学生学业述评智能生成模型的构建与实证研究

摘要：

教师每学期对学生进行学业述评是新时代教育评价改革的重要要求.但由于教师精力有限,常常难以对每个学生精准客观评价,导致撰写的学生学业述评存在模板化、公式化等问题.生成式人工智能技术能够有效利用学生的学业数据来实现述评的自动生成,为辅助教师开展个性化述评提供决策支撑.为此本研究充分挖掘学生学业个性化的认知特征,利用人工智能中的自然语言生成技术,构建面向学生学业述评的智能生成模型.首先设计偏科分析、进退步挖掘以及优差生判别等与学生学业认知相关的特征分析子模块,然后将特征分析结果融合原数据表内容,以输出准确且个性化的学生学业述评.通过在中国教育追踪调查系统数据集上的实证研究,证明设计的模型在各项指标上优于基线模型,达到了较好的性能效果.最后,为推进智能化的学业述评发展,建议要大力推动评价内容多维化、评价主体多元化以及评价技术多样化.

关键词：生成式人工智能、认知智能、学业述评、自然语言生成、个性化特征分析

分类号：G43(电化教育)

资助基金：国家自然科学基金;全国教育科学规划项目;重庆市技术创新与应用发展专项重点项目

在线出版日期：2023-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：32-39