文献类型：期刊文章

作　　者：黄红涛[1] 余琳[1,2] 王继新[2]

Huang Hongtao;Yu Lin;Wang Jixin(Office of Informatization,Central China Normal University,Wuhan 430079,Hubei;School of Artificial Intelligence in Education,Central China Normal University,Wuhan 430079,Hubei)

机构地区：[1]华中师范大学信息化办公室,湖北武汉430079 [2]华中师范大学人工智能教育学部,湖北武汉430079

出　　处：《中国电化教育》

基　　金：国家社会科学基金教育学国家重点项目“中国数字教育实践的理论建构研究”(项目批准号:ACA240018)研究成果。

年　　份：2024

期　　号：11

起止页码：61-68

语　　种：中文

收录情况：BDHX、BDHX2023、CSSCI、CSSCI2023_2024、JST、NSSD、RCCSE、RWSKHX、核心刊

摘　　要：该研究探讨了生成式人工智能(AIGC)赋能的非线性学习智能体模型建构,分析了非线性学习的特点,并预设了自学、混合和协作三种学习场境。基于这些场境推导出智能体模型的功能需求,进而抽象出模型的核心能力。该文界定了非线性学习智能体的含义、数学表达式及核心算法,并阐述智能体模型的核心是一个改进的马尔可夫决策过程,旨在能够为学习者提供个性化、动态优化的学习支持,有效提升非线性学习的效率,为AIGC在教育领域的应用提供了新的模型构建方法,对推动教育信息化和个性化学习具有重要意义。

关 键 词：生成式人工智能  非线性学习  智能体模型 个性化学习 教育信息化

分 类 号：G434[教育学类]