王永固 王蒙娜 李曉娟

（1.浙江工業(yè)大學(xué) 教育科學(xué)與技術(shù)學(xué)院，浙江杭州 310023；2.浙江財(cái)經(jīng)大學(xué) 心理健康教育與咨詢實(shí)驗(yàn)教學(xué)中心，浙江杭州 310018）

一、引言

人工智能（Artificial Intelligence， AI）是涉及眾多領(lǐng)域的一門交叉學(xué)科，其目的是使機(jī)器能夠擁有像人類一樣的思考能力。進(jìn)入21世紀(jì)以來，人工智能技術(shù)逐步成熟，應(yīng)用領(lǐng)域越來越廣泛，教育領(lǐng)域就是其中之一。在教育領(lǐng)域，國內(nèi)外眾多研究者積極開展人工智能技術(shù)在兒童學(xué)習(xí)障礙領(lǐng)域的研究，并取得了突破性的進(jìn)展。Hilles和Naser[1]的研究表明，人工智能技術(shù)能夠?yàn)閷W(xué)習(xí)者探索學(xué)習(xí)任務(wù)提供有效的指導(dǎo)，使學(xué)習(xí)過程更加適合學(xué)習(xí)者的學(xué)習(xí)特點(diǎn)。目前，學(xué)習(xí)障礙兒童的數(shù)量越來越多，兒童學(xué)習(xí)障礙成為教育學(xué)、心理學(xué)和臨床醫(yī)學(xué)共同關(guān)注的一個(gè)科學(xué)難題，已嚴(yán)重影響了學(xué)習(xí)障礙兒童的學(xué)業(yè)成績和核心素養(yǎng)發(fā)展。

可喜的是，在過去十年中，國內(nèi)外很多學(xué)者和研究機(jī)構(gòu)開始探索人工智能技術(shù)應(yīng)用于兒童學(xué)習(xí)障礙研究，并取得了豐富的理論和應(yīng)用研究成果。但是，筆者查閱國內(nèi)外的文獻(xiàn)數(shù)據(jù)庫發(fā)現(xiàn)，到目前為止，國內(nèi)外學(xué)術(shù)界尚缺少人工智能在兒童學(xué)習(xí)障礙教育中的系統(tǒng)性研究綜述，這將影響人工智能技術(shù)在兒童學(xué)習(xí)障礙領(lǐng)域的深入研究。

鑒于此，本文以“人工智能”和“學(xué)習(xí)障礙”為關(guān)鍵詞， 查 閱 Elsevier Science Direct、Springer Link、Wiley-Blackwell、SAGE、Google 學(xué)術(shù)和 CNKI等全文數(shù)據(jù)庫，檢索相關(guān)學(xué)術(shù)論文49篇?；谝陨衔墨I(xiàn)數(shù)據(jù)對國內(nèi)外相關(guān)研究進(jìn)行文獻(xiàn)分析，綜述相關(guān)研究的現(xiàn)狀，預(yù)測未來發(fā)展趨勢，以期推進(jìn)人工智能技術(shù)在兒童學(xué)習(xí)障礙教育中的應(yīng)用研究。

二、國內(nèi)外相關(guān)理論框架

（一）人工智能技術(shù)

自1956年人工智能被提出以來，其技術(shù)的發(fā)展，經(jīng)歷了最初發(fā)展的熱潮，到20世紀(jì)70-80年代進(jìn)入發(fā)展的低谷期，再到90年代的緩慢發(fā)展等幾個(gè)階段，近幾年又重新引起了人們的關(guān)注。特別是，2016年基于深度學(xué)習(xí)的 AlphaGo戰(zhàn)勝了圍棋世界冠軍李世石，再一次激起了人們對人工智能的興趣?，F(xiàn)在，人工智能已經(jīng)被視為推動(dòng)社會快速穩(wěn)定發(fā)展的主要核心技術(shù)力量之一[2]。目前，人工智能在某種程度上為人類的生活與工作帶來了極大的便利，并占據(jù)越來越重要的地位。人工智能研究的領(lǐng)域廣泛，涉及如機(jī)器視覺、人臉識別、指紋識別、虹膜識別、視網(wǎng)膜識別、智能搜索、專家系統(tǒng)等內(nèi)容。這些人工智能都具有較低的智能化程度，由于不具備人類隨機(jī)應(yīng)變的能力，只能按照事先編譯好的指定程序?qū)C(jī)器下達(dá)命令。但隨著科學(xué)技術(shù)的快速發(fā)展，未來的人工智能技術(shù)將會達(dá)到一個(gè)新的高度。但其具體發(fā)展方向并不是人為所能控制的，而是根據(jù)時(shí)代發(fā)展的需要必然會出現(xiàn)的[3]。

（二）學(xué)習(xí)障礙的含義

“學(xué)習(xí)障礙（Learning Disability，LD）”一詞是指廣泛的困難所導(dǎo)致的學(xué)習(xí)問題[4]。學(xué)習(xí)障礙通常由未知的因素造成，這些未知因素影響大腦接收和處理信息的能力，導(dǎo)致學(xué)習(xí)障礙兒童無法像正常發(fā)展兒童一樣快速學(xué)習(xí)。Julie和Balakrishnan認(rèn)為，學(xué)習(xí)障礙是一種影響兒童大腦的神經(jīng)系統(tǒng)疾病，削弱了兒童執(zhí)行一項(xiàng)或多項(xiàng)特定任務(wù)的能力[5]。學(xué)習(xí)障礙與閱讀或?qū)懽髂芰Σ蛔阌嘘P(guān)，是精神發(fā)育遲滯的一種精神疾病。Jordan等人認(rèn)為，受學(xué)習(xí)障礙影響的兒童在行動(dòng)不遲鈍、智力也不遲鈍的情況下，他們可以有正?；蚋哂谄骄降闹橇?。雖然他們可能在閱讀、識字或數(shù)學(xué)方面存在障礙，但這并不意味著學(xué)習(xí)障礙兒童不聰明。在現(xiàn)實(shí)中，個(gè)別的學(xué)習(xí)障礙兒童比普通兒童更具智慧[6]。學(xué)習(xí)障礙因個(gè)體而異，不同學(xué)習(xí)障礙兒童表現(xiàn)出不同的學(xué)習(xí)問題，目前，學(xué)習(xí)障礙仍無法治愈，但在正確的幫助下，學(xué)習(xí)障礙兒童能成功的學(xué)習(xí)。

“學(xué)習(xí)障礙”一詞最早由美國Samual·Kirk在1963年知覺障礙兒童基金會的研討會中提出，由于得到眾多學(xué)者的認(rèn)同，“學(xué)習(xí)障礙”一詞就統(tǒng)一了過去對這類障礙的各種名稱[7]。1975年，“學(xué)習(xí)障礙”一詞得到美國《所有殘疾兒童教育法》（94-142公法）的認(rèn)可，該部法律強(qiáng)調(diào)學(xué)習(xí)障礙是指與注意、記憶、理解和運(yùn)用語言有關(guān)的一種或幾種基本心理過程的異常，導(dǎo)致兒童在聽、說、讀、寫、思考或數(shù)學(xué)運(yùn)算方面有顯著的學(xué)習(xí)困難。這些異常包括書寫障礙、輕微腦功能失調(diào)、閱讀障礙和語言障礙等情形。但是，學(xué)習(xí)障礙不包括因動(dòng)作障礙、視覺、聽覺、智能不足或社會文化、環(huán)境、經(jīng)濟(jì)等不利因素所造成的學(xué)習(xí)問題。此后，“學(xué)習(xí)障礙”一詞得到社會的廣泛認(rèn)可并成為教育學(xué)、心理學(xué)和兒童精神病學(xué)等領(lǐng)域共同研究的課題[8]。

到目前為止，雖然關(guān)于學(xué)習(xí)障礙的定義有很多，但它們并無實(shí)質(zhì)的不同。其中影響較大、運(yùn)用范圍較廣的是學(xué)習(xí)障礙委員會1981年的定義，它將學(xué)習(xí)障礙定義為：“一組由內(nèi)外因素綜合作用導(dǎo)致的異常，表現(xiàn)在聽、說、讀、寫、思考、推理或計(jì)算能力的獲取和使用上存在問題”[9]。在學(xué)術(shù)界未對學(xué)習(xí)障礙進(jìn)行統(tǒng)一明確的界定前，常把“學(xué)習(xí)障礙”與“學(xué)習(xí)困難”兩個(gè)詞混用，然而兩者在范圍上不完全相同，后者較前者范圍更加廣泛，還包括由于智力不足、文化、環(huán)境、經(jīng)濟(jì)等不利因素所造成的學(xué)業(yè)不良。

目前我國學(xué)術(shù)界對學(xué)習(xí)障礙尚未有統(tǒng)一的定義。在前人文獻(xiàn)的基礎(chǔ)上，本研究將學(xué)習(xí)障礙（LD）概念界定為：（1）學(xué)習(xí)障礙兒童在聽、說、讀、寫、思考、數(shù)學(xué)運(yùn)算等方面存在顯著的學(xué)習(xí)困難；（2）學(xué)習(xí)障礙兒童基本不存在智能不足現(xiàn)象，有些甚至比正常兒童聰明；（3）其原因是個(gè)體內(nèi)在的腦傷、輕微腦功能失調(diào)所致；（4）大多數(shù)學(xué)習(xí)障礙兒童在社交技能方面有明顯缺陷；（5）需要排除由于智能不足、聽覺障礙、視覺障礙、動(dòng)作障礙等或由于受文化、環(huán)境、經(jīng)濟(jì)等不利因素的影響，未能接受正規(guī)教育的原因所造成的學(xué)習(xí)方面的障礙。

（三）學(xué)習(xí)障礙的成因

在內(nèi)部因素方面，兒童學(xué)習(xí)障礙的成因包含學(xué)習(xí)動(dòng)機(jī)、意志力薄弱和歸因等三個(gè)方面：50%的學(xué)習(xí)障礙兒童對學(xué)習(xí)不感興趣，缺乏正向的學(xué)習(xí)動(dòng)機(jī)；學(xué)習(xí)障礙兒童難以克服學(xué)習(xí)過程中出現(xiàn)的困難，遇到問題容易退縮，缺乏正面應(yīng)對的勇氣；在歸因方面，學(xué)習(xí)障礙兒童常把成功歸因于難度低或運(yùn)氣等外部不可控因素，而把失敗歸因于能力或智力等內(nèi)部不可控因素，這使其將困難看作是對自身能力的威脅，常常采用逃避的方式處理。

在外部因素方面，兒童學(xué)習(xí)障礙的成因包含家庭環(huán)境、外部態(tài)度和社會文化環(huán)境等三個(gè)方面：一是家庭環(huán)境影響，良好的家庭環(huán)境和民主的教養(yǎng)方式為兒童提供更多的互動(dòng)和學(xué)習(xí)支持，兒童更容易對學(xué)習(xí)產(chǎn)生濃厚的興趣，沒有厭學(xué)情緒，不易出現(xiàn)學(xué)習(xí)障礙[10]；二是學(xué)校教師教學(xué)態(tài)度和期望的影響，學(xué)校環(huán)境對兒童產(chǎn)生一定的影響，教師的言行、教學(xué)方法對兒童有重要的影響，若教學(xué)方法不當(dāng)，兒童容易喪失學(xué)習(xí)樂趣[11]；三是社會文化環(huán)境，發(fā)達(dá)地區(qū)的學(xué)習(xí)障礙兒童的數(shù)量明顯低于文化落后地區(qū)兒童的人數(shù)，社會文化環(huán)境影響兒童的發(fā)展[12]。

（四）學(xué)習(xí)障礙的分類

兒童學(xué)習(xí)障礙的表現(xiàn)因人而異，不同的兒童表現(xiàn)出不同的學(xué)習(xí)問題，因此給兒童學(xué)習(xí)障礙的分類帶來一定的困難。到目前為止，學(xué)術(shù)界尚沒有形成一致的分類標(biāo)準(zhǔn)。其中，學(xué)術(shù)界主要采納美國學(xué)者Kirk在1989年提出的學(xué)習(xí)障礙的分類。Kirk[13]將兒童學(xué)習(xí)障礙分為兩大類，即發(fā)展性學(xué)習(xí)障礙（Developmental Learning Disabilities）和學(xué)業(yè)性學(xué)習(xí)障礙（A-cademic Learning Disabilities）。

發(fā)展性學(xué)習(xí)障礙是指兒童在正常發(fā)育過程中在知覺、視覺、聽覺和語言功能等方面出現(xiàn)異常，多與大腦信息處理過程的問題有關(guān)[14]，包含五種類型：（1）視聽覺障礙（Visual Perception or Auditory Perception Disabilities）：聽覺障礙影響兒童的閱讀、寫作和拼寫的能力，視覺障礙兒童難以分辨物體形狀和顏色的細(xì)微差別，無法識別字母和數(shù)字。（2）記憶障礙（Memory Disabilities）：再現(xiàn)所見所聞或親歷過的事件時(shí)的障礙。（3）運(yùn)動(dòng)障礙（Motor Disabilities）：指兒童在身體的協(xié)調(diào)方面存在問題，包括粗大的運(yùn)動(dòng)技能（奔跑、跳躍）和精細(xì)的運(yùn)動(dòng)技能（寫作、繪畫）。 （4）認(rèn)知能力障礙（Cognitive Disability）：指在記憶、語言、計(jì)算、視覺空間、理解判斷等方面存在一項(xiàng)或多項(xiàng)受損，影響個(gè)體學(xué)習(xí)和日常生活。（5）語言障礙 （Language Disabilities）：兒童的語言能力發(fā)育遲緩、復(fù)述故事的能力差、言語的流暢度低，在理解詞語和句子含義方面存在困難。

學(xué)業(yè)性學(xué)習(xí)障礙是指兒童在閱讀、寫作和計(jì)算等能力存在異常，學(xué)習(xí)障礙兒童的閱讀能力、寫作能力、計(jì)算能力低于正常發(fā)展兒童。首先，閱讀障礙有兩種類型，一種是難以理解字母和單詞之間的關(guān)系；另一種是無法掌握單詞、短語和段落的含義。其次，寫作障礙包括兩種類型：一種是在形成文字和單詞本身方面存在障礙；另一種是在文字意思的表達(dá)方面存在障礙。最后，兒童的計(jì)算障礙因人而異，一個(gè)兒童的計(jì)算能力會受到語言學(xué)習(xí)障礙、視覺障礙或記憶障礙等困難的影響。計(jì)算障礙兒童可能在組織數(shù)字、操作符號的順序方面存在困難，例如，兒童在5+5=10和5×5=25這兩個(gè)算式中的計(jì)算符號區(qū)別障礙即可能受到視覺障礙的影響。

三、人工智能在兒童學(xué)習(xí)障礙教育中的應(yīng)用

學(xué)習(xí)障礙兒童常常表現(xiàn)為在聽、說、讀、寫、理解、社交等方面存在缺陷，身心處于低能、失能和不能的狀態(tài)，這不利于他們的學(xué)業(yè)成績和核心素養(yǎng)發(fā)展。從需求和適配度層面來看，學(xué)習(xí)障礙兒童在聽覺能力、語言理解能力和社交能力等方面的發(fā)展，更需要人工智能技術(shù)的介入、輔助和支持[15]。認(rèn)知科學(xué)家和人工智能先驅(qū)Minsky指出，人工智能可以根據(jù)個(gè)體特定的情境及其需求開發(fā)出個(gè)性化的教學(xué)機(jī)器。這通過與學(xué)習(xí)障礙兒童進(jìn)行對話，幫助學(xué)習(xí)障礙兒童理解問題或達(dá)到某個(gè)目標(biāo)[16]。

近年來，人工智能開始應(yīng)用于兒童學(xué)習(xí)障礙教育領(lǐng)域中，作為優(yōu)化和提升學(xué)習(xí)障礙的診斷、干預(yù)、評估和服務(wù)四種關(guān)鍵應(yīng)用的方法和技術(shù)，可以促進(jìn)學(xué)習(xí)障礙兒童學(xué)業(yè)成績的提高，幫助學(xué)習(xí)障礙兒童核心素養(yǎng)的改善。

（一）診斷

全國健康訪問調(diào)查（2004年）數(shù)據(jù)顯示，我國約有8%的兒童和青少年存在學(xué)習(xí)障礙[17]。目前，由于對兒童學(xué)習(xí)障礙尚沒有明確的診斷標(biāo)準(zhǔn)，所以對其的診斷仍是一個(gè)難題。美國的心理、教育和醫(yī)療領(lǐng)域的工作者主要基于兒童的知識和學(xué)業(yè)成績的差異,來評斷其是否患有學(xué)習(xí)障礙。已有研究證明，人工智能技術(shù)可以用于兒童學(xué)習(xí)障礙的診斷，且具有良好的效果?；趪鴥?nèi)外相關(guān)研究文獻(xiàn)分析，本研究發(fā)現(xiàn)，兒童學(xué)習(xí)障礙診斷可采用人工智能技術(shù)的算法、應(yīng)用模型和系統(tǒng)平臺進(jìn)行。

1.提出兒童學(xué)習(xí)障礙診斷的AI算法，可以提高兒童學(xué)習(xí)障礙的診斷精度

目前，學(xué)術(shù)界提出兩種兒童學(xué)習(xí)障礙診斷的AI算法，分別是深度學(xué)習(xí)算法和支持向量機(jī)SVM算法。2008年，Wu和Huang等人提出使用人工神經(jīng)網(wǎng)絡(luò)分類器診斷學(xué)習(xí)障礙，通過實(shí)驗(yàn)研究證明，人工神經(jīng)網(wǎng)絡(luò)分類器能診斷出超過50%的學(xué)習(xí)障礙兒童，優(yōu)于基于統(tǒng)計(jì)技術(shù)的傳統(tǒng)診斷方法[18]。隨后，Anuradha等人使用“SVM”人工智能算法開發(fā)出更準(zhǔn)確、更省時(shí)的注意力缺陷多動(dòng)障礙（ADHD）診斷平臺。該平臺的SVM模塊提供醫(yī)生用來診斷病癥的問卷調(diào)查，通過使用SVM算法來診斷兒童是否患有注意力缺陷多動(dòng)障礙（ADHD）[19]。由此可見，AI算法能夠提高學(xué)習(xí)障礙兒童診斷的精度。

2.構(gòu)建兒童學(xué)習(xí)障礙的診斷模型，探索學(xué)習(xí)障礙兒童智能診斷的新方法

1990年，Geiman和Nolte提出了兒童學(xué)習(xí)障礙分類的專家系統(tǒng)模型[20]。2008年，Arthi和Tamilarasi報(bào)道了一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)的自閉癥診斷模型，該模型將原始的自閉癥數(shù)據(jù)轉(zhuǎn)換成合適的模糊值，并將這些數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入；該診斷模型采用了較為成熟的k-近鄰算法，用于預(yù)測兒童自閉癥的研究中[21]。2013年，徐影、李懷龍和謝家奎等結(jié)合學(xué)習(xí)障礙診斷領(lǐng)域的知識特點(diǎn)、專家問題求解的思維過程和推理過程的特點(diǎn)，開發(fā)了適合于學(xué)習(xí)障礙診斷的推理模型[22]。在該模型中，用戶首先輸入自己的病癥，進(jìn)入診斷推理程序，接著系統(tǒng)自動(dòng)將輸入的個(gè)人癥狀與專家系統(tǒng)中數(shù)據(jù)庫進(jìn)行初步匹配，然后向用戶呈現(xiàn)診斷結(jié)果，包含學(xué)習(xí)障礙的相關(guān)信息，最后向用戶推薦對應(yīng)的干預(yù)治療方法。

3.開發(fā)兒童學(xué)習(xí)障礙診斷的專家系統(tǒng)，學(xué)習(xí)人類專家診斷學(xué)習(xí)障礙的思維與經(jīng)驗(yàn)

2003年，Georgopoulos等人提出特定言語障礙診斷的模糊認(rèn)知圖 （Fuzzy Cognitive Map，F(xiàn)CM）方法。模糊認(rèn)知圖是一種使用符號來描述和建模復(fù)雜系統(tǒng)的軟計(jì)算方法，其目的是為專家醫(yī)生提供一個(gè)特定言語障礙與閱讀障礙和自閉癥的鑒別診斷。因?yàn)樵谠S多情況下，言語障礙具有與其他學(xué)習(xí)障礙相似的癥狀而難以辨別。該系統(tǒng)在四個(gè)臨床病例中進(jìn)行測試，取得令人滿意的結(jié)果[23]。2006年，Wu和Meng等人開發(fā)了第一個(gè)診斷學(xué)習(xí)障礙的人工智能“專家系統(tǒng)”，其目標(biāo)是模擬人類專家求解問題的思維過程，以解決學(xué)習(xí)障礙診斷中的各種問題[24]。2009年，Hernández等人介紹了一個(gè)診斷兒童學(xué)習(xí)困難的專家系統(tǒng)，該系統(tǒng)包括一系列心理學(xué)評估策略組成的知識庫。研究者試圖找出輸入變量（年齡，性別，教育水平）和輸出變量（精神運(yùn)動(dòng)方面、智力方面）之間的關(guān)系。該專家系統(tǒng)能為其用戶提供認(rèn)識學(xué)生心理素質(zhì)的可能性，研究結(jié)果發(fā)現(xiàn)，80%的評估人員認(rèn)為該系統(tǒng)能高效地診斷兒童的學(xué)習(xí)障礙[25]。2012年，ElSayed研制了一個(gè)用于學(xué)習(xí)障礙兒童診斷的智能代理分類系統(tǒng)。該系統(tǒng)為提供學(xué)生的教育學(xué)和心理學(xué)特征，也能產(chǎn)生最佳的教育活動(dòng)解決方案。該系統(tǒng)為班主任提供了討論心理功能和學(xué)習(xí)技能的工具，在該系統(tǒng)的語義網(wǎng)絡(luò)知識庫中包含一系列策略支持心理和教學(xué)的評估。教師可根據(jù)專家分類知識庫中獲取的樣本得到爭端經(jīng)驗(yàn)，對學(xué)習(xí)障礙兒童進(jìn)行分類[26]。

（二）干預(yù)

一個(gè)可靠而有效的診斷是幫助兒童克服困難的第一步，診斷的目的是為了干預(yù)過程的開展。干預(yù)是學(xué)習(xí)障礙兒童教育的重要組成部分，因?yàn)楦深A(yù)過程能夠更加明確地指導(dǎo)學(xué)生的學(xué)習(xí)。目前的一個(gè)重要研究方向是使用人工智能技術(shù)對學(xué)習(xí)障礙兒童進(jìn)行干預(yù)教育。研究發(fā)現(xiàn)，大部分研究圍繞運(yùn)用人工智能技術(shù)開發(fā)系統(tǒng)平臺對學(xué)習(xí)障礙兒童進(jìn)行干預(yù)的主題展開。根據(jù)學(xué)習(xí)障礙兒童的分類，我們將系統(tǒng)分為發(fā)展性學(xué)習(xí)障礙干預(yù)系統(tǒng)和學(xué)業(yè)性學(xué)習(xí)障礙干預(yù)系統(tǒng)。

1.發(fā)展性學(xué)習(xí)障礙干預(yù)系統(tǒng)解決兒童的視聽覺、注意力、認(rèn)知能力、記憶、言語等發(fā)展性障礙問題

2003年，Schipor等人創(chuàng)建了一種基于模糊專家系統(tǒng)的言語治療（CBST）系統(tǒng)，使用模糊專家系統(tǒng)開發(fā)其架構(gòu)，幫助言語障礙兒童獲取最佳治療方案，向言語障礙兒童提供更多的干預(yù)時(shí)間[27]。2006年，Sebe等人基于視覺和音頻線索實(shí)現(xiàn)情緒聯(lián)合識別，這種人機(jī)交互應(yīng)用系統(tǒng)不僅能夠識別六種基本情緒，包括快樂、驚喜、憤怒、厭惡、恐懼和悲傷，而且能識別其它情感狀態(tài)，包括興趣、無聊、混亂和沮喪。該研究對患有言語障礙和情緒障礙的自閉癥兒童提供積極有效的干預(yù)訓(xùn)練[28]。

2007年，Riedl等人設(shè)計(jì)了一個(gè)幫助高功能自閉癥譜系障礙兒童學(xué)習(xí)社交技能的智能系統(tǒng)。該系統(tǒng)通過呈現(xiàn)社交場景游戲，例如，支持兒童以角色扮演的方式完成社會情境中的任務(wù)，采用人工智能技術(shù)減少專家應(yīng)用干預(yù)策略時(shí)手動(dòng)創(chuàng)作的負(fù)擔(dān)，取得了顯著的干預(yù)成果[29]。2008年，Drigas等人在實(shí)施“Dedalos”項(xiàng)目中，面向以英語為第二語言的聽覺障礙兒童，采用智能分類系統(tǒng)評估學(xué)生的言語能力，動(dòng)態(tài)設(shè)置教學(xué)內(nèi)容，為聽覺障礙兒童的學(xué)習(xí)提供一個(gè)完整的支持系統(tǒng)，消除他們的入學(xué)障礙[30]。2016年，Galina和Assem等開發(fā)了視覺障礙兒童遠(yuǎn)程智能學(xué)習(xí)系統(tǒng)，該系統(tǒng)考慮視覺障礙兒童的心理、生理特征和學(xué)習(xí)信息，采用智能統(tǒng)計(jì)方法處理多維數(shù)據(jù)，為視覺障礙兒童的遠(yuǎn)程學(xué)習(xí)提供智能化的學(xué)習(xí)環(huán)境[31]。

2.學(xué)業(yè)性學(xué)習(xí)障礙干預(yù)系統(tǒng)解決閱讀、拼寫、書作、數(shù)學(xué)等學(xué)習(xí)活動(dòng)的心理障礙

2001年，Melis等人介紹了一種基于 Web的ActiveMath數(shù)學(xué)智能輔導(dǎo)系統(tǒng)（ITS），用于數(shù)學(xué)學(xué)習(xí)障礙兒童。ActiveMath允許兒童在自己覺得舒適的環(huán)境中學(xué)習(xí)，使用人工智能技術(shù)生成自適應(yīng)課程，學(xué)生可以建模、反饋以及互動(dòng)練習(xí)。在ActiveMath中，兒童通過對自己掌握的概念進(jìn)行自我評估來啟動(dòng)他/她的學(xué)生模型，然后選擇學(xué)習(xí)目標(biāo)和場景，并根據(jù)自己掌握程度調(diào)節(jié)課程，“眼睛追蹤器”能詳細(xì)追蹤兒童的注意力和閱讀時(shí)間。對該系統(tǒng)多年的實(shí)驗(yàn)研究證明，智能輔導(dǎo)系統(tǒng)（ITS）在數(shù)學(xué)學(xué)習(xí)障礙兒童的學(xué)習(xí)過程中具有積極的干預(yù)作用和效果[32-34]。2010年，Gonzalez等人設(shè)計(jì)了一個(gè)用于檢測分析數(shù)學(xué)問題中錯(cuò)誤的自動(dòng)平臺，支持學(xué)生個(gè)性化反饋。該方法適用于所有學(xué)生，尤其是那些有特殊教育需要的學(xué)生，如，唐氏綜合癥患者的加法和減法算術(shù)運(yùn)算。該系統(tǒng)的錯(cuò)誤檢測算法，能夠收集、分析學(xué)生和平臺之間的交互數(shù)據(jù)，然后把輸出提供給教師。此外，該系統(tǒng)還包含教學(xué)策略模型，將學(xué)生在練習(xí)中所犯的一系列錯(cuò)誤返回給學(xué)生，幫助學(xué)生認(rèn)識到他們自己的錯(cuò)誤。該系統(tǒng)在患有唐氏綜合癥兒童的實(shí)驗(yàn)結(jié)果中獲得證實(shí)，其能幫助學(xué)習(xí)障礙兒童在數(shù)學(xué)練習(xí)中獲得較高的正確率[35]。

2010年，Baschera和Gross開發(fā)一款面向拼寫障礙兒童的適應(yīng)性拼寫訓(xùn)練系統(tǒng)。該系統(tǒng)基于推理算法觀察兒童的錯(cuò)誤行為，評估每個(gè)規(guī)則對學(xué)生的難度，引導(dǎo)學(xué)生重復(fù)訓(xùn)練拼寫錯(cuò)誤的單詞。對該系統(tǒng)在兩個(gè)大規(guī)模的用戶研究中進(jìn)行測試，結(jié)果顯示，拼寫障礙兒童經(jīng)過一段時(shí)間訓(xùn)練后，其拼寫錯(cuò)誤率顯著降低[36]。2013年，Adalberto等人提出了一種旨在使用人工智能技術(shù)幫助教師、心理學(xué)家和教育家支持閱讀障礙兒童學(xué)習(xí)的方法。該方法可以適應(yīng)每位兒童的個(gè)體需求而產(chǎn)生相應(yīng)的學(xué)習(xí)任務(wù)。在任務(wù)執(zhí)行的同時(shí)，機(jī)器學(xué)習(xí)系統(tǒng)將收集和處理數(shù)據(jù)，分析學(xué)生在閱讀和寫作時(shí)的學(xué)習(xí)過程，模糊系統(tǒng)將根據(jù)機(jī)器學(xué)習(xí)系統(tǒng)收集的數(shù)據(jù)提出適當(dāng)?shù)娜蝿?wù)，進(jìn)而輸出一個(gè)適應(yīng)性的任務(wù)，激勵(lì)閱讀障礙兒童執(zhí)行相應(yīng)的閱讀任務(wù)[37]。

（三）評估

學(xué)習(xí)障礙會導(dǎo)致兒童難以學(xué)習(xí)和使用某些技能。調(diào)查發(fā)現(xiàn)，學(xué)習(xí)障礙對入學(xué)兒童的影響率為15%，因此，對學(xué)齡前和學(xué)齡期兒童進(jìn)行學(xué)習(xí)障礙評估是一項(xiàng)重要且急迫的工作?；趦和瘜W(xué)習(xí)障礙的成因和分類，學(xué)習(xí)障礙兒童的癥狀具有高度相似性，因此，學(xué)習(xí)障礙兒童評估需要選擇合適的評估工具。文獻(xiàn)分析發(fā)現(xiàn)，國內(nèi)外已有學(xué)者將AI應(yīng)用于學(xué)習(xí)障礙兒童的評估工具中。通過AI評估工具來幫助教師或家長觀察孩子的學(xué)習(xí)水平，能提高教師或家長的評估能力，使學(xué)習(xí)取得良好的成效。本部分介紹人工智能中算法、模型、系統(tǒng)在學(xué)習(xí)障礙兒童評估中應(yīng)用研究。

1.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）評估和預(yù)測學(xué)習(xí)障礙兒童

人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80年代以來人工智能領(lǐng)域興起的研究熱點(diǎn)，在兒童學(xué)習(xí)障礙評估中應(yīng)用逐步深化。2008年，Pavlopoulos等采用神經(jīng)元網(wǎng)絡(luò)方法支持學(xué)生開展自我評估，借助計(jì)算機(jī)程序逐步優(yōu)化。在該研究中，記錄和分析了學(xué)生在虛擬學(xué)習(xí)環(huán)境中單個(gè)和多個(gè)問題中的答案，評估了五個(gè)學(xué)習(xí)領(lǐng)域的答案：語法/句子結(jié)構(gòu)、閱讀、寫作、字母識別和字母順序和拼寫/詞匯。研究結(jié)果發(fā)現(xiàn)，應(yīng)用虛擬學(xué)習(xí)環(huán)境的遺傳編程神經(jīng)網(wǎng)絡(luò)（GPNN）方法對所有在上述領(lǐng)域存在障礙的學(xué)生都是有效的，并且特別適用于身體或感覺障礙的個(gè)體[38]。2010年，Kohli提出了一種使用人工神經(jīng)網(wǎng)絡(luò)（ANN）識別誦讀困難的方法，這是首次嘗試人工智能解決兒童閱讀障礙識別的應(yīng)用。該項(xiàng)研究對2003-2007年間潛在閱讀障礙學(xué)生的評估結(jié)果進(jìn)行測試，測試輸出的實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，使用測試數(shù)據(jù)獲得的初步結(jié)果相當(dāng)準(zhǔn)確，該平臺能應(yīng)用于實(shí)際的閱讀障礙兒童的預(yù)測評估[39]。2013年，David和Balakrishnan報(bào)道了人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）和自適應(yīng)神經(jīng)模糊推理系統(tǒng) （Adaptive Neuro-Fuzzy Inference System，ANIFS）兩種智能方法以預(yù)測適齡兒童的學(xué)習(xí)障礙，并為學(xué)習(xí)障礙兒童預(yù)測開發(fā)了有效的工具[40]。

2.基于人工智能構(gòu)建應(yīng)用模型開展兒童學(xué)習(xí)障礙評估

2004年，Rebolledo-Mendez和Freitas提出NeuroSky MindSet （MS） 應(yīng)用模型，MindSet是美國NeuroSky公司推出的基于其先進(jìn)的BCI技術(shù)的一款“意念耳機(jī)”，能適用于所有人群，尤其可被應(yīng)用于注意力缺陷多動(dòng)障礙（ADHD）兒童。NeuroSky由帶有三個(gè)電極的頭戴式耳機(jī)組成，能夠讀取兒童腦電信號作為輸入以評估兒童的注意力水平。該應(yīng)用模型在大學(xué)一年級本科生的測試結(jié)果表明，測量結(jié)果和被試自我報(bào)告的注意水平之間存在正相關(guān)[41-42]。2009年，Jain等人提出了一種基于感知器的學(xué)習(xí)障礙檢測器模型 （Perceptron based Learning Disability Detector，PLEDDOR）。該模型是一個(gè)人造神經(jīng)網(wǎng)絡(luò)，使用基于課程的測試可以識別兒童的閱讀障礙、書寫障礙和數(shù)學(xué)障礙[43]。該系統(tǒng)在印度240名兒童的測試結(jié)果表明，該模型能夠有效地評估學(xué)生的學(xué)習(xí)障礙。

3.基于人工智能系統(tǒng)收集的學(xué)習(xí)任務(wù)和社交活動(dòng)數(shù)據(jù)開展兒童學(xué)習(xí)障礙評估

2007年，Livne介紹了一種自動(dòng)評估學(xué)生數(shù)學(xué)問題答案的在線解析系統(tǒng)。在學(xué)習(xí)期間，學(xué)生被要求提供數(shù)學(xué)問題的答案，解析器分析學(xué)生提供的答案，立即反饋他們的錯(cuò)誤，并提供準(zhǔn)確的評分，該系統(tǒng)適合數(shù)學(xué)學(xué)習(xí)困難和學(xué)習(xí)障礙學(xué)生[44]。2009年，Dawn等人提出使用行動(dòng)研究方法開發(fā)了一個(gè)基于Web的集體智能應(yīng)用程序系統(tǒng)（DDtrac）。DDtrac系統(tǒng)允許教師收集學(xué)生在學(xué)習(xí)任務(wù)和社交活動(dòng)中的數(shù)據(jù)，并分享有關(guān)的見解，用于評估學(xué)習(xí)障礙學(xué)生的進(jìn)步程度和學(xué)習(xí)支持改善決策。該研究在40名特殊教育專業(yè)人員的調(diào)查結(jié)果表明，與發(fā)育障礙人士合作的教育工作者、臨床醫(yī)生、家庭、父母或其他專業(yè)人員可以從實(shí)時(shí)數(shù)據(jù)跟蹤和決策支持中獲得由DDtrac應(yīng)用程序提供的有效教學(xué)反饋[45]。

（四）服務(wù)

結(jié)合學(xué)習(xí)障礙兒童的學(xué)習(xí)支持需求，隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)等新技術(shù)的發(fā)展，人工智能技術(shù)應(yīng)用將依托云計(jì)算和大數(shù)據(jù)向?qū)W習(xí)障礙兒童、教師和家長提供越來越個(gè)性化的學(xué)習(xí)支持服務(wù)。

1.基于云計(jì)算的人工智能技術(shù)為學(xué)習(xí)障礙兒童提供更智慧的學(xué)習(xí)支持服務(wù)

基于云計(jì)算，利用語音識別技術(shù)、圖像識別技術(shù)和移動(dòng)APP，人工智能技術(shù)能夠更好地服務(wù)于學(xué)習(xí)障礙兒童。2010年，基于訊飛開放平臺面向閱讀障礙的爭渡軟件，實(shí)現(xiàn)通過語音操作電腦，幫助實(shí)現(xiàn)讀屏功能，在國內(nèi)供閱讀障礙者訪問互聯(lián)網(wǎng)使用；訊飛與香港失明人協(xié)進(jìn)會（NVDA）聯(lián)合開發(fā)的粵語版讀屏軟件，成為粵語區(qū)閱讀障礙者的學(xué)習(xí)軟件。2015年，訊飛推出“聽見”產(chǎn)品，將老師教學(xué)演講內(nèi)容完整的轉(zhuǎn)成文字，并在課堂上實(shí)時(shí)展示，輔助聽力障礙兒童更好的理解教學(xué)內(nèi)容。目前，該軟件已在多個(gè)特殊學(xué)校的課堂情境中應(yīng)用，相較于原來的手語教學(xué)，現(xiàn)場語音識別極大地?cái)U(kuò)展了課堂的信息量，對聽力障礙兒童教學(xué)提供了溝通與交流的便利。

綜上所述，云計(jì)算匯聚了人工智能技術(shù)的分布式計(jì)算能力，共享互聯(lián)網(wǎng)的海量學(xué)習(xí)障礙相關(guān)資源[46]。在移動(dòng)網(wǎng)絡(luò)中某個(gè)節(jié)點(diǎn)輸入學(xué)習(xí)障礙兒童病癥時(shí)，基于云計(jì)算的人工智能技術(shù)能夠快速準(zhǔn)確的查找出某一類學(xué)習(xí)障礙兒童的成因和癥狀，甚至模擬學(xué)習(xí)障礙兒童的神經(jīng)系統(tǒng)受損情況，提供與其相匹配的診斷結(jié)果和干預(yù)方法，為學(xué)習(xí)障礙兒童的干預(yù)訓(xùn)練提供強(qiáng)有力的技術(shù)支持。

2.基于大數(shù)據(jù)的人工智能技術(shù)能為學(xué)習(xí)障礙兒童提供更精準(zhǔn)的學(xué)習(xí)支持服務(wù)

目前國內(nèi)外學(xué)者普遍認(rèn)為，“大數(shù)據(jù)”是繼云計(jì)算和物聯(lián)網(wǎng)之后的IT產(chǎn)業(yè)的又一次重大技術(shù)變革[47]。在學(xué)習(xí)障礙兒童的教育中，基于大數(shù)據(jù)的人工智能技術(shù)的應(yīng)用體現(xiàn)在三個(gè)方面：一是根據(jù)學(xué)習(xí)障礙兒童自身的學(xué)習(xí)需求，基于原始數(shù)據(jù)提供給兒童適合其能力的學(xué)習(xí)內(nèi)容；二是持續(xù)采集學(xué)習(xí)障礙兒童在學(xué)習(xí)過程中生成的數(shù)據(jù)，針對兒童在學(xué)習(xí)過程中的障礙問題，形成適合每位兒童自身發(fā)展的干預(yù)措施[48]；三是記錄兒童在學(xué)習(xí)過程中的行為數(shù)據(jù)，這些數(shù)據(jù)表面看起來毫無規(guī)律，但當(dāng)數(shù)據(jù)累積到一定程度時(shí)，對這些數(shù)據(jù)進(jìn)行分析，就能找出學(xué)習(xí)障礙兒童的行為規(guī)律。因此，基于學(xué)習(xí)障礙兒童的學(xué)習(xí)行為大數(shù)據(jù)的挖掘、分析和建模，能夠更準(zhǔn)確地把握學(xué)習(xí)障礙兒童的個(gè)體特征，從而精準(zhǔn)的診斷、干預(yù)、評估和服務(wù)學(xué)習(xí)障礙兒童。

四、結(jié)論與展望

本研究檢索國內(nèi)外人工智能技術(shù)在兒童學(xué)習(xí)障礙教育中的相關(guān)研究文獻(xiàn)，分析人工智能技術(shù)在學(xué)習(xí)障礙兒童的診斷、干預(yù)、評估、服務(wù)四個(gè)方面的應(yīng)用：（1）人工智能中的SVM算法、深度學(xué)習(xí)算法、診斷模型和專家系統(tǒng)已應(yīng)用于學(xué)習(xí)障礙兒童的診斷中，以提高學(xué)習(xí)障礙兒童診斷的精度。（2）基于人工智能技術(shù)的發(fā)展性學(xué)習(xí)障礙干預(yù)系統(tǒng)和學(xué)業(yè)性學(xué)習(xí)障礙干預(yù)系統(tǒng)已得到較多的應(yīng)用，用于提升學(xué)習(xí)障礙兒童干預(yù)教學(xué)的質(zhì)量和效率。（3）人工神經(jīng)網(wǎng)絡(luò)算法、應(yīng)用模型和智能系統(tǒng)作為兒童學(xué)習(xí)障礙評估的方法和工具，以增加學(xué)習(xí)障礙兒童評估的精度。（4）基于云計(jì)算和大數(shù)據(jù)的人工智能技術(shù)已被應(yīng)用于學(xué)習(xí)障礙兒童學(xué)習(xí)支持服務(wù)中，以提升學(xué)習(xí)障礙兒童支持服務(wù)的智慧度和精準(zhǔn)度。由此可見，人工智能技術(shù)有助于準(zhǔn)確的診斷和預(yù)測兒童學(xué)習(xí)障礙，為學(xué)習(xí)障礙兒童干預(yù)與評估提供智能化和個(gè)性化的干預(yù)方法[49]，提供更加智慧和精準(zhǔn)的學(xué)習(xí)支持服務(wù)。

目前，從人工智能技術(shù)在正常發(fā)展兒童教育中的應(yīng)用來看，人工智能技術(shù)實(shí)現(xiàn)教育教學(xué)的自動(dòng)化、網(wǎng)絡(luò)化、智能化和個(gè)性化的研究越來越多。但是，人工智能技術(shù)在兒童學(xué)習(xí)障礙領(lǐng)域中的研究文獻(xiàn)和研究成果相對偏少，研究問題和范圍相對較小[50]。鑒于此，未來的研究應(yīng)將人工智能領(lǐng)域最新的研究方法和技術(shù)應(yīng)用于特定學(xué)習(xí)障礙兒童中，結(jié)合學(xué)習(xí)障礙兒童的特征和學(xué)習(xí)需求，優(yōu)化現(xiàn)有的人工智能算法，深化人工智能技術(shù)在特定學(xué)習(xí)障礙兒童的診斷、干預(yù)、評估和服務(wù)中的應(yīng)用研究，優(yōu)化現(xiàn)有的SVM、ANN和深度學(xué)習(xí)等算法，設(shè)計(jì)更有效的診斷、決策和評估模型?；谠朴?jì)算和大數(shù)據(jù)研制智能系統(tǒng)，幫助學(xué)習(xí)障礙兒童克服發(fā)展性障礙，并在學(xué)業(yè)成績和核心素養(yǎng)方面取得更有效的發(fā)展。

[1]Hilles M M，Naser S S A.Knowledge-based Intelligent Tutoring System for Teaching Mongo Database[J].European Academic Research，2017，4（10）：8783-8794.

[2]馬玉慧，柏茂林，周政.智慧教育時(shí)代我國人工智能教育應(yīng)用的發(fā)展路徑探究——美國《規(guī)劃未來，迎接人工智能時(shí)代》報(bào)告解讀及啟示[J].電化教育研究，2017（3）：123-128.

[3]韓曄彤.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].電子制作，2016，（12）：95.

[4]Drigas Athanasios，Ioannidou Rodi-Eleni.A Review on Artificial Intelligence in Special Education[J].Communications in Computer and Information Science，2013，（278）：385-391.

[5]Julie M D，Balakrishnan K.Significance of Classification Techniques in Prediction of Learning Disabilities[J].International Journal of Artificial Intelligence&Application，2010，1（4）：111-120.

[6]Jordan N C，Kaplan D，Locuniak M N，et al.Predicting First-Grade Math Achievement from Developmental Number Sense Trajectories[J].Learning Disabilities Research&Practice， 2007， 22（1）：36-46.

[7]Kirk S A.Behavioral Diagnosis and Remediation of Learning Disabilities[J].In Proceedings of the Conference on the Exploration into the Problems of the Perceptually Handicapped Child，1963，29（2）：1-7.

[8]杜高明，黃娟.學(xué)習(xí)障礙的界定及社會建構(gòu)說[J].中國特殊教育，2008（12）：82-87.

[9][美]羅伯特，威廉特.學(xué)習(xí)障礙的矯正[M].楊重明譯，1967（英文版）.

[10]王道陽，宋冉，殷欣，曹果果.學(xué)習(xí)障礙成因與干預(yù)研究進(jìn)展[J].教育生物學(xué)雜志，2016（1）：39-43.

[11]吳漢榮.兒童學(xué)習(xí)障礙的預(yù)防及矯治[J].中國學(xué)校衛(wèi)生，2003（5）：425-427.

[12]許政援，沈家鮮，呂靜，等.兒童發(fā)展心理學(xué)[M].長春：吉林教育出版社，1996.

[13]Mary S Kelly， Catherine T Best， Ursula Kirk.Cognitive Processing Deficits in Reading Disabilities：A Prefrontal Cortical Hypothesis[J].Brain and Cognition，1989，11（2）：275-293.

[14]梁威.國內(nèi)外學(xué)習(xí)障礙研究的探索[J].教育理論與實(shí)踐，2007（21）：57-60.

[15][50]張坤穎，張家年.人工智能教育應(yīng)用與研究中的新區(qū)、誤區(qū)、盲區(qū)與禁區(qū)[J].遠(yuǎn)程教育雜志，2017（5）：54-63.

[16]Minsky M L， Singh P， Sloman A.The St.Thomas Common Sense Symposium：Designing Architectures for Human-level Intelligence[J].AI Magazine， 2004，25（2）：113-125.

[17]National Health Interview Survey，2006.[EB/OL].[2017-06-01].http：//www.cdc.gov/nchs/data/series/sr_10/sr10_227.pdf，extracted on Jan.16th，2006.

[18]Wu T K，Huang S C，Meng Y R.Evaluation of ANN and SVM Classifiers as Predictors to the Diagnosis of Students with Learning Disabilities[J].Expert Systems with Applications，2008，34（3）：1846-1856.

[19]J Anuradha，Tisha V，Ramachandran，K V Arulalan，B K Tripathy.Diagnosis of ADHD Using SVM Algorithm[C]//The Third Annual ACM Bangalore Conference， 2010：1-4.

[20]R M Geiman，W L Nolte.An Expert System for Learning Disability Diagnosis[C]//1990 IEEE International Conference on Systems Engineering，Pittsburgh，PA，USA，1990：363-366.

[21]Arthi K，Tamilarasi A.Prediction of Autistic Disorder Using Neuro Fuzzy System by Applying ANN Technique[C]//International Journal of Developmental Neuroscience，2008，26（7）：699-704.

[22]徐影，李懷龍，謝家奎.兒童學(xué)習(xí)障礙診斷專家系統(tǒng)的推理模型設(shè)計(jì)與系統(tǒng)開發(fā)[J].現(xiàn)代教育技術(shù)，2013（3）：105-108.

[23]Georgopoulos V C，Malandraki G A，Stylios C D.A Fuzzy Cognitive Map Approach to Differential Diagnosis of Specific Language Impairment[J].Artificial Intelligence in Medicine，2003，29（3）：261-278.

[24]Wu T K，Meng Y R，Huang S C.Application of Artificial Neural Network to the Identification of Students with Learning Disabilities[C]//International Conference on Artificial Intelligence，2006：162-168.

[25]Hernadez J， Mousalli G， Rivas F.Learning Difficulties Diagnosis for Children’s Basic Education using Expert Systems[J].WSEAS Transactions on Information Science and Applications，2009，6（7）：1206-1215.

[26]K N Elsayed.Diagnosing Learning Disabilities in a Special Education by an Intelligent Agent based System[C]//Computer Science and Electronic Engineering Conference（CEEC）， Colchester， 2012：7-12.

[27]Schipor O A，Pentiuc S G，Schipor M D.Improving Computer based Speech Therapy Using a Fuzzy Expert System[J].Computing and Informatics，2003，22：1001-1016.

[28]N Sebe， I Cohen， T Gevers， T S Huang.Emotion Recognition Based on Joint Visual and Audio Cues[C]//Proceedings of the 18th International Conference on Pattern Recognition， 2006：1136-1139.[29]Riedl M，Arriaga R，Boujarwah F，Hong H，Isbell J，Heflin L J.Graphical Social Scenarios：Toward Intervention and Authoring for Adolescents with High Functioning Autism[C]//AAAI Fall Symposium，2007.

[30]Drigas A S，Kouremenos D， Vrettaros J.Teaching of English to Hearing Impaired Individuals Whose Mother Language is the Sign Language[M].Springer Berlin Heidelberg，2008：263-270.

[31]Samigulina G，S Shayakhmetova Assem.Smart-System of Distance Learning of Visually Impaired People based on Approaches of Artificial Intelligence[J].Open Engineering，2016，6（1）.

[32]Melis E,Andres E,Budenbender J,Frischauf A,Goguadze G,Libbrecht P,Polle M,Ullrich C.ACTIVEMATH，A Generic and Adaptive Web-Based Learning Environment[J].International Journal of Artificial Intelligence，2001，24（4）：1-25.

[33]Libbrecht P，Melis E.Methods to Access and Retrieve Mathematical Content in ACTIVEMATH[J].Springer Berlin Heidelberg， 2006：331-342.

[34]Melis E，Siekmann J.ACTIVEMATH：An Intelligent Tutoring Sys-tem for Mathematics[C]//Artificial Intelligence&Soft Computing-icaisc， International Conference，2004：91-101.

[35]Gonzalez C S， Guerra D， Sanabria H， Moreno L， Noda M A，Bruno A.Automatic System for the Detection and Analysis of Errors to Support the Personalized Feedback[J].Expert Systems with Applications， 2010（37）：140-148.

[36]Baschera G M，Gross M.Poisson-Based Inference for Perturbation Models in Adaptive Spelling Training[J].International Journal of Artificial Intelligence in Education， 2010（20）：1-31.

[37]Nadia Milena Arévalo， Sandra Dolores Beltrán，Yuri Lizeth Chavarro， Alix Lorena Medina， Edwin Herazo， Adal-berto Campo-Arias.Prevalence of Alcohol Problem Drinking Among the Indigenous Population in Colombia[J].Revista Colombiana de Psiquiatría，2013，42（4）：320-323.

[38]J Pavlopoulos， J Vrettaros， G Vouros， A S Drigas.The Development of a Self-assessment System for the Learners Answers with the Use of GPNN[C]//World Summit on the Knowledge Society：Emerging Technologies&Information Systems for the Knowledge Society，2008（1）：332-340.

[39]Kohli M，Prasad T V.Identifying Dyslexic Students by Using Artificial Neural Networks[J].Proceedings of the World Congress on Engineering， London， U.K， 2010，2183（1）：118.

[40]David J M，Balakrishnan K.Learning Disability Prediction Tool Using ANN and ANFIS[J].Soft Compute，2014（18）：1093.

[41]Rebolledo-Mendez G，De Freitas S.Attention Modeling Using Inputs from a Brain Computer Interface and User-generated Data in Second Life[C]//The Tenth International Conference on Multimodal Interfaces （ICMI 2008）， Crete， Greece，2008.

[42]Rebolledo-Mendez G， Dunwell I， Martínez-Mirón E A， Vargas-Cerdán M D， de Freitas S， Liarokapis F， García-Gaon a A R.Assessing NeuroSky’s Usability to Detect Attention Levels in an Assessment Exercise[C]//International Conference on Human-computer Interaction，Part I.LNCS， 2009：149-158.

[43]Jain K，Manghirmalani P，Dongardive J，Abraham S.Computational Diagnosis of Learning Disability[J].International Journal of Recent Trends in Engineering 2009，2（3）.

[44]N Livne， L Nava， O Livne， C Wight.Can Automated Scoring Surpass Hand Grading of Students’Constructed Responses and Error Patterns in Mathematics?[J].MERLOT Journal of Online Learning and Teaching， 2007，3（3）.

[45]Dawn G.Developing a Collective Intelligence Application for Special Education[J].Decision Support Systems，2009，47（4）：455-465.

[46]劉成新，張松，萇雨.我國教育技術(shù)領(lǐng)域云計(jì)算研究現(xiàn)狀述評[J].電化教育研究，2014（3）：41-45.

[47]何克抗.大數(shù)據(jù)面面觀[J].電化教育研究，2014（10）：8-16.

[48]祝智庭，沈德梅.基于大數(shù)據(jù)的教育技術(shù)研究新范式[J].電化教育研究，2013（10）：5-13.

[49]Drigas A，Ioannidou R.Artificial Intelligence in Special Education：A Decade Review[J].International Journal of Engineering Education，2012，28（6）：1366-1372.