黄传旭 龚静

摘      要 智能技术的发展对教学产生了重大影响，在教学管理、教学呈现、教学交互、教学评价和反馈等方面都发挥了重要作用。立足智能技术赋能深度教学的发展诉求，从学习逻辑、教学逻辑、知识逻辑和认知逻辑四个维度阐释智能技术赋能深度教学的原理。在文献研究的基础上，以建构主义理论和联通主义学习理论为指导，构建智能技术赋能的深度教学模型，解读核心要素内涵和教学理念，提出五条推进深度教学的有效路径，从理论和实践方面为智能时代教育改革提供借鉴和参考。

关 键 词 智能技术  深度教学  深度学习  技术赋能

引用格式 黄传旭，龚静.智能技术赋能深度教学的原理、模型与实践路径[J].教学与管理，2023（21）：84-89.

虚拟现实（VR）与增强现实（AR）技术、互联网技术、文本图像识别与语音识别技术、大数据分析技术和人工智能深度學习技术等智能技术的迅猛发展，对教学环境、教学理念与思维方式产生了深刻影响，充分释放智能技术的价值优势提升教学质量[1]成为倍受关注的话题。

借助智能技术赋能深度教学，是智能时代对深度教学理念的再次审视，其实质是发挥智能技术在教学管理、交互、呈现、评价等方面的优势，以智能技术驱动学生参与兴趣[2]，增强学生知识加工能力，通过构建真实问题情境，培养学生逻辑思维和应用创新能力，彰显智能技术对教育内涵与外延的深刻变革。

一、深度教学与智能技术应用研究

1.深度教学相关研究

对于如何促进学生深度学习，国内外研究者从不同维度进行了诸多研究。在学习逻辑方面，Marton F.等人认为学生应当深度理解知识，并与相关知识建立联系[3]，国内部分研究者认为，深度学习要求学生具备深入参与学习的能力和意识[4]，在学习中批判思考，创新应用所学知识解决真实问题[5]。在教学逻辑方面，Jensen E.等人根据教学生成路径提出DELC（Deeper Learning Cycle）深度学习路线，认为遵循“设计标准与目标、预测评估、营造环境、预备激活先期知识与获取新知、深度加工和学习评价”六个教学环节能有效促进教师、学生、教学材料和教学环境之间的交互实践，助力学生深度学习[6]。在知识逻辑方面，张良认为知识由符号表征、逻辑形式和意义系统三部分构成，强调深度教学要超越符号表征，通过理解、应用知识，增进学生对知识生成逻辑与意义的认知[7]；郭元详和郭华基于对知识的结构的理解，认为教师设计情境将学生置身于知识生成的逻辑起点，带领学生经历知识还原与下沉、经验与探究、反思与上浮，有助于促进学生深度学习[8，9]，教师对教学内容广度、深度和关联度的拓展，很大程度上会影响学生的学习效果[10]。在认知逻辑方面，教学效果取决学生群体面对复杂环境时的适应形式[11]，教师对教学材料的组织、呈现方式会影响学生认知结构的形成。

教学是学习逻辑、教学逻辑、知识逻辑和认知逻辑交织的复杂活动，有效落实深度教学必然要遵循上述逻辑规律。但就教学实践而言，教师习惯性讲授，学生被动接受的现象仍普遍存在，符号化的知识系统和展示型的教学媒体暗中掣肘，有效解决上述问题成为落实深度教学的关键。

2.智能技术的教学应用研究

20世纪50年代，智能技术就能处理程序教学中的简单交流反馈，从而增强学生学习动力[12]。随着人工智能深度学习技术的发展，智能技术与教育学、社会学、脑科学和学习科学等领域融合发展，开发了诸多面向课堂教学的技术工具。例如，在教学管理方面，应用面部识别技术的考勤系统能够帮助教师掌握学生到课率[13]；结合数字孪生技术和大数据技术的智能导师系统，能根据学生动态学习情况自动分层，支持开展个性化教学[14]。在教学过程中，基于互联网和智能设备终端的协作式教学能有效支持课堂交互（包括师生交互和学生同侪交互），对学生深度学习效果产生积极影响[15，16]；虚拟现实（VR）和增强现实（AR）设备在抽象内容教学方面具有显著优势，能有效提升学生学习兴趣、激发学生参与动力，促进学生深度学习[17，18]。在教学评价方面，融合文本图像识别技术、语音识别技术、大数据分析技术和人工智能深度学习技术的教学评价系统，采集学生行为、表情，智能分析学生情感，判断学生学习参与度和专注度[19]，基于虚拟社区的多主体评价与反馈的功能，有助于培养学生批判思维能力[20]。

智能技术蕴于教学工具，通过优化教学管理、教学呈现、教学交互和教学评价等教学环节，间接驱动师生的思维方式和学习习惯发生转变，提升了教学效率，激发了学生课堂参与意愿，丰富了教学评价主体，使评价结果更加全面客观，从技术角度为落实深度教学提供了重要支撑。

3.智能技术赋能课堂教学的研究框架/模型

随着智能技术与课堂教学深度融合，国内外研究者开发了侧重不同教学形式的教学框架/模型，用以指导教师融合智能技术创新教学过程。例如，Radcliffe D.等提出支持教学环境设计PST框架，包括教学法、空间、技术三个要素，强调通过问题驱动教学，培养学生问题解决能力[21]。张屹等提出支持教学设计的APT教学模型，包括评价手段、教学方法和技术工具三个核心要素，突出教学评价对学生学习兴趣的激励作用[22]。艾兴等提出智能技术支持下的，以主体、客体、环境为核心要素的沉浸式教学模型[23]。刘邦奇提出的“因材施教”教学模型，通过学习者、施教活动（包括内容、过程、环境）和教育结果三个明显要素与隐含的施教者（智能）交互，在智能技术识材、施教和发展的过程中持续对学生开展多元评价和反馈，实现技术支持下的个性化深度教学[24]。

智能技术的发展为创新教学提供了新工具，也为落实深度教学提供了新契机。立足新时代，着眼于智能技术对教学基本要素的深刻影响，有助于构建具有时代特色的深度教学模型。

二、智能技术赋能深度教学的原理

1.学习逻辑

（1）智能技术激发学习动力

在应试教育思想的长期影响下，教与学的目标导向偏离，重应试轻应用现象尤甚，学生学习浮于知识符号表象，缺少深究符号意义及原理的动力。随着智能技术发展，逐渐催生了学生深度学习的动力。一方面，人工智能在记忆、存储和处理重复性工作等方面表现出卓越的能力，对应试教育思想造成强烈冲击，促使教学目标从知识掌握转向知识应用和创新，要求学生具备使用智能工具的能力，提升智能技术基本素养，着重发展分析能力和创造思维[25]，从社会环境角度为学生发展能力施加推力；另一方面，智能技术为培养学生分析、创造等高阶思维能力提供了支撑，通过改变教学内在结构，为学生发展能力提供拉力。

（2）智能技术强化过程目标

从激发学生学习积极性角度考虑，要为学生树立确立明确且有意义的目标。传统教学观常以未来成功作为学习目标，例如，培养高阶思维、创新能力或適应社会发展……此类目标对学生而言过于空洞，难以发挥直接激励作用[26]。科技的进步不仅对教学环境产生直接影响，也间接影响了教学观念，催生了STEM教育、创客教育等创新教学理念，通过分解复杂问题，确定每次课程主题，引导学生分组协作，分步骤完成教学任务，从而增强学生在教学过程中的学习动力[27]。

2.教学逻辑

（1）智能技术促进个性发展

随着科学技术不断发展，智能技术为个性化教学提供了可能。首先，基于大数据的智能化教学管理系统较传统教学管理手段表现得更加细致、精准[28]，教师能将更多精力投入到关照学生个性的行动中。其次，基于文本图像识别与语音识别技术可以全方位采集和监测学生行为、语言，借助大数据分析技术和人工智能深度学习技术，分析学生行为特征并生成学生个性画像，匹配学生学习能力，定制个性学习计划，通过精准个性化服务促进学生个性化学习。

（2）智能技术促进情感交互

深度教学是培养学生高阶思维的社会化过程，要着重关注学生学习中的情感体验。综合人工智能深度学习、自然语言理解和大数据技术可创设集教学、评价和反馈为一体的智能化教学环境，通过追踪学生行为活动和面部表情，分析、挖掘学生情感，辅助教师在学生认知建构过程中进行必要干预。从长远来看，未来教育将是人类教师和智能导师协同的局面[29]，人类教师发挥专长，引导学生树立正确的态度、情感和价值观，注重培养学生逻辑思维能力和创新应用能力，使教学过程充满温度、更有深度。

3.知识逻辑

（1）智能技术辅助知识加工

知识习得包括知识传播、接受、加工、内化等系列环节，本质上源于个体知识系统和思维逻辑与外界信息相互作用对个体知识结构产生的影响。当前，信息传播渠道持续增加，信息总量不断膨胀，逐渐对个体的认知加工过程产生负荷，容易影响学生内化知识的效率和效果。人机接口、智能芯片等智能技术的应用，通过赋能学习系统加工主体，改变学生原有认知方式[30]，帮助学生剔除冗余信息，梳理知识脉络，构建系统化的知识图谱；依靠智能技术的感知、计算、优化等优势，帮助学生分担信息存储、感知、识别、归纳等认知活动的压力[31]，缓解认知方面的负荷。

（2）智能技术模拟知识生成/应用情境

杜威认为：“必须有一个实际的经验情境作为思维的开始阶段。”[32]教学情境是帮助学生关联已有经验与教学内容的关键节点，通过构建与教学内容相关的具体场景或氛围，唤醒学生认知，一定程度上给予学生情感上的真实体验，促进学生掌握知识逻辑。3D技术、虚拟现实（VR）和增强现实（AR）技术能有效呈现现实生活不易直接观察到的现象或不便直接参与的活动场景，例如，用智能技术构建语言学习环境，为学生提供类似母语的沉浸式训练交流语境[33]，赋予学生深度学习体验；将智能技术应用于模拟医学实训，缺乏手术实践的医学生在基于力反馈交互技术和虚拟现实（VR）技术的虚拟手术支撑平台中模拟手术[34]，学生通过体验“真实情境”，应用知识解决问题，将符号知识炼制成逻辑知识内化于认知结构，实现理论知识体系向应用知识体系的转换。

4.认知逻辑

（1）智能技术丰富感知体验

深度教学是促进学生主动建构认知的活动过程。根据具身认知理论的观点，认知依赖于经验的种类，而经验源于身体的形态结构、感觉系统、运动系统和神经系统[35]，即通过增强多感官刺激，能够从多个通道同时刺激学生的认知过程，增强学生学习效果[36]。可以通过综合虚拟现实（VR）技术、仿真技术、大数据技术、人机交互技术、模式识别技术等技术构建具身场景，实现深度教学。例如，在生物课中，学生可以通过智能设备模拟解剖青蛙，观察青蛙心脏跳动，听心脏跳动声音，感受血液流动[37]。因此，教师可合理利用富技术的教学媒体，从视觉、味觉、听觉、触觉和嗅觉等方面给予丰富学生的感官体验[38]。

（2）智能技术促进教学反思

加德纳在多元智能理论中提到反思，认为反思（内省）是培养学生高级思维能力、完善认知结构的一种重要智能[39]，也是促进学生深度学习有效方法[40]。智能技术赋能深度教学，参照人类教师的评价标准建立的语言特征编码框架和预测模型，能借助计算机程序自动对文本内容进行智能测评[41]，提高教师对文本内容的评价效率。通过文本图像识别与语音识别技术、大数据分析技术和人工智能深度学习技术等智能技术，实时采集学生学习过程中的行为数据（如图1），通过数据挖掘生成学生画像，将所采集的学生学习习惯、学习状态等过程性数据可视化反馈到师生终端[42]，引发师生教学反思。

三、智能技术赋能的深度教学模型

1.支撑理论

（1）建构主义理论

建构主义学习承认学生所具有的先验知识、情感与意义，强调环境对学生主动构建认知的积极作用[43]。本研究中，智能技术赋予深度教学强交互、沉浸式的教学情境，支持学生根据已有知识理解新知，通过降低认知负荷的方式驱动学生积极参与，主动建构认识。因此，智能技术赋能的深度教学强调学生在教学中的主体作用。

（2）联通主义学习理论

基于联通主义学习理论的教学是开放性教学[44]，面对信息熵急剧增长的时代背景，教师承担重要的过滤作用[45]。智能技术为教学带来便捷，也促使教学资源数据急剧增加，学生面对海量资源缺少辨别意识，需要教师根据学生认知水平过滤冗余教学资源。因此，智能技术赋能的深度教学强调教师在教学中的主导作用。

2.模型构建

智能技术对深度教学具有支撑作用，以建构主义理论和联通主义学习理论为理论基础，利用演绎法构建智能技术赋能的深度教学模型（如图2），并从教学目标、教学内容、教学方式和教学评价思维度阐释其教学理念，从而明确此模型的具体价值。

图2  智能技术赋能的深度教学模型

（1）要素内涵

①教师。在智能技术支持的深度教学中，教师是教学主导者和学生学习促进者，承担组织教学内容、设计教学活动和利用教学媒体、工具辅助教学等重要任务，通过引导学生充分交流、平等对话，营造和谐包容的教学氛围，根据教学实际，为学生讲授关键内容。

②学生。深度教学强调学生的主体性，要求学生高度参与教学活动。在探究式或体验式学习中高度自律，分析教学任务，学会协作交流，通过探究和体验掌握知识生成逻辑，在模拟应用场景中应用知识解决问题，根据精准推送资源针对训练，参照评价结果反思改进，从多维度促进学生内化、建构知识。

③教学材料。在智能时代，师生都可便捷获取大量教学资源，但能作为有效教学材料的教学资源需要教师精心选择，只有易于理解、富有逻辑层次的教学资源才能作为教学依据，推送到学生端。

④教学环境。教学环境指能有效支持教学的智能工具、教学媒体和教学硬件设施等。教师通过媒体、工具营造教学情境，供学生体验/探究，通过智能工具实施教学评价，为改进教学提供依据；根据教学内容和教学目标选择适切教学方式。

（2）教学理念

①教学目标。深度教学是包括课前、课中和课后在内的整体性教学。课前和课中分别对应布鲁姆的教学目标分类，课后目标强调反思与改进，是整个教学活动的总结和深化，课前、课中和课后教学目标不断递进，落实各环节目标是深度教学的关键。

②教学内容。深度教学的内容分为知识、技能类和情感类。对于知识、技能类教学内容应在教学中引导学生探究学习，根据知识间联结建构认知网络，通过应用知识增进理解；对于情感、态度和价值观等内在品质，其培养方式蕴于不同形式的教学活动之中。

③教学方式。智能教学环境下支持多种教学方式，包括讲授式、探究式、项目式、体验式、协作式、分层式、人机协同教学、抛锚式等，但具体教学方式要根据实践教学中知识类型或课时目标灵活选择。

④教学评价。智能技术赋能教学评价，促使参与评价的主体更加多元，家长和评价专家等社会群体可参与评价，使评价过程更加民主、更具人性，评价结果更加真实可靠[46]，结合智能评价，可在教学过程中进行增值评价，使评价更具科学性。

四、智能技术赋能深度教学的实践路径

1.树立学生主体地位

深度教学是以学生为主体的教学，需要教师在课前以观察、访谈等方式明确学生的前在状态、潜在状态、个体差异、发展可能和学习困难等基本特征[47]。智能技术赋能的教学工具能有效帮助教师掌握学生学习动态，方便教师根据学生基本特征组织教学内容、设计教学目标、构思教学情境、选择教学策略和开展教学评价。树立学生主体地位意味着要激发学生主动参与教学的动力，如探究式、体验式、项目式等都能是以学生为主体的教学方式。深度教学是强调教师引导下的学生学习，学生主体是相对于教师主导而言，以学生为主体与教师讲授并不冲突，当学生在问题导向的学习中难以有效推进，或在具身教学情境的体验式学习中抓不住学习重点时，则需要教师为学生提供“支架”，强调探究重点。

2.遵循认知生成逻辑

认知过程正如奥苏贝尔所言：“所谓实质上的和非任意的联系，是指这些观念和学生的认知结构中已有的特别有关的某一方面，如一个意象、一个已经有意义的符号……相联系着。”[48]学习作为建立已有知识与新知联系的过程，强调原有经验与新知两者之间联系的紧密性，两者之间关联性愈强，知识愈容易被学生理解。一方面，教师务必充分理解知识内容，根据知识的性质（如事实性知识、概念性知识、程序性知识和元认知知识）考虑使用不同的教学工具帮助学生建构认识体系，促进学生深度学习。另一方面，教师要充分考虑知识的广度、深度和关联，根据知识特性和教学反馈适当延展知识。例如，根据知识的横向联系或纵向脉络开展大单元教学，通过知识图谱等为学生梳理知识逻辑，促进学生优化认知体系。

3.设计适切教学目标

设置深度教学目标要依据学生最近发展区，确保教学目标富有挑战性又不过于困难，其中，教学目标难度并非一成不变，具体可参照综合评价结果中的教学目标完成效果动态调整，使学生认知水平和目标的差距始终保持在适当范围，确保教学目标对学生的激励和驱动效果。深度教学的目标分为课前、课中、课后三部分。课前目标以識记为主，目的在于课前熟悉教学内容，掌握基础知识；课中目标着重培养学生应用、分析、创造和评价等高阶思维能力；课后目标则根据评价结果反思教学，根据课堂完成度评价，动态调整教学思路，设置适切教学目标。具体而言，可通过推送交互式的微课，达成课前目标，增强学习参与感，学生重复观看的时间节点和易错的弹出式问题会被系统自动统计，方便教师把握课中教学的重难点。

4.依据评价结果持续改进

深度教学是受多要素影响的复杂教学活动，其教学评价不仅是诊断教学效果的手段，也是改进教学活动的依据。传统教学评价方式是以教师、学生作为评价主体，评价标准的差异容易弱化教学评价效果，智能评价依据模式分析技术、文本图像识别语音识别技术、模式识别技术等智能技术可支持采集、分析、反馈师生在教学过程中生成的海量过程数据，深度挖掘教学中师生行为、语言、表情等潜在数据，通过量化方式评价、呈现，相对而言，评价效果更加真实客观。此外，智能技术赋能的教学评价支持增值评价，可精准剔除学生自身、家庭、教师、学校等因素的影响，体现学生学业水平的净增值，相比传统评价理念更具科学性、客观性和有效性[49]，更有助于师生动态调整教学行为，落实深度教学。

5.正视人机协同优势

深度教学目标的实现路径并不唯一，可以结合教学需要灵活选择。从技术发展的维度，教学环境大致经历电子化、数字化和智能化三个阶段[50]，产生了多种教学方式。在智能时代，智能化教学以在线协同、人机共育为特色，但兼具探究式、体验式、项目式等教学方式的特点，呈现出极强包容性。人机协同共育作为智能时代重要的教学方式，强调人机优势互补，一方面，从智能技术赋能深度教学的原理角度，注重智能技术对教学管理、教学呈现、教学交互、教学评价和反馈等方面的价值；另一方面，要求增加教师在教学过程中的情感投入，使教育回归到心灵沟通、灵魂碰撞的本真，双向并进，协同促进深度教学。

人工智能的教育应用不仅改变了教与学的方式，也带动了教育理念、文化和生态的相应变化。诚然，智能技术赋能的深度教学在教学管理、教学呈现、教学交互、教学评价和反馈等方面具有显著优势，但也要认识到长期依赖人工智能行为、兴趣和情绪可能会导致教师互动能力退化，学生养成表演型人格。有效趋利避害不妨从以下几方面综合思考：创新思考，以积极态度接纳智能技术，主动探索智能技术赋能的教学模式；付诸实践应用，明确技术之于教学的价值、意义，于实践中持续优化教学理论模型；旁征博引，汲取国内外实践经验，发展具有中国特色、区域特色的创新型教学模式。

参考文献

[1] 中华人民共和国教育部.教育信息化2.0行动计划[EB/OL]. （2018-04-18）[2021-10-26].http：//www.moe.gov.cn/srcsite/A16

/s3342/201804/t20180425_334188.html.

[2][23] 艾兴，李苇.基于具身认知的沉浸式教学：理论架构、本质特征与应用探索[J].远程教育杂志，2021，39（05）：55-65.

[3] Marton F，Saljo R.On qualitative differences in learning：I-Outcome

and process[J].British Journal of Educational Psychology，1976（46）：4-11.

[4] 余胜泉，段金菊，崔京菁.基于学习元的双螺旋深度学习模型[J].现代远程教育研究，2017（06）：37-47+56.

[5] 胡航，李雅馨，郎启娥，等.深度学习的发生过程、设计模型与机理阐释[J].中国远程教育，2020（01）：54-61+77.

[6] Eric Jensen，LeAnn Nickelsen.深度学习的7种有力策略[M]. 温暖，译.上海：华东师范大学出版社，2009：11-12.

[7] 张良.深度教学“深”在哪里？——从知识结构走向知识运用[J].课程·教材·教法，2019，39（07）：34-39+13.

[8] 郭元祥.论深度教学：源起、基础与理念[J].教育研究与实验，2017（03）：1-11.

[9] 郭华.带领学生进入历史：“两次倒转”教学机制的理论意义[J].北京大学教育评论，2016，14（02）：8-26+187-188.

[10] Egan，K.Learning in Depth：A Simple Innovation That Can Transform Schooling[M].Chicago：The University of Chicago Press.2010：48-149.

[11] Ginsburg，H.，Opper，S.Piaget’s Theory of Intellectual Developme

nt：An Introduction[M].Englewood Cliffs，NJ：Printice Hall，1988.

[12] HOLMES W，BIALIK M.Artificial intelligence in education promises and implications for teaching and learning [EB/OL].[2021

-10-01].https：//curriculumredesign.org/wp-content/uploads/AI

ED-Book-Excerpt-CCR.

[13] 王曦.“互联网+智慧校园”的立体架构及应用研究[J].中国电化教育，2016（10）：107-111.

[14] 黄传旭，冉怀敏.智能教室环境中分层教学模式研究[J].教学与管理，2021（10）：5-8.

[15] ARMITT，G.，SLACK，Frances，GREEN，S.and BEER，Martin.

The development of deep learning during a synchronous collaborative on-line course[C].In：Proceedings of CSCL 2002， Boulder，Colorado，USA. Lawrence Erlbaum，2002：151-158.

[16] 陳蓓蕾，张屹，杨兵，等.智慧教室中的教学交互促进大学生深度学习研究[J].电化教育研究，2019，40（03）：90-97.

[17] 蔡苏，张晗，薛晓茹，等.增强现实（AR）在教学中的应用案例评述[J].中国电化教育，2017（03）：1-9+30.

[18] Moher T，Johnson A，Ohlsson S，et al.Bridging strategies for VR-based learning[C].Proceedings of the SIGCHI conference on Human Factors in Computing Systems.1999：536-543.

[19] 周美云.机遇、挑战与对策：人工智能时代的教学变革[J].现代教育管理，2020（03）：110-116.

[20] Lynch R，Mcnamara P M，Seery N. Promoting deep learning in a teacher education programme through self- and peer-assessment and feedback[J].European Journal of Teacher Education，2012，35（02）：179-197.

[21] Radcliffe d.，Wilson H.， et al. Learning spaces in higher education： Positive outcomes by design[M].St.Lucia，Qld.：University of Queensland，2009：11-16.

[22] 张屹，白清玉，李晓艳，等.基于APT教学模型的移动学习对学生学习兴趣与成绩的影响研究：以小学数学“扇形统计图”为例[J].中国电化教育，2016（01）：26-33.

[24] 刘邦奇.智能技术支持的“因材施教”教学模式构建与应用：以智慧课堂为例[J].中国电化教育，2020（09）：30-39.

[25] 特里林，菲德尔. 21世纪技能：为我们所生存的时代而学习[M].天津：天津社会科学院出版社，2011：45-78.

[26] 刘晶，范晓婷.我国本科生奖学金制度实施中的问题及优化策略[J].当代教育科学，2017（07）：93-96.

[27] 余胜泉，胡翔.STEM教育理念与跨学科整合模式[J].开放教育研究，2015，21（04）：13-22.

[28] 周美云.机遇、挑战与对策：人工智能时代的教学变革[J].现代教育管理，2020（03）：110-116.

[29] 郭炯，荣乾，郝建江.国外人工智能教学应用研究综述[J].电化教育研究，2020，41（02）：91-98+107.

[30][33] 郭炯，郝建江.人工智能环境下的学习发生机制[J].现代远程教育研究，2019，31（05）：32-38.

[31] 彭红超，祝智庭.人机协同的数据智慧机制：智慧教育的数据价值炼金术[J].开放教育研究，2018，24（02）：41-50.

[32] 杜威.民主主义与教育[M].王承绪，译.北京：人民教育出版社，1990：163.

[34] 沈阳，王兆雪，潘俊君，等.虚拟现实学习环境下力反馈交互促进技能习得的实验研究[J].电化教育研究，2021，42（09）：76-83.

[35] BU Wenlai，WANG Huili. Embodied Emotion：A New Direction for Embodied Cognition[J]. Philosophy Study，2020，10（08）：511-516.

[36] 李青，王青.体感交互技术在教育中的应用现状述评[J].远程教育杂志，2015，33（01）：48-56.

[37] 张荣华.信息技术与中学生物课程集散式整合途径探讨[J].中国电化教育，2012（11）：117-121+134.

[38] 陈凯泉，吴志超，刘宏，等.扩展现实（XR）支撑沉浸式学习的技术路径与应用模式：沉浸式学习研究网络国际会议（iLRN 2020）探析[J].远程教育杂志，2020，38（05）：3-13.

[39] 刘红晶，谭良.SPOC助学群组促进深度学习的策略和方法研究[J].电化教育研究，2017，38（02）：73-81+90.

[40] 吴秀娟，张浩，倪厂清.基于反思的深度学习：内涵与过程[J].电化教育研究，2014，35（12）：23-28+33.

[41] VAJJALA S. Automated assessment of non-native learner essays： investigating the role of linguistic features [J]. International journal of artificial intelligence in education，2018，28（01）：79-105.

[42] 尹睿，黄甫全，曾文婕，等.人工智能与学科教学深度融合创生智能课程[J].开放教育研究，2018，24（06）：70-80.

[43] Kaya Yilmaz. Constructivism：Its Theoretical Underpinnings， Variations，and Implications for Classroom Instruction[J]. Educational Horizons，2008，86（03）：161-172.

[44] Downes S. Connectivism and connective knowledge：Essays on meaning and learning networks[J].Ottawa：National Research Council Canada，2012.

[45] 王志军，陈丽.联通主义学习理论及其最新进展[J].开放教育研究，2014，20（05）：11-28.

[46][49] 刘邦奇，袁婷婷，纪玉超，等.智能技术赋能教育评价：内涵、总体框架与实践路径[J].中国电化教育，2021（08）：16-24.

[47] 伍红林.论指向深度学习的深度教学变革[J].教育科学研究，2019（01）：55-60.

[48]  奥苏伯尔.教育心理学：认知观点[M].佘星南，宋钧，译.北京：人民教育出版社，1994：45.

[50] 王星，刘革平，农李巧，等.智慧课堂赋能学生智慧的培育机制：内在机理、结构要素与联通路径[J].电化教育研究，2021，42（08）：26-34.

[作者：黄传旭（1996-），男，山东兰陵人，临沂大学自动化与电气工程學院，助教，硕士；龚静（1974-），女，贵州德江人，铜仁学院教务处，处长，教授，硕士生导师，硕士。]

【责任编辑  郑雪凌】