場景規劃：人工智能教育實踐形態的可行路徑

李世瑾 戴蘊秋 顧小清

[摘? ?要] 基于“場景”提供智能化服務已成為人工智能教育發展的新業態。為有效推進人工智能教育的實踐落地，研究從場景賦能視角切入，對場景、智能應用場景、智能教育場景的本質內涵進行系統梳理與對比分析，同時采用案例研究方法，梳理“學、教、管、評、研”等智能教育場景的研究現狀，覓求智能教育場景規劃的運作規律。研究發現，智能教育場景規劃的運作規律表現為：清晰明確的教育需求是首要條件，場景應用的成熟度評價是中堅力量，科技向善的監管機制是落地保障。鑒于此，從生態營造、指數流通和持續治理層面提出智能教育場景規劃的實踐路徑，旨在為推動智能教育場景落地提供客觀可行的理論支撐與設計思路。

[關鍵詞] 場景規劃； 人工智能教育； 本質內涵； 運作規律； 實踐路徑

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 李世瑾（1993—），女，河南安陽人。博士研究生，主要從事學習科學與技術設計、智能教育研究。E-mail：shijinliEdu@163.com。

基金項目：2023年華東師范大學中央高校基本科研業務費專項資金資助項目“中小學教師智能素養指數研究：結構、測評及發展”（項目編號：YBNLTS2023-027）

一、問題的提出

教育數字化轉型熱潮下，將“場景牽引”貫穿規劃建設始終，打造一批可復制、可推廣、高質量的教育數字化轉型示范場景，已成為教育創新發展的新業態[1]。回顧智能教育研究領域，學者們圍繞技術支持的教育場景要素變革[2]、場景化的學習服務模式設計[3]、場景化的學習活動設計與評價展開了積極探索[4-6]，然而，以場景推進智能教育的本質內涵是什么，其運作規律究竟如何，落實到實踐中又應如何推進？這些問題尚缺乏專門且系統的回應。事實上，只有厘清以場景牽引智能教育發展的落地方向，才能有序推進智能應用的健康發展[7]。基于此，研究從場景賦能視角切入，基于對場景、智能應用場景和智能教育場景的認識與把握，詳盡闡釋場景規劃的本質內涵、運作規律與實踐路徑，旨在為推動智能教育場景落地提供客觀可行的理論支撐與設計思路。

二、場景規劃的本質內涵

場景規劃是新的時代命題。為厘清場景規劃這一概念的結構形態和功能關系，分別從場景、智能應用場景和智能教育場景等多維視角出發，進行系統化的概念梳理和對比分析。

（一）場景、智能應用場景和智能教育場景的內涵釋義

場景是對一段時間內事物所發展的可能狀態進行敘述性描述，因其融入了人的元素，故其內涵彰顯出強烈的人文主義色彩，因此，也被廣泛應用于社會學、傳播學、城市社會學、計算機科學等領域[8]。具體來看，場景是伴隨時間發展的“情節—事件”因果鏈，通過對人物、時空、事件、環境等要素的描述，聚焦當前表征象限的未來是如何形塑的，如圖1所示。首先，場景是“確定性—不確定性”的集合體，因此，也成為連接當今確定性和未來不確定性的有效橋梁；其次，場景建設需要明確主題和時間范圍，尤其需要界定多元主體探索的共同起點；再次，場景建設需要識別不確定性，即圍繞既定因素與驅動程序，考量哪些因素會構成場景主題的未來，以及哪些因素會驅動場景升級，據此為每個因素的兩個相反結果制定可能的發展路徑；最后，場景建設需要創建場景敘述和反思結果，明晰該場景的目標及結果效應。

智能應用場景是智能技術情境化的鮮活表征。連接、社群和數據是智能應用場景的三大核心要素[9]，其中，連接既包括了人、環境、技術三大主體之間的匹配與組合，也涵蓋了應用智能技術過程中時間和空間層面的連接與重構；社群即智能應用場景中的用戶或消費群體，借助其文化傳播和情感流通優勢，能夠豐富智能應用場景的文化價值；數據是遵循“識別→存儲→傳輸→計算”流程，將場景進行數據化的過程，這也決定了場景的豐富度和復雜度。從研究層面來看，關于智能應用場景的探索聚焦兩大視野[10]：其一，人工智能技術進入傳統的場景舞臺后，對“安防產業”“醫學領域”“交通領域”“科技領域”等行業所帶來的潛在影響[11-12]。其二，對某一細分領域的智能應用場景進行刻畫、設計、開發、利用、管理和評價。斯坦福大學“AI 100”報告分別從臨床環境、醫療分析、醫療機器人、數字醫療和老年護理等五大場景，描繪了“人工智能+醫療”智能應用場景[13]。我國《關于支持建設新一代人工智能示范應用場景的通知》提出，支持建設10個可復制、可推廣的首批人工智能示范應用場景[14]。可以說，以場景推進智能應用落地，無疑是產業智能化的最優解，因此，明晰智能應用場景的設計邊界和規劃過程，正是智能應用有效落地和持續發展的關鍵抓手。

智能教育場景，即人工智能技術在教育領域應用時出現的場景，彰顯出智能化、交互化和集成化特征。一是智能化，圍繞教育者、受教育者、教育目標、教育內容、教育環境等教育核心要素，將人工智能技術引入其中，形成包括智能教育環境、智能學習過程支持、智能教育評價、智能教師助理、教育智能管理與服務等智能教育場景，旨在提升教學、學習、評價、治理的科學性、精準性和有效性。二是交互化，這種交互既體現在人與智能產品交互的過程體驗，如人工智能教育應用的四種角色框架[15]、人—機協同的六層次模型[16]，也包括交互服務過程被智能化記錄、分析、傳播和反饋，據此揭示教育現實問題和改進方向[17]。三是集成化，即充分考量智能教育場景的跨界融合特征，構建“技術—社會—教育”動態聯動的生態圈[18]。因此，在搭建智能教育場景時，應以明確的教育需求為出發點，圍繞特定教育情境，刻畫智能教育場景所需要的成熟技術支持和充足數據儲備。

（二）場景、智能應用場景和智能教育場景的對比分析

進一步對比場景、智能應用場景和智能教育場景，發現三者都具備時空交互的動態特征，但同時也彰顯出支持性與約束性共存的特性，具體如圖2所示。

整體上，場景的覆蓋面最為廣闊，智能教育場景的情境復雜度和內容交互度水平最高。從構成要素來看，三者都由靜態元素、動態元素和特定指令構成，基于“什么人、什么時間、什么地點、做了什么事”的邏輯鏈條，描述一段時間內事物的發展樣態。從動態交互的過程來看，場景側重于“人—物質—信息”的動態連接；智能應用場景傾向于“人—環境—技術”的多元連接；智能教育場景則強調“人—教育—技術”的復雜交互。

從內涵表征來看，場景是通過“人—物質—信息”要素的連接、匹配和組合，從而實現多元情境的動態連接；智能應用場景是將人工智能技術應用至全領域的各類場景，基于連接、社群、數據的內涵特質，賦能經濟社會發展，提高社會生產效能；智能教育場景則將人工智能技術應用至教育領域的各類場景，彰顯出智能、交互、超鏈接的內涵特征。

從特色價值來看，場景的價值體現在互動交流方面，通過引導多元主體思考不同情境下的系列“故事”，并參與討論潛在性“事件”，幫助其更加深刻地理解事件發生的過程機制；智能應用場景的價值體現在智能交互方面，通過智適應監測和預警多主體的行為過程，幫助多主體在物理和虛擬場景中獲得個性化支持；智能教育場景則進一步彰顯出人本人工智能（Human-centered Artificial Intelligence，簡稱HCAI））的價值意蘊，通過理解、鼓勵和引導人的思想表達與情感傳遞，提升人與人、人與場景彼此交互的情感體驗和價值認同。

綜上所述，場景規劃是將多元需求轉變為現實行動的過程，為進一步梳理場景規劃的現實表觀和融合情境，采用案例研究方法，通過剖析智能教育場景的實踐情勢，覓求場景規劃的運作規律，從而助力智能教育場景建設的切實落地。

三、智能教育場景規劃的運作規律：

研究案例的觀測視角

為深刻理解場景化設計如何付諸智能應用實踐，采用研究案例的觀測視角，通過鮮活的研究案例驅動，進一步明確智能教育場景能夠解決什么類型的教育問題，以及如何進行智能場景建設的設計與優化，從而最大程度地發揮人工智能技術服務教育的“智慧性”。

（一）研究案例的遴選標準

基于教育應用的關鍵要素，以及智能技術數據化、關聯化和協同化等特征，我們選取典型的學、教、管、評、研等智能教育場景作為分析對象（如圖3所示），主要有三點原因：一是教育目標導向，教育的本質是為社會輸送復合型創新人才，其培育過程貫穿于學、教、管、評、研等關鍵環節，故選其作為典型的智能教育場景；二是教育過程導向，教育過程的發生始終圍繞教育者、受教育者、教育內容、教育環境等關鍵要素展開，而這些要素映射到教育生態系統中，即為學、教、管、評、研等具體場景；三是教育效益導向，當人工智能技術介入教育生態系統時，將在學、教、管、評、研等方面產生行動耦合效應，故選其作為觀測場景，可為智能教育場景“感知—應用—服務”層面的應用設計提供客觀依據。

（二）智能教育場景規劃的研究案例

1. 智能學習場景的個性化

智能學習場景使得個性化學習成為可能。例如：基于PeerLens可視化分析系統，根據學習者的行為表現預判三種學習路徑，并使用類似拉鏈的可視化視圖呈現學習者的學習軌跡，同時借助全方位的評估結果，幫助學習者高效完成相應任務[19]。又如：采用可視化方式呈現學習者的目標設定、任務列表、完成進度、自我評估等內容，從而激勵、監督和促進學習者進行自主學習[20]。此外，智能學習場景通過刻畫學習者的認知、行為、情感等多維特征，能夠實現學習者的精準建模。已有學者證實，多模態智能教育場景能夠實時采集、匯聚、分析和反饋學習者的動態數據，且較之單模態場景，平均準確度提升了9.83%[21]。

不難發現，智能學習場景特別關注學習者的個性化需求，這也為智能學習場景的情境創設提供了思路。一方面，應充分發揮智能技術優勢，借助多維動態數據捕獲、分析和挖掘學習者的真實訴求；另一方面，圍繞學習者的多元訴求，豐富并拓展智能學習場景的功效，使其最大程度地滿足學習者的個性化需求。

2. 智能教學場景的科學化

智能教學場景促使教學環節更加科學化，遵循“精準識別→精準診斷→精準干預”的操作流程，抽取、識別、記錄學習者的過程性數據，并經過數據中臺進行精準分析，據此建構“以學定教—因材施教—以評促教”的智適應教育生態圈。Chen等借助DropoutSeer系統，采用時序圖從點擊流、論壇帖子和作業記錄中提取學習者的行為數據，從而幫助教師理解學習者的過程性狀態[22]。Deng等運用PerformanceVis交互式系統，將學習者的考試成績、考試項目和預測模型等動態連接在一起，幫助教師對有學業風險的學習者及早采取針對性的干預措施[23]。

智能教學場景致力于教學流程和教學活動的智能化，這也意味著智能教學場景需要建立在合理的教學組織之上，遵循“定義問題并選擇范圍→構建系統并確定關鍵變量→收集數據并起草假設→借助樹狀結構探索可能的未來→概述戰略選擇”的操作流程[24]，動態刻畫和前瞻預判智能教學過程中的“現場”或“景況”。同時，以貫通的教學進階為分析單元，探索智能教學實踐的關鍵支點和內生機理，據此為智能教育決策提供證據參照。

3. 智能管理場景的高效化

智能管理場景使得教育流程更加高效化。一是教育業務流程的智能管理，通過自動完成信息記錄、信息篩選、情境識別和決策干預，減少教育管理工作中的重復性流程，提高教育管理的服務效率。二是校園安全的智能管理，如煙霧探測、感溫火災監測、門窗開合監控、視頻監控、遇險報警等安全保障[25-26]。三是生活服務的智能管理，如采用人臉識別和軌跡跟蹤相結合的校園考勤系統，通過實時獲取學習者的“地理圍欄”，有效提高了學習者身份驗證的準確性[27-28]。

智能管理場景建設需要通用的框架設計和適配的技術支持，致力于“人本人工智能”教育目標的實現。其中，通用的框架設計根據多元主體在特定場景的協同參與，洞察相應的實踐條件及過程規律，以及對現存的、潛在的和未來的風險進行歸類，形成智能管理場景的規范秩序。適配的技術支持強調多元主體的差異化訴求，據此創設合理的技術應用情境，使得智能教育管理發揮實際功效。

4. 智能評價場景的伴隨化

智能評價場景有助于伴隨式評價目標的實現。通過采用無感的數據獲取方式，持續匯聚學習者全過程的多模態數據。例如：基于區域教育大數據的伴隨式評價，能夠直觀呈現不同區域教育發展、資源流動、信息交互水平，為管理者實施科學決策提供證據支撐[29]。又如：借助伴隨式預警系統，跟蹤學習者的學習進度和行為表現，并對學業困難的學習者給予疏導和幫助，可規避教學過程中的潛在風險[30]。

智能評價場景建設需要充分考量智能應用過程中的關鍵事件，通過伴隨式和隊列式追蹤，在智能評價場景中洞察不同指標之間的關聯水平，據此為數據采集提供參照，為教學活動設計提供依據，為行動干預提供支架。同時，智能評價場景也應考量智能應用過程中關鍵事件的重要級別，通過對各類突發事件做出相應級別的舉措響應和風險規避，切實踐行“以評促改”的評價理念，從而保障智能應用評估結果的客觀、可信。

5. 智能教研場景的循證化

智能教研場景致力于教師專業發展的循證化。首先，通過對教師行為特征進行動態表征和客觀描述，既有助于教師進行自我診斷和教研反思，也有利于教育決策者對教研活動的循證管理。同時，基于“自主—定制”“人機協同”“多人機—多元”的智能教研場景和智慧教研平臺，教師的認知視野將會更加開闊，教師教研的智慧化水平也更加高級[31]。此外，智能教研場景具備高流通性，如基于“1+N”跨區域主體的協同施力，構建區校協同的學習共同體，從而促進區校教育資源共享和教育質量提升。

智能教研場景為教師專業發展提供了技術支持，尤其需要遵循技術適宜的設計理念。一方面，智能教研場景應符合教師專業發展需求，根據教師的教研需求變化及時調整和更新教研場景，使得教師能夠置于最優教研場景中，真正實現教研活動的因“場”制宜；另一方面，教研場景的建設需要切實考量數據采集問題，如何保證教研數據獲取的完備性，如何精準捕捉規模化數據，都應是建設智能教研場景時需要考量的核心問題。

（三）智能教育場景規劃的運作規律

打造智能教育場景，需要基于其運作規律，從而落實有效可行的行動舉措。通過分析“學、教、管、評、研”等智能教育場景的研究現狀，發現智能教育場景建設需要重點考量理念、過程、評價和監管等技術要點。因此，基于上述要點審視智能教育場景的運作規律，助力智能教育場景建設的科學性、落地性和有效性。

1. 清晰明確的教育需求是首要條件

越來越多的研究者意識到，技術產品沒有清晰的應用場景是一件非常可怕的事情。智能教育場景更是如此，當智能產品進入教育領域，如若設計者不知道用戶會在什么時間、什么情境下使用智能產品，也不確定智能產品是否滿足用戶需求時，又如何提升智能教育場景的服務效率？因此，清晰明確的教育需求是推進智能教育場景建設的首要條件，同時制約著智能教育場景的落地效果。

具體到智能教育場景建設的過程中，應從三個方面明確教育需求：一是遵循“場景發掘→場景生成→場景實現→場景應用→場景成熟”的開發過程，將教育需求融入場景設計的整個流程，即需要解決什么樣的教育需求，該場景是否滿足了教育需求，以及該場景滿足教育需求的實際程度如何？二是綜合考量教育需求的迫切性和重要程度，如參照智能場景疊加、復制、連接等建設策略[32]，研判智能教育場景功能建設的先后順序，從而最大程度地滿足用戶的場景體驗。三是捕獲教育需求的支撐條件，其中，技術支持是關鍵要點，在建設智能教育場景時應綜合考量智能技術支持教育需求的實現程度，選擇適切的智能技術進行場景建設。總之，教育需求應基于知識、規則和邏輯等發生機理，同時，借助數據驅動和知識驅動的計算手段，打開智能教育應用的“需求黑箱”。

2. 場景應用的成熟度評價是中堅力量

智能教育場景的成熟度評價是其應用落地的中堅力量。具體地，如何研判智能教育場景的應用水平、如何明晰智能教育場景所處的發展階段、如何研判影響智能教育場景發展因素之間的關聯程度，正是智能教育場景有效落地的關鍵。

智能教育場景的成熟度評價為解決這一問題打開了思路。基于成熟度評價方法，一方面，通過研判某一場景在不同區域的應用狀況，并從資源傾斜、短板彌補等方面給予落后地區針對性的扶持和干預；另一方面，通過研判某一區域不同智能教育場景的成熟度水平，據此選擇成熟的、最具發展前景的智能教育場景進行實踐落地，形成“需求牽引→場景開發→成熟度評價→優化完善→應用推廣”的智能教育場景研發閉環。具體地，智能教育場景的成熟度評價需要遵循以下要點：一是場景建設思路，依托場景誕生到發展成熟的整個歷程，進行關鍵特征描述和“定級”比對分析，從而確定智能教育場景的發展框架和成熟度水平；二是影響因素思路，通過分析某一類型智能教育場景達到成熟水平的因素支持，據此構建成熟度評價體系和等級評定標準；三是綜合場景研發思路和影響因素思路，首先分析智能教育場景落地應用的系統性因素，然后在因素抽取環節采用場景建設的研發思路，始終圍繞“哪些因素將促進智能教育場景的應用落地”這一核心問題，進行逐輪迭代以形成智能教育場景的成熟度評價模型。

3. 科技向善的監管機制是落地保障

科技向善的監管機制影響著智能教育場景的落地速度，同時也決定著智能教育場景的應用成效。而且，隨著智能教育場景在倫理規范、風險管控等方面的監管機制愈加完善，智能教育場景應用推廣的現實成效也將更加令人滿意。

智能教育場景建設首先需要貫徹人本人工智能的思想，它將人置于人機協作范式的中心，強調遵循人類的倫理、共同價值觀和利益，發展可持續和負責任的人工智能教育應用[33]。具體監管過程需要注意以下四點：一是通過激勵制度、運維制度和創新制度支持，實現“價值認同—創新應用—優化推廣”的智能教育場景治理進程；二是構建規范的智能技術應用機制、管理機制、安全機制和風險預警機制，如采用API接口及統一授權的認證方式，切實對各項智能教育應用提供安全標準認定；三是打造動態監測的治理機制，通過持續觀察、追蹤和干預智能教育場景中的實踐痛點和難點，建立面向不同區域、不同類型的智能教育應用規范；四是采用多主體仿真實驗方法[34]，通過跟蹤各要素在智能教育場景中的交互過程和變化規律，以及嘗試調整影響要素和時間參數，前瞻預判該智能教育場景的行動路徑和干預舉措，保障智能教育場景的落地應用和有效推廣。

四、以場景推進智能教育的實踐路徑

場景規劃是落實教育數字化轉型的關鍵抓手，基于智能教育場景的運作規律，需要以生態營造、指數流通、持續治理為抓手，有序推進智能教育場景建設的實踐路徑。

（一）生態營造：構建一體化智能教育場景生態圈

教育生態具備虛實融合、雙向開放、業務流通等特征，如何讓正在應用或即將推廣的智能教育場景發揮價值功效，需要充分滿足教育現實需求，推動人工智能技術與教育場景的全方位融通。

海量高質量的數據是智能教育場景升級的“智慧養分”。一是加強“一數一源”治理，即溯源多元數據的源頭，減少數據重復收集而導致的資源浪費和數據冗余問題。例如：以統一認證為紐帶，促進師生身份信息的動態更新，實現管理業務的高效流通。又如：建立以學生學習和課堂教學為基礎的“智慧地圖”，通過動態補充多元主體的過程性數據，探索其進階的內在邏輯與實踐進路，從而提供適切的干預扶持。二是構造“云網邊端”一體化數據運轉流程，夯實涵蓋數據獲取、傳遞、存儲、認知、決策、使用等功能的教育數字基座，以滿足高性能、大容量的數據探索需求。三是充分發揮“數字紅利”的流通優勢，構建具備適切服務功能的“教育大腦”[35]，重點考量如何采集、匯聚和處理多模態數據，如何將數據反饋有效應用于“學、教、管、評、研”等場景的全周期和全流程，以及如何形成運轉閉環的教育數據生態鏈等內核問題。

（二）指數流通：打造動態的智能教育場景證據庫

智能教育場景建設是一個動態的復雜歷程，需要采用指數流通的思想，系統評估智能教育場景的實踐現狀。所謂指數流通思想，即采用動態前瞻的質量評估視角，通過實時研判智能教育場景建設的發展水平和未來趨勢，及時監測和預警智能應用的流通問題，從而制定針對性的行動舉措。

數據流通方面，打破“煙囪式”數據建設形態，實現離散、多源、異構數據的共建共享，為各類系統及時提供可用、安全的數據資產及推廣服務。資源流通方面，重點搭建互聯互通、應用齊全、協同服務的教育平臺，如基于云架構的資源服務模式，形成覆蓋區域的智能教育公共服務體系。同時，建立指數流通的智能應用實踐機制，尤其需要清晰界定智能教育產品的應用場景、功能定位和使用原則，具體應把握兩個要點：一是以“應用驅動”作為智能應用實踐的出發點，讓多元主體感知到智能教育場景是“減負”的化身，從而持續推進智能應用建設工作；二是持續促進智能教育創新理論和實踐經驗的有效融合，具體可參照基于設計的實踐研究共同體思想（Design-based Implementation Research，簡稱DBIR），建立人工智能教育研究聯盟[36]，通過在研究者與實踐者之間建立緊密型、自主型、伴隨型的伙伴關系，共話智能教育場景的落地方向，形塑“產學研用”協同創新的智能教育場景新樣態。

（三）持續治理：形塑前瞻的智能教育場景路線圖

智能教育場景的運作規律表明，科技向善的監管機制是其落地的關鍵保障。因此，規范智能教育場景的建設過程，前瞻布局智能教育治理的路線圖。具體來說，可依托智能社會治理實驗基地，開展面向宏觀、中觀和微觀層面的智能教育治理實驗，記錄、描述和研判智能教育場景應用的前瞻舉措，助力教育數字化轉型的高質量發展。

宏觀層面，完善智能教育場景建設的質量評估體系。例如：針對不同區域的差異化需求，制定相應的命令型工具、激勵型工具、能力建設型工具、系統變革型工具和勸告誘導型工具，同時基于分層引領的革新理念，結合不同區域實操、實踐、實戰的智能教育場景建設現狀，針對性地優化不同區域智能教育場景的運行機制。中觀層面，重視對不同區域“最近發展區”場景的二次重構，即從真實存在的教育視角和數字孿生的虛擬環境出發，實時追蹤、動態匯聚多元異構的多模態數據，規范系列實體場景、虛擬空間的數據技術標準，同時規避多元場景中原始數據的失范或異常現象，以保障智能教育場景治理的規范性和有效性。微觀層面，以人本人工智能思想為首要前提，采用數據治理與社會實驗相結合的方式，強化多主體協同治理的規則和制度，遵循“法律規則—倫理引導—預警防控—追責機制”的治理流程，打造智能社會條件下多元協同的治理機制。

五、結? ?語

教育數字化轉型呼吁智能教育生態重塑，場景規劃是智能教育應用落地的有效抓手。研究從場景賦能視角切入，對場景、智能應用場景和智能教育場景的本質內涵進行梳理，并以“學、教、管、評、研”等智能教育場景作為典型案例，進一步探討場景規劃的運作規律，旨在為智能教育場景落地提供可行的實踐路徑。本研究一方面從場景規劃視角明確了智能教育應用的落地方式，為其有效實踐與持續推廣提供理論支撐；另一方面也明晰了智能教育場景規劃的運作規律，為建設高質量的智能教育場景提供原理指導。下一階段，需要基于典型的智能教育場景，設計相應的技術場景原型，從整體應用和差異實踐層面開展社會性實驗，豐富和落地智能教育場景的建設應用。

[參考文獻]

[1] 上海市教育委員會.《上海市教育數字化轉型實施方案（2021—2023）》公布[EB/OL]. [2022-12-18]. https：//edu.sh.gov.cn/xwzx_bsxw/20211110/9a48015bacfe4af1a4eb131abef5585b.html.

[2] 袁磊，張艷麗，羅剛.5G時代的教育場景要素變革與應對之策[J].遠程教育雜志，2019，37（3）：27-37.

[3] 武法提，黃石華，殷寶媛. 場景化：學習服務設計的新思路[J].電化教育研究，2018，39（12）：63-69.

[4] 郭欣悅，吳峰，邵梁.職業教育虛實融合場景化學習活動設計研究[J].中國電化教育，2021（2）：131-136.

[5] 劉成新，羅靈燕.生活、職業與學業：移動時代的場景化學習活動研究[J].中國電化教育，2020（6）：37-44.

[6] 劉邦奇，喻彥琨，袁婷婷.智能技術賦能過程評價：目標、路徑與典型場景[J].現代教育技術，2022，32（5）：14-23.

[7] 楊曉哲，任友群. 教育人工智能的下一步——應用場景與推進策略[J].中國電化教育，2021（1）：89-95.

[8] 奚樑. 場景的解析[D].上海：同濟大學，2007.

[9] 夏蜀. 數字化時代的場景主義[J].文化縱橫，2019（5）：88-97，143.

[10] 李夢薇，徐峰，高芳.人工智能應用場景的界定與開發[J].中國科技論壇，2021（6）：171-179.

[11] 王飛躍，王曉，袁勇，王濤，林懿倫.社會計算與計算社會：智慧社會的基礎與必然[J].科學通報，2015，60（Z1）：460-469.

[12] 柴象飛. 跨界融合，醫療影像AI正當時[J].人工智能，2018（4）：60-69.

[13] LITTMAN M， AJUNWA I， BERGER G. Gathering strength， gathering storms： the one hundred year study on artificial intelligence （AI100） 2021 study panel report [EB/OL]. [2022-12-16]. https：//arxiv.org/ftp/arxiv/papers/2210/2210.15767.pdf.

[14] 科技部.科技部關于支持建設新一代人工智能示范應用場景的通知[EB/OL]. [2022-12-18]. http：//www.gov.cn/zhengce/zhengceku/2022-08/15/content_5705450.htm.

[15] HWANG G J， XIE H， WAH B W， GASEVIC D. Vision， challenges， roles and research issues of artificial intelligence in education[J]. Computers & education： artificial intelligence，2020（1）：1-5.

[16] OECD. OECD digital education outlook 2021： pushing the frontiers with artificial intelligence， blockchain and robots [EB/OL]. [2022-12-16]. https：//www.oecd-ilibrary.org/docserver/589b283f-en.pdf？expires=1667534065&id=id&accname=ocid49026773&checksum=AF535DAE79788EA366A78AB20F18C861.

[17] 田偉，楊麗萍，辛濤，張生. 科技賦能教育監測與評價：現狀與前瞻[J].中國遠程教育，2022（1）：1-11，92.

[18] 李世瑾，李睿，顧小清.如何有效推進人工智能教育？——基于多主體仿真的理論前瞻[J].電化教育研究，2022，43（12）：18-24.

[19] XIA M， SUN M F， WEI H， CHEN Q. PeerLens： peer-inspired interactive learning path planning in online question pool[C]// Proceedings of the CHI Conference on Human Factors in Computing Systems. New York： ACM，2019：1-12.

[20] LAW C Y， GRUNDY J， CAIN A， VASA R， CUMMAUDO A. User perceptions of using an open learner model visualisation tool for facilitating self-regulated learning[C]// Proceedings of the 19th Australasian Computing Education Conference. New York：ACM， 2017：55-64.

[21] DMELLO S K， KORY J. A review and meta-analysis of multimodal affect detection systems[J]. ACM computing surveys， 2015，47（3）：1-36.

[22] CHEN Y Z， CHEN Q， ZHAO M Q， BOYER S. DropoutSeer： visualizing learning patterns in massive open online courses for dropout reasoning and prediction[C]// Proceedings of the 2016 IEEE Conference on Visual Analytics Science and Technology. Baltimore： IEEE，2016：111-120.

[23] DENG H Z， WANG X M， GUO Z Y， DECKER A， ABBOTT K. PerformanceVis： visual analytics of student performance data from an introductory chemistry course[J]. Visual informatics， 2019，3（4）：166-176.

[24] JOUVENEL H D. A brief methodological guide to scenario building[J]. Technological forecasting and social change， 2000，65（1）： 37-48.

[25] SULISTIYOWATI I， SUGIARTO A R， JAMAALUDDIN J. Smart laboratory based on internet of things in the faculty of electrical engineering， university of muhammadiyah sidoarjo[C]// International Conference on Engineering， Technologies， and Applied Sciences （ICETAS）. Bengkulu， Indonesia： IOP Publishing Ltd，2020：1-9.

[26] QURESHI K N， NAVEED A， KASHIF Y， JEON G. Internet of things for education： a smart and secure system for schools monitoring and alerting[J]. Computers & electrical engineering， 2021，93（7）：1-9.

[27] CAO F， ZHU L. Research on campus attendance system based on face recognition and trajectory tracking[C]// The 2nd International Conference on Environment Science and Advanced Energy Technologies. Chongqing： IOP Publishing Ltd， 2021：1-7.

[28] ZHOU X. Application research of face recognition technology in smart campus[C]// The 2nd International Symposium on Big Data and Applied Statistics. Dalian： IOP Publishing Ltd， 2020：1-7.

[29] 吳南中，黃治虎，曾靚，謝青松，夏海鷹. 教育大數據生態圈構建：“3+3”模型的邏輯與實踐[J].中國遠程教育，2019（7）：77-85.

[30] KRUMM A E， WADDINGTON R J， TEASLEY S D， LONN S. Learning analytics： from research to practice[M]. New York： Springer， 2014：103-119.

[31] 楊欣. 人工智能助力教研變革的價值與邏輯[J].電化教育研究，2020，41（11）：27-32，86.

[32] 袁凡，陳衛東，徐銣憶，葛文碩，張宇帆，魏薈敏. 場景賦能：場景化設計及其教育應用展望——兼論元宇宙時代全場景學習的實現機制[J].遠程教育雜志，2022，40（1）：15-25.

[33] LI S J， GU X Q. A risk framework for human-centered artificial intelligence in education： based on literature review and Delphi-AHP method[J]. Educational technology & society， 2023， 26（1）：187-202.

[34] 李世瑾，王成龍，顧小清.人工智能教育治理：邏輯機理與實踐進路[J].華東師范大學學報（教育科學版），2022，40（9）：55-66.

[35] 顧小清，李世瑾.人工智能教育大腦：以數據驅動教育治理與教學創新的技術框架[J].中國電化教育，2021（1）：80-88.

[36] 顧小清，李世瑾.構建研究與實踐共同體：以AIED研究聯盟推進人工智能全方位賦能[J].中國教育信息化，2022，28（6）：46-53.

Scenario Planning： A Feasible Path to the Practice Form of

Artificial Intelligence Education

LI Shijin1，? DAI Yunqiu2，? GU Xiaoqing1

（1.Department of Education Information Technology， East China Normal University， Shanghai 200062;

2.Dianshanhu Central Primary School， Kunshan Jiangsu 215345）

[Abstract] Providing intelligent services based on "scenarios" has become a new form for the development of artificial intelligence education. In order to effectively promote the practice of artificial intelligence education， this study starts from the perspective of scenario empowerment， systematically sorts out and compares the essential connotations of scenarios， intelligent application scenarios and intelligent education scenarios， adopts the case study method to sort out the research status of intelligent education scenarios such as "learning， teaching， management， evaluation， and research"， and seeks the operation rules of intelligent education scenario planning. It is found that the operation rules of intelligent education scenario are as follows： clear and definite educational demands are the primary condition， the maturity evaluation of scenario application is the backbone， and the regulatory mechanism of scientific and technological excellence is the guarantee for implementation. In view of this， this study puts forward the practical path of intelligent education scenario planning from the aspects of ecological construction， index circulation and sustainable governance， aiming to provide objective and feasible theoretical support and design ideas for promoting the implementation of intelligent education scenarios.

[Keywords] Scenario Planning; Artificial Intelligence Education; Essential Connotation; Operation Rules; Practice Path