眼球运动一致性方法提高儿童面部识别性能
Understanding the role of eye movement consistency in face recognition and autism through integrating deep neural networks and hidden Markov models
作者: Janet H. Hsiao et al.
在面部识别中，科学家常常用眼球运动模式来识别成年人的面孔，但相关的研究在儿童面部识别中还所有缺失。最近，研究人员尝试使用深度神经网络和隐性马尔可夫链模型来识别儿童的眼球运动模式，进而提高儿童面部识别的性能。研究结果显示，这一方法利用儿童眼球运动的一致性来识别儿童面部，达到了较好的识别性能。进一步与儿童发展数据的对比显示，儿童较低的眼球运动一致性与自闭症有着一定的相关性，尤其是那些社交障碍方面的自闭症。研究者指出，眼球运动一致性可能是儿童面部识别的一个较好的测量指标。
回顾人工智能在高等教育中的运用TOP50论文
Roles and research trends of artificial intelligence in higher education: A systematic review of the top 50 most-cited articles
作者: Hui-Chun Chu et al.
在高等教育中使用人工智能（AI）已经被证明是一项有用和有效的措施。最近，研究者回顾了高等教育中有关人工智能的引用前50名的研究论文。结果显示，当前的研究最关注学习者的学习状态，例如辍学、留级、学生模型和学业成绩；人工智能最常扮演的角色是分析和预测工具，其次是辅导系统和评价工具。就研究问题而言，最常讨论的问题是学习行为、准确性、敏感性和准确性、认知发展等等。研究指出，当前相关高引用研究很少讨论有关合作、沟通、高阶思维、自我效能感以及信心等因素，因此相关方面的研究值得未来的研究者注意。
对15年来人工智能支持的语言学习研究的回顾
The current research trend of artificial intelligence in language learning: A systematic empirical literature review from an activity theory perspective
作者: Hongzhi Yang & Suna Kyun
人工智能（AI）对学习和教学的影响正在日渐显著，最近，研究者回顾了过去15年中人工智能支持语言学习的实证研究，回顾和分析该研究领域的发展和趋势。在过去15年中，仅有25篇实证论文能够被检索到，主要的研究思路都是基于活动理论的七大成分（工具、主体、对象、规则、社区、分工和结果）。研究认为，AI支持的语言学习具有一定的成效，但是对语言交流和协作学习方面缺少关注和证据。不仅如此，在当前的研究中，教师在教学设计中对AI支持的语言学习的干预，对于学习结果的好坏起着非常重要的作用。因此，研究者指出，教学和研究设计应该更多地考虑AI和教师组成的混合模式对语言学习的影响。
责任编辑：Diaw Maxwell
15117967419@126.com