智慧作業的基本原理與實踐方向 *

柯清超，田雪松，鮑婷婷，林 健，馬秀芳，張思其

(1.華南師范大學 教育信息技術學院，廣東 廣州 510631；2.嶺南師范學院 計算機與智能教育學院，廣東 湛江 524048)

2021年7月中共中央辦公廳、國務院辦公廳印發了《關于進一步減輕義務教育階段學生作業負擔和校外培訓負擔的意見》(下稱“雙減”)，“雙減”政策的主要任務之一是“明確提出要全面壓減作業總量和時長，減輕學生過重作業負擔，合理調控作業結構，提高作業設計質量，加強作業完成指導”。“雙減”的出臺與全面實施，掀起了中小學課堂教學、作業設計與管理等領域改革的新一輪浪潮，作業作為學生核心素養培養的重要環節和載體，如何實現“控量提質”改革目標，需要教育界從管理政策、教學模式與支撐技術等不同角度開展探索。在此背景下，“智慧作業”成為當前廣受關注的研究與實踐熱點，其表現方式是將各種信息技術，如光學掃描識別、點陣碼、結構化知識圖譜、云題庫、學習過程大數據、人工智能引擎等與學生的日常作業融合，通過對作業全過程的數據采集處理與教學智能服務供給，為學生完成作業提供個性化學習指導，為教師提升作業設計質量與作業效果分析提供智能化工具支持，為課堂精準教學提供數據分析服務，為區域實施作業治理提供決策平臺支撐，從而打造技術賦能“雙減”的現實圖景。

在“雙減”政策推動下，集成多種智能技術的智慧作業應用系統迅猛發展，國內部分區域開展了規模化應用，形成了一些典型案例與經驗，但智慧作業的理論研究與實踐探索總體上還處于起步階段，智慧作業的基本概念、基本工作機理、核心關鍵技術、實踐路徑和有效模式等問題還有待進一步深入研究。

一、智慧作業的概念與發展

作業本身是一個相對完整的系統，包括作業設計、作業布置、作業批改、作業評價與反饋等環節[1]。縱觀教育發展史，可以發現作業這一概念呈現出豐富、復雜、多變的發展樣貌，大致表現為不同歷史階段的三種認識觀：其一是作業即知識練習。最早夸美紐斯(Johann Amos Comenius)在《大教學論》中將練習引入教學過程，其主張通過反復練習達到鞏固知識的目的[2]。赫爾巴特(Johann Friedrich Herbart)進一步將這種練習明確為書面作業[3]，凱洛夫(Kairov)則將作業分為課堂作業和家庭作業[4]。循此觀點，在實踐中作業往往被視為學生鞏固知識、技能、技巧等教學目標的重要載體，亦是課堂教學的重要組成與有效延伸[5]；其二是作業即心智訓練。庫珀(Harris Cooper)認為作業是由學校教師布置，期望學生在非教學時間里完成的任務，并將作業目標分為教學目標和非教學目標兩類[6]，但其并非強調作業教學目標的實現(即課堂知識和技能的鞏固與掌握)，而更加關注非教學目標的提升(即作業完成過程中心智技能的提升)，如學習動機、學習興趣、學習習慣、自主管理能力等；其三是作業即自主探究。杜威(John Dewey)認為作業是復演社會生活中進行的某種工作或與之平行的活動方式[7]，強調引導學生的主動探究，通過“做中學”不斷拓展學生個體的直接經驗、智力與道德水平。從夸美紐斯到杜威，不論是知識練習、心智提升或自主探究，其深層邏輯統一表現為作業過程中的知識習得，知識的性質及表現形式則有所不同，前者側重知識技能的掌握，后兩者注重個體能力品質的成長，三者互為補充、相輔相成。當前作業實踐正是過度依賴第一種作業認識觀，將教材知識習得與考試選拔相聯結，忽視指向心智提升與自我探究型的作業設計，導致學生作業負擔過重。

智慧作業是信息化背景下作業改革發展的典型表現形式，由智慧教育、智慧教學等概念發展延伸而來，是智慧教學的重要實踐內容與方式。從實踐進程來看，智慧作業的發展主要表現為三個階段：第一階段主要是基于互聯網教育公司開發的智能化作業平臺或工具展開，其核心是支持解決學生作業解題過程中遇到的困難；第二階段是學校在發展精準化教學過程中提出的，期望通過對學生作業數據的智能化采集分析，精準掌握多維學情，從而為作業講評、復習鞏固等環節提供更有針對性的指導，同時提高作業設計的質量。我國部分地區已開展了大規模的實踐探索，如江西省教育廳2019年開始推動的“智慧作業”改革；第三階段是國家實施“雙減”教育改革政策后，學術界、產業界和學校逐步形成共識，系統化開展智慧作業的理論研究、技術開發與實踐探索。由此可見，智慧作業已進入高速發展時期，理應反思總結傳統作業實踐的現實短板，吸納整合知識練習、心智提升、自主探究三種作業觀的有益之處，進而從根本上把握作業減負與作業提質均衡發展。

本質上，智慧作業是以師生為主體、依托智慧作業支撐平臺開展的教學實踐活動，通過人工智能技術與作業環節的深度融合，實現作業設計、作業評價、作業指導與作業管理的智能化、個性化、流程化，推動作業從“育知”向“育人”轉變。表1呈現了智慧作業的基本特征。

表1 智慧作業的基本特征

續表1

二、智慧作業相關研究

(一)相關理論方法研究

智慧作業是近年來才發展形成的概念，其基本原型可追溯至智能導師系統、自適應學習系統等，故其基礎理論與方法可拓展為技術支持的教育測量、智能教學等多方面。

1.基于項目反應理論的教育測量。項目反應理論(Item Response Theory，IRT)在20世紀50年代由美國測量專家洛德首次提出，是通過測驗量化估算被試潛在心理特征的數學模型，解決了經典測驗理論(Classical Test Theory，CTT)的諸多難題[8][9]。近年來國內外關于IRT相關研究，一方面涌現出多維度項目反應理論、非參數項目反應理論以及認知診斷理論等新的測量理論，另一方面將IRT與測驗評價、系統開發等實踐領域相結合，開展測驗功能差異評估、自適應測驗實現、題庫高質量建設等應用研究。有研究者基于IRT開展學生能力評價研究，結果表明其具有較好的評價效果并有效縮短評價時間[10]；也有研究者依托IRT編制中學數學建模素養測試卷，借助測驗結果反映試題難度和區分度，保證評價過程的合理科學[11]。換言之，IRT的有效應用有助于提升智慧作業的作業設計、作業評價、作業指導等環節的靶向性水平。

2.智能導師與適應性教學。智能導師系統(Intelligent Tutoring System，ITS)是由20世紀60年代的計算機輔助教學(Computer-Assisted Instruction，CAI)逐漸發展而來，是利用智能技術模仿教師教學，為不同學習者提供個性化學習指導，幫助其獲得知識和技能的智能教學系統[12]。如Jennifer等研發的智能寫作系統能夠實現對學習者寫作過程的追蹤和寫作內容的診斷，進而自動生成修改意見[13]。隨著智能教學從重視“教”向重視“學”轉變，ITS也逐漸演變為自適應學習系統(Adaptive Learning System，ALS)，Brusilovsky于1996年對自適應學習系統概念進行初步界定，即對學習者學習過程性數據進行收集分析，依據其自身學習能力和認知水平，定制個性化的學習路徑和學習內容，優化學習效果[14]。本質上，智慧作業支撐平臺是自適應學習系統在作業場域下的有機映射。

(二)智慧作業技術系統

通過分析國內近10年來與智慧作業相關的產品，剖析其技術特征與教學功能，目前國內的智慧作業技術系統分為以下幾類：

1.基于顯示終端的智慧作業系統。從2011年開始，國內大量互聯網教育公司開始關注中小學在線作業工具的研發，提供了基于顯示終端的智慧作業解決方案，其功能特點是教師通過智慧作業系統發布配套練習、高效批改試卷、即時掌握學情，學生則基于電腦、手機、平板等顯示終端查看教師反饋意見、把握自身答題情況、獲得個性化指導，如學生可通過平板的截圖儲存功能查詢錯題解析，智慧作業系統進而將智能推送拓展練習和知識點講解微課，支持學生查漏補缺。

2.基于作業掃描的智慧作業系統。近幾年，一些企業借鑒閱卷系統技術，研發了基于作業掃描的智慧作業解決方案，通過高速掃描儀快速采集學生作業數據，系統自動識別批改作業、自動采集錯題信息、自動推送變式題目和自動打印形成個人專屬錯題本和個性化練習冊，利用數量少質量高的變式作業幫助學生對未掌握的知識點進行舉一反三，實現減負增效。同時，系統提供由多維度數據生成的學生個性化分析報告，有助于學校教學質量的有效監管和教育管理者的科學決策。

3.基于點陣紙筆/電磁板紙筆的智慧作業系統。近年來國內涌現了大量基于點陣紙筆的智慧作業解決方案，其特點是在保持學生傳統紙質作業書寫習慣的基礎上，通過紙張點陣圖案和筆尖高速攝像頭采集學生作業書寫軌跡，實現客觀題的自動批改和統計分析，并實時將學生主觀題的答題筆跡同步并記錄到教學平臺，教師可完整查閱學生的解題思路和過程，及時糾正與點評，有助于實現反饋即時化、評價科學化和輔導精準化。

(三)智慧作業實踐應用

本文選取2021年教育部公布的“雙減”典型案例與“基礎教育信息技術與教育教學深度融合示范案例”，采用內容分析方法進行深入剖析，發現我國當前智慧作業的典型實踐包括：

1.推送作業輔導微視頻，實現錯題自動歸集。江西省依托“贛教云”平臺建設了“智慧作業”系統，在保持學生傳統作業習慣的前提下，借助點陣筆、高速掃描儀等設備動態采集學生作業數據，形成學生專屬錯題集，結合精準推送微課講解視頻，提升學生學習效果。同時根據教學內容和學生學情數據，系統自動選取符合各層次學生能力的作業題目，幫助教師布置分層、彈性和個性化的作業，提高校內教學質量，賦能“雙減”政策落地。

2.構建區域“數據駕駛艙”，提升作業治理水平。青島嶗山區為實現作業改革，統籌建設課堂教學云平臺，借助AI智能校本作業本增強作業的層次性和個性化，結合配備的高速掃描設備，快速完成作業分析，協助教師提高課堂效率，幫助學生提高復習效率。同時通過作業監管平臺的建設，采集教學和學習中的全過程數據，構建區域“數據駕駛艙”，加強作業正確率、作業時段分布、作業用時等多維度的大數據分析，做好作業總量和完成時間的控制管理，減輕學生負擔。

3.作業全過程數據采集，實現數據驅動的個性化學習指導。上海閔行區教育學院附屬友愛實驗中學利用區域統一建立的智能作業平臺，采集作業成績、作業質量、作業習慣等作業全過程數據，實現學生作業的自動監測和學習行為的精準把握。同時融合“自主學習倉”功能，為學生推薦“闖關”題目和在線指導難題，形成了課前自主推薦導學資源、課中依托學情診斷實施精準教學、課下推送個性化錯題資源的教學實施路徑，賦能教學改革。

綜上所述，人工智能技術支持的教育測量、自適應學習等領域形成了較為豐富的研究成果，為智慧作業發展提供了良好的理論基礎與方向指引。同時，智慧作業的必要性和可行性已達成共識，智慧作業技術解決方案日趨成熟，智慧作業應用規模增長迅速，但整體呈現實踐探索領先理論研究的現象，尚存在智慧作業的基本概念不清楚、技術方案不適宜、實踐路徑不系統等問題。本文將在厘清智慧作業概念的基礎上，闡述其基本構成、工作機理、實踐路徑等。

三、智慧作業的基本構成

智慧作業是師生依托智慧作業支撐平臺開展的教學實踐活動，其包含三個基本要素：參與者、支撐平臺和實踐活動(如下頁圖1所示)。參與者包括教師、學生、教育管理者、家長等多方主體。實踐活動主要包括作業設計、作業練習、自主學習、作業評價、作業管理等。智能化支撐平臺則作為賦能的中介和紐帶，有效聯結參與者與實踐活動，實現了學生特征智能分析、作業內容智能設計、答題情況智能診斷、作業指導與管理智能組織，推動智慧作業實踐的良性運轉。

圖1 智慧作業基本構成

智慧作業的實踐基礎是智慧作業支撐平臺，其本質是多種智能技術支撐下的作業智能導學環境，它既可以通過多模態數據采集與智能分析為教師的教學設計提供精準的教學診斷結果，也可以通過學科知識圖譜等認知智能工具為學習者作業實踐活動提供適切的認知協同支架，還可以將作業的分析、設計、實踐與評價等過程性數據轉化成師生教與學的階段性資源或成果，為師生教學相長提供基于智慧作業的成長檔案。人機協同視角下，智慧作業支撐平臺不僅涉及教師側的學情分析與作業設計，也涉及學生側的作業實踐與認知診斷，同時服務于師生雙側的作業資源評價與應用。

智慧作業支撐平臺是智能教學系統的具體形式。根據智能教學系統的設計理論方法，智能教學系統應包括學習者模型、領域模型、教育學模型、接口模型、自適應引擎等基本構成要素，結合當前國內智慧作業系統案例與教學實踐分析，本文認為智慧作業支撐平臺應包括以下基本要素(如圖2所示)。

圖2 智慧作業支撐平臺

(一)學習者模型

學習者模型是學習者關鍵信息的抽象表示，是實現智能化作業設計、評價、指導與管理的重要依據。學習者模型記錄的信息主要包括個人基本信息、作業行為特征、認知結構數據、作業負荷水平等方面。個人基本信息包括姓名、性別、年級、學科、學習風格等，作業行為特征包括作答時長、作答次序、書寫速度、書寫軌跡、停頓時長等，認知結構數據包括作答成績、正答率、完成度、錯題知識點等，作業負荷水平則反映了當前作業內容與學習者認知能力的匹配程度。上述數據通過特定形式的特征融合形成學習者模型，由于學習者在作業過程中不斷產生新的數據，智慧作業學習者模型始終處于周期性動態調整的狀態之中，進而不斷提升人工智能引擎的性能水平，促進作業設計、評價、指導與管理的精準高效。

(二)作業設計模型

作業設計模型是描述作業設計目標與作業內容的統一體，是實現智能化組題的基礎條件。作業設計模型主要包括教學目標、作業時長、作業數量、作業難度、作業類型等特征變量，強調通過人機協同的方式加強作業內容的過程性設計、分解型設計和情境類設計，生成符合教學目標與學生認知特點的作業資源包，其工作原理是：智慧作業系統依托人工智能引擎，通過智能分析由學科教師設定作業設計模型的教學目標、作業數量、作業難度、作業時長、作業類型等外部指標參數，及學習者模型的學習風格、認知水平、作業負荷等內在指標狀態，自動生成符合特定教學目標、適應不同學生類型、包含多元微課資源的作業資源包。同時，學科教師可依據對教學經驗與學情數據的基本研判，評估自適應作業資源包的質量，并參考人工智能引擎推薦的備選作業資源，動態調整作業題目、類型、難度等，提升作業設計水平。

(三)作業評價模型

作業評價模型是智能批改學生作答數據與評估作業認知負荷的計算模塊，是智慧作業支撐平臺良性運轉的重要組成部分。作業評價模型強調借助圖像識別、自然語言處理、深度神經網絡等技術構建作業智能批改、作業認知負荷計算、作業分層調節等算法模型，進而依托人工智能引擎的強大計算能力實現智能化作業內容批改與作業適配性診斷，有效減輕教師作業批改的工作負荷，提升作業分層設計的科學性。其一，作業智能批改算法可完成選擇題、判斷題、填空題等客觀題目的自動批改，主觀題則由教師直接在智慧作業系統中批改或通過點陣紙筆、掃描儀等設備收集教師的批改數據，進而智能識別與分析批改結果。其二，作業認知負荷計算模型的目的是分析當前作業設計內容與學習者認知水平的匹配程度，本質上亦是檢驗學習者模型與作業設計模型的一致性。其三，作業分層調節模型則在作業認知負荷計算的基礎上，形成優化作業設計、指導與管理的數據依據與建議。

(四)作業指導與管理模型

作業指導與管理模型是打造智慧作業精準教學完整閉環的“最后一公里”。作業指導與管理模型基于作業評價模型的智能診斷結果，智能化生成與推送個性精準的作業指導資源和分析報告，實現錯題自動歸集、個性資源推薦、作業分析報告三大模塊功能，提升學生作業的靶向性。其一，錯題自動歸集面向學生個人智能推送個性化錯題集，幫助學生進行精準的補償性練習；面向教師智能推送以班級為單位的錯題集及錯題分析報告，輔助教師了解班級學生的作業難點內容，及時調整教學策略與內容。其二，個性資源推薦依托人工智能引擎和學科知識圖譜為學生個體提供符合其認知特點的普適性微課資源，或由學科教師為學生制定個性化講解資源。其三，作業分析報告有效整合學習者模型、作業設計模型、作業評價模型的關鍵輸出結果，形成針對學生個體、班級、年級、學科、區域等不同層次的階段性作業分析報告，為管理者科學決策、教師精準教學、學生及家長深入了解作業情況提供數據支撐。

(五)人工智能引擎

人工智能引擎是智慧作業支撐平臺的核心驅動力。人工智能引擎融合多種規則與算法，是實現學習者模型、作業設計模型、作業評價模型、作業指導與管理模型之間有效交互的神經中樞。同時，人工智能引擎背后擁有兩大支撐體系：作業大數據和學科知識圖譜。作業大數據技術強調對學生作業數據的全過程跟蹤采集、記錄、處理與分析，為學習者特征分析、作業設計、作業評價、作業指導與管理等模塊提供多源異構數據集成與計算服務。學科知識圖譜技術搭建起“教學目標—知識點—作業題目—微課資源”的多模態知識庫，為精準個性的作業設計、作業指導與管理提供底層支撐。兩者在人工智能引擎適配器和生成器的協同作用下，實現智能分析、智能組題、智能診斷、智能推送等關鍵功能。需強調的是，人工智能引擎的運行是一個不斷學習和螺旋改進的過程，并反饋于學習者模型、作業設計模型、作業評價模型、作業指導與管理模型的優化，最終在上述四類模型的約束條件下輸出對應模塊的最優解。

四、智慧作業的機理與關鍵技術

智慧作業承載著中小學作業場景下減負提質增效的愿景，涉及學習者認知負荷的調節、基于作業的學習效果增強、教師作業設計質量的提升等具體要求。在數據驅動與技術賦能范式下，智慧作業基于作業完成過程的多源數據采集與處理分析，實現學習者作業認知負荷智能計算與分層調控，并在人機協同作業批改模式下實現作業目標、認知程度、能力水平與學習品質的跨模態診斷分析。最后依托學科課程標準的要求，以學科知識圖譜耦合教師在教學設計中的重難點與學習者在作業過程中的薄弱項，精準映射其個性化認知畫像，為教師設計適切課標又貼合學情的高質量作業體系提供支持，并整合個性化資源實現智能導學。

(一)作業過程多源數據采集與處理

作業過程的數據采集與處理對象既包括作業內容與作業環境的信息技術場域靜態數據，又包括學習者完成作業過程中的動態實時數據與教師設計作業的歷史數據等，其中以反映作業設計質量與學習品質的學習者動態實時數據最為關鍵。

點陣紙筆、電磁板紙筆等技術可以實現對學習者作業書寫行為過程的無感化采集，成為學習者書寫作業外顯行為數據采集與處理的關鍵技術。已有實證研究表明，學習者筆跡分析中的書寫速度、停頓時間、連貫性、握筆壓力等多源數據指標有助于通過外顯行為的細微變化深度刻畫學習者高級神經活動，并反映出學習者智力或認知負荷水平狀態[15]。點陣紙筆內嵌光學識別掃描裝置可海量存儲學習者長時間的作業書寫筆跡，形成重要的學情分析大數據，若以腦電測量設備與之協同工作，則可實現在作業書寫過程中外顯書寫行為與內隱神經活動之間的時序性、因果性關聯，以揭示不同作業活動場域下不同學習活動發生機理。以學習者書寫作業時間指標為例，根據具身認知理論，學習者書寫作業所產生的提筆時長與停筆時長指標反映學習者在作業完成過程中“知情意行”的具身參與度、投入度；表征對作業書寫內容規劃及執行的意志動力機制；耦合關聯學習者認知加工、記憶搜索、思維推演等高階認知活動。而不同的認知活動涉及學習者分管邏輯或言語的不同腦區工作狀態，如腹側前運動皮層、后側顳葉、顳下回等[16]，使得學習者在進行不同認知思維過程中往往傾向性產生特定的情感或情緒波動。通過結合學習者作業外顯行為與認知內隱特征等多源數據的采集，為教師作業設計提供數據驅動的學情診斷分析與循證支持。

(二)作業認知負荷智能計算與分層調控

學習者作業認知負荷智能計算由點陣紙筆與學習平臺等多源數據驅動，作業場景下認知負荷表征學習者作業認知負擔特征，最終通過機器學習算法融合為認知負荷張量，以學習者認知目標、認知風格、認知偏好等具體特征譜聚類的方法實現作業認知特征智能分層與調控。其計算框架主要分為基于認知負荷多源數據的測量、表征、特征感知與融合、智能分層與決策等四個過程，如圖3所示。

圖3 基于多源數據融合的學習者作業認知負荷計算與分層調控技術框架

考慮多源數據融合下學習者認知負荷表征與計算建模的動態性、異構性與復雜性等問題，對學習者時間序列上的數據進行實時記錄，按照學習者外顯作業行為、內隱生理狀態、客觀學業表現等維度進行數據整合分析，需構建多源感知數據表示方法。例如，點陣紙筆設備采集的外顯作業數據、可穿戴腦電設備采集的內隱生理數據、智能學習終端采集的作業客觀表現數據共同構成作業認知負荷智能表征與計算的多源性數據集。為降低多源異構數據的維度，提高模型收斂速度，可采用PCA(Principal Component Analysis)算法[17]，對外顯作業行為、內隱生理狀態、客觀學業表現等關鍵表征要素的高維數據進行壓縮降維，得到低維特征數據用于后續的融合及聚類。多源異構數據融合需考慮特征維度的一致性、學習者的時間序列學習數據等問題，因此可將時序因素引入認知負荷表征的張量空間中，構建基于Tucker分解的異構時序數據融合模型[18]。最后采用譜聚類算法處理學習者多維認知特征，利用群體作業分層實驗在特征空間上進行數據決策和驗證。

學習者認知特征反映當前時刻其可承受的主觀認知負荷水平，與不同客觀認知負荷的作業集之間形成匹配性語義關系，即客觀認知負荷的作業集與主觀認知特征的學習者之間形成促進特定知識技能理想化發展的聚類關系，基于多維認知負荷特征譜聚類算法實現學習者群體作業智能分層。與傳統的聚類算法相比，譜聚類算法能夠在任意形狀的樣本空間中聚類并收斂到全局最優解，對于多源異構數據存在結構不一致、分布不均勻等情況具有良好的適用性[19]。

(三)作業人機協同批改與效果分析評價

人機協同已成為導學、診斷、干預、反饋、評估、反思等各教學環節精準化的主要特征[20]，圖像識別、機器學習、自然語言處理等智能技術正賦能智慧作業批改、診斷與分析走向個性化與精準化。當前結合圖像與語義特征識別技術已可實現數學等學科中具有封閉解答路徑的作業智能批改[21]，結合文本與語音識別技術已可實現語文、英語等學科中以音頻或文本為處理對象的聽說讀寫全過程的語言類作業與考試自動評測[22]，而具有開放解答路徑的作業主觀題目則需教師參與評判，構成了機器智能批改診斷客觀作業題，教師智能批改診斷主觀作業題的協同批改診斷模式。

而作業人機協同批改只評判學習者回答作業問題的正確性，尚無法反映學習者在完成作業過程中的思維軌跡及其在作業場景下的自主學習品質。通過點陣紙筆無感化采集學習者筆跡數據并轉化為可回放的視頻文件，則可在師生診斷教學問題時對作業完成場景的學習者思維軌跡進行動態溯源跟蹤與分析。通過作業回答的文本數據、筆跡數據、時間停頓數據等多模態數據協同分析學習者的學習品質，一方面可為學習者建立可智能診斷錯因的個性化錯題本與學情分析報告，實現作業思維過程可循證、作業完成品質可量化、作業學習成果可管理的閉環式、智能化作業質量分析體系；另一方面可為教師在作業目標設定、作業難度調節、作業形式設計、作業內容管理等作業設計過程提供精準化的決策分析路徑，提升教師高質量作業設計能力。

(四)基于圖譜的作業資源智能導學推薦

知識圖譜等認知智能支架被認為是提升學習者認知特征與數字資源語義組織協同性的關鍵技術[23]，智慧作業支撐平臺在學科教學視域下表征為學科作業題目的數字化及其組織管理方式的智能化，為基于圖譜的作業資源智能導學與推薦提供了新技術視角。

智慧作業支撐平臺包括數字化學習資源與智能化分析工具，除了具有前沿的行為數據與內隱數據分析識別能力，其數字化作業資源庫同樣應具備與學習者當前認知發展水平協同演化的能力。在分層智慧作業場域下，認知圖譜技術便是賦能人機認知協同發展的關鍵技術。按照布魯姆認知目標層次，智慧作業中的題目均被標記為具有特定認知標簽的知識認知多元組。在知識認知元組中，除了知識點之間形成語義關聯，其認知學習路徑也隨著學習進程的推進形成語義關聯，從而構建智慧作業中的學科知識與認知目標的多元語義鏈路網圖結構，這就構成了動態化的智慧作業認知圖譜。一方面，對處于低階認知目標的學習者，智慧作業支撐平臺根據其當前的認知水平層次動態配置適切的作業資源，訓練提升學習者的認知層次；另一方面，根據項目反應學習理論，當學習者的認知發展水平對當前作業訓練難度已駕輕就熟，可認為當前作業資源對學習者的認知挑戰度在不斷減小，甚至形成作業資源推薦的“信息繭房”，則需要根據作業認知圖譜的多元認知發展鏈路為學習者提供更高階的認知訓練目標，或開始新知識點的學習訓練。通過認知圖譜技術的賦能，學習者在完成作業過程中，既不會長時間頻繁完成對低挑戰度的作業訓練，同時也不會因為作業完成難度遠超認知負荷水平而產生畏難情緒，在人機認知協同的技術環境下逐步習得更高階的學科知識與技能。

五、“雙減”背景下智慧作業的實踐方向

智慧作業是利用智能化手段落實“雙減”減負提質增效目標的有力舉措，應聚焦面向教師的作業設計質量提升、面向學生的作業個性化指導、面向課堂精準教學的數據支持、面向區域的作業治理四大方向精準發力，加速規模化教育與個性化培養的有機結合[24]，持續深入推進“雙減”政策落地。

(一)面向教師的作業設計質量提升

智慧作業支撐平臺能夠為教師提供海量的優質資源與學生學情數據，為教師實現層次化、精準化、差異化作業的高質量設計提供了智能工具。智慧作業支撐平臺實現基于學情特征識別的智能命題與批閱，通過實時收集學習者的作業數據，為教師在學科知識圖譜支持下根據課程教學目標與學習者的認知狀態動態編制適切的作業題目或學習任務，更有針對性地向學生提供基礎題、提升題、拓展題、基于真實情境和生活實踐的問題解決類作業等。同時，智慧作業支撐平臺還能夠將作業過程數據、資源、工具智能歸檔，通過智能語義分析實現基于智慧作業設計與導學的教學反思日志智能生成。

教育部2021年發布的第一批學校落實“雙減”典型案例顯示，山東省濰坊市探索整合各校優秀作業設計資源，建立作業資源庫，利用教育云平臺設置作業資源共享平臺，實現全市優質作業資源共享；青島市嶗山區依托信息技術優化作業管理，通過人工智能校本作業本，實現分層、個性化布置作業，做到精準到校、精準到班、精準到人。

(二)面向學生的個性化學習指導

智慧作業支撐平臺依托作業大數據與學科知識圖譜，能夠滿足學生對多元個性化學習資源與學習路徑的現實需要。智慧作業支撐平臺通過采集分析學生作業的全過程、全要素、多尺度數據，自動生成面向學生個體的多維立體作業畫像，精準診斷學生的作業內容與認知負荷的匹配程度，為向學生持續提供個性化作業與導學資源提供數據支撐。同時，智慧作業支撐平臺能夠實現錯題自動歸集，有助于為學生提供精準的補償性訓練，有效避免機械、重復性作業負擔。基于學生作業畫像與錯題集數據，智慧作業支撐平臺進一步為學生提供針對性知識點講解資源，支持學生通過自主學習查漏補缺與自我提升。

教育部2021年發布的第一批學校落實“雙減”典型案例顯示，江西省智慧作業系統支持即時生成面向學生個體的專屬錯題集，并為學生精準推送錯題講解資源和拓展題目，滿足學生個性化學習需求。河北省邢臺市育紅小學通過匯聚整合、自主創編等方式打造個性化、多元化的“作業超市”，為不同學習需求的學生提供基礎型、易錯型、拓展型等作業任務。

(三)面向課堂精準化教學的學情數據支持

智慧作業支撐平臺能夠自動生成多維度、可解釋、階段性的作業數據分析報告，精準刻畫面向學生個體、班級、年級、學科等不同層次的典型作業特征，為教師打造高質量“課前—課中—課后”教學閉環提供數據決策支持。教師課前依托數據分析報告，為學生推送針對性導學資源，及時調整教學進程、教學重點與教學策略；課中以任務驅動為核心設計學習活動，利用智慧作業支撐平臺實時診斷教學目標達成度、學生參與度、高頻錯題等內容，對學生存在的共性問題進行集體講評；課后對學生個性問題進行個別輔導，并為學生推送符合其認知特點的個性化作業，強化學生的知識鞏固、能力形成與習慣培養。此外，加強對課后作業數據分析報告的總結與反思，是實現以學定教、因材施教的重要一環。

教育部2022年發布的第四批學校落實“雙減”典型案例顯示，貴州省遵義市試點推行覆蓋“學生預習—教師備課—課堂教學—作業批改—課后輔導—監測評價”六個環節的精準化教學模式，強調通過學習平臺課前為學生推送預習資源，教師根據學生預習情況調整備課內容，課中運用信息技術手段優化教學環境、內容、結構、過程和方法，課后則為學生推送分層作業，并根據作業分析報告進一步優化教學方式。

(四)面向區域的作業治理

張抗抗等認為“雙減”落地需要從作業管理走向多方協同的作業治理，作業治理是指圍繞作業的編制、設計、開發、實施、評價等，政府、教師、家長、學生及其他利益相關者依據一定教育法規，通過特定路徑設計和實踐策略進行協商、審議與合作，對作業系統的諸要素共同行動、決策、管理，促進作業效能提升的動態過程[25]。構建區域學生作業大數據，是實現作業有效治理的重要基礎。通過區域作業大數據，作業治理參與主體超越主觀經驗，能夠全樣本地評價學生作業負擔與設計質量情況。通過數據發現問題，用數據思考作業治理問題，基于數據進行全程動態監管，實現數據支撐作業治理的決策、執行、監管和評估全過程，形成“用數而思、因數而定、隨數而行”的數據驅動治理模式。

國內部分區域已經開始應用大數據進行作業治理的探索，教育部公布的第三批學校落實“雙減”典型案例顯示，南京市玄武區通過研發作業智慧管理平臺，強化作業負擔全程監控，形成“作業公示—超時預警—用時反饋—優化設計—提質增效”多環節數字化智能化管理閉環。學科教師統一通過平臺發布“作業公示”及“預計作業時長”，家長借助平臺每天反饋孩子作業完成時間，如有學生作業超時超量，系統自動預警并及時反饋教師；教師可通過平臺查看本班學生作業實際完成時長、時段分布等數據，區、校管理者可實時查看全區、各校多維度統計數據，實現全面、全程、全域管理。

六、結語

以智能技術提高作業設計質量，優化作業導學服務效果，從而實現我國基礎教育的高質量發展，是智慧作業在“雙減”時代的重要教育旨歸。智能技術與師生作業實踐中的協同性，為智慧作業設計、服務與育人實踐提供了新方向，一方面作業承載的學科素養、學習品質、反饋溝通等育人功能在智慧作業環境中得以轉化為可量化、過程性、可解釋的多模態教育教學數據，為學生的認知發展、知識獲得與能力形成提供了數據驅動的教學評價新范式；另一方面，多技術融合的智慧作業生態賦予作業設計、服務與育人實踐的增量價值，將倒逼以“減負提質增效”為核心的課堂教學改革理論研究加速發展。誠然，應試導向及功利主義的作業難題自古有之，因基礎教育階段作業題海孕育的“小鎮做題家”現象更是有其社會性教育評價的深層原因[26]。智慧作業作為“雙減”時代的新生事物，不求解決與作業論域相關的所有難題，愿能為“減負增效提質”的“雙減”政策使命貢獻力量。