本书深入探讨了大语言模型在自我调节学习中的应用与实践，首先概述了大语言模型变革教育的现实图景，展示了人工智能在教育领域的应用场景与实际经验，并详细剖析了大语言模型与自我调节学习的紧密关联；其次探讨了基于大语言模型的学习状态分析，如学生情感分析、注意力分析、学习过程行为检测、课堂参与度、学习者知识状态预测等；再次论述了基于大语言模型和个性化推荐技术的学习路径规划与学习行为指导等，揭示了现代技术在教育评估中的巨大潜力；最后展望了大语言模型与自我调节学习深度融合的未来发展趋势，为教育智能化发展提供了重要参考。

更多科学出版社服务，请扫码获取。

2010年至2014年,华中科技大学,人工智能与自动化学院,博士 2008年至2010年,华中科技大学,数学与统计学院,硕士2023-今,华中师范大学,教授 2016-2019,华中师范大学,副教授 2014-2016,华中师范大学,讲师 2017-2019,香港城市大学/机器人视觉实验室,博士后/访问学者曾荣获湖北省科学技术进步一等奖（2020）、高等学校科学研究优秀成果奖（科学技术）科技进步奖一等奖（2019）。[1] Liu Hai (刘海), Zhang Cheng, Deng Yongjian, Liu Tingting, Zhang Zhaoli, Li Youfu, "Orientation Cues-Aware Facial Relationship Representation for Head Pose Estimation via Transformer," IEEE Transactions on Image Processing, vol. 32, pp. 6289-6302, 2023. (SCI收录，中科院一区Top期刊，IF(2024)=10.3，第一作者)

目录
前言
第一部分 研究理论概述
第一章 大语言模型变革教育的现实图景 3
第一节 人工智能赋能教育的应用场景 3
第二节 人工智能赋能教育的国际经验 11
第三节 我国人工智能赋能教育发展路径 19
第四节 人工智能赋能教育小结 26
参考文献 26
第二章 大语言模型下的自我调节学习研究与实践 29
第一节 自主学习策略驱动自我调节学习的现实问题 29
第二节 大语言模型支撑自我调节学习的发展 35
第三节 跨模态感知支撑的自我调节学习相关技术 42
参考文献 57
第二部分 学习状态研究
第三章 基于面部表情识别的学生情感分析 61
第一节 面部表情识别支撑的学生情感分析相关研究 61
第二节 面部表情识别相关知识 70
第三节 面向学习者情感分析的面部表情识别模型 75
第四节 自我调节学习下的学习者情感分析实践 83
参考文献 87
第四章 融入视线追踪的学习注意力识别方法 91
第一节 面向学生注意力的视线追踪研究回顾 91
第二节 视线追踪相关技术知识 95
第三节 细粒度视线追踪网络模型构建 100
第四节 视线追踪下的学习注意力评估 108
第五节 学生注意力分析应用展望 115
参考文献 116
第五章 基于学生姿态的学习过程行为检测 119
第一节 学生行为姿态检测国内外研究概况 119
第二节 反映学习行为过程的人体姿态估计相关技术 121
第三节 学习行为姿态估计模型构建 126
第四节 基于姿态感知的学习过程行为识别及应用 135
第五节 学习过程行为检测展望 139
参考文献 140
第六章 基于头部姿态的学生参与反馈分析 143
第一节 学生参与度及头部姿态研究纵览 143
第二节 课堂环境学习者头部姿态估计相关知识 146
第三节 面向自我调节学习的头部姿态估计网络模型 154
第四节 头部姿态估计在学生参与反馈中的实践创新 159
第五节 学生课堂参与反馈展望 166
参考文献 166
第七章 基于知识追踪的学习者知识状态预测 169
第一节 知识追踪的定义及内涵 169
第二节 融合题目复杂性和学习者能力表示的知识追踪方法 177
第三节 知识状态预测展望 184
参考文献 185
第三部分 规划指导研究
第八章 基于大语言模型的学习路径规划 191
第一节 知识图谱支持下学习路径规划研究综述 191
第二节 知识图谱基础知识 197
第三节 大语言模型支撑的学习路径规划模型构建 204
第四节 学习路径规划展望 213
参考文献 214
第九章 基于个性化推荐技术的学习行为指导 217
第一节 教育推荐系统的学习行为指导研究概况 217
第二节 个性化推荐相关技术 220
第三节 学习行为自适应推荐技术 228
参考文献 236
第四部分 研究总结展望
第十章 大语言模型助推自我调节学习的未来发展 243
第一节 科学理论的变革：从自主调节到人工智能赋能的协同学习 243
第二节 大语言模型支持自我调节学习环境中的学习诊断与分析 245
第三节 学习行为的重塑：大语言模型推动自我调节学习能力提高 248
第四节 未来研究趋势：大语言模型与自我调节学习深度融合 249
参考文献 251
后记 253