教育中的智能技术——知识图谱与自然语言处理
知识图谱的概念：知识图谱是一种结构化的语义知识库，它以符号形式描述物理世界中的概念及其相互关系，用于增强其搜索引擎功能。语义网（2006）Google（2012）
知识图谱的概念：知识图谱就是由这些节点和边组成的网络状的知识库。知识图谱可以划分为通用知识图谱和行业知识图谱，两种图谱在应用领域也有着明显区别。实体实体关系实体属性属性属性三元组值对关系关系
关键技术：关键技术：进一步在现有知识库的基础上挖掘隐藏的知识，从而增强和扩充知识库的内容。知识推理技术能够从公开的半结构化和非结构化数据中提取关键的知识点，如实体、关系和属性。可以消除实体、关系和属性在指称项和事实对象之间的歧义。知识融合技术知识抽取技术将知识因子与知识进行关联，形成一种便于识别和理解的结构，便于学习者进行知识检索。知识表示技术
ConceptNet相关工具ConceptNet免费的知识图谱DeepKE知识图谱抽取工具YAGO一个庞大的知识库
知识图谱的应用价值：知识图谱的应用价值：知识图谱能够将分散的教育资源与知识点整合成有机整体，形成系统化的知识体系。提供知识引导实现知识传承关联碎片化资源促进学习进程
知识图谱的应用价值：知识图谱的应用价值：能够自动向教育者和学习者推送与之匹配的、符合学科知识体系的学习资源，并促进教育者、学习者、智能工具三方互动合作，形成积极的反馈系统。学习资源推荐人机协同教学
自然语言处理是智能技术中最早与教育领域结合的人工智能技术，简称NLP。自然语言处理主要研究用智能技术理解和生成自然语言的理论和方法，属于人工智能领域的一个核心分支自然语言处理概念智能科学语言学
自然语言处理概述自然语言理解自然语言生成理解提取信息文本挖掘信息检索语义分析机器翻译自动问答对话系统
自然语言处理具体应用语音转换信息抽取文本分类与聚类
语料库分词词性标注内容提取关键技术
自然语言处理因为直接连接语言文本与用户，所以在教育赋能中发挥了重要作用。教育赋能中发挥的作用
自然语言处理支持的智能教学系统作为教育领域的专家系统，主要帮助学习者学习特定学科、领域或知识点。教育赋能中发挥的作用
教育赋能中发挥的作用易读性评估阅读辅助文本简化语法错误检测阅读支持语音识别
教育赋能中发挥的作用人才培养目标转向文本剽窃检测文本离题检测文本敏感内容检测主观题文本自动评测
小结小结教育中的智能技术知识图谱自然语言处理概念应用价值相关工具关键技术概念关键技术知识抽取技术知识融合技术知识推理技术知识表示技术语料库分词词性标注内容提取
教育中的智能技术——计算机视觉与通用大模型主讲人：刘娟湖南师范大学/教育科学学院/教育技术学系
计算机视觉主要任务图像分割图像分类人脸识别动作识别目标检测姿态估计目标跟踪计算机视觉主要任务
神经网络和深度神经网络Transformer和注意力机制卷积神经网络（CNN）计算机视觉关键技术
神经网络神经网络是一种模拟人脑结构和功能的计算模型由多个神经元组成通过线性加权连接相互传递信息处理和分析数据
深度神经网络深度神经网络由多层神经网络组成每一层都包含多个神经元神经元之间通过权重相连通过激活函数进行非线性变换形成复杂数据表示和处理能力……………输出层输入层隐含层1隐含层2隐含层3输出层输入层第1隐藏层第2隐藏层第3隐藏层
卷积神经网络通过卷积、池化和非线性激活函数映射等一系列操作，将原始数据逐层抽象为自身任务所需的复杂特征表示，最后以特征到任务目标的映射作为结束。卷积神经网络（CNN）特征图特征图特征图特征图卷积层卷积层降采样层全连接层降采样层输出层(全连接+Softmax激活
Transformer和注意力机制Transformer是一种基于自注意力机制的深度神经网络架构，是AIGC的基础，它在多个AI领域均取得了显著成就。注意力机制是Transformer模型的核心，它允许模型在处理每个序列元素时，都能关注到整个序列中的其他元素。Transformer和注意力机制
计算机视觉在教育领域的应用计算机视觉在教育领域的应用行为分析虚拟现实安全监控辅助学习
通用大模型核心任务与应用范围·多模态理解与生成·内容生成·决策支持·个性化服务·知识发现与创新通用大模型核心任务与应用范围
大规模预训练注意力与学习机制模型效果提升解释性与可追溯性通用大模型关键技术
常见的通用大模型GPT系列星火认知大模型腾讯混元大模型鹏城-百度·文心大模型
通用大模型在教育领域中的应用通用大模型在教育领域中的应用人性化交互智能化教育资源建设教学方法创新学习行为分析
小结计算机视觉和通用大模型计算机视觉通用大模型计算机视觉的教育应用深度学习技术计算机视觉概述及主要任务介绍通用大模型概念及核心任务构建通用大模型的关键技术市面上知名的通用大模型通用大