AI教學平臺對學生智慧技能的激勵性路徑研究

中圖分類號：G4 文獻標志碼：A 文章編號：2096-0069（2025）02-0015-10

一、研究背景與問題

近年來，深度學習的概念得到廣泛普及并獲得人們的認可，在國內外教育界產生了較大的影響力。2018年發布的《教育部等六部門關于實施基礎學科拔尖學生培養計劃2.0的意見》中提到，開展研究性教學，鼓勵學生參與科研項目訓練，促進學生自主深度學習、建構知識體系、形成多維能力。2021年2月23日，教育部在有關春季學期學校疫情防控和教育教學工作有關情況的新聞發布會上指出，各高校探索線上線下有機融合的教學方式，鼓勵教師靈活運用多種教學方法，為學生深度學習創造條件。在國外，2017年，美國新媒體聯盟發布了《地平線報告》（2016高等教育版），認為“深度學習”（DeepLearning）這一學習模式越來越多地用于描述學生通過調查研究、應對復雜問題和挑戰、以創新創造獲得知識和技能的方法[1。美國還專門成立了基礎教育深度學習研究項目組，用以研究深度學習的發生機制?？梢姡谛畔⒖萍硷w速發展、人工智能不斷普及的當下，深度學習作為培養創新型人才的有效方式，已經成為學習科學發展的新方向、新趨勢。

人工智能技術作為第四次產業革命的標志性技術，不僅改變了我們的工作與生活方式，也在深刻影響著教育模式、重塑教育生態，并對學生的學習能力提出了新的要求。掌握特定的知識、技能是教育的關鍵一環。

技能是指經過練習而獲得的合乎法則的認知活動或身體活動的動作方式[2，它具有解決問題的直接針對性。對于信息時代下生活各方面現實問題的解決，不僅需要學習者個人的具身技能，而且其理解和借助AI技術的信息與通信技術（InformationandCommunicationsTechnology，簡稱ICT）使用能力也同樣重要。

隨著人工智能技術的發展，AI教學平臺如雨后春筍般萌發。各種智能教學平臺越來越多地出現在基礎教育的數學、歷史等學科教學中，促進智能技術與教育的深度融合與發展。李孔柱（Kong-JooLee）等[]搭建了一個英文寫作測試評分系統，該系統以單個英語句子作為輸入信息，與人類教師給出的答案進行比較，并向學生提供詳細的反饋，為英語學科寫作提供了便利；斯蒂芬·赫特克里斯蒂娜·克拉西奇（StephenHutt）等[4用眼動儀監測學生在生物課上思緒游離的情況；蘇國東[5在初中數學教學中應用了一款智能教學平臺，在海量題庫中甄選試題，以分層作業和智能反饋的方式定制學生的個性化學習方案，以實現學生的整體發展。

綜合上述分析，AI教學平臺作為一種新興學習資源，如果能與深度學習模式有機結合，將深度學習的機理應用在平臺教學中，將對學生的能力發展具有重大意義。因此，本研究旨在探究在深度學習視角下，AI平臺對學生智慧技能的激勵機制，主要包括以下3個方面的內容：

1.AI教學平臺的哪些功能對學生的智慧技能具有激勵作用？

2.以深度學習的視角觀察，教學平臺的激勵性作用將在何種條件下產生？

3.如何將此激勵性路徑以實證的方式呈現，并驗證其有效性和據此提出提高學生智慧技能的體系化策略？

二、研究現狀與設計

（一）人工智能與深度學習的概念與綜述

1.深度學習的概念界定

深度學習是相對于淺層學習的概念，在1976年由瑞典哥德堡大學的馬頓（FerenceMarton）和薩爾喬（RogerSaljo）[提出，并在《學習的本質區別：結果和過程》一文中進行了詳細的闡釋，認為深度學習應追求對內容的理解，并能夠將新知識與原有知識經驗聯系在一起，其實質是實現知識遷移。恩特威斯爾（NoelEntwistle）和拉姆斯登（PaulRamsden）進一步將深度學習的內涵從單純的信息加工擴展為復雜的認知和元認知過程，比格斯（JohnB.Biggs）則強調深度學習是學習個體與學習環境的交互過程。由以上分析可知，深度學習的內涵隨著研究手段的改進，既呈現出繼承性，也呈現出發展性。

對于國內而言，在基本概念的定義上，比較有代表性的是何玲、黎家厚、安福海的定義。何玲等認為，深度學習是指學習者在理解學習的基礎上能夠批判性地學習新的理論和思想，在將新的理論和思想融入已有認識結構的基礎上，可以在繁多的思想間建立聯系，并且可以將已經擁有的知識遷移到全新的情境之中，以此作為問題決策和解決的一種學習方式。

綜合以上國內外學者對深度學習的觀點，筆者將深度學習定義為：深度學習是將新觀點、新概念與已有經驗建立關聯，將知識歸納到相關的知識系統中，使學生具有批判理解能力、信息整合能力、建構反思能力、遷移運用能力和問題解決能力的學習模式。

2.AI教學平臺的概念界定

人工智能是一種可以模擬、延伸和擴展人和其他動物智能的技術，是一門開發各種機器和智能機器的理論、方法及應用系統的綜合性學科。通常，我們將平臺定義為具有獨立生態的軟硬件系統的總稱，教學平臺則是指開展教學過程中使用的一系列軟硬件設施的統稱[9]

筆者將AI教學平臺定義為：AI教學平臺是一個以人工智能技術為依托，用于開展人工智能教學，以發展學生的信息素養，提高學生的批判理解能力、信息整合能力、建構反思能力、遷移應用能力、問題解決能力的軟件系統[10]。

目前，AI教學平臺可分為AI助教平臺、AI測評平臺、AI實訓平臺等。但是，以人工智能作為教學內容，實現助教、測評與實訓一體化的綜合性平臺卻較為罕見。筆者在參與實習研訓的活動中發現了一款某市中小學AI教學平臺。該平臺的功能包括創新實驗室、Python實驗室、硬件實驗室、AI訓練平臺四大子系統，被某市大部分中小學引入，是一個理想的研究對象。

3.人工智能與深度學習的關系研究趨勢

筆者以“深度學習”（次要關鍵詞）和“人工智能”（主要關鍵詞）為主題詞，同時為了區分教育領域與技術領域的深度學習，以“教育”作為主題詞進行限定，共檢索出331篇文獻，發表時間為2015年至2023年。從關鍵詞共現頻次來看，除人工智能（44次）、深度學習（36次）外，其他出現頻率較高（ ≥15 次）的關鍵詞還包括學習過程（20）、教育應用（17）、思想政治教育（17）、未來教育（16）、機器學習（15）等。由此可見，產學研一體化的加速發展帶來了人工智能教學觀念的革新，一線教學者越來越多地將新興技術融入教學創新，教育研究者也側重于對人工智能學習過程進行研究，并對未來教育的生態進行展望。當然，對學習結果的關注仍相對較少，這也是本研究所具有的重要意義。

（二）智慧技能的概念與綜述

1.智慧技能的概念

美國認知心理學家、教育學家羅伯特·加涅（RobertGagneé）[認為，學校的教育目標就是學生的學習結果。他從人類習得的經驗中區分出了5種學習結果：言語信息、智慧技能、認知策略、動作技能、態度。這5種學習結果實質上是對“知識與技能”做出了合理、科學的劃分。其中，相比言語信息強調知道“什么”，智慧技能則更強調知道“怎樣”，其本質在于運用概念和規則。

加涅將智慧技能定義為：一種借助于內部言語在頭腦中進行的認知活動方式。依據不同學習方式所包含的心理運算的復雜程度，可分為辨別、概念、定義性概念、規則。其特點是：動作對象的觀念性、動作執行的內潛性、動作結構的簡縮性。

本文之所以將智慧技能作為研究對象，是因為它是學校教育中學習者習得的最基本和應用范圍最廣泛的能力[12]，但實踐訓練相對匱乏，這對于學生問題解決能力的形成、綜合素質的提高將是一大阻力。

2.智慧技能的研究趨勢

與“人工智能 + 深度學習”領域不同，人們對智慧技能的關注度較低，相關研究文獻也未能與時俱進，其發展趨勢的變化幅度較大，沒有呈現出總體增長的態勢。本研究對其繪制了關鍵詞共現網絡，大致呈現出5個凝聚子群。從關鍵詞共現頻次來看，除智慧技能（26）外，內部言語（17）、動作技能（14）、教學效果（12）、學習過程（12）、心智活動（11）也是引用頻次較高的關鍵詞。這表明對智慧技能的研究集中于教育心理學領域，對于實踐應用領域的相關研究則更多地涉及數學、物理、藝術、音樂等具體學科，而對于信息技術、人工智能教學領域的研究相對匱乏?？傊?，對智慧技能的研究多集中于教育心理學領域，其理論更新相對滯后。

（三）整體研究設計

本研究采用文獻研究法、問卷調查法與實驗法相互結合的方式，分為3個部分進行，分別為AI教學平臺對學生智慧技能提升效果的調查（效果調查）、激勵性路徑模型的構建與驗證（模型構建）、路徑作用于人工智能教學的適用策略探索（策略探索）。這3個部分層層遞進，在邏輯上互為因果關系。

三、AI教學平臺對學生智慧技能提升效果的調查

首先應當思考的是：AI教學平臺的哪些功能能夠對個體在認知、情感、行為層面上產生影響，以及產生何種正向影響？其是否存在規律性的影響機制？基于此，本研究決定進一步通過大規模的問卷調查，對學生使用AI教學平臺、參與人工智能課堂情況展開調查。

（一）效果調查研究設計

采取實驗法，以某市A小學的六年級學生作為實驗對象，比較應用AI教學平臺前后小學生智慧技能的差異。

1.實驗設計

本試驗采用單組前測后測設計，檢驗基于AI教學平臺的課程教學與傳統的、不采用AI教學平臺的教學對于學生智慧技能提升的影響效果，由此得出3個實驗假設：

假設1：與傳統信息科技教學相比，基于AI教學平臺的課程能夠使學生在智慧技能上有較大的提升。

假設2：與傳統信息科技教學相比，基于AI教學平臺的課程能使學生擁有更多的積極情感。

假設3：與傳統信息科技教學相比，學生在學習基于AI教學平臺的課程時所產生的積極情感對學生智慧技能的提升有顯著的激勵作用。

本實驗的步驟如下：首先，對兩組實驗對象進行前測，分析小學生智慧技能的初始水平；其次，對學生運用某市AI教學平臺進行教學，促進他們的智慧技能發展、積極情感產生，開展實驗處理；最后，對兩組前測結果在認知、情感層面上進行后測，通過對比得出提升效果，驗證假設1、 2^[13] 。假設3將根據智慧技能提升調查問卷，結合本文后面提到的激勵性路徑模型加以驗證。

2.實驗工具

本實驗的測量工具包括認知的前、后測試題（以下簡稱試題），以及智慧技能提升調查問卷（以下簡稱問卷）兩套三份。其中，前、后測試題是基于某市地方教材《人工智能》三年級下冊第五課“讓電腦說話”來編寫的；調查問卷則不限課程，探討對象是基于人工智能平臺的任意課程。量表詳細設計見表1、表2。

（二）效果調查實施

參加本次實驗的學生此前并未采用AI教學平臺進行學習，故在授課前向學生發放前測試題，實驗干預為通過AI教學平臺向學生講授“讓電腦說話”一課，課后發放后測問卷讓學生填寫。發放周期為兩周。共計回收前測測試卷185份，后測測試卷117份。針對測試題的對比情況，使用配對樣本t檢驗進行效果分析，其結果如下頁表3所示。

1.辨別學習效果分析

辨別是指面對不同的刺激物，能夠識別其不同的物理特征，并做出針對性的反饋。如表3所示，辨別學習的前后測差值為 -0.143 ，雙側檢驗的顯著性水平為 0.336gt;0.05 ，說明基于人工智能平臺開展的教學雖對學生的辨別學習有一定效果，但提升并不明顯。其原因在于：（1）本課的教學目標在于造物，重視梳理邏輯，而對流程圖基礎原理不甚重視；（2）學生在入門能力上，對模塊功能組接的操作能力不足，而原理講解的重要性相比則較低。

2.概念學習效果分析

概念學習是指從具體事例中學習有關事物的定義、特征等信息。相較于定義性概念，它更強調學習者的感知。如表3所示，概念學習的前后測差值為-1.313，雙側檢驗的顯著性水平為 0.001lt;0.05 ，說明兩組數據之間存在顯著性差異，基于人工智能平臺所開展的教學對于學生掌握概念有顯著的提升效果。

在人工智能編程實驗室界面中，提到朗讀與解讀在功能實現上所需要注意的差別與誤區，這樣的指引可以避免學生在聽完教師講解后因鉆研代碼而產生較大的認知負荷，使學生對于學習內容的感知更為深入。

3.定義性概念學習效果分析

定義性概念是指通過下定義的方式學習事物概念的內容。如表3所示，定義性概念學習的前后測差值為-0.446，雙側檢驗的顯著性水平為 0.002lt;0.05 ，說明兩組數據之間存在顯著性差異。本課以古人行酒的一個文字游戲“飛花令”為情境，它的概念是在教師講授任務的過程中向學生口頭陳述，并加以板書指引的。在本堂課中，學生通過圖形化編程，思考與機器人不停進行詩詞交互的實現原理，在將編寫好的程序進行運行的過程中，即電腦問答的過程中實現了對“飛花令”的深層理解。這體現了教師所運用的深層次交互策略。

4.規則學習效果分析

規則學習要求在規則的情境下學會運用程序解決問題。本堂課的規則教學體現在3個方面：編寫程序、語音合成、調試程序。三者層層遞進，構成了本節課知識結構的邏輯主線。

針對編寫程序的學習，其前后測差值為 -0.518 雙側檢驗的顯著性水平為 0.013lt;0.05 ，說明兩組數據差異顯著。程序的編寫能力是一種晶體智力，一般隨著練習量的增多而提升。因此，對于編程基礎較好的學生來說，其提升效果相對更為顯著。

針對語音合成的學習，前后測差值為 -0.411 ，雙側檢驗的顯著性水平為 0.043lt;0.05 ，說明兩組數據差異顯著。值得注意的是，樣本的標準差由前測的0.843上升到了后測的1.097，表明經過本堂課的學習，雖然學生整體對語音合成規則的掌握程度有所提高，但是個體之間的差距較大，教師應更注重促進學習者之間的交互，發揮同伴學習的作用，使學生做到取長補短。

針對調試程序的學習，前后測差值為 -0.634 ，雙側檢驗的顯著性水平為 0.027lt;0.05 ，說明兩組數據差異顯著。調試程序所需要的元認知能力要求學生的思維從具體可逆性向抽象可逆性發展，提出了部分超越學生現有發展水平的能力要求。因此，從前后測的平均標準差可以看出，部分基礎扎實的學生掌握得較快，獲得了自我調試程序的能力。其他相對后進的學生仍需努力。

（三）小結

總體而言，辨別學習的提升效果不顯著，概念學習和定義性概念的提升效果較好，得到了平臺功能和教學資源的雙向支持和賦能；規則學習的效果在個體之間差異較大，基礎較好的學生更容易獲得較快的發展。學生在課上主要運用的功能是創意實驗室，這是促進學生深度學習發生的主要物理環境，故假設1、2得以驗證。

四、模型的構建與驗證

（一）假設模型的設計與繪制

回顧假設3：與傳統信息科技教學相比，學生在學習基于AI教學平臺的課程時所產生的積極情感對學生智慧技能的提升有顯著的激勵作用。

由此，基于個體、交互、環境、情感、認知5種因素，分別做出如下子假設：

H₁ ：在基于AI教學平臺的教學模式下，個體因素對情感因素存在積極影響。

H₂ ：在基于AI教學平臺的教學模式下，交互因素對情感因素存在積極影響。

H₃ ：在基于AI教學平臺的教學模式下，環境因素對情感因素存在積極影響。

H₄ ：在基于AI教學平臺的教學模式下，情感因素對認知因素存在積極影響。

利用AMOS22.0進行模型繪制，如圖1所示。

（二）數據收集與分析

向某市A小學學生發放問卷，共回收問卷341份。問卷第16題為注意力測試題：這題請選擇“不同意”。根據該題填答情況可篩選出有效問卷，共309份，有效率達到 90.62% 0

1.收斂效度分析

收斂效度分析結果如表4所示。

擬合優度的卡方檢驗是最常報告的擬合優度指標，與自由度一起使用可以說明模型正確性的概率。該模型的實測值為2.172，符合預期值，表明模型擬合較好。Tucker-Lewis指數（TLI）、比較擬合指數（CFI）、近似誤差均方根（RMSEA）同理，可見該模型擬合效度良好，測量題項之間的一致性可以接受。

2.結構模型檢驗

在結構模型檢驗上，通過計算得出本研究的實際參數值如表5所示。由表5可見，標準化因子載荷均在0.5以上，最低值為定義性概念（0.551），最高值為教師因素2（0.879）；CR值均在0.8以上，表明符合預期標準，結構方程模型通過檢驗。

3.假設檢驗

模型假設檢驗的結果如下頁表6所示。其中， p 值表示原假設前提下發生了極端情況的概率，如 plt;0.05 ，說明在假設前提下發生極端情況的可能性很小，假設的一般情況容易發生。

從表6中可見，只有假設 H₁ 下的個體因素對情感因素有正向影響的路徑不滿足 Zgt;1.96 ！ plt;0.05 的標準，其余3個假設均成立。

4.效應分析

本研究采用結構方程模型表征了基于AI教學平臺的智慧技能訓練的激勵性路徑。對于人工智能教學的主體來說，交互因素和環境因素對情感因素具有直接而重要的影響，路徑系數分別達到0.659、0.622；個體因素對情感因素的影響相對間接、隱性，這是人工智能教學存在的局限性所致，不可忽視；情感因素作為中介變量，主要在交互因素與環境因素的影響下塑造學生的認知，對學生的認知具有較強的激勵作用，其路徑系數達到0.957。

由此，我們得出了在深度學習視域下，AI教學平臺對學生智慧技能訓練的激勵性路徑模型，對假設3的驗證可作出結論：與傳統信息科技教學相比，學生在學習基于AI教學平臺的課程時所產生的積極情感對學生智慧技能的提升有顯著的激勵作用，且在交互和環境兩個層面上表現得尤其明顯。

五、路徑作用于人工智能教學的適用策略探索

針對前述分析，結合深度學習的策略體系，現構造基于模型驗證，通過學習準備、學習過程、學習結果3個階段，個體、交互、環境、情感、認知5個維度相互交叉的立體化的人工智能教學適用策略體系。

（一）學習準備

1.學生個體間應充分交流，營造學習人工智能的文化氛圍

信息科技課組的教職人員應與校領導充分協商，通過班級黑板報、班會活動、知識競賽等渠道，宣傳人工智能、AI方面的知識，使學生浸潤在人工智能的文化氛圍下，潛移默化地提高學生間交流人工智能社會現象、科學知識的交互行為，發揮同伴教育的作用，使學生的起點水平保持較小的差距，便于班級授課的順利開展。

2.教師應充分使用平臺的學情分析、教師成長等功能，并拓寬學生使用的功能范圍

要想使學生對AI教學平臺有更深刻的認知，教師需要對平臺有充分的認識與理解，不僅要把平臺作為評價工具、管理工具，而且要把平臺作為學習工具、改進工具。信息科技教師應與科研單位建立溝通聯系，開發更多適合學生使用的功能，通過校本研學、校際聯盟研發更多的教學課程形態，以匹配平臺的新型教學功能。

3.設置個性化答疑功能，以平臺創新助推教學改進

針對某些特殊兒童起點水平較低，難以融入學生討論群體的情況，應為其設置個性化答疑與配套教程，供其在課堂上以自學與聽講相結合的方式進行學習。同時，個性化答疑的創新也可及時給予學生指導，實現了程序式教學的即時反饋，提高了學生的即時獲得感。

（二）學習過程

1.個體層面上，應根據學情分析，平衡師生各自的活動時間

根據皮亞杰的認知發展階段理論，三年級的學生多處于具體運算階段，學生之間的抽象概括水平、思維的靈活性都存在不少差別，具體到每個班的差異則更大。信息科技教師應基于平臺的學生作業完成和批改情況、學生課堂表現情況及詳情等數據做好學情分析，科學規劃不同內容的師生活動時間，確保在教師的有效指導下，學生自主自發開展實踐活動，實現深度學習。

2.交互層面上，設置討論環節，鼓勵互幫互助

不少學生在課堂上的討論是與教學無關的話題，這樣的討論無疑阻礙了教學的有效開展。既然學生熱衷于討論和交流，那么教學者不如順勢而為，開設討論環節，并事先擬定各組的討論自的是為了解決何種問題，通過任務驅動的方式使學生自覺討論與人工智能課程相關的學習內容，在實操的過程中，要求學生互幫互助，形成學習共同體。

3.環境層面上，改革教學組織形式，分解教師的紀律管理職責

在個性化教學趨勢的影響下，傳統“教師－學生”二元互動模式顯現出在響應學生多樣化學習需求方面的局限性，這在一定程度上加劇了教師在平衡個別關注與整體教學進度之間的挑戰。因此，應對傳統的教學組織形式進行改革，不僅要建立分組教學制，還要使組規正式化、明確化，將每組的紀律表現納入獎勵考評。紀律員同時也可以承擔起協同引導者的角色，在組內學生遇到困難時負責分擔教師的壓力，幫助組內成員解決疑難問題，形成適合深度學習發生的人文環境。

4.情感層面上，重新甄選教學案例，與青少年亞文化相適配

甄選一些契合青少年亞文化的角色、背景、情境等元素融入教學，不僅能夠在個體活動上獲得更頻繁的回應，在學生相互交流討論的過程中激發學生的熱情，還能在集中學生注意力方面發揮更大的作用，減少紀律管理方面的繁重工作。這也充分說明了作為中介變量的情感對學習全要素的聚合作用。

（三）學習結果

1.加強背景知識與學生生活的聯系，提升辨別學習的效果

教學所創設的情境應當結合學生的生活體驗，便于學生感知，以提升學生辨別的可能性。

2.概念學習要突出先導作用的發揮，調動學生的學習動機

概念學習要注重對學生洞察力的發掘，鼓勵學生通過情景導人形成較高水平的學習動機，開展高效的深度學習。

3.根據學生的認知風格，設計好定義性概念的學習方式

在人工智能課堂上，針對不同的教學對象、教學場景、認知風格，應對概念學習和定義性概念學習加以區別，設計匹配學生學情的學習方式，把握適宜的概念抽象程度。

4.注重因材施教，加強規則學習

人工智能教學除了向學生傳授代碼編寫知識，還應該充分開發其他的教學功能，如硬件、python、通用技術、3D虛擬仿真等，使學生掌握各種技術的操作程序。5

參考文獻

[1]亞當斯貝克爾，卡明斯，戴維斯，等，新媒體聯盟地平線報告：2017高等教育版[J].殷丙山，高茜，任直，等譯.開放學習研究，2017（2）：1-20，62.

[2]陳琦，劉儒德.當代教育心理學[M].北京：北京師范大學出版社，2007：15-16.

[3]LEEKJ，CHOIYS，KIMJE.Buildinganautomated English sentenceevaluationsystemforstudents learningenglishasasecond language[J].Computer Speechamp;Language，2010，25（2）：246-260.

[4]HUTTS，KRASICHK，MILLSC，etal.Automated gaze-based mindwandering detection during computerized learning in classrooms[J].UserModelingandUser-Adapted Interaction，2019，29（4）：821-867.

[5]蘇國東.智能教學平臺助推數學作業管理精準化[J].教育傳播與技術，2022（6）：50-53.

[6]MARTONF，SALJOR.Onqualitativedifferencesin learning：I—Outcome and process[J]. British Journal of Educational Psychology，1976，46（1）： 4-11.

[7]沈霞娟，張寶輝，曾寧.國外近十年深度學習實證研究綜述：主題、情境、方法及結果[J].電化教育研究，2019，40（5）：111-119.

[8]何玲，黎加厚.促進學生深度學習[J].現代教學，2005（5）：29-30.

[9]唐艷華，馬曉靜，帕提曼·卡力，等．新疆電大課程網絡教學平臺一體化建設有效性研究：基于中國文學基礎課程實踐[J].科技資訊，2022，20（22）：165-168，181.

[10]穆肅，王孝金.參與和投入而非膚淺和簡單：在線學習中的深層次學習[J].中國遠程教育，2019（2）：17-25，92-93.

[11]加涅.學習的條件和教學論[M].上海：華東師范大學出版社，1999：46-64.

[12]黃艷芳．“學習分類理論”中智慧技能的教學策略[J].時代農機，2016，43（1）：136，138.

A Study on the Motivational Path of Al Teaching Platform for Students’ Intelligent Skills

Based on the Perspectiveof Deep Learning

LiZhuowei1，Zubaidai Yasheng2，Mu Su （1.DeparttoailioolguttiotlUsityuto China 200333;

2.Facultyofducation，Universityofacau，Aomen，hina999078;

3.InstituteoiialtellgeneinucatonouthiaalUeityangoangdog6）

Abstract： Based on the current status of insufficient attention from the academic community to the conditions forlearning outcomes and deeplearning，as wellas therelativelack ofitelligent skills inthefeldof AI teaching，a surveyquestionnaireand pre-and-post test questions on the improvement of students’inteligent skills byAI teaching platforms are developed first to study the training effect ofAI platform applications guided by deep learning theory and learning outcomes theory. Then， the motivational path model is validated using structural equation modeling （SEM），and a three-dimensional teaching strategy system is proposed， including： （l）intermsof learningpreparation，individual learners should havesufficientcommunicationand build a cultural atmosphere for learning AI; teachers should fully utilize the platform's functions and expand the scope of functions used by students; personalized Qamp;A should be set up to achieve platform innovation; （2） in terms of the learning process，multiple measures are involved in the following four aspects： individual， interaction，environment，and emotion; （3）in terms of learning outcomes，the connection withdaily life should be strengthened; conceptual learning precursors and student motivationshould be emphasized; learning methods should be designed based on cognitive style; and rule learning should be enhanced.

Keywords：Deep learning;AI teachingplatform; Smartskills