戴永輝等：人工智能對混合式教學的促進及生態鏈構建

作者簡介：戴永輝（通訊作者），博士，講師，上海對外經貿大學工商管理學院；徐波，博士，教授，上海對外經貿大學工商管理學院副院長（上?！?01620）；陳海建，博士，副教授，上海開放大學理工學院副院長（上海　200433）。

基金項目：全國教育科學“十三五”規劃2016年度國家一般課題“大數據下在線學習用戶畫像的構建及其應用研究”（BCA160053）。

引用：戴永輝,徐波,陳海建(2018).人工智能對混合式教學的促進及生態鏈構建[J].現代遠程教育研究,(2):24-31.

摘要：混合式教學通過“線上 線下”相結合的方式，融合了傳統教學與網絡教學的優勢，已成為互聯網環境下現代教學發展的重要方向。當前我國混合式教學實踐中主要存在教學資源單一、學生學習自主性不強、課堂教學與在線學習缺乏有機結合等問題。而神經網絡、機器學習、情感計算等人工智能技術的發展，不僅為解決上述問題提供了新的技術手段，而且促使教學進一步向“以學習者為中心”的個性化、精準化和智能化方向發展。人工智能發展對混合式教學的觀照主要體現在推動個性化教學資源建設、促進互動教學與浸潤式情感教學、推進課堂教學與在線學習融合等方面。綜而觀之，人工智能發展和混合式教學之間的關系應該辯證看待：混合式教學的應用需求為人工智能發展持續提供新動力，人工智能的發展應以混合式教學應用為導向，在兩者之間構建深度融合的生態鏈，形成可持續創新、雙螺旋演進的互動發展模式。

關鍵詞：人工智能；混合式教學；發展應用；辯證關系；生態鏈構建

一、引言

教育信息技術的發展推動了教學環境和教學模式的變革，在線學習、移動學習、MOOC學習和混合式學習等新興學習方式的涌現給傳統教學帶來巨大沖擊，尤其是“以學習者為中心”的混合式教學模式被認為引發了國際教育界教育思想觀念的變革（何克抗，2005），是一種可預見的教育變革趨勢（胡立如等，2016）。相較于傳統教學或網絡教學，混合式教學采用“線上 線下”的新型教學方式，既保留了傳統教學中的面對面交流，又引入了數字化教學可記錄、可重復的優勢，迅速成為一種新興教學模式的代表。然而，面對學習經歷和知識結構各異的學習者，當前暴露出的教學資源建設單一化、教學交互缺乏、課堂教學與在線學習割裂的問題，已經嚴重阻礙了混合式教學的推進，如何有效解決上述難題是混合式教學機構最為關心的問題。

近年來，圍棋機器人AlphaGo、IBM沃森的智能診斷、科大訊飛的智能翻譯等人工智能技術的不斷發展和應用給人類社會帶來深刻的影響，也使得人工智能研究迅速成為世界各國關注的熱點。2016年10月，美國發布《美國國家人工智能研究與發展戰略規劃》和《為人工智能的未來做好準備》，對人工智能的倫理、技術標準、培訓、人才培養等做了戰略部署。2017年，日本政府制定了人工智能產業化路線圖，計劃在2020-2030年前后，分3個階段，分步驟實施人工智能產業化。2017年7月，我國國務院發布《新一代人工智能發展規劃》，將人工智能研究提升到國家戰略層面，開啟了我國人工智能發展研究的新征程。神經網絡、機器學習等人工智能關鍵技術的發展使得學習者學習過程中產生的海量圖像、語音、文本數據、個性化特征信息等的挖掘更為精準，為推動我國混合式教學和現代教育變革提供了有力保障。

二、文獻綜述

1.混合式教學

20世紀90年代，基于網絡和數字媒體技術的E-Learning學習方式因其具備4A（Anytime、Anywhere、Anyway、Anyone）特性，受到學習者的喜愛而迅速推廣，但呈現出“學生退課率高、情感交流缺乏”等系列問題引發了國際教育界的反思。隨即混合式學習作為教學改革的新理念被提出，其學習方式可看成是教學媒體的混合、學習模式的混合和學習內容的混合（祝智庭等，2003）。此外，混合式教學還被認為是“線下面對面與在線學習的集合”，是在線教學和傳統教學優勢有機結合的教學形式。它既發揮了教師的引導作用，又滿足了學習者自主學習的需求，成為近年來教學研究的熱點。通過中國知網和萬方數據庫等文獻庫，以“混合式教學”“混合式學習”為關鍵詞進行檢索，最終得到國內年發文量統計如圖1所示。

圖1　2008-2017年發文量統計圖

由圖1可知，2008年到2014年，我國混合式教學相關研究的年均發文量在90篇以內，2015年以來，發文量突破180篇，且呈跳躍式增長，2017年更是高達676篇，這從側面反映出我國混合式教學改革逐步推進的過程。從國內混合式學習相關研究來看，主要集中在混合式教學的理論與應用、在線教學信息化建設兩方面（王國華等，2015； Mittag，2016）。

混合式教學涉及的學習理論眾多，但主要有建構主義學習理論和自主學習理論等。其中，建構主義學習理論將主體、情境、協作和資源看成是促進教學的四個條件，并且學習環境由情境、協商、會話、意義建構四大要素組成（馬曉燕，2017）。自主學習理論則認為，學習以自學為主，主體是學習者，他們自主決定學習方式和學習行為。趙冬梅等（2012）基于Blackboard平臺，以計算機基礎課程為例，從課程導入、教學計劃和實施、學習評價等方面對大學混合式教學進行了研究，結果表明該模式在培養學生主動學習和實踐操作能力上效果甚佳。牟占生等（2014）基于Coursera教學平臺，對混合式教學模式進行了前端分析、學習活動與學習評價設計，其教學應用結果表明，該學習模式對于學生成績和學習興趣的提升有積極作用。蘇佩堯（2015）基于微信公眾平臺對“課前、課堂、課后”三位一體的混合式學習平臺進行了設計與構建，并以“現代教育技術”課程的學生為應用對象，證明了該混合式教學模式能有效激發學生學習的主動性和積極性，并認為混合式教學模式正逐步成為當今教學改革的方向。

縱觀在線教學中的信息化發展，Web1.0到Web4.0技術支持下網絡課程經歷了四個階段（孫曙輝，2016）。在Web1.0時代，由超文本組成的網絡課程進入學習者視野，學習者可通過Email、BBS發帖進行交互學習。在Web2.0時代，XML、Ajax異步刷新技術的出現，使得線上網絡課程建設可以整合SNS、Wiki、RSS、博客等應用，初步體現了以學習者為中心的教學理念。在Web3.0時代，互聯網信息技術已能支撐學習者對個性化、智能化學習的基本需求，學習者可以自由決定學習進度、學習內容，是學習過程的計劃者和管理者（孫立會，2009）。在Web4.0時代，智能化、移動化的學習終端越來越普及，使得多平臺和多終端對接的網絡課程成為主流。

2.人工智能教育

“人工智能”一詞最早出自1956年美國的達特蒙斯大學，發展至今已過60多年，現已成為一門涉及計算機科學、信息科學、心理學、哲學、認知神經科學、生理學等眾多領域的前沿交叉科學（徐鵬等，2009）。近年來，信息技術在機器學習、深度學習、神經網絡上不斷取得突破性進展，為人工智能的發展與應用奠定了堅實基礎。尤其是AlphaGo擊敗職業圍棋選手，以及越來越多人工智能技術被運用到經濟、交通、醫療、金融、法律、教育等領域，加速了人們對人工智能的認識、理解和運用。在教育領域，學者們對人工智能的研究大體可分為人工智能教育基礎研究和技術應用研究兩大類。

人工智能教育基礎研究主要集中在人工智能教育現狀及趨勢、人工智能教育基本理論和人工智能教育發展等方面。如：徐鵬等（2009）對國內人工智能教育應用研究現狀進行了綜述，指出國內教育技術界將人工智能教育技術開發作為重點，有關實踐應用類的研究偏少；王斐（2013）認為人工智能輔助教學的功能在中學教育中體現得不夠充分，需要各級教育行政機構、專家學者和一線教師進行積極探索。此外，有學者指出在“人工智能 ”時代，應以學習者為中心，以目標、過程和評價為導向進行個性化學習，在學習者心智特征分析基礎上提供符合其個性化學習需求的內容、活動、路徑和評價（牟智佳，2017）。在教育人工智能標準上，需要提供可實施的準則和規范來促進人工智能教育系統和應用的發展（閆志明等，2017）。

人工智能技術在教育中的應用主要有情感計算（李勇帆等，2013）、大數據、智慧教育（柯清超，2013）、深度學習、人機互動自適應學習（楊翠蓉等，2016）、機器人學習（黃榮懷等，2017）等。如：李德毅（2016）指出教育機器人將給教育帶來重大的機遇與挑戰，集新材料、人工智能、大數據、語言學、腦認知等多學科交叉融合的機器人，將成為人類社會走向智慧社會的重要技術應用；基于人工智能的虛擬現實產品，將給教學帶來越來越多的互動體驗（郭漢等，2016）；此外，基于人工智能的排課優化算法，使得“一人一課表”成為可能，在有效降低排課成本的同時，為個性化教學推送奠定了良好基礎（劉辰，2017）。

三、人工智能發展對混合式教學的推動

1.推動個性化教學資源建設

個性化教學資源建設是個性化教學的重要組成部分。個性化教學實施的前提是對學習者進行建模和知識表征，這就需要對學習者的認知水平、興趣愛好和學習能力進行精準描繪。在人工智能技術發展成熟以前，上述內容的提取和建模不太理想，因而個性化學習資源和個性化學習方案一直難以真正實現。隨著物聯網、云計算、大數據分析技術的不斷成熟，基于上述智能技術進行的學習者行為精準數據挖掘為個性化教學資源建設提供了關鍵技術支撐。

學習者建模表征，是個性化教學資源建設的基礎，可以通過對學習者的基本屬性、學習風格偏好、學習者類型和知識點興趣等的描述來完成學習者畫像（陳海建等，2017），進而完成學習者個性化教學資源推送。如圖2所示，學習過程中的海量語音、文本、圖片、日志等數據經情感計算、模式識別、深度學習等人工智能挖掘和推理表征后，完成對學習者畫像的精準描繪，再與豐富的各類學習資源進行匹配，自動生成個性化學習資源推送給學習者。

圖2　個性化教學資源推送

2.推動互動教學與浸潤式情感教學

混合式教學效果不佳的原因主要來自兩個方面：一是教學內容無法激發學習者的興趣；二是教學過程感受不到情感交流。浸潤式情感教學是指教師在教學過程中，根據教學內容來創設恰當的情境，進行情感浸潤為導向的教學，在潛移默化中讓學生的情感發生積極變化，激發學生的學習興趣，由淺入深掌握知識，力求達到“潤物細無聲”的效果。實施浸潤式情感教學不僅需要教師獲取到學習者的學習狀態，還需要教師在教學過程中清楚學習者當前的學習任務和情緒狀態，以便根據學習者的當前狀態來實施針對性的教學。從采集學習者的各類數據，到判定學習者的情感和學習興趣所在，正是人工智能技術所擅長的事情。一旦學習者的情感和學習興趣被提取出來，有針對性的浸潤式情感教學隨即可以開展。

人工智能中情感計算與虛擬現實技術的發展，無疑會推動浸潤式情感教學邁向新的發展階段。情感計算的目的是通過賦予計算機識別、理解、表達和適應人的情感的能力來建立和諧人機環境，并使計算機具有更高的智能。在混合式教學過程中，師生之間線上和線下的文字、語音交流，都蘊藏著情感，這些情感經過人工智能中的情感計算將得以捕捉和解讀。虛擬現實技術作為一種新的教學手段被引入教學，其所搭建的學習環境可以讓學習者在虛擬世界體驗真實世界中的情感，能夠以近乎仿真的形式參與到自主探索中，打破了以往呆板的課堂形式，對于推動浸潤式情感教學與互動教學具有積極的作用。

3.推動課堂教學與在線學習的相互融合

課堂教學與在線學習割裂脫節，是當前混合式教學中突出存在的問題?；旌鲜綄W習中的線下教學仍然主要采用傳統教學模式，教師作為課堂教學的中心和權威，承擔著向學生傳授知識的任務，學生則被動接受知識，是知識灌輸的承受者。線上教學原本是對線下學習的補充和延伸，然而承擔線下教學、作業和試卷批改的教師，原本教學任務就繁重，再加上需要開展線上教學，因而在線上與學生的互動未能及時完成。此外，線上教學資源的制作也需要教師來完成，這使得教師疲于應付，所制作的教學資源有時僅用于形式上的交差，質量堪憂。學生在線上互動時如果未能獲得教師的及時響應，或者訪問到的課程資源質量不佳，興趣自然逐漸消去，課堂教學與在線學習割裂脫節現象則愈發加重。

上述現象的產生，很大程度來自于教師負壓過重。隨著人工智能教學技術的發展，教師的角色逐步發生轉變，有望“減負”。當前的人工智能技術已能承擔一些知識記憶類和簡單重復性的教學工作。專家建議將那些承擔陳述性、程序性知識的教學工作分配給人工智能技術去完成，讓教師更多關注在課堂上利用人工智能技術對學生進行學習引導。教學將不再以向學生填鴨式灌輸為主，教師也將從繁重的講解中解脫出來，不再被那些繁瑣、簡單機械的工作套住，而是將更多的精力和時間放在引導學生學習、提升自身學術涵養、提供高質量的課程教學資源上，從而更好地促進課堂教學與在線學習的相互融合。

四、人工智能在混合式教學中的應用

人工智能的研究領域包括專家系統、自然語言理解、機器學習、情感識別、人工神經網絡等眾多領域，相關的教學應用涵蓋眾廣，在此主要對面向教師、面向學生和面向教學的人工智能教學典型應用進行探討。

1.面向教師的人工智能應用

（1）智能評測

智能評測是指通過對學習者學習過程和學習行為數據進行大規模自主智能評估，并進行個性化即時反饋。其中，大規模評估是指通過人工智能大數據分析技術對學生的學習行為和學習成果進行針對性地評測；個性化即時反饋是指通過對某位或某一群體學生的學習行為和學習過程數據進行分析后給予反饋。當前，基于人工智能技術的智能評測應用主要有口語考官和試卷批改機器人等。

眾所周知，每年都有各種類型的英語聽說考試，考試者的錄音如果都由人工去評分，不僅工作量巨大，而且評判標準很難一直保持統一。隨著語音識別準確率的不斷提升，使得借助人工智能口語考官來對英語聽說考試進行評分成為現實。只需抽取樣本數據進行訓練，人工智能口語考官便能學會像人類考官一樣對學生的回答進行評估。美國教育考試服務中心已經在一些英語考試中采用人工智能技術來評測打分?？拼笥嶏w公司的語音技術也在2015年應用于廣東70萬高考英語口語環節考生答卷的批閱（劉勝男等，2015）。

人工智能口語考官不僅能進行語音評分，還能糾錯，對平翹舌音、前后鼻音都能進行精準分辨?；谌斯ぶ悄艿脑u分不僅更快，而且更準和更公正。我國的“英語流利說APP”就是一款能指出用戶發音錯誤和自動打分的移動端APP應用，深受英語學習者的喜愛。

評卷對每位教師而言并不陌生，但人工閱卷通常容易受主觀因素影響而導致結果偏差，機器閱卷應運而生。國內的阿里AI智能閱卷、科大訊飛智能評卷系統等應用的推廣，開啟了以機器評閱為主、人工審核為輔的全新評閱方式。國外的Gradescope公司開發的批改卷面試題軟件，解決了給試題打分的耗時問題，伯克利大學、斯坦福大學、麻省理工學院等高校已經加入該應用的使用行列。

（2）智能應答

智能應答是基于自然語言處理、知識推理、文本語音和圖像分析等技術而實現的大規模知識處理與反饋的自動應答系統，它主要從語義理解和答案搜索方面解答學習者的疑問。如：微軟小冰聊天機器人、百度智能問答機器人，它們在接收到文字、圖像或語音信息后，先進行內容解讀，然后再自動給予合適的回復。

在混合式教學中，學習者通過線上和線下完成學習及師生互動交流，針對學習者發出的文本、語音和圖像，以深度學習、機器學習、神經網絡等技術為基礎的人工智能教學應答機器人正好能大顯身手。例如，能力風暴教育機器人已推廣到4萬多家學校；海爾小帥智能機器人，能與小朋友進行語音交互，回答小朋友的問題。

（3）個性化教學

根據學生的個性特征，進行教學資源的個性化智能推薦與因材施教一直是教育界所期望看到的理想教育方式，然而具體實施起來卻困難重重。個性化推薦就是根據學習者的學習行為，自動預測學習者的興趣偏好，有針對性地向學習者推送合適的教學資源。為此，大量基于學習行為數據建模的各種推薦算法紛紛被應用，如關聯規則算法、蟻群聚類算法、協同顧慮算法、機器學習算法等。其中基于人工智能的深度學習推薦算法最受關注。

深度學習的思想來自于機器學習，是指初始數據獲得之后，對數據做預處理、特征提取與選擇，再到推理，最后進行預測的過程。在混合式教學中，根據學習者網上瀏覽文本、語音、圖像、視頻等資源的行為數據，進行特征提取并基于人工智能的深度學習推薦算法，可以為學習者提供學習資源的智能推薦。例如，愛奇藝視頻網、網易云課堂，以及優必選聯合騰訊叮當推出的個性化智能教育機器人等，它們均能根據用戶的瀏覽行為給用戶智能推薦相關的課程資源。

2.面向學生的人工智能應用

（1）智能識別

智能識別在人工智能教學中屬于應用最早也是最為成功的技術，無論是語音識別、圖像識別、人臉識別，還是腦波識別，都屬于智能識別范疇。由于人的語音天生就蘊藏著情感，因而基于語音情感庫的情感識別在教學中也被廣泛應用（Chen et al.，2017）。

我國2015年成立的“管理科學與工程學會神經管理與神經工程研究會”，標志著我國的神經管理與神經工程研究進入新的階段。越來越多的機構和學者投入到基于腦神經認知的情感識別研究中。例如，浙江大學管理學院神經管理學實驗室對腦信號的感知與情感評估分析技術進行了大量研究；復旦大學管理學院戴偉輝教授研究了面向教育大數據分析的神經管理學機制；軟銀情感識別智能機器人Pepper、小影印象 APP應用等，都能根據人的表情、語音來識別人的情緒。若將這些技術應用到混合式教學中，則有利于教師識別出學習者的狀態，對講課內容、授課方式進行及時調整，從而獲得更好的教學效果。

（2）智能導學

以往“題海戰術”是學習者最常選擇的學習方式，然而盲目學習的結果往往是浪費時間，事倍功半。當混合式學習者面對海量的互聯網學習資源不知所措時，智能導學無疑是幫助學習者提升學習效率的重要手段。智能導學的總體思路是對學科領域知識體系先做分解，形成一個個知識元，然后通過導學關鍵點進行語義定義，再將上述定義好的知識元進行歸納與整理，形成體系，并得到相應的邏輯知識地圖，進而形成個性化學習路徑。

在人工智能大數據分析的幫助下，教師和管理者可以對混合式學習者的學習行為和知識量進行全面掃描評估，找到學習者的薄弱項，進行自適應學習路徑設計，讓其能針對性地開展學習，減少重復學習的時間，提高效率。智能導學的關鍵是對學習者進行畫像和適應性指導。智能導學在混合式教學中的應用如下：

學習路徑智能化引導。當學習者首次進入系統學習新知識點時，系統會首先判定學習者的知識量，即通過調用已建立的領域知識判定模型，對當前知識點的前驅知識點和后續知識點進行掃描。在學習過程中，通過與系統交互的情況來檢測學習者對前驅知識點的掌握程度，如果未達要求則引導至前驅知識點繼續進行學習。學習者每完成一個知識點的學習，都要接受測試，只有通過了測試，才能認為掌握了該知識點。

薄弱環節自行檢測。在混合式學習中，學習者可對薄弱環節知識點進行自我檢測，對于那些沒有掌握好的知識點，可以進行多次學習，并與以往學習情況進行對比。在此過程中人工智能學習系統可以查詢該領域知識庫的相關內容，并對薄弱環節進行補強。

學習進度有效控制。學習者在開始學習之前要制定自己的學習計劃，詳細列出課程內容學習計劃，一旦出現偏差或者未按照原定計劃執行時，系統就會給予提醒，并且定期對計劃進行檢查。在完成一定時段的學習后，系統會將學習者的學習狀況進行統計，列出這段時間內的知識難點以及尚未完全掌握的知識點，并對后續學習計劃進行審查，看是否需要調整今后的學習計劃。

3.面向教學的人工智能應用

（1）智慧課堂

從信息化視角來看，智慧課堂可看作是利用先進的信息技術手段來營造智能化的課堂教學環境，形成師生交流立體化、教學過程智能化的課堂。大數據、物聯網、云計算、可穿戴設備等技術的發展成熟，數字化學習環境與教育的深度融合，使得教學中各類數據的收集、追蹤、分析成為可能，為智慧課堂的建成奠定了堅實的基礎。

近年來，越來越多的教學機構參與到智慧課堂建設中來。例如，依托上海開放大學的上海開放遠程教育工程技術研究中心所建的“智慧課堂”，配備有虛擬現實（VR）和增強現實（AR）設備、人體眼神姿態識別儀、EEG/ERP腦波檢測器等數字化設備，能將學習者課堂上的面部表情、身體姿態和腦電波等數據信息全程捕捉下來。智慧課堂的構建如圖3所示。

圖3　智慧課堂構建圖

由于人的興奮、緊張、愉悅等狀態通過臉部表情、身體姿態和腦電波能夠反映出來，因此對每位學習者臉部表情進行相應的歷史對照分析，并結合腦波檢測，便能較準確地識別出學習者的狀態，分析出學生的注意力是否集中，以及對知識點的掌握程度。然而由于學習過程中的臉部表情、腦電波數據所呈現出的復雜、非線性、數據量大、干擾性大等特性，常用的數據分析方法識別效果不佳，而基于機器學習、深度學習的人工智能識別技術能有效處理上述特性，使得智慧課堂成為學習者進行個性化學習的重要場所。

（2）智能在線考試

基于人工智能的在線考試系統除具有常見的用戶信息管理、試題庫管理、在線考試、自動評卷功能外，還提供了智能組卷功能和在線作弊防范監測功能，不僅能自動生成區分度良好的試卷，而且還能對作弊試卷、雷同試卷進行辨別。此外，智能在線考試系統還能對每次考試結果生成考試分析報告，對考試結果進行精準分析，以及對考試難易程度做出評判。

智能在線考試系統的另一特色是具備數據挖掘統計功能，即能對每一場考試產生的數據進行挖掘與統計，并給出描述性統計值，如每場考試最早完成答卷的時間、平均答卷時間、最長答卷時間、答題者的最高分、平均分、最低分等信息，以及對試卷的難易程度給出評判，并以圖表的形式直觀展示，便于師生迅速了解該次考試的情況。此外，智能在線考試系統還能對考試數據執行分類、聚類、關聯規則分析等操作，通過數據挖掘方法來尋找知識點、試題間的潛在關聯，為在線考試更好地服務。

從混合式教學的特征、現狀與需求來看，人工智能在上述教學中的發展與應用呈現以下規律：人工智能技術將不斷應用于解決混合式教學中存在的問題，并為教學的創新發展提供更具智能化的模式與手段。與此同時，混合式教學中的應用新需求將為人工智能在上述專業領域的發展不斷提供新的動力，由此促進人工智能的進一步發展。因此，我們應該在人工智能發展與混合式教學應用需求之間構建深度融合的生態鏈，形成可持續創新、雙螺旋演進的互動發展模式。

五、結束語

混合式教學作為一種“線上 線下”相結合的新型教學方式，顛覆了傳統教學中“以教師為中心”的理念，已成為互聯網環境下現代教學變革的重要方向。當前混合式教學中存在著教學資源單一、學生學習自主性不強、課堂教學與在線學習缺乏有機結合等主要問題。人工智能的發展與應用，不僅為解決上述問題提供了新的手段，而且促進了上述教學進一步向“以學習者為中心”的個性化、精準化和智能化教學方向發展。從上述領域未來的發展看，混合式教學的應用需求將為人工智能的發展不斷提供新動力，而人工智能的發展應該以上述應用為導向，在兩者之間構建深度融合的生態鏈，形成可持續創新、雙螺旋演進的互動發展模式。

參考文獻：

[1]陳海建,戴永輝,韓冬梅等(2017). 開放式教學下的學習者畫像及個性化教學探討[J]. 開放教育研究, (3):105-112.

[2]郭漢,宋耀偉,張森木(2016). 基于計算機視覺的虛擬現實技術在體育教學中的應用研究[J]. 西北工業大學學報(社會科學版), (2):92-96.

[3]何克抗(2005). 從Blending Learning看教育技術理論的新發展[J]. 國家教育行政學院學報, (9):37-48,79.

[4]胡立如,張寶輝(2016). 混合學習:走向技術強化的教學結構設計[J]. 現代遠程教育研究, (4):21-31.

[5]黃榮懷,劉德建,徐晶晶等(2017). 教育機器人的發展現狀與趨勢[J]. 現代教育技術, 27(1):13-20.

[6]柯清超(2013). 大數據與智慧教育[J]. 中國教育信息化, (24):8-11.

[7]李德毅(2016). 人工智能在奔跑 教育的機遇與挑戰——在“北京聯合大學智能機器人產學研合作與人才培養創新發展研討會暨機器人學院成立大會”上的報告[J]. 北京聯合大學學報, (3):1-4.

[8]李勇帆,李里程(2013). 情感計算在網絡遠程教育系統中的應用:功能、研究現狀及關鍵問題[J]. 現代遠程教育研究, (2):100-106.

[9]劉辰(2017). 曉羊教育:用人工智能算法排課表[J]. 創業邦, (8):36-37.

[10]劉勝男,吳曉如(2015). 人工智能如何改變教育?[J]. 中國傳媒科技, (7):52-54.

[11]馬曉燕(2017). 基于慕課和微課的英語混合式教學模式相關問題探討[J]. 吉林省教育學院學報, (3):82-84.

[12]牟占生,董博杰(2014). 基于MOOC的混合式學習模式探究——以Coursera平臺為例[J]. 現代教育技術, (5):73-80.

[13]牟智佳(2017). “人工智能 ”時代的個性化學習理論重思與開解[J]. 遠程教育雜志, (3):22-30.

[14]蘇佩堯(2015). 微信公眾平臺支持下混合式學習活動探討[J]. 實驗技術與管理, (6):177-180.

[15]孫立會(2009). 互聯網的過去(Web1.0)、現在(Web2.0)、未來(Web3.0)對改善學習方式的影響[J]. 現代教育技術, (s1):7-8.

[16]孫曙輝(2016). 在線教學4.0:“互聯網 ”課堂教學[J]. 中國教育信息化, (14):17-20.

[17]王斐(2013). 人工智能在中學教育教學中的應用現狀分析[J]. 中國醫學教育技術, (4):397-400.

[18]王國華,俞樹煜,黃慧芳等(2015). 國內混合式學習研究現狀分析[J]. 中國遠程教育, (2):25-31.

[19]徐鵬,王以寧(2009). 國內人工智能教育應用研究現狀與反思[J]. 現代遠距離教育, (5):3-5.

[20]閆志明,唐夏夏,秦旋等(2017). 教育人工智能(EAI)的內涵、關鍵技術與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發戰略規劃》報告解析[J]. 遠程教育雜志, (1):26-35.

[21]楊翠蓉,陳衛東,韋洪濤(2016). 智能導學系統人機互動的跨學科研究與設計[J]. 現代遠程教育研究, (6):103-111.

[22]趙冬梅,尹伊(2012). 基于Blackboard平臺的混合式學習模式教學實踐探究[J]. 現代教育技術, (9):41-44.

[23]祝智庭,孟琦(2003). 遠程教育中的混和學習[J]. 中國遠程教育, (19):30-34.

[24]Chen, H. J., Dai, Y. H., & Feng, Y. J. et al. (2017). Construction of Affective Education in Mobile Learning: The Study Based on Learner’s Interest and Emotion Recognition[J]. Computer Science & Information Systems, 14(3):685-702.

[25]Mittag, H. J. (2016). Blended Learning in Practice: An Overview on Recent Developments[J]. Journal of Lifelong Learning Society, 5:171-186.

收稿日期　2018-03-01　責任編輯　劉選