基于AI分类任务的教育集团认同强化实践

来源:2023年度智慧教育优秀案例 2024-05-27 15:48:51 所属栏目:案例实践

要用人工智能的手段判断树叶的种类,可以采用机器学习或深度学习的方法。利用大量的树叶图片作为训练数据,提取其中的特征向量,然后用分类算法来识别不同的种类。例如,可用卷积神经网络(CNN)来自动提取图像中的形状特征,或使用图像处理技术来提取图像的边缘特性。但以上方法都过于依赖数据和算力,无法在教育集团普适开展,因此,需要对“寻樟”环节的数据做简化处理,以期满足小初高的普适开展

本文大概

读完共需

分钟

一、集团化与共同体,期求认同

(一)教育集团成员校的身份认同

2021年7月,福州八中教育集团成立,集团包含福州八中三江口校区、福州八中吉祥山校区、福州台江第三中心小学、福州国货路小学、福州江南水都中学与福州第三十六中学。集团化成员覆盖基教阶段小、初、高全学段,其基于共享的教育理念便于统筹和理顺资源对接,调整和活化师资配置,优化和完善办学经验,是兼顾公平与优质的教育组织形态。

(二)城乡帮扶共同体的研训认同

福州第八中学作为国家中小学智慧教育平台福建省专家应用校,立足平台的教管架构,融合平台的浩博资源,以数字化构形与莆田第九中学、霞浦第七中学、永泰县城关中学与永泰县赤锡中学齐同组建“福州八中城乡帮扶共同体”。然而,集团化办学所涉及之架构合并或管理整合,不同成员校之间的地理位置、区域文化、管理沿革和教学主张的差异,跨校区、跨学段物力调剂引动之施教团队波动,校际间信息传递或即期通达的作成,均牵引着师生对教育集团,尤其是集团内核心校的认同趋缓。

(三)香樟符号显现的运思认同

为验查集团成员对群体归属的认同情状,集团对多所成员校或帮扶校的师生进行了抽样调查与专项访谈。考虑到点明“核心校认同”标签易致受调者规避正式选项甚至强化负面认同的心理效果,因此调查方将群体认同的深浅与表征事物关联,即以“教学楼”、“校徽”、“福船”与“香樟树”等名词指代集团核心校的主体特征。在发放并回收6324份问卷后,“香樟”作为关键词显著胜出,与随机选取的师生交谈也普遍反馈“香樟”的校风映射和百年传承可与集团核心校的风格风貌趋于一致。

二、定制化与设计化,推动认同

聚合“香樟”符号的基础认同与信息技术(科技)大概念的全域适配,《寻樟》项目应用而生,如图1所示,《寻樟》在立意上以“香樟”本体的最终分类确认为目标,在此目标的达成过程中项目细分为数据采集、数据整理、算法分析与结论归纳四个部分。在项目实施上,以设计化的师生绿植叶片样本采集过程为实践手段;在组织与管理形式上,以国家中小学智慧教育平台的 “教师教研”为主要场景串联跨校区智能学法与集团化引力验证;在学具上,以定制化的专属工具辅助数据采集;在认知上,以近邻算法和排序策略为预设难点。

图片

图1《寻樟》项目实施过程

一是国家中小学智慧教育平台,混弹研修。结合国家中小学智慧教育平台的跨区域教研机制上,福州八中依靠混弹研修改进城乡教师研训形态,拓展县域研训的自主空间。在该机制支持下,培训内容、时间、节奏皆可弹性选择。

二是可分离式学具设计,测量卡尺。《寻樟》项目设计了一个创新性的绿植样本采集测量工具。该工具以带测量刻度的,可分离的样本卡纸为载体,采用轻便、耐用、环保的材料制作,易于携带和使用。鼓励学生通过实验探究和创新思维来解决问题,培养学生的创新精神和科学思维能力。

三是分类模型与算法,数据处理。要用人工智能的手段判断树叶的种类,可以采用机器学习或深度学习的方法。利用大量的树叶图片作为训练数据,提取其中的特征向量,然后用分类算法来识别不同的种类。例如,可用卷积神经网络(CNN)来自动提取图像中的形状特征,或使用图像处理技术来提取图像的边缘特性。但以上方法都过于依赖数据和算力,无法在教育集团普适开展,因此,需要对“寻樟”环节的数据做简化处理,以期满足小初高的普适开展。

 

作者:林荣辉 陈晨

来源:2023年度智慧教育优秀案例

标签:智慧教育优秀案例

版权申明:本网站内容均为本站原创文章或网友转载,涉及版权问题请联系管理员删除,转载亦请申明来源.

上一篇:双减背景下基于数据分析的精准讲评课案例
下一篇:5G赋能视域下“互联网+”闽宁合作双线帮扶教育模式探究