最近發展區智能可視化機理及其技術設計突破

曾麗穎 曾茂林 曾紹庚 謝裕玲

[摘? ?要] 文章以教育信息化2.0為背景，旨在借助智能技術可視化地診測內隱于學生心中的最近發展區，解決教師精準定位教學起點和補教內容等問題。利用文獻研究方法發現，社會知識與個體認知之間可以借助語言符號進行轉化。研究結果表明：準確診測學生最近發展區的基本原理，就是將學生現有基礎水平同其需要達到的學習目標進行比對，再以認知地圖方式找出其可視化的差距。其技術實現原理為：采用Spring MVC技術，推送易、中、難測試題，區分出學生基礎水平層次，再將學生殘缺和模糊不清的知識點進行可視化補教導航。運用這些原理進行教學實驗研究，得出了以下結論：（1）通過分層推送練習題，可準確定位學生最近發展區，有針對性地促進其發展;（2）根據學生最近發展區現狀，可實現全班大面積的個性化智能教學導航;（3）針對入門教學特征，需要進行認知地圖可視化導航設計，針對教學難點，需要開展解題智能可視化導航設計。

[關鍵詞] 最近發展區; 可視化機理; 診測技術; 智能導航; 認知地圖

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

一、引? ?言

隨著教育信息化2.0的深入推進，智能技術作為“促變教育信息化的核心技術”，其作用得以彰顯，“智能教育”正在成為“教育信息化 2.0 行動的實踐路徑”和“行動的航標”[1]。在此背景下，教師運用學習分析技術，“可以有效地開展包括‘智能決策和‘智能實施的智能化教學”[2]。尤其是“個性化學習服務”的實現、“自適應網絡學習平臺”的建成[3]，都需要診斷出學生學習的最近發展區，才能有的放矢地確定其起點水平。而維果茨基的最近發展區理論，雖然從定性意義上論述了教學同學生發展的關系，闡釋了學生獨立活動所能達到的解決問題水平同學生借助教學所能達到的發展水平之差。但是，僅僅從概念上表述了學生現有水平和潛在發展水平圍成的發展區間，除了讓師生大體知道最佳教學的難度水平外，并沒有為智能化精準定位教學難度和具體內容提供指導。即使后來的研究進一步闡明了便于中小學教師操作的最近發展區定位和診斷的方法等[4]，但是仍然存在因其內隱于學生大腦而不能精準診測的問題。我們在“互聯網+”電子書包課堂教學的基礎上，實現了智能可視化原理研究和診測技術的突破，為開拓出以最近發展區原理為指導的智能可視化教學導航奠定了理論基礎和關鍵技術支點。

二、最近發展區轉化機理與

學科知識智能可視化

（一）借助語言符號轉化最近發展區的心理機制

維果茨基的最近發展區理論，將社會背景、內化和符號中介作為三塊基石，闡述了發展的機制和個體對社會化內容的內化發展路徑，為深入理解語言符號中介將個體與社會聯系起來，成為個體發展的心理工具提供了理論基礎。維果茨基關于高級心理發展是兩次不同類型心理機能轉化的結論：“第一次是作為集體活動、社會活動，即作為心理間的機能，第二次是作為個體活動，作為兒童的內部思維方式，作為內部心理機能”[5]，為學生將外在學科認知結構內化為個體的知識和技能，轉化成認知地圖①提供了心理機制說明，這種轉化過程得到了心理學的實驗證明。在維果茨基看來，心理發展過程的核心事件是符號中介，它是架起學科知識同個體認知地圖互動建構的橋梁。一方面，符號具有個體性，它是個體心理語言內化編碼的表征，個體以自身獨特的語言和領悟，表示感知到的人和事物;另一方面，符號又是個體心理意識的外化表征，它以當代人的文化世界為參照，以社會共通的語言為載體來表達其獨特的心態，將個體內心的個性化發展同社會共同認識發展統一起來，從而讓學生個體內隱的最近發展區借助社會共通的語言符號，以他人可以理解的可視化方式外顯出來。個體外化語言符號所具有的個體性和社會性，從根本上確立了人工智能語言介入個體和學科知識之間的中介地位。教育技術研究也表明，“基于大腦信息加工原理、信息通信過程和認知資源理論，建立了‘學習者—知識交互過程”，但“知識呈現的設計主要由教育者完成”[6]。因此，教師可以借助智能診測技術，明確學生個體發展的潛力和能力大小、進展速度等，再根據個體外顯反饋信息及時繪制出個體認知地圖。

（二）學科知識結構智能可視化外顯繪制原理

借助社會共通的語言載體，將學科教學內容進行人工智能化語言處理，即可繪制出學科知識、技能結構圖。這從教師廣泛應用的思維導圖、教學大綱知識結構圖示中即可實現。但作為最近發展區學科知識可視化地圖，則需要更為科學和全面的結構化處理。不僅需要突出教學的實際經驗性，更需要做到學科知識的專業化。因此，其繪制需要遵守以下原理：首先，專業化繪制原理。需要由課程專家系統解讀學科課程標準，將學科中關于事物的現象和規律性理論，轉化為易于師生理解的學科知識教學流程。其次，遵循因材施教的分層繪制原理。需要在全面匯集教材知識、技能結構的基礎上，根據知識的難度水平進行分層處理。針對不同水平的師生，繪制出相應的智能化教學知識資源結構大綱圖示。一是針對抽象能力差的學生，推送依靠感知理解的知識場景地圖，讓其一看知識技能的形成動畫，就能借助知識產生的現場情境掌握其要點;二是針對概括力差的學生，繪制出濃縮學科知識要點的結構地圖。再次，需要遵循師生教與學的經驗化繪制原理。由一線教師從學科知識結構的復雜度、教學需要的單位時間，確定單位時間內推送知識的信息量。將推送的知識、技能盡可能同師生日常生活聯系起來，將前科學概念同科學概念的理解與學習有機結合起來。同時，還需要根據男女性別的思維差異、城鄉教學水平和風土人情差異，盡可能采取有針對性的分類繪制。最后，遵循教育心理學的認知原理，智能化地繪制學科知識結構地圖。由熟悉學科邏輯結構的課程專家會同一線教師，將學科的關鍵知識點及其邏輯結構進行編碼，協同編程人員繪制出學科智能化知識結構地圖。先給師生以鳥瞰式輪廓認識，再針對重、難點知識進行立體解析，從不同角度和層次上立體展示抵達潛在發展目標水平的教學路徑。將原來以抽象教學為主的課堂，轉變為以情境可視化和游戲為主的圖示化習題推送課堂。

三、學生最近發展區可視化診測及導航原理

（一）內隱最近發展區智能可視化診測原理

為了讓內隱于學生心中的最近發展區以認知地圖方式實現可視化外顯，可以以學校考試和考核、網上問卷調查、遠程作業等多種形式，對個體知識、能力、情感等現狀進行測試，診斷出學生現有知識技能水平、思維方式、學習態度等。將這種傳統的診測智能可視化，需要建立起能夠準確反映學生最近發展區的試題資源庫。由于學生學習系統知識主要以學科課程方式進行，因此，將學科知識按照學習難度劃分出易、中、難三個層次，再讓學生練習對應層次的習題，根據其練習指定層次習題的正確率，判斷出學生掌握某學科知識的難度層次，即可診測出學生最近發展區達到的現有水平。教師在建立題庫時，根據解題步驟的復雜程度，將每個單元教學中的知識點劃分為易、中、難三級。如果有條件，可以根據500人以上的大樣本筆試解題過關率來確定各類練習題的難度系數。按照80%過關為容易級別習題，50%過關為中等難度題，30%過關為難度較大題型。其實還可以建立僅有10%的人才能過關的高難度題庫，不過由于這類習題難度太大，其應用范圍主要限于競賽類少數學生。如果用這種高難度題型要求全班學生，無疑會增加其學習負擔，所以普通班級教學中設立易、中、難三個層級，有現實可行性。相關學科教師按照難度層級劃分題型，協同信息技術中心的研發人員建立題庫。在每個層次題庫內部，盡可能地窮盡難度基本一致但題型各異的變式，以便讓學生通過智能化地推送練習，借助參考答案糾錯、演練等，掌握同一層次多種變式題型的解題思路和技巧，逐步達到熟練掌握該層次題型的水平。學生每次做對推送層次習題總題量的60%，即為基本掌握;真正熟練掌握指定練習層級學科知識點，則至少需要做對推送題量的80%以上。

（二）學生最近發展區可視化診測技術實現原理

在最近發展區理論的基礎上，歐共體“遠距離教育與訓練項目”提出支架式教學模式[7]。借鑒其思想，我們將“支架”以教育技術予以實現，集中在小學數學應用題解題中開展最近發展區診測和智能化教學的實驗。在實驗中，主要采用Model（模型）—View（視圖）—Controller（控制器）框架模式（簡稱MVC框架）。其中，Model是該應用程序的核心，View用于顯示數據，Controller處理輸入。之所以選擇MVC框架，是因為其數據、業務邏輯、界面顯示是分離的，整個系統分工明確，架構合理。為了更好地適應最近發展區分層推送相關知識體系的需要，本實驗在系統前端采用了小程序形式，在交互過程中需給小程序發布接口，故需用Spring MVC做控制器。其控制器Struts2是一個Web應用框架，主要執行以下流程：瀏覽器發送HTTP請求，找相應處理請求的Action類，Web Work的攔截器鏈主動請求應用通用功能，Action處理業務邏輯，將Action類中的對應方法返回的結果響應給瀏覽器。實現最近發展區外部知識分層映射機理的Hibernate，是一個對象關系映射框架，“它對JDBC進行了非常輕量級的對象封裝”，“使得Java程序員可以使用對象編程思維來操縱數據庫”[8]。圖1形象表征了Hibernate框架結構原理。Spring MVC是一種實現了Web MVC、基于Java的設計模式，其存在的目的就是要簡化我們日常的Web開發。圖2完整地表征了Spring MVC的技術實現原理，呈現了從用戶發起請求到服務端返回請求的處理流程。

（三）最近發展區智能可視化導航設計原理

將診測出的學生外化認知地圖同學科知識結構地圖進行對照，即可明確學生需要補償教育的知識和技能層次、類型以及最佳教學路徑等。再根據學生的學習能力、喜好等因素，即可智能化地繪制其下一階段的導航圖。因此，師生教學導航設計必須遵循針對最近發展區間進行“對比補缺”教育的設計原理。根據最近發展區理論，只要學生掌握了的知識就不再教，教了學生也掌握不了的知識也不教，教學應該精準地落在學生的最近發展區中。因此，智能化教學導航設計需要診測出學生知識結構現有水平，再同學科教學大綱目標結構地圖對比，以可視化的知識結構缺失方式，準確定位學生最近發展區中認知模糊或殘缺的知識結構區域，由云端教學資源庫將補教內容推送到學生電子書包或手機上，在導航圖的引導下開展“對比補缺”教學活動。一方面，教師需要根據智能化推送的分層練習中學生通過率得分，將其分為優、中、合格三個層次。再針對三個層次的學生所在知識盲區，進行知識缺失的結構化診斷，以明確其缺失的知識網點。另一方面，教師通過對三個層次學生的分層訪談，幫助其“實現隱性知識的‘集體認知地圖或者‘聯合認知地圖的”繪制[9]。參與導航圖設計的教師，應根據特定層次學生的共性特點，引導其對照教學大綱知識點，將自己熟練掌握的知識點、線和面標識出來，在學科知識技能結構的教學大綱地圖上，繪制出學生沒有掌握的知識網點圖。教師再根據各層次學生群體畫出的知識盲區圖，結合以往的教學經驗和學生認知心理特征，對盲區知識結構按照認知心理規律進行重組，形成既符合學科邏輯、又有助于下階段“補缺”教育的智能化教學導航圖。

四、最近發展區智能可視化診測技術與

導航設計

（一）最近發展區智能可視化診測技術實驗

最近發展區智能可視化診測，需要先準確定位學生現有水平。所以，我們采取先練后教、以練促教的智能可視化診測和教學導航。即從特定層級的練習題診測中發現學生現有水平，再以此為基礎確定推送攻克難點的演示案例和解題方法。最后，在一類題型的變式訓練中熟練掌握解題技術，達到最近發展區的較高水平。技術架構如圖3所示。

系統分析與設計：本系統使用的數據庫MySQL為關系型數據庫，系統前端開發采用內容、樣式、動作分離的小程序開發形式。小程序提供了所有應用題的題型含義、難易度分層、題型數量關系以及解題思路和方法等知識點，系統會根據待測學生歷史練習數據，自動估測出其掌握的現有水平，并進行智能化推送。（1）學生需求分析主要以復習題推送測試小學生解答數學應用題的實際發展水平，以新層次題型推送診測出其解決小學數學應用題的自學和潛在發展水平，利用練習解答將小學生的最近發展區不斷向前推進。（2）本系統提供了一個小學生應用題庫，學生在電子書包小程序上答題。第一次推送習題主要根據小學生選擇的現有水平題型隨機推送。然后，針對小學生答對率為30%～50%的最近發展區題型，推送系列經典解題演示和思維方式演練，在下一輪題型推送的初始階段就集中推送上次的錯題，讓小學生在練習上次錯題中逐漸習得新推層次題的解題技巧。（3）教師根據學生答題情況進行分層判斷。學生廣泛練習后，答案會提交到后臺，系統依此自動進行評分，再由教師對學生進行綜合評價，確認小學生實際達到的最近發展區水平，并對下一階段的試題推送難度給出建議。除此之外，還需添加班級及用戶的增、刪、查、改等操作，增加答卷評閱、答題情況統計模塊等部分內容。

數據庫設計：圖4為本系統數據庫的E-R圖，從中可以看出其中的實體、屬性及聯系。系統的數據庫共設計六個表，分別是zpd_admin表（管理員表）、zpd_answer_detail表（答題情況及最近發展區間分析表）、zpd_class表（班級表）、zpd_pattern表（難度層級表）、zpd_subject表（題目表）、zpd_user表（用戶表）。

整個系統由后臺環境、小程序、考核模塊、系統界面四部分實現。后臺環境主要是基于SSH框架的Java Web實現的。具體實現過程為：（1）在Java Web項目根目錄下導入SSH所必需的jar包，同時，包含其他所需的jar包;（2）通過Spring進行數據庫資源和一些Bean組件的管理，主要是配置Spring的掃描機制和數據庫連接池;（3）配置struts.xml文件，定義后臺管理各個界面操作和跳轉相應的action，從而控制界面的跳轉操作邏輯;（4）后臺主要通過Hibernate進行數據庫操作，定義Hibernate的映射規則和相應的映射文件資源，定義Session Factory的連接配置;（5）通過接口的方式與微信小程序進行關聯，即通過集成Spring MVC的方式進行rest接口的開發。考試模塊的練習題推送和教學演示等編程還在專利申請中，因篇幅限制略去。

（二）最近發展區智能可視化教學導航設計思路

1. 學科教學最近發展區導航設計

由于每門學科都有其獨特的學術語言、表征符號、研究問題領域、思考和解決問題的方式、建構學科理論的特有邏輯等。因此，學科可視化導航圖應由一線教師根據自身學校處境和自我素質狀況，向課程專家提出解決各類班級學科教學中常見問題需要推送的認知結構導航圖。再由教育信息軟件編程專家實施針對各類班級學科教學的導航地圖設計。研究表明：“通過建立網絡信息語義模型和用戶需求語義模型，在網絡信息和用戶之間構建導航語義網”[10]，即可實現對用戶需求的針對性設計，從而為解決學科教學智能導航提供了技術支持。無論是教師的學科知識教學導航，還是學生的認知技能導航，都主要以學科特有符號所表征的語義為主，建立起針對學科教師的分類處理語義模型，相當于在網絡平臺上建立起“人—機”語義轉譯，創造“人—機”對話環境。讓導航語義網能夠準確、完整地理解教師的學科導航需求，并及時地提供分科、分層針對教學難點的導航。至于導航圖上各單元知識難點問題解答，現在的“作業幫”“小猿解題”App軟件即可推送解題路徑和相應的答案。教師導航中需要做的是幫助學生理清知識點之間的關系，設計出從易到難的優化學習流程;進行學習情境設計，激發愿學、樂學的動機;幫助學生歸納出解決各類問題的原理、公式和技巧。

2. 學生個體個性化學習導航設計

人工智能時代的AI助教系統，可以“根據學習者個性特征為其提供精準個性化學習服務的大規模個性化教育”[11]。在班級教學環境下，大規模個性化教育也不可能完全獨立，因此，需要結合學科教師導航，借助師生互動創生出相應的學生個體學習導航。根據布魯姆的掌握學習理論，只要恰當注意教學中的主要變量，就有可能讓絕大多數學生達到掌握水平[12]。為此，在班級個別化教學智能導航設計中，關鍵是抓住影響學習效果的知識任務進行分解，準確定位好個人對應的學習知識點程序變量（圖5左框），進行約束性數學模型問題的建構和設計（圖5右框）。首先，“建立某門課程總的學習活動關系圖，然后在圖中根據不同的學習目標尋找不同的學習路徑”[13]，形成圖5左框所示的個別化教學智能導航任務分解流程圖。各班級教學目標、資源訪問時的限制條件，多個學生要求同步達到某個教學目標或協同完成一個共同目標時的約束關系，可以轉化為一組約束方程來定義，最終將問題轉化為一個CSP（Constrain Satisfaction Problem）求解。建立CSP約束滿足問題模型（圖5右框）的基本思路是：先按日常教學的條件約束滿足智能化設計、規劃問題，定義一組基本的變量和約束，設計出系列性的、針對班級教學中各個學生的活動。再根據網絡推送特點，對智能化設計的教學情境、圖像等約束條件作進一步改進，使其更符合學生個體選擇導航過程的特征，并最終形成特定個體的教學自動導航問題模型。這里可以將個別化教學活動的路徑圖等效地用一組變量來刻畫，即對所有變量的一種賦值方案，唯一地確定一個調度。若將調度用圖來表示，則定義的變量主要用于描述圖中的節點、線條，以及這些節點和聯系線條發生與結束的時間。因此，以每個學生的教學活動為單位，將有關該活動的聯系及發生時間加以定義，就可以把整個問題轉化為CSP問題模型，以集約化方式實現對全班學生個體的可視化導航。

（三）針對入門和難點的智能可視化教學導航設計

1. 學科入門階段的教學導航設計

由于導航地圖繪制表現的只是師生經過的教學知識點名稱以及知識點之間的拓撲關系，因此，一是按照知識點、線、面劃分，賦予相關知識點、系列和區域以恰當的名字;二是在特定的知識點、線、面上進行高度概括，濃縮為最能概括核心意義的詞匯、圖表、動畫、圖形等，使所有教學流程的子目標清晰可見;三是為師生獲得清晰的導航圖，需要根據知識本身的邏輯結構，繪制出相互聯系的結構關系;四是以“地標”方式凸顯每個條塊、區域、整個學科知識的重點和難點。智能可視化導航系統的實現可以參照LBS（基于位置服務）認知地圖導航進行系統設計。為了讓班級學生理解學科的認知過程，習得其思維方式，需要有一個針對學生前置學習的認知導航。這是因為學校教育以學習間接知識為主導，其班級教學是去情境化的，它要求學生必須脫離實際情境的限定，借助學科特有的語言符號工具，發揮概念的同化或異化作用;借助對知識間聯系的想象和再現等心理機能，激活教師按照教學和教材的邏輯傳授知識和技能。但是，如果教學內容一開始就脫離具體情境，根據更高級心理機能進行學科教學，那么許多學生就很難適應抽象知識的學習，因為他們過不了抽象思維轉化的第一關。針對這種情況，可以讓學生接受學科基礎知識的遠程診測，以練習解答、糾錯等方式診斷出其直接進入抽象學習中可能存在的認知障礙，從而有針對性地編制出銜接新舊知識的“軟著陸”智能教學導航程序。其關鍵是精準定位新舊知識之間的思維方式轉化和銜接點，以可視化方式將新學習階段去情境化的符號還原為學生經歷過的可視化情景;幫助學生在日常概念和學科概念之間建立聯系，為學生進入學習新階段提供同化或重建抽象知識做鋪墊。

2. 教學難點的解題智能可視化導航設計

研究表明，可以“通過專家團隊對復雜問題建立數學模型，并運用計算機進行可視化模擬，呈現不同決策所產生的結果，提高決策質量”[14]。由專家決策提供的高度復雜化的認識圖式可以將若干相關信息組織起來，為師生提供思維方式和解決問題的路向，從而大大降低了解題負載和綜合處理現有知識的勞動強度。第一，難點問題的智能可視化導航。以微視頻、小游戲解題決策場景推送方式提供引導，尤其需要符合特定班級的現有水平，解決問題的梯度相對較低。第二，以可視化問題情境，實現難點導航的智能化。專門針對各類班級所受條件限制，將一類問題的通常情境進行呈現，推送符合師生現有認識基礎和經驗的情境，啟發其獲得解決當下問題的新思路。第三，難點可視化智能導航，需要配合有聲信息，再現圖形和場景。將視聽信息通道有機結合，借助人、物和事件的自我告白或他人講解，在實現最大信息量輸入的同時，降低師生解決難題的認知負載。第四，可視化信息應緊扣師生熟悉的事物進行呈現，提高調用個體原有認知圖式的反應和解題速度。第五，將知識技能的教學難點盡可能地以互動情境進行推送。對小學生來說，空間圖形的認識歷來是數學教學的難點。為了能在學生的頭腦中清晰地形成“長方體”的表象，可通過推送三維動畫互動游戲，以“搭、粘、說、想、畫”五步，強化學生的自主體驗[15]。小學生在愉快的虛擬操作中不斷感知、體驗，在“做”中形成清晰的長方體認知地圖，并在解題地圖幫助下以實操方式解決抽象的圖形變換問題。

五、結? ?語

本研究主要從教育學、心理學角度出發，認為最近發展區智能化教學取得突破的關鍵在于代表社會共識的學科知識文字語言同個體心理內部語言之間的轉化機理。借助這一轉化機理，可以通過計算機編程實現學科知識結構可視化，讓學生通過不同層次的練習診測出其現有的認知水平，再借助同教學大綱要求的知識結構及水平的對比，由編程人員協同教師按照學生“補教”需要，編制出最近發展區智能化認知導航地圖，以在線方式推送恰好落在學生最近發展區的各種習題。讓學生從解答中、從專題訓練的解題案例演示中，不斷學會新的知識和解題技能、技巧，更為精準地促進學生的持續發展。

我們目前的研究對原理研究比較系統，有較為清晰的框架性設計思路，在診測小學生最近發展區實際水平、潛在發展水平及智能化推送試題恰好落在最近發展區內的技術實現上取得了實質性突破。這些成果為下一步研究學科知識結構的診測，并針對性地推送知識單元奠定了基礎。但要從技術實現上全面突破，還需一段時間，主要是認知導航地圖的智能化繪制需要多方協同全面攻關。我們相信，以本研究的基本原理為基礎，聯合研究實力更強的智慧教育專業機構，實施多學科、多部門協同攻堅，將班級教學中最近發展區認知地圖及時外化，再同學科課程考試題庫和教學大綱知識網點比對，智能化地繪制出適合各層次班級的教學導航圖，指日可待。

[參考文獻]

[1] 祝智庭，魏非.教育信息化2.0：智能教育啟程，智慧教育領航[J].電化教育研究，2018（9）：5-16.

[2] 何克抗.“學習分析技術”在我國的新發展[J].電化教育研究，2016（7）：5-13.

[3] 牟智佳，武法提，喬治·西蒙斯.國外學習分析領域的研究現狀與趨勢分析[J].電化教育研究，2016（4）：18-25.

[4] 曾茂林，王體華.確定最近發展區的方法及其在教學中的應用[J].四川教育學院學報，2002（1）：6-7，10.

[5] 維果茨基.維果茨基教育論著選[M].余震球，譯.北京：人民教育出版社，2005：388.

[6] 李晶，郁舒蘭，金冬.均衡認知負荷的教學設計及知識呈現[J].電化教育研究，2018（3）：23-28.

[7] 陳軍濤.最近發展區理論在教學模式中的應用[J].當代教育論壇，2007（9）：15-16.

[8] 朱運喬.基于Spring+Spring MVC+hibernate框架的Web系統設計與實現[J].電腦知識與技術， 2018（26）：66-68.

[9] 張凌，喬曉東.基于組織認知地圖的隱性知識共享的實現[J].情報理論與實踐，2013（7）：81-84.

[10] 高雪霞，田文強.基于語義網的網絡智能導航系統研究[J].科技通報，2012（2）：126-127.

[11] 楊彥軍，羅吳淑婷，童慧.基于“人性結構”理論的AI助教系統模型研究[J].電化教育研究，2019（11）：12-20.

[12] 張婷婷.布盧姆“掌握學習”教學理論解讀[J].現代教育科學（普教版），2009（2）：60-62.

[13] 陳乙雄，吳中福，馮永，等.基于CSP的學習智能導航服務模型與算法研究[J].計算機科學，2012（12）：41-46.

[14] 岳金星，于楠楠.基于認知心理學的高效視覺信息加工可視化策略[J].北京理工大學學報（社會科學版），2008（5）：19-21，26.

[15] 俞彭寅.學生數學“認知地圖”的建立[J].教學與管理，2009（17）：39-40.