數(shù)字教育出版 自適應智能教學與評估系統(tǒng)研究

劉欣怡 徐麗芳

摘 要：智能教學與評估系統(tǒng)是教育技術的重要研究領域，綜合了教學心理學、計算機輔助教學、人工智能等多方面的理論和技術，通過分析個體差異，實現(xiàn)個性化最佳教學。本文以麥格勞-希爾教育集團的ALEKS系統(tǒng)為例，分析基于知識空間理論的知識表示和知識結構，研究智能教學與評估系統(tǒng)的基本結構、ALEKS系統(tǒng)的主要功能，并基于知識空間理論，重點分析其自適應測評功能的原理和應用。最后結合當前智能教學與評估系統(tǒng)的優(yōu)缺點，合理地分析其未來的發(fā)展趨勢。

全球教育和教育出版領域正在發(fā)生巨大的變革。全球市場洞察公司（Global Market Insights）的報告數(shù)據(jù)顯示，2018年全球在線教育（E-learning）市場規(guī)模約為1900億美元，預計2025年將超過3000億美元，年平均復合增長率為7%。[1]在中國，根據(jù)艾媒咨詢的預測，2020年在線教育用戶規(guī)模將達3.09億人，市場規(guī)模將達4538億元人民幣。[2]因應此一變局，全球領先的教育出版集團培生（Pearson）、麥格勞-希爾（McGraw-Hill Education）、霍頓·米弗林·哈考特（Houghton Mifflin Harcourt，以下簡稱HMH）等多年來一直積極進行數(shù)字化發(fā)展布局，以實現(xiàn)從教材、教輔出版商向數(shù)字化教育、教學解決方案提供商的轉型。[3]其產(chǎn)品和服務層面的數(shù)字化教學解決方案，往往涵蓋從數(shù)字教材、教輔、評估等數(shù)字化教育資源，到軟件應用（APP）、計算機系統(tǒng)、一站式教學平臺等多個層次。其中，智能化的自適應教學與評估系統(tǒng)可謂“兵家必爭之地”，如麥格勞-希爾的ALEKS、培生的MyLab & Mastering、HMH的Waggle，以及與培生、麥克米倫（Macmillan）、HMH等均有合作關系，并于2019年被威利（Wiley）收購的Knewton等都是其中有代表性的系統(tǒng)和平臺。從本質上來講，智能教學與評估系統(tǒng)屬于一種特殊的數(shù)字教育出版物，它是教育資源和服務的集成體。作為全球最大的教育出版商之一，麥格勞-希爾有著多年的教材教輔出版經(jīng)驗，面對出版產(chǎn)業(yè)數(shù)字化的挑戰(zhàn)，早在1999年它就開始與ALEKS合作并負責后者高教數(shù)學產(chǎn)品的分銷，幫助它建立起在高等教育領域的市場基礎。[4][5]此后，麥格勞-希爾集團不斷加大對數(shù)字教育產(chǎn)品和服務的投資力度。2013年，它成立“數(shù)字平臺組”（Digital Platform Group），負責集團數(shù)字教育產(chǎn)品和服務的開發(fā)和運營，打造自己的數(shù)字出版產(chǎn)業(yè)生態(tài);同年，它正式收購ALEKS公司。經(jīng)過多年努力，ALEKS的產(chǎn)品不斷完善，市場也逐步擴大，由高等教育延伸到K12教育領域，學科也拓展到了科學和商學。這無疑增強了麥格勞-希爾數(shù)字化平臺和數(shù)字教育出版的實力;同時，也肯定了它將智能教學系統(tǒng)研發(fā)和推廣作為數(shù)字化轉型的一個重點這一戰(zhàn)略的正確性。[6]目前，ALEKS是麥格勞-希爾最重要的數(shù)字學習產(chǎn)品/服務之一，主要涉及的課程為數(shù)學、商業(yè)（包括會計學、統(tǒng)計學等）和科學（包括化學、行為科學等），細分學科有100多種;業(yè)務領域涵蓋K12、高等教育、職業(yè)教育等。截至2018年底，其高等教育業(yè)務已擁有190萬用戶，K12業(yè)務擁有約260萬用戶，覆蓋美國、加拿大以及其他海外市場。[7]

一、系統(tǒng)構建的理論基礎

先進的智能教學與評估系統(tǒng)背后往往有強大的理論支撐，ALEKS系統(tǒng)的架構建立在知識空間理論的基礎之上。該理論是由Doignon和Falmagne教授提出的一種表示知識結構的，它認為學習者的知識狀態(tài)由他所能解答的問題的集合構成，通過跟蹤學習者學習路徑可以形成特定的知識空間，從而能準確地判斷學習者目前的知識水平和學習狀態(tài)。[8]

1.知識表示和知識結構

從廣義上講，知識表示（Knowledge Representation）就是對知識的符號化、形式化或模型化。在計算機科學領域，知識表示是把人類知識表示成機器能處理的數(shù)據(jù)結構和系統(tǒng)控制結構;[9]而知識建構（Knowledge Construction）則是對知識的進一步系統(tǒng)化、結構化組織，以此形成知識網(wǎng)絡。因此，從本質上看，知識空間理論就是建立在知識表示基礎上的一種知識建構模式。以ALEKS為例，智能教學與評估系統(tǒng)中知識是基于優(yōu)先關系（Precedence Relation）、內(nèi)緣（Inner Fringe）、外緣（Outer Fringe）[10]等基礎邏輯構建的。其中，優(yōu)先關系定義了系統(tǒng)中知識節(jié)點之間的先后關系。如圖1所示，a、b、c、d、e、f均為知識節(jié)點，其中a優(yōu)先于c，則表示知識c的掌握需要建立在掌握知識a的基礎上，無法越級。在ALEKS數(shù)學課程中，“整數(shù)加減”就是“整數(shù)乘除”的優(yōu)先條件，先掌握加減法才能進行乘除法的學習。所以在學習過程中，如果學習者無法正確掌握整數(shù)的乘除法，系統(tǒng)很可能認定他沒有完全掌握加減法運算，從而回溯到上一級的學習中;以此邏輯遍歷，直到學習者掌握所有知識點。

由于知識點之間的優(yōu)先關系，在知識結構中知識的遍歷存在著不同路徑，稱為學習路徑（Learning Paths）。它記錄學習者的學習軌跡。如圖1中的學習路徑可以分為圖2所示的6種，意味著學習者可能會以這6種方式完成整個知識的學習。智能教學與評估系統(tǒng)擁有龐大的知識體系，每個學習者不同的學習行為又會產(chǎn)生迥異的學習路徑，這便成為智能教學與評估系統(tǒng)個性化教學的基礎。

在知識節(jié)點遍歷規(guī)則下，每一種知識狀態(tài)（Knowledge State）都有至少一種直接后繼知識狀態(tài)（Immediate Successor State）;其中所謂知識狀態(tài)是指在知識節(jié)點無限的前提下，學習者當前掌握的所有知識的集合，除頂端最小知識狀態(tài)外。直接后繼知識狀態(tài)涵蓋原知識狀態(tài)所有的知識點，有且僅多了一個知識節(jié)點。比如知識狀態(tài){a，b，c}加上新的知識節(jié)點j5i0abt0b或者{e}，就形成新的知識狀態(tài){a，b，c，d}和{a，b，c，e}。這里我們稱{a，b，c，d}和{a，b，c，e}為{a，b，c}的后繼知識狀態(tài);j5i0abt0b和{e}是{a，b，c}的外緣（Outer Fringe），也就是下一步可能要學習的知識。圖3形象地展示了內(nèi)外緣的關系。

同理，每一種知識（除底端最大知識狀態(tài)外）都至少有一個直接前導知識狀態(tài)（Immediate Precursor State），即上一步已掌握的知識。例如{a，b}和{a，c}是{a，b，c}的前導知識狀態(tài);和{c}就是{a，b，c}的內(nèi)緣。

在ALEKS課程中，掌握了“同分母分數(shù)的運算”（實際上包括了眾多知識點）后，如果繼續(xù)學習“分數(shù)的通分”，則能夠掌握新的知識點“異分母分數(shù)的運算”。這里可以認為“異分母分數(shù)的運算”是“同分母分數(shù)的運算”的后繼知識狀態(tài)，“分數(shù)的通分”就是“同分母分數(shù)的運算”的外緣。

ALEKS智能教學與評估系統(tǒng)的知識空間，原理就是通過內(nèi)外緣的變化更新知識狀態(tài)：外緣用來指導學習者下一步的學習計劃;內(nèi)緣用來診斷糾錯，復習知識。

2.知識空間理論

基于知識節(jié)點的組織方式與結構特點，可用知識域（Knowledge Domain）來表示一系列知識的集合（用“X”表示）。它包含了學生所有能解答和不能解答的試題。例如在ALEKS的K12數(shù)學課“算術LV 3”的教程中，“整數(shù)位值”章節(jié)可以看作一個知識域X，它又可以分為6個細分知識點（如圖4），其中灰色部分（序號1、3、4）是學生所有能解決的知識點的集合，稱為“知識狀態(tài)”（用“k”表示），它是知識域的子集。因此，當學生所有問題都不能解決時，k就是一個空集;當學生能夠解決所有問題時，k就表示為全集X。在此基礎上，將（X，k）定義為知識結構（Knowledge Structure）。在不嚴格限定的情況下，也可以稱（X，k）為知識空間（Knowledge Space）或者空間（Space）。知識域、知識狀態(tài)和知識空間的關系表示如圖5。

如圖1所示的a、b、c、d、e、f六個知識節(jié)點。根據(jù)優(yōu)先關系定義，知識狀態(tài)并非知識節(jié)點的任意組合，比如{c，d}就不是知識狀態(tài)，因為它沒有包含c的前置知識節(jié)點a。所以，知識空間（X，k）共有16種不同的知識狀態(tài)：?、{a}、{a，c}、{a，c，d}、{a，c，d，f}、{a，c，e}、{a，c，e，f}、、{a，b}、{a，c，b}、{a，b，c，d}、{a，b，c，d，f}、{b，a，c，e，f}、{a，b，d，f}、{a，b，d}、X。其中，?表示學習者還未掌握該領域的任何知識;X表示學習者已經(jīng)掌握了該領域所有知識;其他14種知識狀態(tài)則反映了學習者當前不同的學習狀態(tài)、知識水平和學習路徑。

在智能教學與評估系統(tǒng)中，知識空間理論最有效的應用在于測試評估?；谠摾碚摰南到y(tǒng)評估最大的特點是，向學習者展示的是知識狀態(tài)而不僅僅是量化的評估結果。如現(xiàn)在有a、b、c、d、e、f六個基本知識點，在不考慮優(yōu)先關系的情況下構成了如圖6的16種知識狀態(tài)：最底端空白的橢圓表示沒有掌握任何知識;最頂端的橢圓表示已掌握所有知識;中間部分的橢圓代表知識狀態(tài);帶箭頭的線代表學習路徑。以紅色橢圓為例，它表示掌握了a、b、d三個知識點的知識狀態(tài){a，b，d};f和c是該學習者接下來可能要學習的知識點，{a，b，c，d}和{a，b，d，f}即為其接下來可能出現(xiàn)的知識狀態(tài)。

圖6? ALEKS知識狀態(tài)圖

在實際教學中，每個科目都有眾多基礎知識點，會形成數(shù)以億計的知識狀態(tài)和學習路徑。因此，學科的知識結構往往異常龐大;然而，借助基于知識空間理論的智能教學與評估系統(tǒng)，就能夠實現(xiàn)精準高效的學習診斷與評估。

二、系統(tǒng)的結構與功能

目前絕大多數(shù)關于智能教學與評估系統(tǒng)的研究和開發(fā)都圍繞Hartley & Sleeman（1973）提出的智能教學系統(tǒng)結構框架展開。以該框架結構為基礎，ALEKS開發(fā)了一系列具有用戶友好性的功能。其中，建立在知識空間理論基礎上的自適應測評和評估功能是系統(tǒng)的核心。

1.系統(tǒng)結構

典型的智能教學系統(tǒng)包括三方面知識：一是領域知識，主要解決教學內(nèi)容問題，包含系統(tǒng)需要教授給學生的內(nèi)容;二是學習者知識，主要解決教學對象的問題，揭示學習者已知和未知的問題以及學習者的認知特征、知識水平;三是教學策略知識，主要解決教學策略問題，通過數(shù)據(jù)分析等功能為機器導師提供教學建議。[11][12]這三方面知識加上相關功能，共同構成智能教學系統(tǒng)的三大模型，即專家模型、學生模型和導師模型;這三大模型又共同構成智能教學系統(tǒng)的基本框架結構（關系如圖7所示）。

專家模型（Expert Model）是系統(tǒng)的基礎。其中的領域知識庫存儲著完整的知識體系和詳細的解答策略;專家模型還為導師模型提供強大的數(shù)據(jù)支撐，是導師模型教學策略的基礎。學生模型（Student Model）是系統(tǒng)的核心。它儲存著學習者知識，通過學習者的人機交互行為分析其知識水平、知識結構和學習狀態(tài)，幫助導師模型制定個性化的、科學的學習策略，并完善專家模型的領域知識庫。導師模型（Tutor Model）包括教學策略知識，它通過分析學生模型，為學習者提供下一步的學習建議。

三大基礎模型為智能教學系統(tǒng)提供了基本的結構框架。由于系統(tǒng)的差異性，不同的系統(tǒng)對這三大模型的架構方式可能有所不同，同時也會根據(jù)需求增加新的模型。ALEKS建立了“學生人機接口”和“導師人機接口”兩種人機交互模型。這種安排，一方面可以提升溝通效率;另一方面，也為學生和導師間接溝通留下了通路。例如當學生遇到問題時，不僅可以在系統(tǒng)的“字典”板塊中尋找解答方案，還可以通過“消息中心”向導師留言求助。

2.系統(tǒng)功能

根據(jù)不同使用者的需求，ALEKS系統(tǒng)分為兩大板塊：導師/管理員板塊和學生板塊，各板塊的主要功能如圖9。

導師/管理員角色的使用對象包括教師、家長、行政管理人員等，他們在ALEKS中充當著管理者的角色，對學生進行統(tǒng)一管理和有針對性的指導。首先，導師/管理員可以創(chuàng)建班級，在后臺管理學生和班級數(shù)據(jù)庫，監(jiān)督學習進度。和其他教學管理系統(tǒng)一樣，導師/管理員可以通過ALEKS統(tǒng)一地發(fā)布作業(yè)和測試。此外，因為每個學生的知識狀態(tài)存在差異，ALEKS也支持針對性的指導功能，導師/管理員可以根據(jù)不同學生的情況，自定義學習的內(nèi)容和形式，實現(xiàn)了個性化和統(tǒng)一化的有效結合。當學生完成作業(yè)和測試后，ALEKS會自動生成一系列評估報告（圖10展示了部分評估報告），從不同的評估維度細致地剖析每個學生以及整個班級的學習情況，并科學地指導導師/管理員安排學習計劃。

學生板塊是ALEKS的核心。學生能夠自主地或者在導師的安排下進行自適應學習（如圖11）。ALEKS基于學生當前的知識掌握情況更新其知識狀態(tài)圖，并自動規(guī)劃接下來的學習;當完成該階段的學習后，系統(tǒng)會安排測試。此外，學生或者導師也可以根據(jù)需要自主地進行測試;ALEKS會根據(jù)測試結果自動生成可視化評估報告，并根據(jù)當前的知識狀態(tài)合理地幫學生規(guī)劃接下來的學習進度。當學生遇到問題時，既可以根據(jù)ALEKS的自適應指導自主學習，也能夠通過系統(tǒng)向導師咨詢。

3.自適應測評功能及其原理

學生板塊的核心是自適應測試和評估功能，它是建立在知識空間理論上的重要實踐，是整個ALEKS系統(tǒng)的核心功能。自適應性即系統(tǒng)能夠通過與用戶的實時交互，捕捉個體在學習過程中的差異性，為其提供針對性的學習支持。[13][14]ALEKS是測試導向型的智能教學與評估系統(tǒng)：系統(tǒng)并不直接教授知識點，而是通過測試循序漸進地引導學生利用已掌握的知識進行解答，從而強化學習效果。所以，ALEKS的自適應性主要體現(xiàn)在其測試和評估功能上。具體來說，測試是為了了解受測者的知識結構和學習狀態(tài)而對其進行的專業(yè)性測度;評估則是建立在測試結果基礎上的分析與展示。以下筆者將把測試與評估作為一個具有連續(xù)性和整體性的過程來描述。[15]

學生在最初使用ALEKS時會進行一次知識狀態(tài)測評，以創(chuàng)建其最基本的知識狀態(tài)。一般來說，系統(tǒng)會提出20～30個問題，根據(jù)學習者的作答情況構建知識狀態(tài)（如圖12）。在學習之初，每一個知識狀態(tài)的初始可能性都相同，我們用漸變的顏色來表示可能性的大?。侯伾綔\，可能性越大。假設第一個知識點為a，且學習者回答正確;那么，ALEKS接下來會增加包含a的知識狀態(tài)的可能性，降低不含a的知識狀態(tài)的可能性，結果如圖13（a）所示。為了進一步理解該過程，這里給出一個數(shù)學實例：假設a代表“整數(shù)加減法”，當學生掌握了該知識點后，ALEKS可能會安排學習“整數(shù)乘除法”“整數(shù)交換律”等知識點，因為這些知識點是“整數(shù)加減法”的進一步應用。同理，ALEKS不會直接安排學習“分數(shù)約分”等知識點，因為學生這時可能還沒有掌握“分數(shù)基礎”。

假設下一個知識點是f且學習者回答錯誤，那么ALEKS會降低含f的知識狀態(tài)的可能性，增加不含f的知識狀態(tài)的可能性，結果如圖13（b）所示。假如f代表“乘法分配律”，在學生已掌握“整數(shù)加減法（即a）”的基礎上，ALEKS接下來很可能安排復習“整數(shù)乘除法”和“括號運算”，因為學生可能還沒有掌握這兩個知識點。

最后，圖13（c）展示的是變化后的知識狀態(tài)圖，其中只有一種知識狀態(tài)的可能性最高（被圈出的淺黃色圓點）——這個包含了a、b、g、h、i的知識狀態(tài)就是該學習者目前的知識狀態(tài)。在ALEKS的實際操作中，有大量的學科知識點以及它們之間的復雜關系，因此學習者的當前知識狀態(tài)非常龐雜。

除了初始測評，ALEKS還有知識點測評和階段性測評，其原理相同。因為系統(tǒng)采用的是 “提問-回答”的教學模式，問題都是知識點的具體化，因此可以把學習者每次的回答看作一次基于知識點的測試;而測評結果也是通過知識狀態(tài)呈現(xiàn)的。學習者在整個學習過程中會接受階段性測評，系統(tǒng)會基于學習者的知識狀態(tài)提出25個問題，以此檢查學習者的知識掌握情況，更新其知識狀態(tài)。

ALEKS不同階段的測評都是基于知識狀態(tài)的。不同于傳統(tǒng)智能教學系統(tǒng)通常采用量化指標來展現(xiàn)測評結果（比如分數(shù)和等級），基于知識狀態(tài)的可視化測評結果能夠最大可能地展現(xiàn)學習者的知識掌握情況。這不僅便于系統(tǒng)科學的教學決策，也便于學習者了解自己的學習進度，增強學習信心。

三、小結與展望

基于知識空間理論的智能教學與評估系統(tǒng)目前被廣泛運用于教學與培訓領域，大大提升了學習者主體的學習體驗，提高了教學效果，也減輕了教師和家長的負擔。但系統(tǒng)的評估機制仍不夠完善，尤其對于復雜問題及分布式解答等解決問題的方法，系統(tǒng)較難厘清知識點。此外，人文社會科學科目的知識表示存在很大問題，導致系統(tǒng)在該領域的應用不太理想。另一方面，目前智能教學與評估系統(tǒng)在功能性和用戶體驗方面仍有待提升。因此筆者認為，未來的智能教學與評估系統(tǒng)會從知識建構、功能和使用體驗三大方面實現(xiàn)突破。

在知識建構方面，未來智能教學與評估系統(tǒng)會側重于解決知識的非良構問題[18]（又稱劣構問題Ill-Structured Problems）。比如文學、管理學、法學等學科的知識表示和建構，因其所包含的很多知識相較而言缺乏明確界定，很多學科問題沒有唯一的、最佳的解決方案。為此，系統(tǒng)首先需要解決非良構性問題的知識表示，找到合適的計算模型、檢索邏輯和學習路徑等，把非良構性問題轉化為計算機可識別的問題。

隨著在線教育市場的擴張，為了滿足用戶日益增長的需求，智能教學與評估系統(tǒng)會進一步優(yōu)化功能。比如建立協(xié)作學習和學習監(jiān)督等機制;增加師生互動方式，提高溝通效率;進一步優(yōu)化自適應測評和反饋功能，從而提升人類導師的自主性，增強學生以及師生的互動。

在學習體驗方面，系統(tǒng)可以利用虛擬現(xiàn)實（Virtual Reality，VR）和增強現(xiàn)實（Augment Reality，AR）技術模擬現(xiàn)實課堂，打造沉浸式學習環(huán)境，讓學習者全身心投入到學習中。還可以納入游戲化（Gamification）設計思想——基于知識空間理論的智能教學與評估系統(tǒng)在知識構建方面與游戲的支線敘事有著極大的相似性;將嚴肅游戲引入該系統(tǒng)，將能夠有效地培養(yǎng)學習興趣，提高學習效果。

參考文獻：

[1]Preeti Wadhwani， Saloni Gankar.E-Learning Market Size By Technology，By Provider，By Application， Industry Analysis Report， Regional Outlook，Growth Potential，Competitive Market Share & Forecast，2019-2025[R/OL].[2020-04-19].https：//www.gminsights.com/industry-analysis/elearning-market-size.

[2]艾媒未來教育產(chǎn)業(yè)研究中心.2019-2020年中國在線教育行業(yè)發(fā)展研究報告[R/OL].[2020-03-07].https：//www.iimedia.cn/c400/68955.html.

[3]徐麗芳，王心雨，張慧.國外教育出版數(shù)字化發(fā)展對我國的啟示——以培生集團為例[J].出版廣角，2019（1）：11-15+32.

[4]ESchool News.Web-based math tutor from McGraw-Hill[EB/OL].[2020-04-22].https：//www.eschoolnews.com/2001/06/01/web-based-math-tutor-from-mcgraw-hill/.

[5]Autm.ALEKS Tutors Students In Learning To Succeed[EB/OL].[2020-04-22].https：//autm.net/cmswebparts/custom/bwp/generatePDF.aspx？story=%2FAbout-Tech-Transfer%2FBetter-World-Project%2FBWP-Stories%2FALEKS.

[6]McGraw-Hill Education.McGraw-Hill Education Agrees to Acquire ALEKS Corporation，Developer of Adaptive Learning Technology for K-12 and Higher Education[EB/OL].[2020-03-09].https：//www.prnewswire.com/news/mcgraw__hill-education.

[7]McGraw-Hill education.2018 Final Annual Report[R].New York City：McGraw-Hill education， 2018.

[8]Shute，V.J.& Psotka，J.Intelligent tutoring systems：Past，present，and future[D].Defense Technical Information Center，1994.

[9]Pentland P.Fractal-based description of natural scenes[J].IEEE Transactions on Pattern analysis and Machine Intelligence，1984（6）：661-674.

[10]Jean-Claude Falmagne，Jean-Paul Doignon， Nicolas Thi?ery，Eric Cosyn.The Assessment of Knowledge，in Theory and in Practice[EB/OL].[2020-03-07].https：//www.aleks.com/about_aleks/Science_Behind_ALEKS.pdf.

[11]許高攀，曾文華，黃翠蘭.智能教學系統(tǒng)研究綜述[J].計算機應用研究，2009，26（11）：4019-4022、4030.

[12]趙建華.智能教學系統(tǒng)概述[J].中國電化教育， 2007（7）：5-12.

[13]Pearson.Decoding Adaptive[R].London： Pearson，2016.

[14]徐麗芳，王瑩超.Newsela：探索自適應學習之路[J].出版參考，2017（5）：19-22.

[15]廖軼.面向基礎教育的自適應學習服務系統(tǒng)研究與應用[D].北京：北京交通大學，2017.

[16]ALEKS.WHAT MAKES ALEKS UNIQUE[EB/OL].[2020-03-08].https：//www.aleks.com/about_aleks/tour_ai_pinpoint.

[17]陳仕品，張劍平.智能教學系統(tǒng)的研究熱點與發(fā)展趨勢[J].電化教育研究，2007（10）：41-46、50.

[18]Preeti Wadhwani，Saloni Gankar.E-Learning Market Size By Technology，Provider，Application， Industry Analysis Report，Regional Outlook，Growth Potential，Competitive Market Share & Forecast， 2019-2025[R/OL].[2020-03-08].https：//www.gminsights.com/segmentation/detail/elearning-market-size.

（作者單位系武漢大學信息管理學院出版科學系，武漢大學數(shù)字出版研究所）