黃 濤王一巖張 浩楊華利

（1.華中師范大學(xué) 教育大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室；2.華中師范大學(xué) 國家數(shù)字化學(xué)習(xí)工程技術(shù)研究中心，湖北武漢 430079）

教育部2018年4月發(fā)布的《教育信息化2.0行動計劃》提出，“充分利用云計算、大數(shù)據(jù)、人工智能等新技術(shù)，構(gòu)建全方位、全過程、全天候的支撐體系，助力教育教學(xué)、管理和服務(wù)的改革發(fā)展”[1]。在以物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能為代表的新興技術(shù)快速發(fā)展的時代背景下，人們關(guān)注利用智能技術(shù)變革傳統(tǒng)教育的研究范式，促進信息技術(shù)與教育教學(xué)的深度融合，為學(xué)習(xí)者提供個性化的學(xué)習(xí)服務(wù)支持，從而構(gòu)建人工智能技術(shù)支持下的智能教育全新樣態(tài)。

學(xué)習(xí)者模型的構(gòu)建是學(xué)習(xí)科學(xué)研究領(lǐng)域的關(guān)鍵課題，旨在對學(xué)習(xí)者知識水平、認(rèn)知發(fā)展、學(xué)習(xí)風(fēng)格、學(xué)習(xí)動機等方面進行精準(zhǔn)刻畫，實現(xiàn)對學(xué)習(xí)者全方位、多層次的建模分析，為個性化學(xué)習(xí)、智慧化教學(xué)、精準(zhǔn)化管理工作的開展提供多元支持，其在教育科學(xué)研究領(lǐng)域具有廣闊的應(yīng)用前景。在智能教育場域中開展學(xué)習(xí)者建模研究，需要充分發(fā)揮人工智能技術(shù)在數(shù)據(jù)采集、分析、應(yīng)用層面的技術(shù)功用，構(gòu)建基于生物識別技術(shù)的多元數(shù)據(jù)感知通道。它基于知識圖譜、認(rèn)知診斷、情感計算、情境感知技術(shù)等實現(xiàn)對學(xué)習(xí)者 “知識—認(rèn)知—情感—交互”的深層建模分析，以挖掘?qū)W習(xí)者的知識建構(gòu)模式、認(rèn)知發(fā)展規(guī)律和情感發(fā)生機制，用以對學(xué)習(xí)者的潛在特征進行深入挖掘和分析，服務(wù)于教育研究工作的實際需求。

為此，我們聚焦于智能教育場域中的學(xué)習(xí)者建模研究，通過對學(xué)習(xí)者建模研究的系統(tǒng)分析，突出大數(shù)據(jù)和人工智能技術(shù)在學(xué)習(xí)者模型構(gòu)建中的關(guān)鍵作用，理清智能技術(shù)驅(qū)動的學(xué)習(xí)者建模研究的理論和技術(shù)研究趨向，對人工智能技術(shù)和學(xué)習(xí)者模型構(gòu)建研究進行系統(tǒng)闡述，以期為后續(xù)相關(guān)研究提供一些借鑒。

一、智能教育場域中的學(xué)習(xí)者模型構(gòu)建動因分析

（一）智能技術(shù)發(fā)展催生智能教育全新樣態(tài)

近年來，隨著人工智能、機器人、物聯(lián)網(wǎng)、云計算、新能源、智能制造、生命科學(xué)等新興技術(shù)的發(fā)展[2]，催生出了橫跨信息、物理和生物三大領(lǐng)域的第四次工業(yè)革命，對全球科技新格局的重塑帶來了巨大推動力[3]。以人工智能技術(shù)為代表的智能技術(shù)的發(fā)展，正快速影響著世界范圍內(nèi)的科技創(chuàng)新、經(jīng)濟發(fā)展、社會進步，對人們生產(chǎn)生活方式和學(xué)習(xí)方式帶來了巨大影響。聚焦到教育領(lǐng)域，信息技術(shù)環(huán)境下的技術(shù)變革和知識激增，改變了知識的生產(chǎn)方式和傳播方式，促進知識內(nèi)涵和知識觀的變革[4]，引發(fā)了信息技術(shù)環(huán)境下育人機制的創(chuàng)新，催生出“智能教育”這一全新的教育形態(tài)[5]，推動著教育教學(xué)向智能化、精準(zhǔn)化、科學(xué)化、個性化的方向發(fā)展。

在智能教育快速發(fā)展的時代背景下，如何實現(xiàn)以學(xué)習(xí)者為中心、以智能技術(shù)為依托，創(chuàng)設(shè)面向?qū)W習(xí)過程和學(xué)習(xí)結(jié)果的多元化精準(zhǔn)監(jiān)測，強化數(shù)據(jù)科學(xué)與教學(xué)研究的深度融合，實現(xiàn)對學(xué)習(xí)者特征的量化表征，是當(dāng)下教育改革新時期變革智能教育服務(wù)模式、優(yōu)化教育供給關(guān)系、提升教育治理能力的關(guān)鍵。我們需要發(fā)揮大數(shù)據(jù)和人工智能的技術(shù)功用，實現(xiàn)面向多元學(xué)習(xí)時空的智能感知，對學(xué)習(xí)過程和學(xué)習(xí)結(jié)果數(shù)據(jù)進行充分的挖掘分析，構(gòu)建面向?qū)W習(xí)者個體的智能化學(xué)習(xí)者模型，以促進數(shù)據(jù)科學(xué)理論與教育科學(xué)研究的深度融合，從而為智能化教學(xué)、管理、評價工作的開展，提供有力支持。

（二）信息技術(shù)變革促進學(xué)生多樣化認(rèn)知發(fā)展

加涅的信息加工理論認(rèn)為，認(rèn)知發(fā)生的過程就是人對信息加工的過程，他將人的信息加工過程概括為“注意刺激、信息編碼、信息存儲、信息提取”四個階段?；ヂ?lián)網(wǎng)的快速發(fā)展帶來了海量的信息資源，為人類的信息記憶、存儲、加工、檢索帶來極大的挑戰(zhàn)[6]，且造成了嚴(yán)重的“信息迷航”現(xiàn)象。如何在信息化環(huán)境下快速獲取所需資源、建構(gòu)自身知識體系、培育自身學(xué)習(xí)智慧，是個體學(xué)習(xí)者面臨的關(guān)鍵挑戰(zhàn)。在教育信息化快速發(fā)展的時代背景下，立足于智能教育研究開展的實際需要，探究智能教育環(huán)境下學(xué)習(xí)者的認(rèn)知加工模式。換言之，對學(xué)習(xí)者的知識內(nèi)化過程進行深度剖析，是現(xiàn)階段智能教育工作開展需要解決的關(guān)鍵問題。

因此，我們需要對學(xué)生的初始水平和學(xué)習(xí)過程進行精準(zhǔn)監(jiān)測，分析學(xué)生的先驗知識掌握程度和認(rèn)知發(fā)展水平，構(gòu)建面向個體和群體的精準(zhǔn)學(xué)生模型；通過個性化的認(rèn)知診斷和學(xué)習(xí)風(fēng)格分析，研究學(xué)習(xí)者潛在的認(rèn)知發(fā)展規(guī)律。在此基礎(chǔ)上，實現(xiàn)對學(xué)習(xí)者領(lǐng)域相關(guān)的知識、認(rèn)知水平、學(xué)習(xí)風(fēng)格的精準(zhǔn)分析，為學(xué)生提供個性化的資源推薦和教學(xué)干預(yù)措施，助力學(xué)生學(xué)業(yè)水平的提升。

（三）量化學(xué)習(xí)理論革新教育科學(xué)研究范式

2007年，《連線》雜志主編Kevin Kelly和Gary Wolf提出“量化自我”的概念[7]，旨在借助物聯(lián)網(wǎng)技術(shù)和可穿戴設(shè)備，監(jiān)測人體運動、睡眠、心率等生理和心理現(xiàn)象[8]，用以對個體的生活狀況進行數(shù)據(jù)化表征，評估個體的健康狀況。2016年，劉三女牙等學(xué)者在“量化自我”的基礎(chǔ)上，面向真實的教學(xué)場景，提出“量化學(xué)習(xí)”的概念[9]，旨在利用大數(shù)據(jù)和人工智能技術(shù)，實現(xiàn)對學(xué)生學(xué)習(xí)過程全空間、多場景的數(shù)據(jù)采集；利用機器學(xué)習(xí)的方法，對個體的認(rèn)知發(fā)展?fàn)顩r進行精準(zhǔn)分析；從而為學(xué)習(xí)者提供個性化的學(xué)習(xí)服務(wù)，促進其全面發(fā)展。

量化學(xué)習(xí)理論是數(shù)據(jù)科學(xué)和現(xiàn)代教育理論聯(lián)合發(fā)展的產(chǎn)物，在大數(shù)據(jù)和人工智能技術(shù)快速發(fā)展的時代背景下，利用量化自我理論和數(shù)據(jù)科學(xué)方法，構(gòu)建以學(xué)習(xí)者為中心、以智能技術(shù)為依托、以學(xué)習(xí)過程的量化表征為價值追求的新型教育研究范式，對于我國智能教育研究工作的開展意義重大。我們應(yīng)借助數(shù)據(jù)化、標(biāo)簽化的方法，對學(xué)習(xí)者、學(xué)習(xí)過程、學(xué)習(xí)環(huán)境進行量化表征，發(fā)揮大數(shù)據(jù)技術(shù)建模、分析、預(yù)測的技術(shù)功用，對學(xué)習(xí)者的知識、能力、情感、態(tài)度、價值觀等要素進行多層次、多維度的建模分析，能夠有效地揭示學(xué)習(xí)者的知識建構(gòu)模式、認(rèn)知發(fā)展規(guī)律和情感發(fā)生機制；利用數(shù)據(jù)科學(xué)方法對學(xué)習(xí)者內(nèi)在的學(xué)習(xí)發(fā)生機制進行深度剖析，有助于構(gòu)建精準(zhǔn)學(xué)習(xí)者模型，實現(xiàn)對教育發(fā)展規(guī)律的精準(zhǔn)分析。

二、學(xué)習(xí)者建模的研究評述

（一）學(xué)習(xí)者建模的研究熱點分析

我們以 “學(xué)習(xí)者建?！薄皩W(xué)習(xí)者模型”“學(xué)生畫像”為關(guān)鍵詞進行檢索，將中國知網(wǎng)上2000年-2019年導(dǎo)出的345篇CSSCI文獻作為樣本，利用CiteS-pace軟件繪制文章關(guān)鍵詞的知識圖譜，發(fā)現(xiàn)關(guān)于學(xué)習(xí)者建模研究排名靠前的關(guān)鍵詞，分別為：“學(xué)習(xí)者特征”“學(xué)習(xí)分析”“在線學(xué)習(xí)”“大數(shù)據(jù)”“遠(yuǎn)程學(xué)習(xí)者”“人工智能”“數(shù)據(jù)挖掘”“MOOC”“智慧學(xué)習(xí)環(huán)境”“自適應(yīng)學(xué)習(xí)系統(tǒng)”等。其中，“學(xué)習(xí)者特征”“學(xué)習(xí)分析”和“數(shù)據(jù)挖掘”的中心度，分別達到了0.39、0.23和0.14。這說明：其一，學(xué)習(xí)者特征的選取和表示仍是相關(guān)研究開展的重點，在學(xué)習(xí)者模型構(gòu)建領(lǐng)域占有核心地位，是學(xué)習(xí)者建模相關(guān)研究開展的基礎(chǔ)；其二，隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，學(xué)習(xí)者建模的相關(guān)研究主要圍繞學(xué)習(xí)分析和教育數(shù)據(jù)挖掘來展開，凸顯了教育大數(shù)據(jù)技術(shù)在學(xué)習(xí)者模型量化表征以及智能分析層面的天然優(yōu)勢。

通過關(guān)鍵詞的譜聚類（如圖1所示），我們發(fā)現(xiàn)，國內(nèi)關(guān)于學(xué)習(xí)者建模的聚類中心，主要包含 “大數(shù)據(jù)”“學(xué)習(xí)者”“數(shù)據(jù)挖掘”“情境感知”等：

圖1 學(xué)習(xí)者建模的研究熱點分析

（1）聚類中心#1學(xué)習(xí)者、#3遠(yuǎn)程學(xué)習(xí)者、#6開放學(xué)習(xí)資源。此類研究偏重于學(xué)習(xí)者模型在遠(yuǎn)程教育中的應(yīng)用，主要圍繞自適應(yīng)學(xué)習(xí)系統(tǒng)和網(wǎng)絡(luò)學(xué)習(xí)空間中學(xué)習(xí)者模型的構(gòu)建來開展，包括學(xué)習(xí)者特征、學(xué)習(xí)風(fēng)格、群體差異、開放學(xué)習(xí)資源等方面。他們偏重于對在線學(xué)習(xí)空間中學(xué)習(xí)者模型的構(gòu)建和應(yīng)用機制的探索。

（2）聚類中心#0大數(shù)據(jù)、#2數(shù)據(jù)挖掘、#7學(xué)習(xí)者分析、#10深度學(xué)習(xí)。該類研究偏重于學(xué)習(xí)者建模的智能技術(shù)取向，主要圍繞大數(shù)據(jù)和人工智能技術(shù)支持下的學(xué)習(xí)者模型展開，包括學(xué)習(xí)分析、人工智能、教育數(shù)據(jù)挖掘等方面，說明智能技術(shù)快速發(fā)展為學(xué)習(xí)者模型的構(gòu)建，賦予了新的價值內(nèi)涵。運用量化學(xué)習(xí)的方法對學(xué)習(xí)者相關(guān)特征進行精準(zhǔn)刻畫，能夠強化機器學(xué)習(xí)和深度學(xué)習(xí)等新興技術(shù)的應(yīng)用。

（3）聚類中心#4情境感知。此類研究是一個較為新穎的發(fā)展方向，強調(diào)學(xué)習(xí)者認(rèn)知建構(gòu)的情境依存性，注重學(xué)習(xí)環(huán)境要素對學(xué)習(xí)者的知識建構(gòu)、認(rèn)知發(fā)展和情感發(fā)生的影響。研究者們通過對特定情境中的教學(xué)內(nèi)容、教學(xué)媒體、教學(xué)環(huán)境等要素的建模分析，進而對學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、認(rèn)知發(fā)展水平進行細(xì)粒度的建模分析，為個性化資源推薦等服務(wù)的開展提供了支持。

根據(jù)關(guān)鍵詞進一步梳理，發(fā)現(xiàn)當(dāng)前學(xué)習(xí)者建模研究主要關(guān)注以下幾方面：

1.智能導(dǎo)師系統(tǒng)中的學(xué)習(xí)者建模

智能導(dǎo)師系統(tǒng) （Intelligent Tutoring System，ITS）興起于20世紀(jì)50-70年代，是伴隨著計算機輔助教學(xué)發(fā)展而產(chǎn)生的智能化教學(xué)決策系統(tǒng)，它利用智能計算技術(shù)，結(jié)合教育學(xué)、心理學(xué)的理論和實踐經(jīng)驗，模擬優(yōu)秀教師的思維模式來組織教學(xué)。智能導(dǎo)師系統(tǒng)一般由四個部分構(gòu)成，包括：領(lǐng)域知識庫、學(xué)生模型、教學(xué)策略和推理模塊、人機接口。其功能包括自動問題求解、知識建構(gòu)表征、學(xué)習(xí)過程診斷、精準(zhǔn)教學(xué)干預(yù)等[10]。智能導(dǎo)師系統(tǒng)的學(xué)習(xí)者模型建立于領(lǐng)域知識庫之上，是智能導(dǎo)師系統(tǒng)的核心[11]，負(fù)責(zé)學(xué)習(xí)者靜態(tài)和動態(tài)特征的存儲和更新，主要包含學(xué)生的基本信息、領(lǐng)域知識、認(rèn)知發(fā)展、心理要素等信息，常用的建模方法有覆蓋模型、鉛版模型、偏差模型、貝葉斯模型、模糊數(shù)學(xué)模型、機器學(xué)習(xí)模型、本體模型等[12]。智能導(dǎo)師系統(tǒng)通過對學(xué)習(xí)者知識、能力發(fā)展?fàn)顩r的精準(zhǔn)監(jiān)測，借助教學(xué)策略和推理模塊生成智能化的教學(xué)改進措施，提供個性化的學(xué)習(xí)干預(yù)措施，從而實現(xiàn)了對學(xué)習(xí)者智能化、適應(yīng)性的學(xué)習(xí)輔導(dǎo)。

2.遠(yuǎn)程學(xué)習(xí)中的學(xué)習(xí)者建模

遠(yuǎn)程學(xué)習(xí)中的學(xué)習(xí)者建模是近年來教育技術(shù)領(lǐng)域?qū)W者關(guān)注較多的內(nèi)容，我國學(xué)者陳麗[13]、趙蔚[14]、鄭勤華[15]、姜強[16]、黃榮懷[17]等均在遠(yuǎn)程學(xué)習(xí)中的學(xué)習(xí)者建模方面進行了深入研究。這類研究的核心關(guān)注點主要是：通過對學(xué)生在網(wǎng)絡(luò)學(xué)習(xí)過程中的資源檢索、資源瀏覽、論壇評論、作業(yè)提交數(shù)據(jù)進行采集，形成面向個體的學(xué)習(xí)信息流；對學(xué)生的先驗知識、認(rèn)知水平、學(xué)習(xí)風(fēng)格等方面進行分析，為學(xué)習(xí)者提供個性化的學(xué)習(xí)資源推薦和學(xué)習(xí)路徑規(guī)劃；同時，對在線學(xué)習(xí)的流程進行優(yōu)化，幫助學(xué)習(xí)者及時獲取所需資源，提升學(xué)習(xí)服務(wù)的質(zhì)量。

3.大數(shù)據(jù)和人工智能時代下的學(xué)習(xí)者建模

2012年，美國發(fā)布的《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進教與學(xué)》報告指出，大數(shù)據(jù)技術(shù)在教育領(lǐng)域的應(yīng)用，主要有教育數(shù)據(jù)挖掘和學(xué)習(xí)分析兩個方向，其最終目標(biāo)是通過大數(shù)據(jù)技術(shù)的應(yīng)用，對學(xué)習(xí)過程進行量化測評，促進學(xué)生的個性化學(xué)習(xí)[18]。教育大數(shù)據(jù)應(yīng)用的核心在于：通過整合學(xué)習(xí)者知識、動機、元認(rèn)知和態(tài)度等信息，構(gòu)建精準(zhǔn)的學(xué)習(xí)者模型[19]，對學(xué)習(xí)者的學(xué)業(yè)表現(xiàn)進行精準(zhǔn)預(yù)測，分析其知識、能力薄弱點，為教師提供個性化的教學(xué)干預(yù)措施。

近年來，隨著知識圖譜[20]、認(rèn)知診斷[21]、深度知識追蹤[22]、學(xué)習(xí)風(fēng)格理論[23]、情感計算[24]等理論和技術(shù)的發(fā)展，為學(xué)習(xí)者模型的構(gòu)建和學(xué)習(xí)過程的量化分析，帶來了良好的發(fā)展契機，促進了大數(shù)據(jù)技術(shù)與學(xué)習(xí)者知識、能力、認(rèn)知、情感建模方面的深度融合。研究者們利用智能感知技術(shù)和可穿戴設(shè)備等，采集課堂學(xué)習(xí)過程中學(xué)生的表情、動作、語言、呼吸、心跳等數(shù)據(jù)，構(gòu)建了多模態(tài)的數(shù)據(jù)集，并利用機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)，對相關(guān)數(shù)據(jù)進行深入的建模分析，實現(xiàn)了面向?qū)W習(xí)者的多場景、細(xì)粒度精準(zhǔn)建模。

4.融合教育情境感知的學(xué)習(xí)者建模

情境是指任何可以被用于標(biāo)識實體狀態(tài)的信息[25]，大致可以分為物理情境、社會情境、用戶情境、時間情境等。隨著物聯(lián)網(wǎng)和可穿戴設(shè)備技術(shù)的發(fā)展，對學(xué)習(xí)者建模相關(guān)研究的開展更加強調(diào)環(huán)境要素對學(xué)習(xí)發(fā)生機制的影響。例如：余勝泉等從“知識傳遞—認(rèn)知建構(gòu)—情境感知”三個維度，闡述了現(xiàn)代學(xué)習(xí)的發(fā)展趨勢[26]；吳南中等探究了基于情境感知技術(shù)和教育大數(shù)據(jù)的智慧學(xué)習(xí)環(huán)境[27]；王冬青等構(gòu)建了基于情境感知的智慧課堂動態(tài)數(shù)據(jù)采集模型[28]；武法提等構(gòu)建了基于場景感知的學(xué)習(xí)者數(shù)據(jù)采集、分析和學(xué)習(xí)服務(wù)推送模型[29]；黃志芳等構(gòu)建了基于情境感知的自適應(yīng)學(xué)習(xí)路徑推薦方法[30]。

隨著人工智能技術(shù)的發(fā)展，將不斷推動教育情境感知相關(guān)研究的開展。我們可以運用情境感知技術(shù)，構(gòu)建融合智慧學(xué)習(xí)空間的智能化分析模型，研究教育情境對學(xué)習(xí)者知識建構(gòu)、認(rèn)知發(fā)展、情感發(fā)生的影響，實現(xiàn)融合學(xué)習(xí)者建模、知識建模、情境建模、交互建模等多元化教學(xué)分析模型，從而促進智能學(xué)習(xí)空間中情境感知相關(guān)研究的開展。

（二）學(xué)習(xí)者模型特征要素的發(fā)展趨向

隨著智能技術(shù)的發(fā)展，學(xué)習(xí)者特征要素的構(gòu)成也在逐漸發(fā)生變化。2002年，教育部教育信息化技術(shù)標(biāo)準(zhǔn)研究委員會制定的 “網(wǎng)絡(luò)學(xué)習(xí)者模型標(biāo)準(zhǔn)”（CELTS-11），將學(xué)習(xí)者信息分為八類：個人信息、學(xué)業(yè)信息、管理信息、關(guān)系信息、安全信息、偏好信息、績效信息和作品集信息[31]，偏向于對在線學(xué)習(xí)過程中學(xué)習(xí)者基本信息和行為信息的采集。隨著自適應(yīng)學(xué)習(xí)平臺的發(fā)展、網(wǎng)絡(luò)學(xué)習(xí)平臺的普及以及大數(shù)據(jù)和人工智能技術(shù)的應(yīng)用，為學(xué)習(xí)者模型的構(gòu)建提供了更廣泛的理論和技術(shù)支持。研究者們對于學(xué)習(xí)者模型的構(gòu)建，逐漸深入到學(xué)生的認(rèn)知和情感層面（如表1所示），關(guān)注學(xué)習(xí)者的知識、行為、認(rèn)知、情感、交互等方面的發(fā)展變化情況，用以挖掘?qū)W習(xí)者在自我效能感、學(xué)習(xí)偏好、認(rèn)知水平、學(xué)習(xí)態(tài)度、學(xué)習(xí)價值觀等方面的深層次特征。這些研究，對學(xué)習(xí)者的特征要素進行了全方位、深層次的挖掘分析，推動了學(xué)習(xí)者模型的廣泛應(yīng)用。

表1 學(xué)習(xí)者模型的特征屬性

（三）學(xué)習(xí)者建模的研究現(xiàn)狀評述

我們通過對國內(nèi)外學(xué)習(xí)者模型的研究現(xiàn)狀進行整合分析，發(fā)現(xiàn)當(dāng)前階段學(xué)習(xí)者建模的相關(guān)研究主要呈現(xiàn)出以下趨勢：（1）在學(xué)習(xí)者特征要素的構(gòu)成方面，從傳統(tǒng)注重學(xué)習(xí)者人口統(tǒng)計信息、行為信息、知識水平、認(rèn)知風(fēng)格的建模分析，轉(zhuǎn)向面向?qū)W習(xí)者知識、認(rèn)知、情感、交互的全方位建模分析，擴展了學(xué)習(xí)者建模研究的廣度和深度，更重視對學(xué)習(xí)者認(rèn)知、情感等潛在特征的深度剖析；（2）在學(xué)習(xí)者數(shù)據(jù)的采集和分析方面，重視人工智能技術(shù)與學(xué)習(xí)者建模研究的深度融合，利用智能感知技術(shù)，實現(xiàn)著面向?qū)W習(xí)者個體的全方位數(shù)據(jù)采集，在最大程度上對學(xué)習(xí)者在真實場景中的學(xué)習(xí)狀態(tài)進行了有效還原，從而實現(xiàn)對學(xué)習(xí)者全方位的建模分析；（3）突出學(xué)習(xí)者模型在智能教育服務(wù)中的關(guān)鍵作用，強化智能導(dǎo)師系統(tǒng)、在線學(xué)習(xí)平臺中學(xué)習(xí)者模型的精準(zhǔn)化構(gòu)建，以實現(xiàn)精準(zhǔn)化的資源推薦，幫助學(xué)習(xí)者獲得及時有效的學(xué)習(xí)支持服務(wù)。

在智能教育場域中構(gòu)建學(xué)習(xí)者模型，需要理清智能技術(shù)發(fā)展在教育數(shù)據(jù)采集、分析、應(yīng)用方面的關(guān)鍵作用，以實現(xiàn)大數(shù)據(jù)和人工智能技術(shù)支持下的學(xué)習(xí)者模型建構(gòu)。主要表現(xiàn)為：利用人工智能技術(shù)構(gòu)建機器智能、對真實世界的信息感知通道，通過計算機視覺、自然語言處理、語音識別、生理信息識別等技術(shù)，實現(xiàn)面向真實學(xué)習(xí)情境的多模態(tài)感知，并構(gòu)建智能技術(shù)驅(qū)動下的教育數(shù)據(jù)生態(tài)；參照認(rèn)知主義、人本主義、建構(gòu)主義思想，以學(xué)習(xí)者的知識、認(rèn)知、情感、交互四個方面為基礎(chǔ)，實現(xiàn)對學(xué)習(xí)者潛在的認(rèn)知和情感發(fā)生機制的深度剖析；利用量化學(xué)習(xí)的思想，對學(xué)習(xí)過程中與學(xué)習(xí)者相關(guān)的要素進行量化表征，構(gòu)建全時空、多層次、時序性的學(xué)習(xí)者建模形態(tài)，對學(xué)習(xí)者特征要素進行有效提取。研究者們持續(xù)挖掘智能技術(shù)支持下的學(xué)習(xí)者模型在精準(zhǔn)學(xué)習(xí)支持和智能教育服務(wù)方面的關(guān)鍵作用，探索基于學(xué)習(xí)者模型的智能教育全新樣態(tài)，促進了人工智能技術(shù)與教育教學(xué)的深度融合，為未來教育全過程分析提供支持。

三、智能教育場域中的學(xué)習(xí)者建模研究趨向

（一）理論趨向：挖掘智能教育環(huán)境下經(jīng)典學(xué)習(xí)理論的價值意蘊

智能教育環(huán)境下學(xué)習(xí)者模型的構(gòu)建，需要在現(xiàn)代教育理論的指導(dǎo)下，選取傳統(tǒng)“認(rèn)知主義、人本主義、建構(gòu)主義”學(xué)習(xí)理論在“認(rèn)知發(fā)展、情感計算、情境交互”等方面的價值取向，結(jié)合量化學(xué)習(xí)理論的思想，挖掘經(jīng)典學(xué)習(xí)理論在智能教育環(huán)境下的價值意蘊，為智能教育時代學(xué)習(xí)者建模研究的開展，提供強有力的理論指導(dǎo)（如圖2所示）。

圖2 智能教育視域下學(xué)習(xí)者建模的理論模型

（二）目標(biāo)趨向：實現(xiàn)智能教育時代學(xué)習(xí)者模型的深層解析

智能教育視域下學(xué)習(xí)者模型的構(gòu)建，需要嚴(yán)格遵循個體發(fā)展規(guī)律，以促進人的全面發(fā)展為根本任務(wù)，通過對現(xiàn)代學(xué)習(xí)理論的深度剖析，打造全方位的評價體系。在構(gòu)建過程中，以量化學(xué)習(xí)理論為指導(dǎo)，用數(shù)據(jù)化、科學(xué)化的方法實現(xiàn)對學(xué)習(xí)者的精準(zhǔn)刻畫，應(yīng)用知識圖譜、認(rèn)知診斷、情感計算、場景感知等技術(shù)，對智能教育環(huán)境下學(xué)習(xí)者 “知識—認(rèn)知—情感—交互”等要素進行精準(zhǔn)分析，進而實現(xiàn)對學(xué)習(xí)者知識建構(gòu)和認(rèn)知發(fā)展的深層次解讀：

1.由“外在”到“內(nèi)在”的個體認(rèn)知結(jié)構(gòu)解析

強化對學(xué)生外在學(xué)習(xí)表現(xiàn)的監(jiān)測和內(nèi)在認(rèn)知模式的建構(gòu)，重視學(xué)習(xí)者學(xué)習(xí)效能、情感態(tài)度、學(xué)習(xí)風(fēng)格等高階思維能力對學(xué)業(yè)表現(xiàn)的影響機理，從“外在表征”到“內(nèi)在結(jié)構(gòu)”對學(xué)習(xí)者的認(rèn)知發(fā)展?fàn)顩r進行深入分析，以助力于個性化學(xué)習(xí)分析研究的開展。

2.由“現(xiàn)象”到“過程”的知識建構(gòu)過程剖析

強化對智能教育環(huán)境下學(xué)習(xí)者信息加工模式的研究，讓學(xué)習(xí)成為學(xué)生認(rèn)知結(jié)構(gòu)和認(rèn)知能力變化的過程。通過對學(xué)習(xí)者學(xué)業(yè)表現(xiàn)的深層次分析，運用認(rèn)知診斷的方法對學(xué)習(xí)者的認(rèn)知過程進行分解，理清學(xué)習(xí)者知識建構(gòu)和認(rèn)知加工的基本規(guī)律，實現(xiàn)從“學(xué)習(xí)現(xiàn)象”的解釋到“學(xué)習(xí)過程”的發(fā)現(xiàn)。

3.由“主體”到“情境”的學(xué)習(xí)場景多元分析

強化情境感知在學(xué)習(xí)者模型建構(gòu)過程中的關(guān)鍵作用，重視學(xué)習(xí)情境對學(xué)習(xí)者個體知識、能力、情感發(fā)展的影響，實現(xiàn)對面向復(fù)雜教學(xué)環(huán)境的教學(xué)主體和教學(xué)場景的多元交互機制的研究，理清智能學(xué)習(xí)空間的教育教學(xué)發(fā)展規(guī)律。

4.由“局部”到“整體”的認(rèn)知建構(gòu)整合分析

強化學(xué)習(xí)者內(nèi)部認(rèn)知發(fā)展?fàn)顩r與外部教學(xué)環(huán)境的協(xié)調(diào)統(tǒng)一，重視基于真實的教學(xué)情境和任務(wù)情境開展的協(xié)作學(xué)習(xí)活動，對學(xué)習(xí)者內(nèi)部認(rèn)知建構(gòu)的影響，強調(diào)不同學(xué)習(xí)者之間交互作用的機理，進而強化對智能課堂環(huán)境下學(xué)習(xí)者知識建構(gòu)過程的多層次整合分析。

（三）數(shù)據(jù)趨向：實現(xiàn)基于多模態(tài)感知的全時空多維度數(shù)據(jù)采集

在智能教育場域中，學(xué)習(xí)者模型構(gòu)建的關(guān)鍵在于發(fā)揮大數(shù)據(jù)和人工智能技術(shù)在數(shù)據(jù)采集和分析方面的關(guān)鍵作用。強化對智能教育環(huán)境下學(xué)習(xí)者的相關(guān)信息進行全方位采集，利用智能化數(shù)據(jù)分析方法對學(xué)習(xí)者特征進行有效提取，生成面向?qū)W習(xí)者個體的個性化學(xué)習(xí)者模型。

1.實現(xiàn)面向多元學(xué)習(xí)時空的精準(zhǔn)化數(shù)據(jù)采集

在以往學(xué)習(xí)者建模研究的開展過程中，由于受數(shù)據(jù)采集和分析方法的制約，對學(xué)習(xí)數(shù)據(jù)的采集往往局限于網(wǎng)絡(luò)學(xué)習(xí)空間中學(xué)習(xí)流數(shù)據(jù)的采集，以此作為學(xué)習(xí)者模型構(gòu)建的數(shù)據(jù)基礎(chǔ)，造成了學(xué)習(xí)者數(shù)據(jù)來源的單一性和片面性，不能對學(xué)習(xí)者特征要素進行準(zhǔn)確表征。近年來，隨著以計算機視覺為代表的智能感知技術(shù)的發(fā)展，和以多模態(tài)機器學(xué)習(xí)為代表的智能分析技術(shù)的成熟，為時序性、多空間數(shù)據(jù)的采集和分析研究，帶來了新的發(fā)展契機。我們可以利用智能感知技術(shù)，實現(xiàn)面向線上、線下、課內(nèi)、課外多元學(xué)習(xí)時空的精準(zhǔn)化數(shù)據(jù)采集，對學(xué)習(xí)者在不同學(xué)習(xí)情境中的表現(xiàn)進行提取，強化學(xué)習(xí)者模型構(gòu)建的情景依存性，實現(xiàn)更加全面多元的精準(zhǔn)分析。

2.實現(xiàn)基于智能感知技術(shù)的多模態(tài)數(shù)據(jù)匯聚

在智能學(xué)習(xí)空間中，對學(xué)習(xí)者相關(guān)數(shù)據(jù)的采集，首先，主要通過對學(xué)習(xí)者線上、線下學(xué)習(xí)空間中的表現(xiàn)進行監(jiān)測，利用生物信息識別技術(shù)和平臺數(shù)據(jù)挖掘技術(shù)，對學(xué)習(xí)者的相關(guān)數(shù)據(jù)進行采集，主要包括：語音數(shù)據(jù)（課堂發(fā)言等）、文本數(shù)據(jù)（論壇評論等）、圖像數(shù)據(jù)（學(xué)習(xí)者的表情、動作等）、生理數(shù)據(jù)（學(xué)習(xí)者的呼吸、脈搏、心跳、眼動、腦電、心電、皮膚電等）、學(xué)習(xí)流數(shù)據(jù)、學(xué)習(xí)成績數(shù)據(jù)等；然后，再利用人工智能領(lǐng)域的語音識別、自然語言處理、計算機視覺、生理信息識別、平臺數(shù)據(jù)采集等技術(shù)，對相關(guān)數(shù)據(jù)進行提取和整合，構(gòu)建面向個體發(fā)展的多模態(tài)數(shù)據(jù)集；最后，借助多模態(tài)機器學(xué)習(xí)技術(shù)，實現(xiàn)多模態(tài)數(shù)據(jù)的匯聚與融合，并強化不同模態(tài)數(shù)據(jù)之間的信息互補，從而實現(xiàn)對學(xué)習(xí)者的特征要素進行準(zhǔn)確表征。

（四）特征趨向：實現(xiàn)基于人工智能技術(shù)的學(xué)習(xí)者特征深度挖掘

在智能教育場域中，學(xué)習(xí)者模型的構(gòu)建，需要在對學(xué)習(xí)者的人口統(tǒng)計學(xué)信息、家庭背景信息、學(xué)業(yè)成績信息、社會網(wǎng)絡(luò)信息進行精準(zhǔn)測評的基礎(chǔ)上，關(guān)注學(xué)習(xí)者知識、認(rèn)知、情感、交互等方面的發(fā)展?fàn)顩r，利用知識圖譜、認(rèn)知診斷、情感計算、場景感知等技術(shù)，實現(xiàn)對學(xué)習(xí)者的深層次建模分析。在構(gòu)建過程中，主要分析在智能學(xué)習(xí)空間中學(xué)習(xí)者的知識建構(gòu)模式、認(rèn)知發(fā)展?fàn)顩r、情感發(fā)生機制和交互作用模式，揭示學(xué)習(xí)者 “知識—認(rèn)知—情感—交互”的協(xié)同進化機理，以更好地挖掘?qū)W習(xí)者的深層次特征，為智能化學(xué)習(xí)分析服務(wù)的開展提供支持。

1.基于知識圖譜的學(xué)習(xí)者領(lǐng)域知識建模

基于領(lǐng)域知識的學(xué)習(xí)者建模，關(guān)注學(xué)習(xí)者的先驗知識掌握水平以及在學(xué)習(xí)過程中知識狀態(tài)的變化，其關(guān)鍵在于構(gòu)建面向?qū)W科知識本體的知識圖譜和面向?qū)W習(xí)者個體的知識圖譜。前者需要利用知識圖譜的方法，表征學(xué)科知識點和各類資源之間的上下位關(guān)系、蘊含關(guān)系、前后關(guān)系[50]，用以揭示各學(xué)科知識點之間的潛在作用機理，為智能化資源的聚合、檢索和推薦提供服務(wù)；后者是在前者的基礎(chǔ)上，構(gòu)建面向?qū)W生個體的知識圖譜，用以表征學(xué)生對相關(guān)知識點的掌握情況，并對相關(guān)知識的掌握程度進行預(yù)測。通過對學(xué)習(xí)周期數(shù)據(jù)持續(xù)性的采集分析，對學(xué)生的知識技能發(fā)展?fàn)顩r進行連續(xù)性的隱性建模，參照學(xué)科知識圖譜和能力圖譜，構(gòu)建基于領(lǐng)域知識的學(xué)習(xí)者模型。通過分析知識點之間的上下位關(guān)系，能夠更加精確地預(yù)測學(xué)習(xí)者的表現(xiàn)，從而為學(xué)習(xí)者提供個性化的資源推薦和學(xué)習(xí)路徑規(guī)劃。

2.基于認(rèn)知診斷的學(xué)習(xí)者認(rèn)知水平建模

認(rèn)知診斷是對個體知識結(jié)構(gòu)、認(rèn)知過程和信息加工模式的精準(zhǔn)測評，它關(guān)注學(xué)習(xí)者認(rèn)知能力的發(fā)展?fàn)顩r。認(rèn)知能力是指人腦加工、儲存和提取信息的能力，是學(xué)習(xí)者內(nèi)在能力的基本表征。一些經(jīng)濟學(xué)家認(rèn)為，“與受教育年限相比，認(rèn)知能力更能反映人與人之間的人力資本差異”[51]。安德森 （Lorin W.Anderson）在布魯姆認(rèn)知目標(biāo)分類理論的基礎(chǔ)上，將認(rèn)知領(lǐng)域的教育目標(biāo)分為：“記憶、理解、應(yīng)用、分析、評價、創(chuàng)造”六個層次[52]。研究者們通過對學(xué)習(xí)者認(rèn)知能力的精準(zhǔn)測評，對學(xué)習(xí)者知識掌握水平的深層次原因進行挖掘分析，來理清學(xué)習(xí)者的認(rèn)知結(jié)構(gòu)發(fā)展?fàn)顩r。通過對一定學(xué)習(xí)周期中的學(xué)習(xí)者在歷次測試中的數(shù)據(jù)進行采集，應(yīng)用深度知識追蹤和認(rèn)知診斷的方法，對學(xué)習(xí)者的知識、技能發(fā)展?fàn)顩r進行分析，挖掘?qū)W生的認(rèn)知能力和高階思維能力發(fā)展?fàn)顩r，以此作為學(xué)生認(rèn)知發(fā)展?fàn)顩r評估的重要依據(jù)。

3.基于情感計算的學(xué)習(xí)者情感態(tài)度建模

基于情感態(tài)度的學(xué)習(xí)者建模，關(guān)注學(xué)習(xí)者在學(xué)習(xí)過程中的情感態(tài)度與變化情況，如，焦慮—信心、無聊—入迷、泄氣—欣快、沮喪—鼓勵、恐懼—興奮等[53]，用以反映學(xué)習(xí)者對相關(guān)教學(xué)要素穩(wěn)定、持久的心理傾向，以表征學(xué)習(xí)態(tài)度、學(xué)習(xí)動機、學(xué)習(xí)偏好等深層次特征。學(xué)習(xí)者的情感數(shù)據(jù)，主要來源于呼吸、心跳、腦電、皮膚電、激素分泌水平等生理數(shù)據(jù)以及表情、動作、語音和文本數(shù)據(jù)等[54]。研究者們通過對多種來源數(shù)據(jù)的采集分析，構(gòu)建多模態(tài)數(shù)據(jù)集，運用多模態(tài)機器學(xué)習(xí)技術(shù)，實現(xiàn)多模態(tài)數(shù)據(jù)之間的信息互補，從而對學(xué)習(xí)者的情感狀態(tài)進行準(zhǔn)確表征。參照Felder-Silverman的學(xué)習(xí)風(fēng)格模型[55]和多媒體學(xué)習(xí)認(rèn)知理論[56]，分析學(xué)習(xí)者偏愛的學(xué)習(xí)內(nèi)容、學(xué)習(xí)媒體、學(xué)習(xí)策略，研究資源呈現(xiàn)形式、教學(xué)媒體選用、課堂組織形式等方面對學(xué)習(xí)者知識建構(gòu)的影響，用以對學(xué)習(xí)者的信息加工、感知、理解模式進行完整表征，為智能化教學(xué)活動的開展提供支持。

4.基于情境感知的學(xué)習(xí)者交互行為建模

心理學(xué)研究的觀點認(rèn)為，個體的社會化不僅僅是人的生物屬性與社會環(huán)境相統(tǒng)一的關(guān)系，也是個體與社會交互作用的過程。在智能學(xué)習(xí)空間中，學(xué)習(xí)者與教師、教學(xué)內(nèi)容、教學(xué)資源、教學(xué)媒體、教學(xué)環(huán)境以及其他學(xué)習(xí)者之間的交互普遍存在。通過對智能學(xué)習(xí)空間中群體交互機制的分解，可以實現(xiàn)面向個體學(xué)習(xí)者交互信息的精準(zhǔn)建模。再運用智能感知技術(shù)，構(gòu)建面向智能學(xué)習(xí)空間的復(fù)雜交互網(wǎng)絡(luò)；同時，對教學(xué)過程中學(xué)習(xí)者個體之間的交互作用關(guān)系進行梳理，將有助于挖掘群體交互機制對于個體成長的影響機理，為智能教學(xué)活動的設(shè)計提供支持。

（五）技術(shù)趨向：面向時空融合的全時空多場景建模分析

圖3 “學(xué)習(xí)者-時間-空間”三維學(xué)習(xí)時空

面向時空融合的全時空多場景學(xué)習(xí)者模型的構(gòu)建（如圖3所示），旨在形成面向“個體—時間—空間”三個維度的學(xué)習(xí)者分析模型（如圖4）。在學(xué)習(xí)者個體維度，引入多模態(tài)數(shù)據(jù)分析方法，對多源異構(gòu)數(shù)據(jù)表征的信息進行有效提取，對學(xué)習(xí)者的認(rèn)知發(fā)展?fàn)顩r進行精準(zhǔn)分析；在時間維度，引入時間序列分析方法，對學(xué)習(xí)者的“知識、能力、情感、交互”的發(fā)展?fàn)顩r進行序列化建模，分析其在一定時間內(nèi)的學(xué)習(xí)遷移狀況，挖掘?qū)W習(xí)者的認(rèn)知發(fā)展規(guī)律；在空間維度，引入情境感知理論和社會網(wǎng)絡(luò)分析等方法，構(gòu)建面向“學(xué)生、教師、教學(xué)資源、教學(xué)媒體、教學(xué)環(huán)境”的多元交互網(wǎng)絡(luò)，挖掘環(huán)境因素對學(xué)習(xí)者認(rèn)知發(fā)展的影響機理以及學(xué)習(xí)者與學(xué)習(xí)環(huán)境之間的協(xié)同進化機制。通過對不同時間、空間環(huán)境下學(xué)習(xí)者認(rèn)知發(fā)展?fàn)顩r的精準(zhǔn)分析，實現(xiàn)學(xué)習(xí)者模型建構(gòu)的多模化、時序化、情景化，并對學(xué)習(xí)者的內(nèi)部認(rèn)知結(jié)構(gòu)進行更精準(zhǔn)的表征，從而構(gòu)建全面、多元、精準(zhǔn)的學(xué)習(xí)者模型，為精準(zhǔn)化教學(xué)策略的制定提供支持。

圖4 面向時空融合的學(xué)習(xí)者建模分析

1.面向個體維度的多模態(tài)、細(xì)粒度建模分析

“多模態(tài)數(shù)據(jù)”是相對于“單模態(tài)數(shù)據(jù)”而言的，由于物體存在的自然環(huán)境及其衍變過程的多樣性，單一模態(tài)的數(shù)據(jù)只能提供關(guān)于事物發(fā)展的部分信息[57]，很難通過單一的獲取方式，來達到對一種現(xiàn)象、過程或環(huán)境的完整表征[58]。因此，需要構(gòu)建多模態(tài)數(shù)據(jù)集，實現(xiàn)各模態(tài)數(shù)據(jù)所表征信息的相互補充，利用大數(shù)據(jù)思維可在最大程度上還原事物發(fā)展的全貌。在學(xué)習(xí)分析領(lǐng)域，2012年就有學(xué)者提出，將文本、語音、視頻、表情、動作等多模態(tài)數(shù)據(jù)結(jié)合運用于精準(zhǔn)化的學(xué)習(xí)分析；2017年的 “學(xué)習(xí)分析與知識國際會議”（LAK2017），“多模態(tài)數(shù)據(jù)”成為學(xué)習(xí)分析研究的新趨勢[59]。在情感計算方面，相關(guān)研究者發(fā)現(xiàn)，基于面部表情、語音語調(diào)、論壇文本、身體姿態(tài)、眼睛運動的多模態(tài)數(shù)據(jù)，能夠更好地還原學(xué)習(xí)者的情感狀態(tài)[60]。

對于學(xué)習(xí)者而言，由于其所處的物理環(huán)境和社會環(huán)境的復(fù)雜性和多樣性，單一模態(tài)數(shù)據(jù)所表征的信息，難以對學(xué)習(xí)者的學(xué)習(xí)發(fā)展?fàn)顩r進行準(zhǔn)確還原。因此，在個性化學(xué)習(xí)者模型的建構(gòu)過程中，針對學(xué)生認(rèn)知、情感等復(fù)雜特征的提取，需要借助智能化采集設(shè)備，構(gòu)建基于學(xué)生生理數(shù)據(jù)、心理數(shù)據(jù)、行為數(shù)據(jù)的多模態(tài)數(shù)據(jù)集；還需要借助深度學(xué)習(xí)等復(fù)雜分析模型的強大表征能力，對數(shù)據(jù)潛在的信息進行提取，消除單一模態(tài)特征的不確定性，實現(xiàn)對學(xué)習(xí)者特定維度的發(fā)展?fàn)顩r進行準(zhǔn)確表征，提升學(xué)習(xí)者模型的精準(zhǔn)性。

2.面向時間維度的全周期、時序性建模分析

時間序列分析是機器學(xué)習(xí)研究的重點之一，主要通過對個體長時期、序列化的監(jiān)測，以消除單一時間數(shù)據(jù)所表征信息的不確定性，發(fā)現(xiàn)事物發(fā)展的周期性規(guī)律并預(yù)測其發(fā)展趨勢。在學(xué)習(xí)分析領(lǐng)域，基于時間序列分析對學(xué)習(xí)者的學(xué)習(xí)路徑進行建模，主要通過對學(xué)習(xí)者的資源檢索、點擊、觀看、評論的序列化分析，對學(xué)習(xí)者的認(rèn)知建構(gòu)過程進行表征[61]；在情感計算領(lǐng)域，基于動態(tài)圖像序列的表情識別來提取動態(tài)的面部表情，能夠消除靜態(tài)圖像分析存在的偶然性，因而其在學(xué)習(xí)者情緒識別研究中，更具有現(xiàn)實意義[62]。

在學(xué)習(xí)者模型的構(gòu)建過程中，可以利用時間序列分析方法，對學(xué)習(xí)者的知識、能力、情感狀況進行動態(tài)表征，主要包括：運用遷移學(xué)習(xí)理論分析學(xué)習(xí)者在一定時間內(nèi)的知識掌握情況，分析學(xué)習(xí)者的先驗知識對后續(xù)學(xué)習(xí)的影響，挖掘?qū)W習(xí)者的學(xué)習(xí)遷移能力，對其認(rèn)知結(jié)構(gòu)進行更深層次的分析；對學(xué)習(xí)者在課堂學(xué)習(xí)過程中的專注度和學(xué)習(xí)情感狀況數(shù)據(jù)進行采集，分析學(xué)習(xí)者的學(xué)習(xí)情感保持度和狀態(tài)轉(zhuǎn)移規(guī)律，對學(xué)習(xí)者的認(rèn)知發(fā)展規(guī)律進行縱向的深度挖掘，有助于幫助教師優(yōu)化教學(xué)策略，提升教學(xué)成效。

3.面向空間維度的多主體、交互式建模分析

班杜拉的社會學(xué)習(xí)理論重視人的行為和環(huán)境的相互作用，探討了個體的認(rèn)知、行為與環(huán)境因素的交互作用對行為的影響。在智能教育場域中，學(xué)習(xí)者建模研究的開展，更加注重對學(xué)習(xí)發(fā)生過程的監(jiān)測，強化了對智能學(xué)習(xí)空間中學(xué)生、教師、教學(xué)內(nèi)容、教學(xué)媒體、教學(xué)環(huán)境交互模式的監(jiān)測，構(gòu)建起了面向智能學(xué)習(xí)場域的復(fù)雜交互網(wǎng)絡(luò)。利用社會網(wǎng)絡(luò)分析的方法，對學(xué)生個體與教師、資源、內(nèi)容、媒體、環(huán)境以及其他個體之間的交互狀況進行精準(zhǔn)化建模，分析學(xué)習(xí)場景的交互機制對學(xué)習(xí)者認(rèn)知發(fā)展的作用機理，幫助教師設(shè)計科學(xué)合理的教學(xué)活動，有助于提升學(xué)生的學(xué)業(yè)表現(xiàn)。此外，還可以通過對多元學(xué)習(xí)空間的精準(zhǔn)監(jiān)測，分析學(xué)習(xí)者在不同學(xué)習(xí)情境中的知識建構(gòu)、認(rèn)知發(fā)展和情感變化，以此對學(xué)習(xí)者偏愛的教學(xué)資源、教學(xué)內(nèi)容、教學(xué)媒體、教學(xué)環(huán)境進行精準(zhǔn)分析。

四、智能教育場域中學(xué)習(xí)者模型的應(yīng)用前景

智能教育時代學(xué)習(xí)者模型構(gòu)建的關(guān)鍵在于：實現(xiàn)人工智能技術(shù)與學(xué)習(xí)者建模研究的深度融合，利用數(shù)據(jù)化、科學(xué)化的研究方法，對學(xué)習(xí)者的特征要素進行挖掘，分析智能教育時代學(xué)生個體的認(rèn)知發(fā)展規(guī)律；利用量化學(xué)習(xí)的思想重構(gòu)基于學(xué)習(xí)者模型的智能教育新樣態(tài)（如圖5所示），構(gòu)建以學(xué)習(xí)者為中心的智能教育服務(wù)新模式，為學(xué)習(xí)、教學(xué)、管理、評價、研究等工作的開展提供支持，并實現(xiàn)智能化的資源供給、個性化的教學(xué)干預(yù)、精準(zhǔn)化的教育管理、智能化的教育評價、科學(xué)化的教育研究。

圖5 基于學(xué)習(xí)者模型的智能教育新樣態(tài)

（一）學(xué)習(xí)：構(gòu)建基于學(xué)習(xí)者模型的教育資源服務(wù)模式

海量的教育資源，為學(xué)習(xí)資源的檢索和篩選帶來了極大困難，造成嚴(yán)重的“信息迷航”現(xiàn)象，增加了學(xué)習(xí)者的認(rèn)知負(fù)荷。在教育信息化快速發(fā)展的時代背景下，如何幫助學(xué)習(xí)者及時、有效地獲取所需資源，為其提供個性化的資源推薦服務(wù)，是當(dāng)前需要解決的關(guān)鍵問題。我們可以借助個性化學(xué)習(xí)者模型，利用知識圖譜和能力圖譜分析學(xué)習(xí)者的知識、能力發(fā)展?fàn)顩r，發(fā)現(xiàn)學(xué)習(xí)者的知識、能力薄弱點，為其提供個性化的資源推薦和智能診斷服務(wù)；可以關(guān)注學(xué)習(xí)者的學(xué)習(xí)內(nèi)容和學(xué)習(xí)媒體偏好，為其選取恰當(dāng)?shù)馁Y源類型，幫助學(xué)習(xí)者獲得良好的學(xué)習(xí)體驗；還可以分析學(xué)習(xí)者的學(xué)習(xí)動機、學(xué)習(xí)態(tài)度、學(xué)習(xí)價值觀，構(gòu)建面向差異化教學(xué)的學(xué)習(xí)資源主動服務(wù)模式[63]，為其創(chuàng)設(shè)智能化的學(xué)習(xí)路徑，提升學(xué)習(xí)者的學(xué)習(xí)興趣和學(xué)習(xí)動機。

（二）教學(xué)：構(gòu)建面向個性化學(xué)習(xí)的精準(zhǔn)化教學(xué)干預(yù)策略

教學(xué)干預(yù)是指教師針對學(xué)生存在的問題，為其提供方法上的建議、態(tài)度和心理上的疏導(dǎo)[64]，幫助學(xué)生改善自身學(xué)習(xí)策略的教學(xué)操作模式。相關(guān)研究表明，教學(xué)干預(yù)對學(xué)生的自我效能感、情感認(rèn)知、智力水平的提升均有促進作用，能夠?qū)虒W(xué)質(zhì)量和學(xué)生學(xué)業(yè)成績的提高產(chǎn)生積極影響[65]。我們可以通過對學(xué)習(xí)者的領(lǐng)域知識、認(rèn)知能力、學(xué)習(xí)風(fēng)格、情感態(tài)度、交互信息、家庭背景信息等方面的數(shù)據(jù)化建模，利用機器學(xué)習(xí)和深度學(xué)習(xí)的方法，對個體、群體的學(xué)業(yè)發(fā)展?fàn)顩r進行精準(zhǔn)分析。主要在于：（1）實現(xiàn)對個體知識能力、認(rèn)知發(fā)展和學(xué)習(xí)自我效能感的精準(zhǔn)監(jiān)測，幫助教師及時掌握學(xué)生個體的發(fā)展?fàn)顩r，了解影響學(xué)習(xí)者學(xué)業(yè)表現(xiàn)的關(guān)鍵因素；同時，通過個性化學(xué)習(xí)路徑的設(shè)計和心理疏導(dǎo)的開展，幫助學(xué)生明確當(dāng)前學(xué)習(xí)階段面臨的關(guān)鍵問題，并采取積極的改正措施；（2）加強對學(xué)生家庭社會經(jīng)濟文化背景的關(guān)注，采取相應(yīng)的教學(xué)措施，消除家庭背景要素對學(xué)生學(xué)業(yè)表現(xiàn)的影響，進一步保障教育公平；（3）實現(xiàn)對學(xué)生學(xué)習(xí)風(fēng)格和交互模式的精準(zhǔn)分析，通過個性化的分組和學(xué)習(xí)活動的設(shè)計，幫助學(xué)生在探究式學(xué)習(xí)的過程中加強與其他同學(xué)的合作交流，提升其問題解決能力和團隊協(xié)作能力，助力于學(xué)生的全面發(fā)展。

（三）管理：構(gòu)建基于智能技術(shù)的智能課堂管理體系

我們應(yīng)強化物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術(shù)在智能學(xué)習(xí)空間中的應(yīng)用，實現(xiàn)對學(xué)生生理、心理、交互數(shù)據(jù)的智能化采集分析，最終構(gòu)建起精準(zhǔn)學(xué)生模型。

（1）幫助教育管理者分析學(xué)生與教學(xué)資源、教學(xué)媒體、教學(xué)環(huán)境的交互作用機制，利用大數(shù)據(jù)分析方法，對其潛在規(guī)律進行挖掘分析，理清環(huán)境要素對學(xué)習(xí)者學(xué)習(xí)情感和學(xué)習(xí)表現(xiàn)的影響機理，構(gòu)建智能化學(xué)習(xí)環(huán)境，提升學(xué)習(xí)者的學(xué)習(xí)體驗；（2）通過對學(xué)生專注度、知識掌握程度、學(xué)習(xí)情感的精準(zhǔn)測量，為教師提供及時有效的教學(xué)改進建議，幫助教師調(diào)整教學(xué)節(jié)奏，強化對重難點內(nèi)容的講解，提升學(xué)生的學(xué)習(xí)興趣，提高課堂教學(xué)質(zhì)量；（3）根據(jù)學(xué)生在探究式學(xué)習(xí)活動中的表現(xiàn)，構(gòu)建面向?qū)W生個體的復(fù)雜交互網(wǎng)絡(luò)，分析學(xué)習(xí)者之間關(guān)系的緊密程度，利用社會網(wǎng)絡(luò)分析和相似學(xué)生劃分的方法，實現(xiàn)面向差異化教學(xué)的靈活小組劃分，以研討式和探究式學(xué)習(xí)激發(fā)學(xué)習(xí)興趣，促進學(xué)生學(xué)業(yè)水平的提升。

（四）評價：構(gòu)建面向未來教育發(fā)展的智慧評價體系

智能教育視域下學(xué)習(xí)者模型的構(gòu)建，應(yīng)以學(xué)生面向未來社會發(fā)展的關(guān)鍵技能和核心素養(yǎng)的提升為前提，以智能技術(shù)為依托，構(gòu)建面向?qū)W生發(fā)展的智能化學(xué)習(xí)者模型。通過數(shù)據(jù)的采集、分析、應(yīng)用和反饋，形成完整的數(shù)據(jù)閉環(huán)，助力學(xué)生學(xué)習(xí)智慧的提升。在此過程中，應(yīng)強化對學(xué)生信息素養(yǎng)提升的關(guān)注，培養(yǎng)學(xué)生利用互聯(lián)網(wǎng)、智慧平臺、智能終端獲取所需的學(xué)習(xí)資源，建構(gòu)自身知識體系的能力；強化對學(xué)生高階思維能力的培養(yǎng)，借助啟發(fā)式學(xué)習(xí)、合作式學(xué)習(xí)、探究式學(xué)習(xí)等，培養(yǎng)學(xué)生的問題解決能力、團隊協(xié)作能力和溝通交流能力，助力于學(xué)生的全面發(fā)展；強化對學(xué)生自我效能感、學(xué)習(xí)動機、學(xué)習(xí)態(tài)度、學(xué)習(xí)價值觀的監(jiān)測，防止學(xué)生出現(xiàn)厭學(xué)、焦慮、沮喪、恐懼等負(fù)面情緒，及時采取心理疏導(dǎo)措施提升學(xué)生的學(xué)習(xí)興趣，激發(fā)其持久學(xué)習(xí)的熱情。

（五）研究：促進數(shù)據(jù)驅(qū)動的教育科學(xué)實證研究的開展

大數(shù)據(jù)技術(shù)的引入，為教育實證研究的開展提供了新的思路，利用智能感知設(shè)備對學(xué)習(xí)者的相關(guān)數(shù)據(jù)進行全方位的采集分析，可構(gòu)建面向時空融合的全方位、多場景的學(xué)習(xí)者模型，為“循證”式研究的開展提供了充足的數(shù)據(jù)支持。借助大數(shù)據(jù)技術(shù)還可實現(xiàn)面向智能學(xué)習(xí)空間的數(shù)據(jù)采集，對學(xué)生、教師、教學(xué)環(huán)境、教學(xué)資源、教學(xué)媒體進行全方位的建模分析，還原教學(xué)過程全貌，能夠幫助教師識別問題、搜集證據(jù)、做出判斷、制定并落實方案[66]。運用數(shù)據(jù)科學(xué)的方法發(fā)現(xiàn)個體發(fā)展的潛在規(guī)律，分析人與環(huán)境的相互作用原理，研究智能教育環(huán)境下學(xué)習(xí)主體與學(xué)習(xí)環(huán)境的協(xié)同進化機制，有助于促進教育實證研究的開展，推動教育領(lǐng)域?qū)W術(shù)研究的進步。

五、思考與展望

在智能教育場域中，學(xué)習(xí)者模型構(gòu)建的關(guān)鍵在于：以知識圖譜、認(rèn)知診斷、情感計算、場景感知技術(shù)為支撐，構(gòu)建面向智慧教學(xué)場景的個性化學(xué)習(xí)者模型，充分發(fā)揮智能技術(shù)在學(xué)習(xí)者數(shù)據(jù)采集、分析、評價等方面的技術(shù)功用；將經(jīng)典教育理論和數(shù)據(jù)科學(xué)的思想相結(jié)合，構(gòu)建面向未來社會發(fā)展的新型學(xué)習(xí)者模型，實現(xiàn)由“外在”到“內(nèi)在”的個體認(rèn)知結(jié)構(gòu)解析、由“現(xiàn)象”到“過程”的知識建構(gòu)過程剖析、由“主體”到“情境”的學(xué)習(xí)場景多元分析、由“局部”到“整體”的認(rèn)知建構(gòu)整合分析，為智能教育環(huán)境下學(xué)習(xí)者模型的構(gòu)建，賦予全新的價值內(nèi)涵。

當(dāng)前，學(xué)習(xí)者模型構(gòu)建的相關(guān)研究仍處在起步階段，重點表現(xiàn)在：（1）對學(xué)習(xí)者特征理解的淺層性和片面性，無法從教學(xué)實踐開展的角度，對深層次的學(xué)習(xí)者特征進行挖掘分析；（2）知識圖譜、認(rèn)知診斷、情感計算、場景感知等前沿研究發(fā)展相對還比較緩慢，無法對學(xué)習(xí)者模型構(gòu)建與相關(guān)實踐研究的開展提供充足的技術(shù)支持；（3）智能化學(xué)習(xí)者模型的應(yīng)用場景相對模糊，無法對學(xué)習(xí)者特征選取和智能技術(shù)的應(yīng)用，提供更具體的導(dǎo)向和引領(lǐng)作用。

總之，學(xué)習(xí)者特征提取和學(xué)習(xí)者模型構(gòu)建，是學(xué)習(xí)分析領(lǐng)域相關(guān)研究開展的關(guān)鍵，對于智能教育的發(fā)展具有基礎(chǔ)和導(dǎo)向的作用。在后續(xù)的相關(guān)研究中，我們應(yīng)該從經(jīng)典教育理論的角度出發(fā)，強化對學(xué)習(xí)者內(nèi)部認(rèn)知發(fā)展機理的探索，重視人工智能技術(shù)在學(xué)習(xí)者認(rèn)知、情感、態(tài)度測評方面的潛在價值；強化數(shù)據(jù)科學(xué)理論在智能課堂教學(xué)生態(tài)治理中的關(guān)鍵作用，以個性化學(xué)習(xí)者模型為抓手，研究大數(shù)據(jù)技術(shù)在學(xué)習(xí)、教學(xué)、管理、評價、研究方面的應(yīng)用價值，為學(xué)習(xí)者特征選取進一步理清方向；重視學(xué)科知識圖譜、學(xué)習(xí)者情緒感知、教育場景計算等前沿研究的開展，強化智能技術(shù)與教學(xué)場景的深度融合，以助力于智能教育環(huán)境下課堂教學(xué)生態(tài)的重構(gòu)。