朱许强 沈自茹 

摘 要

学习方式的转变是培养创新型人才的重要标志。图谱学习具有网状交互性、动态可扩性和跨学科性等特征,成为重要的现代学习方式。在实践过程中,从线性学习转向图谱学习存在多维困境,如技术与教学融合浅表化、教学资源共享碎片化和学生培养“去思维化”。通过构建知识图谱、整合优质学习资源、培养学生的高阶思维、完善人机协同运行机制、推动个性化服务评价升级等,有助于实现学生学习方式从线性转向图谱。

关键词

学习方式  线性学习  数智技术  图谱学习  知识图谱

作者简介

朱许强，宁夏师范大学教育学部教授；沈自茹,宁夏师范大学教育学部。

近年来,以自然语言处理、数字孪生、人工智能等为代表的新一代数字智能技术给人类社会、经济、生活、思维和学习方式带来重大转变,人工智能赋能教育创新发展已成我国教育改革的关键抓手。《中国教育现代化2035》提出,将“利用现代技术加快推动人才培养模式改革,实现规模化教育与个性化培养有机结合”[1]作为重要战略任务。《新一代人工智能发展规划》提出:“要重点突破知识加工等核心技术,形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱,并利用智能技术加快推动人才培养模式、教学方法改革。”[2]目前,学习者仍然停留在被动接收教师传授的书本知识、注重知识技能习得的传统学习方式阶段,难以应对人类复杂的生存环境。因此,探寻知识图谱如何作为数智技术与教育深度融合的一种知识学习方式,引导学习者从分科、系统化的组性学习方式逐步转向跨学科、个性化、动态化的图谱学习方式,具有重要的理论与现实意义。

一、线性思维:传统学习方式的特点及其限度

(一)传统学习方式的特点

“互联网时代的信息以一种有丝分裂的方式疯狂地分裂和复制,向流动的、无形的本质转变,这对于教育和学习的方式提出了挑战。”[3]尽管传统学习方式在知识传授方面有一定优势,如逻辑清晰、易于组织等,但已不能满足当下复杂多变的社会需求,弊端逐渐显现:一是线性学习,学习内容被分成许多步骤,包括章、节、模块等。随着学习难度和复杂程度逐渐增加,教师通常会给出明确的指示并教授内容,而学生获得或提高一项新技能的主要方法是记住“正确的知识点”。然后,通过练习、重复,直至熟记、掌握,以因果关系的方式应用于生活,并试图学会驾驭周遭复杂的世界。二是单向知识学习,聚焦阅读与机械记忆,只有知识的“输入”而无“输出”,缺乏深度加工、质疑与创新,难以通过专业化的知识学习完成由学习者到生产者、研究者的身份转变,也难以培养学生的综合思维和创新能力,使教书育人目标的达成大打折扣。三是被动地接受学习,具体表现为教学以讲授为主,教师只是知识的搬运工,上课是教“教材”而不是用“教材”教;学生只是知识的“接受者”而不是 “学习者”。换言之,传统方式采用一种线性的、单向的、被动的、缺乏变化的静态思维,形成了固定的策略,未能体现学习者在学习过程中的动态变化;学生依靠知性逻辑、死记硬背的学习方法,难以把握复杂现象背后的本质与规律,难以达成有效学习之目的。

(二)传统学习方式的限度

智能技术创设的信息空间促使知识大量汇聚,并呈现出海量、动态、跨学科化、综合性等复杂特征。线性的学习方式已经无法满足多样化的知识形态,因为“数字智能技术环境下,教育系统内部以及教育系统内外部间呈多点对多点的相互作用,教育逐渐演变为不断适应与改造外部世界的复杂动态系统”[4]。传统线性思维学习方式,侧重描述单一事物的特征与特性,强调逻辑思考,忽略了创新和想象力。复杂系统涉及多种不同的因素和关系,它们之间存在着复杂的相互作用和影响。从单向学习方式看,如果教师不敢越“知识雷池”半步,因循守旧,缺乏激发学生好奇心的策略,学生将不懂得触类旁通,更不能举一反三,极易形成缺乏灵活性、好奇心的学习特性。从被动学习方式看,学生缺乏独立思考和自主学习的能力,容易形成依赖心理,逐渐失去对学习的兴趣。被动学习是对知识点的机械记忆,并不能让学生真正地掌握知识,更难以让其将所学知识在实际生活中进行应用,容易导致学生缺乏创新思维和实践能力。

二、图谱学习的特点与优势

(一)图谱学习方式的缘起

知识图谱的起源可以追溯至20世纪60年代,在人工智能发展的早期,主要有两个分支:一个是符号派,注重模拟人的心智,研究如何用计算机符号表示人脑中的知识,以此模拟人的思考与推理过程;一个是联结派,注重模拟人脑的生理结构,由此发展了人工神经网络,并作为一种结构化知识表示的方法,主要用于自然语言理解领域。随着知识工程的兴起,人们开始探索如何有效地表示和利用知识,图谱作为一种有效的知识组织和管理工具,逐渐受到人们的青睐。机器学习技术能够从海量数据中提取最有价值的信息,为知识图谱的构建和应用提供新的思路和方法。尤其是资源描述框架(ResourceDescriptionFramework,简称RDF)和Web本体语言(WebOntologyLanguage,简称OWL)等语义网标准的发布,为知识图谱的构建提供了重要的技术支持。知识图谱在智能问答、推荐系统、语言理等领域具有广泛的应用前景,推动了知识图谱技术的不断进步和完善。“利用技术帮助学习者破解学习过程中的问题,进而提高学习绩效并形成互利共生的发展样态,既是未来教育的基本价值追求,也是理想的生态愿景。”[5]质言之,知识图谱作为学习支持工具与学习者的个性化学习方式的深度融合,在追踪学习者个性特征基础上,与知识图谱建立起网状关联,为个性化学习提供了新思路。

(二)图谱学习方式的基本特征

其一,图谱学习具有网状交互性。“交互是远程学习中教与学再度整合的关键。”[6]与传统教学的一对一或一对多的线性交互方式不同,图谱学习下的教学交互不再局限于师生之间,而是呈现出更加复杂的多点对多点的网状交互态势。有效的技术教学成为一个多层面、多角度的立体结构,包括外层的技术教学形态、中层的技术教学设计和核心层的技术教学理念。从技术教学内容的呈现形式看,它融合了文字叙述、图像描绘、色彩运用、声音效果、视频展示、虚拟现实(VR)体验以及游戏化学习等多种模态的符号系统。至于知识的架构与组织,基于知识图谱的教学策略通过深度挖掘现有学科体系中的核心概念、事实案例、历史故事、理论框架及其相互关联,构建了一个跨越教材、课程与学科界限的综合性知识网络。同时,凭借知识图谱的对齐机制、关联性分析及整合能力,促进了不同学科知识之间的交叉渗透与协同发展。从教学实践的应用层面看,新型的知识图谱辅助教材资源需具备灵活性,便于教师根据教学需求重新编排知识素材,使这些资源与各类主流在线教学平台实现无缝对接。依托大数据技术的学习行为深度分析及精准教学服务,能够支撑起教师与学生的多元化、混合式学习环境,适应不同教学场景的需求。

其二,图谱学习具有动态可扩性。知识图谱能够随着新知识的产生和学习者需求的变化而不断扩展和更新。“知识图谱建构中知识更新指随着教学数据信息发生变化,知识图谱的内容遵循事物发展规律动态调整。”[7]数字教育时代强调利用技术满足学习者个性化、多元化的教育需求,注重学生的生成性学习。动态知识图谱的核心是深度学习的导向性,它驱动教育系统积极开发与整合多元化的学习资源。在资源的传递与利用过程中,应借助知识图谱、大型语言模型等,实现个性化资源的精准推送。从学习数据表征看,可实现学习状态对应教学活动及应用资源的相关分析,既可对学习结果进行诊断,也可联通内容图谱进行预测方法和知识推荐。由知识迁移转变为知识创造,通过学生交流互动并且建立学习生态系统,以正式和非正式的方式交换知识,促进观点不断改进、可持续发展是动态生成扩展的关键,也是深度学习的保障。从学习知识结构看,教师通过动态知识图谱能够感知到学生的知识进展,帮助学生反思和修正他们的知识结构,在理解不同个性、文化和背景学生的学习模式基础上,客观地评价学生的学习成绩,并提出建设性的建议。

其三,图谱学习具有跨学科性。知识图谱能够“实现多个学科知识点之间以及知识点与应用情境之间的关联”[8],成为知识资源组织工具,实现知识的结构化。具体而言,学科课程跨学科是参照教材建立起来的系统化的知识体系,是对学科知识扩展的多门课程的组合,以一个相对系统的“问题”为逻辑起点(根节点)而搭建起来的涉及各个学科的知识网络。因此,知识图谱以学习者的个性化特征为基础,通过可视化呈现学生学情、知识体系与学习目标之间的多维联系,能够赋能教师进行个性化跨学科课程内容统整,在一定程度上打破了现有的学科壁垒,促进学科之间的交叉融合和个性化学习的发展,进而实现优质学习资源的共享。

(三)图谱学习方式的优势

其一,图谱学习使知识结构化。随着学科本质内涵的不断丰富,以大概念推进结构化学习的功能也在改变。“知识图谱作为一种语义网络,凭借其语义化、结构化的典型特征,已经成为人工智能时代各行各业数字化转型的关键技术之一。”[9]“学科基本内容是相互关联的概念的结构化集合”[10],成为人们对新时代课程改革认识的重大提升。从知识结构化的角度来说,知识结构化是通过将知识按照一定的规则和方式进行组织、分类和存储的过程。学习者通过建立概念之间的关联关系或者建立层次结构,提高提取效率,以便于在不同的环境和系统中进行知识迁移与共享,并为创新提供基础。从思维结构化的角度来说,图谱学习强调学习者的逻辑、系统和条理性的思考方式,在面对问题时能够从多个角度进行分析,将复杂的问题拆分成若干个简单的部分,然后逐一解决。从教学结构化的角度来说,教师在遵循学科教学发展规律、深入解读教材的基础上,通过搭建知识体系内在的结构关联性,能有效培养学生的结构化思维与系统化思考,从而推动学生思维品质的高阶发展。

其二,图谱学习注重学生的个性化。个性化学习可以追溯到孔子的教育主张“因材施教”,根据不同对象的具体情况,采取有针对性的教育方法。“知识图谱这种语义关系更丰富、推理能力更强、可视化方式更直观的智能新技术能够为个性化学习研究赋能。”[11]事实上,差异不仅是奠定学生个性成长的起点,而且是提高教育质量的重要方法。基于此,学生的差异性主要指向两个方面:一是个性化认知,要求教师细致观察并深入理解每位学生的独特优势与特质;二是差异化教学,要求教师根据学生的固有优势灵活调整教学策略,采取定制化的教育方式,旨在最大化地激发学生的潜能,促进其优势领域的充分发展。数字技术的优势契合了学生对差异教育的需求,为差异教育的有效开展提供技术支撑,并为学生提供定制化的学习方案与学习支持,使学习内容、路径、策略、反馈个性化。

其三,图谱学习注重人机协同。随着教育步入智能时代,“人机协同学习也由此成为当下乃至未来人类社会的一种应然学习形态”[12]。机器开始分担由人类大脑完成的认知活动,改变了信息加工过程,从而影响学习发生过程与机制,最终推动人机协同的形成,衍生出人机共生的学习系统。从认知角度来说,智能学习系统会根据不同学习者的特征,在知识图谱中定制个性化学习路径,按照系统预设的学习路线引导学习者的认知过程,并根据学习者的学习进度进行干预和调整。从人机调节角度来说,人机协同教学模式强调学习者在学习过程中的自主性和自我调节能力,通过智能系统与学习者之间的互动性对话,共同管理和调整学习进程。从智能服务层面来说,这种模式不仅充分利用了机器从庞大数据集中学习的优势,而且更加注重将“人类认知特点”作为核心考量因素,增强人类对机器输出内容的调控能力,确保机器生成的内容与人类常识、认知模式、实际需求及价值观相契合,从而提供高契合度、高效率的服务。

三、从线性学习转向图谱学习的多维困境

(一)融合之困:技术与教学融合浅表化

尽管“技术的不断创新倒逼并引领教学的不断改革”[13],使“信息技术由进入教学走向适应教学”[14]。但是,因“缺少信息化教学装备、专业机构的支持、未能意识到信息化教学的优势、对信息化教学缺少信心、缺少推进信息化教学的时间”[15]等因素的影响,教师在运用智能技术方面仍具有一定的随意性,存在与课堂教学契合度不高、融合性不强的问题。一是部分学校运用智能技术的基础条件存在不足,如数字资源、算法支持、高速且稳定的网络连接等,而技术条件是保障教学改革的基础性条件。二是技术被简单地视为辅助工具。一些教师仅仅是利用多媒体课件替代传统的板书,只是将教学内容以更直观的形式展现出来,但教学的本质和方法并未发生根本性改变。如,原本需要板书推导的公式,现在直接用PPT播放,学生看似获得了更丰富的视觉体验,但实际上对知识的理解深度并没有显著提升。这种对技术的浅层应用,没有充分发挥技术在促进教学模式创新、提升教学质量方面的潜力。三是缺乏对技术与学科内容的深度融合。很多时候,技术的应用仅仅是为了“用”而“用”,没有与具体的学科知识点进行深度整合,未能真正实现技术为教学赋能。例如,一些实验教学虽然使用了虚拟实验室技术,但只是让学生按照既定的步骤操作,没有引导学生深入思考实验背后的原理和科学思维方法。这样的融合只是停留在表面,未能真正实现技术为教学赋能。

(二)共享之困:教学资源共享碎片化

“知识图谱不仅仅是知识点之间、知识点与教学资源之间的关系连接,而且也包含知识点或者教学资源的堆叠。”[16]互联网能够动态汇聚越来越丰富的教学资源,但是汇聚的学习资源大多数仍较为初级和零散化,缺乏有效的共建共享机制和常态化的应用模式。一是资源获取的便利性有所欠缺。“三通两平台”“国家精品课程”等项目虽然积累了海量数字教育资源,但由于缺乏统一的规划管理以及高质量资源的有效引导和服务,众多资源鲜有人问津。此外,各平台间访问权限的不统一、优质资源搜索困难以及资源格式的不兼容,进一步加大了获取资源的难度。二是资源内容的更新速度滞后,且质量参差不齐。早期的资源建设工作未能充分重视后续内容的持续更新,致使大量资源已无法适应新课标的学科能力要求或新教材的内容标准。三是资源与不同层次学生需求的适配性不高。大多数学习系统提供的网络课程学习资源,对学生的动态学习情况掌握不够精准,基本上是从供给侧角度为学生提供统一的学习资源,针对性不强、适切性不够,致使大多数网络课程学习资源闲置、利用率低。基于此,教学资源共享平台建设是教学资源建设的重中之重,其关系到整个教学资源系统的开放性、兼容性、共享性和质量水平,涉及教学资源系统的结构体系和价值取向。

(三)培养之困:学生培养“去思维化”

“个体的思维发展是一个从直观动作到具象思维再到抽象思维的过程,利用知识技能解决问题的过程体现了学习者一定的心智模型和认知过程,体现了在不同情境下能力的具体表现过程。”[17]问题解决的过程是促进知识向思维发展的重要途径。高质量的课堂讲授和课后辅导对实现“学足学好”颇为关键,但当前的学生培养尚存在“去思维化”的倾向。一是教师对标准答案的过度强调,使学生在应对各种作业、考试和挑战时,习惯于直接寻找标准答案,而不是依靠自己的思考和分析解决问题。例如,在面对复杂的数学问题时,不是深入理解解题的思路和方法,而是急于查找答案解析。这种对标准答案的盲目追求,使学生的思维逐渐变得懒惰和僵化,逐渐失去主动探索和创新的精神。二是教师对权威与权力的过分强调,使学生缺乏独立思考的能力。如在课堂讨论和小组活动中,部分学生往往只是附和他人的观点,很少提出自己独特的见解。他们不敢质疑现有的知识和观念,害怕因为自己的想法与众不同而被嘲笑或否定。这种缺乏存异的氛围,导致学生的思维逐渐趋同,不利于培养具有创新意识和批判性思维的人才。三是教师强调知识而忽略学生思维培养。在教学过程中,许多教师难以说出具体的思维方法与思维方法论,更不熟悉如何通过思维可视化的手段评价学生思维的发展状况,使学生习惯于快速地获取表面的知识点,不愿意深入钻研和思考知识背后的本质逻辑关系,进而失去对复杂问题的分析和解决能力。

四、图谱学习的策略

(一)构建知识图谱,为学生提供个性化学习路径

教育神经科学与智能技术的发展,为技术赋能教学提供了理论与技术支撑。“大脑认知结构及其功能结构的改变是学习发生的内在特质,学习者行为方式的变化是学习发生的外在表现。”[18]知识图谱能够记录学习者的学习目标以及短期和长期的学习需求,为学习者提供个性化的学习路径和建议,帮助他们达到预期的学习成果。一要构建知识图谱。构建知识图谱是图谱学习的前提,教师应根据教学目标与内容,借助软件工具,如Mind、Meister、Xmind、Coggle等创建图谱,如概念图、思维导图或流程图,通过节点和链接的形式清晰地展示出知识点之间的关联和层次结构,并将学习重点和难点以特殊符号、颜色、线条等视觉标签的形式在图谱中标明,以便学生直观地看到本节课的核心内容和需要掌握的知识点。二要引导学生自主学习。在课前,教师可以利用图谱中的标签和注释,引导学生自主学习,提前预习新课内容,了解新课的知识结构和重点难点。三要提供个性化学习路径。每个学生对内容的理解方式和学习速度不同,教师可通过知识图谱指导学生根据自己的需求和能力,选择适合自己的学习路径,逐步深入理解复杂概念。例如,在英语教学中,教师可以通过图谱展示词汇、语法和句型之间的联系,学生可以根据自己的掌握情况,选择先学习词汇,再学习语法,最后练习句型的顺序。对已经掌握较好的部分,学生可以跳过,直接学习薄弱环节,从而提高学习效率。

(二)深度讲解与跨学科知识应用相结合,培养学生的高阶思维

教师根据知识图谱,深度讲解与跨学科知识应用相结合,培养学生的高阶思维是图谱学习的关键。一是教师的深度讲解。知识图谱将概念按照层次结构进行组织的方式,通过教师的深度讲解,能够帮助学生将新旧知识联系起来,明确知识点之间的联系和层次结构,深入理解复杂概念并形成完整的知识体系。二是注重跨学科知识的应用。跨学科教学的目标之一是培养学生的跨领域思维能力和高阶思维能力,即学生能够跨越学科边界,灵活运用不同领域的知识和思维方式解决问题。“跨学科主题学习的精髓在于多学科知识、思想和方法的整合,在于培养学生综合运用学科知识和方法解决实际问题的能力。”[19]一方面,跨学科学习能够帮助学生通过认识不同学科,用多学科视角以及不同的概念体系审视特定的问题,深入体悟各个学科在探究问题时选择的不同路径,理解人们看待同一问题时产生的差异,进而养成以多学科的视角认识事物和审慎判断的习惯;另一方面,跨学科学习更加贴近真实的生活世界,能帮助学生保持开放的心态,学会延迟判断,接纳歧义,容忍不同意见与理解,养成公正、谨慎、灵活、开放和同情等优秀品质。三是培养学生的高阶思维。知识图谱清晰的知识点体系和结构,揭示了知识点之间的联系和脉络。学生在构建知识网络的过程中,需要进行分析、比较和推理,发现不同观点、归纳总结和发现思维上的漏洞,有助于培养学生的批判性思维;基于知识图谱的智能推荐系统可以为学生提供更多的学习资源和拓展机会,激发他们的学习兴趣和创造力,并通过探索未知领域、尝试新方法等方式,培养学生的创造性思维和实践能力。

(三)感知动态信息元素,整合优质学习资源

感知动态信息元素、整合优质学习资源是图谱学习一个复杂但至关重要的任务。“资源不仅将成为教师备课的丰富教学资源,也将成为学习者学习该知识点的重要学习资源。”[20]首先,知识图谱本身是一个动态变化的系统,随着新知识的产生、旧知识的更新以及知识间关系的演变而不断变化。为了感知这些动态信息元素,需利用先进的数据抓取技术,从多源头采集最新信息,如学术论文、新闻报道、社交媒体、专家讲座、专业书籍、在线课程、论坛讨论等,将其转化为结构化的数据格式,并自动更新到知识图谱中,成为新的实体、关系或属性。其次,整合优质学习资源是提升学习效果的核心任务。图谱学习强调知识的广度和深度,需要对多渠道、涵盖不同学科领域的学习资源,运用自然语言处理进行文本分析,识别关键概念、实体和关系;利用机器学习算法进行模式识别,反映知识领域的最新进展,预测知识领域的未来趋势;利用专家评审系统对收集到的信息与资源的权威性、准确性、时效性和实用性进行综合评价,提取出有价值的知识元素;利用学生反馈系统收集学习者对新知识点的反馈意见,以便不断优化知识图谱的内容和结构,确保整合进入知识图谱的都是高质量的学习资源,以满足不同学习者的需求。最后,建立公共优质学习资源平台,为师生提供数字素养画像服务,并根据画像为不同学生推送平台上合适的素养提升课程。同时推荐与当前偏好匹配度不高但对拓展学生知识和能力有促进作用的学习材料,并鼓励学生参与知识图谱的创建过程,让他们在小组中讨论和协作,提高综合能力。

(四)完善人机协同运行机制,推动个性化服务评价的升级

完善人机协同运行机制并推动个性化评价服务的升级,是提升图谱学习效率、优化学生体验和增强教育效果的关键。

首先,完善人机协同运行机制。

一是基于知识图谱和学习者的个人画像,开发智能推荐系统。设计简洁、直观、易用的人机交互界面,使学习者能够轻松浏览、搜索和获取知识图谱中的学习资源,并支持多种界面的交互方式,如语音输入、手势识别等为学习者提供个性化的学习资源和学习路径。

二是探索人机协作学习模式,如机器辅助学习、人机对话等,使学习者能够在与机器的互动中深化对知识的理解,提高学习效率,培养学生的自主学习能力和创新思维。

三是建立实时反馈机制,通过收集学生在学习过程中的问题和建议,并根据学生的学习进度和反馈,及时动态调整学习资源、学习路径和推荐策略,实现更加智能化的人机协同。

四是高度重视学生的数据安全和隐私保护,可通过加密技术、访问控制等手段,确保学生的个人信息和学习数据不被泄露或滥用。

其次,推动个性化服务评价的升级。

根据学生的兴趣、需求和行为模式,提供定制化的服务,并通过学生的反馈不断优化服务评价系统。

一方面,通过分析学生的学习历史、兴趣偏好和行为模式,构建细致的学生画像,并基于学生画像,开发个性化的推荐算法,为学生提供合适的课程、资源或学习路径,并对推荐的内容和服务进行评价和反馈。

另一方面,根据学生的实时行为数据和反馈,动态调整推荐内容和服务模式,如推荐算法的权重、更新学生画像、优化知识图谱的结构等,以提高个性化服务的效率和准确性。

最后,为了保障评价过程的有效实施,需要建立相应的技术保障、数据隐私与安全机制以及学生体验优化策略,确保图谱学习方式的稳定性和可持续性,为学生提供更加安全、便捷和个性化的学习体验。

参考文献:

[1]中共中央,国务院.中国教育现代化2035[EB/OL].(2019-02-23)[2024-10-20].http://www.moe.gov.cn/jyb_xwfb/s6052/moe_838/201902/t20190223_370857.html

[2]国务院关于印发.新一代人工智能发展规划的通知(国发〔2017〕35号)[A].2017-07-08.

[3]祝智庭,俞建慧,韩中美,等.以指数思维引领智慧教育创新发展[J].电化教育研究,2019(01):5-16+32.

[4]陈丽,郭玉娟,张文梅.“互联网+教育”的世界观:复杂系统观[J].中国远程教育,2023(08):7-12+24.

[5]马宁,杜蕾,张燕玲,等.群体知识图谱建构对教师在线学习与交互的影响研究[J].电化教育研究,2021(02):55-62.

[6]陈丽.远程学习的教学交互模型和教学交互层次塔[J].中国远程教育,2004(05):24-28+78.

[7]姜强,药文静,赵蔚,等.面向深度学习的动态知识图谱建构模型及评测[J].电化教育研究,2020(03):85-92.

[8]袁磊,王阳.数字教育背景下中小学跨学科教学的困境与应对[J].电化教育研究,2023(12):87-94.

[9]刘峤,李杨,段宏,等.知识图谱构建技术综述[J].计算机研究与发展,2016(03):582-600.

[10]中华人民共和国教育部.义务教育化学课程标准(2022年版)[M].北京:北京师范大学出版社,2022:4-5.

[11]谢 幼 如,邱 艺,刘 亚 纯.人 工 智 能 赋 能 课 堂 变 革 的 探 究 [J].中国电化教育,2021(09):72-78.

[12]钟卓,唐烨伟,钟绍春,等.人工智能支持下教育知识图谱模型构建研究[J].电化教育研究,2020(04):62-70.

[13]赵冬冬,朱益明.信息技术引领教学改革及其辨正———兼议“屏幕改变命运”[J].中国电化教育,2019(11):41-48.

[14]王天平,闫君子.信息技术与教学活动的融合:历史透视和未来展望[J].课程·教材·教法,2021(12):54-62.

[15]钟绍春,钟卓,范佳荣,等.智能技术如何支持新型课堂教学模式构建[J].中国电化教育,2022(02):21-29+46.

[16]郑兰琴,范云超,牛佳玉.基于在线协作学习交互文本的跨领域知识图谱构建技术[J].电化教育研究,2022(12):70-77.

[17]范佳荣,钟绍春.学科知识图谱研究:由知识学习走向思维发展[J].电化教育研究,2022(01):32-38.

[18]李艳燕,张香玲,李新,等.面向智慧教育的学科知识图谱构建与创新应用[J].电化教育研究,2019(08):60-69.

[19]周素娟.跨学科主题学习的逻辑理路与教学实践[J].基础教育课程,2022(22):4-11.

[20]王一岩,刘淇,郑永和.人机协同学习:实践逻辑与典型模式[J].开放教育研究,2024(01):65-72.

该文2025年7月发表于核心期刊《教育评论》。