統(tǒng)計(jì)人工智能專(zhuān)家系統(tǒng)（SAIES）可以自動(dòng)分析課堂發(fā)言并幫助學(xué)生學(xué)習(xí)。自動(dòng)轉(zhuǎn)錄的課堂發(fā)言文稿可以形成一個(gè)數(shù)據(jù)庫(kù),計(jì)算語(yǔ)言學(xué)使得統(tǒng)計(jì)語(yǔ)篇分析（SDA）進(jìn)行自動(dòng)變量分類(lèi)成為可能。這一方面從根本上改變了SDA模型的后續(xù)分析流程,另一方面可以解釋多層次變量對(duì)目標(biāo)動(dòng)作產(chǎn)生了怎樣的影響。SAIES將理論模型轉(zhuǎn)換為統(tǒng)計(jì)模型,對(duì)數(shù)據(jù)進(jìn)行測(cè)試,并對(duì)結(jié)果進(jìn)行解釋。筆者用SAIES分析了17組學(xué)生與教師組合在13周內(nèi)進(jìn)行的課程設(shè)計(jì)討論。分析結(jié)果表明在以下四種情況下,更容易出現(xiàn)微小創(chuàng)新:（1）學(xué)生們過(guò)去的學(xué)習(xí)成績(jī)更好;（2）在較近的發(fā)言次序中出現(xiàn)了微小創(chuàng)新;（3）在錯(cuò)誤答案出現(xiàn)之后有學(xué)生提出了不同意見(jiàn);（4）小組的問(wèn)題解決方案得分越高。 

【文章來(lái)源】：北京大學(xué)教育評(píng)論. 2019,17(04)北大核心CSSCI

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

微小創(chuàng)造力解釋模型路徑圖（采用語(yǔ)篇分析方法）

分析的過(guò)程有可能隨時(shí)間而不同。如果不能控制在相同時(shí)間段內(nèi)或者相鄰的次序間談話(huà)內(nèi)容的相似性，則可能低估模型的標(biāo)準(zhǔn)誤差（Kennedy,2008）。斷點(diǎn)分析可以用來(lái)統(tǒng)計(jì)識(shí)別因變量的高頻率與低頻率時(shí)間段，并在多層模型中加入時(shí)間段這一層的差異（Wise&Chiu,2011）。斷點(diǎn)分析測(cè)試了給定數(shù)量的潛在斷點(diǎn)所有可能的時(shí)間位置，用一個(gè)較小的SAIES就可以實(shí)現(xiàn)這種計(jì)算密集型分析（Chiu&Lehmann-Willenbrock,2016）。Q-統(tǒng)計(jì)檢驗(yàn)各個(gè)小組內(nèi)次序相鄰的發(fā)言之間的相似性，即殘差的序列相關(guān)性（Ljung&Box,1978）。如果結(jié)果（例如，新的觀(guān)點(diǎn)）的序列相關(guān)性很顯著，那么將滯后一期的結(jié)果變量加入模型中作為解釋變量則會(huì)消除序列相關(guān)性的影響（Chiu&Khoo,2005）。在課堂、小組和發(fā)言次序之外，這些時(shí)間段構(gòu)成了分析的另一個(gè)層次。


本文編號(hào)：3035602