促进人工智能教育的可持续发展

任友群 万昆 冯仰存

摘要：人工智能赋能教育已成为未来教育变革的重要趋势。2019年3月，联合国教科文组织发布《教育中的人工智能：可持续发展的挑战和机遇》的报告，提出了人工智能教育发展的愿景、目标、途径、挑战等。人工智能教育发展的愿景是促进人工智能教育的可持续发展;人工智能赋能教育的目标是改善学习和促进教育公平;为人工智能教育时代做好准备的两个途径是：构建面向数字化和人工智能赋能世界的课程，通过后期教育和培训增强人工智能能力。报告提出人工智能教育发展的六个挑战：提升制定全面的人工智能公关政策的能力;确保教育中人工智能的全纳和公平;教师与人工智能驱动的教育的双向准备;开放、高质量和包容性强的教育数据系统构建;人工智能教育相关研究的重要价值发挥;数据收集、使用和传播伦理的关注。报告对我国发展人工智能教育有如下启示：坚持立德树人，培养具备人工智能思维的中国公民;消除数字鸿沟，警惕人工智能的马太效应;构建公平而有质量的人工智能教育生态系统;以跨学科融合促进高校知识生产模式转变;新技术赋能人工智能教育;重视人工智能教育发展的伦理问题。

关键词：人工智能;智能教育;教育公平;可持续发展;联合国报告

中图分类号：G434   文献标识码：A    文章编号：1009-5195（2019）05-0003-08  doi10.3969/j.issn.1009-5195.2019.05.001

人工智能赋能教育已成为未来教育变革的重要趋势。通过人工智能技术重塑教育生态，发展智能教育已经成为当前甚至是未来的教育新议题。与传统教育不同，智能教育的特点是以人工智能为代表的智能技术，加快推动人才培养模式变革，实现规模化教育与个性化培养的有机结合（黄荣怀等，2019）。面对人工智能这一“老且新”的技术，如何发挥其最大效力使其赋能教育？当其成为教育的重要分支——人工智能教育后，如何促使其可持续发展？以及其发展中面临的机遇与挑战是什么？这些问题都亟待解决。2019年联合国教科文组织发布了《教育中的人工智能：可持续发展的挑战和机遇》（Artificial Intelligence in Education： Challenges and Opportunities for Sustainable Development，以下简称为《报告》），《报告》从三个方面着重探讨了教育中人工智能可持续发展的相关问题：一是利用人工智能改善学习和促进教育公平;二是利用人工智能为学习者的未来做准备;三是人工智能在教育中应用的挑战和政策影响，报告的总体框架如图1所示。《报告》代表了人工智能教育发展与变革的新趋势，对我国发展和引领人工智能时代的教育具有重要意义。以下将结合报告三部分内容进行解读分析，以期对我国人工智能教育发展有所启示。

一、何以赋能：人工智能改善学习和促进教育公平的空前机遇

诚如理査德·梅耶所说：“每当一项新技術被引入教育实践中，往往会被寄予巨大的期望”（Mayer，2014），人工智能技术也是如此，但就当前而言，人工智能在教育方面的应用机遇和挑战并存。这在很大程度上是因为教育系统异常复杂，人们并不是天然愿意在传统教育中依托技术进行变革。变革往往发生在人们对新技术的价值认同之后，而《报告》无疑是其中的导航器。《报告》提出，人工智能的愿景是改善学习和促进教育公平。为实现这一愿景，人工智能需要聚焦在以下两个方面：

1.通过人工智能改善个性化学习

可持续发展目标旨在确保全纳和公平的优质教育，并为所有人提供终身学习计划，它强调终身平等的学习机会。人工智能技术用于确保全纳和公平的教育机会。它可为不同地区、不同种族、不同性别的人们，特别是边远地区、特殊群体等提供适当的学习机会。计算机支持的协作学习可为学生的学习提供多种选择，其中在线异步讨论是计算机支持协作学习的核心。随着人工智能技术的发展，基于机器学习的人工智能系统可以用于监控异步讨论，从而为教师提供有关学习者讨论和支持的信息，以指导学习者参与学习，实现学习者的个性化学习。

2.数据驱动的教育管理信息系统

数据驱动的决策将成为许多学校和地区教育改革的重点。教育大数据的产生，为人工智能算法对数据进行分析提供了基础，也为学校和教育管理者作出数据驱动的决策提供了参考，从而不断改善教育。人工智能技术将赋予教育管理信息系统新的功能。基于该系统，人工智能可以使用向量机、卷积神经网络、循环神经网络等机器学习来分析教育大数据，动态生成学校和地区教育报告。同时，人工智能算法还可以根据数据信息进一步产生教育决策报告，从而更好地改善学校和地区的教育;也可以通过学习分析技术对学习的学习过程进行量化、诊断、评估、分析，为教师提供实时反馈，为教师教学做出科学决策，以服务于学习过程，优化学习设计。目前学习分析技术采用了基于统计的大数据技术、机器学习算法、数据挖掘等技术处理大量数据。

二、筹谋未来：面向人工智能时代人才培养的实施路径

通常，社会企业往往是人工智能等新技术应用的先行者，企业需要具备人工智能技能的人才，对教育来说则意味着人才培养方向要顺应劳动力市场并做出相应调整。具体讲就是要从课程重构和能力培育两个方面发力，培养适应人工智能时代发展要求的未来人才。

1.构建面向数字化和人工智能赋能世界的课程

教育对于智能时代的生存和发展具有重要的作用。为了弥合人工智能带来的“技能鸿沟”，我们不能简单地应用教学技术，更重要的是重新思考现在的教育内容和方法。《报告》所探讨的课程变革表明，亟需定义新的符合智能时代发展的“AI 胜任力”，这是一种超脱基本ICT的胜任力，是各国在融合21世纪技能制定各自教育规划时需要定义的学习者利用计算机技术、方法、思维解决问题的技能。针对这一主题，《报告》着重探讨了相关框架。

（1）数字胜任力框架

在人工智能赋能的社会，发展新的技能来创造和解构数字技术是非常重要的。对此，《报告》重点讨论了四个致力于发展师生数字胜任力的框架。其一，UNESCO于2018年制定《数字素养测评全球框架》（Antoninis et al.，2018），在参考计算机素养、ICT素养、信息素养和媒体素养的基础上，概括出的胜任力7方面内容分别是：硬件与软件基础、信息与数据素养、交流与协作、创建数字内容、安全、问题解决、与职业有关的能力。其二，2011年UNESCO推出《教师信息与通信技术能力框架》，强调了数字技术在支持6个关键知识领域中的作用，这6个领域即教育中ICT的理解、课程与评估、教学法、ICT、组织与管理、教师专业学习。此外，框架还指出，对于教师来说，拥有管理数字技术并将其传授给学生是远远不够的，教师必须帮助学生习得使用数字技术并进行高效协作和创造性问题解决的能力。其三，2016年UNESCO和爪哇大学联合开发《教育学层面的ICT能力和标准》，目的是为在知识和信息社会中面临教学挑战的教师提供所需要素质的培训愿景。即作为培训基准，通过评定教师信息通信技术的采用水平及其教育用途，来提高各级学校的教育质量。其四，欧盟提出支持个人数字技能发展的欧盟数字素养框架（Ferrari，2013），描述了当今学习者需要的能力，即在工作、就业、学习、休闲以及社会参与中，能够以可靠、协作和创造性方式使用数字技术的能力。该框架由5个能力域组成，即信息和数据素养域、交流与合作域、数字内容创建域、安全意识域和问题解决域。

（2）计算思维

计算思维是未来智能时代所需要的核心素养，也是学习者适应人工智能社会的关键能力。目前，许多国家都开始将计算思维纳入各自课程教学的探索。例如，2012年英国皇家学会发表了一份报告建议：信息技术课程向计算机科学和计算思维转变。根据这个报告的结果，英国在2014年重新设计并实施了新的计算机课程，目的是促进学习者对计算机科学的基本原则、概念及其应用的理解，培养其以计算术语分析问题和编写计算机程序来解决这些问题的能力。值得一提的是，我国也于2017年将计算思维纳入了普通高中信息技术课程标准并作为一项学科核心素养。此外，爱沙尼亚、阿根廷、新加坡、马来西亚等国家也在不同程度上，将计算思维培养以编程、机器人、创客教育等形式纳入了整个课程教学体系之中。可见，将计算思维纳入教育中是世界上许多国家和地区的普遍选择。同时，这也彰显出从基本的数字素养到计算思维能力的明显转变，而不仅仅是教授数字知识和操作技能。

2.通过后期教育和培训增强人工智能能力

面对人工智能的迅速发展，中国、法国、美国等纷纷制定了人工智能发展战略以促进人工智能全面发展。虽然基础教育阶段人工智能人才培养至关重要，但是目前各国更为关注后义务教育阶段的人才培养。

（1）高等教育

通过高等教育研究和发展人工智能，是各国政府解决各自技能差距的主要方法之一。为了提升各自在人工智能方面的能力并成为该领域的领导者，许多国家都在大力吸引人工智能研究和实践方面的人才。例如，法国通过创建研究实验室，以更多的激励政策吸引大量的人工智能研究人员，并希望实现人工智能本科、硕士、博士完整的人才培养体系，完善职业教育和培训，研制人工智能课程。法国还将通过产学研合作的形式，利用学校-企业、大学-研究机构合作创建人工智能研究院。

（2）职业技术教育与培训

职业技术教育与培训机构应当提供包含人工智能相关能力的课程，特别是培养人们适应智能时代技能与劳动力市场变化的能力。在一些国家，终身学习被理解为基本技能和成人扫盲方案。国际劳工组织重新定义了终身学习，并认为人们对终身学习重新产生兴趣的部分原因是工业界有意将终身学习视为新的技能，并逐步形成发展战略。德国和新加坡都已经发起了职业技能培训计划，确保每个人都可以接受相关培训以提高职业技能。联合国教科文组织的信息和通信技术教育也正在发起一项“为青少年提供人工智能”的倡议，其重点是培养青少年的人工智能技能。

（3）非正式学习

非正式学习是發展人工智能教育的另一种途径，如MOOC学习等。事实上，MOOC平台是非正式学习人工智能相关技能课程最好的平台，而且MOOC学习平台也使用了人工智能技术，如应用自然语言处理和机器学习，进行自动评分等。也有学者已经开始研究人工智能在MOOCs和混合式学习中的应用，通过人工智能技术为学习者提供个性化学习建议（Chaudhri et al.，2013）。目前，也出现了许多非正式在线学习社区，如协作编程学习社区、社区论坛系统等。衡量这些非正式在线学习平台绩效的关键指标是：学习者的学习参与度、坚持度、完成度、满意度等。未来，在人工智能技术的帮助下，衡量这些非正式在线学习平台可以采用更加复杂的评估体系，收集到更加客观、全面、准确的数据。所以，各国政府要高度关注终身学习的数据并进行监测、评价，从而使学习更加有效。

三、直面挑战：发展人工智能教育和人才培养的风险应对

在教育领域，技术可以帮助解决不平等吗？发展中国家如何开发改善教育的人工智能解决方案？公共政策如何赋予教师权利？这些都是人工智能可能面临的挑战。对此，《报告》将其总结如下：

挑战一：提升制定全面的人工智能公共政策的能力

面对人工智能技术的全面发展，教育部门既是应用者，也是参与者。在各国制定的人工智能发展战略中，教育是关键。一方面，人工智能在改进教育体系方面有着巨大的潜力;另一方面，人们期望教育系统能培养出适应人工智能社会的学习者。当前，人工智能发展大多来自私有机构（如IBM、Pearson、Knewton、Coursera等）的推动，许多政府都在努力促进这些私营部门与人工智能教育的融合。专家预计在2017-2021年间，人工智能教育市场将增加50%，这对政府来说无疑是一大挑战。

政府行使职能管理国家在很大程度上是通过政策实现的，然而目前有关人工智能教育的公共政策制定仍处于起步阶段，无法应对人工智能领域的创新速度。这就要求政府在制定政策时：（1）必须与私营部门建立伙伴关系，以扩大人工智能生态系统，因为公共部门无法单独在如此复杂的技术层面进行创新;（2）人工智能产业生态系统必须创造新的筹资机会，为人工智能专家的形成和培训开发提供支持;（3）利用自适应性学习平台、在线评估等技术释放人工智能在教育方面的潜力;（4）促进可持续发展的人工智能教育公共政策必须在国际和国家两级建立伙伴关系，以建立一个为可持续发展服务的人工智能生态系统。

挑战二：教育中人工智能的全纳和公平兼顾

人工智能技术也可能是一种破坏性的技术，并可能加剧现有的不平等和分歧，因为边缘化和处境不利的人口更有可能被排除在人工智能教育之外，其结果是产生一种新的数字鸿沟（Hilbert，2016）。全纳和公平是人工智能教育的核心价值。决策者在制定政策时，应当提出若干与全纳和公平相关的问题。例如，发展中国家迫切需要什么样的基础设施条件才能使人工智能教育成为可能？如何在互联网接入方面为数字权利的获得建立可持续和公平的条件？人工智能如何为弱势群体提供教育服务？人工智能教育如何在发展中国家更快地增长，以缩小世界上穷人和富人之间的教育差距？人工智能教育在哪些方面可以缩小性别差距？

最近的研究描述了发展中国家将人工智能融入教育的障碍，其中主要包括信息和通信技术硬件的可用性、互联网的可靠性、数据成本、学生的基本信息和通信技术技能、语言与文化差异等（Nye，2015）。因此，消除数字鸿沟，确保教育中人工智能的全纳和公平是人工智能教育可持续发展的重要因素。

挑战三：教师与人工智能驱动的教育的双向准备

教师要为人工智能驱动的教育做好准备，并让人工智能理解教育，但这必须是双向驱动的：教师必须学习新的数字技能，以便以教育和更有意义的方式使用人工智能;而人工智能开发者必须懂得教师的工作，以促进人工智能教育的可持续发展。未来，教师的角色也将发生转变，教师将与人工智能协同合作，各自发挥自己的优势。人工智能技术将帮助教师完成一些机械性工作，也可以是教师的助教，以实施个性化、精准化的教学（余胜泉，2018）。所以说人工智能可以取代教师的观点是不正确的，因为它忽略了教师在支持学习过程中的重要性，忽略了教师在创造性和社会情感方面的重要性，而这些远远超出了知识传播的范畴（Bali，2017）。

那么，教师如何能够更好地理解人工智能时代的教育并为之做好准备？对此《报告》指出，为了有效地使用人工智能技术，教师还需要习得以下新的能力：（1）了解人工智能驱动的系统是如何改善学习的，从而使他们能够对新的人工智能教育产品作出正确的价值判断;（2）掌握数据分析技能，使他们能够解释由人工智能技术支持系统提供的数据，并能对数据进行收集、挖掘、分析、处理等;（3）能够批判性地看待人工智能和数字技术影响人类生活的方式，以及计算思维和数字技能的新框架，以提高学生理解人工智能力量、危险和可能性的能力;（4）能够利用人工智能来完成重复性的任务，使其能够去做更多他们以前没有时间做的工作，如情感交流、人际交往等;（5）教授学习者获得那些可能不会被机器取代的技能和能力。

挑战四：开放、高质量和包容性强的教育数据系统构建

数据之于人工智能就如燃料之于发动机，构建开放、高质量和包容性强的教育数据系统是人工智能教育可持续发展的重要前提。一个具有全面和最新数据的全功能数据分析系统，能够为启用人工智能预测和机器学习算法提供无限可能性。毫不夸张地说，数据决定了人工智能系统的应用成效。令人担忧的是，目前许多国家仍在不遗余力地收集那些基础但并不重要的教育数据。因此，对各国来说当务之急是构建优质的教育数据系统。鉴于此，《报告》提出高质量的教育数据系统需要具备三个特征：第一，数据的准确性。准确性和可靠性是数据分析的前提，因为不准确的数据可能会使机器学习算法产生不正确的输出;第二，数据一定程度的开放和不断更新;第三，数据还必须考虑到诸多不平等因素，如年龄、性别和社会经济背景。如2016年联合国儿童基金会的一项研究表明，在接受调查的40个国家中，有19个国家缺少关于残疾儿童的相关数据。

挑战五：人工智能教育相关研究的重要价值发挥

《报告》指出，未来几年教育领域对人工智能的研究将会层出不穷。尽管技术改变教育的潜能经常被提及，但这种潜能尚未如期望的那样得以发挥。回顾技术在教育中的应用，发现人们对技术对学校教育质量的影响知之甚少，有关技术对学习实际影响的研究也并不多。对于这种现象，人工智能在教育方面的发展似乎是又一鲜明的例子。对人工智能的使用与教育绩效之间的关系这一悬而未决的研究问题，《报告》提出，可以通过相关性来探索，但是必须进行相应的实证研究和实验，以建立一个有用的知识库。也就是说，以后的研究必须从不同的方向进行实证，而不是简单的“只说不做”。

对于技术来说就是，新技术应用能否让学习者学得更多、更好、更不同。由于教育的复杂性，于技术有关的教育研究往往很难得出具有普适性的结论和策略。人工智能教育要通过研究来验证策略的有效性然后再进行应用推广。对于发展中国家所面临的教育挑战来说，并不存在通用的技术解决方案，人工智能也非万能之策。在研究成果进行实践转化过程中，必须立足于本国的实际诉求，以扬弃的态度合理采纳。对其中的矛盾和不适之处，需提出正确的研究问题，进一步以研究克之。

挑战六：数据收集、使用和传播伦理的关注

数据是人工智能的基礎。大规模收集、使用、分析和传播数据的伦理道德是制定人工智能政策框架的另一个重要因素。越来越多的教育机构使用机器学习算法接受或拒绝学生。这种方法的两个潜在问题包括：缺乏可解释性和不公平对待。人工智能系统可以评估学生的初始水平，根据集体智慧和个人经验指导学生完成课程，自动评估测试结果。数据隐私和安全性几乎出现在所有有关数据伦理的讨论中。但其中主要挑战在于使用个人数据的同时确保个人身份信息和个人隐私偏好得到保护。然而，目前除欧洲以外，其他地区只有不到30%的国家制定了全面的数据保护法。因此，在人工智能教育发展中需要明确数据收集、使用和传播方面的伦理道德。

4.新技术赋能人工智能教育

回顾信息技术发展的历史，每一次技术的变革都将引起教育变革的浪潮。在移动互联、万物互联的背景下，当下最炙手可热的莫过于5G技术，其必将带来教育发展的新一轮跨越。我国在5G方面具有先发优势，应抓住这一历史机遇。此外，5G技术作为一种基础通信技术，具备超大带宽、超高速度、超低延时、超强稳定性等优势，其对人工智能的发展、教育信息化的转型升级影响巨大。笔者认为，人工智能教育即新技术（5G、人工智能等）引领的教育信息化的高级形态，其最终目标在于重塑教育结构和促进教育公平。具体表现在：第一，5G技术和人工智能技术将助于破解因地区差异带来的教育资源配置的不均、师资的缺乏、设备设施建设不齐全等问题，使教育公平成为现实。第二，5G技术和人工智能技术将有助于构建沉浸式的学习环境，特别是随着VR/AR技术的迅速发展，学生可以在沉浸式的学习环境中学习，培养学生的空间思维和创造力，实现深度学习。第三，新技术助力实施人工智能教育策略，有助于创新高层次人才培养机制、提升教育手段智能化程度、探索多元化教育教学形式等（张进宝等，2018）。

5.重视人工智能教育发展的伦理问题

《报告》从行动和思维两个维度定义了人工智能，分别是类人思考、理性思考、类人行动、理性行动四个方面。随着人工智能的不断演变和机器的日益智能化，人工智能的发展将从辅助智能、增强智能到自主智能的发展。如何实现教育视角下的可信赖人工智能，是需要高度重视并持續关注的问题（黄荣怀等，2019）。目前人工智能教育领域的伦理机制还没有得到很好地回答（Holmes et al.，2018）。我们认为技术是一把双刃剑，人工智能亦是如此。人工智能教育的发展催生着教育大数据的产生，而教育大数据的产生则需要对数据进行存储、管理和保护等。因此，我们认为，第一，需要加强教育大数据的安全立法，通过建立教育大数据的安全法律，保护好教育大数据以免被非法滥用和网络侵犯。第二，我们可以借鉴《欧盟人工智能伦理准则概要》（宋建宝，2019），尽快出台我国人工智能教育伦理规范，以保障师生的人身健康和数据安全不受侵犯。第三，要树立人工智能教育的正确价值导向，培养人工智能时代具有社会责任感的中国公民，并高度重视人工智能教育发展可能带来的伦理问题，为构建一个和平、包容、稳定的社会做出贡献。

当前，发展人工智能教育已经成为新时代教育发展的新方向，成为实现我国教育现代化的必由之路。面对日益复杂的教育生态系统，人工智能技术发展带来了巨大机遇和挑战，发展人工智能教育已经成为我国实现教育强国的战略选择。在迈向教育强国的征程中，我国应加快发展人工智能教育，规划人工智能时代的教育，培养为人工智能做好准备的人才。构建平等、适合、开放灵活的教育是目前乃至今后更长时期我国人工智能教育发展的目标，我们要始终积极推动人工智能和教育的深度融合，主动迎接与拥抱人工智能时代的教育。

参考文献：

[1][美]李·雷尼，巴里·威尔曼（2015）.超越孤独：移动互联时代的生存之道[M].杨柏溆，高崇.北京：中国传媒大学出版社：64-66.

[2]冯仰存，任友群（2018）.教育信息化2.0时代的教育扶智：消除三层鸿沟，阻断贫困传递——《教育信息化2.0行动计划》解读之三[J].远程教育杂志，（4）：20-26.

[3]黄荣怀，张慧（2019）.人工智能助力教育更加灵活开放[N].中国教育报，2019-06-29（003）.

[4]刘德建，杜静，姜男等（2018）.人工智能融入学校教育的发展趋势[J].开放教育研究，（4）：33-42.

[5]任友群，吴旻瑜，刘欢等（2015）.追寻常态：从生态视角看信息技术与教育教学的融合[J].中国电化教育， （1）：97-103.

[6]宋建宝（2019）.欧盟人工智能伦理准则概要[EB/OL].[2019-04-19].https：//www.chinacourt.org/article/detail/2019/04/id/3847044.shtml.

[7]新华网（2019）.习近平向人工智能与教育大会致贺信[EB/OL].[2019-05-16]. http：//www.xinhuanet.com/politics/2019-05/16/c_1124502111.htm.

[8]余胜泉（2018）.人工智能教师的未来角色[J].开放教育研究，（1）：16-28.

[9]张慧，黄荣怀，李冀红等（2019）.规划人工智能时代的教育：引领与跨越——解读国际人工智能与教育大会成果文件《北京共识》[J].现代远程教育研究，（3）：3-11.

[10]张进宝，姬凌岩（2018）.是“智能化教育”还是“促进智能发展的教育”——AI时代智能教育的内涵分析与目标定位[J].现代远程教育研究，（2）：14-23.

[11]郑旭东（2018）.智慧教育2.0：教育信息化2.0视域下的教育新生态——《教育信息化2.0行动计划》解读之二[J].远程教育杂志，（4）：11-19.

[12]中国教育新闻网（2019）.人工智能教育中不可忽视伦理教育[EB/OL].[2019-06-15].http：//www.jyb.cn/rmtzgjyb/201906/t20190615_241830.html.

[13]Antoninis， M. & Montoya， S. （2018）. A Global Framework to Measure Digital Literacy. UIS， UNESCO[EB/OL].[2019-06-30].http：//uis.unesco.org/en/blog/global-framework-measure-digitalliteracy.

[14]Bail， M.（2017）.Against the 3As of Edteach：AI，Analytics，and Adaptive Technolgoies in Eduaction[EB/OL].[2019-07-18].https：//www.chronicle.com/blogs/profhacker/edtech-ai-analytics-and-adaptive-technologies-in-education/64604.

[15]Chaudhri， V. K.， Lane， H. C.， & Gunning， D. et al. （2013）. Intelligent Learning Technologies： Applications of Artificial Intelligence to Contemporary and Emerging Educational Challenges[J]. AI Magazine， 34（3）： 10-12.

[16]Ferrari， A.（2013）. DigComp：A Framework for Developing and Understanding Digital Competence in Europe[EB/OL].[2013-12-30].http：//publications.jrc.ec.europa.eu/repos-itory/bitstream/JRC83167/lb-na-26035-enn.pdf.

[17]Hilbert， M. （2016）. Big Data for Development： A Review of Promises and Challenges[J]. Development Policy Review， （1）：135-174.

[18]Holmes， W.， Bektik， D.， & Whitelock， D. et al. （2018）. Ethics in AIED： Who Cares [C]//19th International Conference on Artificial Intelligence in Education （AIED'18）. London： Springer International Publishing： 551-553.

[19]Nye， B. D. （2015）. Intelligent Tutoring Systems by and for the Developing World： A Review of Trends and Approaches for Educational Technology in a Global Context. International Journal of Artificial Intelligence in Education[J]. International Journal of Artificial Intelligence in Education， （2）：177-203.

收稿日期 2019-06-21

責任编辑 田党瑞