元宇宙賦能大規(guī)模個性化學(xué)習(xí)的系統(tǒng)框架探索

中圖分類號：G434文獻(xiàn)標(biāo)識碼：A論文編號：1674—2117（2025）09-0106-04

引言

中共中央、國務(wù)院印發(fā)的《中國教育現(xiàn)代化2035》指出：“利用現(xiàn)代技術(shù)加快推動人才培養(yǎng)模式改革，實(shí)現(xiàn)規(guī)?；逃c個性化培養(yǎng)的有機(jī)結(jié)合?！边@就要求，一方面要培養(yǎng)大規(guī)模高質(zhì)量人才，促進(jìn)國家人才整體水平的提升；另一方面要建立能夠滿足不同需求的人才個性化培養(yǎng)模式。但現(xiàn)有的教育培養(yǎng)模式迫切需要借助現(xiàn)代技術(shù)進(jìn)行改革，以解決規(guī)?；逃蛡€性化培養(yǎng)之間的矛盾。2最新的元宇宙技術(shù)以虛擬現(xiàn)實(shí)、區(qū)塊鏈、人工智能等為基石，為解決上述矛盾提供了有效的途徑。本文從元宇宙技術(shù)賦能教育的角度出發(fā)，探索大規(guī)模個性化學(xué)習(xí)的系統(tǒng)框架，對擴(kuò)充新時代的個性化教育理論，具有重要的意義和參考價值。

元宇宙賦能大規(guī)模個性化學(xué)習(xí)的技術(shù)優(yōu)勢

“大規(guī)?！钡母拍钤醋栽诰€開放課程，將超過150人的學(xué)習(xí)群體定義為“大規(guī)?！?。[4“個性化學(xué)習(xí)”是針對不同學(xué)習(xí)者的專屬個性、學(xué)習(xí)興趣、學(xué)習(xí)風(fēng)格等特征[5-，形成適合每個學(xué)習(xí)者的學(xué)習(xí)模式、學(xué)習(xí)策略、學(xué)習(xí)路徑和學(xué)習(xí)方法等，從而滿足學(xué)習(xí)者的個性化需求。大規(guī)模個性化學(xué)習(xí)的目標(biāo)是面向人員數(shù)量大的學(xué)習(xí)者，構(gòu)建適應(yīng)每個學(xué)習(xí)者的個性化需求的學(xué)習(xí)模式，但存在以下挑戰(zhàn)： ① 學(xué)習(xí)者的認(rèn)知和能力水平相異，需要的學(xué)習(xí)資源、學(xué)習(xí)內(nèi)容是不同的，而面對大量的學(xué)習(xí)者，滿足所有學(xué)習(xí)者的資源需求開銷是不能承受的。 ② 教師難以全面了解全部學(xué)習(xí)者情況，不能有針對性地進(jìn)行個性化輔導(dǎo)及情感疏導(dǎo)。 ③ 個性化分析學(xué)習(xí)過程中的數(shù)據(jù)，無法保證學(xué)習(xí)者的隱私信息不被濫用或者泄露。 ④ 大規(guī)模學(xué)習(xí)者的過程性評價缺乏及時性，不能充分發(fā)揮以評促學(xué)的作用。

近年來，元宇宙技術(shù)在教育領(lǐng)域的應(yīng)用受到了研究者的廣泛關(guān)注，如利用虛擬現(xiàn)實(shí)構(gòu)建沉浸式個性化學(xué)習(xí)空間、采用區(qū)塊鏈保證教育數(shù)據(jù)安全性和可靠性、引入人工智能精準(zhǔn)分析學(xué)習(xí)者的個性化特征并推薦適合的學(xué)習(xí)路徑與學(xué)習(xí)方式等。以上應(yīng)用為應(yīng)對大規(guī)模個性化學(xué)習(xí)中的挑戰(zhàn)提供了技術(shù)可行性，具體表述為： ① 提供多模態(tài)個性化學(xué)習(xí)資源。元宇宙根據(jù)學(xué)習(xí)者的學(xué)習(xí)目標(biāo)、知識能力水平等特征自適應(yīng)地匹配學(xué)習(xí)資源，并以此構(gòu)建沉浸式的學(xué)習(xí)空間，既滿足對理論知識的掌握，又可以在不受時空限制的實(shí)訓(xùn)空間中開展具身學(xué)習(xí)。② 為大規(guī)模學(xué)習(xí)者提供個性化輔導(dǎo)。在元宇宙空間中，學(xué)習(xí)者和教師以真實(shí)、自然的方式進(jìn)行交互和交流，同時，采用智能技術(shù)可以塑造虛擬教師，提供一對一的輔導(dǎo)，這種方法既能緩解規(guī)?；虒W(xué)中教師的壓力，又能提供個性化的知識引導(dǎo)、情緒調(diào)節(jié)等服務(wù)。 為學(xué)習(xí)過程數(shù)據(jù)提供可信保障。作為元宇宙支撐的區(qū)塊鏈技術(shù)，具有去中心化、可追溯、不可篡改等特征，可以采用訪問控制方法設(shè)置權(quán)限，構(gòu)建智能合約自動執(zhí)行個性化分析流程，建立數(shù)據(jù)回溯機(jī)制有效保護(hù)學(xué)習(xí)成果。[9]④ 為大規(guī)模學(xué)習(xí)者提供智能化的學(xué)習(xí)評價。在元宇宙學(xué)習(xí)空間中，智能終端設(shè)備可以采集全面的多模態(tài)過程數(shù)據(jù)，通過人工智能技術(shù)分析每個學(xué)習(xí)者的學(xué)習(xí)狀態(tài)、知識掌握、能力變化等，實(shí)時獲知過程性評價[0-1，其評價結(jié)果及時反饋給學(xué)習(xí)者，隨之調(diào)整其學(xué)習(xí)進(jìn)度，促進(jìn)學(xué)習(xí)者更加高效地學(xué)習(xí)。

元宇宙賦能大規(guī)模個性化學(xué)習(xí)的系統(tǒng)框架

基于元宇宙的技術(shù)優(yōu)勢，設(shè)計大規(guī)模個性化學(xué)習(xí)的系統(tǒng)框架，其設(shè)計原則包括以下四條。 ① 沉浸性：學(xué)習(xí)者能夠深度參與、沉浸式體驗(yàn)適合其能力水平的學(xué)習(xí)活動。② 引導(dǎo)性：通過感知學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，為不同學(xué)習(xí)者提供與之相匹配的線索，觸發(fā)學(xué)習(xí)者對相關(guān)知識的聯(lián)想和應(yīng)用。 ③ 智能性：根據(jù)學(xué)習(xí)者的能力和需求，自適應(yīng)地組織學(xué)習(xí)資源，實(shí)現(xiàn)學(xué)習(xí)資源與學(xué)習(xí)者能力的實(shí)時動態(tài)匹配。 ④ 可信性：個性化學(xué)習(xí)中的過程數(shù)據(jù)能夠安全可靠地存儲。基于以上原則構(gòu)建的以數(shù)據(jù)層、知識層和空間層為核心的系統(tǒng)框架如下圖所示。

1.數(shù)據(jù)層

采用5G網(wǎng)絡(luò)、沉浸式設(shè)備和終端智能設(shè)備采集學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)，包括行為、生理、心理和虛擬身份等數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行分析和存儲。其主要分為以下三個模塊：

① 數(shù)據(jù)感知模塊。負(fù)責(zé)獲取學(xué)習(xí)者的初始特征數(shù)據(jù)，包括基本信息、知識背景、學(xué)習(xí)目標(biāo)、學(xué)習(xí)風(fēng)格、學(xué)習(xí)偏好等，同時感知學(xué)習(xí)過程中的學(xué)習(xí)狀態(tài)、情緒狀態(tài)等數(shù)據(jù)。

② 數(shù)據(jù)分析模塊。采用不同角度對感知數(shù)據(jù)進(jìn)行深入分析。引入人工智能技術(shù)分析學(xué)習(xí)者的行為數(shù)據(jù)；通過與虛擬教師的交互數(shù)據(jù)，分析學(xué)習(xí)者學(xué)習(xí)需求的改變；以深度學(xué)習(xí)技術(shù)分析情緒狀態(tài)數(shù)據(jù)，洞悉學(xué)習(xí)者的情感需求。

③ 數(shù)據(jù)存儲模塊。構(gòu)建基于P2P的區(qū)塊鏈網(wǎng)絡(luò)，設(shè)計以節(jié)點(diǎn)可信度算法為核心的數(shù)據(jù)區(qū)塊生成方法，以及一系列區(qū)塊操作，包括時間戳驗(yàn)證的計算函數(shù)、打包區(qū)塊的選擇算法、判斷區(qū)塊是否被接受的共識策略等。同時，設(shè)置不同的數(shù)據(jù)存取權(quán)限，建立基于智能合約的共享機(jī)制，保障學(xué)習(xí)數(shù)據(jù)的可信性。

元宇宙賦能數(shù)據(jù)層的構(gòu)建，通過感知學(xué)習(xí)者多模態(tài)特征數(shù)據(jù)，提升個性化特征分析的準(zhǔn)確性。同時，區(qū)塊鏈技術(shù)為提高數(shù)據(jù)感知過程的安全性提供了有效技術(shù)手段，對虛擬現(xiàn)實(shí)設(shè)備傳輸?shù)臄?shù)據(jù)進(jìn)行共識驗(yàn)證，提高數(shù)據(jù)的可靠性。

2.知識層

知識層主要分為三個模塊，包括課程推薦模塊、知識概念推薦模塊和習(xí)題推薦模塊，前兩個模塊用于個性化的知識學(xué)習(xí)，后一個模塊用于知識鞏固，為具有不同需求的學(xué)習(xí)者提供個性化的學(xué)習(xí)服務(wù)。

① 課程推薦模塊。根據(jù)學(xué)習(xí)者的個性化特征，推薦其感興趣的課程資源，常用的方法有基于學(xué)習(xí)者畫像的課程推薦、基于知識偏好的課程推薦、基于課程內(nèi)容的推薦等，采用知識圖譜[12]、協(xié)同過濾[13]、注意力機(jī)制等技術(shù)充分挖掘?qū)W習(xí)者與課程之間的關(guān)系或者“課程一課程”的潛在關(guān)系，提高課程推薦的精確性和可解釋性。

② 知識概念推薦模塊。鑒于在課程學(xué)習(xí)時，存在依賴先修課程的知識概念，為了滿足學(xué)習(xí)者對特定知識概念[的學(xué)習(xí)需求，可從知識細(xì)粒度角度來推薦資源。主要采用異構(gòu)信息網(wǎng)絡(luò)表達(dá)知識概念間存在著復(fù)雜的依賴關(guān)系，并將這些關(guān)系融人知識概念表達(dá)中，采用深度學(xué)習(xí)方法建模學(xué)習(xí)者和知識概念之間的潛在關(guān)系，以實(shí)現(xiàn)個性化的知識概念推薦。

③ 習(xí)題推薦模塊。采用診斷分析法度量學(xué)習(xí)者對所學(xué)知識的掌握程度，并提供合適的資源達(dá)成鞏固知識的目的。對于理論知識的考查，常采用測驗(yàn)、習(xí)題等方式，自適應(yīng)地推薦優(yōu)質(zhì)習(xí)題，根據(jù)學(xué)習(xí)者的作答表現(xiàn)評估其知識狀態(tài)。對于實(shí)踐知識，提供相應(yīng)的場景資源，如對于物理實(shí)驗(yàn)等操作類練習(xí)，提供實(shí)驗(yàn)器材等建模資源，通過學(xué)習(xí)者的行為操作，判斷是否掌握相應(yīng)的實(shí)踐能力。

元宇宙賦能知識層的構(gòu)建，其強(qiáng)大的語義理解與上下文推理能力從一定程度上緩解了當(dāng)前存在的知識迷航、信息過載等問題，為學(xué)習(xí)者提供與能力相匹配的知識內(nèi)容。

3.空間層

元宇宙構(gòu)建沉浸式的學(xué)習(xí)環(huán)境，同時提供個性化的輔導(dǎo)服務(wù)，滿足學(xué)習(xí)者因時而變的個性化需求，包含以下四個模塊：

① 資源模塊。根據(jù)學(xué)習(xí)者的學(xué)習(xí)需求、學(xué)習(xí)內(nèi)容和學(xué)習(xí)目標(biāo)，結(jié)合生成式人工智能技術(shù)動態(tài)生成需要的多模態(tài)資源，并自適應(yīng)組織這些資源，創(chuàng)建虛實(shí)融合的學(xué)習(xí)空間。智能感知不同學(xué)習(xí)者的學(xué)習(xí)狀態(tài)和達(dá)到的能力水平，及時給予動態(tài)反饋，個性化推送學(xué)習(xí)資源，優(yōu)化更新現(xiàn)有的資源，以照顧大規(guī)模學(xué)習(xí)者的資源需求。

② 活動模塊。在學(xué)習(xí)空間中開展多項(xiàng)學(xué)習(xí)活動，包括自主學(xué)習(xí)、小組學(xué)習(xí)、研討學(xué)習(xí)等。在傳統(tǒng)教學(xué)中，這類多人學(xué)習(xí)方式難以組織具有相同學(xué)習(xí)目標(biāo)的學(xué)習(xí)者，影響了群體學(xué)習(xí)效率。而在元宇宙創(chuàng)建的學(xué)習(xí)空間中，能根據(jù)規(guī)?；瘜W(xué)習(xí)者的特征，智能地劃分、組建高質(zhì)量的學(xué)習(xí)小組。同時，設(shè)計智能調(diào)整機(jī)制，當(dāng)監(jiān)測到某個學(xué)習(xí)者的能力水平發(fā)生顯著變化后，適配其能力的高階或者低階的學(xué)習(xí)活動，重新匹配所在活動小組成員。

③ 交互模塊。設(shè)計虛擬教師數(shù)字人，完成三項(xiàng)功能：一是指導(dǎo)學(xué)習(xí)者的學(xué)習(xí)，引導(dǎo)其進(jìn)行更深入的能力訓(xùn)練；二是通過多種交互策略，提供個性化的教學(xué)互動，提高具身學(xué)習(xí)效率；三是采用情緒識別技術(shù)洞悉學(xué)習(xí)者的情緒變化，從心理方面進(jìn)行情緒疏導(dǎo)。

④ 評價模塊。根據(jù)實(shí)時感知的多模態(tài)特征數(shù)據(jù)，可視化地呈現(xiàn)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)、情緒狀態(tài)等，展示形成性評價，并反饋給學(xué)習(xí)者和教師。同時，在完成階段性學(xué)習(xí)任務(wù)之后，針對不同學(xué)習(xí)者給出總結(jié)性評價，針對學(xué)習(xí)目標(biāo)相同的群體，給出整個群體的發(fā)展性評價，從多個角度綜合展示規(guī)?；瘜W(xué)習(xí)者的能力水平，真正實(shí)現(xiàn)以評促學(xué)的目標(biāo)。

系統(tǒng)框架探析

提出的個性化學(xué)習(xí)系統(tǒng)框架采用先進(jìn)的元宇宙技術(shù)作為支撐，然而，在系統(tǒng)框架實(shí)施過程中，仍有一些問題需要進(jìn)一步研究。

① 學(xué)習(xí)數(shù)據(jù)的隱私保護(hù)。元宇宙學(xué)習(xí)空間需要全面感知學(xué)習(xí)者的多模態(tài)數(shù)據(jù)，并對這些數(shù)據(jù)進(jìn)行標(biāo)注、解析，然而它們包含生理、心理等隱私性的信息，如何保護(hù)這些隱私信息，防止被惡意泄露或非法他用，是必須解決的問題。

② 提出的系統(tǒng)框架需要區(qū)塊鏈、虛擬現(xiàn)實(shí)、人工智能等技術(shù)在數(shù)據(jù)層、知識層以及空間層的協(xié)同工作，而如何發(fā)揮每種技術(shù)優(yōu)勢，構(gòu)建協(xié)同工作機(jī)制，其關(guān)鍵要素尚需進(jìn)一步探索和求證。

③ 元宇宙賦能規(guī)?；瘋€性化教育的理論方法需要進(jìn)一步研究。

個性化教育是涉及諸多因素的領(lǐng)域，需要充分利用新技術(shù)去不斷探索新的分析方法、構(gòu)建新的學(xué)習(xí)模式，以完善面向大規(guī)模學(xué)習(xí)者的個性化教育理論。

結(jié)語

元宇宙賦能大規(guī)模個性化學(xué)習(xí)，具有自適應(yīng)個性化資源提供、智能化學(xué)習(xí)者能力感知、情感交互輔助教學(xué)、精準(zhǔn)個性化評價等優(yōu)勢，將助力破解未來個性化教育中的難題。但是，筆者目前只是從理論層面進(jìn)行了探索，未來將會從可操作的實(shí)踐范式方面進(jìn)行深入研究。

參考文獻(xiàn)：

[1中華人民共和國教育部.中共中央、國務(wù)院印發(fā)《中國教育現(xiàn)代化2035》[EB/OLJ.htp：//www.moe.gov.cn/jyb_xwfb/s6052/moe_838/201902/t20190223_370857.html.

[2]李靜，劉蕾.技術(shù)賦能的高等教育規(guī)模化教育與個性化培養(yǎng)：邏輯必然與實(shí)踐機(jī)理[J].中國電化教育，2021（08）：55-62.

[3]朱珂，丁庭印，付斯理.元宇宙賦能大規(guī)模超域協(xié)同學(xué)習(xí)：系統(tǒng)框架與實(shí)施路徑[J遠(yuǎn)程教育雜志，2022，40（02）.24-34.

[4]張吉先，夏現(xiàn)偉，饒冠俊，等.大規(guī)模在線教育育人場景構(gòu)建研究：邏輯架構(gòu)與實(shí)踐形態(tài)[J.遠(yuǎn)程教育雜志，2021，39（03）.75-83

[5董玉琦，林琳，林卓南，等.學(xué)習(xí)技術(shù)（CTCL）范式下技術(shù)促進(jìn)學(xué)習(xí)研究進(jìn)展（2）.技術(shù)支持的基于認(rèn)知發(fā)展的個性化學(xué)習(xí)[J].中國電化教育，2021（10）：17-23+42.

周洋濤，褚華，朱非非，等.基于深度學(xué)習(xí)的個性化學(xué)習(xí)資源推薦綜述[J].計算機(jī)科學(xué)，2024，51（10）：17-32.

[7]張文超，袁磊，閆若，等.從游戲化學(xué)習(xí)到學(xué)習(xí)元宇宙：沉浸式學(xué)習(xí)新框架與實(shí)踐要義[J.遠(yuǎn)程教育雜志，2022，40（04）.3-13

[8]李建偉，武佳惠，姬艷麗.面向自適應(yīng)學(xué)習(xí)的個性化學(xué)習(xí)路徑推薦[J].現(xiàn)代教育技術(shù)，2023，3（01）：108-117.

Lianga 2023（02）.586—598.

[10]孔維梁，韓淑云，張昭理.人工智能支持下自適應(yīng)學(xué)習(xí)路徑構(gòu)建[J].現(xiàn)代遠(yuǎn)程教育研究，2020，32（03）.94-103.

[1]白雪梅，郭日發(fā).生成式人工智能何以賦能學(xué)習(xí)、能力與評價？[J].現(xiàn)代教育技術(shù)，2024，34（01）.55-63.

[12]陳藝.基于知識圖譜的個性化課程推薦算法研究DI桂林：桂林電子科技大學(xué)，2023

[13]徐碩，尹雋，郭佩瑤，等.基于知識圖譜與協(xié)同過濾的個性化試題推薦[J].軟件導(dǎo)刊，2023，22（01）：46-51.

[14]孔超，陳家會，孟丹，等.面向MO0S的個性化知識概念推薦[J.華東師范大學(xué)學(xué)報：自然科學(xué)版，2024（05）：32-44.e

第一

作者簡介：叢鑫（1982—），男，漢族，山東招遠(yuǎn)人，博士，副教授/碩導(dǎo)，研究方向?yàn)閰^(qū)塊鏈、P2P技術(shù)、云計算。通訊

作者簡介：眥玲玲（1981—），女，漢族，遼寧阜新人，博士，副教授/碩導(dǎo)，研究方向?yàn)樵钪?、圖形圖像與多媒體、區(qū)塊鏈。

基金項(xiàng)目：重慶市教育委員會人文社會科學(xué)研究規(guī)劃重點(diǎn)項(xiàng)目“基于區(qū)塊鏈的育人評價方法和體系研究”（24SKGH055）。