智能教材研究綜述

江 波杜 影顧美俊

（1. 華東師范大學(xué)教育學(xué)部 教育技術(shù)學(xué)系 上海數(shù)字化教育裝備工程技術(shù)研究中心，上海 200062；2. 義烏市稠州中學(xué)教育集團，浙江金華 322000）

教材作為國家意志、文化傳統(tǒng)和學(xué)科發(fā)展水平的集中體現(xiàn)（左群英等，2021），在教育教學(xué)乃至個人成長過程中發(fā)揮著重要作用。傳統(tǒng)紙質(zhì)教材無法承載數(shù)字化教學(xué)所需的資源和功能，難以實現(xiàn)教學(xué)過程的有效閉環(huán)。近年來，教育和出版領(lǐng)域非常關(guān)注數(shù)字教材建設(shè)，以解決教育信息化的“最后一公里”問題。當(dāng)前數(shù)字教材主要提供結(jié)構(gòu)化呈現(xiàn)、多媒體交互、筆記、作業(yè)和管理等功能（陳桄等，2012），沒能充分采集、挖掘和利用教材使用過程中產(chǎn)生的細(xì)粒度數(shù)據(jù)，尚未真正實現(xiàn)智能化和個性化教學(xué)。教材是學(xué)習(xí)的起點和中心，是最重要的學(xué)習(xí)資源，如果能實現(xiàn)教材智能化，將會從起點助力個性化學(xué)習(xí)。這就亟需促進數(shù)字教材的智能化轉(zhuǎn)型，發(fā)展智能教材（intelligent textbooks）。

國外智能教材研究起步較早，涌現(xiàn)出一批各具特色的智能教材開發(fā)平臺，取得豐富的理論和實踐成果。國內(nèi)智能教材研究尚處于起步階段，如張家軍等（2021）提出智慧化教材的理念，探究智慧化教材的價值邏輯及實現(xiàn)路徑；張治等（2021）闡述了智能型數(shù)字教材系統(tǒng)的核心理念和實現(xiàn)技術(shù)。鮮有研究對智能教材的概念界定、發(fā)展脈絡(luò)、關(guān)鍵技術(shù)和應(yīng)用評估等做出系統(tǒng)綜述。2019 年6 月，第20屆國際人工智能教育大會專門舉辦第一屆智能教材工作坊，將智能教材確定為新的跨學(xué)科研究領(lǐng)域（AIED, 2019）。本研究結(jié)合國內(nèi)外最新研究進展，嘗試分析智能教材的概念和特征、發(fā)展階段、典型開發(fā)平臺和應(yīng)用實踐、關(guān)鍵技術(shù)，為國內(nèi)智能教材的設(shè)計研發(fā)、推廣應(yīng)用提供借鑒。

一、定義與發(fā)展歷程

（一）概念簡析

教材主要指以教科書為核心的所有教學(xué)材料，包括教輔、教參、教具、學(xué)具等。從發(fā)行主體看，教科書通常由教育主管部門統(tǒng)一發(fā)行，而教材可以由教研員和教師自行編制（胡畔等，2014）。智能教材是提供智能學(xué)習(xí)服務(wù)的數(shù)字教材，與之相關(guān)的概念包括數(shù)字教材、電子書包和智能導(dǎo)學(xué)系統(tǒng)。厘清智能教材與上述三者的區(qū)別與聯(lián)系，有助于理解和研究智能教材。

1. 智能教材與數(shù)字教材

基于實踐角度，陳桄等（2012）認(rèn)為數(shù)字教材是“一種符合教育教學(xué)規(guī)律的教學(xué)資源包，其內(nèi)容主體應(yīng)包含課文、注釋、插圖（靜態(tài)和動態(tài)）、實驗、習(xí)題等，并在此基礎(chǔ)上整合多種輔助學(xué)習(xí)工具（如字典、計算器、筆記本、參考書）和一些多媒體學(xué)習(xí)材料”。莊科君等（2012）認(rèn)為數(shù)字教材不再是紙質(zhì)教材的簡單數(shù)字化，而是融入教學(xué)過程的多媒體材料，具有知識表達多媒體性、實時交互性和動態(tài)更新性的特征。智能教材是智能化的數(shù)字教材，是對數(shù)字教材功能的升級和轉(zhuǎn)型，為學(xué)生提供教材的智能學(xué)習(xí)服務(wù)。

2. 智能教材與電子書包

根據(jù)國家標(biāo)準(zhǔn)，電子書包是“一種整合了學(xué)習(xí)內(nèi)容、學(xué)習(xí)終端、虛擬學(xué)具和學(xué)習(xí)服務(wù)的數(shù)字化教學(xué)或?qū)W習(xí)系統(tǒng)，為電子課本和其他數(shù)字化學(xué)習(xí)內(nèi)容提供軟件和硬件應(yīng)用環(huán)境”（全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會，2019），包括個人作業(yè)練習(xí)、閱讀、筆記、注釋、測試等學(xué)習(xí)服務(wù)（馬曉玲等，2014）。可見，電子書包是一個軟硬件結(jié)合的服務(wù)整個學(xué)習(xí)過程的數(shù)字化學(xué)習(xí)系統(tǒng)。智能教材是為學(xué)生提供學(xué)習(xí)評價和學(xué)習(xí)規(guī)劃等智能學(xué)習(xí)服務(wù)的智能化學(xué)習(xí)系統(tǒng)。智能教材和電子書包本質(zhì)上都是學(xué)習(xí)系統(tǒng)，都是通過技術(shù)手段優(yōu)化和重組知識、資源與工具。智能教材未來可能是電子書包的核心模塊，也可能取代電子書包，輔助學(xué)生開展智慧學(xué)習(xí)。

3. 智能教材與智能導(dǎo)學(xué)系統(tǒng)

智能教材本質(zhì)上是以教材為核心的智能導(dǎo)學(xué)系統(tǒng)（intelligent tutoring system，ITS） （Chau et al.,2021）。智能導(dǎo)學(xué)系統(tǒng)基于學(xué)生學(xué)習(xí)過程數(shù)據(jù)，利用人工智能算法，即時干預(yù)和調(diào)節(jié)學(xué)生學(xué)習(xí)。但教材是學(xué)生學(xué)習(xí)的核心工具和主要知識來源，教材的使用貫穿整個學(xué)習(xí)過程。智能教材結(jié)合以智能導(dǎo)學(xué)技術(shù)為主的人工智能技術(shù)，除采集教材中習(xí)題和測試產(chǎn)生的結(jié)果數(shù)據(jù)，還可以智能挖掘和分析由閱讀、筆記、實驗等產(chǎn)生的交互數(shù)據(jù)和內(nèi)容數(shù)據(jù)，判斷學(xué)生的知識掌握水平，及時提供學(xué)習(xí)評價和學(xué)習(xí)規(guī)劃。

（二）智能教材的定義

關(guān)于智能教材，目前尚未形成統(tǒng)一的定義。國內(nèi)部分學(xué)者嘗試從不同角度定義智慧化教材、智能型數(shù)字教材系統(tǒng)等概念。例如，張家軍等（2021）認(rèn)為智慧化教材是“以智能技術(shù)為支撐，促進學(xué)生個性發(fā)展的教材”。張治等（2021）認(rèn)為智能型數(shù)字教材系統(tǒng)是“以數(shù)字教材和智能學(xué)習(xí)平臺為支撐，以提升教學(xué)效率和個性化為目的，集成智能終端、數(shù)字化資源、教與學(xué)工具、學(xué)習(xí)社群、學(xué)習(xí)路徑規(guī)劃、教學(xué)策略實現(xiàn)等的組合系統(tǒng)”。其它的還有，智能教材是類似iPad、電腦、移動設(shè)備的知識探索工具（楊宗凱，2017），與云計算、無線技術(shù)等結(jié)合的智能終端（桑新民等，2012），以及協(xié)助師生開展智慧教學(xué)、智慧學(xué)習(xí)活動的智慧工具（朱景達等，2018）。國外雖較早開展智能教材研究，但仍沒有明確界定智能教材的內(nèi)涵。有研究者（Wang et al., 2020）將智能教材概括為以電子格式呈現(xiàn)內(nèi)容，集成人工智能可操縱的知識擴展常規(guī)教材，增強教材功能的自適應(yīng)學(xué)習(xí)系統(tǒng)。還有研究者（Ritter et al., 2019）認(rèn)為，與其把智能教材當(dāng)成一本書，不如把它看作活動庫，以及向?qū)W生提供學(xué)習(xí)活動的智能推薦系統(tǒng)。本研究認(rèn)為，智能教材是以深度交互、學(xué)習(xí)畫像和自適應(yīng)為主要特征，為學(xué)生提供個性化學(xué)習(xí)、評價和規(guī)劃等服務(wù)的智能化數(shù)字教材。

（三）智能教材發(fā)展歷程

基于技術(shù)視角，智能教材的發(fā)展先后經(jīng)歷了以智能鏈接為特征的初級階段、以人機交互為特征的中級階段和以自適應(yīng)為特征的高級階段。

1. 初級階段：智能鏈接

20 世紀(jì)90 年代，第一部數(shù)字教材誕生于美國佛羅里達大學(xué)（William, 2011）。1996 年，美國卡內(nèi)基梅隆大學(xué)開發(fā)了基于萬維網(wǎng)創(chuàng)作和提供電子教材的工具——互書（Interbook）（Brusilovsky et al.,1998），開啟了教材智能化進程。隨著萬維網(wǎng)和超媒體技術(shù)的發(fā)展，在使用超文本和Web 系統(tǒng)開發(fā)電子教材的過程中，作為基于維基百科的協(xié)作式電子教材創(chuàng)作平臺，維基百科全書（Wikibooks）使用人工智能技術(shù)自動創(chuàng)建教材概念與維基百科的智能 鏈 接（Bareiss ＆ Osgood, 1993；O’Shea et al.,2011）。

2. 中級階段：人機交互

隨著機器學(xué)習(xí)、人機交互與可視化技術(shù)的發(fā)展，智能教材的交互性逐漸增強，重點體現(xiàn)在開展交互式學(xué)習(xí)活動、智能問答和即時反饋的練習(xí)測試。計算機科學(xué)圈（Computer Science Circles）（Pritchard ＆ Vasiga, 2013） 、 符 石（ Runestone）（Ericson ＆ Miller, 2020）、交互式計算機科學(xué)及STEM 課程（zyBooks） （Liberatore ＆ Chapman, 2019）以及開放式數(shù)據(jù)結(jié)構(gòu)和算法教程（OpenDSA）（Shaffer et al., 2011）等面向計算機學(xué)科的智能教材是這一階段的典型代表。同時，編程語言類課程本身就基于計算機，智能教材的出現(xiàn)可以實現(xiàn)“做中學(xué)”，無需切換特定的集成開發(fā)環(huán)境。早在2013 年，國際計算機科學(xué)學(xué)會便預(yù)測，計算機學(xué)科的紙質(zhì)教材將被交互式教材所取代（Ericson, 2019）。例如，符石以富文本形式呈現(xiàn)編程知識，嵌入交互式練習(xí)、測試和智能化編程開發(fā)環(huán)境（Ericson ＆Miller, 2020）。該環(huán)境不僅可以編譯程序，還能可視化變量的動態(tài)變化過程。為推廣計算機學(xué)科的智能教材，開放式數(shù)據(jù)結(jié)構(gòu)和算法教程制作了大量開源的交互式動畫編程及練習(xí)，創(chuàng)新教材的組織和表現(xiàn)形式（Mohammed et al., 2019）。在其他學(xué)科領(lǐng)域，斯坦福大學(xué)研發(fā)的“探究生物學(xué)”（Inquire Biology）結(jié)合知識表示、問答技術(shù)、自然語言生成技術(shù)，能夠識別學(xué)生的高亮內(nèi)容，自動生成與之相關(guān)的問題，促進學(xué)生深度思考（Chaudhri et al., 2013）。

3. 高級階段：自適應(yīng)

“定制以學(xué)生為中心的個性化課程”是美國電子教材開發(fā)的核心理念（孔令帥等，2020）。20世紀(jì)90 年代，布魯斯洛夫斯基等（Brusilovsky et al.,1996）開發(fā)出最早的基于網(wǎng)絡(luò)的智能導(dǎo)學(xué)系統(tǒng)——ELM-ART（后被認(rèn)為是一種智能交互綜合教材），利用學(xué)習(xí)測評數(shù)據(jù)推測學(xué)生的知識狀態(tài)，這是學(xué)生畫像技術(shù)在智能教材領(lǐng)域的初步應(yīng)用。后來，自適應(yīng)組件學(xué)生模型、領(lǐng)域模型、教學(xué)模型等技術(shù)的加入，強化了智能教材的自適應(yīng)性，可實現(xiàn)學(xué)習(xí)資源的智能推薦和學(xué)習(xí)路徑的智能規(guī)劃。這一階段，眾多典型的自適應(yīng)教材創(chuàng)作平臺涌現(xiàn)，如彈性書（FlexBook）（Batterson ＆ Nugent., 2010）、智能書（SmartBook） （Mcgraw-Hill, 2017）、教材自動創(chuàng)建框架（BBookX） （Pursel et al., 2019）和愛閱讀（iRead）（Deligiannis et al., 2019）。2013 年，智能書推出世界上第一本自適應(yīng)教材，為學(xué)生推薦合適的學(xué)習(xí)路徑，支持學(xué)習(xí)資源定制（Mcgraw-Hill, 2017）。2020年，移動概念教科書系統(tǒng)（Mobile Fact and Concept Textbook System，MoFaCTS）針對解剖生理學(xué)課程，自動創(chuàng)建完形填空輔助學(xué)生學(xué)習(xí)，以對話系統(tǒng)的形式自動反饋學(xué)生的提問，糾正學(xué)生概念性知識的錯誤（Pavlik et al., 2020）。現(xiàn)階段，智能教材研究集中于開發(fā)與完善教材的自適應(yīng)特征。融合自適應(yīng)學(xué)習(xí)技術(shù)的智能教材已成為數(shù)字教材的發(fā)展趨勢。

（四）典型創(chuàng)作平臺

近年來，商業(yè)組織、非營利組織和高校開發(fā)了許多代表性的智能教材創(chuàng)作平臺。本研究以時間為序進行梳理（見表一）。國外代表性智能教材平臺主要針對計算機編程、數(shù)學(xué)、科學(xué)、外語和閱讀學(xué)科，各平臺普遍以領(lǐng)域知識庫和構(gòu)建學(xué)生模型為起點，提供認(rèn)知診斷、動態(tài)評估、個性化學(xué)習(xí)策略推薦以及學(xué)習(xí)路徑規(guī)劃等智能學(xué)習(xí)服務(wù)。

二、智能教材的自適應(yīng)模型

智能教材的本質(zhì)是智能導(dǎo)學(xué)系統(tǒng)，能夠適應(yīng)學(xué)生的知識、行為和心理等多維度特征（Boulanger ＆Kumar, 2019）。典型的智能導(dǎo)學(xué)系統(tǒng)包含領(lǐng)域模型、學(xué)生模型、教學(xué)模型和自適應(yīng)引擎四個核心組件（Pelánek, 2017）。

（一）領(lǐng)域模型

智能教材領(lǐng)域模型主要由知識、技能、問題及其結(jié)構(gòu)關(guān)系（先決關(guān)系、映射關(guān)系、層次關(guān)系等）組成，是教材的本體內(nèi)容。作為課程教學(xué)、知識評估、干預(yù)優(yōu)化的基礎(chǔ)，領(lǐng)域模型的設(shè)計至關(guān)重要。智能教材的領(lǐng)域模型既要符合課程標(biāo)準(zhǔn)，還要符合學(xué)習(xí)資源推送的粒度要求（Sottilare et al., 2016）。

表一 智能教材創(chuàng)作平臺

早期智能教材原型由學(xué)科領(lǐng)域?qū)＜翌A(yù)設(shè)知識點間的結(jié)構(gòu)關(guān)系，建立可視化的概念圖和語義網(wǎng)絡(luò)（Eppler ＆ Burkhard, 2004），使用自適應(yīng)導(dǎo)航技術(shù)提供知識點間的導(dǎo)航鏈接。但這種方法的可拓展性較弱，難以適用大規(guī)模網(wǎng)絡(luò)教育環(huán)境對領(lǐng)域知識的開放式需求。目前，智能教材的領(lǐng)域建模研究開始關(guān)注領(lǐng)域知識的自動表征和組織。采用的方法之一是完全基于教材內(nèi)容本身，如目錄、知識點和文本內(nèi)容，進行關(guān)系提取。常用的有基于文本詞袋（bag-of-words）的方法、基于章節(jié)標(biāo)題的方法和基于潛在語義的方法?；谠~袋的教材文本內(nèi)容相關(guān)性自動提取方法，通過計算文本中關(guān)鍵詞出現(xiàn)的頻次比較學(xué)習(xí)內(nèi)容間的相似性（Huang et al., 2016），其局限在于無法表征和組織知識點間的語義關(guān)系。粗粒度的基于章節(jié)標(biāo)題的方法和細(xì)粒度的基于潛在語義的方法能夠解決知識的自動表征問題。基于章節(jié)標(biāo)題的方法將教材的章、節(jié)、塊標(biāo)題直接作為知識點，但不支持深度知識的遷移，因為每篇文檔只映射到對應(yīng)章節(jié)?；跐撛谡Z義的方法使用隱含狄利克雷分布（latent dirichlet allocation，LDA）的主題建模（Blei et al., 2003）。LDA 是完全無監(jiān)督的機器學(xué)習(xí)算法，依據(jù)一組潛在的主題開展聚類，支持教材知識點語義關(guān)系的表示和組織（Guerra et al., 2013）。相比于基于章節(jié)標(biāo)題的方法，基于潛在語義的方法支持深度知識遷移，即通過建立潛在語義關(guān)系，不同文檔的相同知識點能夠產(chǎn)生關(guān)聯(lián)，兩個或者多個學(xué)習(xí)活動（問題、測試、練習(xí)等）與一個知識點（文檔、頁面）相聯(lián)系。另一類方法是利用知識圖譜技術(shù)構(gòu)建領(lǐng)域知識、技能和問題間的對應(yīng)關(guān)系，形成開放資源庫，表征領(lǐng)域內(nèi)容的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系。知識圖譜本質(zhì)為知識語義網(wǎng)絡(luò)，由實體、關(guān)系和知識構(gòu)成。它結(jié)合學(xué)生模型，在多維語義關(guān)聯(lián)、知識導(dǎo)航、學(xué)習(xí)路徑推薦方面發(fā)揮重要作用（鐘卓等，2020）。例如，泰等（Tay et al., 2018）使用知識圖譜技術(shù)構(gòu)建了數(shù)字教材知識點之間的連接和層次關(guān)系，實現(xiàn)了知識信息的智能檢索。拉赫達里等（Rahdari et al., 2020）借助知識圖譜連接維基百科資源、學(xué)生學(xué)習(xí)數(shù)據(jù)以及教材中的基本概念、問題、章節(jié)和模塊。李等（Li et al., 2019）提取了電路數(shù)字教材中的知識結(jié)構(gòu)關(guān)系，實現(xiàn)知識導(dǎo)航。

當(dāng)前，已有一些智能教材支持知識點之間、知識點與題目之間自動創(chuàng)建先決關(guān)系，允許查找每個知識點（題目）的前序和后序知識點（題目）。例如，互書（Interbook）使用先決關(guān)系提取等技術(shù)創(chuàng)建并注釋領(lǐng)域概念，將靜態(tài)數(shù)字教材轉(zhuǎn)變?yōu)樽赃m應(yīng)教材（Brusilovsky et al., 1998）?；フZ（Interlingua）為不同語言學(xué)生提供基于母語的學(xué)習(xí)材料，并自動識別教材的內(nèi)部術(shù)語，通過生成鏈接的方式組織教材知識結(jié)構(gòu)（Alpizar-Chacon ＆ Sosnovsky, 2019）。類似自動創(chuàng)建領(lǐng)域知識之間結(jié)構(gòu)關(guān)系的研究還有不少，如拉布托夫等（Labutov et al., 2017）使用半監(jiān)督算法自動識別數(shù)字教材中具有先決關(guān)系的知識點，帕薩拉夸等（Passalacqua et al., 2019）將可視化網(wǎng)絡(luò)圖用于數(shù)字教材先決關(guān)系的分析。此外，某些智能教材開發(fā)平臺支持創(chuàng)建有梯度的領(lǐng)域知識點，為每個知識點提供豐富的媒體形式，交互式計算機科學(xué)及STEM 課程能夠基于教材領(lǐng)域內(nèi)容自動生成有梯度的學(xué)習(xí)問題，并針對問題提供交互式動畫演示教材中的概念、公式（Liberatore, 2017）。

（二）學(xué)生模型

學(xué)生模型是對學(xué)生學(xué)習(xí)過程和結(jié)果的評估和推斷，包含依賴于領(lǐng)域模型或獨立于領(lǐng)域模型的學(xué)生信息（Shute ＆ Towle, 2003）。前者對應(yīng)學(xué)生的知識狀態(tài)，包括學(xué)生對知識點、規(guī)則和技能的掌握狀態(tài)；后者對應(yīng)學(xué)生的認(rèn)知狀態(tài)，包括認(rèn)知能力、工作記憶容量、學(xué)習(xí)風(fēng)格等個性化認(rèn)知特征（Normadhi et al., 2019）。

1. 知識狀態(tài)模型

學(xué)生知識狀態(tài)指學(xué)生學(xué)習(xí)過程中形成的領(lǐng)域知識或技能水平。需指出的是，學(xué)生學(xué)習(xí)過程中的知識掌握是動態(tài)的，不能使用教育測量的認(rèn)知診斷方法進行建模。知識追蹤使用機器學(xué)習(xí)技術(shù)，基于學(xué)生問題解決和問答數(shù)據(jù)推斷學(xué)生的知識狀態(tài)（張暖等，2021）。黃等（Huang et al., 2016）基于隱馬爾可夫模型，以學(xué)生數(shù)字教材的閱讀時間為觀測變量，以是否已經(jīng)學(xué)習(xí)某個知識點為隱藏變量，對知識狀態(tài)模型進行訓(xùn)練、預(yù)測和更新。為了排除學(xué)生注意力和動機的主觀影響，該模型有嚴(yán)格的假設(shè)：學(xué)生閱讀教材的速度和知識狀態(tài)掌握程度正相關(guān)。但此假設(shè)在某些條件下并不成立。塔克爾等（Thaker et al., 2018）在閱讀圈（Reading Circle）應(yīng)用能融合任意學(xué)習(xí)者特征的知識追蹤技術(shù)，解決閱讀行為數(shù)據(jù)存在噪音、個體閱讀能力和動機差異對結(jié)果干擾等問題。網(wǎng)際書（CyberBook）應(yīng)用知識追蹤技術(shù)計算學(xué)生正確回答認(rèn)知導(dǎo)師下一個形成性評估問題的可能性（Matsuda ＆ Shimmei, 2019）。還有研究基于成績因子模型（performance factor analysis，PFA） （Thaker et al., 2019a），增補了學(xué)生閱讀機會和閱讀速度兩個因子，提高知識狀態(tài)預(yù)測的正確率（Thaker et al., 2019b）。

2. 學(xué)習(xí)行為模型

學(xué)生學(xué)習(xí)行為建模指對學(xué)生與學(xué)習(xí)平臺的交互行為數(shù)據(jù)進行追蹤、分析和評估。數(shù)字教材作為新型數(shù)據(jù)采集平臺，可以采集、存儲、同步和共享學(xué)生閱讀數(shù)字教材的交互行為（如添加下劃線、高亮顯示、備忘錄、書簽、前后翻頁等）數(shù)據(jù)。部分研究者將數(shù)字教材的閱讀行為分為閱讀時間、閱讀頁數(shù)、添加標(biāo)記、做筆記等顯性學(xué)習(xí)行為，以及反思、回看、課程預(yù)習(xí)等隱性學(xué)習(xí)行為，并使用聚類算法分析學(xué)生閱讀數(shù)字教材的多維度數(shù)據(jù)，據(jù)此將學(xué)生分組開展差異化教學(xué)（Yin et al., 2015; Yin ＆Hwang., 2018; Yin et al., 2019a; Yin et al., 2019b）。還有研究者應(yīng)用滯后序列分析挖掘數(shù)字教材閱讀行為轉(zhuǎn)換關(guān)系，通過系列行為序列分析矩陣計算，確定學(xué)生的行為模式和學(xué)習(xí)策略（Yin et al., 2017;Yin ＆ Hwang, 2018）。金等（Kim et al., 2020）發(fā)現(xiàn)學(xué)生在數(shù)字教材上的高亮顯示注釋行為可以反映學(xué)生的理解和記憶能力，這可用于指導(dǎo)數(shù)字教材的個性化內(nèi)容設(shè)計，即根據(jù)高亮顯示的相似性將學(xué)生分組，設(shè)計自適應(yīng)規(guī)則，提供合適的學(xué)習(xí)內(nèi)容。毛利等（Mouri et al., 2019）使用非負(fù)矩陣分解算法發(fā)現(xiàn)，學(xué)生理解水平與閱讀數(shù)字教材的瀏覽行為模式相關(guān)。大久保等（Okubo et al., 2017）收集學(xué)生數(shù)字教材學(xué)習(xí)行為日志，借助知識圖譜的狀態(tài)轉(zhuǎn)換圖為有輟學(xué)可能的學(xué)生提供學(xué)業(yè)預(yù)警。此外，學(xué)生在數(shù)字教材交互環(huán)境和協(xié)作學(xué)習(xí)過程中的共享注釋、社會導(dǎo)航和同伴比較也受到研究者關(guān)注（Brusilovsky et al., 2009; Barria-Pineda et al., 2019）。

3. 心理特征模型

學(xué)生心理特征建模通過了解學(xué)生的認(rèn)知、情緒和個性等，解釋學(xué)習(xí)行為，從更內(nèi)隱的角度衡量學(xué)生知識狀態(tài)水平，是學(xué)生建模的新研究方向。學(xué)生的認(rèn)知特征包括學(xué)習(xí)風(fēng)格、態(tài)度、動機、工作記憶容量等，指學(xué)生使用歸納、推理等認(rèn)知加工技能和策略選擇并獲取知識時表現(xiàn)出來的特點（Normadhi et al., 2019）。在智能教材開發(fā)技術(shù)中，認(rèn)知診斷技術(shù)結(jié)合認(rèn)知科學(xué)和心理測量學(xué)，通過將學(xué)生不易觀察的認(rèn)知能力轉(zhuǎn)換為可觀察的測試結(jié)果數(shù)據(jù)，評估和診斷學(xué)習(xí)問題出現(xiàn)的源頭及學(xué)生的認(rèn)知能力（Sottilare et al., 2016）。例如， 智能交互綜合教材結(jié)合了基于案例和規(guī)則的模型設(shè)計方法診斷學(xué)生在編程學(xué)習(xí)環(huán)境中的認(rèn)知變化，透視學(xué)生學(xué)習(xí)編程的過程（Weber ＆ Brusilovsky, 2016）。賴?yán)驳龋≧ailean, 2010）設(shè)計了細(xì)分?jǐn)?shù)字教材內(nèi)容的講授式模型，診斷學(xué)生的認(rèn)知結(jié)構(gòu)。除了認(rèn)知診斷技術(shù)外，個性化推薦技術(shù)以學(xué)生檔案數(shù)據(jù)（學(xué)習(xí)興趣、學(xué)習(xí)動機、學(xué)習(xí)偏好等）為中心，查找改善學(xué)習(xí)過程最佳的學(xué)習(xí)路徑，提供個性化學(xué)習(xí)材料和自適應(yīng)系統(tǒng)交互界面。例如，倫古等（Lungu et al., 2018）基于學(xué)生對外語數(shù)字教材學(xué)習(xí)內(nèi)容的偏好，推薦他們感興趣的外語詞匯、新聞和博客。

心理學(xué)研究發(fā)現(xiàn)，學(xué)生的心理特征影響知識狀態(tài)和學(xué)習(xí)行為，對學(xué)習(xí)過程和結(jié)果會產(chǎn)生積極或消極影響。目前，學(xué)生情感特征數(shù)據(jù)主要分三類：面部表情圖像、文本信息和生理信號（江波等，2018）。學(xué)生學(xué)習(xí)過程中的不同面部特征，代表困惑、投入、沮喪等情緒?，F(xiàn)有的面部特征編碼系統(tǒng)能夠識別學(xué)生情緒，為情緒建模提供啟發(fā)。林等（Lin et al.,2017）使用面部識別技術(shù)和基于Kinect 傳感器的情感傳感技術(shù)檢測學(xué)生面部表情和情感，增強學(xué)生與數(shù)字教材的互動。文本分析技術(shù)、心理測量學(xué)和可穿戴智能設(shè)備等可用于分析數(shù)字教材中反映學(xué)生情感的詞語，測量學(xué)生閱讀數(shù)字教材的生理和心理指標(biāo)，引領(lǐng)數(shù)字教材走向智能化。

（三）教學(xué)模型

智能教材的第三個重要組成部分是教學(xué)模型，它有兩個設(shè)計目標(biāo)。首先，在項目式教學(xué)、九段式教學(xué)、協(xié)作式教學(xué)、講授式教學(xué)等指導(dǎo)下的教學(xué)模型，能根據(jù)學(xué)生模型的知識和技能特征，評估和診斷其與專家構(gòu)建的領(lǐng)域模型之間的差距，明確知識點問題產(chǎn)生的源頭，確定學(xué)生接下來需要學(xué)習(xí)的知識點（Boulanger ＆Kumar, 2019）。同時，教學(xué)模型還能根據(jù)學(xué)生模型的認(rèn)知能力、學(xué)習(xí)風(fēng)格和個性特征等檔案數(shù)據(jù)，確定學(xué)習(xí)資源呈現(xiàn)方式，即針對不同類別的學(xué)生，呈現(xiàn)不同形式的學(xué)習(xí)對象。蔡等（Choi et al., 2011）借助學(xué)習(xí)通用設(shè)計（universal design for learning，UDL）原理，設(shè)計了典型的數(shù)字教材教學(xué)模型案例，將學(xué)生英語學(xué)習(xí)過程分為知識理解和知識表達兩類，每類學(xué)習(xí)活動包括知識、技能、情感三個維度，修復(fù)了學(xué)生模型與領(lǐng)域模型之間的差距，為不同類別的學(xué)生提供不同形式的媒體資源。其次，按學(xué)生模型劃分的不同知識狀態(tài)、學(xué)習(xí)行為和心理特征的學(xué)生，教學(xué)模型需要為每類學(xué)生制定適合的教學(xué)規(guī)則、組織學(xué)習(xí)材料并提供不同的教學(xué)策略和評價方法。舒特和托爾（Shute ＆Towle, 2003）在設(shè)計自適應(yīng)學(xué)習(xí)平臺設(shè)計時提到，不同知識類型需要不同的教學(xué)和評估策略，比如對于陳述性知識，采用直接的、說教式教學(xué)策略介紹定義和公式法則，要求學(xué)生達到知道和了解的程度；對于程序性知識，更多采用實驗、練習(xí)策略以提高問題解決的技能和方法，要求學(xué)生能夠達到理解和應(yīng)用的水平；對于概念圖式知識，采用類比或案例學(xué)習(xí)教學(xué)策略，要求學(xué)生具備分析、評價和創(chuàng)造的能力。

現(xiàn)有的智能教材開發(fā)平臺為教學(xué)模型的設(shè)計提供了技術(shù)支撐。比如，開放式數(shù)據(jù)結(jié)構(gòu)和算法教程（OpenDSA）支持教師和研究者創(chuàng)建不同難度的知識點模塊，自動評估學(xué)生問題回答、記錄完成練習(xí)的時間和統(tǒng)計成績數(shù)據(jù)，從而確定下一步學(xué)習(xí)的知識點模塊。穆罕默德等（Mohammed et al., 2019）在程序教學(xué)法原則的指導(dǎo)下，借助開放式數(shù)據(jù)結(jié)構(gòu)和算法教程構(gòu)建了面向計算機科學(xué)課程的數(shù)字教材。愛閱讀為不同閱讀技能水平的學(xué)生制定不同的自適應(yīng)規(guī)則，為學(xué)生提供個性化語言學(xué)習(xí)內(nèi)容和學(xué)習(xí)活動，包括詞匯、語句和游戲。德利吉安尼斯等（Deligiannis et al., 2019）基于愛閱讀對學(xué)生檔案數(shù)據(jù)和閱讀歷史構(gòu)建個性化交互式教材，便于教師開展適合不同學(xué)生的教學(xué)。互語能夠自動識別教材的內(nèi)部術(shù)語，在知識點之間生成鏈接，依據(jù)學(xué)生檔案數(shù)據(jù)以及學(xué)生與知識點的交互數(shù)據(jù)提供和學(xué)生母語相關(guān)的閱讀材料，幫助教師實現(xiàn)教學(xué)內(nèi)容的個性化設(shè)計（Alpizar-Chacon ＆ Sosnovsky, 2019）。

學(xué)生建模技術(shù)常被用來支持教學(xué)模型設(shè)計，常用的有貝葉斯知識追蹤技術(shù)（Mislevy et al., 2013）和響應(yīng)式教學(xué)的學(xué)生建模方法（student modeling approach for responsive tutoring， SMART） （ Shute,1995）。后者已被用于教學(xué)系統(tǒng)設(shè)計，通過將低難度的知識分為基本知識、程序性知識、概念圖式知識，開展教學(xué)、評估和糾正，一方面適應(yīng)學(xué)生的知識和技能，另一方面適應(yīng)學(xué)生的認(rèn)知能力、學(xué)習(xí)風(fēng)格、工作記憶容量等個性特征。目前這兩類技術(shù)已成功應(yīng)用于智能導(dǎo)學(xué)系統(tǒng)。智能教材的本質(zhì)是智能導(dǎo)學(xué)系統(tǒng)，這兩類技術(shù)在智能教材中的應(yīng)用也是未來的研究方向。

綜上所述，更加自動化的領(lǐng)域建模技術(shù)是智能教材領(lǐng)域建模亟待突破的關(guān)鍵技術(shù)之一。同時，基于多模態(tài)學(xué)習(xí)數(shù)據(jù)，構(gòu)建能夠反映知識—情感—認(rèn)知等全維度特征的學(xué)生模型，是智能教材中學(xué)生建模的未來發(fā)展趨勢。已有大量研究關(guān)注領(lǐng)域模型和學(xué)生模型，但教學(xué)模型研究相對較少。此外，自動評估、關(guān)鍵術(shù)語識別以及個性化推薦等側(cè)重于數(shù)據(jù)驅(qū)動的機器智能，提供答疑、討論、策略啟發(fā)、支架引導(dǎo)、情感和動機識別等基于教學(xué)理論和方法的提示信息則是教師擅長的人類智能。如何結(jié)合機器和教師的優(yōu)點，探索人機協(xié)同教學(xué)，對教學(xué)模型的發(fā)展具有重要價值。

三、應(yīng)用與評估

隨著智能教材的應(yīng)用，國內(nèi)外研究者已開展相關(guān)實證研究，評估智能教材的教學(xué)效果。智能教材豐富了學(xué)生的閱讀和學(xué)習(xí)體驗。例如，閱讀鏡提升了學(xué)生學(xué)習(xí)的專注度和閱讀教材的參與度（Barria-Pineda et al., 2019）， 教材自動創(chuàng)建框架的智能推薦引擎輔助學(xué)習(xí)者進一步掌握學(xué)科相關(guān)的主題和概念（Pursel et al., 2019）。面向計算機科學(xué)領(lǐng)域的智能教材蘊含巨大潛力。例如，符石提高了學(xué)生編程的質(zhì)量和效率（Ericson, 2019），其交互組件有助于學(xué)生掌握計算機科學(xué)課程的學(xué)科概念（Miller ＆Ranum, 2012）。面向教師設(shè)計的智能教材，豐富了教師的專業(yè)知識和教學(xué)信心（Ericson, 2019）。此外，智能教材普遍提高了學(xué)生的學(xué)習(xí)成績。例如，探究生物學(xué)顯著提高了學(xué)生家庭作業(yè)及課后測驗的成績（Chaudhri et al., 2013），智能交互綜合教材顯著提高了編程基礎(chǔ)薄弱者的成績（Weber ＆ Brusilovsky,2001）。相比于靜態(tài)的編程教材，智能教材提高了學(xué)生的學(xué)習(xí)動機及學(xué)習(xí)效果（Pollari-Malmi et al.,2017）。但是，并非所有智能教材的應(yīng)用都能取得預(yù)期的效果。例如，基于PASTEL 組件的數(shù)學(xué)智能教材，未對學(xué)生的學(xué)習(xí)成績產(chǎn)生顯著的影響，具體原因有待進一步探究（Matsuda ＆ Shimmei, 2019）。

目前，絕大部分學(xué)生對智能教材評價較高，預(yù)示著智能教材應(yīng)用前景廣闊。調(diào)查表明，師生對智能教材有較高的主觀滿意度（Weber ＆ Brusilovsky,2001）。盡管靜態(tài)PDF 格式的教材與智能教材的文本內(nèi)容幾乎相同，但具有自主選擇權(quán)的學(xué)生更偏向智能教材（Pollari-Malmi et al., 2017）。在針對混合智能教材Tobbits 開展的調(diào)查中，半數(shù)以上的被調(diào)查者認(rèn)可該教材的實用性，部分使用者還自發(fā)推廣該教材（Feng et al., 2019）。此外，大部分學(xué)生認(rèn)為，相比傳統(tǒng)紙質(zhì)教材，智能教材有更強的趣味性和有用性（Pursel et al., 2019）。

四、智能教材的核心特征

本研究認(rèn)為，智能教材是以深度交互、學(xué)習(xí)畫像和自適應(yīng)為主要特征，為學(xué)生提供個性化學(xué)習(xí)、評價和規(guī)劃等學(xué)習(xí)服務(wù)的智能化數(shù)字教材。在交互性方面，現(xiàn)有數(shù)字教材僅提供筆記、標(biāo)注、答題、播放等弱交互功能，智能教材能提供智能答疑、協(xié)作學(xué)習(xí)、即時反饋、實踐操作（如虛擬仿真實驗和編程實踐）等深度交互功能。在學(xué)生畫像方面，現(xiàn)有數(shù)字教材僅能實現(xiàn)對學(xué)生作業(yè)和測試的評價，而智能教材可以采集和分析學(xué)生與教材交互產(chǎn)生的細(xì)粒度學(xué)習(xí)行為數(shù)據(jù)（如閱讀、練習(xí)、操作等），利用人工智能算法進行學(xué)習(xí)畫像。在自適應(yīng)方面，現(xiàn)有數(shù)字教材因缺少學(xué)生畫像而無法實現(xiàn)自適應(yīng)學(xué)習(xí)，智能教材可基于學(xué)習(xí)畫像提供個性化學(xué)習(xí)服務(wù)，如個性化學(xué)習(xí)資源推薦和學(xué)習(xí)路徑規(guī)劃。對于智能教材，深度交互、學(xué)習(xí)畫像、自適應(yīng)缺一不可。深度交互是建立學(xué)生精準(zhǔn)學(xué)習(xí)畫像的前提，學(xué)習(xí)畫像又是自適應(yīng)的必備條件。智能教材提供的深度交互功能可產(chǎn)生大量能夠反映學(xué)生真實學(xué)習(xí)狀態(tài)的學(xué)習(xí)過程數(shù)據(jù)，通過自動采集、深度挖掘和精準(zhǔn)分析此類數(shù)據(jù)，支撐算法模型識別學(xué)生對教材內(nèi)容的理解水平和知識水平，構(gòu)建符合學(xué)生最近發(fā)展區(qū)的學(xué)習(xí)支架（Boulanger ＆ Kumar, 2019），推薦符合學(xué)生認(rèn)知特征和能力水平的學(xué)習(xí)資源。

（一）深度交互

智能教材的深度交互主要體現(xiàn)在智能問答、即時反饋的互動練習(xí)以及集成虛擬實驗環(huán)境等方面。首先，根據(jù)預(yù)訓(xùn)練自然語言知識庫、學(xué)科知識庫和教材內(nèi)容（Gunning et al., 2011），通過理解、綜合和推理，結(jié)合知識表示、問答技術(shù)和自然語言生成技術(shù)，智能教材能在特定范圍回答學(xué)生的問題并生成推薦的問題供學(xué)生選擇（Chaudhri et al., 2013）。其次，智能教材提供即時反饋的互動練習(xí)。例如，面向計算機與編程學(xué)科開發(fā)的智能教材可供直接運行、編輯和修改代碼（Ericson, 2019）。智能教材還可以利用自動化評分技術(shù)對代碼進行評分并提出修改建議，大大節(jié)省教師的工作量。結(jié)合具體學(xué)科需求，智能教材集成虛擬仿真實驗環(huán)境和虛擬學(xué)具，支持學(xué)生隨時隨地開展科學(xué)實驗等探究活動。例如，化學(xué)教材中可直接嵌入大量不便于實體操作的化學(xué)實驗，并結(jié)合情景化技術(shù)，在教材中構(gòu)建虛擬仿真實驗系統(tǒng)。最后，智能教材可記錄學(xué)生與教材的所有交互數(shù)據(jù)，分析學(xué)生的高亮、畫線、注釋、筆記等操作，自動提取其中蘊含的知識本體或概念，判斷學(xué)生知識掌握水平，推薦相應(yīng)學(xué)習(xí)支架或輔助學(xué)習(xí)資源。此外，智能教材也能夠基于學(xué)生的注釋和翻頁行為，不斷完善教材（Boulanger ＆ Kumar,2019），如基于頻繁出現(xiàn)的翻頁模式，構(gòu)建不同頁面的直接聯(lián)系，為學(xué)生提供自動翻頁服務(wù)。

（二）學(xué)習(xí)畫像

智能教材借助學(xué)習(xí)分析技術(shù)和人工智能算法，根據(jù)學(xué)生細(xì)粒度的學(xué)習(xí)交互數(shù)據(jù)，生成學(xué)生的知識、行為、情感和認(rèn)知等維度的學(xué)習(xí)畫像（Boulanger ＆Kumar, 2019）。例如，智能教材可動態(tài)可視化個人的閱讀進度，并與他人對比，把握學(xué)生的教材使用情況（Barria-Pineda et al., 2019）。隨著教材交互數(shù)據(jù)、筆記數(shù)據(jù)、測試數(shù)據(jù)的積累和分析，智能教材能夠判斷學(xué)生的知識掌握水平，預(yù)測學(xué)生的學(xué)習(xí)結(jié)果，并根據(jù)預(yù)測結(jié)果推薦學(xué)習(xí)資源。它也可通過分析教材使用過程中產(chǎn)生的細(xì)粒度操作數(shù)據(jù)，構(gòu)建學(xué)生情感特征和行為特征的評估模型（Normadhi et al., 2019），以解讀學(xué)習(xí)表現(xiàn)背后的深層次原因。同時，智能教材可根據(jù)學(xué)生在學(xué)習(xí)過程中的興趣、情緒和態(tài)度的改變，判斷不良的學(xué)習(xí)態(tài)度、傾向和行為，并發(fā)出預(yù)警。現(xiàn)階段學(xué)生的學(xué)習(xí)畫像基于教室場景或在線場景，信息采集不太全面，智能教材可突破學(xué)習(xí)場景的界限，貫穿學(xué)習(xí)全過程，能積累多場景、多維度、多模態(tài)、高質(zhì)量、細(xì)粒度的學(xué)習(xí)過程數(shù)據(jù)，生成更全面、客觀、有深度的學(xué)習(xí)畫像。

（三）自適應(yīng)

自適應(yīng)是智能教材的核心特征，也是區(qū)別于傳統(tǒng)數(shù)字教材的主要功能。基于深度交互產(chǎn)生的數(shù)據(jù)、學(xué)習(xí)畫像生成的學(xué)生特征，智能教材可推薦個性化學(xué)習(xí)資源和規(guī)劃學(xué)習(xí)路徑。智能教材可根據(jù)學(xué)習(xí)畫像，將學(xué)習(xí)內(nèi)容、學(xué)習(xí)支架、學(xué)習(xí)資源以符合學(xué)生自身知識、情感和認(rèn)知特點的形式呈現(xiàn)。在學(xué)習(xí)過程中，智能教材可根據(jù)學(xué)生的閱讀行為判斷學(xué)生對當(dāng)前內(nèi)容的理解水平，智能推薦學(xué)習(xí)支架，提供學(xué)習(xí)規(guī)劃。例如，智能教材可收集學(xué)生在每個頁面的回看行為，記錄每人的回跳頁面，再基于知識圖譜建立內(nèi)容之間的關(guān)聯(lián)。當(dāng)其他學(xué)生閱讀該頁面時，智能教材可通過自動化即時提問的方式促進其對學(xué)習(xí)內(nèi)容的反思，或提供自動化翻頁提示等服務(wù)。在學(xué)習(xí)結(jié)束后，智能教材可分析學(xué)生的學(xué)習(xí)日志，結(jié)合學(xué)生畫像，生成個性化學(xué)習(xí)評價和反饋，并基于人工智能算法推薦外部學(xué)習(xí)資源。智能教材還可根據(jù)學(xué)生偏好、學(xué)習(xí)風(fēng)格以及期望的學(xué)習(xí)結(jié)果，構(gòu)建個性化教材知識庫。

五、結(jié)論與討論

從電子教材到智能教材的轉(zhuǎn)化，不僅體現(xiàn)了教材形態(tài)從數(shù)字化到智能化的新發(fā)展，也為電子教材和智能教育注入新的活力?，F(xiàn)階段智能教材開發(fā)和應(yīng)用有待破解以下困境：

（一）接受度不高

以電子書包、電子教材為主的電子學(xué)習(xí)資源已進入課堂。但無論是電子書包還是電子教材，在試驗或應(yīng)用的過程中都面臨很多爭議和問題（蔣建梅，2015; 童慧等，2016），主要集中在以視力下降為代表的健康問題，以網(wǎng)絡(luò)成癮為代表的心理問題，以推廣成本、版權(quán)保護為代表的社會問題（Alpizar-Chacon ＆ Sosnovsky, 2019），以及大眾對電子學(xué)習(xí)資源能否有效提高學(xué)習(xí)的疑慮等。這些問題都可能阻礙智能教材的應(yīng)用與發(fā)展。

（二）開發(fā)難度大

除了由教育主管部門開發(fā)教材，教師或其他研究者也可以自主開發(fā)教材。但無論開發(fā)主體是誰，智能教材創(chuàng)建面臨的最核心困難是教材知識組件的提取、解題路徑的設(shè)置、教學(xué)支架的設(shè)計以及知識圖譜的構(gòu)建。雖然有研究者設(shè)計開發(fā)了自動概念提取技術(shù)（Thaker et al., 2019a），但還未得到足夠的理論驗證和實踐經(jīng)驗支持。因此，目前這一過程主要依靠課程設(shè)計者或課程專家手動構(gòu)建，效率較低，嚴(yán)重阻礙了智能教材的大規(guī)模開發(fā)和推廣（Alpizar-Chacon et al., 2020）。

（三）缺乏政策保障及統(tǒng)一的規(guī)范標(biāo)準(zhǔn)

智能教材的開發(fā)依賴高校和商業(yè)組織的合作，應(yīng)用實踐也多以教材開發(fā)者自發(fā)或小規(guī)模試驗為主，政府尚未出臺支持政策。開發(fā)平臺之間缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和開發(fā)規(guī)范，也是一大問題。

（四）技術(shù)阻礙

目前智能教材的設(shè)計與開發(fā)依賴自適應(yīng)學(xué)習(xí)技術(shù)，領(lǐng)域模型面臨模型的遷移能力和泛化能力兩大挑戰(zhàn)（李晶晶等，2021）。由于認(rèn)知診斷、情感計算、場景感知等技術(shù)的發(fā)展相對緩慢，學(xué)生模型的構(gòu)建缺少有力的技術(shù)支持（黃濤等，2020），對學(xué)生情感支持的研究也有待加強（董曉輝等，2017）。