中美智能技术教育应用的比较研究

杨俊锋 包昊罡 黄荣怀

[摘   要] 随着智能技术在教育中的应用，中美两国的教育信息化有了新的发展，表现出了新一阶段的特征。研究以中美兩国智能技术教育应用为研究对象，采用基于深度探究的迭代比较方法对中美两国人工智能教育应用作了比较研究。通过分析智能技术变革教育的九个典型场域，即智慧校园、智慧教室、智慧教材、教学任务自动化、自适应学习、教育机器人、智能导师系统、学习分析和现代学校治理，发现学生学习类产品较为丰富、教师教学类产品发展迅速、学校治理类产品相对薄弱。在此基础上，讨论了中美两国智能技术教育应用的异同，提出了智能技术变革教育的架构模型。

[关键词] 智能技术; 教育应用; 比较研究

[中图分类号] G434            [文献标志码] A

[作者简介] 杨俊锋（1981—），男，河南平顶山人。教授，主要从事智慧学习环境、同步网络课堂方面的研究。E-mail：yjf@hznu.edu.cn。黄荣怀为通讯作者，E-mail：huangrh@bnu.edu.cn。

一、研究背景及方法

将智能技术应用于教学活动来提升教与学效果是教育工作者长期努力的方向之一。从20世纪50年代计算机辅助教学（CAI）的兴起开始，计算机便作为一种工具应用于教学，是智能技术应用于教育的雏形。近年来，以大数据、云计算和人工智能为基础的新一代智能技术高速发展，使计算机在逻辑推理、图像识别、语音识别、自然语言处理等技术领域快速成熟，在环境构建、决策支持、人才培养、情感陪伴、精准服务、教学支持和智能评价等方面为教育教学提供了强有力支持，为教育变革和智慧教学提供了更多可能[1]。如何应用智能技术有效变革教育成为当前教育研究的核心议题。

中美是当前智能技术研究和应用处在领先地位的两个大国，两国政府均高度重视智能技术对教育系统的变革作用。2017年起，中国国务院和教育部陆续发布了《新一代人工智能发展规划》《教育信息化2.0行动计划》《高等学校人工智能创新行动计划》等一系列政策文件，明确指出，“推动人工智能在教学、管理、资源建设等方面的应用”[2]，“利用智能技术加快推动人才培养模式、教学方法改革”[3]。美国政府先后发布了《为人工智能的未来做好准备》《国家人工智能研究和发展战略计划》《国家人工智能研究与发展战略计划》等报告，强调“设立人工智能教育和培训项目，充分利用人工智能技术促进教育公平与改善生活质量，利用智能导师为学生提供实时的个性化教育”[4-5]，推动“人工智能研发队伍的发展与相关人员培训”[6]。

随着智能技术的研发和在教育中的应用，中美两国的教育表现出了新的特征。在智慧教育迅速发展的今天，比较中美两国在智能教育产品和智能技术教育应用等方面的异同，有助于厘清智能技术对教育的变革作用，明确智能技术教育应用的典型模式，探索智慧教育的未来发展方向。

本研究采用黄荣怀等提出的基于深度探究的迭代比较方法（ICMDI）[7]，对中美人工智能教育应用的典型场景、主要应用与核心产品进行了对比。在ICMDI中，通过在研究过程中进行多层次、多回合的迭代，开展更加完善、深入和可靠的比较研究，其方法如图1所示。

基于上述方法，本研究以“中美智能技术教育应用有何异同”和“智能技术如何变革教育”为核心问题，对研究主题进行概念化。通过对中美两国智能技术在教育领域相关研究报告、学术论文、新闻报道以及产品应用等方面的调研，结合专家访谈，研究确立了“中美智能技术教育应用的典型场域”和“中美智能技术教育应用的典型产品”两个具有代表性的对比变量进行情境化和差异分析。经过两轮迭代后，研究形成了智能技术变革教育的架构模型。

二、中美智能技术教育应用的典型场域

通过对相关文献的分析和比较，我们发现，中美两国都非常重视智能技术在教育中的应用，智能教育方面的研究和实践都在逐年增加，在政策、理论研究和实践应用领域虽各有侧重，但是目前智能技术的应用场域主要集中在智慧校园、智慧教室、智慧教材、教学任务自动化、自适应学习、教育机器人、智能导师系统、学习分析和现代学校治理等九个方面。

（一）智慧校园：理论研究滞后于实践和应用

智慧校园是以师生的个性化服务为理念，提供无缝互通的网络通信，能全面感知校园的物理环境，识别学习情境，分析学习特征，有效支持教学过程分析、评价和智能决策的开放学习环境和便利的生活环境[8]。智慧校园的研究与实践从2010年起逐年增加，主要关注硬件配置、功能整合、大数据、云计算、物联网的应用等，目标是为校园学习和生活的各个方面提供便利[9]。在中国，由于政策的驱动，很多地区和学校都开展了从数字校园到智慧校园的改造和升级，但是智慧校园的建设和评价标准、管理和应用模式等方面还有待提升，智慧学习的应用水平也亟待提高，理论研究滞后于实践活动。在美国，从Intelligent Campus 和Smart Campus的研究和实践看，智慧校园的研究和实践也处于起步阶段。

（二）智慧教室：评价和标准研究尚需加强

智慧教室是智能教育必备的硬件条件之一，有利于促进课堂教学结构变革，进而促进教学质量提升。传统课堂越来越多地采用人脸识别、情感计算、多模态融合、大数据分析等智能新技术，在各类传感器和媒体终端的支持下，升级为智慧教室。智慧教室通常从教学内容的呈现、学习过程的管理、学习资源的获取、课堂教学的互动、情境感知与检测等五个方面进行优化和提升[10]。智慧教室的研究和实践自2012年起逐年增加，主要关注智慧教室的设计、评价及教学模式等。在中国，有关智慧教室的建设标准、评价指标等也在国家和省级的政策文件中屡屡出现，部分地区还开展了智慧教室示范校的评估工作，但是理论研究滞后于实践，应用和评价缺乏标准和指引。在美国，关于智慧教室的空间设计、技术设计和教学应用等方面的研究和实践较多，以北卡罗来纳大学的Journal of Learning Spcaes[11]为典型代表，而关于智慧教室的理论和评价研究则较少。

（三）智慧教材：知识产权瓶颈

智能技术在课堂上发挥作用的一种方式是将智能内容融入课堂，为学生提供智慧教材和笔记本。智慧教材是一类遵循学生阅读规律，利于组织学习活动，符合课程目标要求，按图书风格编排，具备富媒体性、交互性、笔记、可管理、可分析等功能的电子读物。传统课堂教学中，学生通过纸质教材或卡片来了解人体，而在智能技术的帮助下，他们可以通过交互模型或3D模型来了解人体。智能技术还可以帮助教师根据每个学生的学习能力定制个性化的课程资源[12]。同时，学生可以像使用传统的笔记本一样使用智能笔记本来做笔记，这样学生的笔记数据可以被收集起来，为学习分析提供真实的数据[13]。中美两国都很重视智慧教材的研究，但实践中都面临着知识产权方面的瓶颈。

（四）教学任务自动化：教学设计和课堂互动是难点

教学任务自动化能够帮助教师自动化处理部分教学任务，让教师从繁重的教学任务中解放出来，重点从事育人的工作。一方面，人工智能可以辅助教师完成作业批改、常见问题回答、考勤以及作业发放等日常工作，让教师可以从机械性、重复性的事务中解放出来，如美国佐治亚理工学院的人工智能助教Jill Watson[14];另一方面，人工智能会赋能未来的教师，通过人机协同完成的智慧性的教学工作，提升教学的效率和效果[15]。从教学流程看，教师的任务在课前涉及教学设计、资源准备，教学中涉及课堂互动、课堂讲授、单元测试，教学后包括作业批改、学业评测等。而目前教师任务自动化实现程度较高的为作业批改、单元测试和学业评测三个方面，其次为资源准备和课堂讲授，而教学设计和课堂互动的自动化程度最低，这也是未来智能时代教师工作的重心和智能技术发展的方向。

（五）自适应学习：需强化学生核心素养的培养

自适应学习是指通过对学习者学习过程数据的收集和分析，有针对性地为不同类型的学习者提供适应性的学习内容和学习路径，优化学习体验[16]。无论是中国还是美国，自适应学习都有着较为深入的研究和广泛的应用。自适应通常与个性化密不可分，个性化学习是基于学生的个性特征提供有针对性的学习服务，通过记录、挖掘和深入分析学习行为的相关数据来评估学习的过程、发现存在的问题并预测未来的发展，同时对学生进行个性化的干预和指导[17]。自适应、个性化学习系统的发展和应用，应以培养学生的核心素养为目标，有效衔接课内和课外学习，突破时空的限制，打破课堂的边界，多角度、全方位地记录和分析学习数据，为教师、学生、家长和管理者提供及时的信息反馈，从而促进高效学习、有效教学和管理。

（六）教育机器人：平台、资源和师资瓶颈

教育机器人（Educational Robotics）的研究可分为两类：一类是把仿生技术、语言识别和人工智能等技术整合应用于教育的仿生机器人研究;另一类是STEM教育中通过使用机器人套件教授学生编程的知识，培养学生的计算思维能力[18-19]。教育机器人既可以作为学习伙伴，在课外陪伴学生学习知识、完成学习任务、健康成长，在课内为学生答疑解惑、提供资源、积极互动等，也可以作为教师的教学助手，在课前备课、课堂授课和课后交流过程中为教师提供多方面的支持[20]。常见的教育机器人包括课堂助教机器人、智慧学伴、智能玩具、机器人教师等。教育机器人的研发和应用可能会改变教育的生态和教学的模式，但目前中美两国关于教育机器人的研究和开发仍处于起步阶段，在实践过程中面临着课程平台功能缺失、学习资源不够丰富和师资力量欠缺等诸多困境。

（七）智能导师系统：学生模型和教学策略需优化

智能导师系统的研发和应用较为普遍，智能导师系统（ITS）利用智能技术模拟教师的教学，根据学习者模型为学生提供个性化的指导，为不同特征的学习者获得知识和技能提供智能化教学的计算机系统[21-22]。ITS在美国的研究开始于20世纪60年代，产生了一些有代表性的ITS系统，如孟菲斯大学的AutoTutor[23]、卡耐基梅隆大学的ACT-R[24]等，在研究和实践上均取得了良好的效果。我国ITS的研究于20世纪80年代后逐渐起步和发展，主要研究集中在专家知识建模、学习者模型、教学过程模拟、教学法模型、知识表示及推理、系统模型和集成开发环境等方面。近年来的研究则更多关注学习者模型的动態更新、学习的推理机制以及语义网、本体、网格等技术的应用及自适应等方面。整体而言，智能导师系统还不够成熟，学生模型和教学策略的研究仍需进一步深化。

（八）学习分析：亟待融合学习和教学理论

自2011年第一届学习分析国际会议开始，学习分析作为一个领域在快速发展。学习分析技术是挖掘、分析、测试和报告有关学生的学习过程及学习环境的数据，用于理解学习、优化环境和促进绩效的技术[25]。学习分析在美国的研究较为深入，初期的研究重点是预测模型的建立，尤其对于收到学业成绩警告的学生，能够作出准确的预测和早期干预;当前以学习者的社交网络分析、话语分析、学习路径分析等技术的探讨居多，但是从教育和学习理论出发开展的学习设计研究需要加强[26]。未来学习分析应强化学习理论的指导，加强对学习过程的支持、学生情绪和动机的理解、精准化的反馈和教学干预策略等方面的研究。学习分析以教学理论、学习理论、课程理论和已有研究为基础，以学习者学习风格、线上社交网络和交互活动等变量分析学生的学习情况，评估教学活动质量，及时反馈学习的问题，是智慧教育实施的基础[27]。

（九）现代学校治理：需加强理论研究和工具研发

现代学校治理包括四个方面的内涵：一是要对师生个体发展给予真正的关注，二是要建立适合本校发展的制度体系，三是建立包括校长、教师、学生、家长的合作伙伴关系，四是为学校发展提供建设性意见[28]。国际上的现代学校治理有四个基本策略：沟通、激励、参与和培训[29]。可见，现代学校治理的核心在于建立扁平化的管理模式，促进各方顺畅沟通，真正以学生和教学为中心，提高决策能力和管理水平。智能技术支持的现代学校治理，通过教学系统和传感器获取教育大数据，采用云计算、智能感知、学习分析等技术，对学校运行的数据进行深度挖掘和分析，适时地反馈给教师、学生、家长和管理者，促进各方的顺畅沟通，并确立优先治理任务及关键治理业务的逻辑过程，提供学生画像、预警中心、数据服务等功能，为学校的智慧决策提供有效支撑[30]。当前中美两国关于技术支持的现代学校治理的研究和产品还普遍较少，智能技术辅助的现代学校治理应用才刚刚起步。

3. 市场的共同特征：产品仍需研发完善

中美两国智能教育产品的应用都覆盖了K-12、高等教育和职业教育等领域;中美两国的智能教育产品都包括自适应学习、智能导师、智能评测、教育机器人等类别，都体现出面向教师教学和学生学习的应用居多、面向学校管理的应用较少等特征。智能教育产品还有待进一步完善，目前很多产品还难以满足教师、学生、家长和学校对高质量技术促进学习的需求。中国大部分智能教育类公司处于发展初期阶段，瓶颈问题还有很多。美国有个别智能教育类公司服务学生数量众多，积累了多年的运营经验和数据，但是多数的智能教育类公司也处于发展的初期阶段。尤其是教育机器人的产品，仍需更大的研发投入，才能真正满足学生、家长和教师的需求。

（二）中美智能技术教育应用的差异

由于中美两国教育规模、教育基础和教育重心有所不同，智能技术的教育应用的重点方向也有所不同。

1. 智能技术教育应用的政策导向不同

中国强调人工智能对教育系统的整体变革。智能技术在教育领域的应用，正逐渐从未来学校、教学方式和学习方式三个方面介入改造现有的教育教学流程[34]。2017年7月20日，国务院颁布《新一代人工智能发展规划》，凸显智能技术对变革学校教育服务形态、教学方式和学习方式的作用。教育信息化2.0以“体验”为依归，以“数据”为基础，以“联结”为要义，以“开放”为策略，以“智能”为目标，凸显智能技术教育应用的整体设计[2]。美国强调人工智能的研究支持和人才培养。2016年10月，美国发布了《为人工智能的未来做好准备》，明确了学术机构、职业院校和中小学在人工智能的研究和人才培养中应扮演的角色，政府则通过提高STEM教育质量和建立人工智能教育课题来推动人工智能教育发展[5]。

2. 智能技术教育应用的重点领域不同

当前中国的人工智能教育应用中，以提高考试分数为目的的“补偿教学”产品占据一定的份额，某种程度上是“影子教育”的一种扩展，即在学校的正规教育之外，针对主要的教学科目进行课外辅导并收取一定费用的教育形式。作业批改类、搜题类的产品较多，通常以提高分数为目的。在美国，智能技术的教育应用中，更为关注个性化的学习应用，注重利用技术促进学生思维和能力的发展。美国的教育提倡做中学，倡导通过接触大自然、探究合作来认识真实世界，重视学习过程，重视4C（Critical Thinking， Communication，Collaboration，Creativity）能力的培养。美国STEM学科教学和智能导师系统的产品较多，强化学生思维和能力的发展，但学业教育比较薄弱，尤其是数学教育最为严重。

3. 智能技术人才培养规模有差异

中国大部分高校在2018年前一直没有开设人工智能专业，而在人工智能的诞生地美国，许多大的院校都有人工智能专业和研究方向，以美国卡耐基梅隆大学为例，设有专门的机器人研究所，其中教授有100多位[35]。 纵向而言，中国布局的时间相对略晚，教育系统之间的差别也将影响智能技术领域在教育中的应用和研究重心。然而，随着我国《高等学校人工智能创新行动计划》的落实，据2019年度普通高等学校本科专业备案和审批结果显示，目前已有180所院校开设人工智能专业，相信很快会为社会培养大批智能技术人才，从而促进智能技术创新领域的发展。

五、智能技术变革教育的架构模型

通过对中美智能技术应用于教育的典型场域与应用的梳理，结合信息技术教育应用的四个基本阶段，我们认为，基础设施和人工智能工具的配置是基础，智能技术赋能的教师、学生和家长是条件，教学和学习创新是途径，教育系统的变革是目标，典型的应用场域包括智慧校园、智慧教室和现代学校治理等九个方面。

智能技术融入学校教育，首先是信息基础设施和人工智能工具的配置，设备、网络、工具是智能技术应用的基本环境，应能感知学生的学习场景，识别学生的学习特征，为学习者提供适切的学习资源和便利的互动工具，能够记录学习的过程并自动评测学习的结果，以促进学生的有效学习[36]。研究和实践的场域主要包括智慧校园、智慧教室、智慧教材等。

环境的配置，为教师、学生和家长使用相关的工具提供了条件，从而为教师、学生和家长赋能，为实现新型教学模式提供了条件。与传统教学模式的“统一规格、统一步调、统一检测”的教学相比，新型教学模式可能会更加倾向于任意时间、任意地点、任意方式、任意步调的模式[37]。这种新型的教学模式重视学生的多样性，并采用智能技术促使个性化和差异性的学习成为可能，使“以人为本”的教育理念得以实现。研究和实践的场域主要包括自适应学习、智能导师系统、教育机器人、教学任务自动化等。

智能技术应用的目标是促进教育系统的变革，对学校而言，科学的决策和管理的优化是重点。如舆情管理、质量监控、课程选修、专业选择、生涯设计等方面，可以利用大数据、云计算、智能感知等技术，对学校数据进行高效采集和深度挖掘，帮助学校确立优先治理任务及关键治理业务的逻辑过程，提供数据驱动的决策和管理，促进学校的持续改进。研究和实践的场域主要包括现代学校治理和学习分析等。智能技术变革教育的基本架构和应用方式如图2所示。

图2   智能技術变革教育的架构模型

六、结   语

通过中美两国智能技术教育应用的比较分析，我们认为，智能技术的教育应用应加强对学习情境的分析，强化对教学的全流程辅助、对学习的全过程支持以及现代化学校治理的业务;同时，智能教育产品仍需优化，企业应担起社会责任，遵循教育规律和伦理规范，为学校、教师和学生提供易用、有用、可用的教育产品，服务中国教育的发展。

智能技术的应用定会为教育注入新的活力，助力实现线上线下混合、校内校外融合、职前职后一体的教育新形态，为学习者和广大市民提供创新的学习体验，促进终身学习社会的发展。智能技术的引入，必将改变教育的生态，新的教育生态需要重新审视学习者、教师、学习内容和学习环境等要素，明确要素本身的变化、要素间的关系和结构、系统功能的变化等。从社会变革的角度，研究智能技术对教育生态的影响，明确人才培养目标的变化，探寻智能技术支持的教育模式，通过跨学科的研究探索智能时代教育和社会的关系，理解智能技术对社会治理的影响，是当前研究需要重点关注的方向。

[参考文献]

[1] 吴永和，刘博文，马晓玲. 构筑“人工智能+ 教育”的生态系统[J]. 远程教育杂志，2017， 35（5）： 27-39.

[2] 中华人民共和国国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL]. （2017-07-20）[2020-01-31]. http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[3] 中华人民共和国教育部.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL]. （2018-04-25）[2020-01-31]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[4] National Science and Technology Council.The national artificial intelligence research and development strategic plan[EB/OL]. [2020-01-31]. https：//www.nitrd.gov/pubs/national_ai_rd_strategic_plan.pdf.

[5] National Science and Technology Council. Preparing for the future of artificial intelligence[EB/OL].[2020-01-31]. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf.

[6] 王亦菲. 美国人工智能战略带来的启示[N]. 人民邮电，2019-12-19（007）.

[7] 黄荣怀，杨俊锋，刘德建，王欢欢. 智能时代的国际教育比较研究：基于深度探究的迭代方法[J]. 中国电化教育， 2020（7）：1-9.

[8] 黄荣怀，张进宝，胡永斌，杨俊锋. 智慧校园：数字校园发展的必然趋势[J]. 开放教育研究，2012，18（4）：12-17.

[9] MUHAMAD W， KUMIAWAN N B， YAZID S S. Smart campus features， technologies， and applications： a systematic literature review[C]//2017 International Conference on Information Technology Systems and Innovation （ICITSI）. Bandung： Institute of Electrical and Electronics Engineers， 2017： 384-391.

[10] 黄荣怀，胡永斌，杨俊锋，肖广德. 智慧教室的概念及特征[J]. 开放教育研究，2012，18（2）：22-27.

[11] Journal of learning spaces[EB/OL]. [2020-01-24]. http：//libjournal.uncg.edu/ojs/index.php/jls/index.

[12] WADHWA D. Using artificial intelligence technologies for personalized learning and responsive teaching： a survey[J]. International journal of advance research in science and engineering， 2017，6（1）： 207-217.

[13] 陈桄，龚朝花，黄荣怀. 电子教材：概念、功能与关键技术问题[J]. 开放教育研究， 2012， 18（2）：28-32.

[14] Meet Jill Watson： Georgia tech's first AI teaching assistant [EB/OL]. [2020-01-24]. https：//pe.gatech.edu/blog/meet-jill-watson-georgia-techs-first-ai-teaching-assistant.

[15] 余胜泉. 人机协作：人工智能时代教师角色与思维的转变[J]. 中小学数字化教学，2018（3）：24-26.

[16] SHELLE G， EARNESTY D， PILKENTON A， POWELL E. Adaptive learning： an innovative method for online teaching and learning[J]. Journal of extension， 2018， 56（5）： 5.

[17] 姜強，赵蔚，李松，王朋娇. 个性化自适应学习研究——大数据时代数字化学习的新常态[J]. 中国电化教育，2016（2）：25-32.

[18] DANIELA L. Smart learning with educational robotics[M]. Switzerland AG：Springer， 2019.

[19] ANWAR S， BASCOU N A， MENEKSE M， KARDGAR A. A systematic review of studies on educational robotics[J]. Journal of pre-college engineering education research， 2019， 9（2）： 20-42.

[20] 黄荣怀，刘德建，徐晶晶，陈年兴，樊磊，曾海军. 教育机器人的发展现状与趋势[J]. 现代教育技术，2017，27（1）：13-20.

[21] 刘清堂，吴林静，刘嫚，范桂林，毛刚. 智能导师系统研究现状与发展趋势[J]. 中国电化教育，2016（10）：39-44.

[22] PSOTKA J， MASSEY L D， MUTTER S A. Intelligent tutoring systems： lessons learned[M]. Lawrence： Erlbaum Associates， 1988.

[23] GRAESSER A C， CHIPMAN P， HAYNES B C， OLNEY A. AutoTutor： an intelligent tutoring system with mixed-initiative dialogue[J]. IEEE transactions on education， 2005，48： 612-618.

[24] RITTER S， ANDERSON J R， KOEDINGER K R， CORBETT A. Cognitive tutor： applied research in mathematics education[J]. Psychonomic bulletin & review，2007， 14（2）： 249-255.

[25] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012，30（1）：18-25.

[26] JOKSIMOVIC S， KOVANOVIC V， DAWSON S. The journey of learning analytics[J]. HERDSA review of higher education， 2019 （6）： 37-63.

[27] 祝智庭，沈德梅. 學习分析学：智慧教育的科学力量[J]. 电化教育研究，2013，34（5）：5-12，19.

[28] 冯晓敏. 现代学校治理体系的理念框架与内容建构[J]. 现代教育管理，2015（8）：13-16.

[29] PESCARU M， PESCARU C. Development of interpersonal relations in modern school management[C]//Proceedings of The 8th International EDU WORLD Conference. Pilesti： Future Academy， 2019.

[30] 曹晓明. 教育大数据驱动下的现代学校治理[J]. 教育信息技术，2018（3）：3-7.

[31] 李昭涵，金桦，刘越. 人工智能开启“互联网+教育”新模式[J]. 电信网技术，2016（12）：6-10.

[32] 庄榕霞，方海光，张颖，谢春荣，黄荣怀. 城市典型场域学习环境的发展特征分析[J]. 电化教育研究，2017，38（2）：82-90.

[33] 范国睿. 智能时代的教师角色[J]. 教育发展研究，2018，38（10）：69-74.

[34] 任友群，顾小清. 教育技术学： 学科发展之问与答[J]. 教育研究， 2019，40（1）：141-152.

[35] 腾讯研究院.中美两国人工智能产业发展全面解读[R].深圳：腾讯研究院，2017.

[36] 张永和，肖广德，胡永斌. 智慧学习环境中的学习情景识别[J]. 开放教育研究， 2012， 18（1）：85-89.

[37] 黄荣怀. 智慧教育的三重境界： 从环境， 模式到体制[J]. 现代远程教育研究， 2014， 6（3）： 3-11.