国内外智慧教育研究现状及其发展趋势

张茂聪 鲁婷

摘   要：文章选取中国知网（CNKI）和Web of Science核心合集上近10年以“智慧教育”为主题的文献为研究对象，基于文献计量分析法，利用Citespace软件的可视化呈现技术进行了关键词的共现和突现词的提取，比较分析了国内外在研究主题和研究前沿上的分布和发展态势。分析结果表明：国外研究主要集中在智慧学习环境建设、智能技术支持下的智慧教学和机器学习技术支持下的个性化学习三个方面;国内研究起步虽迟但进步飞速，研究主题全面囊括了不同时代和政策背景下给教育领域带来的变革。其中，基于新兴信息技术和教育深度融合的个性化学习成为国内外共同的研究前沿。最后，文章在进一步总结的基础上，分析了智慧教育的发展趋势，以期为未来开展更深入的智慧教育理论和实践研究提供参考。

关键词：智慧教育;文献计量分析;研究进展;研究前沿;发展趋势

中图分类号：G40-057 文献标志码：A 文章编号：1673-8454（2020）01-0015-08

一、引言

近年来，许多国家都将智慧教育作为教育发展的重大战略。美国自1996年开始稳步制定和推进国家教育信息化发展战略，在2010年的“NETP”计划中侧重利用信息技术构建技术支持下的21世纪学习模型，全面提升技术与教育（学习、评价、教学、设施和绩效五大要素）的深度融合;马来西亚自1996年开始实施“智慧学校（Smart School）计划”，积极促成课程、教学法、评量和教材等方面的变革，此计划预计在2020年全面落实完成;新加坡2006年宣布“iN2015”计划，力图在2015年之前在全国各行各业构建一个信息技术通信生态系统，智慧教育成为该计划的重要组成部分，2014年在该计划完成之际又稳步推进了“智慧国家2025计划”，兴建“未来学校”和“教育实验室”;韩国于2011年在其高度发达的信息通信技术基础上颁布了智能教育推进战略，计划到2015年所有中小学以数字教科书取代纸质教科书，并于2012年兴建四所智能学校，智能教育在韩国正式起航。

我国对智慧教育的关注并非始于2008年IBM公司提出的“智慧地球”的观念，而是早在20世纪90年代科学巨匠钱学森提出“大成智慧学”时，就曾引起过学界的反响。IBM公司的“智慧教育”是构建新一代信息技术支持下教育发展的行动框架，而“大成智慧学”则强调利用现代科学技术培养人的高级智慧。所以，当时的国内学者们多是从宏观层面去探讨“教育智慧”，直至2010年教育部印发的《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确提出“要高度重视信息技术对教育发展的革命性影响”[1]，我国政府和学界才真正重视从信息技术角度去发展教育。我国教育系统对“智慧教育”的理解多是放在“教育信息化”的大框架内进行的，普遍认同智慧教育是教育信息化发展的高级阶段。教育部2012年印发的《教育信息化十年发展规划（2011-2020年）》中提出“充分发挥现代信息技术优势，注重信息技术与教育的全面深度融合”。[2]随后，2018年印发的《教育信息化2.0行动计划》中又明确提出“以人工智能、大数据、物联网等新兴技术为基础，依托各类智能设备及网络，积极开展智慧教育创新研究和示范，推动新技术支持下教育的模式变革和生态重构。”[3]在地方，国内很多一、二线城市都制定了智慧教育建设的具体行动计划，展开智慧教育学校试点，很多IT企业也纷纷提出智慧教育解决方案，智慧教育的开展如火如荼。

显然，当前国内外对智慧教育的研究无论是从渊源上还是概念界定上都尚无统一的认识，实践应用层面的研究也颇为不同，且国际学界鲜少使用“智慧教育（Smart Education）”，而是采用“智慧学习（Smart learnng）”这个说法。所以，本研究致力于国内外有关“智慧教育”在不同时期研究主题、研究前沿问题的厘清，采用文献计量分析法对国内外近10年以“智慧教育”为主题的文献进行了分析。本研究总结了国内外有关智慧教育研究主题和前沿的演化趋势，以期更好地预测智慧教育的未来发展。

二、研究設计

1.研究方法和工具

本文主要采用文献计量分析法，并结合陈超美博士开发的CiteSpace可视化分析软件对中国知网（CNKI）和Web of Science核心合集上近10年主题为“智慧教育”的文献进行了计量分析。文献计量分析法是借助文献各种数量特征，采用数学与统计学方法来描述、评价和预测某学科领域现状和发展趋势的文献研究方法。[4]为更好地比较和分析国内外研究主题的分布情况，本研究将在文献数量统计的基础上，利用Citespace软件的可视化呈现技术对搜集到的国内外文献关键词分别进行共现分析，同时利用软件自带的突现词探测功能，窥探国内外智慧教育研究前沿态势的变化。

2.数据来源与处理

国外文献计量分析的相关数据来源于Web of Science核心合集，包括SCI和CSSCI引文索引数据库。通过高级检索TS（主题）=“Smart Learning” OR “Smart Education” OR “Smart School” OR “Smart Classroom”;时间跨度为2010-2019年;文献类型=“Article”;国家地区排除中国。在核心类别和研究方向上做精炼，共得到1238条文献，并以纯文本（TXT）格式将全部1238条文献的关键数据导出。

国内文献计量分析的相关数据来源于中国知网（CNKI）。在中国知网上通过高级检索，选择期刊类，为保证数据的科学性和准确性，期刊限定核心期刊和CSSCI期刊。以“智慧教育”或“智慧学习”或“智慧校园”或“智慧课堂”为主题词进行检索，搜索时间段为2010-2019年，共检索到相关文献824篇，通过人工方法剔除会议征稿、通知及重复论文等，共得到650篇有效文献。将CNKI获得的有效数据以RefWorks格式导出，并通过CiteSpace软件的数据转化功能转化为其可以识别处理的数据格式。

根据有效文献统计，国内外每年的发文数量如图1所示（撰此文时2019年仅过去一半，所以2019年的数据不完全）。由图1可知，2010-2018年国内外文献数量均呈現稳步增长的趋势，表明“智慧教育”研究被越来越多的国内外学者所关注。其中2018年国外研究突增，而我国持续平缓递增。

三、文献计量分析

1.研究主题的分布及演化

研究主题的分布及演化最能直观地体现不同时间段研究领域内的研究风向，而论文主题中的名词性术语和关键词是对论文最为精炼的表达。在科学计量研究中，通过词频分析方法得出的高频关键词在一定程度上代表相关研究领域的发展动向和研究热点。[5]因此本研究将通过提取论文主题中的名词性术语和关键词，通过它们之间的共现分析展现智慧教育领域内研究主题的分布。具体操作如下：进入CiteSpace运行主界面，设置时间跨度为2010-2019年，时区分割（Time Slicing）为1年，节点类型（Node Types）选择主题（Term）和关键词（Keyword），阈值选择Top50，运用寻径网络裁剪法（Pathfinder）对合并后的网络进行裁剪（即Pruning the merged network），分别生成了国内外关键词共现网络（国外见图2，国内见图3），并提取了国内外关键词分布表（国外见表1，国内见表2）。网络中的关键词以正方形节点展现，节点大小与关键词出现的频次正相关，节点越大，表明该关键词出现的频次越多;节点颜色深浅与关键词的中心性正相关，节点颜色越深，表明该关键词的中心性越高，而节点之间的连线表示不同关键词之间相互影响、相互作用的关系。

（1）国外研究主题分布及演化

修剪后的国外关键词共现网络（见图2）包含关键词节点268个、连线1416条。结合图2和国外关键词分布表（表1）可知：从文献检索的2010年开始出现的中心性较强的四大关键词分别是“智慧环境（smart environment）”“预测（prediction）”“框架（framework）”“遗传算法（genetic algorithm）”;频次较高的四大关键词分别是“机器学习（machine learning）”“系统（system）”“算法（algorithm）”“模型（model）”。整体看来，无论是频次较高还是中心性较强的关键词都与“机器学习”紧密相关，其他如“神经网络（neural network）”“行为识别（activity recognition）”“异常检测（anomaly detection）”“支持向量机（support vector machine）”等都是“机器学习”领域的专业术语。机器学习是“人工智能（artificial intelligence）”的核心技术所在，与“数据挖掘（data mining）”和“数据分析”等关键词也密切相关。正如引言所述，国际学界还鲜少使用“智慧教育”这个说法，从可视化分析结果看来也是如此。国外关于智慧教育理论的系统探讨较少，多是从实践层面去构建一个信息技术支撑下的智慧学习环境，再利用人工智能和机器学习技术去服务教育的产业升级。结合国外关键词分布表（见表1）发现，国外的关键词中心性并不高，但是不同关键词之间关联度较高，表明国外的研究主题相对集中。关于主题的时间演进没有找到明显的线索，但结合关键词共现网络和阅读相关原文献，分析得出国外研究主题大致分为以下三个部分：

①智慧学习环境建设的研究。从关键词“智慧环境（Smart Environment）”“智慧城市（Smart City）”“智慧家庭（Smart Home）”“物联网（Internet of thing）”“在线学习（Online Learming）”等可以看出国外十分重视智慧学习环境的建设。智慧学习环境是从智慧地球、智慧城市、智慧家庭的概念中派生而来的，同时智慧学习环境的建设也离不开上述智慧环境的支持。由节点“智慧环境（Smart Environment）”引出的关键词还有“智慧教室（Smart Classroom）”。如美国苏明达大学设计的“积极学习教室（Active Learning Classroom，ALCs）”就是一个典型的智慧学习环境设计案例。该教室周围墙体是360？觷玻璃显示墙，配备有可供九名学生同时参与合作和讨论的圆形课桌，每个桌上放置三台连接LED屏幕的计算机。[6]当前国外对智慧学习环境的研究主要集中在高等教育阶段，在自然科学学科和计算机学科上应用较多，其中智慧学习环境里教学策略和案例设计是国外研究者最为关注的，这就引出了国外智慧教育的第二个研究主题。

②智能技术支持下的智慧教学研究。从“虚拟现实（Virtual Reality）”“无线传感网络（wireless sensor network）”“智能终端（Smart Device）”“智能手机（Smart Phone）”“云端（cloud）”等关键词中可以看出，智能技术对智慧教学的开展作出了巨大的贡献。当无线技术代替了有线技术后，教师可以便捷地从云端获取海量教育资源去丰富教学内容，学生通过“自带设备（BYOD）”，充分利用智能终端（笔记本和手机）随时记录笔记并与教师展开互动，实现“一对一”学习。虚拟现实技术和3D打印技术走进课堂后，教师、学生、智能终端和云端资源展开了多维互动，给学习者带来了交互式和沉浸式的学习体验，这些都是传统课堂教学中所不能感受到的。辅助打破传统课堂的还有MOOC、SPOC、翻转课堂、微课等新型教学模式。此外，国外在智能教育系统开发方面的研究成果也十分丰富，如美国南加州大学的RIDES智能教学系统开发工具、斯坦福大学的MMAP协作型教学模式的教学系统等。新型教学模式下的学生学习方式也从传统学习向混合学习、协作学习、移动学习、在线学习、个性化学习等新型学习方式转变。正如IBM构建的智慧教育框架的核心就是为学习者提供个性化的学习体验，这也就引出了国外研究主题的重中之重——机器学习技术支持下的个性化学习研究。

③机器学习技术支持下的个性化学习研究。从关键词“机器学习（Machine learning）”“深度学习（Deep Learning）”“人工智能（artificial intelligence）”“大数据（Big Data）”“数据挖掘（Data Mining）”可以看出建立在机器学习和数据挖掘技术上的个性化学习研究是国外智慧教育研究的热点。国外学者Alpaydin认为，机器学习是指利用数据或以往的经验，优化计算机程序的性能标准。[7]机器学习技术是人工智能技术的核心，是基于数据的学习;而深度学习是机器学习的一个大的分支，其概念源于人工神经网络，是实现机器学习的高效技术。近年来，国外学者十分关注机器学习在教育领域的运用。于学习者而言，机器学习通过深入挖掘海量的教育大数据，发现学习者的规律，然后分析建模，去预测学习者的学习行为，并为其提供个性化学习的支持和测评。同时机器学习还为教育者掌握学生整体和个体的学习情况、教育管理者制定决策、企业开发者更精准地评估和维护教育系统提供有力支持。当前，国外建立了许多自适应学习平台为学习者提供个性化服务，其中最成熟的就是Knewton学习平台。Knewton以其系统里强大的学习资源，通过统计分析学生者的学习数据，为其推送个性化的学习内容。无疑，机器学习的出现加大了校企合作的力度，帮助教育的发展从经验主义迈向科学主义。

（2）国内研究主题的分布及演化

修剪后的国内关键词共现网络（见图3）包含关键词节点128个、连线381条。结合国内关键词分布表（见表2）分析可知：自文献检索的2010年开始形成的频次较高的四大关键词（除去我们检索的关键词）分别是“教育信息化、智慧学习环境、大数据、人工智能”;中心度较高的四大关键词分别是“智慧学习、微课、‘互联网+、课堂教学”。国内每年都会出现较多关键词，关键词中心性整体比国外高。中心度较高几个关键词的出现时间不像国外那样集中，表明国内研究的基础理论丰富且分支较多，虽然研究分支相对分散，但是形成了一定的研究趋势，并随着时代和政策背景的变化而不断推演。通过分析国内关键词出现的年份及阅读原文献可知，国内当前理论成果较为丰富，领域全面涉及基础教育、高等教育、职业技术教育等等。通过梳理发现，国内演化的时间线较为明显，研究主题随时代和政策背景不断变化，由此制作出了国内智慧教育研究主题演进表（见表3）。

根据表3可以看出，国内智慧教育研究主题的演进大概分为四个阶段：

第一阶段为“2010-2011年”。从本阶段的关键词“智慧教育”“智慧校园”“智慧课堂”中可以看出，这个阶段國内有关智慧教育的研究多数是围绕理论展开的，包括智慧教育及其派生出的智慧校园、智慧课堂的内涵解析和特征梳理。此阶段仍处于工业3.0时代，重视计算机及信息技术对于辅佐教育教学产生的革命性影响。依托教育部印发的《国家中长期教育改革和发展规划纲要（2010-2020年）》中重视信息技术对教育发展的革命性影响的要求，信息化发展较好的一、二线城市相继出台了智慧教育发展规划，我国正式迈入了智慧教育理论和实践的研究元年。

第二阶段为“2012-2014年”。这三年间出现的关键词大致划分为两大类，一类如“智慧学习”“智慧学习环境”“智慧教室”等关于智慧学习环境建设的研究;另一类如“课堂教学”“教学模式”“电子书包”“虚拟现实”“微课”等关于信息技术辅助教学的实践研究。2012年教育部印发的《教育信息化十年发展规划（2011-2020年）》开启了我国教育信息化1.0时代，信息技术支撑下的学习环境建设和教学模式设计成为这一阶段的研究主题。值得注意的是，该《规划》中明确提出要“注重信息技术与教育的全面深度融合”，表明此阶段技术对教育的支持开始由辅助教学向融合变革转变。

第三阶段为“2015-2016年”。该阶段出现的关键词除了“互联网+”也大致划分为两类，一类是“创客”“翻转课堂”“MOOC”“晒课”等关于新型教学模式的设计;另一类是“学习分析”“个性化学习”等关于教育与技术深度融合之下学习需求的分析。2015年，国务院印发的《国务院关于积极推进“互联网+”行动的指导意见》给各行各业都冠上了“互联网思维”。教育领域也在此影响下从封闭走向开放，不同以往局限于传统的课堂教学，取而代之的是一系列新型教学方式。同时，开始注重学习者个性化和差异化的学习需求，个性化学习帮助学习者打破时间和空间上的限制，通过互联网和移动终端，使学习活动可以随时随地的发生。

第四阶段为“2017年至今”。此阶段出现的关键词“人工智能”“机器学习”“教育大数据”“智能教育”等都与人工智能息息相关。2017年被华尔街时报、福布斯称为人工智能元年，各行各业在人工智能的辐射下成果颇丰。同年，我国国务院印发了《新一代人工智能发展规划》。依托人工智能的发展，教育领域持续摸索创新。2018年，北京师范大学发布了《人工智能+教育》蓝皮书，为人工智能解决教育问题提供了各种方案。同时，这一阶段高等教育领域开始注重“智能教育”，培养创新型人才，推动智能技术和教育的深度融合。

2.研究前沿辨析

研究前沿的变化可以为研究者预测研究领域的未来发展趋势提供有力依据。CiteSpace以其突现词探测功能（Burst detection）在众多可视化分析软件里脱颖而出，其探测到的突现信息往往能够代表研究领域的新型趋势和突然变化。本研究在对国内外关键词进行提取的同时，利用软件自带的突现检测功能，探测到国内外智慧教育的突现词信息如图4、图5所示。

通过图4可知，国外智慧教育研究每年都会出现突现词，突现词数量较多。但是不同的突现词之间也有着紧密的联系，如“系统（System）”“整合（integration）”“框架（Framework）”“行为识别（Activity Recognition）”等突现词还是与人工智能和机器学习紧密相关，表明人工智能和机器学习作为国外智慧教育研究前沿的主线，贯穿了整整十年。除此之外，国外智慧教育的研究前沿大致划分为三个阶段：第一阶段（2010-2014年）的突现词有“智慧环境（Smart Environment）”“环境智能（Ambient Intelligence）”“智能（Intelligence）”，表明国外在此阶段的研究前沿是智能技术支持下的智慧教育环境建设;第二阶段（2014-2016年）的突现词有“学习（Learning）”“手机（Smart Phone）”，表明此阶段重视移动终端对智慧学习的支持研究;第三阶段（2017年至今）的突现词有“物联网（Internet of Thing）”，物联网虽不是新词，但是在近两年国外智慧教育的发展中仍占据十分重要的地位。

通过图5可知，除了2016年出现断层，其余每年国内智慧教育研究都会出现较多的突现词。研究前沿明显地划分成了三个阶段：第一阶段（2010-2013年）出现的突现词大多与校园有关，包括“学校、智慧校园、物联网、数字校园、智慧学习环境”，表明从2010年开始，国内智慧教育研究的前沿是关注物联网支持下的智慧校园和智慧学习环境建设，特别是数字校园向智慧校园的转变;第二阶段（2013-2015年）突现词数量持续增多，包括“课堂教学、微课、电子书包、晒课、MOOC”，表明智慧教育的研究分支不断扩充，且这一阶段开始深入创新实践，研究重点从智慧校园环境建设转移到智慧课堂和智慧教学实践;第三阶段（2017-2019年）突现词相对较少，主要包括“校园一卡通、教育信息化2.0、智能教育、人工智能”，这一阶段我国从教育信息化1.0时代迈入了教育信息化2.0时代，人工智能技术与教育的深度融合成为国内智慧教育最新的研究前沿。

四、研究结论与趋势展望

1.研究结论

本文采用文献计量分析法对国内外近10年来“智慧教育”为主题的文献进行了关键词共现和突现词提取，并比较分析了国内外在研究主题和研究前沿上的分布和发展态势。根据发文量的统计发现，越来越多的国内外学者加入到“智慧教育”的研究中来，文献数量呈逐年增长之势。总体上看来，国内外的研究主题还存在明显的区别和联系，但在研究前沿上基本趋于一致，具体表现为：①在研究渊源上，国外研究起源于IBM提出的“智慧地球”概念，国内虽然受此概念影响较多，但钱学森先生的提出的“大成智慧学”是国内研究开展背后更为深刻的推动力量。②在研究主题的演化上，国外虽没有找出明显的时间线但主题划分明确，而国内研究是随着时代和政策背景的变化不断推演的。③在研究主题的分布上，国内外都十分重视信息技术支持下的智慧学习环境建设和智慧教学模式设计研究，但是国外研究多基于微观视角的实践探索，国内多基于宏观视角的理论构建。国外侧重新兴技术尤其是人工智能与教育的深度融合，国内测重智慧教育理论体系建设和政府的顶层设计。④在研究的进展上，于技术层面，国外起步较早稳定发展，国内起步虽迟但是发展迅速;于理论层面，国内的智慧教育理论研究成果十分丰富，而国外则稍显匮乏。⑤在学科融合上，都体现了学科交叉性强的特点，十分重视教育学、教育技术学，尤其是计算机科学在研究主题中的应用。⑥在研究前沿上，近几年来，国内外都十分重视人工智能、机器学习技术和教育深度融合带来的个性化学习研究。但仔细对比国内外的研究数据发现，国外大部分研究前沿的开展相较于我国都起步较早。例如：国内2017年出现的“机器学习”与国外2010年出现的“Machine Learning”研究相吻合;同期国内研究较热的“人工智能”，国外也早在2015年就成为研究热点。

综上，尽管当前国内外智慧教育在研究主题上还存在较大差异，但在研究前沿上却达到了统一。近年来，随着中美智慧教育大会的定期召开及新媒体联盟《地平线报告》的发布，国内外在智慧教育的发展上联系愈发紧密，未来也势必在发展趋势上达成统一，共同丰富智慧教育的全球化发展。

2.未来发展趋势

通过上述可视化分析和比较研究得知，国内外智慧教育研究领域主要涵盖了智慧教育理论和实践的研究、智慧学习环境建设、智慧教学模式设计、以及新兴技术与教育深度融合四个层面。针对这四个层面，提出以下四个发展趋势：

（1）扎根时代背景，深化智慧教育理论和实践研究

智慧时代的教育应当充分体现出“智慧”的特征，培养出具有“智慧”的人。这个“智慧”不应仅仅立足于机器智慧，毕竟机器并不会真正地去拥有智慧，机器但凡显示出任何“智慧”的特征，也应是人的智慧的结晶。当前，国外以及相当一部分国内的智慧教育研究都是建立在IBM公司構建的“智慧教育”行动框架上的。陈琳等人认为由此研究的智慧教育偏重于“器”和“术”的层面，却忽略了从“法”和“道”上去深刻理解智慧教育的本质。真正的智慧教育是与人类走向智慧时代相匹配的教育，然而迄今还没有国家从智慧时代的高度设计教育。[8]因此，我国作为一个坐拥五千年历史的文明古国，理应挺身而出，迎合时代要求，重构智慧教育。尤其站在国外对于智慧教育理论研究的缺口上，更应当抓住机遇，立足钱学森先生“大成智慧学”的理论基础，去丰富智慧教育的理论体系建设。虽然当前国内关于智慧教育的理论研究已小有成果，但是智慧教育作为一个与时代进步和技术发展联系紧密的新兴教育研究领域，其理论的研究也应紧跟时代步伐并不断加以创新。当然，理论的研究还必须与实践充分融合。当前，国内智慧教育的理论研究远远超越实践应用，尽管已有许多学校展开智慧教育试点，但都停留在“表面功夫”，甚至有的学校由于技术条件限制尚未表现出智慧特征。未来智慧教育的理论研究应当立足于教学实践或者具体的教学案例之上，厘清技术和人之间的关系，合理利用技术促进智慧教育的发展，培养出“智慧”型人才。

（2）对接智慧城市，线上线下全方位营造智慧学习环境

环境是一切的基础，智慧教育的发展离不开智慧学习环境的建设。纵观国内外智慧教育研究，在前期，无一例外都将重点放在了智慧学习环境的建设上，强调将技术融入城市、校园、课堂、家庭等现实学习环境，以及在线教育、远程教育等虚拟学习环境，线上和线下教育一体化，无缝对接，使得学习者的学习可以突破时间和空间的限制。未来智慧学习环境的建设仍然有赖于人工智能、物联网、云计算、大数据、泛在网络等关键信息技术的支撑。如何利用云计算对云端的教育资源进行全方位地整合，实现最大程度的资源共享;如何通过挖掘海量教育大数据和学习者的学习数据为其提供智能化推送，满足不同学习者个性化和差异化的学习需求;如何利用人工智能、物联网和泛在网络贯通学习者线上和线下的教育，使其学习活动可以随时随地发生等问题都是未来智慧学习环境建设的重中之重。此外，未来智慧学习环境的建设还离不开整个城市智慧环境的建设。杨现民等人2014年就曾提出，未来智慧教育的统一身份认证将与智慧城市中的智慧医疗、智慧交通、智慧市民服务等接口绑定，社会各部门共享市民信息数据，最终实现人人拥有唯一的、个性化的、终身化的“智慧账户”。[9]近年来，其他智慧城市服务都在如火如荼地展开，教育方面仅在省市级图书馆或校园智慧一卡通上有所展现，尚未真正实现与智慧城市的对接。正如国际上普遍认同的“智慧教育”概念派生于“智慧城市”，未来智慧学习环境的建设也必将寓于智慧城市的发展之中。

（3）以学习者为中心，构建可以落地实践的智慧教与学

具备了智慧学习环境，接下来需要面临的就是如何构建智慧时代的教与学。国际学界对于智慧教育的研究多数以“Smart Learning（智慧学习）”展开，我国近年来也一直致力于变革传统的教学模式，从“教师教”转移到“学生学”上来，可见，未来智慧教育的发展必定要以学习者为中心。当代学生是“数字一代”，他们从小接触技术发展带来的便利生活，信息化能力和素养很高，对于新型教学模式的需求也很高。不断探索和开发以学习者为中心的新型智慧教学模式，设计线上和线下相结合的智慧课程，是未来智慧教育发展的突破口。当前，国外在MOOC、SPOC、翻转课堂、微课等智慧型课程建设方面具备了较多的实践经验，我国也在部分一、二线城市展开了试点，且突破性地开展了“一师一优课”活动。未来，随着智慧教学和智慧课程在设计上的不断创新，在开展范围上的不断扩大，教师和学生的角色一定会发生根本性的转变。当然，智慧课程的建设和智慧教学模式的设计都是为学习者更好地开展智慧学习服务的。智慧学习是在数字化学习、移动学习、混合式学习、泛在学习、协作学习、个性化学习等信息化学习方式上，融合智慧时代特征发展起来的新型学习方式。然而国内外针对学习方式的研究多停留在纸面上的理论探讨，缺乏模型的构建和现实的推广。未来，智慧学习的研究应当结合时代背景并融合技术发展对其进行内涵说明和模型构建，并且在信息化条件较好的地区率先试点，为智慧学习方式的全面推广奠定基础。

（4）化被动为主动，全力推进新兴信息技术与教育的深度融合

将技术引入教育，在带来便利的同时也引发了学者们的深思。冷冰冰的技术支撑下的智慧教育往往容易忽视学习者的情感需要以及个性化、差异化的学习需求，仅仅从传统的“教师教”转化成了“机器教”或“视频教”，限制了学习者创造性和主观能动性的发挥，那么智慧教育培养“智慧人”的初衷也就无从实现。因此，面向个体差异的个性化学习研究和应用必将成为未来智慧教育发展的主流趋势，从国内外当前的研究前沿分析中也得到了印证。个性化学习是技术与教育深度融合在高级阶段的表现形式，以机器学习和深度学习为关键支撑的人工智能技术的回归，对个性化学习进行了重塑和再造。[10]目前，国外已有众多机器学习技术支持下的自适应学习平台得到了应用，如Knewton、Dream Box、ALEKS等，而国内相关企业还处于萌芽状态，缺少成熟的应用案例，因此在推广的过程中还存在些许障碍。此外，个性化学习的推广还离不开智慧学习系统和移动学习终端的开发，我国当前已有不少企业开始试水，遗憾的是都在落地实践时屡屡碰壁，使用效率不高。如电子书包取代传统教科书利弊并存，屡遭质疑，这些都是由于技术还不够成熟造成的。随着时代的不断进步和技术的不断升级，未来新兴信息技术必将渗透到教育系统的各个环节。若想促进技术与教育的深度融合，还应当厘清技术和教育之间的关系。技术的发展是为教育服务的，教育不应停留在被倒逼变革的风口浪尖上，而应当抓住机遇迎难而上，积极主动地适应技术带来的转变，并尽可能地去帮助技术的升级。对于政府而言，应当加大在新兴技术促进教育产业升级方向的投入，由点到面，尽早普及新兴技术在教育中的应用;于高校而言，要加强人工智能和教育之间跨学科人才的培养，密切与相关企业进行沟通合作，尽快实现教育的产业升级;于教师、学习者和管理者等一切技术受益者而言，在感受技术带来便利的同时，也应当及时反馈新兴技术存在的不足，帮助技术不断升级。

参考文献：

[1]教育部.国家中长期教育改革和发展规划纲要（2010-2020年）[EB/OL].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/info_list/201407/xxgk_171904.html.

[2]教技[2012]5号.教育部关于印发《教育信息化十年发展规划（2011-2020年）》的通知[Z].

[3]教技[2018]6号.教育部关于印发《教育信息化2.0行动计划》的通知[Z].

[4]黄维，陈勇.中国教育经济学发展轨迹的知识图谱研究[J].教育与经济，2010（3）：68-69.

[5]李杰，陈超美.CiteSpace：科技文本挖掘及可視化[M].北京：首都经济贸易大学出版社，2016：194-198.

[6]Whiteside A.，Brooks，D.C.， & Walker，J.D.Making the Case for Space：Three Years of Emprical Research on Learning Environment[J/OL].EDUCAUSE Quarterly，2010（33）.

[7]Alpaydin E. Introduction to machine learning[M].Cambridge：MIT Press，2014：3.

[8]陈琳，孙梦梦，刘雪飞.智慧教育渊源论[J].电化教育研究，2017，38（2）：13-18.

[9]杨现民，刘雍潜，钟晓流等.我国智慧教育发展战略与路径选择[J].现代教育技术，2014，24（1）：12-19.

[10]牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志，2017，35（3）：22-30.

（编辑：王晓明）