數據新要素視域下的智能教育：模型、路徑和挑戰

劉三女牙 彭晛 沈筱譞 孫建文 李卿

[摘? ?要] 隨著大數據、人工智能、5G、物聯網等新一代信息技術的發展和應用，數據作為一種新生產要素，推動智能教育的數字化賦能升級，具有人性化、情境化、集成化和數智驅動等特征。本文通過拓展教育要素的內涵邊界，打造“以數據自治演進”的內循環和“以服務主體為中心”的外循環，聯合創設了一個集“主體—環境—資源—數據”四位一體的內外雙循環系統模型;然后重點圍繞健全數據治理和保障數據全周期覆蓋、強化數據賦能和優化教學創新、構建教育智能體和服務主體新形態、瞄準人機混合智能和勾畫智能教育新圖景等，解析“數據+智能教育”發展的多重路徑;最后從數據倫理規范、人機互信、多學科交叉和教育均衡發展等方面，闡釋“數據+智能教育”面臨的多重挑戰，以期引起教育管理者、研究者、實踐者等對于數據要素視域下智能教育創新發展的思考與共鳴。

[關鍵詞] 數據要素; 數據賦能; 智能教育; 教育智能體

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 劉三女牙（1973—），男，安徽桐城人。教授，博士，主要從事教育技術、教育大數據、智能教育研究。E-mail：lsy5918@mail.ccnu.edu.cn。彭晛為通訊作者，E-mail：pengxian@mail.ccnu.edu.cn。

一、引? ?言

數據作為賦能經濟社會服務的重要引擎，能夠助力智能教育的機制創新[1]。2020年3月，《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》（以下簡稱《意見》）明確指出，與農業和工業經濟時代的勞動力、土地、資本、知識、技術等傳統要素并列，數據作為數字經濟時代的一種新型核心生產要素，是國家基礎性資源和戰略性資源。21世紀以來，大數據、人工智能、5G、物聯網等新興技術的迅猛發展，加快促進數據的采集、分類、存儲、加工、流通、分析和轉化過程，推動經濟社會各領域的加速變革，逐步形成以數據要素為新興生產力主導市場的發展格局。在2020年中國抗擊新冠肺炎疫情全面勝利期間，響應“停課不停教、停課不停學”的國家號召，數據要素支撐的多元應用形態（如，網絡教育云資源平臺、公共學習服務平臺等）在教育領域中的高效資源配置，為廣大師生順利開展在線學習、智能教育提供了攻堅的技術支持和實踐服務保障。

智能教育作為一種教育信息化的高階發展階段，對于數據驅動教育高質量建設和良性穩定發展起著至關重要作用[2]。2017年7月，智能教育作為“人工智能+教育”的重要創新戰略發展方向，首次在國務院印發“新一代人工智能發展規劃”文件中被提出，從科技研發、應用推廣和產業發展等方面進行了一系列措施部署，旨在打造智能學習、交互式學習的新型教育體系。2019年5月，教育部部長陳寶生在國際人工智能與教育大會上，以《中國的人工智能教育》為題，探索走向智能時代的中國教育，為人工智能和智能教育提供強勁的科技創新動力。在國際層面，未來今日研究所（Future Today Institute）發布最新版《2020科技趨勢報告》，該報告指出：“發展智能教育，認識科學技術與未來不確定之間的聯系。”隨著智能教育的縱深發展和反思實踐，新一代數字學習環境被賦予新的職能需求和高質量發展期待，全要素、全場域、全景式數據驅動智能化教育配置機制的宏偉藍圖規劃正逐步映入眼前。

二、數據新要素視域下的智能教育意蘊

（一）發展沿脈

教育重構和教育創新變革與技術的迅猛發展密不可分，受摩爾定律的作用，信息技術的快速迭代和邁步前行，促使教育生態“失衡—再平衡—再失衡”螺旋上升發展態勢的形成，從早期的工業時代，向數字時代演化邁進[3-4]，智能教育在生產要素來源、教育理念、學習方式、價值樣態和應用情境等方面表現出濃厚的時代特征。見表1。

在工業時代，土地、勞動和資本作為重要的生產經濟要素[5]，對于教育變革發展的影響相對比較局限。教育過程通常依賴教學者的主觀經驗，借助機器媒介開展輔助式教學，容易忽視學習者個體差異性，難以保障有質量的學習效率。

歷經工業革命的變遷進入數字時代的網絡化時期，技術、管理和知識要素擴充原有生產要素的內涵邊界，互聯網介入的新信息技術教學工具和人工制品，為經驗式教學朝向引導式教學提供實踐支撐，形成以學習者為中心的知識內化牽引。

在數字與智能技術進一步的深度耦合基礎上，智能教育將步入數智融合的未來智能化新時期[4]。該時期以數據為第一生產要素，以數智服務學習主體為中心，建設教育主體和數據自控平行智能的學習型社會，旨在破解智能教育科學化和精確化的兩大難題[6]。

（二）內涵界定

目前，針對“人工智能+教育”研究領域范疇，已經衍生出教育人工智能、智能教育、智慧教育等相關專業術語。國務院頒布的《新一代人工智能發展規劃》文件指出，智能教育是利用智能技術加快推動人才培養模式、教學方法改革，開展智能校園建設、開發立體綜合教學場、開發智能教育助理，推動人工智能在教學、資源建設、管理等全流程應用，建立以學習者為中心的教育環境，提供精準推送的教育服務，實現日常教育和終身教育定制化。吳永和等人認為[7]，新型的智能教育體系應以“人工智能服務教育”為行動理念，采用移動互聯的信息技術，旨在構建“人人皆學、處處能學、時時可學”的智能化教學場景，推動學習方式改革和教育模式創新。張進寶等人認為[8]，智能教育是指培養學習者系統掌握和運用各種思維與技術工具，實現智能信息處理、構造智能解決方案和開發系統，并整合個體智能與智能技術實踐而跨學科開展的創新教育過程。劉邦奇等人從“人的發展”與“技術應用”兩種視角[9]，重新定義了智能教育的概念，智能教育旨在加強人的智能發展，以及強化智能技術在教育應用中的實踐方式，統籌“教育目的”和“實踐方式”的協調歸一。

基于上述智能教育相關概念的描述和理解，本文基于數據新要素賦能教育發展規律的研究視角，洞察和拓展智能教育內涵，以數據密集型科學研究的第四范式為基礎，利用人工智能、教育大數據、物聯網等新興技術、數據表征教學過程系統中教育主體、環境、資源等要素之間的關系，構造“以數據要素為核心”的智能化教育環境，加快推進數據生產、流通、分析、利用等自動化流程，深刻洞察和把握復雜教育系統的內在運行規律與耦合關聯意義，揭示教學活動和教學現象背后存在的隱憂問題，進而為教育主體提供適配、便捷、人性化的優質教育服務。

（三）功能特征

“人工智能+教育”通常具有創新驅動、重塑結構、開放生態、尊重個性、服務智能、自治演進等特征[7]。蘭國帥等學者指出[10]，“融合、數字、人機、彈性、互聯”是智能教育的五維特征。黃榮懷等學者指出[11]，從智能技術視角出發，智能教育的主要特征包括數據驅動、個性化、情境化和新教育生態思維。鄭思思等學者指出[4]，智能教育的核心特征涵蓋實時互動、埋點采集、深度分析和循證決策。聶竹明等學者認為[12]，新一代的智能教學環境具備感知智能化、決策數據化、資源集成化、測評及時化、推薦精準化、互動立體化等特征。

本文認為，數據新要素視角下的智能教育特征，不僅具備數據自身的高流動性、高初始成本、零邊際成本、累積溢出等屬性效能[13]，而且涵蓋智能技術在教育領域中的融合特點，如下四個方面。

1. 人性化

新視角下智能教育的個性化特征，強調以馬斯洛為代表提出的人本主義學習理論為支點[14]，倡導全人教育的整體思想價值觀，回歸教育本性和發展健全人性，注重數據賦能教育主體的同時，更加突出人類知覺、情感、價值觀、態度等特性，尊重教育主體之間的差異性，激發學習積極性，幫助釋放學習天性的潛能，構建以服務主體為中心的教學環境。

2. 情境化

5G、邊緣計算、物聯網等技術的進步，正逐步重塑教學環境，教育主體可以隨時隨地開展教與學系列活動，通過整合多空間智能情境下的基礎硬件設施、技術模型、算法應用、教學設計、教學模式、教學資源等教學服務要素，降低智能技術帶來的外界刺激干擾，強化主體無意識的知識意義加工，構建和監測主體活動交互的智慧學習情境，完成教和學全過程狀態的實時動態反饋和調整。

3. 集成化

數據自身的高流通性、低邊際成本等特性，加速重構智能教學資源形態，促成開放共享的海量聚合資源庫，涵蓋教學知識內容、教資力量等狹義資源，如以中國大學MOOC為載體的資源聚合，以及智能學習同伴、智能學習助手、虛擬教師、學習路徑導航等泛義資源，如以Knewton自適應教育平臺為媒介的資源整合、優化和提升智能教學資源的集成效能。

4. 數智驅動

數智驅動是數據驅動的新一代高階形式表征，是數據和智能融合發展規律的必然產物[4]。未來智能教育的數智驅動特征，主要利用新一代信息技術，賦予數據感知、理解、推演、自控制等能力，實現捕獲、存儲、整合、分析教育全周期過程的高維異構大數據，進而為教育主體自動提供科學化、自適應的智能決策。

三、智能教育新四要素模型

教育是一種影響人、培養人的活動，教育要素是指構成教育活動的基礎成分和決定教育發展的內在條件[15]，具有較強的時代特性。從不同的研究視角切入，智能教育要素對比見表2。相比面對面教育，“互聯網+教育”更加強調互聯網技術介入下對教育要素構成的重新審視。

（一）核心要素

非正式、交互化、數字化學習時代的來臨，我們必須擴展和創新原有的教育理論體系，以此適應新時代對教與學的要求。與有關構建智能教育生態系統研究不同，本文以建構主義學習理論（即學習的發生是學生身處于一定的社會文化環境，主動加工處理、建構信息資源內容的意義表征過程[24]）、聯通主義理論（即學習是不斷連接和形成內部認知神經網絡、外部社會網絡和概念網絡的動態過程[25]）、活動理論（即研究和解釋人類不同學習活動的哲學和跨學科理論框架[26]）、本體論（即本體論是對概念化的精確表征，通常描述事物的本質[27]）等為基礎理論依據，針對智能教育中的“誰在學（Who）—主體表征”“在哪學（Where）—環境建構”“學什么（What）—資源內容”，以及“怎么做（How）—數據賦能”問題，結合教育要素發展規律和數據驅動教育的智能技術賦能，力求剖析智能教育過程的核心本體對象，旨在打造智能教育生態系統的“前設基座”，構建了主體、環境、資源和數據的智能教育新四要素模型（如圖1所示），為保障智能教育實踐應用的科學部署提供一定的理論支撐。

1. 主體

數據新要素視域下的智能教育主體是實施和開展教育教學活動的本體關聯對象，旨在回答“誰在學（Who）”的問題，主要由教育管理者、教師、學生、同伴、家長、企業機構等多方利益實體，以及虛擬教師、虛擬同伴、在線教學助理、在線輔助管家等多元描繪虛體構成。在“數據+智能”的深層融合發展進程中，教育者和受教育者的主客體關系正在悄然發生改變和得以重塑，教育者不再是主宰教學活動和傳授知識的唯一實際主體，而是引導和服務受教育者的共生同伴，受教育者不再是單一接受知識的被動學習者，而是主動建構和創造新生知識的主力軍，兩者之間的角色邊界已漸微模糊，主體關系趨于平等。

2. 環境

數據新要素視域下的智能教育環境是提供主體良好學習體驗以及真實情境、活動和任務的教學空間[28]，旨在回答“在哪學（Where）”的問題，具有線下線上融合、虛實結合、正式與非正式學習泛化等特性。“數據+”教學環境不僅注重對傳統物理課堂的技術功能改造和創新應用變革，而且強調立體化、全景式、多模態感知外部環境的數據計算和智能解構。基于數智推演的全新學習空間，可突破教學時間和空間的局限，助力開展翻轉課堂、混合課堂等線下線上融合教學;結合真實情境和虛擬情境，助力創設沉浸式學習環境;拓展課堂的移動學習教學，助力推動正式學習與非正式學習的環境泛化。

3. 資源

數據新要素視域下的智能教育資源是服務主體建構外部環境輸入的基礎準備物質，旨在回答“學什么（What）”的問題，可分為狹義資源和泛義資源兩種資源形態。狹義資源指通過在線云服務、PC端和手機端等多端媒介載體傳播和分享的教學知識內容。泛義資源指在狹義資源基礎上，涵蓋智能同伴、社會情感信息反饋等多源異構的集成型資源，并且數據可以理解成資源的最小組構單元。“數據+”教學資源貫穿資源的生產、集成、分享、流通和利用過程，助力優質資源的優化配置，充分發揮高質量學習資源的價值和效能，實現跨地域、跨時空、跨業界的教育資源均衡發展，推動教育公平[26]。

4. 數據

“數據+智能教育”深度融合下的“數據”是教育教學全周期過程流關聯的人—物—活動的集成，是一系列耦合關系的形式化表征，具有可復制、可共享、再生再創等特性[29]，通過強化和激發數據要素的運用水平，供能教育主體、環境和資源內容的多向流動，服務教學模式、教學設計、教學策略等事項活動，以及教學自動化、自適應決策制定和干預反饋，旨在回答“怎么做（How）”的問題。數據要素既可以促進智能教育新模型中的主體、環境和資源要素的價值利用效率，也可以通過內化運行過程實現數智的價值創造和跨越。

（二）運行機制

運用系統科學思維與基礎教育理論方法，智能教育新四要素模型涵蓋主體、環境、資源和數據四要素，通過對系統元素、結構、流程的分析與統合，形成具備自我進化、動力引擎制動的智能循環體，如圖1所示。智能教育新四要素模型遵從“1234”定律：一個核心，即以數據要素為核心;兩個循環，即“以服務主體為中心”的外循環和“以數據自治演進”的內循環;三種賦能關系，即數據和主體、數據和環境以及數據和資源的三種雙向賦能關系;四位合一，即智能教育新四要素主體、環境、資源和數據的深層合一。

面向新一代數字教育的發展訴求，彰顯教育主體在教學過程中主導的至高性，以學習者、教師、教學智能體等為行為聯結本體的智能教育建構邏輯觀，重造多空間融合的立體教學場環境，優化資源的形式化表征、生產、供給、流通和組織模式，匹配主體在多元境域場景中的個性化資源服務，并形成復雜時空視角下“外循環”持續迭代的動態過程性生成數據。數據作為主體、環境和資源要素流通的核心樞紐，是智能教育生態系統的中控“智腦”，是主體創造教育價值的基礎單元，運用智能化基礎設施和智能教育核心技術手段，對教師、學生、環境、資源等各教育組成部分展開全方位感知，實現教育大數據價值挖掘的學情分析和數據智能建模。數智融合持續螺旋上升的自我裂變效能，形成動態演化視角下“內循環”的迭代造能合力，提供主體在知識建構過程中的能量源口，貫穿生態系統內外雙循環的雙向賦能關系，從而打造一個集聚“主體—環境—資源—數據”四位一體的內外雙循環，服務未來智能教育的創新變革，以及大規模和個性化協同共生演進發展。

四、智能教育發展路徑

（一）健全數據治理，保障數據全周期覆蓋

當前，各區域教育數據管理系統以自建、自管、自用為主，導致數據的分割與壟斷。由于教育數據的敏感性，它們不愿放棄“數據資本”，迫使數據治理（如流通與共享）的推進過程困難重重。但是，數據的價值存在明顯的感知差異，某些被視為“垃圾”的數據或許在其他場景中被視為“寶藏”。因此，為最大化提高數據效能，數據流通與分享是推進智能教育的必然進路[30]，應推動以政策、思想、技術為主軸的數據治理升級，建立數據隱私保護相關法律法規，突破相關技術、創立保障機制、維護數據權益，提升數據所有者的數據分享意識，保障教育數據的全周期流通和覆蓋。

（二）強化數據賦能，優化教學創新

數據要素賦能的智能算法能夠將數據價值轉化為知識，以便深層次理解教學主體的學習交互過程，推動教學決策創新，助力量化學習[6]、計算教育學[31]等領域的高速發展。數據要素應加強對教育環境的賦能效用，通過構建多物理教學場的合并、實體教學空間與數字空間的無縫融合的新型教學環境，完成對教學場的人機物實時記錄與信息融合。數據要素應加強對學習資源的生產、流通、組織、精準服務全流程賦能，實現教學資源要素流通可溯源、內容可理解、主體可適配。如，研究者通過構建Learning Markets平臺[32]，實現教學資源的互信合作構建框架與可信交易機制，提升資源協作的公平性與透明性，以及交易的安全性。

（三）構筑教育智能體，服務主體新形態

人工智能技術高速發展，促使教育人工智能初現自我演進特性，其應用場景從單一朝向多場景甚至全場景擴展，其形態從輔助工具向具象智能體轉變，構筑適應于教育場景的智能體成了近年智能教育研究發展的重點。

通過結合數據賦能下的主體、環境、資源協同應用模式，利用智能算法的自我迭代演化能力，形成了以智能導師、智能學伴、智能代理等為典型代表的新一代教學智能體，旨在助力于學習主體的高階意義加工，以及實現智能服務交互創新與體驗升級。如，研究者通過構建一個服務兒童自然對話交互的虛擬閱讀伙伴[33]，幫助和提高了兒童的故事理解能力。

（四）瞄準人機混合智能，勾畫智能教育新圖景

機器與人各具優勢，機器能夠快速準確地完成計算、記憶、搜索等工作，而人更擅長推理、決策等復雜認知活動。如何綜合兩者優勢實現混合增強的智能服務，開展人機協作共生將是智能教育發展中的重要議題[34]。

現階段人工智能存在迭代更新慢，以及適應性、泛化性不足的問題，使得探索“人在回路”的混合決策模式成為教育人工智能的未來發展方向。人在回路的范式通過引入人的參與提升問題求解效率，使得智能體的構建不再僅依賴數據與算法，使得人工智能在不確定性與復雜性并存的新一代智能教育場景中能夠發揮最大化的作用。新型人機協作模式的探索應充分融合人工智能與人類教師的特點，構建教師—機器—學生的人機協同教學系統與交互協同模型，實現互補、和諧的人機協作，優化教學流程和提高教學質量。如，以小組協作學習為例，機器擅長自動分組以及對多個小組學習過程的感知與全過程監測[35]，教師擅長對學習者提供情感和動機支持，并提供富有策略性的啟發與引導等教學支架。

五、重要挑戰

（一）數據倫理規范

數據作為數字化教育發展的一種新生產要素，因其高傳播、高流通、再生再創等特性，容易引發教育數據的規模化隱私竊取或信息泄露，并易遭其他非法組織利用這些數據進行價值改造和惡意欺騙，難以保障教育主體的心理和物質安全，甚至導致其情緒不安、精神紊亂、認知失衡，以及教育行為不端的惡性循環等后果。因此，數據倫理道德和安全保障是“數據+智能教育”面對的重大挑戰之首。為此，應該綜合考量價值、利益、時間和情境的多維因素[36]，培養數據利益相關方的倫理道德理念認同和價值構建意識，完善數據產權的法律界定，加快制定完備的數據倫理監督和管理的法律法規，加速形成未來智能教育的數據分類（公共數據、個體數據、研究數據和跨界數據）分級（數智、知識、信息和元數據）安全保護制度，歸納數據倫理遵循的基本原則，建立科技倫理框架，利用區塊鏈等技術保護教育主體的數據掌控權益，為數據新要素時域下的智能教育發展設置“看門人”。

（二）人機互信

人機互信是數智深度融合下人機協同發展的重要保障，如何科學地建立和強化教育人機信任是一個面臨的重大挑戰。元數據的缺失、基礎教育數據預處理的缺乏、不透明的智能算法，以及教育主體使用數據授權機制權利的模糊，容易形成一個“黑色系統”，難以獲取人機協同之間的充分信任[37]。如，利用教育多主體在教育活動交互過程中產生的全周期數據，對其訓練生成的智能算法模型，可能涵蓋大量的錯誤知識、不良言論信息、學科偏見等，從而導致不當的數據標簽和薄弱的信任支持。可信的人機協同機制和智能理解計算能顯著提高數智驅動和優化教育服務的直接效益，保障終身教育、終身學習、個性化學習、混合智能學習等新型教學模式的生產效能。未來的機器將逐漸升級和進化為更高階層“數智能力”和“類人大腦”的智能體，如何確保人機協同過程中人類教與學的主觀能動性以及寄托心理情感交互的信任傳遞，同樣值得進一步深究。

（三）多學科交叉

多學科交叉融合普遍存在管理體制缺乏、人才培養薄弱和評價體系滯后等問題[38]，是全世界高校和研究機構整改學科創新面臨的一個共同突出挑戰。在數據賦能的智能教育體系培育下，考慮教育系統自身的復雜特性，對于教育主體的跨學科數據素養提出了更高的要求，一方面需要高位的跨學科數據內驅視野，另一方面需要差異化學科的教育數據思維加工理念、數據分析建構方法以及數據智能決策的理性審視和多維評估能力。從學科發展的頂層設計角度出發，自上而下地實行多主體協同創新，大力培育一批具備教育數字化處理、加工、價值轉化的復合思維型跨界人才，加快推動跨領域、跨學科、跨機構深度融合的應用前景。

（四）教育均衡發展

數字公平不僅是未來智能教育創新發展和應用變革的先決條件和實現目標，也是全球教育的難題和重大挑戰之一，應該合理配置教育優質資源，利用未來6G支撐的無線觸覺寬帶網絡、超級計算、物聯網、腦科學等新興技術，引導科技向善，眾籌共建優質資源，促進共享教育資源輸向偏遠農村地區和西部落后地區，避免教育數字鴻溝帶來的主體培育失衡、經濟增長滯后、人民幸福指數低下等影響社會健康發展的不良問題，實現跨區域的高質量和均衡發展，保障智能技術在教育應用中的普適化、泛能化、融合化和情境化，體現“有教無類”的包容和公平的核心價值觀[39]。

六、結? ?語

科學技術的迅猛發展為智能教育提供了強有力的工具和手段，本文從數據新要素視角，探討了智能教育模型的內涵邊界及其相互關系，并結合經濟社會時代演化特征和教育領域發展規律，構建了主體、環境、資源和數據雙向賦能的智能教育新四要素模型。基于此模型，聚焦數據治理、數據賦能、教育智能體與人機混合智能等四個維度，描述了數據新要素視域下智能教育的實施路徑，并從數據倫理規范、人機互信、多學科交叉與教育均衡發展等四個方面，闡釋了數智教育發展面臨的關鍵挑戰，為促進未來教育高質量可持續發展提供參考與借鑒。

[參考文獻]

[1] 劉邦奇，張金霞，許佳慧，胡婷婷，朱廣袤. 智能技術賦能因材施教：技術框架、行業特點及趨勢——基于智能教育行業發展實證數據的分析[J]. 電化教育研究， 2021， 42（2）：70-77.

[2] 鄧文勇，黃堯. 人工智能教育與數字經濟的協同聯動邏輯及推進路徑[J]. 中國遠程教育，2020（5）：1-9.

[3] 邢西深.邁向智能教育的基礎教育信息化發展新思路[J].電化教育研究，2020，41（7）：108-113.

[4] 鄭思思，陳衛東，徐銣憶，袁凡，褚樂陽. 數智融合：數據驅動下教與學的演進與未來趨向——兼論圖形化數據智能賦能教育的新形態[J]. 遠程教育雜志， 2020， 38（4）：27-37.

[5] 謝康，夏正豪，肖靜華. 大數據成為現實生產要素的企業實現機制：產品創新視角[J].中國工業經濟， 2020（5）：42-60.

[6] 劉三女牙，李卿，孫建文，劉智. 量化學習：數字化學習發展前瞻[J]. 教育研究， 2016， 37（7）：119-126.

[7] 吳永和，劉博文，馬曉玲.構筑“人工智能+教育”的生態系統[J].遠程教育雜志， 2017， 35（5）：27-39.

[8] 張進寶，姬凌巖. 是“智能化教育”還是“促進智能發展的教育”——AI時代智能教育的內涵分析與目標定位[J]. 現代遠程教育研究， 2018（2）：14-23.

[9] 劉邦奇，王亞飛. 智能教育：體系框架、核心技術平臺構建與實施策略[J]. 中國電化教育， 2019（10）：23-31.

[10] 蘭國帥，郭倩，魏家財，楊喜玲，于亞萌，陳靜靜. 5G+智能技術： 構筑“智能+”時代的智能教育新生態系統[J]. 遠程教育雜志， 2019， 37（3）：3-16.

[11] 黃榮懷，周偉，杜靜，孫飛鵬，王歡歡，曾海軍，劉德建. 面向智能教育的三個基本計算問題[J]. 開放教育研究， 2019， 25（5）：11-22.

[12] 聶竹明，張犇. 從智能教育到未來學習：新時代教育技術創新與應用新常態——第十九屆教育技術國際論壇綜述[J]. 開放教育研究， 2021， 27（2）：18-25.

[13] 劉玉奇，王強. 數字化視角下的數據生產要素與資源配置重構研究——新零售與數字化轉型[J]. 商業經濟研究， 2019（16）：5-7.

[14] 鐘志賢. 沖突與調和——人文主義學習理論與教學技術[J]. 電化教育研究， 1994（2）：6-9.

[15] 顧明遠. 教育大辭典[M]. 上海：上海教育出版社， 1998.

[16] 張國霖. 重構“教育要素”及其實踐意義[J]. 當代教育科學， 2007（9）：9-11.

[17] 梁渭雄，孔棣華.現代教育哲學[M]. 廣州：廣東高等教育出版社，1999：114-137.

[18] 孟志中. 思想政治教育要素論[J]. 中國青年政治學院學報， 2003（3）：15-19.

[19] 李德顯， 李海芳.論交往視域下的教育要素[J].教育科學，2013，29（2）：1-6.

[20] 柳海民. 教育原理[M]. 長春：東北師范大學出版社，2000：101-107.

[21] 馬啟龍. 從教育技術學的視角看教育要素[J]. 中小學教師培訓， 2015（1）：5-9.

[22] 王越，楊成. 教育數據挖掘對教育要素的影響研究[J].中國醫學教育技術， 2020， 34（1）：12-15.

[23] 劉革平，余亮，龔朝花，吳海燕. 教育信息化2.0視域下的“互聯網+教育”要素與功能研究[J]. 電化教育研究， 2018， 39（9）： 37-42.

[24] BADA S O， OLUSEGUN S. Constructivism learning theory： a paradigm for teaching and learning[J]. Journal of research & method in education， 2015， 5（6）： 66-70.

[25] 王志軍，陳麗. 聯通主義學習理論及其最新進展[J]. 開放教育研究， 2014， 20（5）：11-28.

[26] 董曉輝.活動理論視角下高校教育數據治理體系構成要素研究[J].中國電化教育， 2021（3）：79-87.

[27] COCCHIARELLA N B. Logic and ontology[J]. Axiomathes， 2001， 12（1）：117-150.

[28] RAMSDEN P. The context of learning in academic departments[J]. The experience of learning， 1997（2）：198-216.

[29] 武法提，黃石華. 基于多源數據融合的共享教育數據模型研究[J]. 電化教育研究， 2020， 41（5）：59-65.

[30] FISCHER C， PARDOS Z A， BAKER R S， et al. Mining big data in education： affordances and challenges[J]. Review of research in education， 2020， 44（1）：130-160.

[31] 劉三女牙，楊宗凱，李卿. 計算教育學：內涵與進路[J]. 教育研究， 2020， 41（3）：152-159.

[32] OUYANG L， YUAN Y， WANG F Y. Learning markets： an AI collaboration framework based on blockchain and smart contracts[J]. IEEE internet of things journal， 2020（5）， doi：10.1109/JIOT.2020.3032706， https：//ieeexplore.ieee.org/document/9234516.

[33] YING X， DAKUO W， PENELOPE C， et al. Same benefits， different communication patterns： comparing children's reading with a conversational agent vs. a human partner[J/OL]. Computers & education， 2021（161）， https：//doi.org/10.1016/j.compedu.2020.104059.

[34] 李海峰，王煒. 人機學習共生體——論后人工智能教育時代基本學習形態之構建[J]. 遠程教育雜志， 2020， 38（2）：46-55.

[35] LIU H， WARNER T， IKL？魪 M， et al. Harness big data by iCycle： intelligent computer-supported hybrid collaborative learning environment[J]. International journal of smart technology and learning， 2020， 2（1）：31-47.

[36] 劉三女牙，楊宗凱，李卿. 教育數據倫理：大數據時代教育的新挑戰[J]. 教育研究， 2017， 38（4）：15-20.

[37] 劉三女牙，劉盛英杰，孫建文， 沈筱譞， 劉智. 智能教育發展中的若干關鍵問題[J]. 中國遠程教育， 2021（4）：1-7.

[38] 劉三女牙. 加快推動學科交叉融合助力發展高質量教育[J]. 國家教育行政學院學報， 2020（12）：46-51.

[39] 王佑鎂，宛平，趙文竹，柳晨晨. 科技向善：國際“人工智能+教育”發展新路向——解讀《教育中的人工智能：可持續發展的機遇和挑戰》[J]. 開放教育研究， 2019， 25（5）：23-32.