对10年来任何模态转文本智能算法的教育研究回顾
Systematic survey of anything-to-text recognition and constructing its framework in language learning
作者: Wu-Yuin Hwang et al.
基于人工智能的文本转译工具发展已经有很长的历史。最近，研究者回顾了任何模态数据转译成文本（anything to text）这一领域过去10年的研究，着重分析了其中48篇重要文献。研究结果显示，当前大多数研究仅限于英语学习，并且仅有大学生参与学习实践。不仅如此，当前的研究较少关注写作技能，更多探讨听力和口语方面的能力发展。在这些资料的基础之上，研究提出了一个任何数据道文本的识别框架，包含了三个重要的层次，分别是学习表示层、识别精度层和学习效果层。研究希望新的框架能够指导该领域未来的发展。
序列分析算法预测MOOCs中的退学行为
Educational Sequence Mining for Dropout Prediction in MOOCs: Model Building, Evaluation, and Benchmarking
作者: Galina Deeva et al.
由于在线学习平台收集到的数据数量前所未有地增长，因此出现了利用这些数据进行决策和改进教育提供的重要机会。最近，研究者提出了一个框架，用于在MOOCs中应用序列挖掘和分类进行退学预测。该框架包括两个数据驱动的退学定义，以及如何在课程运行的适当时间点训练退学预测模型的详细说明。研究使用表现良好的序列分类技术进行了基准测试，接着使用不同的参数设置在47个来自MOOC的真实数据集上进行了测试，从而对超过18,000个模型进行了比较评估。研究者指出，在未来的应用中，应该针对具体场景设置合适的参数，以达到最优化的预测效果。
人工智能和语言教育的融合趋势
Trends, Research Issues and Applications of Artificial Intelligence in Language Education
作者: Xinyi Huang et al.
人工智能在语言教育中发挥着越来越重要的作用。最近，研究者回顾了2000年至2019年发表的516篇人工智能支持语言教育的相关研究，尝试理解人工智能融入语言教育的过程。研究者发现，随着时间推移，人工智能支持语言教育的研究数量在不断增加，其中最活跃的研究机构是美国亚利桑那州立大学。在相关研究中，最受关注的话题包括：自动化评、智能导师系统（ITS）、错误检测、计算机支持的沟通、个性化学习系统、词汇和语法学习、网络资源建设、学习者情感和情绪状态等等。在技术方面，研究者注意到，有三类人工智能技术经常被用于语言教育当中，分别是自然语言处理（NLP）、语音识别和学习分析技术。
责任编辑：Diaw Maxwell
15117967419@126.com