陈昂轩　贾积有

摘 要：《义务教育数学课程标准（2022年版）》中指出，数学教育要促进信息技术和数学课程的融合，而智能教学系统是人工智能辅助教育的重要应用，其特点在数学教学领域受到了广泛的关注。然而，如何构建符合数学特征的智能教学系统？数学智能教学系统的设计应当关注哪些方面？如何评估数学智能教学系统的效果？当前，研究者仍未能构建出一个统一的框架。本文基于WoS数据库对数学智能教学系统研究进行计量分析，构建了数学智能教学系统的实证研究分析框架进行文献的梳理，并基于梳理结果总结智能教学系统辅助数学学习的研究特点和未来发展趋势，为数学智能教学系统的框架设计提供参考。

关键词：智能教学系统；数学学习；教学策略；数学教学；数学评估

中图分类号：G4 文献标志码：A 文章编号：2096-0069（2023）01-0008-10

引言

数学是研究数量关系与空间形式的科学，它具有高度的抽象性、逻辑的严谨性和应用的广泛性。然而，传统的数学教育通常采用教师课堂讲授的模式，以教师教授为中心，在很多时候不仅不利于学生深度数学知识理解的需求，学生在数学学习中，很容易因自身对表面形式的理解，造成具体与抽象、感性和理性的脱节，从而阻碍了学生数学思维的发展[1]。《义务教育数学课程标准（2022年版）》中指出，数学教育要促进信息技术和数学课程的融合，合理利用信息技术，提供丰富的学习资源，设计生动的教学活动，促进数学教学方式方法的变革[2]。因此，数学教育在保留数学本质以培养学生数学知识的同时，也要关注信息技术与智能技术对于数学活动和资源的提升作用。

人工智能赋能基础教育的重要路径就是以智能教学系统（Intelligent Tutoring System， 简称ITS）的形式为学习者提供个性化支撑和辅导[3]。智能教学系统集合了计算机科学、心理学、认知科学、学习科学、教育学等领域的前沿进展，目的是提升相关领域知识的学习效果，让计算机在一定程度上替代人类教师的作用。近年来，如何让智能教育赋能数学学习，让数学学习更加有效且高质是教育研究者非常关心的研究问题。然而，目前对于数学学习的智能教学系统探索缺乏理论框架指导。如何构造一个高效的数学学习智能教学系统？数学学习的特点如何影响智能教学系统的设计？如何评估学习者的数学学习收益？本文将围绕这些问题进行深入的分析，以期为国内智能教学系统辅助数学学习的探索与框架设计提供参考。

一、研究方法

为了更好地梳理智能教学系统在辅助数学学习中的应用特点，本研究采用计量分析方法，对10年间（2012—2021年）国际数学智能教学系统研究进行统计观察，了解智能教学系统辅助数学学习的关注点，并基于此建立数学智能教学系统研究的分析框架，把握当前的研究方向、研究热点和研究趋势。

本研究选取Web of Science（简称WoS）数据库中的文献作为样本，采用WoS数据库中的高级检索功能，利用检索语句进行主题检索。检索标准采用PICO标准进行设计，将研究问题分成4个方面：对象（Patient）、干预（Intervention）、對照（Comparison）和效应（Outcome）。研究问题中，对象指教学系统或智能教学系统，干预措施包括学生或教师在各个方面的教育和培训，对照方面指的是数学领域及其子领域，效应部分由于其评估方式不统一，故不进行定义。时间跨度设置为2012年至2021年，在WoS数据库中初次搜索出676篇文献，考虑到文献质量和主题相关性，本研究选取只属于SCI、SSCI、CPCI数据库中的文献，并通过人工筛选剔除无作者、内容不相关的文献，最终得到166篇文献。

二、数学智能教学系统研究计量分析

本研究首先对这166篇文献进行统计分析。从发文量可以看出，近10年来数学智能教学系统受到的关注度较为稳定，而近5年来数学智能教学系统受到的关注度更高，研究者对于智能教学系统在数学学科中的应用兴趣渐渐提升，说明数学智能教学系统的研究正处于平稳发展的阶段。领域发文量呈现周期性变化，即使在2020年、2021年公共卫生事件下文献数量有所回落，但可以看出仍有不断增加的趋势，如图1所示。

表1（见下页）为研究领域部分的统计分布表。可以看出，数学智能教学系统最主要的应用领域仍是在数学教育教学方面，而由于智能教学系统本身的工程特性，其又会与计算机学科产生交叉应用，研究者会更加关注系统的开发与内部算法设计，让新功能能够适配数学学科的学习特点。教学策略和原则也是研究者关注的重点，数学学科的教学方法和智能教学系统的学习策略如何有机融合，如何进行创造性的策略探索也是重要的研究方向。学生的心理教育也逐渐受到数学智能教学系统研究的关注，学生数学收益的评估近年来也逐渐走出单一的成绩维度，呈现立体化的、关注学生数学认同方向的考量趋势。

为了进一步探究数学智能教学系统的领域研究重点，本研究使用CiteSpace 6.1.R3进行了关键词的量化计算。CiteSpace软件是文献计量中的常见分析工具，在排除了Mathematics（数学）、Intelligent Tutoring System（智能教学系统）等大类搜索词之后，获得智能教学系统辅助数学学习的词频热点，如表2（见下页）所示。

进一步对出现频次较高的Student（学生）、 Design （设计）及中介中心性较高的Knowledge（知识）、Motivation（激励）、Cognition（认知）等关键词进行聚类，分析各中心关键词知识图谱，并结合WoS的研究主题分析可知，目前数学智能教学系统的构造关注功能设计和教学策略上对数学特点的融合，并从认知与情感的角度对学生的数学收益进行评估。本研究基于文献计量方法详细梳理研究样本，概括研究特征与主题，建立起智能教学系统辅助数学学习的实证研究分析框架，如图2所示。

三、数学学科特点聚焦，设计智能教学系统功能模块

（一）发展言语信息架构模块，帮助学生理解数学知识，激发学习动机

数学领域和智能教学系统领域的研究都对言语信息进行了探索。数学领域的研究中发现，接触更多关于数学知识的对话能够提高学生的学习成绩，而传统的智能教学系统也证明了自然语言处理工具可以成为教学活动的一种补充[4]。对于抽象的数学问题而言，具备语言辅助指导的技术手段能够减少学生面对抽象问题的受挫感，更好地帮助学生提高学习兴趣。AutoTutor是自然语言处理在智能教学系统研究中的重要应用，本杰明·D.奈叶（Benjamin D. Nye）等人[5]构建的混合式的数学智能教学系统SKOPE-IT，集成了AutoTutor对话引擎、亚历克斯（ALEKS）智能教学系统，旨在解决关于代数学习里的自然语言对话的相关问题。结果表明，对话式教学系统的帮助影响了学生对数学概念和数学学习的理解。白铠志等人[6]构建了一个具有中文对话功能的数学智能教学系统，并和传统课堂教学模式进行了对比，发现在对话式数学智能教学系统下学习的效果和传统课堂教学模式不相上下，但智能教学系统辅导下的学生对于数学学习有着更强的学习动机与兴趣。

（二）重视数学学习难度，发展人工智能算法，评价学生数学学习状态

随着智能时代的发展，智能教学系统研究和计算机学科进行了很多的交叉。利用智能算法评估学生特征，发现学生学习规律，辅助学生模型的建立，能够让智能教学系统在数学教学中提升个体适应性。比如赛义德·穆罕默德·拉扎·阿比迪（Syed Muhammad Raza Abidi）等人[7]利用随机森林、XGBoost等机器学习方法对ASSISTments智能教学系统中无法独自完成作业的学生进行识别，构建的模型能够帮助学校教师在课堂上发现对代数知识感到困惑的学生群体。

对于数学学科而言，由于其复杂性和抽象性的知识特征，学生出现困惑的概率和影响更大。为了更好地把握学生在智能教学系统中数学学习的状态，了解学生数学学习产出与效率，智能教学系统研究者利用人工智能算法搭建了众多学生预测模型。康纳·纳达拉亚（Kannan Nadarajah）等人[8]基于机器学习的集成模型，构建了预测学生在智能教学系统中反馈请求水平和解决问题时间的算法，能够估计学生在智能教学系统中的数学知识掌握程度。毛烨等人[9]构建了基于贝叶斯知识追踪、带干预的贝叶斯知识追踪和长短时记忆网络的六个模型，对学生在概率论数学智能教学系统中进行试验，发现人工智能算法能够在智能教学系统中提前预测学生的数学成绩和数学学习增益。这些预测模型为学生的数学学习过程干预提供了高效的帮助，为智能教学系统的学习者模块构建提供了大数据与智能化的参考。

（三）关注人机交互方式，构建符合数学特征的智能教学系统

交互方式是学习者和数学知识之间沟通的桥梁。传统的智能教学系统由于硬件的限制，只能采用键鼠（亦即键盘加鼠标）的交互方式来回答数学问题，理解数学知识。而数学作为一门由符号和数字构建的抽象学科，键鼠的交互方式往往无法满足众多学习者的学习需求，同时也对学生的数学学习增添了阻碍。在符合数学特征的交互方式上，研究者进行了许多有益的探索。

王观等人[10]构建了一个数学符号识别器，可以让学习者以手写的形式在平板电脑中进行纸笔计算，支持跟踪学生的解决方案过程并在学生手写过程中指出其错误。数学公式也是键鼠输入的难点。费利佩·德·莫赖斯（Felipe de Morais）等人[11]指出传统键鼠型人机交互模式会提高学生对于数学智能教学系统的使用成本和认知负荷，所以研究者构建了一个学生手写内容进行数据输入的智能教学系统PATH2Math，成功将公式的输入方式交互化。数学符号的自然化交互是数学智能教学系统的关注重点，这些非键鼠输入的交互方式很好满足了学生在智能教学系统中的数学输入需求。

视觉障碍者的数学学习需求也推动了智能教学系统交互方式的进步。米夏·马科夫斯基（Michal? Mackowski）等人[12]基于万维网联盟编写的文档的听觉呈现指南，提出了一种数学公式转化表达的构建方法，并设计、实现和部署了适合盲人需求的数学计算机辅助交互学习工具。皮奥特·布尔佐扎（Piotr Brzoza）等人[13]基于欧洲可访问信息网络（European Accessible Information Network，简称 EUAIN）的无障碍材料，对波兰语常见的数学表达进行分析，构建了一套波兰语的数学公式朗读法，给“为数学”（ForMath）智能教学系统设计了朗读式的数学学习交互方式。不同于听觉呈现数学公式的方法，达里乌兹·米库奥斯基（Dariusz Mikul Owski）等人[14]进一步地提出了基于增强现实（Augmented Reality， 简称AR）技术在文档中引入声音和文本的方法，扩展了有视力障碍的学习者遇到的数学对象的信息。视力障碍学习者可以通过听觉、盲文显示器的触摸及触摸屏和触摸手势的交互方式在AR模型之中进行数学公式的理解和认知。

总的来看，新技术的发展促进了智能教学系统开发和设计。自然语言处理模块的构建为智能教学系统在数学教学方面提供了接近于师生交互的条件，能够影响学习者对于数学概念学习的积极性与学习兴趣；大数据、人工智能算法能够提升智能教学系统的智能性，辅助数学教师和数学学习者掌握学习特征与知识规律。而在交互方式上，随着新技术的兴起，智能教学系统辅助数学学习不再局限于键鼠输入的交互方式，能够更好地使用手勢、听觉、点触等方式进行数学公式与符号的表达。这些基于数学特性的功能开发有力地推动了智能教学系统的领域适应性，将智能教学系统和数学学习进行了有机的融合。

四、教学策略探索，提升智能教学系统的数学教学能力

《义务教育数学课程标准（2022年版）》中提出，要重视大数据、人工智能等对数学教学改革的推动作用，改进教学方式，促进学生学习方式转变。近年来智能教学系统与数学教学策略的融合也受到了许多研究者的关注。对于数学智能教学系统而言，什么样的教学策略较为主流？不同的教学策略对学习者有什么样的影响？ 研究者对于这些问题进行了广泛的探索。

（一）学生为中心的策略方向仍是主流，关注自适应学习在数学教学中的发展

自适应是智能教学系统的智能化的重要特征，自适应学习策略也成为了数学智能教学系统的主流教学策略。智能教学系统能够通过对学习者数学水平的评估来提供合适的数学资源，促进学生的自我调节学习行为。学习者水平是自适应系统的重要关注指标，如代数学习（LearnIng Algebra，简称LEIA）智能教学系统让学习者进行不同难度的测验以判断学生掌握水平，并基于学习者水平来调整数学材料的难度，从而使得数学学习和实际能力相匹配[15]。学习者的自主度也是智能教学系统自适应的关注要点[16]。卡罗尔·R.比尔（Carole R. Beal）[17]提出的“动物观察”智能教学系统体现了智能教学系统的自主属性，学生可以自我决定学习主题，并且能够随时导航去系统的其他模块。在课堂环境下的评估研究发现，“动物观察”智能教学系统在应对数学问题的能力培养上有积极的效果。

项目反应理论（Item Response Theory， IRT）是一种现代心理测量理论，通过预计学习者水平来进行知识筛选，其机制能够很好地为智能教学系统中个性化数学问题的推送提供帮助。徐道敏等人[18]采用基于案例的推理技术结合IRT理论，生成适合每个学生的自适应学习课件，使所选课件的难度与该典型学生的认知能力水平相匹配。贾积有等人[19]基于IRT理论设计并实施了一个学校数学自适应测试模型，能够为智能教学系统的数学测试提供符合学生能力的试题。这些自适应技术为数学教学提供了自主性学习的空间，有效的提高了数学资源和学生数学水平之间的适配性，在数学智能教学系统教学策略中成为最主流的方法。

（二）探索多样化的教学策略，注重融合数学特征和不同学习方式

多样化的教学策略及其应用结果也在数学智能教学系统研究中受到了重视。孟青泉等人[20]关注智能教学法对于数学智能教学系统的指导作用。智能教学法框架包括情境学习、掌握学习、自适应学习、反思性学习和思维工具五个关键要素模型，其具体教学策略包含了多种创新的学习方法；研究证明了智能教学法指导下的智能教学系统对学习结果有积极的影响，表明在智能学习环境中，教师在设计课程时应考虑运用智能教学法的要素促进学生的高级思维能力。莉娜·拉扎克（Leena Razzaq）等人[21]提出的四教练主动学习型数学智能教学系统（4-coach Mathematics Active Learning Intelligent Tutoring system，简称4MALITY）的设计功能非常不同，它构建了思维不同性格的数学教练形象，基于问题解决策略让学生通过咨询四位教练，思考他们的不同观点来帮助自己解决数学应用题。研究发现，这种策略能让学生通过比较不同的观点来选择最优答案，帮助学生从猜测和点击转变为思考和检查，从而提升学生解决数学应用题的注意力和学习兴趣。

智能教学系统的数学教学策略也关注不同学习理论的实践。托比·德劳贡（Toby Dragon）等人[22]基于合作学习理论开发了表达者（expresser）教学系统，使学生能够使用讨论工具进行合作，分享他们对代数方程的推理、论证过程。这种合作学习在数学智能教学系统中的应用能够让学生在更短的时间内完成任务，并且有着更强的学习动机。雷切尔·迪克勒（Rachel Dickler）[23]对基于探究式学习的智能教学系统数学表现进行了评估，学生行为分析结果表明：学生数学收益显著提高。

总体而言，智能教学系统在数学教学中主要把握以学生为中心的教学策略，探究智能化的自适应教学方法，通过评估学生水平提供更加富有针对性的数学知识与问题。同时，智能教学系统的研究者也关注合作学习等学习理论对数学教学的影响，对数学教学策略和智能教学系统的构建进行了卓有成效的探索。

五、评估方式转变，多维度关注智能教学系统的数学成效

（一）评估智能教学系统辅导的数学认同提升

数学教学的评估方法往往关注的是学生的学业表现和学习成绩。贾积有等人[24]对于智能教学系统的评价选择问题进行了探究，发现智能教学系统不仅要关注客观性的学习效果，还需要关注主观性的用户体验。而数学是较为抽象和晦涩的理论学科，对于数学的认识与兴趣能否通过智能教学系统提升呢？对这一问题的考虑使得研究者逐渐关注学生个体的数学认同在辅导下的影响。数学认同，普遍被认为是一个人认为自己是數学人才的程度[25]。一般而言，数学认同可以细分为关注学生在自我概念、数学兴趣和数学价值上的表现如何，而研究者关注智能教学系统在这三个方面教学辅导的作用，并关注智能教学系统如何辅助学习实现数学认同的研究。

1.数学自我概念评估

自我概念通常在意识水平以下运作，引导人们对外部事件的理解和期望。失败后更愿意尝试、敢于指出数学题目中的问题等行为是数学自我概念的常见表现。巴特莱特·迪莫纳（Bartelet Dimona）等人[26]研究了智能教学系统辅导下的数学自我概念影响，发现初始阶段数学表现较差的学生往往更少使用智能教学系统提供的帮助。研究结果表明，在智能教学系统提供的非强制性的数学学习中，数学自我概念较差的学生往往关注更容易的学习模块，并没有优化自身的学习收获，提升数学自我概念，印证了强制性作业下观察到的自我概念的结论。

2.数学兴趣评估

数学兴趣一般被认为是随着时间的推移，通过情感和认知成分对数学这一特定主题的倾向。坎迪斯·沃金顿（Candace Walkington）等人[27]采用了基于计算机的自适应数学智能教学系统，测量了学生对问题引发的情境兴趣。结果表明，数学智能教学系统个性化问题的深度、学生对他们感兴趣的领域的投入程度是提升数学学习兴趣的重要因素。马修·伯纳基（Matthew Bernacki）等人[28]更加关注个性化处理对于智能教学系统数学学习的情境兴趣的影响。研究发现，学生参与个性化学习时产生的数学情境兴趣在很大程度上解释了个性化对智能教学系统学习结果的影响，并证实了个性化的理论假设在智能教学系统中的作用。

3.数学价值评估

数学价值体现了学生认为数学对他们的生活产生作用的程度，评估数学价值能够更好地帮助学生接受和参与数学学习活动。克罗斯利·斯科特（Crossley Scott）等人[29]通过自然语言处理工具分析发现，学生的语言特征能够预测学生的数学价值的外在表现，在数学智能教学系统中使用积极语言的学生更有可能拥有积极的数学价值。

（二）评估智能教学系统辅导数学学习的社会影响

由于学习环境、学习文化、学习态度、学习能力的不同，数学在不同人群中有着不同的接受度和掌握度。同时，传统的班级教学无法照顾每一位学生的数学学习需求，新冠感染下的线上教学使得部分学生无法及时掌握对应的数学知识。如何促进数学学习的公平性，让特殊群体更好地学习数学也是近年来研究者对数学教学智能教学系统评估的重要方向。

黄旭东等[30]关注数学教育中存在的种族/民族差异、性别差异和学校社会经济地位差异。研究使用亚历克斯智能教学系统和传统上课模式进行对比，发现在亚历克斯智能教学系统辅导下，具有不同个体差异的学生在数学测试中的表现相似。这些发现为平衡弱势学生在数学学习方面的差距提供了新的思路。贾积有等人[31]关注了数学智能教学系统在疫情下的作用，通过严格的定量定性分析试验，发现数学智能教学系统这种个性化的辅助能够提高学生的数学能力。智能教学系统作为信息技术辅助下的个性化学习工具，对于数学弱势及社会边缘群体有着重要的社会影响，能够为数学学习者提供更加平等的学习环境。

综上所述，近年来对于智能教学系统辅助数学学习的评估方向呈现多元化的趋势，不仅仅关注了學生的数学学业成绩评估，还关注了学生内心对于数学的认同感和智能教学系统辅导的社会影响提升。多元化的评估表明，智能教学系统辅助数学学习不仅能够在学业表现上达到教师的水平，还能在数学兴趣、数学价值、社会影响等方面发挥自身独到的作用，为数学教师与学生提供全面帮助。

六、智能教学系统辅助数学学习的对比分析

智能教学系统通常被定义为利用计算机模拟教师，辅导学习者获得知识和技能的教学辅助系统。而在数学教学领域，数学智能教学系统结合了传统智能教学系统和传统数学课堂教学的优势，又在近些年的研究中呈现出一些新的特点。一般来说，智能教学系统由教师模型、学生模型、教学法模型和人机接口四个要素组成[32]。本文在此基础上，结合智能教学系统在数学教学辅导中的特征，对数学智能教学系统和传统智能教学系统、传统数学课堂教学方式进行了对比分析，如表3所示。

通过对比可以看出，近年来随着计算机科学和技术的不断发展，辅助数学学习的智能教学系统更关注大数据和人工智能技术对智能教学系统各个方面的提升和促进作用，在智能性和个性化上相比传统智能教学系统都有了长足的进步。相比于传统的数学课堂教学模式，辅助数学学习的智能教学系统能够带来的学习动机和数学兴趣更高、交互方式更自然，能够通过电子化的信息技术传播手段带来更大的数学教学社会影响。在评估方式上，数学智能教学系统已经开始关注对于学生的数学思维、数学认同等数学素养的提升作用，突破了传统、单一的成绩维度，向着多维化的评价体系转变。

然而，辅助数学学习的智能教学系统和线下教学方式相比仍有不足。在教学互动方面，虽然目前智能教学系统已经进行了多样化的人机互动模式探索，但相比于面对面的交互形式仍然缺少真实感，对于数学学科特点的交互方式优化还有很大的提高空间；在知识构建和学生状态认识上还需要教师主观知识的辅助，在数学学习领域中还不能完全替代教师的地位；在评估方式上针对数学素养还没有达到线下教学方式下的聚焦程度，在评估方法上还有着多维化的提高空间。

七、总结与展望

近年来辅助数学学习的智能教学系统在开发设计、教学策略和评估方式上都凸显出了新的特点。总体而言，研究者关注对数学特点进行针对性的智能教学系统功能设计，探究多样的教学策略和学习思想在数学智能教学系统中的应用，从而构建符合数学领域需要的适用性智能教学系统。具体包括以下三点：

第一，辅助数学学习的智能教学系统功能设计注重数学特点。目前，随着计算机技术的发展，自然语言处理、人工智能算法都有了长足的进步。基于新技术构建的智能教学系统能够将抽象晦涩的数学学习以智能化、个性化、交互化的技术手段进行梳理和解析。在人机交互方面，研究者开始注重数学学科公式符号的输入特征，逐渐打破智能教学系统中键盘、鼠标的单一交互方式规范。面向数学抽象问题的智能化干预，面向用户视角的数学交互体验完善，是未来数学智能教学系统功能设计的主流发展方向，也是未来数学智能教学系统框架设计中重要的功能组成部分。

第二，教学设计上，自适应学习仍然是智能教学系统辅助数学学习的主流教学策略，融合大数据技术和人工智能算法的学习者分析和个性化辅导成为近年来的发展趋势。与此同时，研究者也对智能教学系统下数学学习的新方式展开了探索，关注了问题解决策略、合作学习策略、探究式学习策略等不同教学策略在智能教学系统中的应用，为智能教学系统中的教师模型构建开辟了新思路。未来数学智能教学系统的开发需要进一步探索不同教学策略对于学生的支持和帮助，进一步融合有效的数学课堂教学策略和学习方法，在严谨的教育学试验比较中探索对学生真正有帮助的数学智能教学系统教学手段，为数学智能教学系统的框架设计提供理论指导。

第三，相比于数学课堂教学，智能教学系统中对数学学习成效的评估大部分还是探究学习者学业成绩能否提高。未来研究中可以关注学习者数学核心素养方面的提升，关注学习者对数学的认识、兴趣等情感激励方面的评估，逐渐以立体化、多维化的方式对数学智能教学系统进行评估，从学业表现的单一维度逐渐扩展到数学学习评价的各个维度，以期从各方面提升学习者的数学水平。

[1]胡素芳. 浅谈中学数学学习的特点和原则[J].教育理论与实践，2004（12）：52.

[2]教育部.教育部關于印发义务教育课程方案和课程标准（2022年版）的通知[EB/OL].（2022-03-25）[2022-05-09].http：//www.gov.cn/zhengce/zhengceku/2022-04/21/content_5686535.htm.

[3]贾积有，颜泽忠，张志永，等.人工智能赋能基础教育的路径与实践[J].数字教育，2020，6（1）：1-8.

[4]BII P.Chatbot technology：a possible means of unlocking student potential to learn how to learn[J].Educational Research，2013，4（2）：218-221.

[5]NYE B D，PAVLIK P I，WINDSOR A，et al.SKOPE-IT （shareable knowledge objects as portable intelligent tutors）：overlaying natural language tutoring on an adaptive learning system for mathematics[J].

International Journal of STEM Education，2018，5（1）：12-32.

[6]PAI K C，KUO B C，LIAO C H，et al.An application of Chinese dia-

logue-based intelligent tutoring system in remedial instruction for mathematics learning[J].Educational Psychology，2021，41（2）：137-152.

[7]ABIDI S，HUSSAIN M，XU Y，et al.Prediction of confusion attemp-

ting algebra homework in an intelligent tutoring system through machine

learning techniques for educational sustainable development[J].Su-

stainability，2018，11（1）：105-126.

[8]KANNAN N，YEH C Y C，CHOU C Y，et al.A Machine learning app-

roach to estimating student mastery by predicting feedback request and solving time in online learning system[C]//RODRIGO M M T，IYER S，MITROVIC A.29th international conference on computers in education.Taoyuan City，Jhangli City：APSCE，2021：241-250.

[9]MAO Y，CHI M，LIN C.Deep learning vs.bayesian knowledge tracing：student models for interventions[J].Journal of Educational Data Mining.2018，10（2）：28-54.

[10]WANG G，BOWDITCH N，ZELEZNIK R，et al.A tablet-based math tutor for beginning algebra[C]//HAMMOND T，VALENTINE S，ADLER A.Revolutionizing education with digital ink：the impact of pen and touch technology on education.Chan：Springer，2016：91-

102.

[11]MORAIS F，BITTENCOURT I I，ISOTANI S，et al.The use of handwriting input in math tutoring systems：an use case with PAT2Math[C]//2017 IEEE 17th international conference on advanced learning technologies （ICALT）.Timisoara：IEEE，2017：44-46.

[12]MACKOWSKI M S，BRZOZA P F，SPINCZYK D R.Tutoring math platform accessible for visually impaired people[J].Computers in

Biology and Medicine，2018，95：298-306.

[13]BRZOZA P，MACKOWSKI M.Intelligent tutoring math platform accessible for visually impaired people[C]//International conference on computers for handicapped persons，Paris，France.Chan：Springer，2014：519-524.

[14]MIKULOWSKI D，BRZOSTEK-PAWLOWSKA J.Multi-sensual augmented reality in interactive accessible math tutoring system for flipped classroom[M]//KUMAR V，TROUSSAS C.Intelligent tutoring systems：Vol 12149.Cham：Springer International Publishing，2020：1-10.

[15]LOPES A M M，NETTO J F M，DE SOUZA R A L，et al.Impro-

ving students skills to solve elementary equations in K-12 programs using an intelligent tutoring system[C]//2019 IEEE frontiers in education conference （FIE），Covington，USA.[S.L.]：IEEE，2019：1-9.

[16]樂惠骁，贾积有.智能的边界：智能教学系统中的用户自主度研究[J].中国远程教育，2021（9）：49-58.

[17]BEAL C R.Animalwatch：an intelligent tutoring system for algebra readiness[M]//AZEVEDO R，ALEVEN V.International handbook of metacognition and learning technologies：Vol 28.New York，NY：Springer New York，2013：337-348.

[18]XU D，DONG M.Research and design an E-learning intelligent tutoring system for adaptive LCO selection[C]//TAN D.2013 international conference on cyber science and engineering.Lancaster：Destech，2013：149-159.

[19]JIA J，LE H.The design and implementation of a computerized adaptive testing system for school mathematics based on item response theory[C]//International conference on technology in education，Macau.Singapore：springer，2020：100-111.

[20]MENG Q，JIA J，ZHANG Z.A framework of smart pedagogy based on the facilitating of high order thinking skills[J].Interactive technology and smart education，2020，17（3）： 251-266.

[21]RAZZAQ L，MALOY R W，EDWARDS S，et al.4MALITY：coach-

ing students with different problem-solving strategies using an online tutoring system[C]//KONSTAN J A，CONEJO R，MARZO J L，et al.

User modeling， adaptation，and personalization.Berlin：Springer，2011：

359-364.

[22]DRAGON T，MCLAREN B M，MAVRIKIS M，et al.Scaffolding collaborative learning opportunities：integrating microworld use and argumentation[C]//International conference on user modeling，adaptation，and personalization，Girona，Spain，July 11-15.Berlin：Springer，

2011：18-30.

[23]DICKLER R.An intelligent tutoring system and teacher dashboard to support mathematizing during science inquiry[C]//ISOTANI S， MILLAN E，OGAN A，et al.Artificial intelligence in education （Aied 2019），Chicago.Cham：Springer，2019：332-338.

[24]贾积有，孟青泉.智能教学系统的评价与选择[J].数字教育，2019，5（3）：1-9.

[25]SYED M，AZMITIA M，COOPER C R.Identity and Academic Su-

ccess among underrepresented ethnic minorities：an interdisciplinary review and integration：identity and academic success[J].Journal of Social Issues，2011，67（3）：442-468.

[26]BARTELET D，GHYSELS J，GROOT W，et al.The differential

effect of basic mathematics skills homework via a web-based intelli-

gent tutoring system across achievement subgroups and mathematics domains：a randomized field experiment[J].Journal of Educational Psychology，2016，108（1）：1-20.

[27]WALKINGTON C，BERNACKI M L.Personalizing algebra to stu-

dentsindividual interests in an intelligent tutoring system：moderators

of impact[J].International Journal of Artificial Intelligence in Education，

2019，29（1）：58-88.

[28]BERNACKI M L，WALKINGTON C.The role of situational interest

in personalized learning[J].Journal of Educational Psychology，2018，

110（6）：864-881.

[29]CROSSLEY S，BRADFIELD F，OCUMPAUGH J，et al.Modeling math identity and math success through sentiment analysis and lin-

guistic features[C].11th international conference on educational data mining， New York.[S.L.]：[s.n.]，2018：11-20.

[30]HUANG X，CRAIG S D，XIE J，et al.Intelligent tutoring systems work as a math gap reducer in 6th grade after-school program [J].Learning and individual differences，2016，47：258-265.

[31]JIA J，MIAO Y.The customized mathematic instruction supported by an intelligent tutoring system and its effect during the COVID-19 epidemic[M]//LI R，CHEUNG S K S，IWASAKI C，et al.Blended learning：re-thinking and re-defining the learning process.Cham：

springer，2021：176-187.

[32]JIA J.Intelligent tutoring systems[M]//Encyclopedia of educational technology.Thousand oaks：SAGE，2015：411-413.

（責任编辑 李强 孙志莉）

Characteristics， Strategies and Evaluation of Constructing Mathematical Intelligent Tutoring System

——A Metrological Analysis and Literature Review Based on WoS Database

Chen Angxuan，Jia Jiyou

（Graduate School of Education，Peking University，Beijing， China 100871）

Abstract： The Mathematics Curriculum Standard for Compulsory Education （2022 edition） points out that mathematics education should facilitate the integration of information technology into mathematics curriculum. Intelligent tutoring system （ITS） is an important application area of artificial intelligence in education and received extensive attention in the mathematics teaching field.However，how to construct an ITS with mathematical characteristics？What should the mathematical ITS design focus on？How to evaluate the outcome？There has been no united framework yet.This paper makes a metrological analysis of mathematical ITS studies based on the WOS database to build an empirical research framework for the literature review，concludes the research features and future trends in studies of intelligent tutoring system for mathematics learning，and offers assistance in the framework design of mathematical ITS construction.

Key words： Intelligent tutoring system;Mathematics learning;Teaching strategy;Mathematics teaching; Mathematics evaluation

收稿日期：2022-08-10

基金项目：全国教育科学规划2022年国家一般项目“基于大数据挖掘的学生智能评测和辅导研究”（BCA220208）

作者简介：陈昂轩（1999— ），男，福建宁德人，硕士研究生，研究方向为人工智能教育应用；贾积有（1969— ），男，河南获嘉人，教授、博士生导师，研究方向为教育技术学和人工智能教育应用，系本文通信作者。