机读格式显示(MARC)

• 000 018130am0 2200277 450

• 001 0000824007

• 005 20250820125400.0

• 010 __ |a 978-7-03-082303-8 |d CNY108.00

• 100 __ |a 20250729d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 大语言模型驱动的自我调节学习 |A da yu yan mo xing qu dong de zi wo tiao jie xue xi |f 刘海, 张昭理等著

• 210 __ |a 北京 |c 科学出版社 |d 2025

• 215 __ |a 254页 |c 图 |d 24cm

• 300 __ |a 国家重点研发计划“大规模学生跨学段成长跟踪研究”项目的“多维度场域的学生数据采集技术”课题 国家自然科学基金面上项目“任务元驱动的自我调节学习服务理论及关键技术研究” 国家自然科学基金面上项目“面向自我调节学习的多源行为智能感知与学习目标规划研究”

• 314 __ |a 刘海, 博士, 华中师范大学人工智能教育学部副教授, 长期从事自我调节学习、机器学习、数据挖掘、智能信息处理、计算机视觉等方面的研究。张昭理, 华中师范大学国家数字化学习工程技术研究中心教授。电气电子工程师学会高级会员, 中国计算机学会会员。主要研究方向为自我调节学习、知识服务、云计算和信息安全。

• 320 __ |a 有书目

• 330 __ |a 本书深入探讨了大语言模型在自我调节学习中的应用与实践, 首先概述了大语言模型变革教育的现实图景, 展示了人工智能在教育领域的应用场景与实际经验, 并详细剖析了大语言模型与自我调节学习的紧密关联 ; 其次探讨了基于大语言模型的学习状态分析, 如学生情感分析、注意力分析、学习过程行为检测、课堂参与度、学习者知识状态预测等 ; 再次论述了基于大语言模型和个性化推荐技术的学习路径规划与学习行为指导等, 揭示了现代技术在教育评估中的巨大潜力 ; 最后展望了大语言模型与自我调节学习深度融合的未来发展趋势, 为教育智能化发展提供了重要参考。

• 606 0_ |a 自然语言处理 |A zi ran yu yan chu li |x 应用 |x 学习方法

• 690 __ |a G442 |v 5

• 701 _0 |a 刘海 |A liu hai |4 著

• 701 _0 |a 张昭理 |A zhang zhao li |4 著

• 801 _0 |a CN |b WFKJXY |c 20250820

• 905 __ |a WFKJXY |d G442/169