来源：期刊VIP网 时间：
作者：卢宇;雷奕欣;陈鹏鹤;
单位：北京师范大学教育学部教育技术学院;北京师范大学教育学部未来教育高精尖创新中心;
摘要：随着人工智能技术与教育的深度融合进程加快,教育人工智能模型在应用过程中面临的信任与风险挑战日益凸显。针对这一关键问题,该研究创新性提出了“基础层-解释层-服务层”三层架构的可信教育人工智能模型框架。基础层重点解决教育数据的安全共享机制与算法公平性保障问题;解释层着力提升模型兼具教育学意义与技术实现的双重可解释性;服务层则致力于增强模型面向教育用户的透明度与可问责性。为验证该框架的实践价值,该研究选取教育领域的学习者模型作为典型案例,系统阐述了可信学习者模型的构建方法论与实现路径。最后,该研究进一步展望了可信教育人工智能领域未来需要重点突破的关键方向与发展路径。
关键词：可信人工智能;;教育人工智能;;可解释人工智能;;联邦学习;;算法公平
基金资助：国家自然科学基金面上项目“可信人工智能驱动的知识追踪模型构建研究”(项目编号:62477003)研究成果
