以學(xué)習(xí)者為中心的智聯(lián)學(xué)習(xí)環(huán)境：內(nèi)涵、框架與實(shí)施路徑

[摘 要] 學(xué)習(xí)環(huán)境的構(gòu)建是教育數(shù)字化轉(zhuǎn)型、學(xué)與教方式變革的基礎(chǔ)。推動(dòng)學(xué)習(xí)環(huán)境的改造與智能升級，構(gòu)建以學(xué)習(xí)者為中心的智聯(lián)學(xué)習(xí)環(huán)境，實(shí)現(xiàn)精準(zhǔn)推送學(xué)習(xí)服務(wù)，是發(fā)展數(shù)字教育、建設(shè)高質(zhì)量教育體系的現(xiàn)實(shí)需求。圍繞學(xué)習(xí)環(huán)境智聯(lián)計(jì)算關(guān)鍵問題，從學(xué)習(xí)環(huán)境多模態(tài)感知與監(jiān)測、多場景學(xué)習(xí)過程記錄與分析、跨場域?qū)W習(xí)場景建模與推薦、人機(jī)協(xié)同學(xué)習(xí)社群建構(gòu)與支持四方面界定智聯(lián)學(xué)習(xí)環(huán)境的內(nèi)涵。遵循“數(shù)據(jù)處理、模型訓(xùn)練、智能服務(wù)”的邏輯，設(shè)計(jì)出涵蓋物理環(huán)境改造與數(shù)據(jù)匯聚、數(shù)據(jù)指標(biāo)與算法模型構(gòu)建、精準(zhǔn)自適應(yīng)支持與智能服務(wù)的整體框架。以場景化人工智能教育應(yīng)用為抓手，提出跨場域?qū)W習(xí)環(huán)境設(shè)計(jì)與評測標(biāo)準(zhǔn)、智慧學(xué)習(xí)環(huán)境計(jì)算引擎及大規(guī)模智慧教室監(jiān)測平臺研發(fā)、循證導(dǎo)向的規(guī)?；痉稇?yīng)用的實(shí)施路徑。最后，探討了實(shí)現(xiàn)智聯(lián)學(xué)習(xí)環(huán)境的關(guān)鍵挑戰(zhàn)，包括云邊端算力基礎(chǔ)設(shè)施、智能模型的教育可解釋性、人機(jī)協(xié)同與交互體驗(yàn)設(shè)計(jì)、數(shù)據(jù)安全與隱私保護(hù)。

[關(guān)鍵詞] 智聯(lián)學(xué)習(xí)環(huán)境； 學(xué)習(xí)者為中心； 云邊端協(xié)同； 智能教育； 教育數(shù)字化轉(zhuǎn)型

[中圖分類號] G434 [文獻(xiàn)標(biāo)志碼] A

[作者簡介] 祁彬斌（1992—），男，江蘇鹽城人。助理研究員，博士，主要從事智慧學(xué)習(xí)環(huán)境、虛擬現(xiàn)實(shí)教育應(yīng)用研究。E-mail：qidoublebins@163.com。李艷燕為通信作者，E-mail：liyy@bnu.edu.cn。

一、引 言

黨的二十大報(bào)告提出“推進(jìn)教育數(shù)字化，建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會(huì)、學(xué)習(xí)型大國”[1]。教育數(shù)字化正成為我國開辟教育發(fā)展新賽道和塑造教育發(fā)展新優(yōu)勢的重要突破口。其中，學(xué)習(xí)環(huán)境的構(gòu)建是實(shí)現(xiàn)學(xué)與教方式變革的基礎(chǔ)[2]，目前的學(xué)習(xí)環(huán)境正由傳統(tǒng)封閉式校園過渡到基于互聯(lián)網(wǎng)的學(xué)習(xí)環(huán)境，并從學(xué)校延伸至家庭、社會(huì)等場域[3]。近二十年來，依托國家層面教育信息化政策文件的持續(xù)牽引，教育信息化實(shí)踐從“三通兩平臺”“互聯(lián)網(wǎng)+教育”大平臺、再到教育新型基礎(chǔ)設(shè)施建設(shè)，我國的信息化辦學(xué)條件已根本改觀。據(jù)統(tǒng)計(jì)，全國各級各類學(xué)校共有49.83萬余所[4]，中小學(xué)（含教學(xué)點(diǎn)）互聯(lián)網(wǎng)接入率已達(dá)100%，網(wǎng)絡(luò)多媒體教室超過580萬間，約占全國教室數(shù)量的68%。然而，我國學(xué)習(xí)環(huán)境建設(shè)的基礎(chǔ)性優(yōu)勢未能較好地轉(zhuǎn)化為教學(xué)改革與發(fā)展的動(dòng)能，學(xué)習(xí)環(huán)境建設(shè)仍面臨著學(xué)校、場館、家庭等場域難以協(xié)同，本地遠(yuǎn)端、線下線上學(xué)習(xí)難以融通，個(gè)性化服務(wù)支持不足等方面的難題。

新時(shí)期，如何推動(dòng)學(xué)習(xí)環(huán)境的整體改造與智能升級，構(gòu)建出以學(xué)習(xí)者為中心的智聯(lián)學(xué)習(xí)環(huán)境，精準(zhǔn)推送學(xué)習(xí)服務(wù)，成為發(fā)展數(shù)字教育、建設(shè)高質(zhì)量教育體系必須正視的現(xiàn)實(shí)問題?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》明確提出“開發(fā)立體綜合教學(xué)場”“建立以學(xué)習(xí)者為中心的教育環(huán)境，提供精準(zhǔn)推送的教育服務(wù)，實(shí)現(xiàn)日常教育和終身教育定制化”[5]。為此，通過突破跨場域、多場景的物理環(huán)境感知與監(jiān)測、學(xué)習(xí)過程記錄與分析、學(xué)習(xí)場景建模與服務(wù)、學(xué)習(xí)社群連接與支持等關(guān)鍵技術(shù)難題，研發(fā)規(guī)?；腔劢逃O(jiān)測平臺，形成跨場域、以教室為中心的線上線下融合、空間智聯(lián)感知的泛在學(xué)習(xí)環(huán)境，可有效促進(jìn)學(xué)習(xí)體驗(yàn)與績效的提升，進(jìn)而將加快推進(jìn)教育數(shù)字化轉(zhuǎn)型和智能升級，為構(gòu)建高質(zhì)量教育體系提供基礎(chǔ)技術(shù)支撐，服務(wù)國家“數(shù)字中國”戰(zhàn)略和教育強(qiáng)國戰(zhàn)略。

二、智聯(lián)學(xué)習(xí)環(huán)境的內(nèi)涵

智聯(lián)學(xué)習(xí)環(huán)境是信息化學(xué)習(xí)環(huán)境的升級，其將學(xué)習(xí)者和學(xué)習(xí)活動(dòng)作為環(huán)境改造和升級的核心關(guān)注點(diǎn)，旨在打造“以人為中心”的智能化學(xué)習(xí)環(huán)境。智聯(lián)學(xué)習(xí)環(huán)境具有以下特點(diǎn)：（1）聚焦智能時(shí)代學(xué)習(xí)方式變革的人本化學(xué)習(xí)環(huán)境。智能時(shí)代的學(xué)習(xí)觀，強(qiáng)調(diào)在由物聯(lián)網(wǎng)、智能工具等構(gòu)成的智聯(lián)學(xué)習(xí)環(huán)境中，學(xué)習(xí)者通過與同伴、教師等人類參與者以及互聯(lián)智能體的協(xié)同建構(gòu)活動(dòng)，獲取知識、技能和態(tài)度的過程[6]。智聯(lián)學(xué)習(xí)環(huán)境應(yīng)立足于數(shù)字化、低碳化的發(fā)展理念，以可信、智聯(lián)、融通為特征，依托學(xué)習(xí)環(huán)境持續(xù)智能化升級提升師生學(xué)與教的體驗(yàn)，從而為跨場域、多場景下人類學(xué)習(xí)提供重要支撐。（2） 實(shí)現(xiàn)三元空間融合智能化學(xué)習(xí)環(huán)境。智聯(lián)學(xué)習(xí)環(huán)境作為新一代人工智能在教育領(lǐng)域的創(chuàng)新應(yīng)用，對于建設(shè)“人類社會(huì)、物理世界和信息空間”三元融合的數(shù)字教育具有重要意義。其通過融合時(shí)空特征進(jìn)行智聯(lián)感知與學(xué)習(xí)場景建模，實(shí)現(xiàn)跨場域的學(xué)習(xí)行為分析與自適應(yīng)支持服務(wù)。（3） 促進(jìn)跨場域?qū)W習(xí)體驗(yàn)和績效有效提升的融通性學(xué)習(xí)環(huán)境。智能技術(shù)通過對學(xué)習(xí)活動(dòng)的支持來促進(jìn)有效學(xué)習(xí)的發(fā)生，實(shí)現(xiàn)真正的數(shù)字化學(xué)習(xí)、促進(jìn)學(xué)生的成長。探索“學(xué)校+場館（基地）+家庭共建”等創(chuàng)新模式，形成家、校、社協(xié)同育人的良好格局。

智聯(lián)學(xué)習(xí)環(huán)境聚焦學(xué)習(xí)者的學(xué)習(xí)活動(dòng)，其核心要素如圖1所示，包括：（1） 學(xué)習(xí)環(huán)境多模態(tài)感知與監(jiān)測?；谖锫?lián)網(wǎng)技術(shù)進(jìn)行環(huán)境感知與控制，在提升學(xué)習(xí)環(huán)境的舒適性、降低校園能耗的同時(shí)，也直接影響著教師和學(xué)生的身心健康以及教學(xué)活動(dòng)的順利開展?；谖锫?lián)網(wǎng)和各類環(huán)境傳感器，研發(fā)學(xué)習(xí)環(huán)境感知與監(jiān)測的邊緣計(jì)算節(jié)點(diǎn)，動(dòng)態(tài)采集教室、實(shí)驗(yàn)室、圖書館和科技館中的聲光電、溫濕度、網(wǎng)絡(luò)等數(shù)據(jù)，建立典型學(xué)習(xí)場所的多模態(tài)環(huán)境狀態(tài)數(shù)據(jù)庫?；趯W(xué)習(xí)環(huán)境的原始狀態(tài)數(shù)據(jù)流，構(gòu)建學(xué)習(xí)環(huán)境動(dòng)態(tài)表征及其數(shù)字孿生模型，監(jiān)測分析各類學(xué)習(xí)環(huán)境的空間狀態(tài)、網(wǎng)絡(luò)質(zhì)量和教學(xué)設(shè)備運(yùn)行情況。（2） 多場景的學(xué)習(xí)過程記錄與分析。相較于以往基于觀察、經(jīng)驗(yàn)的教學(xué)行為研究，教與學(xué)過程性的行為數(shù)據(jù)可為教學(xué)過程評價(jià)和主體行為分析提供更為客觀、細(xì)粒度的基礎(chǔ)。因此，構(gòu)建多場景的學(xué)習(xí)過程記錄與分析，需要研制面向多媒體教室、虛擬學(xué)習(xí)環(huán)境和線上線下融合學(xué)習(xí)空間等多維度數(shù)據(jù)采集規(guī)范和工具，開展非介入、無感的數(shù)據(jù)采集與匯聚，記錄多維度、全過程學(xué)習(xí)活動(dòng)行為數(shù)據(jù)，通過多主體行為標(biāo)注技術(shù)，建立閱讀、討論、練習(xí)、實(shí)驗(yàn)等活動(dòng)行為的多維信息編碼庫。基于行為編碼庫，開展基于跨媒體計(jì)算的學(xué)與教行為自動(dòng)識別，追蹤與評估知識點(diǎn)激活、學(xué)習(xí)投入度、同伴交互等多種學(xué)習(xí)狀態(tài)，自動(dòng)生成可解釋的評課記錄。（3） 跨場域的學(xué)習(xí)場景建模與推薦。針對家庭、學(xué)校和場館等場域，構(gòu)建融合場域、主體等特征的學(xué)習(xí)場景模型，進(jìn)行復(fù)雜學(xué)習(xí)活動(dòng)表征識別，生成場景感知的個(gè)人、小組學(xué)習(xí)活動(dòng)多粒度學(xué)情畫像表征。針對跨場域的多個(gè)時(shí)序?qū)W習(xí)場景，挖掘?qū)W習(xí)者和學(xué)習(xí)小組的興趣點(diǎn)與潛在意圖，實(shí)現(xiàn)跨場域、多場景下的自適應(yīng)學(xué)習(xí)內(nèi)容和個(gè)性化學(xué)習(xí)路徑推薦。（4） 人機(jī)協(xié)同的學(xué)習(xí)社群建構(gòu)與支持。通過定義學(xué)習(xí)認(rèn)知模板的數(shù)據(jù)采集與測量規(guī)范，提取學(xué)段、先前知識、學(xué)習(xí)投入、學(xué)習(xí)風(fēng)格、認(rèn)知負(fù)荷等維度，形成多維度的學(xué)習(xí)者認(rèn)知模板庫。自動(dòng)識別學(xué)習(xí)者、參與者及學(xué)習(xí)環(huán)境之間的交互行為，基于時(shí)空環(huán)境、知識資源和認(rèn)知行為等，自動(dòng)繪制融合多層信息的學(xué)習(xí)社群網(wǎng)絡(luò)拓?fù)洹；趯＜抑R與教學(xué)交互網(wǎng)絡(luò)，建立人在回路（Human in the Loop）[7]的精準(zhǔn)教學(xué)推薦與干預(yù)策略庫，支持多場景下自適應(yīng)學(xué)習(xí)支持服務(wù)?？傮w而言，通過將學(xué)習(xí)環(huán)境核心要素與智能技術(shù)進(jìn)行融合，推進(jìn)人工智能教育環(huán)境建設(shè)，構(gòu)建起智能互聯(lián)的學(xué)習(xí)環(huán)境，從而支持和優(yōu)化典型學(xué)習(xí)場景下的、以學(xué)習(xí)者為中心的真實(shí)教與學(xué)活動(dòng)。

三、智聯(lián)學(xué)習(xí)環(huán)境的框架設(shè)計(jì)

數(shù)據(jù)、算法和算力是人工智能發(fā)展的三大要素，也是優(yōu)質(zhì)、個(gè)性化智能教育服務(wù)的關(guān)鍵。為了推進(jìn)智聯(lián)學(xué)習(xí)環(huán)境的建設(shè)，筆者提出涵蓋設(shè)備層、數(shù)據(jù)層、模型層和服務(wù)層的整體框架，通過智能設(shè)備收集數(shù)據(jù)，處理和分析數(shù)據(jù)以構(gòu)建指標(biāo)體系，在訓(xùn)練算法模型的基礎(chǔ)上，最終為師生提供個(gè)性化學(xué)習(xí)資源和支持服務(wù)。這一框架遵循“數(shù)據(jù)處理、模型訓(xùn)練、智能服務(wù)”的總體邏輯，本節(jié)將從物理環(huán)境改造與數(shù)據(jù)匯聚、數(shù)據(jù)指標(biāo)與算法模型構(gòu)建，以及精準(zhǔn)自適應(yīng)支持與智能服務(wù)三方面進(jìn)行詳細(xì)闡述，具體框架設(shè)計(jì)如圖2所示。

（一）物理環(huán)境改造與數(shù)據(jù)匯聚

學(xué)習(xí)者、學(xué)習(xí)環(huán)境的數(shù)據(jù)采集與記錄是智聯(lián)學(xué)習(xí)環(huán)境構(gòu)建的前提，需對現(xiàn)有多媒體教室、實(shí)驗(yàn)實(shí)訓(xùn)室等學(xué)習(xí)場所進(jìn)行改造與增強(qiáng)，通過部署物聯(lián)網(wǎng)傳感器、攝像頭等智能感知設(shè)備，進(jìn)行環(huán)境參數(shù)、音視頻等數(shù)據(jù)實(shí)時(shí)采集。基于部署的邊緣節(jié)點(diǎn)，匯聚典型學(xué)習(xí)場所的多模態(tài)傳感信息，包括聲光電、溫濕度、網(wǎng)絡(luò)設(shè)備使用狀態(tài)等指標(biāo)，硬件設(shè)施的尺寸、材質(zhì)、空間布局等物理參數(shù)，構(gòu)建學(xué)習(xí)環(huán)境特征指標(biāo)集。針對線下學(xué)習(xí)活動(dòng)行為的感知，主要是基于文本、語音、圖像和視頻等數(shù)據(jù)模態(tài)，標(biāo)注和提取出注視點(diǎn)、動(dòng)作姿態(tài)、面部表情、語音內(nèi)容與音調(diào)等特征，在多模態(tài)特征融合的基礎(chǔ)上形成學(xué)習(xí)活動(dòng)行為數(shù)據(jù)集。同時(shí)，在線學(xué)習(xí)平臺匯聚了點(diǎn)擊流、知識瀏覽等學(xué)習(xí)序列行為數(shù)據(jù)，也包括討論、留言、分享等社群交互數(shù)據(jù)。此外，可使用特定量表和問卷測量學(xué)習(xí)者的先前知識、學(xué)習(xí)風(fēng)格、心理狀態(tài)、認(rèn)知水平等認(rèn)知狀態(tài)。在此基礎(chǔ)上，對于線下教室、在線平臺等不同來源，以及音視頻、文本、地理位置等多源異構(gòu)數(shù)據(jù)進(jìn)行清洗與匯聚。依據(jù)時(shí)間戳的次序，構(gòu)建涵蓋學(xué)習(xí)環(huán)境、學(xué)習(xí)者、學(xué)習(xí)資源、學(xué)習(xí)活動(dòng)行為以及社交網(wǎng)絡(luò)等多類別的智聯(lián)學(xué)習(xí)環(huán)境數(shù)據(jù)池。

（二）數(shù)據(jù)指標(biāo)與算法模型構(gòu)建

針對單幀圖像、視頻片段中的師生主體或其他物體，通過目標(biāo)檢測、多目標(biāo)追蹤、屬性識別等基礎(chǔ)模型進(jìn)行學(xué)習(xí)主體的自動(dòng)識別。此時(shí)，考慮到教育場景中學(xué)習(xí)者隱私保護(hù)問題，可以利用行人重識別（Person Re-identification， ReID）[8]技術(shù)，從不同攝像頭或同一攝像頭的不同視頻序列中定位出相同身份的目標(biāo)對象，以避免在時(shí)空數(shù)據(jù)挖掘中暴露人臉特征。然后，基于學(xué)習(xí)活動(dòng)行為數(shù)據(jù)集，訓(xùn)練出多場景的學(xué)習(xí)活動(dòng)行為識別模型，將個(gè)體相關(guān)的多模態(tài)數(shù)據(jù)自動(dòng)識別為學(xué)與教的行為序列。隨后，基于教師、學(xué)生的個(gè)體行為序列，結(jié)合學(xué)習(xí)過程中的課堂筆記、師生問答、面部表情等，計(jì)算教學(xué)內(nèi)容關(guān)聯(lián)知識點(diǎn)的激活量，評估學(xué)習(xí)投入度、師生交互、同伴交互等活動(dòng)行為狀態(tài)的變化情況。

除了線下教室的活動(dòng)行為數(shù)據(jù)，在線學(xué)習(xí)平臺的日志文件（即點(diǎn)擊流、論壇帖子和作業(yè)記錄等）記錄著個(gè)體學(xué)習(xí)和社群交流的行為數(shù)據(jù)，涉及的形式包括文本、音視頻、網(wǎng)絡(luò)關(guān)系數(shù)據(jù)和時(shí)空數(shù)據(jù)等。通過登錄在線學(xué)習(xí)平臺時(shí)的IP地址以及注冊時(shí)填寫的位置信息，可以獲取空間屬性對應(yīng)的地理空間數(shù)據(jù)，例如所在城市、校區(qū)等，而時(shí)間屬性通常對應(yīng)視頻觀看、討論互動(dòng)時(shí)的時(shí)間序列數(shù)據(jù)。知識資源數(shù)據(jù)表現(xiàn)為課程大綱、課堂講義、MOOC視頻等，這些非結(jié)構(gòu)化多媒體中蘊(yùn)含著知識圖譜的實(shí)體與關(guān)系數(shù)據(jù)。此外，從不同模態(tài)的數(shù)據(jù)中分析與識別學(xué)習(xí)者的認(rèn)知能力、學(xué)習(xí)路徑與社交互動(dòng)行為。例如：師生、學(xué)生之間的交互行為存在于網(wǎng)絡(luò)關(guān)系數(shù)據(jù)中，可以通過實(shí)體抽取和關(guān)系抽取等技術(shù)，揭示數(shù)據(jù)中隱含的拓?fù)浣Y(jié)構(gòu)?；谏鲜鰯?shù)據(jù)的特點(diǎn)，構(gòu)建融合時(shí)空環(huán)境、知識資源和認(rèn)知行為多層信息的圖結(jié)構(gòu)，該圖結(jié)構(gòu)包括節(jié)點(diǎn)（如地點(diǎn)、知識點(diǎn)、行為等）和邊（如空間關(guān)系、知識關(guān)系、行為關(guān)系等）。依據(jù)具體任務(wù)需求，添加相關(guān)的編碼器和解碼器模塊，以便在不同場景下進(jìn)行圖結(jié)構(gòu)數(shù)據(jù)的學(xué)習(xí)和推理，圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Network，GNN）能夠捕捉節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系和局部特征，分析網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)、社群結(jié)構(gòu)和傳播路徑等。利用可視化工具可繪制出動(dòng)態(tài)多層耦合網(wǎng)絡(luò)的拓?fù)鋱D，幫助理解學(xué)習(xí)社群網(wǎng)絡(luò)中各要素之間的關(guān)系，探索隱藏的復(fù)雜特征和關(guān)聯(lián)模式。

通過建立學(xué)習(xí)場景特征指標(biāo)集，并結(jié)合學(xué)習(xí)環(huán)境特征和學(xué)習(xí)活動(dòng)行為特征的指標(biāo)集，構(gòu)建面向?qū)W校、家庭、社會(huì)等不同學(xué)習(xí)場景的多模態(tài)數(shù)據(jù)集。在多模態(tài)數(shù)據(jù)集初步構(gòu)建后，采用深度學(xué)習(xí)目標(biāo)檢測方法確定學(xué)習(xí)主體，基于學(xué)習(xí)者的活動(dòng)行為時(shí)間序列，通過長短期神經(jīng)網(wǎng)絡(luò)（LSTM）構(gòu)建跨場域?qū)W習(xí)場景識別模型，以分析多場景下的學(xué)習(xí)活動(dòng)環(huán)節(jié)與整體過程。依據(jù)學(xué)習(xí)活動(dòng)行為、學(xué)習(xí)者認(rèn)知模板、同伴交互以及知識點(diǎn)激活等，進(jìn)行個(gè)人和學(xué)習(xí)小組的多尺度學(xué)情畫像表征，涵蓋學(xué)習(xí)行為特點(diǎn)、成績變化、方法偏好、學(xué)習(xí)習(xí)慣等維度。依據(jù)不同場景下的學(xué)習(xí)表現(xiàn)，定期收集新的數(shù)據(jù)對學(xué)情畫像進(jìn)行動(dòng)態(tài)調(diào)整，從而實(shí)現(xiàn)場景感知的學(xué)情畫像刻畫。

（三）精準(zhǔn)自適應(yīng)支持與智能服務(wù)

通過對物理環(huán)境、活動(dòng)過程、學(xué)情畫像、學(xué)習(xí)社群等方面進(jìn)行智能計(jì)算，進(jìn)而提供學(xué)習(xí)環(huán)境監(jiān)測調(diào)控、可解釋學(xué)習(xí)行為理解、自適應(yīng)學(xué)習(xí)資源推薦、學(xué)習(xí)社群支持與教學(xué)干預(yù)等智能服務(wù)。具體包括：（1） 構(gòu)建學(xué)習(xí)環(huán)境智能感知模型，實(shí)現(xiàn)環(huán)境舒適度的動(dòng)態(tài)調(diào)控?？紤]到照明光線對于學(xué)生視覺健康、環(huán)境噪聲對于課堂沉浸度等方面的影響，建立環(huán)境舒適度多維度評價(jià)指標(biāo)。通過部署的邊緣節(jié)點(diǎn)，實(shí)時(shí)提取環(huán)境中的聲光電、溫濕度和網(wǎng)絡(luò)等數(shù)據(jù)流，利用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建學(xué)習(xí)環(huán)境智能感知模型。該模型能夠根據(jù)網(wǎng)絡(luò)情況自適應(yīng)調(diào)節(jié)端側(cè)感知設(shè)備的音視頻編碼參數(shù)，實(shí)現(xiàn)室內(nèi)學(xué)習(xí)環(huán)境舒適度實(shí)時(shí)預(yù)測與動(dòng)態(tài)調(diào)控。（2）制定評課規(guī)則與指標(biāo)，生成可解釋的課堂智能反饋。在學(xué)與教的個(gè)體活動(dòng)行為序列、多場景下的活動(dòng)狀態(tài)序列的基礎(chǔ)上，通過提煉一線教師的經(jīng)驗(yàn)，并結(jié)合學(xué)科教學(xué)專家的知識，制定出分場景的評課規(guī)則與指標(biāo)體系。然后，通過層次分析等方法，對學(xué)習(xí)投入、課堂互動(dòng)、教師授課和教學(xué)組織等維度進(jìn)行計(jì)算，生成交互式、可解釋的課堂智能反饋報(bào)告，可為教師和教育管理者提供有價(jià)值的參考，以改進(jìn)教學(xué)策略并提升課堂效果。（3）基于活動(dòng)感知的學(xué)情畫像，進(jìn)行個(gè)性化學(xué)習(xí)資源推薦?；谧R別出的跨場域復(fù)雜學(xué)習(xí)活動(dòng)、個(gè)人與小組學(xué)情畫像維度，結(jié)合場景中的學(xué)習(xí)活動(dòng)，生成符合學(xué)習(xí)者個(gè)性特征和偏好的提示詞（Prompt），以進(jìn)行個(gè)性化的學(xué)習(xí)資源推薦。例如：在操作類實(shí)驗(yàn)實(shí)訓(xùn)場景中，自適應(yīng)學(xué)習(xí)資源推薦可輔助教師的實(shí)驗(yàn)備課和精準(zhǔn)化教學(xué)。基于實(shí)驗(yàn)步驟的引導(dǎo)和錯(cuò)誤操作提示，提供交互式學(xué)習(xí)支持，幫助學(xué)習(xí)者反思并加深對知識點(diǎn)的理解。此外，結(jié)合學(xué)習(xí)者間的相似性和差異性生成推薦結(jié)果，為學(xué)習(xí)小組提供適合共同學(xué)習(xí)和討論的資源，激發(fā)小組成員之間的互動(dòng)和合作。（4） 識別學(xué)習(xí)社群的網(wǎng)絡(luò)結(jié)構(gòu)，提供精準(zhǔn)教學(xué)支持與干預(yù)。通過多層耦合網(wǎng)絡(luò)的原型系統(tǒng)，教學(xué)者可對社群網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行聚類分析和交互探索，從而深入了解學(xué)習(xí)社群的內(nèi)部結(jié)構(gòu)和運(yùn)行機(jī)制。結(jié)合學(xué)習(xí)社群網(wǎng)絡(luò)和專家教學(xué)干預(yù)策略庫，這些干預(yù)策略包括學(xué)習(xí)心理疏導(dǎo)、社群伙伴支持以及家、校、社共同干預(yù)等[9]，基于可信的人機(jī)交互閉環(huán)，能夠針對不同教學(xué)場景提供精準(zhǔn)教學(xué)支持與干預(yù)服務(wù)。

四、智聯(lián)學(xué)習(xí)環(huán)境的實(shí)施路徑

基于智聯(lián)學(xué)習(xí)環(huán)境的整體框架，依托上述的算法模型與智能服務(wù)，將其應(yīng)用于實(shí)際教育場景，為規(guī)模化應(yīng)用示范提供支撐。本節(jié)將從四方面探討智聯(lián)學(xué)習(xí)環(huán)境的實(shí)施路徑，分別是：跨場域?qū)W習(xí)環(huán)境設(shè)計(jì)與評測、事件驅(qū)動(dòng)的學(xué)習(xí)環(huán)境計(jì)算引擎、云邊端協(xié)同的智慧教室監(jiān)測平臺、循證導(dǎo)向的規(guī)?；痉稇?yīng)用。

（一）跨場域?qū)W習(xí)環(huán)境設(shè)計(jì)與評測

基于智能技術(shù)改造和增強(qiáng)跨場域?qū)W習(xí)環(huán)境，場景化人工智能教育應(yīng)用成為關(guān)鍵抓手[10]。場景驅(qū)動(dòng)的技術(shù)創(chuàng)新是通過場景引導(dǎo)人工智能技術(shù)實(shí)現(xiàn)突破，從而形成智能技術(shù)供給和教育需求的互動(dòng)演進(jìn)[11]。首先，調(diào)研班級授課、協(xié)作學(xué)習(xí)/教研、實(shí)驗(yàn)實(shí)訓(xùn)、在線自學(xué)等各類學(xué)習(xí)場景的典型案例，分析出學(xué)?，F(xiàn)有的軟硬件等基礎(chǔ)設(shè)施狀況，制定出傳統(tǒng)學(xué)習(xí)環(huán)境升級改造的建設(shè)標(biāo)準(zhǔn)與技術(shù)指南。針對典型學(xué)習(xí)場景，剖析學(xué)習(xí)事件/活動(dòng)、學(xué)習(xí)主體、技術(shù)設(shè)備以及學(xué)習(xí)空間等要素，并進(jìn)行數(shù)據(jù)化、結(jié)構(gòu)化建模。其次，提煉學(xué)習(xí)者在不同階段的活動(dòng)行為、情緒變化、痛點(diǎn)需求等，形成“以學(xué)習(xí)者為中心”的用戶旅程圖[12]?；诮逃龑W(xué)基礎(chǔ)理論，設(shè)計(jì)自適應(yīng)學(xué)習(xí)服務(wù)流程，提出智聯(lián)技術(shù)支持學(xué)習(xí)活動(dòng)的基本邏輯思路。最后，邀請師生和專家進(jìn)行反饋與評測，通過多輪迭代優(yōu)化智聯(lián)學(xué)習(xí)環(huán)境的設(shè)計(jì)。

（二）事件驅(qū)動(dòng)的學(xué)習(xí)環(huán)境計(jì)算引擎

在智聯(lián)學(xué)習(xí)環(huán)境中，物聯(lián)網(wǎng)設(shè)備、音視頻感知設(shè)備和在線學(xué)習(xí)平臺等是數(shù)據(jù)的重要來源。這些設(shè)備和平臺產(chǎn)生的行為或動(dòng)作，通常被定義為事件，包括環(huán)境傳感器狀態(tài)、用戶操作行為和外部服務(wù)響應(yīng)等。為了構(gòu)建核心算法模型庫，需要集成環(huán)境感知、過程記錄、場景識別以及社群連接等，從而研制事件驅(qū)動(dòng)的學(xué)習(xí)環(huán)境計(jì)算引擎，感知跨場域復(fù)雜學(xué)習(xí)場景下的師生行為與狀態(tài)變化。事件驅(qū)動(dòng)架構(gòu)（Event-Driven Architecture，EDA）[13]是一種基于事件的軟件架構(gòu)模式，其核心思想是系統(tǒng)的各個(gè)組件通過“發(fā)布—訂閱”機(jī)制觸發(fā)和處理事件，實(shí)現(xiàn)松散耦合、可擴(kuò)展性和高靈活性。事件驅(qū)動(dòng)的學(xué)習(xí)環(huán)境計(jì)算引擎可通過事件隊(duì)列、事件調(diào)度器、事件通道和事件處理器等組件，依據(jù)事件的類型和屬性設(shè)計(jì)出相應(yīng)的事件處理和響應(yīng)機(jī)制，并基于事件流主動(dòng)提供服務(wù)。此外，需要基于環(huán)境狀態(tài)、行為編碼、認(rèn)知模板、學(xué)情畫像和教學(xué)支持與干預(yù)策略等實(shí)體關(guān)聯(lián)及因果關(guān)系，構(gòu)建學(xué)習(xí)環(huán)境智聯(lián)計(jì)算的知識庫，歸納實(shí)體關(guān)系描述及推斷規(guī)則，為跨場域、多場景下的精準(zhǔn)學(xué)習(xí)服務(wù)提供參考依據(jù)。

（三）云邊端協(xié)同的智慧教室監(jiān)測平臺

云邊端協(xié)同的智慧教室監(jiān)測平臺以數(shù)據(jù)計(jì)算和智能處理為中心，通過云邊端分層協(xié)同計(jì)算[14]，實(shí)現(xiàn)云端計(jì)算集群、邊緣網(wǎng)絡(luò)節(jié)點(diǎn)和物聯(lián)網(wǎng)智能終端共同參與感知、學(xué)習(xí)和決策。終端層通過Zigbee、LoRa、Wi-Fi等物聯(lián)通信協(xié)議，滿足跨廠家、跨設(shè)備、跨業(yè)務(wù)的泛物聯(lián)接入。邊緣計(jì)算網(wǎng)關(guān)作為IoT設(shè)備、學(xué)習(xí)終端與云端之間的數(shù)據(jù)通信“橋梁”，承擔(dān)數(shù)據(jù)采集與預(yù)處理、通信協(xié)議轉(zhuǎn)換、實(shí)時(shí)數(shù)據(jù)分析與決策、遠(yuǎn)程監(jiān)測與控制，實(shí)現(xiàn)邊端協(xié)同的智慧學(xué)習(xí)環(huán)境感知調(diào)度。邊緣計(jì)算節(jié)點(diǎn)處理視頻關(guān)鍵幀時(shí)，可在本地可信執(zhí)行環(huán)境中運(yùn)行或調(diào)用云側(cè)的AI模型，并將識別結(jié)果上傳至云端時(shí)序數(shù)據(jù)庫。云平臺負(fù)責(zé)邊緣計(jì)算節(jié)點(diǎn)管理、AI模型訓(xùn)練等核心功能，通過設(shè)計(jì)教育物模型，定義出物聯(lián)網(wǎng)設(shè)備的屬性、功能與事件，將邊緣節(jié)點(diǎn)及其子設(shè)備注冊并接入云平臺。AI模型訓(xùn)練依據(jù)學(xué)習(xí)場景數(shù)據(jù)、數(shù)字資源進(jìn)行模型訓(xùn)練和大模型微調(diào)，依據(jù)云邊協(xié)同消息通信與模型分發(fā)規(guī)范，實(shí)現(xiàn)智能模型云端訓(xùn)練和邊端分發(fā)部署?；谠七叾藚f(xié)同技術(shù)框架，大規(guī)模智慧教室監(jiān)測平臺集成仿真設(shè)計(jì)、狀態(tài)監(jiān)測、效率評估等功能模塊，全過程地記錄、監(jiān)測和分析學(xué)習(xí)者和學(xué)習(xí)環(huán)境數(shù)據(jù)，為學(xué)習(xí)者提供適應(yīng)性學(xué)習(xí)支持。

（四）循證導(dǎo)向的規(guī)?；痉稇?yīng)用

按照“設(shè)計(jì)開發(fā)、實(shí)施驗(yàn)證、分析評價(jià)、完善優(yōu)化”的實(shí)驗(yàn)流程，采用實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究方法開展對照實(shí)驗(yàn)，比較不同反饋組學(xué)生在學(xué)習(xí)過程和結(jié)果上的差異，探索智能技術(shù)與服務(wù)（如評課記錄生成、學(xué)習(xí)資源推薦、自適應(yīng)學(xué)習(xí)支持）對學(xué)生和教師績效（如知識水平、實(shí)驗(yàn)技能、情感動(dòng)機(jī)等）的影響，挖掘智能技術(shù)支持學(xué)習(xí)的內(nèi)在規(guī)律，明確典型學(xué)習(xí)場景下有效學(xué)習(xí)支持的原則和策略，提供可解釋性證據(jù)支持學(xué)習(xí)者為中心的理念。將優(yōu)化后的“立體綜合教學(xué)場設(shè)計(jì)”應(yīng)用到實(shí)際教學(xué)活動(dòng)中，通過溯源技術(shù)明晰智能技術(shù)在教學(xué)活動(dòng)中的關(guān)鍵作用，分析其在教與學(xué)中的實(shí)質(zhì)性的輔助或支持作用。結(jié)合學(xué)習(xí)活動(dòng)理論與系統(tǒng)性教學(xué)設(shè)計(jì)原則，分析關(guān)鍵事件和要素，確定影響最終事件的關(guān)鍵要素。結(jié)合已有教育學(xué)理論模型，梳理出智能技術(shù)與教育教學(xué)活動(dòng)的融合機(jī)理，提煉若干針對不同典型學(xué)習(xí)場景的智能技術(shù)支持下的教與學(xué)融合設(shè)計(jì)原則，以指導(dǎo)與改進(jìn)各類教育教學(xué)活動(dòng)。隨后，開展規(guī)?；湫蛥^(qū)域應(yīng)用示范，驗(yàn)證立體綜合教學(xué)場整體解決方案的有效性與智能技術(shù)的教育成效，為大規(guī)模智聯(lián)環(huán)境下跨場域教學(xué)支持服務(wù)提供支撐。

五、智聯(lián)學(xué)習(xí)環(huán)境實(shí)現(xiàn)的關(guān)鍵挑戰(zhàn)

受限于技術(shù)成熟度、倫理風(fēng)險(xiǎn)和教育基礎(chǔ)設(shè)施等，以人為中心的智聯(lián)學(xué)習(xí)環(huán)境的構(gòu)建仍面臨諸多制約。本節(jié)將從云邊端算力基礎(chǔ)設(shè)施、人工智能模型的教育可解釋性、人機(jī)協(xié)同與交互體驗(yàn)設(shè)計(jì)、數(shù)據(jù)安全與隱私保護(hù)四個(gè)方面探討關(guān)鍵挑戰(zhàn)。

（一）云邊端算力基礎(chǔ)設(shè)施

智聯(lián)學(xué)習(xí)環(huán)境依托云邊端協(xié)同的技術(shù)框架，迫切需要改造與升級教育行業(yè)現(xiàn)有網(wǎng)絡(luò)基礎(chǔ)設(shè)施。圍繞跨場域?qū)W習(xí)場景，立足“數(shù)據(jù)、算法、算力”三要素，亟須推動(dòng)公共算力對場景化教育應(yīng)用的支撐。在規(guī)?；涞仳?yàn)證時(shí)，可依托國家一體化算力服務(wù)體系，為各級教育機(jī)構(gòu)提供混合異構(gòu)算力的動(dòng)態(tài)供給，支持AI模型構(gòu)建、訓(xùn)練和推理。面對智聯(lián)學(xué)習(xí)場景的差異化訴求，需智能推薦與匹配算力、存力和運(yùn)力，實(shí)現(xiàn)多策略驅(qū)動(dòng)的分布式算網(wǎng)協(xié)同調(diào)度服務(wù)。此時(shí)，邊緣智能計(jì)算節(jié)點(diǎn)通常提供CPU、GPU、NPU等算力資源，支持AI模型推理、3D圖形渲染、視頻解碼等計(jì)算任務(wù)；當(dāng)本地算力不足時(shí)，可從區(qū)域級算力樞紐調(diào)度資源，實(shí)現(xiàn)跨場域?qū)W習(xí)環(huán)境的混合異構(gòu)算力動(dòng)態(tài)供給，滿足高算力、低時(shí)延等智聯(lián)學(xué)習(xí)場景的需求。

（二）智能模型的教育可解釋性

隨著智能技術(shù)逐步融入教育情境，通用分析模型難以直接適用于師生活動(dòng)行為，單一智能算法無法應(yīng)對復(fù)雜教育場景，且容易引發(fā)以偏概全的風(fēng)險(xiǎn)。同時(shí)，可解釋性成為教育人工智能的重要問題，人類分析與決策依賴于自身背景知識，如何跨越人類可理解的語義空間與數(shù)據(jù)特征空間的鴻溝至關(guān)重要[15]。此時(shí)，需要引入教育專家經(jīng)驗(yàn)，構(gòu)建活動(dòng)行為、學(xué)習(xí)場景和學(xué)習(xí)狀態(tài)的編碼表，為可解釋計(jì)算提供先驗(yàn)知識。教學(xué)活動(dòng)是課堂觀測分析的主要依據(jù)，應(yīng)以此為橋梁/樞紐，連接計(jì)算機(jī)可識別的底層數(shù)據(jù)特征與教育學(xué)高層語義，研發(fā)智能技術(shù)核心算法。同時(shí)，針對深度學(xué)習(xí)模型的“黑箱”問題[16]，可通過可視化和交互技術(shù)解釋AI模型的基本邏輯與工作機(jī)理，增強(qiáng)學(xué)習(xí)者和教師對AI決策結(jié)果的理解，克服決策過程不透明所引發(fā)的不信任感。

（三）人機(jī)協(xié)同與交互體驗(yàn)設(shè)計(jì)

人機(jī)交互與人本人工智能都旨在輔助學(xué)習(xí)任務(wù)執(zhí)行、增強(qiáng)人類認(rèn)知能力，從而提升感知、思考、行動(dòng)和創(chuàng)造的能力[17]。因此，需要重點(diǎn)關(guān)注人工智能系統(tǒng)的用戶界面（UI）和交互機(jī)制，基于以人為中心的設(shè)計(jì)方法與原則，針對不同應(yīng)用場景提供異常事件響應(yīng)、學(xué)習(xí)者主動(dòng)喚醒等交互方式，實(shí)現(xiàn)錯(cuò)誤提示、學(xué)習(xí)引導(dǎo)等類型的反饋。通過可用性、心理和生理狀態(tài)等指標(biāo)評估交互體驗(yàn)，確保輕松、投入、有效的學(xué)習(xí)體驗(yàn)。同時(shí)，在人類與AI協(xié)作方面，學(xué)習(xí)者的特征和AI的外觀、角色等因素會(huì)影響其對AI的感知和使用意愿[18]。應(yīng)考慮教育場景中的活動(dòng)流程、角色分工和情感因素，促使AI系統(tǒng)或者教學(xué)代理自然融入教與學(xué)流程。通過融合學(xué)習(xí)者經(jīng)驗(yàn)與AI生成計(jì)算結(jié)果，提升交互任務(wù)的執(zhí)行效率和質(zhì)量。

（四）數(shù)據(jù)安全與隱私保護(hù)

數(shù)據(jù)作為新型生產(chǎn)要素，已成為教育未來發(fā)展的關(guān)鍵戰(zhàn)略資源。智聯(lián)學(xué)習(xí)環(huán)境將采集與匯聚環(huán)境、學(xué)習(xí)者、活動(dòng)行為、社群交互和學(xué)習(xí)資源等多類數(shù)據(jù)，教育行業(yè)公共數(shù)據(jù)資產(chǎn)的管理與合規(guī)使用尤為重要。因此，亟須推動(dòng)數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，明確各類教育數(shù)據(jù)的責(zé)任主體和邊界，通過健全共享開放機(jī)制，促進(jìn)跨機(jī)構(gòu)、跨部門的專業(yè)數(shù)據(jù)可信、高效流通和利用。同時(shí)，應(yīng)高度關(guān)注學(xué)生和教師的隱私保護(hù)，重視個(gè)人敏感數(shù)據(jù)的脫敏和合規(guī)風(fēng)險(xiǎn)。需制定嚴(yán)格的數(shù)據(jù)管理制度和技術(shù)規(guī)范，加強(qiáng)數(shù)據(jù)加密與訪問權(quán)限控制；采用可信密態(tài)計(jì)算[19]、隱私計(jì)算、聯(lián)邦機(jī)器學(xué)習(xí)等[20]技術(shù)手段，通過軟硬件結(jié)合的方式，在保護(hù)數(shù)據(jù)隱私的同時(shí)，實(shí)現(xiàn)多模態(tài)數(shù)據(jù)的安全合規(guī)與有效利用。

六、結(jié) 束 語

面對教育高質(zhì)量發(fā)展的迫切需求和以人工智能為代表的新一代信息技術(shù)變革的復(fù)雜性、不確定性，科技與教育融合的進(jìn)程依然存在挑戰(zhàn)。在智能時(shí)代，智慧學(xué)習(xí)環(huán)境成為推動(dòng)教育數(shù)字化轉(zhuǎn)型和創(chuàng)新的重要基礎(chǔ)。通過將學(xué)習(xí)環(huán)境核心要素與智能技術(shù)進(jìn)行融合，突破學(xué)習(xí)環(huán)境多模態(tài)感知與監(jiān)測、多場景的學(xué)習(xí)過程記錄與分析、跨場域的學(xué)習(xí)場景建模與推薦、人機(jī)協(xié)同的學(xué)習(xí)社群建構(gòu)與支持等技術(shù)，構(gòu)建起以學(xué)習(xí)者為中心的智聯(lián)學(xué)習(xí)環(huán)境。它遵循“數(shù)據(jù)處理、模型訓(xùn)練、智能服務(wù)”的總體邏輯，涉及物理環(huán)境改造與數(shù)據(jù)匯聚、數(shù)據(jù)指標(biāo)與算法模型構(gòu)建，以及精準(zhǔn)自適應(yīng)支持與智能服務(wù)等層面。以場景化人工智能教育應(yīng)用為關(guān)鍵抓手，通過制定跨場域?qū)W習(xí)環(huán)境設(shè)計(jì)與評測標(biāo)準(zhǔn)，研發(fā)智慧學(xué)習(xí)環(huán)境計(jì)算引擎及大規(guī)模智慧教室監(jiān)測平臺，推動(dòng)人工智能在教育中的大規(guī)模應(yīng)用。智聯(lián)學(xué)習(xí)環(huán)境是新一代人工智能在教育領(lǐng)域的創(chuàng)新應(yīng)用，為個(gè)性化學(xué)習(xí)、終身學(xué)習(xí)和擴(kuò)大優(yōu)質(zhì)教育資源覆蓋面提供有效技術(shù)支撐。同時(shí)，對構(gòu)建網(wǎng)絡(luò)化、數(shù)字化、個(gè)性化、終身化的教育體系，建設(shè)“人人皆學(xué)、處處能學(xué)、時(shí)時(shí)可學(xué)”的學(xué)習(xí)型社會(huì)也具有重要意義。

[參考文獻(xiàn)]

[1] 中華人民共和國中央人民政府. 高舉中國特色社會(huì)主義偉大旗幟 為全面建設(shè)社會(huì)主義現(xiàn)代化國家而團(tuán)結(jié)奮斗——在中國共產(chǎn)黨第二十次全國代表大會(huì)上的報(bào)告[EB/OL]. （2022-10-16）[2024-01-02]. https：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

[2] 黃榮懷. 智慧教育的三重境界：從環(huán)境、模式到體制[J]. 現(xiàn)代遠(yuǎn)程教育研究，2014（6）：3-11.

[3] 李艷燕. 科技賦能教育創(chuàng)新：學(xué)習(xí)環(huán)境的變革與升級[J]. 人民論壇·學(xué)術(shù)前沿，2023（20）：73-79.

[4] 中華人民共和國教育部. 2023年全國教育事業(yè)發(fā)展基本情況[EB/OL]. （2024-03-01）[2024-08-14]. http：//www.moe.gov.cn/fbh/live/2024/55831/sfcl/202403/t20240301_1117517.html.

[5] 中華人民共和國中央人民政府. 國務(wù)院關(guān)于印發(fā)《新一代人工智能發(fā)展規(guī)劃》的通知[EB/OL]. （2017-07-08）[2024-01-02]. https：//www.gov.cn/gongbao/content/2017/content_5216427.htm.

[6] 黃榮懷，虎瑩，劉夢彧，等. 邁向數(shù)字時(shí)代教學(xué)變革的基本理論：數(shù)字教學(xué)法[J]. 電化教育研究，2024，45（6）：14-22，33.

[7] MOSQUEIRA-REY E， HERN？魣NDEZ-PEREIRA E， ALONSO-R？魱OS D， et al. Human-in-the-loop machine learning： a state of the art[J]. Artificial intelligence review， 2023，56（4）：3005-3054.

[8] YE M， SHEN J， LIN G， et al. Deep learning for person re-identification： a survey and outlook [J]. IEEE transactions on pattern analysis and machine intelligence， 2021，44（6）：2872-2893.

[9] 武法提，高姝睿，田浩. 人機(jī)智能協(xié)同的精準(zhǔn)學(xué)習(xí)干預(yù)：動(dòng)因、模型與路向[J]. 電化教育研究， 2022，43（4）：70-76.

[10] 中華人民共和國科學(xué)技術(shù)部. 科技部等六部門關(guān)于印發(fā)《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》的通知[EB/OL]. （2022-07-29）[2024-01-02]. https：//www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/gfxwj/gfxwj2022/202208/ t20220812_181851.html.

[11] 張曉林，梁娜.知識的智慧化、智慧的場景化、智能的泛在化——探索智慧知識服務(wù)的邏輯框架[J]. 中國圖書館學(xué)報(bào)，2023，49（3）：4-18.

[12] ALVAREZ J， L？魪GER P M， FREDETTE M， et al. An enriched customer journey map： how to construct and visualize a global portrait of both lived and perceived users' experiences？[J]. Designs， 2020，4（3）：29.

[13] 湯小春，張克，趙全，等. 基于事件驅(qū)動(dòng)架構(gòu)的分布式流處理彈性資源分配策略研究[J]. 計(jì)算機(jī)學(xué)報(bào)，2023，46（2）：244-259.

[14] YAO J， ZHANG S， YAO Y， et al. Edge-cloud polarization and collaboration： a comprehensive survey for AI[J]. IEEE transactions on knowledge and data engineering， 2022，35（7）：6866-6886.

[15] 張鈸，朱軍，蘇航. 邁向第三代人工智能[J]. 中國科學(xué)：信息科學(xué)，2020，50（9）：1281-1302.

[16] 盧宇，章志，王德亮，等. 可解釋人工智能在教育中的應(yīng)用模式研究[J]. 中國電化教育，2022（8）：9-15，23.

[17] SHNEIDERMAN B. Human-centered AI [M]. Oxford：Oxford University Press， 2022.

[18] 姜婷婷，許艷閏，傅詩婷，等. 人智交互體驗(yàn)研究：為人本人工智能發(fā)展注入新動(dòng)力[J]. 圖書情報(bào)知識，2022，39（4）：43-55.

[19] ZHAO C， ZHAO S， ZHAO M， et al. Secure multi-party computation： theory， practice and applications [J]. Information sciences， 2019，476：357-372.

[20] WEI K， LI J， DING M， et al. User-level privacy-preserving federated learning： analysis and performance optimization [J]. IEEE transactions on mobile computing， 2021，21（9）：3388-3401.

A Learner-centered Intelligent Learning Environment：

Connotation， Framework and Implementation Paths

QI Binbin1， BAO Haogang2， ZHENG Yafeng3， LI Yanyan1

（1.National Engineering Research Center for Cyberlearning and Intelligent Technology， Beijing Normal University， Beijing 100875; 2.Institute of Basic Education Research， China National Academy of Educational Science， Beijing 100088; 3.Center for Educational Science and Technology，

Beijing Normal University， Zhuhai Guangdong 519087）

[Abstract] The construction of learning environments is the foundation of the digital transformation in education and the transformation of learning and teaching methods. Promoting the renovation and intelligent upgrading of learning environments， constructing learner-centered intelligent learning environments， and realizing precise delivery of learning services are the realistic demands for the development of digital education and the construction of a high-quality education system. Focusing on the key issues of intelligent computing in learning environments， the connotation of intelligent learning environments is defined from four aspects： the multimodal perception and monitoring of learning environment， the recording and analysis of learning process in multiple scenarios， the modeling and recommendation of cross-disciplinary learning scenarios， and the construction and support of human-computer collaborative learning communities. Following the logic of "data processing， model training， and intelligent services"， a framework was designed covering physical environment transformation and data aggregation， data index and algorithmic model construction， precise adaptive support and intelligent service. Taking the application of scenario-based artificial intelligence in education as a starting point， the implementation paths were proposed， which included the design and evaluation criteria for cross-disciplinary learning environments， the development of intelligent learning environment computing engines and large-scale smart classroom monitoring platforms， and the evidence-based large-scale demonstration applications. Finally， the key challenges for realizing intelligent learning environments were discussed， including cloud-edge-device computing infrastructure， the educational interpretability of intelligent models， human-computer collaboration and interaction experience design， and data security and privacy protection.

[Keywords] Intelligent Learning Environment; Learner-centered; Cloud-Edge-Device Collaboration; Intelligent Education; Digital Transformation in Education