教育学院教育技术系师生参加第28届全球华人计算机教育应用大会（GCCCE 2024）并作学术报告

　　2024年6月1日至2024年6月5日，第28届全球华人计算机教育应用大会（GCCCE 2024）在重庆市西南大学举行。GCCCE作为全球华人教育技术领域的年度盛会，汇聚世界各地教育政策制定者、学者、教育工作者、校长及一线教师，分享有关计算机教育应用的实践方法及成功经验，推动教育信息化发展，促进教育创新。本次大会以“智能学习环境：重塑未来学习空间”为主题，主会议包括“人工智能教育应用、智慧学习环境”、“悦趣化学习、教育游戏与数字玩具”等9个会议主题、教师论坛和9个工作坊等。教育技术系贾积有、尚俊杰、吴筱萌等老师以及多位硕士和博士生参加了会议。刘怀亚、赵玥颖、陈昂轩、张誉月、苏晗宇、林易和相梦彤7位同学作了8场会议报告。

　　

　　6月3日与6月5日上午，北京大学教育技术学专业博士生赵玥颖担任C3-悦趣化学习、教育游戏与数字玩具分论坛的主持人。

　　

　　6月3日上午，在C3-悦趣化学习、教育游戏与数字玩具子会议中，相梦彤分享了其与张露、刘宇、尚俊杰合作的论文《数学坐标游戏的设计与开发研究》。相梦彤首先介绍了研究的背景，指出当前坐标学习和教学面临着诸多困难，教育游戏可以成为支持坐标学习的有力工具。然后，她分享了坐标游戏的设计和开发过程，包含教学内容设计和游戏机制设计两个方面。最后，为检验游戏学习效果，她展示了自己将游戏软件用于课堂教学的实验研究，研究通过对照实验的方式，发现数字教育游戏能够提升坐标学习效果，为坐标学习教学提供有力支持。

　　

　　6月4日上午，在C5-科技增强语言与人文学科学习子会议中，陈昂轩分享了其与贾积有合写的论文《大语言模型在语言领域智能评估的探索——以外语对话场景为例》。该文以外语学习的语言对话场景为例，针对外语对话评估的具体需求和大语言模型的能力特点，构建了基于大语言模型的外语评估设计框架，并针对当前众多开放使用的大语言模型进行了对比实验。研究突出了大语言模型具有作为语言对话评估工具的可行性，其技术特点能够满足语言对话这一情境的现实评估需求。该论文获大会最佳学生论文提名。

　　

　　在6月4日上午的C5子会议中，刘怀亚分享了其与贾积有合写的论文《智能评分与修改：中文作文的提示框架开发与效果评测》。刘怀亚报告了大语言模型在写作评分和修改领域展现卓越性能、为学生提供可靠的中文写作支持的研究。该研究开发zero-shot和one-shot提示，综合比较了各个大语言模型在写作评分、评分理由、错误修改和范文生成方面的表现。将中文写作修改行为划分为增加、删除、调序和替换等四种类型;修改层次分为低阶修改和高阶修改两个层次。研究结果表明多个LLM都包含低阶和高阶修改层次，但一些LLM在准确性和细节增加方面更出色。

　　

　　在6月4日上午的C4-高等教育与成人学习的技术应用、教师专业发展子会议中，林易分享了其与管乐、文燕银、吴筱萌合作的论文《技术赋能教师职业幸福感提升：从技术观的视角出发》。该研究分析了国内外学者在该主题干预实践中的技术应用，发现了其提升教学成就、便利沟通和扩大干预影响的优势效应。随后运用卡尔·米切姆的技术哲学理论，分析技术作为人工物、知识、过程和意志，如何促进其优势发挥，以及存在何种需要警惕的潜在危害，据此提出技术实践建议。接着，在下午的C4子会议中，林易分享了其和李姗姗、吴筱萌合作的论文《数字原住民新手教师在个人学习环境中的专业发展模式：基于扎根理论的一项探索性研究》。该研究对18位数字原住民新手教师进行个人深度访谈与焦点小组访谈，基于扎根理论构建了数字原住民新手教师在个人学习环境中的专业发展模式，以“动因—诱因—行为—产出”来归纳这一专业发展模式，凝练了个人学习环境中的教师后现代专业主义意涵，列举了影响教师基于个人学习环境进行专业发展的效率的六大桎梏。

　　

　　6月4日下午，在C7-学习分析与学习评估子会议中，苏晗宇分享了其与贾积有合写的论文《基于数据挖掘的 MOOC 学习者行为特征与学习效果研究——以北京大学 H 课程为例》。该研究基于数据挖掘探究了影响MOOC学习效果的因素，再从学习者的投入与成效角度出发，使用KMeans聚类分析方法将参与者划分为“完美学习者”、“低投入学习者”和“低效率学习者”三类。最后，基于研究结果对MOOC的教学实施者和平台设计者提出三点建议。

　　

　　6月5日上午，在C3-悦趣化学习、教育游戏与数字玩具子会议中，赵玥颖分享了其与尚俊杰、张露等人合作的论文《面部表情分析方法在教育游戏中的应用》。赵玥颖首先介绍了研究背景，阐释了在认知过程中探索学习者情绪情感体验的重要性与必要性。接着，她介绍了了相关的情绪情感理论、面部表情分析方法及其在教育游戏中的主要应用和进展。最后，赵玥颖展示了自己的一项研究，在该研究中，她通过面部表情分析方法，对学习者在教育游戏中的不同情感进行捕捉，对呈现不同情绪情感的学习者进行分类，并进一步针对其不同表现分析了具体原因。

　　

　　6月5日上午，在C6-人工智能教育应用及实践、智慧学习环境子会议中，张誉月分享了其与贾积有合写的论文《应用大型语言模型生成数学通用型提示的研究》。该研究探讨了如何利用LLMs自动产生高质量的数学通用型提示。实验选取了16道涵盖几何、代数、概率等具有代表性领域的九年级数学题目作为测试集，应用零样本学习策略优化提示词的结构。研究比较了人类教师和4种LLMs生成的通用型提示，结果表明LLMs生成的提示在逻辑性和条理性方面更具优势，但同时可能增加学生的认知负荷。

　　多位硕士和博士生在国际会议上的出色表现，是教育技术系多年来教学和科研并重、高度重视学生科研能力训练的结晶。我们将通过资助学生参与国内外学术会议等具体措施，继续促进学生科研水平的提高。