智慧作业的基本原理与实践方向 *

柯清超，田雪松，鲍婷婷，林 健，马秀芳，张思其

(1.华南师范大学 教育信息技术学院，广东 广州 510631；2.岭南师范学院 计算机与智能教育学院，广东 湛江 524048)

2021年7月中共中央办公厅、国务院办公厅印发了《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》(下称“双减”)，“双减”政策的主要任务之一是“明确提出要全面压减作业总量和时长，减轻学生过重作业负担，合理调控作业结构，提高作业设计质量，加强作业完成指导”。“双减”的出台与全面实施，掀起了中小学课堂教学、作业设计与管理等领域改革的新一轮浪潮，作业作为学生核心素养培养的重要环节和载体，如何实现“控量提质”改革目标，需要教育界从管理政策、教学模式与支撑技术等不同角度开展探索。在此背景下，“智慧作业”成为当前广受关注的研究与实践热点，其表现方式是将各种信息技术，如光学扫描识别、点阵码、结构化知识图谱、云题库、学习过程大数据、人工智能引擎等与学生的日常作业融合，通过对作业全过程的数据采集处理与教学智能服务供给，为学生完成作业提供个性化学习指导，为教师提升作业设计质量与作业效果分析提供智能化工具支持，为课堂精准教学提供数据分析服务，为区域实施作业治理提供决策平台支撑，从而打造技术赋能“双减”的现实图景。

在“双减”政策推动下，集成多种智能技术的智慧作业应用系统迅猛发展，国内部分区域开展了规模化应用，形成了一些典型案例与经验，但智慧作业的理论研究与实践探索总体上还处于起步阶段，智慧作业的基本概念、基本工作机理、核心关键技术、实践路径和有效模式等问题还有待进一步深入研究。

一、智慧作业的概念与发展

作业本身是一个相对完整的系统，包括作业设计、作业布置、作业批改、作业评价与反馈等环节[1]。纵观教育发展史，可以发现作业这一概念呈现出丰富、复杂、多变的发展样貌，大致表现为不同历史阶段的三种认识观：其一是作业即知识练习。最早夸美纽斯(Johann Amos Comenius)在《大教学论》中将练习引入教学过程，其主张通过反复练习达到巩固知识的目的[2]。赫尔巴特(Johann Friedrich Herbart)进一步将这种练习明确为书面作业[3]，凯洛夫(Kairov)则将作业分为课堂作业和家庭作业[4]。循此观点，在实践中作业往往被视为学生巩固知识、技能、技巧等教学目标的重要载体，亦是课堂教学的重要组成与有效延伸[5]；其二是作业即心智训练。库珀(Harris Cooper)认为作业是由学校教师布置，期望学生在非教学时间里完成的任务，并将作业目标分为教学目标和非教学目标两类[6]，但其并非强调作业教学目标的实现(即课堂知识和技能的巩固与掌握)，而更加关注非教学目标的提升(即作业完成过程中心智技能的提升)，如学习动机、学习兴趣、学习习惯、自主管理能力等；其三是作业即自主探究。杜威(John Dewey)认为作业是复演社会生活中进行的某种工作或与之平行的活动方式[7]，强调引导学生的主动探究，通过“做中学”不断拓展学生个体的直接经验、智力与道德水平。从夸美纽斯到杜威，不论是知识练习、心智提升或自主探究，其深层逻辑统一表现为作业过程中的知识习得，知识的性质及表现形式则有所不同，前者侧重知识技能的掌握，后两者注重个体能力品质的成长，三者互为补充、相辅相成。当前作业实践正是过度依赖第一种作业认识观，将教材知识习得与考试选拔相联结，忽视指向心智提升与自我探究型的作业设计，导致学生作业负担过重。

智慧作业是信息化背景下作业改革发展的典型表现形式，由智慧教育、智慧教学等概念发展延伸而来，是智慧教学的重要实践内容与方式。从实践进程来看，智慧作业的发展主要表现为三个阶段：第一阶段主要是基于互联网教育公司开发的智能化作业平台或工具展开，其核心是支持解决学生作业解题过程中遇到的困难；第二阶段是学校在发展精准化教学过程中提出的，期望通过对学生作业数据的智能化采集分析，精准掌握多维学情，从而为作业讲评、复习巩固等环节提供更有针对性的指导，同时提高作业设计的质量。我国部分地区已开展了大规模的实践探索，如江西省教育厅2019年开始推动的“智慧作业”改革；第三阶段是国家实施“双减”教育改革政策后，学术界、产业界和学校逐步形成共识，系统化开展智慧作业的理论研究、技术开发与实践探索。由此可见，智慧作业已进入高速发展时期，理应反思总结传统作业实践的现实短板，吸纳整合知识练习、心智提升、自主探究三种作业观的有益之处，进而从根本上把握作业减负与作业提质均衡发展。

本质上，智慧作业是以师生为主体、依托智慧作业支撑平台开展的教学实践活动，通过人工智能技术与作业环节的深度融合，实现作业设计、作业评价、作业指导与作业管理的智能化、个性化、流程化，推动作业从“育知”向“育人”转变。表1呈现了智慧作业的基本特征。

表1 智慧作业的基本特征

续表1

二、智慧作业相关研究

(一)相关理论方法研究

智慧作业是近年来才发展形成的概念，其基本原型可追溯至智能导师系统、自适应学习系统等，故其基础理论与方法可拓展为技术支持的教育测量、智能教学等多方面。

1.基于项目反应理论的教育测量。项目反应理论(Item Response Theory，IRT)在20世纪50年代由美国测量专家洛德首次提出，是通过测验量化估算被试潜在心理特征的数学模型，解决了经典测验理论(Classical Test Theory，CTT)的诸多难题[8][9]。近年来国内外关于IRT相关研究，一方面涌现出多维度项目反应理论、非参数项目反应理论以及认知诊断理论等新的测量理论，另一方面将IRT与测验评价、系统开发等实践领域相结合，开展测验功能差异评估、自适应测验实现、题库高质量建设等应用研究。有研究者基于IRT开展学生能力评价研究，结果表明其具有较好的评价效果并有效缩短评价时间[10]；也有研究者依托IRT编制中学数学建模素养测试卷，借助测验结果反映试题难度和区分度，保证评价过程的合理科学[11]。换言之，IRT的有效应用有助于提升智慧作业的作业设计、作业评价、作业指导等环节的靶向性水平。

2.智能导师与适应性教学。智能导师系统(Intelligent Tutoring System，ITS)是由20世纪60年代的计算机辅助教学(Computer-Assisted Instruction，CAI)逐渐发展而来，是利用智能技术模仿教师教学，为不同学习者提供个性化学习指导，帮助其获得知识和技能的智能教学系统[12]。如Jennifer等研发的智能写作系统能够实现对学习者写作过程的追踪和写作内容的诊断，进而自动生成修改意见[13]。随着智能教学从重视“教”向重视“学”转变，ITS也逐渐演变为自适应学习系统(Adaptive Learning System，ALS)，Brusilovsky于1996年对自适应学习系统概念进行初步界定，即对学习者学习过程性数据进行收集分析，依据其自身学习能力和认知水平，定制个性化的学习路径和学习内容，优化学习效果[14]。本质上，智慧作业支撑平台是自适应学习系统在作业场域下的有机映射。

(二)智慧作业技术系统

通过分析国内近10年来与智慧作业相关的产品，剖析其技术特征与教学功能，目前国内的智慧作业技术系统分为以下几类：

1.基于显示终端的智慧作业系统。从2011年开始，国内大量互联网教育公司开始关注中小学在线作业工具的研发，提供了基于显示终端的智慧作业解决方案，其功能特点是教师通过智慧作业系统发布配套练习、高效批改试卷、即时掌握学情，学生则基于电脑、手机、平板等显示终端查看教师反馈意见、把握自身答题情况、获得个性化指导，如学生可通过平板的截图储存功能查询错题解析，智慧作业系统进而将智能推送拓展练习和知识点讲解微课，支持学生查漏补缺。

2.基于作业扫描的智慧作业系统。近几年，一些企业借鉴阅卷系统技术，研发了基于作业扫描的智慧作业解决方案，通过高速扫描仪快速采集学生作业数据，系统自动识别批改作业、自动采集错题信息、自动推送变式题目和自动打印形成个人专属错题本和个性化练习册，利用数量少质量高的变式作业帮助学生对未掌握的知识点进行举一反三，实现减负增效。同时，系统提供由多维度数据生成的学生个性化分析报告，有助于学校教学质量的有效监管和教育管理者的科学决策。

3.基于点阵纸笔/电磁板纸笔的智慧作业系统。近年来国内涌现了大量基于点阵纸笔的智慧作业解决方案，其特点是在保持学生传统纸质作业书写习惯的基础上，通过纸张点阵图案和笔尖高速摄像头采集学生作业书写轨迹，实现客观题的自动批改和统计分析，并实时将学生主观题的答题笔迹同步并记录到教学平台，教师可完整查阅学生的解题思路和过程，及时纠正与点评，有助于实现反馈即时化、评价科学化和辅导精准化。

(三)智慧作业实践应用

本文选取2021年教育部公布的“双减”典型案例与“基础教育信息技术与教育教学深度融合示范案例”，采用内容分析方法进行深入剖析，发现我国当前智慧作业的典型实践包括：

1.推送作业辅导微视频，实现错题自动归集。江西省依托“赣教云”平台建设了“智慧作业”系统，在保持学生传统作业习惯的前提下，借助点阵笔、高速扫描仪等设备动态采集学生作业数据，形成学生专属错题集，结合精准推送微课讲解视频，提升学生学习效果。同时根据教学内容和学生学情数据，系统自动选取符合各层次学生能力的作业题目，帮助教师布置分层、弹性和个性化的作业，提高校内教学质量，赋能“双减”政策落地。

2.构建区域“数据驾驶舱”，提升作业治理水平。青岛崂山区为实现作业改革，统筹建设课堂教学云平台，借助AI智能校本作业本增强作业的层次性和个性化，结合配备的高速扫描设备，快速完成作业分析，协助教师提高课堂效率，帮助学生提高复习效率。同时通过作业监管平台的建设，采集教学和学习中的全过程数据，构建区域“数据驾驶舱”，加强作业正确率、作业时段分布、作业用时等多维度的大数据分析，做好作业总量和完成时间的控制管理，减轻学生负担。

3.作业全过程数据采集，实现数据驱动的个性化学习指导。上海闵行区教育学院附属友爱实验中学利用区域统一建立的智能作业平台，采集作业成绩、作业质量、作业习惯等作业全过程数据，实现学生作业的自动监测和学习行为的精准把握。同时融合“自主学习仓”功能，为学生推荐“闯关”题目和在线指导难题，形成了课前自主推荐导学资源、课中依托学情诊断实施精准教学、课下推送个性化错题资源的教学实施路径，赋能教学改革。

综上所述，人工智能技术支持的教育测量、自适应学习等领域形成了较为丰富的研究成果，为智慧作业发展提供了良好的理论基础与方向指引。同时，智慧作业的必要性和可行性已达成共识，智慧作业技术解决方案日趋成熟，智慧作业应用规模增长迅速，但整体呈现实践探索领先理论研究的现象，尚存在智慧作业的基本概念不清楚、技术方案不适宜、实践路径不系统等问题。本文将在厘清智慧作业概念的基础上，阐述其基本构成、工作机理、实践路径等。

三、智慧作业的基本构成

智慧作业是师生依托智慧作业支撑平台开展的教学实践活动，其包含三个基本要素：参与者、支撑平台和实践活动(如下页图1所示)。参与者包括教师、学生、教育管理者、家长等多方主体。实践活动主要包括作业设计、作业练习、自主学习、作业评价、作业管理等。智能化支撑平台则作为赋能的中介和纽带，有效联结参与者与实践活动，实现了学生特征智能分析、作业内容智能设计、答题情况智能诊断、作业指导与管理智能组织，推动智慧作业实践的良性运转。

图1 智慧作业基本构成

智慧作业的实践基础是智慧作业支撑平台，其本质是多种智能技术支撑下的作业智能导学环境，它既可以通过多模态数据采集与智能分析为教师的教学设计提供精准的教学诊断结果，也可以通过学科知识图谱等认知智能工具为学习者作业实践活动提供适切的认知协同支架，还可以将作业的分析、设计、实践与评价等过程性数据转化成师生教与学的阶段性资源或成果，为师生教学相长提供基于智慧作业的成长档案。人机协同视角下，智慧作业支撑平台不仅涉及教师侧的学情分析与作业设计，也涉及学生侧的作业实践与认知诊断，同时服务于师生双侧的作业资源评价与应用。

智慧作业支撑平台是智能教学系统的具体形式。根据智能教学系统的设计理论方法，智能教学系统应包括学习者模型、领域模型、教育学模型、接口模型、自适应引擎等基本构成要素，结合当前国内智慧作业系统案例与教学实践分析，本文认为智慧作业支撑平台应包括以下基本要素(如图2所示)。

图2 智慧作业支撑平台

(一)学习者模型

学习者模型是学习者关键信息的抽象表示，是实现智能化作业设计、评价、指导与管理的重要依据。学习者模型记录的信息主要包括个人基本信息、作业行为特征、认知结构数据、作业负荷水平等方面。个人基本信息包括姓名、性别、年级、学科、学习风格等，作业行为特征包括作答时长、作答次序、书写速度、书写轨迹、停顿时长等，认知结构数据包括作答成绩、正答率、完成度、错题知识点等，作业负荷水平则反映了当前作业内容与学习者认知能力的匹配程度。上述数据通过特定形式的特征融合形成学习者模型，由于学习者在作业过程中不断产生新的数据，智慧作业学习者模型始终处于周期性动态调整的状态之中，进而不断提升人工智能引擎的性能水平，促进作业设计、评价、指导与管理的精准高效。

(二)作业设计模型

作业设计模型是描述作业设计目标与作业内容的统一体，是实现智能化组题的基础条件。作业设计模型主要包括教学目标、作业时长、作业数量、作业难度、作业类型等特征变量，强调通过人机协同的方式加强作业内容的过程性设计、分解型设计和情境类设计，生成符合教学目标与学生认知特点的作业资源包，其工作原理是：智慧作业系统依托人工智能引擎，通过智能分析由学科教师设定作业设计模型的教学目标、作业数量、作业难度、作业时长、作业类型等外部指标参数，及学习者模型的学习风格、认知水平、作业负荷等内在指标状态，自动生成符合特定教学目标、适应不同学生类型、包含多元微课资源的作业资源包。同时，学科教师可依据对教学经验与学情数据的基本研判，评估自适应作业资源包的质量，并参考人工智能引擎推荐的备选作业资源，动态调整作业题目、类型、难度等，提升作业设计水平。

(三)作业评价模型

作业评价模型是智能批改学生作答数据与评估作业认知负荷的计算模块，是智慧作业支撑平台良性运转的重要组成部分。作业评价模型强调借助图像识别、自然语言处理、深度神经网络等技术构建作业智能批改、作业认知负荷计算、作业分层调节等算法模型，进而依托人工智能引擎的强大计算能力实现智能化作业内容批改与作业适配性诊断，有效减轻教师作业批改的工作负荷，提升作业分层设计的科学性。其一，作业智能批改算法可完成选择题、判断题、填空题等客观题目的自动批改，主观题则由教师直接在智慧作业系统中批改或通过点阵纸笔、扫描仪等设备收集教师的批改数据，进而智能识别与分析批改结果。其二，作业认知负荷计算模型的目的是分析当前作业设计内容与学习者认知水平的匹配程度，本质上亦是检验学习者模型与作业设计模型的一致性。其三，作业分层调节模型则在作业认知负荷计算的基础上，形成优化作业设计、指导与管理的数据依据与建议。

(四)作业指导与管理模型

作业指导与管理模型是打造智慧作业精准教学完整闭环的“最后一公里”。作业指导与管理模型基于作业评价模型的智能诊断结果，智能化生成与推送个性精准的作业指导资源和分析报告，实现错题自动归集、个性资源推荐、作业分析报告三大模块功能，提升学生作业的靶向性。其一，错题自动归集面向学生个人智能推送个性化错题集，帮助学生进行精准的补偿性练习；面向教师智能推送以班级为单位的错题集及错题分析报告，辅助教师了解班级学生的作业难点内容，及时调整教学策略与内容。其二，个性资源推荐依托人工智能引擎和学科知识图谱为学生个体提供符合其认知特点的普适性微课资源，或由学科教师为学生制定个性化讲解资源。其三，作业分析报告有效整合学习者模型、作业设计模型、作业评价模型的关键输出结果，形成针对学生个体、班级、年级、学科、区域等不同层次的阶段性作业分析报告，为管理者科学决策、教师精准教学、学生及家长深入了解作业情况提供数据支撑。

(五)人工智能引擎

人工智能引擎是智慧作业支撑平台的核心驱动力。人工智能引擎融合多种规则与算法，是实现学习者模型、作业设计模型、作业评价模型、作业指导与管理模型之间有效交互的神经中枢。同时，人工智能引擎背后拥有两大支撑体系：作业大数据和学科知识图谱。作业大数据技术强调对学生作业数据的全过程跟踪采集、记录、处理与分析，为学习者特征分析、作业设计、作业评价、作业指导与管理等模块提供多源异构数据集成与计算服务。学科知识图谱技术搭建起“教学目标—知识点—作业题目—微课资源”的多模态知识库，为精准个性的作业设计、作业指导与管理提供底层支撑。两者在人工智能引擎适配器和生成器的协同作用下，实现智能分析、智能组题、智能诊断、智能推送等关键功能。需强调的是，人工智能引擎的运行是一个不断学习和螺旋改进的过程，并反馈于学习者模型、作业设计模型、作业评价模型、作业指导与管理模型的优化，最终在上述四类模型的约束条件下输出对应模块的最优解。

四、智慧作业的机理与关键技术

智慧作业承载着中小学作业场景下减负提质增效的愿景，涉及学习者认知负荷的调节、基于作业的学习效果增强、教师作业设计质量的提升等具体要求。在数据驱动与技术赋能范式下，智慧作业基于作业完成过程的多源数据采集与处理分析，实现学习者作业认知负荷智能计算与分层调控，并在人机协同作业批改模式下实现作业目标、认知程度、能力水平与学习品质的跨模态诊断分析。最后依托学科课程标准的要求，以学科知识图谱耦合教师在教学设计中的重难点与学习者在作业过程中的薄弱项，精准映射其个性化认知画像，为教师设计适切课标又贴合学情的高质量作业体系提供支持，并整合个性化资源实现智能导学。

(一)作业过程多源数据采集与处理

作业过程的数据采集与处理对象既包括作业内容与作业环境的信息技术场域静态数据，又包括学习者完成作业过程中的动态实时数据与教师设计作业的历史数据等，其中以反映作业设计质量与学习品质的学习者动态实时数据最为关键。

点阵纸笔、电磁板纸笔等技术可以实现对学习者作业书写行为过程的无感化采集，成为学习者书写作业外显行为数据采集与处理的关键技术。已有实证研究表明，学习者笔迹分析中的书写速度、停顿时间、连贯性、握笔压力等多源数据指标有助于通过外显行为的细微变化深度刻画学习者高级神经活动，并反映出学习者智力或认知负荷水平状态[15]。点阵纸笔内嵌光学识别扫描装置可海量存储学习者长时间的作业书写笔迹，形成重要的学情分析大数据，若以脑电测量设备与之协同工作，则可实现在作业书写过程中外显书写行为与内隐神经活动之间的时序性、因果性关联，以揭示不同作业活动场域下不同学习活动发生机理。以学习者书写作业时间指标为例，根据具身认知理论，学习者书写作业所产生的提笔时长与停笔时长指标反映学习者在作业完成过程中“知情意行”的具身参与度、投入度；表征对作业书写内容规划及执行的意志动力机制；耦合关联学习者认知加工、记忆搜索、思维推演等高阶认知活动。而不同的认知活动涉及学习者分管逻辑或言语的不同脑区工作状态，如腹侧前运动皮层、后侧颞叶、颞下回等[16]，使得学习者在进行不同认知思维过程中往往倾向性产生特定的情感或情绪波动。通过结合学习者作业外显行为与认知内隐特征等多源数据的采集，为教师作业设计提供数据驱动的学情诊断分析与循证支持。

(二)作业认知负荷智能计算与分层调控

学习者作业认知负荷智能计算由点阵纸笔与学习平台等多源数据驱动，作业场景下认知负荷表征学习者作业认知负担特征，最终通过机器学习算法融合为认知负荷张量，以学习者认知目标、认知风格、认知偏好等具体特征谱聚类的方法实现作业认知特征智能分层与调控。其计算框架主要分为基于认知负荷多源数据的测量、表征、特征感知与融合、智能分层与决策等四个过程，如图3所示。

图3 基于多源数据融合的学习者作业认知负荷计算与分层调控技术框架

考虑多源数据融合下学习者认知负荷表征与计算建模的动态性、异构性与复杂性等问题，对学习者时间序列上的数据进行实时记录，按照学习者外显作业行为、内隐生理状态、客观学业表现等维度进行数据整合分析，需构建多源感知数据表示方法。例如，点阵纸笔设备采集的外显作业数据、可穿戴脑电设备采集的内隐生理数据、智能学习终端采集的作业客观表现数据共同构成作业认知负荷智能表征与计算的多源性数据集。为降低多源异构数据的维度，提高模型收敛速度，可采用PCA(Principal Component Analysis)算法[17]，对外显作业行为、内隐生理状态、客观学业表现等关键表征要素的高维数据进行压缩降维，得到低维特征数据用于后续的融合及聚类。多源异构数据融合需考虑特征维度的一致性、学习者的时间序列学习数据等问题，因此可将时序因素引入认知负荷表征的张量空间中，构建基于Tucker分解的异构时序数据融合模型[18]。最后采用谱聚类算法处理学习者多维认知特征，利用群体作业分层实验在特征空间上进行数据决策和验证。

学习者认知特征反映当前时刻其可承受的主观认知负荷水平，与不同客观认知负荷的作业集之间形成匹配性语义关系，即客观认知负荷的作业集与主观认知特征的学习者之间形成促进特定知识技能理想化发展的聚类关系，基于多维认知负荷特征谱聚类算法实现学习者群体作业智能分层。与传统的聚类算法相比，谱聚类算法能够在任意形状的样本空间中聚类并收敛到全局最优解，对于多源异构数据存在结构不一致、分布不均匀等情况具有良好的适用性[19]。

(三)作业人机协同批改与效果分析评价

人机协同已成为导学、诊断、干预、反馈、评估、反思等各教学环节精准化的主要特征[20]，图像识别、机器学习、自然语言处理等智能技术正赋能智慧作业批改、诊断与分析走向个性化与精准化。当前结合图像与语义特征识别技术已可实现数学等学科中具有封闭解答路径的作业智能批改[21]，结合文本与语音识别技术已可实现语文、英语等学科中以音频或文本为处理对象的听说读写全过程的语言类作业与考试自动评测[22]，而具有开放解答路径的作业主观题目则需教师参与评判，构成了机器智能批改诊断客观作业题，教师智能批改诊断主观作业题的协同批改诊断模式。

而作业人机协同批改只评判学习者回答作业问题的正确性，尚无法反映学习者在完成作业过程中的思维轨迹及其在作业场景下的自主学习品质。通过点阵纸笔无感化采集学习者笔迹数据并转化为可回放的视频文件，则可在师生诊断教学问题时对作业完成场景的学习者思维轨迹进行动态溯源跟踪与分析。通过作业回答的文本数据、笔迹数据、时间停顿数据等多模态数据协同分析学习者的学习品质，一方面可为学习者建立可智能诊断错因的个性化错题本与学情分析报告，实现作业思维过程可循证、作业完成品质可量化、作业学习成果可管理的闭环式、智能化作业质量分析体系；另一方面可为教师在作业目标设定、作业难度调节、作业形式设计、作业内容管理等作业设计过程提供精准化的决策分析路径，提升教师高质量作业设计能力。

(四)基于图谱的作业资源智能导学推荐

知识图谱等认知智能支架被认为是提升学习者认知特征与数字资源语义组织协同性的关键技术[23]，智慧作业支撑平台在学科教学视域下表征为学科作业题目的数字化及其组织管理方式的智能化，为基于图谱的作业资源智能导学与推荐提供了新技术视角。

智慧作业支撑平台包括数字化学习资源与智能化分析工具，除了具有前沿的行为数据与内隐数据分析识别能力，其数字化作业资源库同样应具备与学习者当前认知发展水平协同演化的能力。在分层智慧作业场域下，认知图谱技术便是赋能人机认知协同发展的关键技术。按照布鲁姆认知目标层次，智慧作业中的题目均被标记为具有特定认知标签的知识认知多元组。在知识认知元组中，除了知识点之间形成语义关联，其认知学习路径也随着学习进程的推进形成语义关联，从而构建智慧作业中的学科知识与认知目标的多元语义链路网图结构，这就构成了动态化的智慧作业认知图谱。一方面，对处于低阶认知目标的学习者，智慧作业支撑平台根据其当前的认知水平层次动态配置适切的作业资源，训练提升学习者的认知层次；另一方面，根据项目反应学习理论，当学习者的认知发展水平对当前作业训练难度已驾轻就熟，可认为当前作业资源对学习者的认知挑战度在不断减小，甚至形成作业资源推荐的“信息茧房”，则需要根据作业认知图谱的多元认知发展链路为学习者提供更高阶的认知训练目标，或开始新知识点的学习训练。通过认知图谱技术的赋能，学习者在完成作业过程中，既不会长时间频繁完成对低挑战度的作业训练，同时也不会因为作业完成难度远超认知负荷水平而产生畏难情绪，在人机认知协同的技术环境下逐步习得更高阶的学科知识与技能。

五、“双减”背景下智慧作业的实践方向

智慧作业是利用智能化手段落实“双减”减负提质增效目标的有力举措，应聚焦面向教师的作业设计质量提升、面向学生的作业个性化指导、面向课堂精准教学的数据支持、面向区域的作业治理四大方向精准发力，加速规模化教育与个性化培养的有机结合[24]，持续深入推进“双减”政策落地。

(一)面向教师的作业设计质量提升

智慧作业支撑平台能够为教师提供海量的优质资源与学生学情数据，为教师实现层次化、精准化、差异化作业的高质量设计提供了智能工具。智慧作业支撑平台实现基于学情特征识别的智能命题与批阅，通过实时收集学习者的作业数据，为教师在学科知识图谱支持下根据课程教学目标与学习者的认知状态动态编制适切的作业题目或学习任务，更有针对性地向学生提供基础题、提升题、拓展题、基于真实情境和生活实践的问题解决类作业等。同时，智慧作业支撑平台还能够将作业过程数据、资源、工具智能归档，通过智能语义分析实现基于智慧作业设计与导学的教学反思日志智能生成。

教育部2021年发布的第一批学校落实“双减”典型案例显示，山东省潍坊市探索整合各校优秀作业设计资源，建立作业资源库，利用教育云平台设置作业资源共享平台，实现全市优质作业资源共享；青岛市崂山区依托信息技术优化作业管理，通过人工智能校本作业本，实现分层、个性化布置作业，做到精准到校、精准到班、精准到人。

(二)面向学生的个性化学习指导

智慧作业支撑平台依托作业大数据与学科知识图谱，能够满足学生对多元个性化学习资源与学习路径的现实需要。智慧作业支撑平台通过采集分析学生作业的全过程、全要素、多尺度数据，自动生成面向学生个体的多维立体作业画像，精准诊断学生的作业内容与认知负荷的匹配程度，为向学生持续提供个性化作业与导学资源提供数据支撑。同时，智慧作业支撑平台能够实现错题自动归集，有助于为学生提供精准的补偿性训练，有效避免机械、重复性作业负担。基于学生作业画像与错题集数据，智慧作业支撑平台进一步为学生提供针对性知识点讲解资源，支持学生通过自主学习查漏补缺与自我提升。

教育部2021年发布的第一批学校落实“双减”典型案例显示，江西省智慧作业系统支持即时生成面向学生个体的专属错题集，并为学生精准推送错题讲解资源和拓展题目，满足学生个性化学习需求。河北省邢台市育红小学通过汇聚整合、自主创编等方式打造个性化、多元化的“作业超市”，为不同学习需求的学生提供基础型、易错型、拓展型等作业任务。

(三)面向课堂精准化教学的学情数据支持

智慧作业支撑平台能够自动生成多维度、可解释、阶段性的作业数据分析报告，精准刻画面向学生个体、班级、年级、学科等不同层次的典型作业特征，为教师打造高质量“课前—课中—课后”教学闭环提供数据决策支持。教师课前依托数据分析报告，为学生推送针对性导学资源，及时调整教学进程、教学重点与教学策略；课中以任务驱动为核心设计学习活动，利用智慧作业支撑平台实时诊断教学目标达成度、学生参与度、高频错题等内容，对学生存在的共性问题进行集体讲评；课后对学生个性问题进行个别辅导，并为学生推送符合其认知特点的个性化作业，强化学生的知识巩固、能力形成与习惯培养。此外，加强对课后作业数据分析报告的总结与反思，是实现以学定教、因材施教的重要一环。

教育部2022年发布的第四批学校落实“双减”典型案例显示，贵州省遵义市试点推行覆盖“学生预习—教师备课—课堂教学—作业批改—课后辅导—监测评价”六个环节的精准化教学模式，强调通过学习平台课前为学生推送预习资源，教师根据学生预习情况调整备课内容，课中运用信息技术手段优化教学环境、内容、结构、过程和方法，课后则为学生推送分层作业，并根据作业分析报告进一步优化教学方式。

(四)面向区域的作业治理

张抗抗等认为“双减”落地需要从作业管理走向多方协同的作业治理，作业治理是指围绕作业的编制、设计、开发、实施、评价等，政府、教师、家长、学生及其他利益相关者依据一定教育法规，通过特定路径设计和实践策略进行协商、审议与合作，对作业系统的诸要素共同行动、决策、管理，促进作业效能提升的动态过程[25]。构建区域学生作业大数据，是实现作业有效治理的重要基础。通过区域作业大数据，作业治理参与主体超越主观经验，能够全样本地评价学生作业负担与设计质量情况。通过数据发现问题，用数据思考作业治理问题，基于数据进行全程动态监管，实现数据支撑作业治理的决策、执行、监管和评估全过程，形成“用数而思、因数而定、随数而行”的数据驱动治理模式。

国内部分区域已经开始应用大数据进行作业治理的探索，教育部公布的第三批学校落实“双减”典型案例显示，南京市玄武区通过研发作业智慧管理平台，强化作业负担全程监控，形成“作业公示—超时预警—用时反馈—优化设计—提质增效”多环节数字化智能化管理闭环。学科教师统一通过平台发布“作业公示”及“预计作业时长”，家长借助平台每天反馈孩子作业完成时间，如有学生作业超时超量，系统自动预警并及时反馈教师；教师可通过平台查看本班学生作业实际完成时长、时段分布等数据，区、校管理者可实时查看全区、各校多维度统计数据，实现全面、全程、全域管理。

六、结语

以智能技术提高作业设计质量，优化作业导学服务效果，从而实现我国基础教育的高质量发展，是智慧作业在“双减”时代的重要教育旨归。智能技术与师生作业实践中的协同性，为智慧作业设计、服务与育人实践提供了新方向，一方面作业承载的学科素养、学习品质、反馈沟通等育人功能在智慧作业环境中得以转化为可量化、过程性、可解释的多模态教育教学数据，为学生的认知发展、知识获得与能力形成提供了数据驱动的教学评价新范式；另一方面，多技术融合的智慧作业生态赋予作业设计、服务与育人实践的增量价值，将倒逼以“减负提质增效”为核心的课堂教学改革理论研究加速发展。诚然，应试导向及功利主义的作业难题自古有之，因基础教育阶段作业题海孕育的“小镇做题家”现象更是有其社会性教育评价的深层原因[26]。智慧作业作为“双减”时代的新生事物，不求解决与作业论域相关的所有难题，愿能为“减负增效提质”的“双减”政策使命贡献力量。