鐘卓 鐘紹春 唐燁偉

[摘? ?要] 智慧學習是人工智能時代教育的基本內(nèi)涵，智慧學習模型構(gòu)建是實施智慧學習的關(guān)鍵和基礎(chǔ)，也是該領(lǐng)域研究中的瓶頸問題。文章針對智慧學習內(nèi)在機理難以表征的問題，利用人工智能技術(shù)，提出了能夠闡述智慧學習特征、要素及運行機制的智慧學習E-GPPE-C模型。該模型由學習環(huán)境、教育知識圖譜、學習者畫像、學習路徑、學習評價、學習共同體六大核心要素和基礎(chǔ)層、支撐層、服務(wù)層、關(guān)鍵層、應(yīng)用層五個層面構(gòu)成。基于人工智能相關(guān)算法，從教育知識圖譜構(gòu)建、學習者畫像構(gòu)建、學習共同體構(gòu)建、學習路徑推薦四個方面，提出了E-GPPE-C模型的實現(xiàn)方法。研究為人工智能在教育領(lǐng)域應(yīng)用、智慧學習開展提供了基礎(chǔ)，為后續(xù)智慧學習模型研究提供了參考。

[關(guān)鍵詞] 智慧學習; 人工智能; 模型構(gòu)建; 知識圖譜; 學習路徑

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 鐘卓（1987—），男，湖北仙桃人。博士研究生，主要從事智慧教育、數(shù)字化學習環(huán)境研究。E-mail：382452265@qq.com。

一、引? ?言

早在兩千多年前，孔子就提出了“因材施教”的教育思想。隨著以機器學習、知識圖譜為代表的人工智能技術(shù)迅速發(fā)展，驅(qū)動著社會從“網(wǎng)絡(luò)化”邁入“智能化”。在智能時代，人工智能與教育的結(jié)合日趨緊密，已有眾多研究者將人工智能引入教育領(lǐng)域，提出了教育人工智能[1]、新主體教師[2]、教育知識圖譜[3]等相關(guān)概念。為不同的學生提供符合需要的優(yōu)質(zhì)教育依然是智能時代教育的基本內(nèi)涵?！督逃畔⒒?.0行動計劃》指出：“構(gòu)建‘互聯(lián)網(wǎng)+條件下的人才培養(yǎng)新模式、發(fā)展基于互聯(lián)網(wǎng)的教育服務(wù)新模式、探索信息時代教育治理新模式?！盵4]人才培養(yǎng)新模式構(gòu)建的關(guān)鍵在于智慧學習的開展，智慧學習的實現(xiàn)離不開智慧學習模型的大力支持，而構(gòu)建結(jié)構(gòu)完整、特征明晰、邏輯清楚的智慧學習模型是實施智慧學習時所面臨的重要挑戰(zhàn)。隨著人工智能技術(shù)的不斷發(fā)展，為智慧學習模型構(gòu)建提供了基礎(chǔ)與保障，如何利用人工智能技術(shù)對智慧學習的特征、構(gòu)成要素及運行機理進行刻畫是當前教育研究的重要課題。

二、智慧學習研究現(xiàn)狀

關(guān)于智慧學習，國內(nèi)外已有眾多學者進行了研究。國內(nèi)外學者對智慧學習的研究最初集中在利用技術(shù)提供學習資源與環(huán)境以支撐學習者個性化學習。Chin認為，智慧學習是一種能夠依據(jù)學習者的學習風格，利用技術(shù)支撐學習者的個性化學習[5]。Anasol等人認為，智慧學習是根據(jù)情境對環(huán)境感知來為學習者提供個性化學習資源的新型學習范式[6]。郭曉珊等人認為，智慧學習是在智慧環(huán)境中學習者按照自己的需要獲得資源，個性化開展學習活動，快速構(gòu)建知識網(wǎng)絡(luò)的學習過程[7]。賀斌認為，智慧學習從學習者的視角來看是定制個性化學習服務(wù)的過程，從技術(shù)視角來看是提供智能學習環(huán)境促進學習的過程[8]。

隨著大數(shù)據(jù)、“互聯(lián)網(wǎng)+”等技術(shù)的發(fā)展，智慧學習逐漸轉(zhuǎn)向?qū)W習大數(shù)據(jù)的采集，依據(jù)數(shù)據(jù)調(diào)控學習過程。Scott等人認為，智慧學習是指運用信息化手段對學習數(shù)據(jù)進行采集和分析，依據(jù)數(shù)據(jù)調(diào)控學習過程[9]。梁迎麗等人認為，智慧學習可以從環(huán)境數(shù)據(jù)、腦神經(jīng)活動數(shù)據(jù)、生命體征數(shù)據(jù)、行為數(shù)據(jù)、認知數(shù)據(jù)等不同的信息源收集多種類型的數(shù)據(jù)，進行跨媒體的泛化推理和多維度的學習分析[10]。

隨著人工智能時代的到來，更多的研究者開始探討利用人工智能技術(shù)構(gòu)建智慧學習共同體，幫助學習者開展智慧學習。鐘紹春認為，智慧學習是在學習系統(tǒng)支持下，學習者能夠選擇合適的學習內(nèi)容與方式，找到最佳的學習伙伴，得到最有效的教師幫助和指導等以完成學習活動[11]。余勝泉等人認為，在智能教育新時代，智慧學習的開展離不開“學習助手”的大力支持[12]。

智慧學習的本質(zhì)在于通過知識學習，培養(yǎng)學科能力，促進智慧發(fā)展。Dae-joon認為，智慧學習是使用各種技術(shù)和資源以增強學習者的能力，智慧學習是學習者實現(xiàn)智慧發(fā)展的過程[13]。祝智庭等人認為，智慧學習是一個充滿張力和平衡的過程，要滿足服務(wù)學習者智慧發(fā)展的深刻內(nèi)涵[14]。

通過文獻分析可知，智慧學習的研究主要集中在利用技術(shù)提供學習資源與環(huán)境、利用大數(shù)據(jù)動態(tài)監(jiān)測學習過程、利用技術(shù)獲得教師與學生智慧供給等方面，智慧學習的目的是促進學習者智慧發(fā)展。綜上所述，本研究認為，智慧學習是在人工智能、大數(shù)據(jù)等技術(shù)支持下，能夠動態(tài)采集學習數(shù)據(jù)，精準調(diào)控學習過程，幫助學習者選擇合適的學習內(nèi)容與學習方式，找到最佳學習伙伴，獲得最有效的指導和幫助，以促進學習者智慧發(fā)展的新型學習范式。

三、智慧學習模型構(gòu)建基礎(chǔ)

（一）人工智能對智慧學習的支持分析

人工智能（Artificial Intelligence）是研究、設(shè)計、開發(fā)智能系統(tǒng)用于模擬、延伸和擴展人類智能的科學。近年來，人工智能在教育領(lǐng)域應(yīng)用日趨成熟，極大地推動了智慧學習的順利開展。國內(nèi)外已有眾多學者提出了人工智能支持教育的應(yīng)用場景，并提出了教育人工智能的新范式和應(yīng)用框架。在分析國內(nèi)外文獻基礎(chǔ)上，本文參考祝智庭教授提出的教育人工智能相關(guān)理論[1]，闡述人工智能對智慧學習的支持，具體如圖1所示。

由圖1可知，人工智能支持智慧學習的關(guān)鍵在于，利用人工智能技術(shù)構(gòu)建教育知識圖譜，通過問題解決與任務(wù)完成刻畫知識與能力的掌握程度;利用模式識別技術(shù)和深度學習構(gòu)建學習共同體，幫助學習者得到學習伙伴的幫助與指導;利用深度學習技術(shù)精準推薦學習路徑，幫助學習者選擇合適的學習方式;利用數(shù)據(jù)挖掘和深度學習構(gòu)建學習者畫像，幫助學習者精準調(diào)控學習過程。通過分析可知，人工智能技術(shù)能夠為智慧學習實施提供必要的給養(yǎng)，有效推動智慧學習順利開展，促進學習者智慧生成。

（二）智慧學習模型構(gòu)建依據(jù)

學習模型是依據(jù)一定的學習理論，由要素及要素之間的關(guān)系組成，可指導學習過程實施、策略制定、實踐應(yīng)用的概念集合體[15]。從系統(tǒng)論來看，系統(tǒng)是由要素有機結(jié)合起來的整體，系統(tǒng)中的要素至關(guān)重要[16]。構(gòu)建智慧學習模型，首先要明確智慧學習的構(gòu)成要素。本研究總結(jié)了國內(nèi)外智慧學習以及模型構(gòu)建相關(guān)研究，對構(gòu)成要素進行了詳細闡述（見表1），并采用對比分析的方法獲取智慧學習模型的構(gòu)成要素。

從表1可以看出，雖然不同學者對智慧學習構(gòu)成要素的表述方式不盡相同，但仍體現(xiàn)出諸多相同點，多數(shù)學者從學習者、學習內(nèi)容、學習資源、學習數(shù)據(jù)、學習活動、學習評價等方面對智慧學習進行了闡述。本研究將學習者擴展為能夠發(fā)揮群體動力作用的學習共同體;將學習內(nèi)容與學習資源合成為學習環(huán)境;將學習過程中的活動集合以學習路徑的方式進行推薦;采集學習者特征、過程、結(jié)果等數(shù)據(jù)，形成學習者畫像;依據(jù)學習者畫像，開展學習評價。因此，本研究選取學習環(huán)境、教育知識圖譜、學習者畫像、學習路徑、學習評價、學習共同體六個要素來構(gòu)建智慧學習模型。

四、智慧學習模型構(gòu)建

（一）模型解釋

在分析了模型構(gòu)成要素的基礎(chǔ)上，本研究提出人工智能支持下的智慧學習模型，抽取環(huán)境（Environment）、圖譜（Graph）、畫像（Portrait）、路徑（Path）、評價（Evaluate） 、共同體（Community）六個關(guān)鍵詞縮寫，將模型命名為E-GPPE-C模型，如圖2所示。模型由下到上包括基礎(chǔ)層、支撐層、服務(wù)層、關(guān)鍵層和應(yīng)用層。模型以學習環(huán)境和人工智能技術(shù)為基礎(chǔ);模型構(gòu)建的關(guān)鍵支撐是教育知識圖譜和學習大數(shù)據(jù);模型實施離不開學習者畫像和學習路徑的服務(wù)支持;模型運行的關(guān)鍵在于認知診斷、學習導引、學習分析等學習評價的支持;模型的核心目的在于支持學習共同體開展智慧學習活動，促進學習者智慧培養(yǎng)。

（二）模型運行機制

智慧學習E-GPPE-C模型是一個循環(huán)迭代、動態(tài)平衡的過程，需要一定的運行機制，模型運行機制包括監(jiān)測機制、調(diào)控機制和優(yōu)化機制。監(jiān)測是實施智慧學習的先決條件，調(diào)控是智慧學習實施的有效保障，優(yōu)化是智慧學習模型完善的必備要素。通過對學習過程的動態(tài)監(jiān)測，掌握學習者的學習情況;根據(jù)監(jiān)測結(jié)果，對學習者進行調(diào)控，使學習者獲得個性化的學習內(nèi)容和學習方式;在學習中產(chǎn)生的數(shù)據(jù)融合到已有學習大數(shù)據(jù)中，對模型不斷進行完善和優(yōu)化。三組機制相互銜接，形成智慧學習模型運行閉環(huán)，促進智慧學習的順利開展。

（三）模型核心要素

E-GPPE-C模型包括學習環(huán)境、教育知識圖譜、學習者畫像、學習路徑、學習評價和學習共同體六大核心要素。

1. 學習環(huán)境

學習環(huán)境是開展智慧學習的“基礎(chǔ)保障”。學習環(huán)境是支持學習者進行建構(gòu)性學習的條件集合，包含物理環(huán)境、技術(shù)環(huán)境、資源環(huán)境和情感環(huán)境[24]。如果離開學習環(huán)境，智慧學習將無法進行。在本研究中，學習環(huán)境包括物化環(huán)境和智化環(huán)境兩部分，物化環(huán)境主要包括硬件環(huán)境和軟件環(huán)境。硬件環(huán)境主要包括終端設(shè)備、無線網(wǎng)絡(luò)、集控終端等，軟件環(huán)境主要包括支持智慧學習開展的學習資源、學習工具等。智化環(huán)境主要指如何在學習過程中選擇合適的學習方法、學習策略開展學習活動。物化環(huán)境為智慧學習提供土壤，智化環(huán)境為智慧學習提供養(yǎng)分，共同保障智慧學習的順利進行。

2. 教育知識圖譜

教育知識圖譜是開展智慧學習的“關(guān)鍵支撐”。教育知識圖譜是知識與知識關(guān)系形成的網(wǎng)絡(luò)圖[25]。本研究利用機器學習方法，從教育領(lǐng)域知識庫中抽取出知識實體，按照父子、平行、前驅(qū)后繼等關(guān)系，建立關(guān)聯(lián)關(guān)系，形成知識體系。智慧學習的根本目的是指向?qū)W習者智慧的培養(yǎng)，即培養(yǎng)學科核心能力，而學科核心能力需要通過學科問題解決或者任務(wù)完成來形成。因此，本研究基于知識體系，篩選、梳理出學科基本問題，并將學科基本問題凝練為學科組合問題和疑難問題，形成問題體系。按照問題解決能力、批判性思維能力和創(chuàng)造性思維能力匯聚形成能力體系。

利用機器學習技術(shù)構(gòu)建知識與知識、問題與問題、能力與能力間的關(guān)聯(lián)關(guān)系以及知識映射問題、問題映射能力的映射關(guān)系。這些知識、問題、能力集合以及知識、問題、能力之間的相互關(guān)系被稱為教育知識圖譜，如圖3所示。

3. 學習者畫像

學習者畫像是開展智慧學習的“必要條件”。學習者畫像來源于用戶畫像的概念，是指利用數(shù)據(jù)來勾畫目標用戶的情況[26]。在本文中，學習者畫像是指基于學習者特征數(shù)據(jù)、學習過程數(shù)據(jù)、學習結(jié)果數(shù)據(jù)，從學習者基本信息、學習過程情況和學習結(jié)果情況三個方面來對學習者精準建模的過程，具體如圖4所示。

學習者基本信息包括姓名、編號、年齡、性別等信息，來源于學習者特征數(shù)據(jù)，可以直接讀取系統(tǒng)中學習者的注冊信息。學習過程情況來源于學習過程數(shù)據(jù)，即通過對學習過程中知識學習、問題探究、合作交流和歸納總結(jié)等過程數(shù)據(jù)的計算得出。學習結(jié)果情況來源于學習結(jié)果數(shù)據(jù)，即通過對學習結(jié)果數(shù)據(jù)進行計算建模，分析得出學習者在知識學習、問題解決、能力形成方面的程度。

4. 學習路徑

學習路徑是開展智慧學習的“關(guān)鍵舉措”。學習路徑是學習者在學習過程中選擇的活動序列集合[27]。大多數(shù)研究者通過知識學習的視角，將學習路徑定義為學習內(nèi)容、學習活動、學習步驟、學習過程的序列或者集合。在本研究中，學習路徑是以問題為線索，幫助學習者經(jīng)歷發(fā)現(xiàn)、分析、抉擇、歸納、評價等智慧學習過程的知識獲取、問題解決和能力達成的學習序列集合。

E-GPPE-C模型中的學習路徑包括知識路徑KP（Knowledge Path）、問題路徑QP（Question Path）和能力路徑AP（Ability Path）三個維度，學習路徑是從現(xiàn)有學習狀態(tài)到目標學習狀態(tài)的序列集合，如圖5所示。

5. 學習評價

學習評價是開展智慧學習的“方向指引”。智慧學習是一個復雜的過程，需要在學習過程中對學習進行干預與調(diào)節(jié)，從而保證學習朝著預定目標順利進行。學習評價是對智慧學習進行價值判斷的過程，是支撐智慧學習實施的方向與路標。布魯姆將學習評價分為診斷性評價、形成性評價和終結(jié)性評價[28]。診斷性評價診斷學生當前學習狀態(tài)，即進行學習者認知診斷;形成性評價對學習者的學習情況不斷地進行評價、反饋，即學習者學習導引;終結(jié)性評價階段性地評估與總結(jié)學生學習情況，即對學習者進行學習測評。

本研究將學習評價分為認知診斷、學習導引和學習分析。認知診斷基于教育知識圖譜，分析出學習者當前學習狀態(tài)下知識、問題、能力的水平，即學習者當前時刻的個性化知識圖譜。學習導引對學習者當前學習狀態(tài)進行分析，為學習者精準定位與之相適應(yīng)的學習路徑，引導學習者按照最優(yōu)學習路徑進行學習。學習分析是根據(jù)學習者學習數(shù)據(jù)，評價學習者學習情況，提出學習改進建議，為學習者后續(xù)學習提供改進參考并指明方向。

6. 學習共同體

學習共同體是開展智慧學習的“實施載體”。學習共同體有著共同實踐活動、共同話語、共同資源，共同體成員面對復雜的任務(wù)時，能夠獲得同伴、教師和專家的幫助，通過適應(yīng)性學習方式達成學習目標[29]。學習共同體是由學習者與助學者形成的學習生態(tài)系統(tǒng)，通過協(xié)商、合作參與學習活動，在學習活動中共同構(gòu)建學習目標。在本研究中，學習共同體有著共同目標、共同參與、共同歸屬，是一個包括學習者、助學者和管理者的學習團隊。在學習共同體中，以學習者學習需求為核心，助學者組織學習內(nèi)容，引導學習者開展學習活動，而管理者則為學習活動的開展提供保障。

五、智慧學習模型構(gòu)建方法

人工智能支持智慧學習實現(xiàn)的關(guān)鍵在于利用人工智能技術(shù)構(gòu)建教育知識圖譜，動態(tài)采集學習數(shù)據(jù);利用數(shù)據(jù)挖掘技術(shù)生成學習者畫像，精準刻畫學習情況;利用聚類算法生成學習共同體，得到有效的幫助;利用深度學習算法推薦學習路徑，選擇合適的學習方式。智慧學習模型構(gòu)建關(guān)鍵方法如下：

（一）基于人工智能技術(shù)的教育知識圖譜構(gòu)建

教育知識圖譜構(gòu)建主要利用人工智能技術(shù)，從教育領(lǐng)域知識庫中抽取出特定的實體，并建立實體間關(guān)聯(lián)關(guān)系。本文研究者已經(jīng)利用基于機器學習的實體抽取、關(guān)系抽取、實體對齊等方法，從數(shù)據(jù)獲取、知識抽?。▽嶓w抽取、關(guān)系抽取）、知識融合、知識推理四個方面提出了教育知識圖譜的構(gòu)建方法[30]。

在數(shù)據(jù)獲取方面，通過包裝器學習對半結(jié)構(gòu)化數(shù)據(jù)進行處理，通過實體識別對結(jié)構(gòu)化數(shù)據(jù)進行處理;在知識抽取方面，知識體系的實體抽取采用條件隨機場模型（Conditional Random Fields）實現(xiàn)，問題體系的實體抽取采用KNN算法實現(xiàn)，能力體系的實體抽取組織教育領(lǐng)域?qū)W科專家人工抽取，實體間關(guān)系抽取采用馬爾可夫邏輯網(wǎng)（Markov Logic Network）實現(xiàn);知識融合采用基于機器學習的實體對齊方法實現(xiàn);知識推理采用基于圖的推理中Path Ranking算法加以實現(xiàn)。

（二）基于學習數(shù)據(jù)的學習者畫像構(gòu)建

學習者畫像構(gòu)建是指利用人工智能技術(shù)獲取學習者學習數(shù)據(jù)，通過對數(shù)據(jù)進行分析計算，從而對學習者進行多維度描述。本研究中，學習者畫像存儲學習者基本信息、學習過程狀態(tài)、學習結(jié)果狀態(tài)三部分信息，學習者基本信息直接讀取系統(tǒng)中的注冊信息，不進行建模計算。學習者畫像構(gòu)建主要是對學習過程和結(jié)果數(shù)據(jù)進行綜合分析，對學習成績數(shù)據(jù)、自主學習活動數(shù)據(jù)、學習報告、知識學習情況、問題探究情況、合作交流情況、歸納總結(jié)情況等進行計算建模，從知識、問題、能力三個維度形成學習者畫像，構(gòu)建過程如圖6所示。

1. 基于學習過程數(shù)據(jù)的學習者畫像計算建模

基于學習過程數(shù)據(jù)的學習者畫像建模主要從學習者的學習方式來對學習者進行刻畫，即以可視化的形式描述學習者在完成任務(wù)或解決問題時所采用的學習風格。本研究中，學習風格（Sty）包括知識學習（Lea）、問題探究（Exp）、合作交流（Com）和歸納總結(jié)（Sum）等學習過程中應(yīng)用的具體學習方式，每種具體學習方式劃分成4個層級{差，中，良，優(yōu)}，對應(yīng)數(shù)值為{1，2，3，4}。參考Felder-Silverman學習風格模型，將學習者的學習風格（Sty）劃分為4個層級{活躍型，感悟型，視覺型，綜合型}，對應(yīng)數(shù)值為{1，2，3，4}。利用機器學習算法，計算出學習者整體學習風格情況，如數(shù)值越大，則越傾向于綜合型，反之則越傾向于活躍型。

[3] 李振，周東岱.教育知識圖譜的概念模型與構(gòu)建方法研究[J].電化教育研究，2019，40（8）：78-86，113.

[4] 教育部.教育部關(guān)于印發(fā)《教育信息化2.0行動計劃》的通知[EB/OL].[2018-04-18].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[5] CHIN K W. Smart learning environment model for secondary schools in Malaysia： an overview[EB/OL]. [2011-10-10]. http：//www.apdip.net/projects/seminars/it-policy/cn/resource/kangwaichin/smartlearning-mimos.ppt.

[6] ANASOL P， CALLAGHAN V， GARDNER M， et al. Towards the next generationof learning environments： an interReality learning portal and model[C]//2012 Eighth International Conference on Intelligent Environments. Guanajuato： IEEE， 2012.

[7] 郭曉珊，鄭旭東，楊現(xiàn)民.智慧學習的概念框架與模式設(shè)計[J].現(xiàn)代教育技術(shù)，2014，24（8）：5-12.

[8] 賀斌.智慧學習：內(nèi)涵、演進與趨向——學習者的視角[J].電化教育研究，2013，34（11）：24-33，52.

[9] SCOTT K M. Context aware services for smart learning environments[D]. Ontario： Lakehead University，2009.

[10] 梁迎麗，梁英豪.人工智能時代的智慧學習：原理、進展與趨勢[J].中國電化教育，2019（2）：16-21.

[11] 鐘紹春.人工智能支持智慧學習的方向與途徑[J].中國電化教育，2019（7）：8-13.

[12] 余勝泉，李曉慶.區(qū)域性教育大數(shù)據(jù)總體架構(gòu)與應(yīng)用模型[J].中國電化教育，2019（1）：18-27.

[13] DAE-JOON H. What's the implication of "SMART" in education and learning？[EB/OL]. [2013-03-10]. http：//www.elearningasia.net/_program/pdf_pt/[Panelist%203-2]Dae-joon%20Hwang.pdf.

[14] 祝智庭，彭紅超.智慧學習生態(tài)系統(tǒng)研究之興起[J].中國電化教育，2017（6）：1-10，23.

[15] 拉爾夫·泰勒.課程與教學的基本原理[M].羅康，張閱，譯，北京：中國輕工業(yè)出版社，2014.

[16] 魏宏森，曾國屏.系統(tǒng)論——系統(tǒng)科學哲學[M].北京：世界圖書出版社，2009.

[17] KIM S， SONG S M， YOON Y I. Smart learning services based on smart cloud computing [J]. Sensors， 2011， 11（8）：7835-7850.

[18] DUK-HOI K. Trends and revitalization of smart-learning in elementary and middle schools[J]. Asian journal of information technology， 2012（5）：160-168.

[19] 陳琳，王蔚，李冰冰，等.智慧學習內(nèi)涵及其智慧學習方式[J].中國電化教育，2016（12）：31-37.

[20] 胡欽太，鄭凱，胡小勇，等.智慧教育的體系技術(shù)解構(gòu)與融合路徑研究[J].中國電化教育，2016（1）：49-55.

[21] 余勝泉，段金菊，崔京菁.基于學習元的雙螺旋深度學習模型[J].現(xiàn)代遠程教育研究，2017（6）：37-47，56.

[22] 姜宛彤，王翠萍，唐燁偉.基于系統(tǒng)論的P-N-CRPE個性化學習模型建構(gòu)研究[J].電化教育研究，2017，38（5）：53-58.

[23] 鐘紹春，鐘卓，張琢.如何構(gòu)建智慧課堂[J].電化教育研究，2020，41（10）：15-21，28.

[24] 盛群力.教學設(shè)計[M].北京：高等教育出版社，2005.

[25] 楊開城.論課程的易理解性與知識建模技術(shù)[J].電化教育研究，2011（6）：10-14.

[26] 余孟杰.產(chǎn)品研發(fā)中用戶畫像的數(shù)據(jù)模建——從具象到抽象[J].設(shè)計藝術(shù)研究，2014（6）：60-64.

[27] KARDAN A A， EBRAHIM M A， IMANI M B. A new personalized learning path generation method： ACO-Map[J]. Indian journal of scientific research， 2014， 5（1）：17-24.

[28] B·S·布魯姆.教育評價[M].邱淵，王鋼，夏孝川，等譯.上海：華東師范大學出版社，1987.

[29] 鄭葳，李芒.學習共同體及其生成[J].當代教育科學，2007（Z2）：18-22.

[30] 鐘卓，唐燁偉，鐘紹春，等.人工智能支持下教育知識圖譜模型構(gòu)建研究[J].電化教育研究，2020，41（4）：62-70.

[31] 孔維梁，韓淑云.基于約束聚類的學習共同體智能構(gòu)建與應(yīng)用研究[J].中國電化教育，2019（10）：32-37，46.