虚实共生：数字孪生（DT）技术及其教育应用前瞻*——兼论泛在智慧学习空间的重构

褚乐阳 陈卫东 谭 悦 郑思思 徐铷忆 徐浩然

（苏州科技大学 新媒体交互设计与应用研究所，江苏苏州215009）

一、引言

随着信息技术不断介入人类的生产方式和社会关系，当下社会正面临着深刻的数字化变革，即运用以比特为存储单元的信息在 “重构原子的运行轨道”，使人类所需改造的客体，由单维的原子形态，转变为融合物理——信息系统 （Cyber-physical System）的复杂体。 信息正重塑着人类认识、 实践的客体，即比特绝对保真度下的可复制性，改变着以往社会以追求“稀缺型”资源价值为主的运转方式，转向为一种以“信息爆炸”为主要特征的“丰裕型”社会新形态。 哈佛商学院教授迈克尔·波特（Micheal Poter）认为，未来人类所面对的是一种以动力部件、执行部件、 智能部件和互联部件为主要特征的智能系统[1]，人类的实践活动也因此转向解决全域感知下基于共生关系的智慧生物系统中的复杂问题， 追求基于数据分析、决策的特殊语义价值（Semantic Value）。

近年来， 随着5G 通信、 人工智能、 大数据分析、物联网以及云计算等技术的集群突破，使智能技术在工业领域的运用不断深化，以“智能制造”为主要特征的工业4.0 即将完成量变阶段的蓄能，进而形成一个高度灵活、人性化、数字化的社会生产服务模式与体系[2]。 作为影响工业4.0 实现的关键技术之一，数字孪生（DT，Digital Twin）技术是一项以模型信息流驱动全产业价值链协同的产品生命期管理工具，其核心在于数据收集、聚合、分析及提供决策性洞见（Insight）等功能，将会重构未来人类的生存环境。

以数字孪生技术为认识基点，探究其对个性化教学、学习空间乃至教学教育环境治理与应用等方面的可能性， 对于培养未来创新人才具有一定的前瞻价值。 当下的教育领域，已逐渐成为虚拟与现实混合的实践领域。 在这个虚实融合的境脉下，虚拟系统将借力大数据分析、人工智能等技术，对特定个体、组织靶向赋能。 因此，未来的知识形态也将逐步发展为分布于虚拟空间、个体组织间的共生形态，以多模态的方式与个体互动，并为改造物理世界提供决策依据。 基于此，未来的智慧教育生态系统，也可以被理解为是一种泛在智慧（Ubiquitous Intelligence）的学习空间。

二、数字孪生技术的原理、发展及应用现状

（一）起源与发展

数字孪生技术的发展可分为三个阶段， 如图1所示，它包括概念形成期、航空工业运用的发力期以及逐步在各领域的推广期[3]。 数字孪生的术语是在2003年美国密歇根企业高管培训课中首次被提出，是一种通过物理设备收集的数据， 在虚拟空间构建可以表征该设备的虚拟实体和子系统， 并以数字可视化的方式实现透明化的产品全生命周期管理[4]。后来，Grieves 进一步将数字孪生分为数字孪生原型、数字孪生实例及数字孪生聚合体三个层级[5]。

图1 数字孪生的发展历程

2010年，NASA 首次提出了数字孪生技术的应用构想， 将其运用到下一代战斗机与月球车的设计中，主要在于利用数字孪生技术实现对航天飞行器的故障预测与健康管理，以保证其在整个产品生命期内的稳定运行状态[6]。 随后，美国空军研究实验室（AFRL，Air Force Research Laboratory） 为实现在未来复杂服役环境下，基于实时数据监控的飞行器寿命预测的需求， 于2011年提出了数字孪生在航空工业中应用的概念模型[7]，并于2012年进一步提出“机体数字孪生体”的概念[8]，如图2 所示，成为数字孪生技术应用研究的典型代表。美国国防部也意识到数字孪生技术的应用潜力，联合通用电气公司（GE，General Electric）设计针对F35 联合攻击机的数字孪生技术解决方案，这也为通用电气公司布局数字孪生技术提供了灵感。GE 将数字孪生技术作为一种资产性能管理工具，实现物理机械与分析技术的融合，从而降低产品维护成本。 与此同时，PTC、西门子、达索等工业巨头公司也都在2014年前后接受了数字孪生的概念， 并在市场上进行相应的数字化业务，数字孪生技术开始转向民用工业的应用。

图2 机体数字孪生体的应用概念

由于数字孪生技术不受地域分布、 个体数量以及时间环境的限制， 在众多行业中的应用具有一定的普适性。随着工业物联网、大数据分析以及人工智能技术的发展，数字孪生技术在对以往问题诊断、当前状态评估及未来预测等方面，具有更高的准确性，引起了社会各界的广泛关注。 著名科技咨询公司加特纳（Gartner）连续三年（2017-2019）在其发布的“十大战略科技发展趋势”报告中，将数字孪生技术列为在未来5 到10年内会产生破坏性创新（Disruptive Innovation）的技术之一[9][10][11]。 该报告指出，数字孪生技术不仅可以作为物理世界中的物体或系统的虚拟映射，在短期内帮助企业实现资产的维护、修复及运营，也可以实现更大规模的孪生系统，如孪生学校、孪生城市等[12]。 爱立信公司在《消费者趋势2019》报告中也指出，48%的增强现实、 虚拟现实的用户认为，未来会出现与他们存在共生关系的虚拟化身[13]，人类将可以借助数字孪生技术“同时”出现在不一样的场景中。 虚拟现实先驱Morie 博士提出的“终极自拍”（Ultimate Selfie）概念，也与数字孪生相接近，它通过采集相关数据、在虚拟空间中投射自我形象，并借助人工智能架构的不断训练， 以帮助个体实现一系列个性化需求[14]。 即允许基于数字孪生的虚拟化身，参与到不同真实情境的认知过程中。

因此，从数字孪生技术的发展历程来看，数字孪生更多的是一种数据驱动的实时虚拟映射系统，始于对产品生命全周期的可视化管理， 发展于作为航空工业复杂系统的工程管理工具。 现阶段数字孪生技术正拓展到宏观、微观两个层面:宏观上是以构建镜像城市、镜像世界作为最终愿景；微观上是以利用数字孪生技术构建面向个体的虚拟化身， 以满足人类个性化发展的诸多诉求。

（二）定义及技术特性

1.数字孪生技术的定义

跟众多新技术一样， 数字孪生在学界尚未出现一个公认的定义。其中NASA 与AFRL 在2012年的一篇合作论文中， 对数字孪生技术的定义受到普遍关注:数字孪生技术是一个面向复杂产品或系统的，集成多物理、多尺度的概率仿真模型，它利用当前最佳的可用物理模型、 实时更新的传感器数据和历史纪录等，来反映对应物理实体的状态[15]。 之后，不同的研究群体又对该定义进行补充及更新。 随着计算机识别技术的不断进步， 对物理世界信息的捕捉已不仅依赖于工业物联网，还包括人像识别、动作捕捉等，对生物体本身的数据获取技术，数字孪生的对象也从机械体拓展为生物体。 因此，有学者认为，数字孪生技术也可以是由人、物、事所构成的复杂城市系统的数字拷贝， 使其能够准确地模拟城市基础设施的运行情况[16]，以实现智慧化的城市管理。

本文认为， 数字孪生技术是指在特定的数据闭环中，在指向性的多维异构数据驱动下，创建物理实体（系统）相对应的动态高仿真数字模型，以提供不同情境下面向特定对象的主动或响应式服务。 物理对象具有信息的等效性， 人类的智慧使自身能从物理对象中提取有效的信息，用以满足特定的需求。数字孪生技术可以说是一种以数据可视化的方式管理复杂信息的工具， 以模型语言表征并最大化利用孪生对象的信息价值[17]，从而为个体、组织甚至系统提供实时、高效、智能的服务方案。

2.数字孪生技术的主要特性

（1）虚实共生。 数字孪生技术的发展，按照技术整合的层级，可以分为虚实连接、虚实融合及虚实共生三个阶段，如图3 所示。 在虚实连接期，数字孪生是以数字模型的形式出现， 模型与物理实体间的数据交换均手动进行， 该阶段模型多以设计阶段的产品原型出现。 虚实融合期的数字孪生更多的被称之为数字阴影[18]（Digital Shadow），是利用物联网、大数据分析等数据采集技术， 使虚拟的模型参数能够对应物理实体的实时状态而动态更新， 但虚拟端无法向物理端主动传输数据。 第三阶段为数字孪生的高阶形态，结合不断成熟的数字线程（Digital Thread）技术， 虚拟实体与未来对应的智能系统 （即孪生对象）间，能够完成数据的双向自流动，在全生命周期内实现了虚拟与现实融合的一种终极形态——虚实共生。通过虚实交互反馈、多维数据融合分析及决策迭代等方式优化物理实体， 从根本上推进现实活动中各阶段的高效协同。

图3 虚实共生概念图

（2）高虚拟仿真。 当下5G 网络的传输速率与计算机实时渲染能力的大幅提高， 使得数字孪生技术能够提供高仿真的虚拟对象。 由于面向不同服务对象会产生差异化的感知需求，如工业应用场景中，结构工程师与造型工程师对于不同阶段的同一孪生对象，有着不同的检视需求，因而，孪生对象的呈现形式也应当灵活多变。 模型的确真性（Authenticity）是指在特定目标引导下， 事实信息与其表征物之间的关系问题，即与目标所需事实信息关联度越大，模型的真实度越高[19]。 因此，数字孪生技术以通用孪生体（General Digital Twin）为基础，借助情境感知的功能，面向不同的用户需求，提供相应的高保真专用模型。

（3）高实时交互。数字孪生技术强调底层实时多维数据的收集、解释，但人机交互界面呈现的主要是物理对象的仿真模型，以模型、数据可视化等仿真、自然直观的方式，进行人机“交流”是数字孪生技术的一大特点。 随着基于模型的系统工程（MBSE，Model-based System Engineering）在工业界的运用与推广[20]，数字孪生技术将与沉浸式技术深入融合，结合可穿戴设备、增强现实眼镜、虚拟现实甚至脑机接口等交互技术，提供全方位的信息感知体验。

（4）深度洞见。 随着大数据收集、分析技术的不断增强，人工智能技术算法、算力的提升，数字孪生中的虚拟实体也开始通过“学习”不断生成知识，未来也可能会产生关于知识、 技能和经验的新型研究范式:基于数字孪生技术的分布式共生知识空间[21]。在万物皆可孪生的发展背景下， 万物也将具有 “智慧”属性，人类将身处于泛在智慧的生存空间中。 以人类作为孪生对象为例， 人类可利用数字孪生技术将知识传递给虚拟化身， 而该化身又可以通过不断模拟训练、与本体交互等形式进行学习，从而提供不同情境中的深度洞见。

三、数字孪生技术的教育应用分析

（一）教育应用的内涵与场景

人类社会现处在一个虚实相融的混合空间之中， 数字孪生技术为当下虚拟空间与物理空间的融合，带来了一种新的可能，即虚实共生。 虚拟空间不再是物理空间简单的映射与模仿， 而是基于现实空间数据的再造与演化， 数据的价值因指向于特定的现实孪生对象，被最大化的挖掘其语义价值。图4 所展示的是工业时代、 信息时代以及数字孪生技术支持下的智能时代， 学习者知识获取渠道所具有的不同特征。 信息时代的学习解决了工业时代知识获取渠道狭窄、表征形式单一等问题，虚拟空间成为知识生产主体与学习者的交流平台，出现了网络学习、远程教育等新的学习路径。 但难以实现虚拟学习空间向现实的实时反馈，也存在诸如推送知识精度不高、与学习者的诉求关联度较低等问题。

数字孪生技术的出现与应用， 一定程度上解决了信息时代虚拟学习空间中的上述问题， 在虚实共生理念及技术的支持下， 发展出如表1 所示的多种主体间的互动关系，变革了知识演化的过程，提供了多种应用场景的预想。与此同时，在数据闭环的整合下，基于数字孪生技术学习空间中的知识，呈现一定的场域特征，按照数据闭环自组织，在不同阶段将虚拟空间与现实空间中的不同知识节点自发聚合，并与孪生对象一一映射， 极大地方便了学习者在知识节点间的调用。 由于数字孪生技术是以模型为交流介质与学习者进行互动，因此，知识也将从超文本等网络媒介形态， 转化为适应于学习者学习特征的具象形态，便于学习者的可视化理解。

图4 不同时代学习者知识获取途径之特征

表1 数字孪生教育应用场景预想(部分)

可见， 未来的学习空间将呈现泛在智慧的特征，物或系统形成的新的智慧节点，按照主动检测或基于全域感知的响应等方式，动态生成指向某一现实对象的策略性洞见。因此，数字孪生技术的教育应用研究，可从泛在智慧学习空间的研究范式下开展，围绕其构建一系列学习资源、学习活动等。

在微观层面，知识、经验将以跨媒介、非结构化的具象化信息，回应学习者个性化的学习诉求，教师关注的不再是知识客体的传播与学生的理解、 消化，而是如何引导学习者在泛在智慧空间中，进行个性化知识探索以及技术应用伦理等方面的问题。学习者将拥有对应的数字孪生体，学习共同体的组合，也将拓展为包含学习者、 学习者孪生体甚至智慧机器等主体，群智协作将被赋予新的内涵。 在中观层面，教学实体空间中的一切资源型物件将被激活，围绕学习者创设自适应的个性化学习空间。随着对校园内硬软环境的数据建模、学习者甚至教师等教育主体孪生画像的构建，高质量的数据也成为校内实施数字孪生技术的关键因素。数字孪生技术能够在更大范围内连接社会各职能部门，将校园转变为知识管理平台，促进海量知识在各知识主体间流通。 在宏观层面，教育系统将被纳入到更广阔的孪生系统，成为城市或者社会孪生系统中数据网络连接的节点。

（二）教育应用的主要领域

1.作为故障预测及健康管理工具，提升教学设施的管理效率

数字孪生技术的应用，使得教学设施的管理能更好地体现以人为本，通过将硬软件生成数据、教职工、学习者多维数据等的采集分析，能够根据不同主体的需求，灵活配置校园内部公共资源，如建立以班级为单位的孪生班集体， 当需要使用不同公共教学空间时，其需求便可通过教师孪生体与外部的沟通，反馈至特定虚拟孪生体，以驱动或控制物理实体做好准备工作，提高资源的配置效率。同时，采用产品全生命周期的管理策略，对校园内部教学硬软件环境进行数据建模，如多媒体设备、校园网、实验室仪器设备等，并进行故障预测，以保障教学设施的健康运行。

2.作为能耗管理工具，实现数字化绿色校园

目前，各大院校在建设数字化绿色节能型校园方面，主要是通过构建智能计量系统来推行，即通过传感技术、物联网平台等，将各处水、电、油、气等能耗数据实时、准确、全面地采集，并集中式的进行可视化管理。因此，创建校园能耗系统孪生体，将进一步实现精细化能耗管控。 在更大的数据闭环中，能耗的管理将通过模型介质与教师教学、 学生学习活动相关联，在人工智能技术的帮助下，进一步挖掘隐性的能耗管理变量，向监管者提出针对性的解决策略。 这不仅将变革校园管理模式，同时也将教学活动与校园能耗的变化建立起科学联系，使管理者更有效解决能耗问题。

3.作为“孪生车间”，赋能职业教育

数字孪生技术在职业教育中的应用， 在学习方式、教学方式等方面，都能带来一定程度的创新。 首先， 学校或企业通过此技术建立车间级的数字孪生模型，物联网与大数据结合模拟出的动态仿真模型，可包含对象在现实中存在的一切细节及其生产规划与执行过程， 通过传感器获取变化等各种信息并连接到物理实体，与实体制造执行系统对接，进行设计与执行的连续更新与动态迭代[22]，从而实现深度的虚实融合。相比与传统教学方式，在虚拟模型上进行演练与实操，可为学习者提供更大的容错性。 其次，虚拟模型还可模拟在不同情境、条件下的生产状况，进行预演并预测结果，有效帮助学习者规避风险。第三，虚拟孪生体或“孪生车间”在为学习者提供互动学习体验时，又能确保学习者的人身安全，还可可视化企业经验、流程习惯等无法具像化的内容，以更为直观的方式呈现。可见，数字孪生技术为职业教育提供了新的运作空间或环境， 虽然仍存在一些诸如人机合理干涉等问题亟待解决，但前景看好。

4.作为可视化工具，助力创客与创新教育

数字孪生技术与5G 通信技术的结合，为创客教育、STEM 学习等以项目式学习为主的教学、 学习提供更多的可行性。创客教育通过建立创客空间以及开设多种创意项目来激发学生的兴趣，培养学生们探索精神、动手能力等。利用孪生技术，可无缝连接当前物理与虚拟两种学习空间，创造出一个基于数字孪生的开放式“虚拟教育空间”，打破传统物理创客空间的局限，实现真正的数据联通、资源共享。数字孪生虚拟学习空间可高度仿真现实情境，监控实验与制作过程及其数据统计、分析与存储，能在创意制作初期，便能预测实物制造过程，从而保证制造细节准确无误[23]。 数字孪生教育的联通特性，为学生探索提供了更大包容性，可视化的场景与动态仿真模型，方便团队间的交流与资源的共享， 通过视觉化形式可深化学生对语言、文本的理解。学生可利用虚拟孪生体工具、材料模拟等实现自身的创意，随时调用网端数据资料进行分析修改，验证优化孪生体，可有效提升学生学习的深度、广度与速度，从而培养探究与创新精神。

5.促进学习者画像与数据精准分析，优化教学动态评估

传统学习评估方式以总结性评价为主， 很大程度上依靠评价主体的教学经验， 同时评价量表的设计更新周期较慢， 难以适应当下学习者个性化发展的要求，导致评估效度较低。 有学者认为，实践中可行的方案是以数字孪生概念重建“微格教室”，投入到职前和职后的师训中[24]。 师训教育中学习评价是教师成长的主要方式，数字孪生技术的应用，使得以过往显性的评估方式， 转向以数据驱动的隐形学习评估方法，即通过算法的分析，预测学习者的学习风格、偏好等因素，以提高学习者的自我认识与教师的评估维度。具体包括:构建基于动态数据的学习者画像，通过对现实学习者的持续跟踪分析，预测其未来的学习趋势并提供个性化反馈策略；同时，也能支持教学者在“镜像课堂”中利用学习者孪生体，模拟并印证各类教学活动的适用性。 对于过往教学难点等环节的研究，可凭借高仿真模型作为检视对象，进行全景式的回溯，帮助教学者以多视角观察教学环节，分析教学活动中的顽疾，进而优化教学活动。

6.构建教师数字孪生体，优化远程学习过程

随着“三通两平台” 在国内大部分学校得以建立，远程教育的开展也从离散教育资源的制作、单向传播，转向了互动式远程教育平台的开发与应用，旨在为学习者提供优质的远程学习体验。 无论名师录播课堂、MOOCs 与互动讨论课堂等，都是“孪生”技术的用武之地，如将教学者的“数字形象”以不同形式呈现给异地的学习者。数字孪生技术的出现，使得远程教育的学习环境有了重构的可能性。首先，教育专家等名师能够建立数字孪生体， 与远程端学习者进行多场景学习互动，大幅提高远程学习的体验。其次，知识按照不同情境的感知，在特定知识主体之间流动，其智能响应式的知识服务，便于学习者根据自身的情况筛选与重组，构建适合自身的知识体系。最后，针对学习者个性偏好进行动态数据拟像分析，可帮助学习者获得更符合其自身的学习路径、方法，并反馈至学习平台，有效记录学习者的成长历程，优化远程学习过程。

7.高拟真再现文化遗产，强化人文教育与场馆学习效果

数字人文与数字文化遗产的研究是文化研究新的热门领域之一， 在对于文化遗产的保护与开发利用中，数字孪生技术的高仿真过程，能更好还原文化遗产中的材料、尺寸、工艺、造型等属性，可以将人、机、环境进行有效的动态融合，并生成镜像的虚拟空间，从而减少对实体的损坏。 动态数据的实时收集，还可以有效应用于文化遗产领域的修复和还原工作。由于数字孪生体并非纯静态的物理数据复制品，未来数字孪生技术或许可以进一步用于文化遗产孪生体的生命周期测试或尝试文物修复过程的优化。

在历史教育领域， 通过数字孪生技术复制出历史中的虚拟空间， 可展现沉浸式与具身化的历史场景，一方面可弥补课堂教学的不足；另一方面可以通过以点带面的形式， 使学习者进一步了解与主体文化相关的其他学科的衍生领域。另外，在博物馆等场馆中应用数字孪生，可有效促进场馆学习效果。

8.构建“全息孪生课堂”，优化学习空间

数字孪生中的虚拟共生特性， 可借助建立在虚拟社交网络中的孪生体，通过虚实交互反馈、多维数据融合分析，实现更加高效的沟通与合作。人类的学习方式随着互联网技术的发展而逐渐多元化， 包括非正式学习、场馆学习等。但在目前的正式与非正式学习中，依然存在学习效率低、交互性不足、学习内容更新不及时、学生问题反馈不迅捷等问题。而数字孪生技术对实时数据、 泛在的万物互联网络的动态强化，使得情景化、定制化学习成为可能，通过诸如可穿戴设备、增强现实眼镜等，即时即地构建“全息孪生课堂”，实现真正的虚实互联，营造出动态化、个性化、赏心悦目的智慧学习全新教与学环境。

四、数字孪生与泛在智慧学习空间的重构

近些年来， 随着AI、IoT、5G 等信息科技在教育领域的影响与应用， 智慧学习空间研究成为教育技术学科研究的热点之一。 而数字孪生技术的出现与应用， 进一步改变了人们对于构成学习空间的主体和客体的认识，也给我们建构泛在智慧学习空间，提供了新的思路和机遇。

（一）未来学习空间研究范式的迁移

随着教育信息化2.0 的提出与实施， 技术的地位将大大提高，成为以观念为核心，以技术为先导的一场自我革命[25]。 技术地位的提高也是符合时代发展的应然之势，因当下技术的发展并非单线突破，而是基于智能技术群的协同发展。对技术的应用，通常是以构建技术生态系统作为设计的起点， 这导致教育系统也正处于自上而下变革的时代转折点。 我们对于未来学习空间的研究， 也同样面临着新的研究范式的迁移。

在教育信息化1.0 时期，对于未来学习空间的构建是以解决教育资源稀缺的问题为主要着力点，可以分为三个阶段:首先是知识的信息化阶段，基于万维网（Web1.0）编织、录入数字资源，将编码的结构化知识存储在虚拟空间， 学习者通过各种搜索策略查询相关的数字资源内容。 因而，对于学习空间建构是以图书馆式的学习环境为主[26]。其次是人际关系的信息化阶段， 该阶段的特征是以个体与虚拟空间的交互，打破实然空间中教与学过程的时空限制，围绕个体的需求来构建个人化的网络环境， 促进学习者与远程端专家、资源或系统等的连接，利用交互设备或介质的协助，拓展师生、生生互动的范围与质量，强调的是建造高互动的学习空间。 最后是“互联网+”教育、“人工智能+”教育或教育大数据等智能技术局部聚合、应用的阶段，该阶段学习者的学习主体性将充分凸现，基于数据驱动的智能技术（数据+算法）将以单个或多个结合的形式， 运用到以学习者为中心的一个或多个场景，以期实现精准教学的目标。 因此，这一阶段的未来学习空间研究， 主要是在混合虚拟与现实的学习空间研究范式下展开。

随着教育信息化2.0 的实施以及数字化转型的不断深入，教育资源的时空限制，将不再是学习空间研究的主要问题，而是如何培养学习者应对“信息丰裕型”社会中各种不确定性的能力。 数字孪生技术的教育应用，对教育信息化2.0 的愿景既是呼应又是创新。 呼应在于， 数字孪生技术明确了未来社会物理空间与虚拟空间何为第一性的问题， 虚拟空间将作为物理世界的镜像而存在。 因此，对未来学习空间的研究范式，也将从教育信息化1.0 时代技术与教育的融合角度，转变为对基于数字孪生技术的虚实共生学习模式的支持。 我们可以进一步理解为: 未来学习空间的核心课题将从运用技术促进“生本”学习，转变为在智能技术共性（数据、算法及算力）所推演出的泛在智慧学习空间中，如何重构“生本”学习的教与学过程等方面的内容。

与此同时，在数字孪生技术所创造的分布式知识空间，人机关系将重构未来学习，“信息丰裕型”社会的复杂特征，将呼唤人机共生的思维方式。 “智慧”（可以理解为运用知识的能力）将分布于万物的孪生体中而得以泛在化，现实世界中的各种数据通过收集、聚合至虚拟段进行模拟择优，以最优或个性化的洞见、行动反馈至物理世界中的各主体，导致虚拟空间因其依附共生特性，而成为物理世界的一种信息属性，数字现实也得以实现。 因此，未来学习空间可以理解为:一种泛在智慧的学习空间，学习者通过虚实对话、人机交流等新型互动方式，建立新的知识获取途径，数字孪生技术也将再次变革课堂、校园及教育系统的生态模式。

（二）泛在智慧学习空间与数字孪生

数字孪生技术的应用将有机会变革人类生存空间，因此，我们对于未来学习空间的认识，必须上升到教育生态学的维度。从其形成过程来看，教育生态学将社会生态学与人类生态学作为分析参考对象，是指特定空间范围内生物与环境相互作用而产生的能量交换、 循环代谢及信息传递等动态统一的生态场[27]。 学习者、教学行为与学习空间是构成生态系统的主体，通过主体间的各种联系，教育子系统与社会系统间维持着不间断的物质与能量交换。 随着知识更新换代的速度加快， 以学校为轴心的传统教育体系，已无法满足教育对象日益上升的学习需求。

当今社会大部分知识与技能都要在社会实践中不断学习才能获得[28]，联合国教科文组织第38 次大会发布的《教育2030 行动框架》提出:终身教育的理念是使教育教学活动在时间维度上向两极延伸，即从传统的青少年阶段向婴幼儿阶段和中老年阶段进行延伸[29]。 这表明未来的教育生态，应是满足多元学习者需求的终生教育体系， 将突破以学校为权威知识机构的阶段性学习模式， 构建关注于学习者个体学习特征的全生命期的完整连续过程。 数字孪生支持的学习强调流程的闭环， 注重学习的周期性与过程性的管理，围绕学习者阶段性的学习诉求，激活闭环内各互联知识并生成主体的服务功能， 以动态模型等直观可感的自然交互形式， 进行互动对话式学习，从而为学习者提供全生命期的学习服务。 因此，我们可以认为， 泛在智慧学习空间因数字孪生技术的渗透，而使学习本身具有较强的社会性，虚拟空间中的孪生体与现实对象的高度映射关系， 导致教育生态系统与社会系统进一步拉近，如表2 所示。

表2 泛在智慧学习空间中变革内容

（三）数字孪生技术在泛在智慧学习空间中的实施策略

数字孪生技术在泛在智慧学习空间的发展与建构中的核心价值，在于它能够全面、无缝地建立虚实空间对应实体的联系，进而对操作对象全生命周期的变化进行记录、分析和预测等服务。基于此，泛在智慧学习空间的建构，可以分为四个阶段，如图5 所示。

图5 数字孪生教育应用的实施策略

1.对学习空间现状进行精准、全面及动态映射的现状孪生

所谓现状孪生，是指基于对各学习空间的数据进行识别、映射、记录，提高机构数据资源和系统的可见性，并制定共享数据资源的政策和协议，为后续构建学习孪生系统打下数据基础。数字孪生技术支持下的学习空间数据治理策略，在于使空间内的数据能够面向不同的流程阶段，提供可视化的分析功能，帮助决策者、管理者进行教学工作的分配、统筹等。

现状孪生的实现，首先，需要解决的是术语定义的问题， 同一术语的多个定义会影响后续数据分析的精确度， 准确定义学习空间中各类使用术语的内涵和外延，能够保证数据读取过程中意义的一致性。其次，按不同流程闭环将离散数据进行整合，不同职能部门， 按照数据在业务活动中不同阶段的生成顺序，整合离散数据，制定相应的数据政策来规定数据权限、数据共享接口等。 最后，搭设数据收集设备群（物联网、摄像头等），使用专业、高精度的数据采集设备，代替人为、手动的数据收集过程，以保证良好的数据质量和更新速率等。准确、完善的数据是实现孪生的主要关注点， 为学习空间中各职能部门提供洞察力，如学生目前最大的期望，学生学习情况的预期及学科建设发展方向的切入点等等。

2.对历史数据的收集、分析并发现未来学习空间存在方式的学习孪生

未来学习空间的管理范式， 将从人为经验式管理转向数据治理， 学习孪生是指在数据可视化的基础之上，结合人工智能、智能传感、机器学习等新技术，将实时数据与各职能部门的历史数据，与决策记录进行全流程的模拟分析与学习， 以协助甚至代替传统部门的工作内容，变革职能结构。可以建立数字孪生中心作为服务器架构、数据汇总及分流的场所；同时，如后勤管理等部门的工作，将从人为管理转向机器自主运行。该阶段主要是调整、设计不同类型的人工智能算法， 将管理经验转变为可自主定性定量分析的算法模型。

3.人为干预下模拟不同环境与发展情境的模拟孪生

模拟孪生是指万物互联在泛在智慧学习空间中已经实现，除外部环境数据，如温度、湿度、灯光等之外， 记录学习者与教师的孪生数据， 通过可穿戴设备、计算机识别技术纳入孪生系统，孪生空间内的虚拟实体初具规模。教师可以通过调整、调取不同的参数，模拟最佳的教学方案；学习者能够在对应其孪生体（学习者画像）的动态记录中，实时获取自己的学习状态或学习记录； 管理者能够将课堂或者公共学习空间等设备建立联系，有效预测未来（如，外部环境变化、专项财政投入的增减）对现有学习质量、校园运营等方面的影响，以及时做出相应的调整策略。

4.通过实时数据介入与人工智能自动决策、执行的自主孪生

自主孪生为数字孪生应用的高级形态， 万物互联转化为结合边缘计算的全域感知， 任何可被感知的实体资源均为结合孪生体的共生型资源， 通过对学习者孪生体的解译，与学习者建立对话，建立起孪生陪伴型学习模式。因此，学习空间也更多的将作为训练中心而存在，提供海量的资源接口，教师将以项目学习为导向， 引导个体或学习共同体解决实际问题，并注重元认知以及人机对话能力的培养。

（四）融入数字孪生技术的泛在智慧学习空间应用模型

基于数字孪生技术支持的泛在智慧学习空间的应用模型，按照规模层级可以分为:边缘智能设备支持下的孪生课堂、智能专网（雾服务器）构成的孪生校园以及深度学习的教育生态系统（云平台）三个层面。建设数字孪生学习空间的关键，在于数据来源可信赖、数据本身效度高以及信息传递易理解，以便于在数据闭环内各阶段顺畅流通。 而数据本身按照生成的方式，又可以主要分为元数据、运行数据以及行为数据等。如图6 所示，就是一个基于数字孪生的泛在智慧学习空间层级架构:

图6 基于数字孪生的泛在智慧学习空间层级架构

首先，基础边缘端是由传感网络、接近应用场景的边缘硬件设备以及接近用户个体（教师、学习者或行政管理人员等）的可穿戴设备组成。以孪生教室为例，传感网络包括感知教室温度、湿度等环境数据组成传感器数据， 边缘硬件设备包括如配备智能摄像头、嵌入式处理器的桌椅等，可以实时分析学习者注意力等生理指标。配备感应笔、智能摄像头及麦克风的交互式白板，可以实时记录教师话语、板书记录及注意力情况等， 以分析教师教学行为与学习者课堂反应的关联度等。可穿戴设备包括感应手环、增强现实眼镜等， 以分析生理特征及记录主体视角的感知型数据为主； 边缘设备能够快速响应并处理部分数据，边缘端的运行，包括全域感知、场景构建、数据自收集分析、洞见生成以及数据上传至雾端等流程。

其次，雾服务器端是更大规模的孪生学习空间，比如，由孪生教室、孪生操场等场景式学习空间组成的孪生学校。 孪生学校以监控各学习子空间正常运行、教育政策的执行、教学行政管理等方面为主。 孪生系统的主要实施流程为: 边缘端结构化数据的上传，与分析模型的比对，对下行端进行各实施场景的监控，风险管理以及预测执行情况的分析等；并对上行端上传分析结果、政策实施效果等，进行总结与评估。 因此，较之与边缘端自处理不同的是，建立面向不同责任主体的分析模型较为重要。

最后， 基于深度学习的云端教育生态系统的构建， 作为连接社会生态系统及个人生态系统的中介型生态系统，其特性要求本身具有开放性。此时的孪生系统所建立的数据闭环体系， 主要作为教育生态系统动态平衡目标的预测管理而存在， 并且通过深度学习各类历史数据， 以预测某项政策带来的应用效果等。 同时，利用无缝式的数据链，可将宏观教育与微观教育内容连接起来，促进精准化决策。

五、结语

未来已来，人类社会已从农业经济时代，经过工业经济时代，开始进入到智能经济时代。智能经济的出现，是人类社会的一场颠覆性变革，在信息通讯技术等的助力下，随着数据储存、挖掘、云计算和可视化等技术的完善，正为研究教育提供了新视角。人们的思维方式也从传统的机械思维向大数据思维转变，认知方式也逐渐向虚实结合的体验过度。与此同时， 教学依赖的教学空间也逐渐从一切依赖物理空间，到信息空间出现、其功能的不断增强，再到信息空间与物理空间存在一定交互， 再到如今信息空间与物理空间的实时交互与融合。 实现信息空间和物理空间的实时交互与融合的前提， 就是空间组成的万物实现数字化。在人工智能技术、5G、物联网技术、边缘计算技术和大数据等助推下， 不断促进着物理世界与数字世界互联、互通、互操作，使数字孪生体或系统与物理实体之间达到虚实共生。

我们认为， 数字孪生为学习者勾画出一个虚实映射的新领域，带来学习感官崭新体验，开拓了虚拟操控实体的新场域。 数字孪生技术在教育领域的应用如同4D 打印、XR（扩展现实）技术教育应用研究一样，其功能与价值在于:如何根据时代发展需求培养适应时代的创新性人才， 如何利用技术为学习者提供适切性的学习支持， 如何弥合虚拟与现实世界之间的界限，提升学习者的学习体验，如何拓展并提升人类对于虚实融合世界中的资源感知能力、 问题探究能力和深度学习能力， 进而为学习者的全面发展创造出智能、人性、全纳的新学习空间。

随着数字孪生技术的发展， 未来每一个学习者都会有一个对应的数字孪生体， 在虚拟的世界中对我们身心的变化进行实时记录、分析和预测，与我们一起成长。 当然，数字孪生技术的教育应用，也会引发人们对于孪生体所带来的如个人隐私、 道德伦理方面的思考，在后续研究中，我们需要继续关注。

未来，物理世界的数字镜像将从分时到实时、从宏观到微观不断完善， 形成一个完整的数字孪生世界。 其作用从辅助人类进行物理世界的改造，进化到决定物理世界改造， 甚至创造超越人类想象的新世界[30]。 正如尼古拉斯·尼戈洛庞帝（N. Negroponte）在其所著述的《数字化生存》所说，计算不再只和计算机有关，它决定我们的生存[31]。在不久的将来，万物皆可数字孪生，数字孪生技术在教育领域的应用或变革也会更加深入，而当下这种变革或应用才刚刚开始。