院校，人工智能如何和教育結合自然也成為近年來關注的熱點，但筆者在實際開展的教學工作過程中發(fā)現(xiàn)這方面的書，尤其是專門的教材較少，并且沒有形成體系，因此萌發(fā)了結合自己多年的研究及所學撰寫本書的想法。
本書包含8章，第1章主要介紹智慧教育的發(fā)展和智慧教育系統(tǒng)，通過擬人化具象示意圖并結合技術的研究，提出了新一代信息技術支持下的智慧教育框架。在本書中，該框架的技術體系主要由教育文本處理、多模態(tài)學習分析和區(qū)塊鏈 教育3個主要部分構成。
第2章首先介紹知識圖譜的基本概念、發(fā)展歷史及的研究工作和技術； 然后就教育知識圖譜的構建進行探討，同時結合教育知識圖譜的應用案例，幫助讀者更進一步了解知識圖譜在教育領域的作用。
第3章是第2章知識圖譜內(nèi)容的核心技術延伸，即教育知識圖譜的表征學習。首先介紹什么是知識圖譜的表征學習及當前主要的幾種知識圖譜表征學習技術； 然后展開介紹表征學習應用在教育領域的特點和所面臨的挑戰(zhàn)，并介紹一些對應的解決方案和在這方面較新的可解釋性研究； 后結合實際案例介紹教育知識圖譜表征學習的作用。
第4章介紹問答對話系統(tǒng)的相關基本概念、類別及其相應的主流技術和應用。首先基于人機交互形式或應用方式將對話系統(tǒng)進行分類并進行相關介紹； 進而介紹對話系統(tǒng)的相關主流技術和應用； 后結合更具體的實際應用場景，通過一個實際案例進一步闡述問答系統(tǒng)在教學中的價值。
第5章介紹認知診斷的發(fā)展及其應用，以及對自適應學習和個性化學習進行分析與研究。首先介紹認知診斷的基本概念、原理和模型； 然后結合自適應框架，對自適應學習系統(tǒng)模型與實際案例進行詳細闡述； 后基于學習路徑算法，對個性化學習路徑挖掘模型進行描述。本章還對個性化學習路徑的典型案例進行分析，并探討個性化學習路徑的未來與發(fā)展。
第6章介紹自動作文批改的發(fā)展、概念與相關技術。首先闡述自動作文批改的國內(nèi)外研究與發(fā)展現(xiàn)狀； 然后詳細介紹自動作文批改所涉及的關鍵技術； 后結合具體的自動作文評分系統(tǒng)案例，進一步介紹自動作文評分系統(tǒng)的構建。
第7章介紹多模態(tài)學習分析的概念、發(fā)展和基本任務，以及多模態(tài)在教育領域的應用。首先介紹多模態(tài)學習分析的基本概念和基本任務； 接著基于教育領域闡述多模態(tài)學習分析的數(shù)據(jù)與技術，并介紹其在教育領域中的應用和所面臨的挑戰(zhàn)； 后結合多模態(tài)教育的應用場景，介紹大數(shù)據(jù)中的多模態(tài)學習分析與基于多模態(tài)數(shù)據(jù)的學習預警系統(tǒng)。
第8章介紹區(qū)塊鏈的基本概念與技術，進而對區(qū)塊鏈在教育領域的影響與應用進行詳細研究分析。本章首先介紹區(qū)塊鏈的概念和關鍵技術； 進而敘述區(qū)塊鏈與教育相結合的機遇與挑戰(zhàn)，并提出了相關的建議與解決方案； 后結合一些現(xiàn)有的案例，介紹區(qū)塊鏈 教育的一些具體應用場景。
后，感謝為本書出版做了大量工作的朋友。感謝楊曦、張麗君、郭美美、陳善軒、馬曉東、邢玉玲、吳志杰、顏志文、程博、林志豪、覃楊杰、黎宇、梁婉瑩等參與本書的撰寫工作。
本書是2018年人文社科規(guī)劃基金項目（18YJA880027）、首批新文科研究與改革實踐項目（2021180017）的研究成果，由浙江師范大學、浙江省智能教育技術與應用重點實驗室資助出版。
由于作者水平有限，書中不足之處歡迎大家批評指正。
朱佳2022年1月
本書源代碼
朱佳，博士、教授、博士生導師（計算機科學與技術、智能教育），浙江師范大學�？低曋悄芙逃�(lián)合實驗室技術負責人、原華南師范大學人工智能專業(yè)負責人、數(shù)據(jù)智能實驗室負責人及模式識別與行為分析實驗室負責人；中國教育技術協(xié)會人工智能專委會常務理事、中國人工智能學會青年工作組專委會理事、中國人工智能學會會刊《智能技術學報》編委會編委、中國計算機學會協(xié)同計算專委會與區(qū)塊鏈專委會委員、澳大利亞教育研究協(xié)會會員。
黃昌勤，博士、二級教授、博士生導師（計算機科學與技術、教育技術學），國際期刊IEEE Trans. on Learning Technologies副主編，廣東省珠江學者特聘教授、浙江省智能教育技術與應用重點實驗室主任、廣東省智慧學習工程技術研究中心常務副主任；中國教育學會中小學信息技術教育專業(yè)委員會常務理事、浙江省高校大數(shù)據(jù)與人工智能類專業(yè)教學指導委員會委員、北京師范大學教育學部兼職教授。
第1章概述00
1.1智慧教育： 人工智能時代的教育體系00
1.1.1智慧教育的概念和特征00
1.1.2智慧教育的技術體系00
1.1.3智慧教育的發(fā)展歷程00
1.1.4智慧教育的典型應用0
1.2智慧教育的技術體系0
1.2.1教育文本處理0
1.2.2多模態(tài)學習分析0
1.2.3區(qū)塊鏈 教育0
1.3全書結構0
第2章教育知識圖譜0
2.1知識圖譜簡介0
2.1.1知識圖譜概述及發(fā)展歷史0
2.1.2知識圖譜的主要技術和前沿工作0
2.1.3小結0
2.1.4思考與練習0
2.2教育知識圖譜構建0
2.2.1教育知識圖譜構建兩大視角0
2.2.2基于智能處理技術的圖譜構建0
2.2.3小結0
2.2.4思考與練習0
2.3教育知識圖譜應用0
2.3.1應用場景0
2.3.2小結0
2.3.3思考與練習0
第3章教育知識圖譜表征學習0
3.1知識圖譜表征學習簡介0
3.1.1基于翻譯的傳統(tǒng)知識圖譜表征學習技術0
3.1.2基于神經(jīng)網(wǎng)絡的知識圖譜表征學習技術0
3.1.3知識圖譜表征學習的新興技術0
3.1.4小結0
3.1.5思考與練習0
3.2教育知識圖譜表征學習的特點和挑戰(zhàn)0
3.2.1教育知識圖譜的語義特點及提取方法0
3.2.2教育知識圖譜表征學習的當前挑戰(zhàn)和
解決方案0
3.2.3可解釋性的教育知識圖譜表征學習技術0
3.2.4小結0
3.2.5思考與練習0
3.3教育知識圖譜表征學習的應用案例0
3.3.1基于教育知識圖譜的教育測評0
3.3.2基于教育知識圖譜的學習資源推薦0
3.3.3小結0
3.3.4思考與練習0
第4章教育問答0
4.1問答對話系統(tǒng)簡介0
4.1.1問答對話系統(tǒng)概述0
4.1.2任務導向型對話0
4.1.3非任務導向型對話0
4.1.4小結0
4.1.5思考與練習0
4.2教育知識圖譜問答0
4.2.1知識圖譜問答0
4.2.2開放域和特定域知識圖譜問答
4.2.3教育知識圖譜問答研究現(xiàn)狀
4.2.4教育知識概念抽取
4.2.5教育知識圖譜問答系統(tǒng)構建
4.2.6小結
4.2.7思考與練習
4.3案例分析
4.3.1智能問答教學系統(tǒng)的應用背景
4.3.2系統(tǒng)架構、特點和優(yōu)勢
4.3.3問答系統(tǒng)在教學應用中的進一步擴展
4.3.4基礎教育知識圖譜賦能智慧教育
4.3.5小結
4.3.6思考與練習
第5章認知診斷
5.1認知診斷簡介
5.1.1認知診斷概述
5.1.2認知診斷評價理論的基礎概念
5.1.3認知診斷代表性模型
5.1.4認知診斷建模擬合評價
5.1.5小結
5.1.6思考與練習
5.2自適應學習
5.2.1自適應學習概述與框架
5.2.2數(shù)據(jù)驅(qū)動下自適應學習系統(tǒng)的支撐
模型與實現(xiàn)機制
5.2.3自適應學習典型案例分析
5.2.4小結
5.2.5思考與練習
5.3個性化學習路徑推薦
5.3.1學習路徑推薦算法
5.3.2個性化學習路徑挖掘結構模型
5.3.3未來個性化學習路徑推薦研究探討
5.3.4個性化學習路徑推薦典型案例分析
5.3.5小結
5.3.6思考與練習
第6章自動作文批改
6.1自動作文批改簡介
6.1.1概述
6.1.2國外研究歷史與現(xiàn)狀
6.1.3國內(nèi)研究歷史與現(xiàn)狀
6.1.4小結
6.1.5思考與練習
6.2自動作文批改相關技術
6.2.1停用詞過濾
6.2.2詞性標記
6.2.3依存句法分析
6.2.4多元回歸和潛在語義分析
6.2.5Word2Vec詞向量和Doc2Vec句向量模型
6.2.6命名實體識別
6.2.7文本匹配和文本分類
6.2.8小結
6.2.9思考與練習
6.3自動作文批改系統(tǒng)構建案例
6.3.1淺層語義特征分析模塊
6.3.2作文跑題檢測模塊
6.3.3通順度計算模塊
6.3.4多特征融合評分
6.3.5小結
6.3.6思考與練習
第7章多模態(tài)學習分析
7.1多模態(tài)學習分析介紹
7.1.1多模態(tài)學習分析的基本概念
7.1.2多模態(tài)學習分析的發(fā)展路線
7.1.3多模態(tài)學習分析的基本任務
7.1.4小結
7.1.5思考與練習
7.2教育領域的多模態(tài)學習分析
7.2.1多模態(tài)學習分析的數(shù)據(jù)介紹
7.2.2多模態(tài)學習分析的技術支撐與流程
7.2.3基于教育大數(shù)據(jù)的多模態(tài)學習分析
挑戰(zhàn)與發(fā)展
7.2.4小結
7.2.5思考與練習
7.3多模態(tài)教育應用場景
7.3.1大數(shù)據(jù)中的多模態(tài)學習分析
7.3.2基于多模態(tài)數(shù)據(jù)的學習預警系統(tǒng)
7.3.3小結
7.3.4思考與練習
第8章區(qū)塊鏈＋教育
8.1區(qū)塊鏈簡介
8.1.1全面認識區(qū)塊鏈
8.1.2深入淺出共識機制
8.1.3智能合約與Solidity
8.1.4側鏈
8.1.5應用案例
8.1.6小結
8.1.7思考與練習
8.2當區(qū)塊鏈遇上教育
8.2.1教育的未來方向： 區(qū)塊鏈 教育
8.2.2機遇與挑戰(zhàn)
8.2.3對策與建議
8.2.4小結
8.2.5思考與練習
8.3區(qū)塊鏈 教育應用案例
8.3.1教育區(qū)塊鏈學分銀行
8.3.2未來學跡鏈
8.3.3沃爾夫大學（Woolf University）
8.3.4小結
8.3.5思考與練習
書單推薦
