大家好。

很高兴向大家汇报我参加 LAK 的情况。

我参加了2024年3月20日至22日在日本京都国际会议中心举行的学习分析与知识（LAK）2024年主会场会议。LAK是最大的学习分析研究会议之一，包括学习分析研究、相关系统开发和利用学习数据的教育实践。LAK是规模最大的学习分析研究会议之一，包括学习分析研究、相关系统开发和使用学习数据的教育实践，在2024年的这个阶段，它是谷歌学术矩阵上教育技术领域排名前20位的国际会议之一，Core排名为A。

我在 LAK 上做了一次海报展示，海报在一个房间里一字排开，主要作者站在自己的海报前，当代表们走近他们的海报时，他会解释海报的内容。与主讲不同，我觉得海报演讲的魅力在于它能让我同时了解几项研究，并与与会者进行深入讨论。作为发言人，我也很高兴能与对我的研究感兴趣的与会者深入讨论我的研究。

我的演讲题目是 “利用语音识别分析英语单词学习行为”。在我的硕士研究中，我利用语音识别技术开发了一个英语单词学习支持系统，并展示了通过两个实验收集到的学习日志的滞后序列分析结果。

我们能够与聆听我们发言的人讨论我们的研究。我们主要讨论了语音识别反馈的有效性、前后测试的结果以及滞后序列分析所揭示的语音识别的实用性。我认为，许多与会者对根据研究中的学习行为设计未来的学习环境特别感兴趣。通过与与会者的讨论，我自己也有机会思考如何利用研究成果。

除了我自己的演讲，我还去听了其他演讲。总的来说，关于基于人工智能的学习分析和实践的发言最引人注目。 其中，我特别感兴趣的是一项关于使用自动语音识别人工智能来分析辅导员在课堂上的发言录音，并将分析结果显示在仪表盘上，从而建立一个可用于改进课堂的模型的研究。辅导员作为教师的助手，有时会代替教师负责授课，但并不一定具备相应的提问技巧。这项研究提出了一个模型，它能记录辅导教师在课堂上的发言，并根据一种名为 “Talk Moves “的语篇分类向教师提供反馈。 使用仪表板的实验组和不使用任何仪表板的对照组之间的比较结果很有意思，他们报告说，使用仪表板的组，尤其是在课程中期开始使用仪表板的组，教学质量有所提高。 我们认为，现代自动语音识别的识别率非常高，即使是免费版本。我希望利用语音识别技术记录课堂提问，将其纳入提问系统，然后提供反馈。 让我印象深刻的还有，我听的研究报告中介绍了一个与日本非营利性教育机构合作，以确保人力资源并进行大规模测试的案例。我觉得，与非营利部门的合作可以在实际环境中收集学习日志，并确保灵活的实验环境。

（笔者：硕士2年级 平田沙希）