[摘? ?要] 視頻是教育領(lǐng)域重要的學(xué)習(xí)資源形式，基于人工智能技術(shù)的教育視頻分析與創(chuàng)新應(yīng)用是推動(dòng)教育人工智能落地的重要方式，但目前還處于研究與實(shí)踐的探索階段。文章分析了人工智能對(duì)教育視頻的支持功能，在此基礎(chǔ)上探討了人工智能在教育視頻中的具體應(yīng)用場(chǎng)景，構(gòu)建了基于人工智能的教育視頻應(yīng)用設(shè)計(jì)原則與框架，并進(jìn)行了案例實(shí)現(xiàn)。研究表明：基于人工智能技術(shù)的教育視頻應(yīng)用有助于增強(qiáng)互動(dòng)學(xué)習(xí)，支持多模態(tài)學(xué)習(xí)分析，優(yōu)化視頻游戲設(shè)計(jì)，促進(jìn)智慧課堂與智慧校園建設(shè)。對(duì)人工智能在教育視頻中的應(yīng)用研究與實(shí)踐將推進(jìn)教育教學(xué)創(chuàng)新，推動(dòng)人工智能與教育的深度融合。

[關(guān)鍵詞] 教育視頻; 人工智能; 視頻分析; 應(yīng)用設(shè)計(jì)

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 王萍（1975—），女，河南安陽(yáng)人。副教授，博士，主要從事在線學(xué)習(xí)和學(xué)習(xí)分析研究。E-mail：pingwang @shisu.edu.cn。

一、引? ?言

人工智能技術(shù)正在對(duì)教育領(lǐng)域產(chǎn)生革命性影響，探索人工智能與教育的融合應(yīng)用方式是當(dāng)前教育人工智能發(fā)展道路上的關(guān)鍵環(huán)節(jié)。人工智能技術(shù)處理的主要數(shù)據(jù)類型包括文本、語(yǔ)音、圖像、視頻等，其中視頻信息是維度最多、信息量最大的數(shù)據(jù)類型，也是當(dāng)前信息環(huán)境下應(yīng)用最廣泛的媒體格式。視頻數(shù)據(jù)記載著物理世界與虛擬空間的影音信息，分析理解視頻大數(shù)據(jù)是我們理解世界的重要方式。伴隨著計(jì)算能力的有效提升、核心算法的突破以及海量大數(shù)據(jù)的支撐，利用人工智能技術(shù)對(duì)視頻進(jìn)行分析處理正在步入快速發(fā)展時(shí)期。

在教育領(lǐng)域，視頻一直是重要的學(xué)習(xí)資源。近年隨著慕課、移動(dòng)學(xué)習(xí)等的發(fā)展，以短視頻為代表的學(xué)習(xí)資源豐富了視頻資源應(yīng)用。同時(shí)，在智慧課堂和智慧校園的建設(shè)和發(fā)展中，實(shí)時(shí)監(jiān)控視頻等也日益普及，視頻已廣泛應(yīng)用于線上和線下的教育活動(dòng)中。教育視頻數(shù)據(jù)量的快速增長(zhǎng)與應(yīng)用場(chǎng)景的豐富，使得依靠傳統(tǒng)的人工方式對(duì)視頻進(jìn)行管理和分析不再可行，需要借助人工智能技術(shù)推動(dòng)教育視頻的自動(dòng)分析與創(chuàng)新應(yīng)用。因此，對(duì)人工智能在教育視頻中的應(yīng)用分析，是值得深入探索的研究領(lǐng)域，將有助于推動(dòng)人工智能技術(shù)在教育領(lǐng)域的落地，也將推動(dòng)教育視頻的價(jià)值提升。

二、相關(guān)研究

（一）基于人工智能的視頻分析

基于人工智能的視頻分析使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法解析視頻，目標(biāo)是使計(jì)算機(jī)能自動(dòng)提取視頻數(shù)據(jù)中的信息與語(yǔ)義，達(dá)到以類似人的視覺(jué)功能進(jìn)行視頻的理解，是人工智能領(lǐng)域中計(jì)算機(jī)視覺(jué)研究的重要內(nèi)容。基于人工智能的視頻分析力求解決三類主要技術(shù)問(wèn)題：首先是分類和識(shí)別問(wèn)題，即如何從視頻中識(shí)別內(nèi)容的種類;其次是檢測(cè)和跟蹤問(wèn)題，即不但要識(shí)別出視頻中的目標(biāo)，還要識(shí)別出目標(biāo)的位置并實(shí)時(shí)跟蹤;最后是語(yǔ)義問(wèn)題，即結(jié)構(gòu)化問(wèn)題，如何將非結(jié)構(gòu)化的視頻組織成可供計(jì)算機(jī)和人理解的結(jié)構(gòu)化信息。當(dāng)前，深度學(xué)習(xí)算法在計(jì)算機(jī)視覺(jué)問(wèn)題上表現(xiàn)出優(yōu)異性能，加速著智能化視頻分析技術(shù)的進(jìn)展。

（二）人工智能在教育視頻中的已有研究

視頻一直是教育領(lǐng)域內(nèi)重要的教育資源形式。在教育技術(shù)的發(fā)展過(guò)程中，跟隨信息技術(shù)的發(fā)展，教育視頻也經(jīng)歷了一個(gè)不斷演進(jìn)的過(guò)程。20世紀(jì)70年代開(kāi)始，以電視教學(xué)為主要媒體的遠(yuǎn)距離教育開(kāi)始突破傳統(tǒng)教育在時(shí)空上的限制，電視教材成為早期的教育視頻資源。20世紀(jì)90年代后，計(jì)算機(jī)技術(shù)的發(fā)展與普及推動(dòng)了以數(shù)字信號(hào)為代表的多媒體課件和數(shù)字視頻的廣泛應(yīng)用，視頻資源的制作成本與周期有效降低。近年，隨著慕課等在線學(xué)習(xí)以及移動(dòng)學(xué)習(xí)的快速發(fā)展，教育視頻在創(chuàng)作方式與應(yīng)用形式上更為靈活，支持著混合學(xué)習(xí)、翻轉(zhuǎn)課堂等多種教育模式的創(chuàng)新。教育發(fā)展的過(guò)程，也是教育視頻在制作方式、應(yīng)用特點(diǎn)、互動(dòng)形式、表現(xiàn)能力、應(yīng)用模式上不斷進(jìn)步的過(guò)程。

當(dāng)前，視頻已經(jīng)成為學(xué)生獲取知識(shí)技能的主要形式，視頻學(xué)習(xí)資源在信息化教育進(jìn)程中具有巨大的應(yīng)用價(jià)值[1]。教育視頻數(shù)據(jù)量的快速增長(zhǎng)與應(yīng)用場(chǎng)景的豐富，促使研究者探索更為有效的方法對(duì)視頻進(jìn)行分析。如何利用人工智能技術(shù)分析教育視頻并應(yīng)用于教育教學(xué)過(guò)程開(kāi)始得到研究者關(guān)注。表1總結(jié)了已有的主要代表性研究。

與當(dāng)前快速發(fā)展的人工智能技術(shù)與深度學(xué)習(xí)算法相比，雖然視頻一直是教育中重要的資源，但目前基于人工智能的教育視頻研究整體上還處于探索階段，主要集中在對(duì)學(xué)習(xí)過(guò)程監(jiān)控視頻的分析方面，通過(guò)對(duì)面部或身體的分析來(lái)探索對(duì)于學(xué)習(xí)過(guò)程有意義的研究?jī)?nèi)容。在目前的研究中，還缺少對(duì)教育視頻應(yīng)用的全面系統(tǒng)分析，缺少對(duì)教育視頻應(yīng)用的設(shè)計(jì)原則與方法的思考。因此，探索人工智能在教育視頻中應(yīng)用的主要方式，探索如何設(shè)計(jì)基于人工智能的教育視頻應(yīng)用，還有待于進(jìn)一步深入。

三、人工智能在教育視頻中應(yīng)用的理論基礎(chǔ)

（一）多媒體學(xué)習(xí)認(rèn)知理論

梅耶的多媒體學(xué)習(xí)理論是建立在堅(jiān)實(shí)的理論基礎(chǔ)和可靠的實(shí)證經(jīng)驗(yàn)基礎(chǔ)上的科學(xué)體系[11]。梅耶認(rèn)為，“按照人的心理工作方式設(shè)計(jì)的多媒體信息比沒(méi)有按照人的心理工作方式設(shè)計(jì)的多媒體信息更可能產(chǎn)生有意義學(xué)習(xí)”。視頻學(xué)習(xí)是一種典型的多媒體學(xué)習(xí)方式，多媒體學(xué)習(xí)認(rèn)知理論的三個(gè)基本假設(shè)——雙通道假設(shè)、有限容量假設(shè)、主動(dòng)加工假設(shè)對(duì)教育視頻的智能化應(yīng)用提供了理論指導(dǎo)，見(jiàn)表2。

（二）注意力機(jī)制

注意力是指人的心理活動(dòng)指向和集中于某種事物的能力。認(rèn)知心理學(xué)將注意力看作一種內(nèi)部的信息加工機(jī)制，通過(guò)這種機(jī)制，實(shí)現(xiàn)對(duì)刺激選擇的控制和相對(duì)行為的調(diào)節(jié)[12]。視覺(jué)注意力機(jī)制是人類視覺(jué)所特有的大腦信號(hào)處理機(jī)制。人類視覺(jué)對(duì)全局畫(huà)面掃描后，將注意力集中于重點(diǎn)關(guān)注區(qū)域，即注意力焦點(diǎn)，并對(duì)該區(qū)域投入更多注意力資源，以獲取更多的關(guān)注目標(biāo)的細(xì)節(jié)信息。這是人類在長(zhǎng)期進(jìn)化中形成的一種生存機(jī)制，使人類能夠利用有限的注意力資源從大量信息中快速篩選出高價(jià)值信息。人類視覺(jué)注意力機(jī)制極大地提高了視覺(jué)信息處理的效率與準(zhǔn)確性[13]。

人工智能領(lǐng)域中的注意力機(jī)制是模擬人腦注意力機(jī)制提出的深度學(xué)習(xí)模型，本質(zhì)上與人類的選擇性視覺(jué)注意力機(jī)制類似，借鑒了人類的注意力思維方式。注意力機(jī)制模型通過(guò)模擬人腦的注意力特性，從全局分析視頻內(nèi)容，使模型的注意力落在整個(gè)視頻的有效區(qū)域，降低無(wú)關(guān)信息對(duì)視頻內(nèi)容識(shí)別的干擾，從而識(shí)別并分析對(duì)當(dāng)前任務(wù)目標(biāo)更關(guān)鍵的信息。

（三）視覺(jué)計(jì)算理論

視頻是人類視覺(jué)的內(nèi)容，視覺(jué)本質(zhì)是一個(gè)信息處理任務(wù)。對(duì)于視覺(jué)的研究可以從基于生物視覺(jué)機(jī)制和基于計(jì)算模型兩個(gè)角度分析。從基于生物視覺(jué)機(jī)制的研究來(lái)看，需要探索生物視覺(jué)的產(chǎn)生、結(jié)構(gòu)和機(jī)制。計(jì)算模型則是在生物視覺(jué)機(jī)制基礎(chǔ)上，通過(guò)挖掘影響人類視覺(jué)決策的客觀因素，構(gòu)建相對(duì)應(yīng)的計(jì)算模型來(lái)對(duì)視覺(jué)進(jìn)行理解分析。

視覺(jué)計(jì)算將視覺(jué)問(wèn)題形式化為可計(jì)算的視覺(jué)信息處理問(wèn)題，是連接計(jì)算機(jī)科學(xué)與認(rèn)知神經(jīng)科學(xué)的橋梁，是視覺(jué)認(rèn)知和信息計(jì)算的有效手段。生物視覺(jué)機(jī)制的研究和對(duì)視覺(jué)機(jī)理規(guī)律的認(rèn)識(shí)為視覺(jué)計(jì)算模型提供良好的生理學(xué)和心理學(xué)參照，視覺(jué)計(jì)算模型也為視覺(jué)機(jī)理的正確性和有效性提供驗(yàn)證的平臺(tái)，能有力推動(dòng)視覺(jué)認(rèn)知機(jī)理的發(fā)展。

（四）類腦計(jì)算

人工智能的發(fā)展目標(biāo)是構(gòu)建像人腦一樣能夠自主學(xué)習(xí)和進(jìn)化、具有類人通用智能水平的智能系統(tǒng)[14]。類腦計(jì)算是受腦功能、腦神經(jīng)機(jī)制和認(rèn)知行為機(jī)制啟發(fā)的一種計(jì)算架構(gòu)，以計(jì)算建模為手段，通過(guò)神經(jīng)形態(tài)計(jì)算的模式和軟硬件的協(xié)同實(shí)現(xiàn)機(jī)器智能。

視頻不僅依賴于人類視覺(jué)感官的刺激，更是人腦思維的過(guò)程。視頻相比于文字、圖像等具有復(fù)雜的時(shí)空動(dòng)態(tài)模式，只有人腦才能有效理解。腦與神經(jīng)科學(xué)的進(jìn)展為人工智能借鑒腦信息處理機(jī)制提供了必要的基礎(chǔ)，推動(dòng)著類腦計(jì)算的發(fā)展，其目標(biāo)是構(gòu)建具有視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、語(yǔ)言處理、知識(shí)推理等認(rèn)知能力的智能體。

四、人工智能對(duì)教育視頻分析的支持功能

基于人工智能的視頻分析通過(guò)對(duì)視頻的理解與處理，實(shí)現(xiàn)對(duì)視頻功能的價(jià)值挖掘與價(jià)值提升。從對(duì)教育視頻分析的支持角度來(lái)看，可以從內(nèi)容理解、智能編輯、智能創(chuàng)作與內(nèi)容管理等方面分析。

（一）教育視頻的內(nèi)容理解

視頻內(nèi)容理解是智能視頻分析的基礎(chǔ)功能。隨著視頻分類、人臉識(shí)別、動(dòng)作識(shí)別等視頻關(guān)鍵技術(shù)的發(fā)展，內(nèi)容理解的準(zhǔn)確度越來(lái)越高。對(duì)視頻內(nèi)容的不同層次的分析，包括感知理解、認(rèn)知理解和情緒理解。

感知理解包括從人臉、動(dòng)作、圖像、語(yǔ)音等方面理解視頻內(nèi)容，實(shí)現(xiàn)對(duì)視頻低級(jí)語(yǔ)義信息的感知。由于深度學(xué)習(xí)開(kāi)始逐步接近人類的水平，人臉識(shí)別等感知理解已經(jīng)能達(dá)到較高水平，感知智能也是當(dāng)前人工智能發(fā)展聚焦的主要層面。在教育領(lǐng)域，基于人臉識(shí)別的教學(xué)過(guò)程監(jiān)測(cè)和學(xué)習(xí)分析，通過(guò)對(duì)學(xué)習(xí)過(guò)程的視頻理解來(lái)評(píng)估學(xué)習(xí)者課堂注意力[4]、參與度[8]、異常行為等方面[9]，從而對(duì)課堂環(huán)境氣氛與質(zhì)量進(jìn)行評(píng)估[5-7]。

認(rèn)知理解是比感知理解更高級(jí)的智能層面，它在感知理解的基礎(chǔ)上，對(duì)視頻進(jìn)行知識(shí)推理，實(shí)現(xiàn)高層語(yǔ)義理解。目前，認(rèn)知理解還在探索和發(fā)展中，成熟的應(yīng)用還相對(duì)較少。

視頻內(nèi)容理解的更深層次是情緒理解，目標(biāo)是能夠自動(dòng)地對(duì)視頻里的人物情感表達(dá)進(jìn)行估計(jì)與分類，為人機(jī)之間的情感交互提供可能性。情緒對(duì)學(xué)習(xí)具有重要影響作用，學(xué)習(xí)者情感的準(zhǔn)確識(shí)別是判斷學(xué)習(xí)者學(xué)習(xí)狀態(tài)的重要手段[15]。當(dāng)前對(duì)于情緒的感知主要有基于面對(duì)面的直接觀察、基于傳感器的生理信號(hào)以及基于視頻的面部和行為分析等方法。相對(duì)于其他情緒感知方式，如需要有與學(xué)習(xí)者面對(duì)面的環(huán)境，需要有生理傳感器進(jìn)行心率、脈搏監(jiān)測(cè)等，視頻感知?jiǎng)t只需要攝像頭即可完成。Bosch等基于對(duì)學(xué)習(xí)者面部表情和肢體動(dòng)作的視頻監(jiān)測(cè)分析，使用機(jī)器學(xué)習(xí)方法對(duì)學(xué)習(xí)者情感進(jìn)行了分類與分析，證明了基于視頻情緒理解的有效性[2]。在教育游戲、在線學(xué)習(xí)等學(xué)習(xí)環(huán)境下，基于視頻分析的情緒理解與干預(yù)將在學(xué)習(xí)分析、學(xué)習(xí)支持方面發(fā)揮越來(lái)越重要的作用。

（二）教育視頻的智能編輯

視頻的智能編輯是在視頻理解的基礎(chǔ)上，利用人工智能技術(shù)實(shí)現(xiàn)視頻內(nèi)容的摘要生成、自動(dòng)標(biāo)簽等功能。在大規(guī)模在線學(xué)習(xí)日益發(fā)展和普及的環(huán)境下，視頻的智能編輯將助力在線學(xué)習(xí)中視頻資源的自動(dòng)化處理，提高學(xué)習(xí)資源的制作效率與管理效率。

慕課、在線學(xué)習(xí)網(wǎng)站等教育視頻數(shù)據(jù)的急劇增加，為學(xué)習(xí)者的瀏覽、檢索等帶來(lái)了困難，自動(dòng)化智能生成視頻摘要是解決此類問(wèn)題的一個(gè)有效途徑。視頻摘要技術(shù)根據(jù)視頻內(nèi)容智能提取最能代表視頻的片段作為視頻的摘要概括，學(xué)習(xí)者可以通過(guò)視頻摘要快速瀏覽視頻，選擇感興趣的學(xué)習(xí)內(nèi)容，提高資源檢索效率。

視頻標(biāo)簽是對(duì)視頻進(jìn)行分類和管理的有效手段。傳統(tǒng)的人工標(biāo)注是由人工觀看、手工分類并進(jìn)行標(biāo)注，存在成本高且受主觀認(rèn)知影響等問(wèn)題。智能視頻標(biāo)注可以通過(guò)分類、識(shí)別等技術(shù)和算法，分析視頻中的多模態(tài)信息，快速地自動(dòng)生成標(biāo)簽信息，從而可以高效地對(duì)教育視頻進(jìn)行分類，并為視頻搜索、視頻推薦等服務(wù)提供有效信息。

（三）教育視頻的內(nèi)容生成與增強(qiáng)

如何使人工智能能夠模擬人類，進(jìn)行獨(dú)創(chuàng)性的內(nèi)容生產(chǎn)，并不斷通過(guò)學(xué)習(xí)提高自身創(chuàng)造水平，是人工智能發(fā)展過(guò)程中希望達(dá)到的一個(gè)重要目標(biāo)。視頻的智能創(chuàng)作系統(tǒng)可以通過(guò)基于大數(shù)據(jù)所獲取的視頻、音頻、圖像、文字等信息，經(jīng)過(guò)分析后，自動(dòng)生成一個(gè)視頻。這極大地降低了視頻制作時(shí)所需的人力物力，并可以使視頻創(chuàng)作更加豐富化。由于教育類視頻科學(xué)性、嚴(yán)謹(jǐn)性的要求，當(dāng)前直接通過(guò)智能創(chuàng)作方式生成教育視頻的應(yīng)用還較少。隨著教育大數(shù)據(jù)與自動(dòng)化知識(shí)圖譜構(gòu)建等基礎(chǔ)資源與支撐技術(shù)的發(fā)展，將會(huì)推動(dòng)教育視頻的智能創(chuàng)作方式。

視頻內(nèi)容增強(qiáng)可以從畫(huà)質(zhì)、內(nèi)容、互動(dòng)等角度提升教育視頻質(zhì)量。通過(guò)增強(qiáng)畫(huà)面效果與清晰度，去除馬賽克、偽影，提升教育視頻的畫(huà)質(zhì)質(zhì)量;通過(guò)自動(dòng)化的內(nèi)容增強(qiáng)，如表情處理、特效增強(qiáng)、生成特定風(fēng)格化的視頻等，提升教育視頻的內(nèi)容質(zhì)量;通過(guò)與虛擬現(xiàn)實(shí)，增強(qiáng)現(xiàn)實(shí)等技術(shù)的結(jié)合，有效增強(qiáng)內(nèi)容的沉浸性，提高內(nèi)容創(chuàng)作的豐富性，提升教育視頻的互動(dòng)質(zhì)量。

（四）教育視頻的內(nèi)容管理

教育視頻具有嚴(yán)格的版權(quán)要求和內(nèi)容要求，對(duì)教育視頻進(jìn)行內(nèi)容監(jiān)控是大數(shù)據(jù)環(huán)境下視頻管理的重要內(nèi)容。隨著視頻數(shù)量的快速增長(zhǎng)，傳統(tǒng)的人工審核方式效率低下，很難滿足快速、準(zhǔn)確地審核海量視頻內(nèi)容的需求。利用人工智能技術(shù)來(lái)提升視頻數(shù)據(jù)的審核效率與精準(zhǔn)度是一個(gè)有效方式。如谷歌在YouTube部署的人工智能系統(tǒng)，可以在無(wú)人類協(xié)助的情況下，分析大量視頻片段，解讀不適的視頻剪輯，并屏蔽這些內(nèi)容。在線學(xué)習(xí)網(wǎng)站中大量的視頻必須通過(guò)嚴(yán)格的審核以保證教育視頻的嚴(yán)肅性，智能審核可以作為審核過(guò)程中的有效輔助手段。

教育領(lǐng)域中的視頻一般都強(qiáng)調(diào)知識(shí)版權(quán)，將人工智能應(yīng)用于視頻版權(quán)保護(hù)的工作中，機(jī)器和人工結(jié)合，可以極大地提高版權(quán)保護(hù)工作的效率和準(zhǔn)確率。視頻版權(quán)保護(hù)也被稱為視頻指紋或視頻DNA，通過(guò)算法自動(dòng)提取視頻中的圖像、音頻等特征，產(chǎn)生唯一特征代表該視頻文件，保護(hù)視頻版權(quán)，從而應(yīng)用于原創(chuàng)識(shí)別、過(guò)濾侵權(quán)視頻、視頻去重、視頻溯源等方面，構(gòu)建教育領(lǐng)域內(nèi)視頻資源的良好管理機(jī)制。

五、基于人工智能的教育視頻應(yīng)用分析

人工智能對(duì)教育視頻分析的支持功能推動(dòng)了對(duì)教育視頻的理解、編輯、創(chuàng)作和管理，在此基礎(chǔ)上，我們可以設(shè)計(jì)新的學(xué)習(xí)模式與教育應(yīng)用，使人工智能更好地服務(wù)教育。

（一）構(gòu)建增強(qiáng)互動(dòng)學(xué)習(xí)模式

智能化視頻分析通過(guò)對(duì)教育視頻內(nèi)容的理解，可以使用恰當(dāng)?shù)姆绞綖橐曨l應(yīng)用提供更豐富的交互方式，實(shí)現(xiàn)多維交互的及時(shí)性，從而為設(shè)計(jì)增強(qiáng)互動(dòng)的學(xué)習(xí)模式提供條件。

1. 情境化學(xué)習(xí)

人工智能能夠通過(guò)對(duì)學(xué)習(xí)者所觀看的視頻場(chǎng)景的實(shí)時(shí)智能理解與分析，從學(xué)習(xí)資源庫(kù)中自動(dòng)為學(xué)習(xí)者提供基于當(dāng)前學(xué)習(xí)上下文的實(shí)時(shí)信息和學(xué)習(xí)內(nèi)容，提供有效的增強(qiáng)情境學(xué)習(xí)，如圖1所示。

傳統(tǒng)的學(xué)習(xí)者在視頻學(xué)習(xí)時(shí)大多是被動(dòng)的、單向的，如果對(duì)視頻里的某部分內(nèi)容有疑問(wèn)或希望查詢并深入學(xué)習(xí)，則還需要離開(kāi)視頻去翻看其他教學(xué)資料。情境化學(xué)習(xí)支持可以對(duì)教育視頻中的內(nèi)容進(jìn)行自動(dòng)識(shí)別、理解與分析，結(jié)合學(xué)習(xí)者畫(huà)像分析，從資源庫(kù)中選出適當(dāng)?shù)膱?chǎng)景化內(nèi)容，如學(xué)習(xí)資源、社交服務(wù)等，在視頻學(xué)習(xí)的同時(shí)提供給學(xué)習(xí)者。學(xué)習(xí)者在觀看視頻的過(guò)程中可以直接與視頻內(nèi)容互動(dòng)，瀏覽輔助的學(xué)習(xí)資源或進(jìn)行社交互動(dòng)。在互動(dòng)方式上，可以設(shè)計(jì)Video in和Video out方式，其中Video in方式將學(xué)習(xí)資源與視頻內(nèi)容完全融合，作為視頻的一部分呈現(xiàn);Video out方式則通過(guò)浮層技術(shù)，在原視頻的畫(huà)面之上進(jìn)行呈現(xiàn)。通過(guò)這些方式，將更大程度地?cái)U(kuò)展視頻學(xué)習(xí)功能。

2. 沉浸式學(xué)習(xí)

智能化視頻分析技術(shù)與增強(qiáng)現(xiàn)實(shí)（Augmented Reality，AR）技術(shù)相結(jié)合，可以通過(guò)手勢(shì)識(shí)別、即時(shí)定位與地圖構(gòu)建（Simultaneous Localization And Mapping，SLAM）等技術(shù)，優(yōu)化學(xué)習(xí)內(nèi)容呈現(xiàn)方式。在視頻學(xué)習(xí)中，學(xué)習(xí)者根據(jù)學(xué)習(xí)內(nèi)容，可以通過(guò)相關(guān)動(dòng)作或手勢(shì)調(diào)出相應(yīng)的AR資源以輔助視頻學(xué)習(xí);或者基于SLAM對(duì)教育視頻場(chǎng)景的三維結(jié)構(gòu)進(jìn)行定位和重建，在視頻中融入虛擬的AR資源。這些都提供了更自然的沉浸式學(xué)習(xí)環(huán)境，圖2描述了基于智能視頻分析的沉浸式學(xué)習(xí)方式。

（二）支持多模態(tài)學(xué)習(xí)分析

學(xué)習(xí)過(guò)程是一個(gè)跨媒體環(huán)境下的多模態(tài)信息融合的復(fù)雜過(guò)程。隨著學(xué)習(xí)方式的靈活性與學(xué)習(xí)數(shù)據(jù)的多樣化，為學(xué)習(xí)分析帶來(lái)了多模態(tài)數(shù)據(jù)環(huán)境基礎(chǔ)[16]。大數(shù)據(jù)分析、人臉識(shí)別、語(yǔ)音識(shí)別、云計(jì)算、表情識(shí)別、體態(tài)識(shí)別技術(shù)的成熟和應(yīng)用，強(qiáng)化了多模態(tài)信息的可用性[17]。在多模態(tài)學(xué)習(xí)分析中，視頻是一種重要的媒體類型，并且視頻本身具有多維度特征，對(duì)視頻的智能分析是多模態(tài)學(xué)習(xí)分析的重要部分。

1. 學(xué)習(xí)數(shù)據(jù)的多模態(tài)分析

學(xué)習(xí)過(guò)程中的數(shù)據(jù)包括視頻、文本、交互等多模態(tài)，視頻是其中一類重要的模態(tài)。在多模態(tài)數(shù)據(jù)中，每個(gè)模態(tài)均為其他模態(tài)提供了一定的信息，各模態(tài)之間存在著一定的關(guān)聯(lián)性。多模態(tài)學(xué)習(xí)分析的優(yōu)勢(shì)體現(xiàn)在進(jìn)行分析時(shí)能綜合利用多個(gè)模態(tài)之間的信息，挖掘它們之間的潛在聯(lián)系。曹曉明[8]等進(jìn)行了基于多模態(tài)學(xué)習(xí)數(shù)據(jù)的學(xué)習(xí)參與度分析，在研究中，面部視頻、腦電波、學(xué)習(xí)日志作為學(xué)習(xí)分析的不同模態(tài)構(gòu)成了多模態(tài)數(shù)據(jù)集，使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了分析，驗(yàn)證了基于多模態(tài)的學(xué)習(xí)參與度識(shí)別方法優(yōu)于單模態(tài)方法。

2. 視頻的多模態(tài)分析

傳統(tǒng)的學(xué)習(xí)分析一般只考慮了將視頻作為一個(gè)獨(dú)立模態(tài)進(jìn)行分析，多模態(tài)視頻分析是使用機(jī)器學(xué)習(xí)方法對(duì)視頻中各項(xiàng)內(nèi)容及其關(guān)聯(lián)關(guān)系進(jìn)行發(fā)掘，從視覺(jué)模態(tài)、聲音模態(tài)、文本模態(tài)、時(shí)序模態(tài)等方面對(duì)視頻進(jìn)行分析。只有對(duì)多個(gè)模態(tài)的數(shù)據(jù)成分進(jìn)行融合，才能夠完整地表達(dá)視頻中所蘊(yùn)含的語(yǔ)義信息。Ochoa等分析了學(xué)生的視頻，包括視頻中的計(jì)算器使用、學(xué)習(xí)者姿勢(shì)的視覺(jué)模態(tài)、學(xué)習(xí)者運(yùn)動(dòng)的時(shí)序模態(tài)、聲音模態(tài)等多模態(tài)數(shù)據(jù)，以此預(yù)測(cè)他們解決數(shù)學(xué)問(wèn)題的成功程度和專業(yè)水平[18]。多模態(tài)的內(nèi)容分析提供給視頻數(shù)據(jù)一個(gè)更加全面的描述，可以更進(jìn)一步理解視頻語(yǔ)義，從而設(shè)計(jì)視頻推薦、視頻檢索等學(xué)習(xí)支持功能。

（三）優(yōu)化視頻游戲設(shè)計(jì)

視頻游戲是具有一定劇情的、按照所設(shè)計(jì)的腳本進(jìn)行制作的視頻，是可進(jìn)行操作并與之互動(dòng)的一種游戲。在視頻游戲中，個(gè)體與視頻設(shè)備互動(dòng)并產(chǎn)生視覺(jué)及聽(tīng)覺(jué)上的反饋。在大多數(shù)游戲中，游戲角色和行為等通常是提前封裝好的，而智能技術(shù)則使自主的角色動(dòng)作成為可能，從而有效提高游戲的質(zhì)量。美國(guó)Affectiva公司將情緒理解融入視頻游戲設(shè)計(jì)中，開(kāi)發(fā)了Nevermind視頻游戲[19]。該游戲使用網(wǎng)絡(luò)攝像頭跟蹤游戲者面部表情，分析游戲者的情感和感受，從而根據(jù)游戲者的恐懼級(jí)別來(lái)自動(dòng)調(diào)整游戲難度。

在教育視頻游戲的應(yīng)用中，智能要素的設(shè)計(jì)還較少，在未來(lái)的視頻游戲設(shè)計(jì)中，可以從游戲內(nèi)部機(jī)制、游戲交互性、游戲視覺(jué)性、游戲創(chuàng)造性等方面入手，將人工智能元素融入游戲的設(shè)計(jì)與開(kāi)發(fā)中，擴(kuò)展視頻游戲的智能性和教育性，優(yōu)化教育視頻游戲內(nèi)容與機(jī)制，如圖3所示。

在游戲內(nèi)容自動(dòng)生成方面，人工智能可以根據(jù)視頻游戲過(guò)程中學(xué)習(xí)者的實(shí)際表現(xiàn)，并通過(guò)視頻面部分析學(xué)習(xí)者的情緒、專注度等要素，基于視頻游戲上下文自動(dòng)生成適應(yīng)性內(nèi)容和游戲場(chǎng)景。通過(guò)機(jī)器學(xué)習(xí)算法手段創(chuàng)建游戲內(nèi)容，從而適應(yīng)游戲者，創(chuàng)作新的游戲體驗(yàn)，在游戲開(kāi)發(fā)實(shí)踐和游戲技術(shù)研究中日益重要[20]。

在游戲難度規(guī)則與路徑的自適應(yīng)機(jī)制上，教育游戲應(yīng)該包括能夠根據(jù)學(xué)生的具體需求進(jìn)行自我調(diào)整的游戲級(jí)別。根據(jù)視頻游戲進(jìn)程和游戲者分析，人工智能算法自動(dòng)調(diào)整游戲難度，自動(dòng)優(yōu)化游戲路徑。Park等通過(guò)深度卷積對(duì)抗生成網(wǎng)絡(luò)在基于游戲的學(xué)習(xí)環(huán)境中生成新的水平和關(guān)卡，支持中學(xué)生學(xué)習(xí)計(jì)算機(jī)科學(xué)的概念和實(shí)踐[10]。

（四）加強(qiáng)智慧課堂與智慧校園建設(shè)

智慧課堂與智慧校園的目標(biāo)是利用人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等技術(shù)實(shí)現(xiàn)課堂教學(xué)與校園管理的信息化、智能化，構(gòu)建支持智慧教學(xué)活動(dòng)與校園管理的課堂教學(xué)環(huán)境與校園環(huán)境。在建設(shè)過(guò)程中，智能視頻分析將發(fā)揮越來(lái)越重要的作用。

在智慧課堂中具有多種類型的視覺(jué)應(yīng)用，如智能監(jiān)控的學(xué)習(xí)行為捕捉、視頻學(xué)習(xí)資源的使用、基于虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)的視覺(jué)強(qiáng)化等，智能視頻分析是推動(dòng)智慧課堂建設(shè)的一種有效方式。通過(guò)人工智能可以實(shí)時(shí)自動(dòng)化地對(duì)智慧課堂中的視頻場(chǎng)景內(nèi)容進(jìn)行分析、理解、描述以及預(yù)測(cè)推理，進(jìn)行教學(xué)檢測(cè)與多模態(tài)學(xué)習(xí)分析，增強(qiáng)互動(dòng)學(xué)習(xí)場(chǎng)景，為學(xué)習(xí)提供有效的支持。在智慧校園的建設(shè)中，智能視頻分析有助于自動(dòng)識(shí)別師生群體行為，全面感知校園物理環(huán)境，推動(dòng)數(shù)字校園向智能校園演進(jìn)，構(gòu)建技術(shù)賦能的智能化教學(xué)環(huán)境，提供智慧教學(xué)服務(wù)。如通過(guò)對(duì)大數(shù)據(jù)的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)進(jìn)行分析處理，實(shí)時(shí)監(jiān)控校內(nèi)場(chǎng)所、校門(mén)、校園邊界等，及時(shí)發(fā)現(xiàn)校園異常行為，處理校園輿情，實(shí)現(xiàn)人像可視化、管控高效化、管理精細(xì)化，構(gòu)建立體化、可視化和可控化的智慧校園環(huán)境。

六、基于人工智能的教育視頻應(yīng)用設(shè)計(jì)

（一）設(shè)計(jì)原則

教育人工智能應(yīng)用是教育的產(chǎn)品，是人工智能的產(chǎn)品，在設(shè)計(jì)中應(yīng)圍繞服務(wù)教育和促進(jìn)學(xué)習(xí)的核心目標(biāo)，也要重視人工智能前進(jìn)道路上可能存在的技術(shù)性、安全性、倫理性等問(wèn)題。我國(guó)在2019年6月發(fā)布了《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》，強(qiáng)調(diào)發(fā)展“負(fù)責(zé)任”的人工智能，負(fù)責(zé)任是指從基礎(chǔ)研究、應(yīng)用研究到產(chǎn)品和服務(wù)的全面負(fù)責(zé)任。阿西洛馬人工智能原則從科研問(wèn)題、倫理價(jià)值和長(zhǎng)期問(wèn)題三個(gè)方面提出了人工智能發(fā)展的23條準(zhǔn)則，共同保障人類未來(lái)倫理、利益和安全。杜靜等歸納了智能教育倫理需遵循的問(wèn)責(zé)、隱私、平等、透明、不傷害、非獨(dú)立、預(yù)警與穩(wěn)定八個(gè)原則。[21]

結(jié)合教育人工智能的特點(diǎn)與人工智能的普適原則，我們給出了教育視頻應(yīng)用的設(shè)計(jì)原則，見(jiàn)表3。

（二）設(shè)計(jì)框架與案例實(shí)現(xiàn)

在教育視頻應(yīng)用的建設(shè)路徑上，我們給出了基于人工智能的教育視頻應(yīng)用的設(shè)計(jì)框架，如圖4所示。其中，基礎(chǔ)層構(gòu)建教育視頻應(yīng)用的硬件基礎(chǔ)與資源基礎(chǔ)，從算力和數(shù)據(jù)方面提供支撐;引擎層構(gòu)建教育視頻應(yīng)用的算法支持。在此基礎(chǔ)上，進(jìn)行教育視頻應(yīng)用的設(shè)計(jì)與實(shí)現(xiàn)。

在理論分析和設(shè)計(jì)框架的指導(dǎo)下，我們進(jìn)行了一個(gè)教育視頻應(yīng)用案例的實(shí)現(xiàn)與分析。案例在基礎(chǔ)層和引擎層選用了阿里云服務(wù)和人工智能視頻分析支持，有效降低了技術(shù)門(mén)檻。案例中主要進(jìn)行應(yīng)用層的教育功能設(shè)計(jì)。

1. 功能設(shè)計(jì)

（1）進(jìn)行視頻多模態(tài)內(nèi)容理解：基于視頻理解功能的支持，實(shí)現(xiàn)了對(duì)視頻的內(nèi)容、語(yǔ)音、圖像的多模態(tài)內(nèi)容分析，并自動(dòng)生成視頻標(biāo)簽、視頻摘要、文本識(shí)別、語(yǔ)音識(shí)別。如圖5所示。

（2）進(jìn)行情境化學(xué)習(xí)設(shè)計(jì)：在此基礎(chǔ)上，結(jié)合視頻文本與標(biāo)簽內(nèi)容，為視頻添加支持增強(qiáng)互動(dòng)的情境學(xué)習(xí)資源，實(shí)現(xiàn)情境化學(xué)習(xí)支持。本案例中的情境化資源為增強(qiáng)視頻與百科解答。

2. 案例分析

（1）智能化視頻分析的有效應(yīng)用需要大數(shù)據(jù)的支持，如視頻理解中的人物標(biāo)簽、情境性資源等需在數(shù)據(jù)訓(xùn)練基礎(chǔ)上，從數(shù)據(jù)資源庫(kù)中選取。但由于當(dāng)前尚缺少教育類的大規(guī)模視頻資源庫(kù)與標(biāo)簽庫(kù)，所以在人物標(biāo)簽與情境性互動(dòng)資源的自動(dòng)處理上還不足。

（2）根據(jù)對(duì)試用者的訪談分析，案例存在的一個(gè)問(wèn)題是情境化資源的交互方式。雖然在視頻中實(shí)現(xiàn)了該功能，但是交互內(nèi)容的呈現(xiàn)方式與控制方式還不足。因此，教育人工智能的應(yīng)用設(shè)計(jì)中要充分考慮功能性與教育性的關(guān)系，功能的設(shè)計(jì)與開(kāi)發(fā)要圍繞學(xué)習(xí)與教育的目標(biāo)展開(kāi)。

（三）總結(jié)與思考

結(jié)合對(duì)教育視頻應(yīng)用設(shè)計(jì)與具體案例實(shí)現(xiàn)的分析，我們認(rèn)為，智能化教育視頻應(yīng)用將是人工智能在教育領(lǐng)域落地的重要形式，但當(dāng)前還需要我們?cè)诙喾矫孢M(jìn)行探索與積累，應(yīng)當(dāng)特別重視的是教育應(yīng)用的設(shè)計(jì)、教育數(shù)據(jù)集的建設(shè)、開(kāi)源平臺(tái)的應(yīng)用。

1. 滿足教學(xué)需求是目標(biāo)與核心

基于人工智能的教育視頻研究的最終目標(biāo)是實(shí)現(xiàn)創(chuàng)新的多種教育領(lǐng)域應(yīng)用。在實(shí)踐中，要結(jié)合基礎(chǔ)層、引擎層的具體支持和特點(diǎn)，結(jié)合教育實(shí)際需求、應(yīng)用場(chǎng)景和教學(xué)目標(biāo)，圍繞學(xué)習(xí)內(nèi)容和學(xué)習(xí)者來(lái)展開(kāi)。用戶、目標(biāo)、問(wèn)題和場(chǎng)景是在進(jìn)行教育系統(tǒng)設(shè)計(jì)時(shí)需要特別注意考慮的要素[22]。

2. 加強(qiáng)建設(shè)教育數(shù)據(jù)集是關(guān)鍵和基礎(chǔ)

大數(shù)據(jù)是新一代人工智能快速發(fā)展的基石。以深度學(xué)習(xí)為核心的人工智能算法需要大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練才能得到更好效果，需要持續(xù)完善的數(shù)據(jù)資源體系支撐。在教育領(lǐng)域，隨著慕課、移動(dòng)學(xué)習(xí)、微視頻等教學(xué)模式和資源的發(fā)展，視頻在未來(lái)的教與學(xué)中會(huì)承擔(dān)更多的任務(wù)，使用視頻的場(chǎng)景也會(huì)越來(lái)越多。開(kāi)發(fā)精準(zhǔn)的智能應(yīng)用需要有更大、更高質(zhì)量的數(shù)據(jù)作為訓(xùn)練支撐，構(gòu)建數(shù)據(jù)基礎(chǔ)層是教育視頻應(yīng)用需要關(guān)注的關(guān)鍵問(wèn)題，具體包括視頻數(shù)據(jù)集、標(biāo)簽數(shù)據(jù)集、知識(shí)圖譜等的建設(shè)與完善。在知識(shí)圖譜建設(shè)方面，也需要擴(kuò)展現(xiàn)有的基于文本的方式，從文本、圖像、視頻等多模態(tài)數(shù)據(jù)中抽取知識(shí)，構(gòu)建跨媒體知識(shí)圖譜。

3. 研究使用開(kāi)源框架與開(kāi)放平臺(tái)是有效方式與路徑

在教育領(lǐng)域，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)對(duì)教育領(lǐng)域人員具有一定門(mén)檻，應(yīng)用開(kāi)源框架與開(kāi)放平臺(tái)是教育人工智能研究與實(shí)踐的有效方式。開(kāi)源框架與開(kāi)放平臺(tái)服務(wù)具有靈活性、易用性等特點(diǎn)，提供了模塊化、通用、靈活的軟件環(huán)境與生態(tài)合作平臺(tái)。在視頻應(yīng)用上，它們提供了完善的視頻分析功能支持，極大降低了人工智能技術(shù)在教育領(lǐng)域?qū)嵺`的門(mén)檻。教育領(lǐng)域開(kāi)發(fā)者只需要關(guān)注高層結(jié)構(gòu)，無(wú)須注意底層問(wèn)題，從而可以高效地開(kāi)發(fā)和視頻相關(guān)的人工智能應(yīng)用系統(tǒng)，打造智能教育服務(wù)生態(tài)。

七、結(jié)? ?語(yǔ)

視頻分析有其獨(dú)特的挑戰(zhàn)，是計(jì)算機(jī)科學(xué)、自動(dòng)化科學(xué)、認(rèn)知心理學(xué)、行為心理學(xué)、腦科學(xué)、神經(jīng)心理學(xué)等多學(xué)科的融合研究。人工智能推動(dòng)了視頻分析領(lǐng)域的進(jìn)步，隨著大數(shù)據(jù)的完善、智能算法的發(fā)展、便捷服務(wù)的支持、落地場(chǎng)景的豐富，教育視頻領(lǐng)域?qū)⒂瓉?lái)廣闊的發(fā)展和應(yīng)用空間。

教育人工智能是教育變革的重要趨勢(shì)，視頻分析是人工智能領(lǐng)域的重要方向，也是教育領(lǐng)域內(nèi)人工智能應(yīng)用的重要場(chǎng)景。對(duì)學(xué)習(xí)者來(lái)說(shuō)，智能視頻應(yīng)用提供了更好的交互式、場(chǎng)景化學(xué)習(xí)環(huán)境和個(gè)人學(xué)習(xí)行為分析，能促進(jìn)學(xué)習(xí)者參與學(xué)習(xí)、理解學(xué)習(xí)、互動(dòng)學(xué)習(xí)。對(duì)于教師來(lái)說(shuō)，智能視頻應(yīng)用能夠優(yōu)化教學(xué)資源，更有效地設(shè)計(jì)教學(xué)活動(dòng)。對(duì)于教育研究者來(lái)說(shuō)，智能視頻分析與應(yīng)用提供了新的研究問(wèn)題和研究情境。當(dāng)前人工智能在教育視頻領(lǐng)域的研究還處于探索的初期階段，未來(lái)研究可從視頻學(xué)習(xí)分析、視頻游戲、視頻互動(dòng)學(xué)習(xí)等方向深入。通過(guò)人工智能與教育視頻的研究與實(shí)踐，加速推進(jìn)教育教學(xué)創(chuàng)新，探索教育新模式，開(kāi)發(fā)教育新產(chǎn)品，推動(dòng)教育向智能化、融合化、個(gè)性化與開(kāi)放性的方向發(fā)展。

[參考文獻(xiàn)]

[1] 孫田琳子， 沈書(shū)生.面向理解的視頻學(xué)習(xí)資源內(nèi)容設(shè)計(jì)框架[J]. 電化教育研究， 2019，40（9）：43-49，58.

[2] BOSCH N， D'MELLO S K， OCUMPAUGH J， et al. Using video to automatically detect learner affect in computer-enabled classrooms[J]. ACM transactions on interactive intelligent systems， 2016， 6（2）： 1-26.

[3] HUANG D A， LIM J J， LI F F， et al. Unsupervised visual-linguistic reference resolution in instructional videos[C]// IEEE Conference on Computer Vision and Pattern Recognition. Honolulu： IEEE， 2017：1032-1041.

[4] 陳濤， 鄧圓. 技術(shù)如何引領(lǐng)學(xué)習(xí)？ ——美國(guó)密涅瓦大學(xué)推行主動(dòng)式學(xué)習(xí)策略及啟示[J]. 開(kāi)放教育研究，2018，24（4）：53-62.

[5] RACA M， DILLENBOURG P. Holistic analysis of the classroom[C]// ACM Workshop on Multimodal Learning Analytics Workshop and Grand Challenge. New York： ACM， 2014，13-20.

[6] 吳秀娟. 當(dāng)課堂教學(xué)遇見(jiàn)人工智能[J]. 湖南教育（C版），2018（6）：12-13.

[7] JAMES A， KASHYAP M， CHUA Y， et al. Inferring the climate in classrooms from audio and video recordings： a machine learning approach[C]// IEEE International Conference on Teaching， Assessment， and Learning for Engineering. Piscataway： IEEE，2018，983-988.

[8] 曹曉明，張永和，潘萌，朱姍，閆海亮.人工智能視域下的學(xué)習(xí)參與度識(shí)別方法研究——基于一項(xiàng)多模態(tài)數(shù)據(jù)融合的深度學(xué)習(xí)實(shí)驗(yàn)分析[J].遠(yuǎn)程教育雜志，2019，37（1）：32-44.

[9] BOSCH N， D'MELLO S. Automatic detection of mind wandering from video in the lab and in the classroom[EB/OL].（2019-04-02）[2019-06-25].https：//ieeexplore.ieee.org/document/8680698.

[10] PARK K， MOTT B W， MIN W， et al. Generating educational game levels with multistep deep convolutional generative adversarial networks[C]// IEEE Conference on Games. London： IEEE， 2019，1-8.

[11] 王建中，曾娜，鄭旭東. 理查德·梅耶多媒體學(xué)習(xí)的理論基礎(chǔ)[J]. 現(xiàn)代遠(yuǎn)程教育研究， 2013（2）：15-24.

[12] KAHNEMAN D. Attention and effort[M]. Englewood Cliffs， NJ： Prentice-Hall，1973.

[13] 張俊林. 深度學(xué)習(xí)中的注意力模型[EB/OL]. （2018-06-02） [2019-07-02]. https：//zhuanlan.zhihu.com/p/37601161.

[14] 曾毅，劉成林，譚鐵牛.類腦智能研究的回顧與展望[J].計(jì)算機(jī)學(xué)報(bào)， 2016，39（1）：212-222.

[15] 徐振國(guó)，張冠文，孟祥增，等.基于深度學(xué)習(xí)的學(xué)習(xí)者情感識(shí)別與應(yīng)用[J]. 電化教育研究， 2019，40（2）：87-94.

[16] 鐘薇，李若晨，馬曉玲，吳永和.學(xué)習(xí)分析技術(shù)發(fā)展趨向——多模態(tài)數(shù)據(jù)環(huán)境下的研究與探索[J].中國(guó)遠(yuǎn)程教育，2018（11）：41-49，79-80.

[17] 田陽(yáng)，陳鵬，黃榮懷，曾海軍.面向混合學(xué)習(xí)的多模態(tài)交互分析機(jī)制及優(yōu)化策略[J].電化教育研究，2019，40（9）：67-74.

[18] OCHOA X， CHILUIZA K， MENDEZ G， et al. Expertise estimation based on simple multimodal features[C]//The 15th ACM on International Conference on Multimodal Interaction. New York： ACM， 2013： 583-590.

[19] NEVERMIND. Nevermindgame [EB/OL]. （2017-12-01） [2019-09-02]. https：//nevermindgame.com/tech/.

[20] SUMMERVILLE A， SNODGRASS S， GUZDIAL M， et al. Procedural content generation via machine learning （PCGML） [J].IEEE transactions on games， 2018，10（3）：257-270.

[21] 杜靜，黃榮懷，李政璇，周偉，田陽(yáng). 智能教育時(shí)代下人工智能倫理的內(nèi)涵與建構(gòu)原則[J]. 電化教育研究， 2019，40（7）：21-29.

[22] 石磊. 開(kāi)源人工智能系統(tǒng)TensorFlow的教育應(yīng)用[J].現(xiàn)代教育技術(shù)，2018， 28（1）：93-99.