国外智慧学习环境研究的现状、热点与启示

金 涛 徐建东 王海燕 张 静

（宁波大学 教师教育学院，浙江 宁波 315211）

智慧学习环境是数字化学习环境的高端形态，是一种能感知学习情景、识别学习者特征、提供合适的学习资源与便利的互动工具，可自动记录学习过程并评测学习成果，以促进学习者有效学习的学习场所或活动空间（黄荣怀，杨俊锋，胡永斌，2012）。智慧学习环境作为智慧教育的重要组成部分，是智慧学习时代的必然选择。当下，智慧教室、智慧课堂、智慧校园等智慧学习环境建设日益受到研究者的重视，成为智慧教育领域的研究热点。本文希望在国际智慧学习环境研究的现状与热点分析的基础上，汲取有益经验的同时，能为我国更好地建设智慧学习环境、促进智慧教育的发展提供参考。

一、研究设计

（一）数据来源

目前，已有许多学者介绍了国内智慧学习环境的研究成果，而对国际智慧学习环境的研究进展则较少涉及。文章以Web of Science核心合集中的文献数据为基础，采用高级检索式“TS=(“smart learning environment” OR “smart class” OR “wisdom classroom” OR “smart campus” OR “smart classroom” OR “future classroom” OR “intelligent classroom” OR “intelligent learning environment” OR “smart learning space” OR “intelligent learning space” OR “technology enhanced classroom” OR “technology rich classroom” OR “classroom of the future” OR “classroom of tomorrow”)”进行检索，不设文献类型和时间跨度限制，检索到截至2019年12月21日的220条来源文献。

（二）研究方法

本文运用文献计量方法，从文献计量分析和关键词分析两个角度，借助可视化知识图谱，对检索到的文献数据集进行分析和整理。首先采用HistCite软件对文献集数据进行统计分析，包括文献年度分布、国家和地区分布、重要出版物、文献引用频次等，从而梳理出国际智慧学习环境研究的概貌。其次，借助CiteSpace软件绘制文献集的关键词共现图谱，基于图谱中的高频关键词和高中心性关键词，探究国际智慧学习环境研究的热点。

二、智慧学习环境研究现状

（一）发文量及其分布

在国际常用数据库Web of Science和Scopus中查询智慧学习环境相关文献，绘制文献年度分布图（见图1），总体来看，两大数据库虽然收录的文献数量存在差异，但文献增长趋势基本一致；从文献年度分布来看，20世纪90年代，智慧学习环境的相关研究已进入研究者的视野，但从事该领域研究的学者较少，处于起步阶段。21世纪以来，互联网、虚拟现实、人工智能、云计算、物联网等技术的快速发展为智慧学习环境的建设提供了技术支撑，越来越多的学者开始关注该领域的相关研究，智慧学习环境的文献数量增速加快。2014年以来，驱动教育理念、教学模式、学习方式、教育管理与评价创新与变革的智慧教育兴起（王娟，2017），智慧学习环境相关研究文献数量随之呈现出快速增长态势，迎来了迅速发展时期。

图1 文献年度分布

如图2所示，由图2可知，排名前十五的国家和地区中，我国位于首位，占据文献总量的29.5%，超过美国和英国的文献总量。从文献被引频次来看，排名前十位的国家和地区分主要集中在欧美国家。我国大陆地区虽然在文献量上占一定优势，但文献平均被引频次相对靠后，与美国、英国等发达国家相比，还存在一定的差距。检索到的文献数据集中，我国大陆学者的文献最早出现于2001年，而美国（1998年）、英国（1995年）、德国（1998年）、日本（1995年）等早在20世纪90年代中后期就陆续发表了有关智慧学习环境方面的研究成果。总体而言，智慧学习环境已在世界范围内引起关注，我国大陆地区在智慧学习环境领域的研究进展较快，但国际影响力有待进一步提高。

图2 国家和地区发文量与被引频次

（二）重要出版物与文献

文献集中共有119种来源出版物刊登了智慧学习环境领域内的相关文献，发文量排名前5位的分别为《IEEE Access》（38篇）、《Computers & Education》（8篇）、《Computers in Human Behavior》（8篇）、《Intelligent Tutoring System,Proceedings》（7篇）和《MultiMedia Tools and Applications》（5篇）。这些出版物刊载的文献涵盖了智慧学习环境研究的多个领域，是该研究领域交流的主阵地。其中《Computers & Education》《Computers in Human Behavior》和《IEEE Access》三种出版物被引频次位居前列，影响力较大，引领了智慧学习环境领域的研究进展。

参考文献对于深入了解某领域的研究具有重要参考价值，引用次数排名前五位的参考文献分别为：《人工智能和辅导系统：知识传播的计算和认知方法》《智慧教室：远程教育的无缝融合技术》《智慧教室——远程教育的智能环境》《物联网（IoT）：愿景，建筑元素和未来方向》《物联网：一项调查》，涉及智能辅导系统、智慧教室、物联网、远程教育等主题，表明这些主题在智慧学习环境领域内拥有较高的影响力。其中Xie,W.K.、Shi、Xu和Xie, D.于2001年发表的《智慧教室——远程教育的智能环境》也是WOS核心库中检索到的我国大陆地区第一篇智慧学习环境领域的文献。

（三）重要作者

借助CiteSpace5.0.R3软件对文献进行作者共被引分析，发现被引频次最高的前十位作者中，60%的作者来自于美国知名高校，例如：美国斯坦福大学的Bandura, A.、卡耐基梅隆大学的Anderson,J.R.、伍斯特理工学院的Baker, R.等，其余还有来自英国阿尔斯特大学的Augusto, J.、加拿大蒙特利尔大学的Bengio, Y.、中国的西安电子科技大学的CAO, Y.、荷兰的阿姆斯特丹自由大学的Aroyo,L.。可见，智慧学习环境相关研究已受到世界诸多知名高校学者的关注，其中美国高校学者对该领域较为关注且有较高的影响力。发文量排名前10位的作者中，Shi, Y. C.（6篇，TGCS=185）、Xu, G.Y.（4篇，TGCS=139）、Xie, W.K.（3篇，TGCS=138）在2001至2013年间表现比较活跃且文献被引较高，在该时期智慧学习环境相关研究中拥有较高的影响力。其中雅典大学信息与电信系的Stathacopoulou, R.更是该时期以第一作者身份发表智慧学习环境研究成果最多的学者。在2014至2018年间，文献数量和从事有关研究的学者人数都有较快增长，但从学者发文量和文献引用量来看，该阶段未发现较为突出的学者，即此阶段缺少在智慧学习环境研究领域中影响力高的学者。

三、智慧学习环境研究的热点

研究热点的探测，需要结合出现频次和中心性两项指标综合分析（朱莎，杨浩，冯琳，2017），在CiteSpace5.0.R3中设置参数如下：Top N=50，选择top10%，时间间隔为2年，其余为默认值。剔除检索词后得到智慧学习环境关键词共现图谱（见图3）。其中系统（system）、技术（technology）、教育（education）、物联网（internet of thing）、设计（design）、网络（network）、智能导师系统（intelligent tutoring system）等关键词出现频次较高，表明这些关键词拥有较高的关注度。

选取中心性和频次较高的关键词，作为智慧学习环境研究热点的参考依据。中心性较高的关键词（见表1）有上下文（context）、技术（technology）、模型（model）、设计（design）、教育（education）、学习风格（learning style）等，表明它们是图3中比较重要的关键结点，衔接了智慧学习环境不同的研究主题。在CiteSpace 5.0.R3中使用 “引用历史（Citation History）”功能依次查看图3中高频关键词和高中心性关键词所在的施引文献，结合施引文献进行文献内容分析发现，1995年至2018年间，国际智慧学习环境的研究热点主要包括以下几个方面。

表1 中心性排名前十的关键词

图3 智慧学习环境研究关键词共现图谱

（一）智慧学习环境的概念与类型

通过对智慧学习环境概念的回顾、内涵界定和要素分析，梳理其中的联系，从而界定智慧学习环境的研究范畴，为该领域理论与实践的探讨奠定了基础，成为智慧学习环境领域的研究热点之一。

1. 配备智能软硬件的物理空间

将智慧学习环境视为一种配备了多种智能设备与软件系统的物理空间，能够为师生提供多种智能教学服务。这方面以“智慧（智能）教室”“智慧（智能）课堂”“智慧（智能）校园”“未来教室（课堂）”等为代表。例如：Xie,W.K.、Shi、Xu 和Xie , D.（2001）认为智能环境（Intelligent Environment）是一种能够主动观察并倾听使用者，识别其需求并用心为其提供服务的生活或工作环境。智慧教室（Smart Classroom）是智能环境研究的实验平台，也是其应用的一个例证，利用智慧教室可以为远程教育中的教师构建一种智慧课堂，该课堂可以拥有与真实课堂相同的体验，多模态交互能力是智慧教室的基本要求，智慧教室是由多种硬件设施与软件系统组成。Shi等（2003）还提出了一种称为“智慧教室”的原型系统，该系统将物理教室变成了远程教育软件的用户界面，在智慧教室中教师可以使用传统的教学方法指导远程学习的学生，远程学习的学生可以与本地学生进行自然交流，教师也可以同时指导本地学生和远程学习的学生，因为他们都处在一个真实的课堂环境。Atif、Mathew和Lakas（2015）提出智慧环境(Smart Environment)是一个数字增强的物理世界，在该世界中，物体和空间具有智能感知能力，能对环境及其用户的状态做出反应，智慧校园是在校学生与同龄人、教师甚至教学内容都有大量互动的一个社会环境。

2. 提供个性化服务的计算机学习系统

该方面的研究将基于计算机软件的学习服务系统视为一种智慧学习环境，该系统提供用户友好的交互界面，具备多种功能，能够为学习者提供个性化学习服务，这方面的研究以“智能导师系统（ITS）”为代表。由于所设计的学习服务系统能够满足不同学习群体某方面的需求，在促进教学方面发挥了重要作用。例如：Timms、Develle和Lay（2015）提出智能学习环境（ILE）是一个基于计算机的学习系统，它使用人工智能的原理跟踪学习者的学习进度，并在学生需要帮助时通过提供支持或提示以进行干预，一个典型的ILE系统使用红色标记错误，会在屏幕上提供书面提示，最后当学习者求助时，会提供一个“自上而下”正确答案的提示语。

3. 基于web的学习空间

有关研究认为基于Web的学习空间也是一种智慧学习环境，该环境具有灵活的学习方式、丰富的学习资源、及时的反馈等特点。Kassim、Kazi和Ranganath（2004）提出了一个基于Web的智能学习环境数字系统（WILEDS），该系统由交流模块、教学模块、学生模块、专家模型和领域知识模块组成，有助于提高学生的学习和理解能力，帮助教师及时了解学生的学习情况。Kabassi和Virvou（2004）提出了一种用来帮助成人用户学习文件存储操作的基于Web的智能学习环境，该系统会持续跟踪用户的操作，当用户遇到困难时，可提供自适应辅导。

通过对上述文献内容的分析发现，对于智慧学习环境的理解不尽相同，大都认为智慧学习环境是由学习场所（平台）、学习工具、学习资源、学习支持服务等要素构成，能够为学习者提供自适应的个性化学习服务。对于智慧学习环境概念和内涵的理解是研究该领域的逻辑起点，也是建构智慧学习环境理论体系所必需的支撑条件，成为智慧学习环境研究领域内不可或缺的重要组成部分。

（二）智慧学习环境的教学功能

1. 改善教学环境，增强教学效果

已有研究表明设计和使用技术丰富的课堂（TRC）可以改变教学和学习行为，是将以教师为中心的学习转变为以学生为中心的学习的一种方法（Yang, Yu, Gong, & Cheng, 2017），通过改善课堂交流、知识获取与传递、教学设计、学习体验等方式以达到增强教学效果的目的。例如：有研究者发现一些儿童参与技术丰富的课堂时会表露出自信、批判性思维、多角度思考、反思性自我评估等深度学习行为倾向（Hyun, 2005）；大学生在该类型的课堂中的参与度和学业成绩会得到明显的改善（Carle, Jaffee, &Miller, 2009），而教师和学生可借助课堂中提供的技术手段更加便捷地传递和获取知识（Alelaiwi et al,2015）。此外，新的学习方式如数字游戏（Zhai, Dong, & Yuan, 2018）等将会得到更好的利用和支持，学生学习的形式和体验将会得到改善。

2. 提供个性化的学习支持与服务

传统学习环境下，由于学习者学习的方式、风格、偏好、进度等存在差异，很难为每个学习者提供个性化学习支持与服务，智慧学习环境中，在智能设备和智能教学系统的支持下，提供个性化的学习与支持服务逐步成为现实。例如：基于智能设备的移动学习可满足部分学习者在学习时间和地点以及学习资源等方面的差异化需求（Abachi & Muhammad, 2014），基于结构化插件形式设计的智能教育系统（ITLA）具有较好的集成性和可扩展性，可根据政府、企业和学校的需求进行定制，可为教师、家长、学生提供诸如学习监控、学习辅导、课程管理、教学材料制作、内容检索等支持与服务（Jo, Park, Lee, &Lim, 2014）。结合课堂教学而言，在智能设备和智能教学系统的辅助下，教师精确掌握每个学生的学习情况成为现实，例如：具有友好图像界面的阅读集中监测系统，让教师能够及时了解每位学生的阅读情况（Hsu, Chen, Su, Huang, &Huang, 2012），为教师开展有针对性的阅读指导提供了便利。

3. 丰富教学设计内涵，指导教学实践

探讨智慧学习环境下教学设计的原则、方法和理念有助于一线教师更好地开展教学实践。例如：在技术丰富的课堂中，通用教学设计原则（UDI）为教师制定课程提供了指导，它能促进学生的可接受性并提高学生的学习质量（Taylor, 2016）。与传统教学环境不同的是，对交互式教学（Karady & Holbert, 2004）、PBL教学（Ioannou, Vasiliou, & Zaphiris, 2016）、具体教学内容的规则（Issakova, 2006）等进行再次研究，在丰富智慧学习环境下教学研究成果的同时，为教师设计课堂教学活动提供了参考依据。

不难发现，智慧学习环境对教与学的影响力已不容忽视，如何让智慧学习环境在教育领域中发挥预期的效果已成为教育工作者的重要使命，尽管不同群体（教师、研究者、教育管理者等）在智慧学习环境领域内所扮演的角色存在差异，但都致力于在智慧学习环境下促进有效教学的发生。

（三）智慧学习环境构建的影响因素

1. 关键技术

云计算、物联网、大数据、人工智能等技术的发展有力地支撑了智慧学习环境的构建，其重要性毋庸置疑，已有诸多学者从多个方面对这些技术进行了详细探讨（陈丽，郭玉娟，高欣峰，谢雷，郑勤华，2019；陈秀兰，于丽萍，2019；刘春萱，李奕，2019），本文对此不再赘述，这里仅分析近年来备受研究者关注的学习者建模技术、上下文感知技术、网络安全技术及“模拟技术”。

1）学习者建模技术

基于学习者模型开发的智慧学习环境如智能导师系统（ITS）、Web学习空间等能够为学习者提供个性化的学习服务，已成为智慧学习环境重要的研究方向。建模能够帮助学习者表达和具体化他们的抽象思维，形象化和测试他们的理论组成部分，并使材料更有趣（Bredeweg et al., 2013）。学习者模型包含学习者认知特点、学习兴趣、已有知识水平等较为灵活的信息，是学习系统开发的重要组成部分，例如：基于案例的学生模型（CBSM）中便涉及了学生的知识水平、个人信息、学习偏好、心理特征五部分内容（González, Burguillo, & Llamas, 2005）；智能学习环境中学习者模型的核心目标是根据学生的情感状态调整形成性反馈，学习者模型涵盖的分析、推理、反馈三个主要组件，可以被视为智能支持的核心（Grawemeyer, Mavrikis, Holmes, & Gutierrez-Santos, 2017）。

2）上下文感知技术

广义上，上下文（Context）是任何可以用来描述一个实体情况的信息，实体可以是一个人、一个地方或一个对象，它与用户和应用程序之间的交互有关（Dey, 2001），上下文感知的目标是为用户提供优质的服务，而不会给用户带来过多的信息和决策任务。鉴于有效地提供上下文感知服务的重要性，设计、开发上下文感知系统成为关注焦点。例如：Han和Youn（2013）提出基于分布式推理和合并操作的上下文建模方法，设计并开发出的上下文感知系统能够较好地应用于智慧教室环境中。利用学生移动通信设备开发的促进学生主动学习的上下文感知系统，可根据位置、时间、学生互动、学生简介等信息提供与上下文相关的自适应学习内容（Gomez, Huete, & Hernandez, 2016）。借助无线技术和传感器而开发的上下文感知系统，能够帮助调节智能教室的相关参数如温度、湿度、空气、光线、气压等（Zimmermann, Specht, & Lorenz, 2005）。

3）“模拟技术”

为更好地服务于教学，对师生相关行为模拟研究近年来受到了研究者的关注。例如：研究诊断过程模型的神经网络实现新方法，可实现智能学习环境中学生模型更为准确的诊断和更新，使诊断模型在一定程度上能够“模仿”教师对学生的特征进行诊断，从而使智能学习环境具备推理能力并可根据学生的学习风格进一步推动教学决策（Stathacopoulou, Magoulas, Grigoriadou, & Samarakou, 2005）。应用在智能学习环境中的BDI（Belief、Desire、Intention）方法可推断学生的情感并进行模拟，基于学生的情感选择适当的情感调节策略（Jaques & Viccari, 2007）。利用机器学习技术可模拟学生在智能学习环境中的互动，有助于解决互动效果的评估问题（Manolis, 2010）。

4）网络安全技术

智慧校园是一个新兴的研究领域，它利用技术和基础设施来支持和改进校园服务，针对智慧校园建设过程中出现的网络安全问题，Tian、Cui和An（2018）提出了一种能够抵御更强网络攻击能力的C2RS方法，Wang、Yao、Yang和Yu（2018）认为智慧校园必须得到快速、强大和安全的校园网络支持，但校园网络可能受到不同类型的网络病毒威胁，从而对校园网络的安全性产生负面影响。为此，该团队对智慧校园中病毒传播差分模型进行研究，以提高智慧校园中网络的安全性和稳健性。

2. 系统设计

对智慧学习环境的架构，如布局、功能、服务等方面进行系统设计，能够更好地发挥其作为教学与学习场所的作用。例如：配备NFC技术的智慧教室布局（Shen, Wu, & Lee, 2014）、智慧校园移动通信体系结构（Lim & Ahn, 2013）、分布式多媒体学习环境的系统架构（Okamoto, Ueda, & Kunishige, 2012）等进行设计，在满足教与学需求的同时，其智能化水平也在不断得到提升。此外，系统设计的理念对智慧学习环境的构建也具有一定的指导作用。例如：认为学习者具有不同的偏好和学习风格，这些偏好与学习者在用户界面上的行为有关，因此在智能学习环境中需要能够适应每个个体特定偏好的接口（Mit & Karger, 2004）；提出未来智慧教室将使用实时传感和机器智能，可以显著增强学生和教师之间的学习体验和无缝沟通（Kim, Soyata, & Behnagh, 2018）；认为未来智慧教室的设计将超越单一的问题解决和标记活动，新的问题将围绕如何表示学习社区的知识、教师如何根据捕捉到学生的突发奇想及时调整课程计划、学生学习过程中的问题以及解决方法等展开（Tissenbaum, Lui, & Slotta, 2012）。

3. 支持工具

引入有意义的信息技术工具，能够满足教学相关的需求，由于这类工具通常具有实用性、操作简单、低成本等特点，受到诸多研究者的关注。例如：采用基于代理的中间件CAMPS可为智能空间提供上下文感知服务，从而为应用程序的上下文获取、表示、解释和利用提供有效的支持（Qin, Suo, & Shi, 2006）；构建开放智慧教室（Open Smart Classroom）的应用程序原型，能够支持多个智能平台之间的连接、智能空间内部与外部系统之间的服务调用以及移动设备与用户之间轻松的交互（Suo, Miyata, Morikawa, Ishida, & Shi, 2009）等。

可见，智慧学习环境是由多因素共同作用的产物，诸如关键技术、系统设计、支持工具等方面的研究对智慧学习环境的构建起着重要的支撑作用，已成为智慧学习环境的研究热点之一。

（四）智慧学习环境的评价与测量

学习者的学习体验、学习收获、学习效率等很大程度上受到学习环境和学习系统质量的影响，需要借助一定的方式来支持学习者选择合适的学习场景，而解决学习场景的评价和测量问题有助于学习者选择合适的学习环境，受到研究者的关注。例如：设计包括学习目标、学习活动和学习环境等指标在内的评估学习场景质量的综合模型，能帮助特定的学习者群体选择合适的学习场景（Kurilovas & Zilinskiene, 2013）；将“系统趣味性、感知有用性、感知易用性、课堂态度”确定为有效智慧课堂所必备的要素（Jo, Park, Ji, & Lim, 2015），能够避免将智慧课堂视为简单的基础设施建设和引入先进技术的倾向，为智慧课堂的教学评价与设计提供了参考；开发包括社交圈、教育信息发布平台、校园二手交易平台在内的移动平台OnCampus，有助于高校智能校园建设方案的设计与完善（Dong, Kong, Zhang, Chen, & Kang, 2016），也为智能校园建设效果的评价提供了参考。

当下关于智慧学习环境评价与测量方面的研究相对较少，使得智慧学习环境应用过程中容易出现 “冒进” “效果不佳”等现象，这已经引发了部分研究者的反思。不可否认，技术的发展与成熟将为传统学习环境向智慧学习环境的转变提供实现的途径，为在智慧学习环境中提供个性化学习服务、预测学习者行为、及时进行学习反馈等提供实现可能。但需要清晰认识到现阶段智慧学习环境理论体系的构建尤其是反思与评价等存在的不足，这无疑会妨碍智慧学习环境未来的发展。

四、思考与启示

（一）注重关键技术与支持工具的应用与创新

大数据分析、虚拟现实、人工智能、物联网等信息技术的发展为智慧学习环境的构建及其“ 智能化”提供了技术保障。关注信息技术的研究进展，必要时结合教与学的相关理论，选择其中合适的关键技术应用到智慧学习环境的构建及其教学之中，有利于与时俱进促进智慧学习环境的建设，也能不断丰富其教学功能。此外，越来越多的研究者投入到技术增强的学习环境中，通过设计、开发、应用服务于教与学的支持工具，以满足教与学的个性化需求。由于支持工具能帮助解决智慧学习环境中教与学的相关问题，受到广大研究者的青睐，基于教学情境的支持工具及其评价研究在未来仍将备受关注。但也需要清晰地认识到该领域中支持工具的设计应从教育与学习的角度来构思，工具之所以有效不是工具本身促进了教与学，而是其背后所体现的原理与方法发挥了效用。因此，在教学实践中，要正确地认识支持工具的价值及其应用的情境，在设计支持工具时，避免低水平重复，应注重智慧学习环境中已有支持工具的应用与创新。

（二）构建基于优质学习资源的综合性智慧学习服务系统

学科智慧学习系统的建立，使学生可以根据个体情况选择自适应的学科学习资源与学习方案，在为学生提供差异化学习服务方面发挥了重要作用。其缺点在于生成学生学习信息的“孤岛”，即各学科学习系统中学生数据的相对封闭，不利于学生的综合评价和全面发展。为向学生提供良好的学习体验及较为全面的学习服务，有必要构建综合性智慧学习服务系统，将各学科及其支持资源集成到统一的平台中，以促进学生的学习为中心，让教师的教学、学生的学习、学习效果的评价能够在该系统中得以整合。基于学生的学业诊断，提供完整的个性化学习方案和学习内容，使基于学习过程的评价成为常态。此外，学习资源是智慧学习服务系统中的核心组成部分，注重优质学习资源的研发对于发挥智慧学习服务系统的独特教学功能尤为重要。如何开发优质学习资源并将其融入智慧学习服务系统之中以最大程度提高学生的学习绩效，更好地关注学习者的学习体验，让智慧学习环境由“智能化”逐步迈向“智慧性”，无疑将会成为智慧学习环境的重要研究方向。

（三）聚焦学科教学，创设“关键案例”库

从最初关注智慧学习环境的基础设施逐步聚焦于学习者的实际体验与学习效果，不难发现“学习者为中心”的理念逐步得到了重视。由于教学情境的多样性与复杂性，智慧学习环境中的教学方法、教学策略、教学评价等教学应用研究应得到持续关注，以促进有效的教与学为目标，最终实现理想的教与学的效果。此外，智慧学习环境下，教学方式、教学内容等发生了一系列变化，如何使学科教师尽快融入其中并顺利开展教学活动是需要解决的实际问题。有研究表明，教师观摩其他教师的教学案例不但能学习基本的教学技巧、借鉴教学思路，获得大量实践性知识，还能结合具体课例以不同形式学活理论知识，加速优秀教师经验的扩散和个体对他人创新经验的采纳（杨彦军，童慧，郭绍青，2014）。可见，案例是教师学习与成长的一种有效方式。因此有必要建设智慧学习环境下的学科教学“关键案例”库，不仅能够帮助学科教师积累经验，也有利于开展创新型教学，从而避免学科教师在智慧学习环境中继续重复传统的教学模式。

（四）立足教学实践，完善智慧学习环境研究体系

目前对智慧学习环境认识大多停留在“智能”层面上，对于智慧学习环境的判断标准各抒己见，作为智慧学习环境研究热点之一的评价与测量方面的研究存在滞后。一方面，后续研究应围绕智慧学习环境有效促进教与学的目标，厘清相关概念与内涵，注重对智慧学习环境的构建、教学应用等方面的测量与评价研究。鼓励国内各领域学者积极开展跨领域合作研究，立足教学实践，发掘更多高质量的教学应用研究方面的学术成果。另一方面，注重对智慧学习环境关键问题的探究，例如：智慧学习环境内的学习是如何发生的，不同学习环境是如何对学习产生影响的，怎样继续改进智慧学习环境来促进学习，如何创设智慧学习环境下的良好学习氛围，如何在智慧学习环境中保持学生的学习兴趣并持续关注学生的学习活动等，以促进智慧学习环境有关理论的构建与完善。此外，还需密切关注国际智慧学习环境的研究进展，引进国际先进经验的同时也要注重加强我国在该领域的国际话语权，立足于国内教学实践，在中外合作交流中，补齐智慧学习环境研究短板，逐步完善智慧学习环境研究体系。

（五）注重人才队伍及其激励机制建设

目前，智慧学习环境研究领域内，有关教师方面的研究文献较少。教师作为教学活动的组织者，是智慧教育教学的最终实施者。智慧学习环境是未来教与学的场所，师范生是未来的教师，注重智慧学习环境下师范生信息化教学能力的培养与在职教师信息素养和信息化教学能力的提升对于促进智慧学习环境下有效的教与学的发生至关重要。与此同时，为提高学科教师基于智慧学习环境教学的积极性，鼓励教师研发优质的课程内容、教学设计等，进行创新性教学，为学生提供良好的课堂学习体验，对于教师激励机制方面的探究很有必要。基于智慧学习环境的教与学在未来将成为常态，如何发挥并保持教师的主动性与积极性则是需要认真思考的问题。