|
曹建峰. (2022). 人工智能系统可解释性要求的法律规制. 月旦民商法杂志, (76), 28- 39.
|
|
陈凯泉, 张春雪, 吴玥玥, 刘璐. (2019). 教育人工智能(EAI)中的多模态学习分析、适应性反馈及人机协同. 远程教育杂志, (05), 24- 34.
|
|
但武刚, 李玉婷, 王海福. (2022). 高校教师数字素养框架构建与展望. 教育与教学研究, (09), 41- 53.
|
|
冯永刚, 赵丹丹. (2022). 人工智能教育的算法风险与善治. 国家教育行政学院学报, (07), 88- 95.
|
|
胡姣, 彭红超, 祝智庭. (2022). 教育数字化转型的现实困境与突破路径. 现代远程教育研究, (05), 72- 81.
|
|
黄荣怀. (2022). 加快教育数字化转型 推动学校高质量发展. 人民教育, (Z3), 28- 32.
|
|
金义富. (2017). 区块链+教育的需求分析与技术框架. 中国电化教育, (09), 62- 68.
|
|
荆敏菊. (2015). 中小学生电子产品使用状况及其对心理发展影响与对策的研究综述. 现代教育科学, (04), 77- 79.
|
|
刘晗, 李凯旋, 陈仪香. (2022). 人工智能系统可信性度量评估研究综述. 软件学报, (33), 1- 19.
|
|
刘三女牙. (2022). 人工智能+教育的融合发展之路. 国家教育行政学院学报, (10), 7- 10.
|
|
刘艳红. (2022). 人工智能的可解释性与AI的法律责任问题研究. 法制与社会发展, (01), 78- 91.
|
|
苗逢春. (2022). 教育人工智能伦理的解析与治理——《人工智能伦理问题建议书》的教育解读. 中国电化教育, (06), 22- 36.
|
|
牟智佳, 符雅茹. (2021). 多模态学习分析研究综述. 现代教育技术, (06), 23- 31.
|
|
上海市教育委员会. (2022). 上海宝山: 营造数智生态, 推进课堂转型| 基础教育综合改革典型案例. https://new.qq.com/rain/a/20221208A0A9C200
|
|
孙波. (2022). 可解释的人工智能: 打开未来智能教育“黑箱”的钥匙. 中国教育信息化, (04), 3- 4.
|
|
孙启贵, 汪琛, 王加宇, 叶斌. (2021). 医疗人工智能发展的社会–技术分析与启示. 自然辩证法研究, (03), 48- 53.
|
|
托雷•霍尔, 曹梦莹, 明芷安, 袁莉. (2022). 可解释人工智能的教育视角: 基于伦理和素养的思考. 中国教育信息化, (04), 5- 13.
|
|
王一岩, 郑永和. (2022). 多模态数据融合: 破解智能教育关键问题的核心驱动力. 现代远程教育研究, (02), 93- 102.
|
|
魏亚丽, 张亮. (2022). 从“基于经验”到“数据驱动”: 大数据时代的教学新样态. 当代教育科学, (02), 50- 56.
|
|
许为. (2022). 八论以用户为中心的设计: 一个智能社会技术系统新框架及人因工程研究展望. 应用心理学, (05), 387- 401.
|
|
杨晓哲, 任友群. (2021). 教育人工智能的下一步——应用场景与推进策略. 中国电化教育, (01), 89- 95.
|
|
于聪, 刘飞. (2022). 人工智能教育应用的伦理风险及其对策研究. 机器人产业, (02), 32- 37.
|
|
余欣, 朝乐门, 孟刚. (2022). 人在回路型AI训练的基本流程与交互模型研究. 情报资料工作, (05), 34- 41.
|
|
翟云, 蒋敏娟, 王伟玲. (2021). 中国数字化转型的理论阐释与运行机制. 电子政务, (06), 67- 84.
|
|
张坤颖, 张家年. (2017). 人工智能教育应用与研究中的新区、误区、盲区与禁区. 远程教育杂志, (05), 54- 63.
|
|
张双志, 张龙鹏. (2020). 教育治理结构创新: 区块链赋能视角. 中国电化教育, (07), 64- 72.
|
|
中国通信院, 京东探索研究院. (2021). 可信人工智能白皮书. http://www.caict.ac.cn/kxyj/qwfb/bps/202107/t20210708_380126.htm
|
|
朱嘉文, 顾小清. (2022). 打通“数据孤岛” 实现数据互联互通. 教育传播与技术, (04), 3- 8.
|
|
祝智庭, 胡姣. (2022a). 教育数字化转型的实践逻辑与发展机遇. 电化教育研究, (01), 5- 15.
|
|
祝智庭, 胡姣. (2022b). 教育数字化转型: 面向未来的教育“转基因”工程. 开放教育研究, (05), 12- 19.
|
|
祝智庭, 彭红超, 雷云鹤. (2018). 智能教育: 智慧教育的实践路径. 开放教育研究, (04), 13- 24+42.
|
|
Blikstein, P., & Worsley, M. B. (2016). Multimodal Learning Analytics and Education Data Mining: Using computational technologies to measure complex learning tasks. Journal of learning Analytics, 3, 220- 238.
doi: 10.18608/jla.2016.32.11
|
|
Brence, F. , & Mauhart, J. (2019). Digital Enablement: Turning Your Transformation Journey into a Successful Journey. https://www2.deloitte.com/content/dam/Deloitte/at/Documents/human-capital/at-digital-enablement-turning-your-transformation-into-a-successful-journey.pdf
|
|
Chango, W., Lara, J. A., Cerezo, R., & Romero, C. (2022). A review on data fusion in multimodal learning analytics and educational data mining. WIREs Data Mining and Knowledge Discovery, 12 (4), e1458.
|
|
Conati, C., Barral, O., Putnam, V., & Rieger, L. (2021). Toward personalized XAI: A case study in intelligent tutoring systems. Artificial Intelligence, 298, 103503.
doi: 10.1016/j.artint.2021.103503
|
|
Duggan, T., & Corporation, T. (2020). AI in Education: Change at the Speed of Learning. https://iite.unesco.org/wp-content/uploads/2021/05/Steven_Duggan_AI-in-Education_2020-2.pdf.
|
|
European Commission, & Directorate-General for Communications Networks, C. and T. (2019). Ethics guidelines for trustworthy AI. Publications Office.
|
|
European Commission. (2021). Laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) and amending certain union legislative acts. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52021PC0206
|
|
Geels, F. W. (2002). Technological transitions as evolutionary reconfiguration processes: a multi-level perspective and a case-study. Research policy, 31 (8-9), 1257- 1274.
doi: 10.1016/S0048-7333(02)00062-8
|
|
Halevy, A., Norvig, P., & Pereira, F. (2009). The Unreasonable Effectiveness of Data. IEEE Intelligent Systems, 24 (2), 8- 12.
doi: 10.1109/MIS.2009.36
|
|
Hanna, N. (2018). A role for the state in the digital age. Journal of Innovation and Entrepreneurship, 7 (1), 5.
doi: 10.1186/s13731-018-0086-3
|
|
IEEE Computer Society. (2022). 2022 Technology Predictions. https://ieeecs-media.computer.org/media/tech-news/tech-predictions-report-2022.pdf
|
|
Kizilcec, R. F., & Lee, H. (2020). Algorithmic Fairness in Education. CoRR, abs/2007.05443.
|
|
Liu, H., Wang, Y., Fan, W., Liu, X., Li, Y., Jain, S., Liu, Y., Jain, A. K., & Tang, J. (2022). Trustworthy AI: A Computational Perspective. ACM Trans. Intell. Syst. Technol.
|
|
Stanton, B. , & Jensen, T. (2021). Trust and Artificial Intelligence. https://nvlpubs.nist.gov/nistpubs/ir/2021/NIST.IR.8332-draft.pdf
|
|
Trump. (2020). Executive Order on Promoting the Use of Trustworthy Artificial Intelligence in the Federal Government. https://trumpwhitehouse.archives.gov/presidential-actions/executive-order-promoting-use-trustworthy-artificial-intelligence-federal-government/
|
|
UNESCO. (2021). 人工智能伦理问题建议书. https://unesdoc.unesco.org/ark:/48223/pf0000381137_chi
|
|
UNESCO. (2022). United Nations Transforming Education Summit——Thematic Action Track 4 on ‘Digital learning and transformation’. https://transformingeducationsummit.sdg4education2030.org/track/digital
|
|
Vaggalis, N. (2019). Ethics Guidelines For Trustworthy AI. https://www.i-programmer.info/programming/artificial-intelligence/12702-ethics-guidelin
|
|
Wang, X., He, J., Jin, Z., Yang, M., Wang, Y., & Qu, H. (2022). M2Lens: Visualizing and Explaining Multimodal Models for Sentiment Analysis. IEEE Transactions on Visualization and Computer Graphics, 28 (1), 802- 812.
doi: 10.1109/TVCG.2021.3114794
|