智能时代的人机协同学习：价值内涵、表征形态与实践进路 *

王一岩，郑永和

(北京师范大学 教育学部，北京 100875)

一、引言

智能技术教育应用的根本目标在于促进学习，为学习者构建全面、科学、系统的学习支持服务体系，充分发挥学习者个人的潜能，助力于个性化学习的实现。随着智能技术的快速发展和智能教育产品的逐渐成熟，学习活动的发生越发依赖人与机器之间的协同。机器通过对学习者学习数据的采集、学生画像的构建、学习需求的分析、学习资源的推荐、学习路径的规划，为课堂学习、家庭学习、终身学习等多样化的学习群体提供多元、精准、智能的学习支持服务，进而为“人人皆学、处处能学、时时可学”的学习型社会的构建提供保障。学习者通过与机器之间的智能交互、协同工作，更加了解机器的核心功能和运行逻辑，并能够借助机器减轻自身学习负担、了解自身学业状况，及时获取所需资源和服务，利用机器的智能诊断和资源推荐功能对自身的学习策略进行调整，实现对学习过程的自我反思，促进自身学习素养的有效提升。

随着智能技术与人类生产生活融合程度的不断加深，人类与机器之间的关系逐渐从“人机协同”向“人机共生”的方向发展，机器与人之间的协调发展、共创共生将成为未来社会发展的主流趋势。人机协同学习将逐渐成为未来教育的重要组成形式，借助人与机器的沟通交流、对话协商，实现人机协同的教育智慧创生，通过人机双向赋能构建面向智能时代教育发展的智慧学习新生态。本文主要聚焦于人机协同学习的成因、内涵、表征形态和实践进路，通过理论层面的深层次探索，勾勒出人机协同学习的基本样态，以此为后续相关研究的开展提供借鉴。

二、智能时代人机协同学习的背景与成因

(一)智能技术的快速发展促进学习服务的升级

随着智能技术的快速发展和人工智能算法模型的不断更新，机器的智能化水平得到了极大提升，能够提供超越人类教师的智能化学习支持服务，实现个性化的学业诊断、智能化的资源聚合、精准化的教学干预，为学习者打造面向多元学习场景的智能化学习支持服务体系，满足学习者多样化的学习需求。而随着智能导学系统、教育机器人、自适应学习平台等典型智能教育产品的出现，以及近年来以讯飞AI学习机、大力智能学习灯为代表的“软硬件一体化”的智能教育产品的快速发展，智能技术与教育教学的融合趋势得到了逐步加深。智能教育产品能够对物联网、大数据、人工智能、边缘计算、5G等智能技术进行有效整合，实现学习意图的识别与应答、学习情境的感知与计算、学习数据的采集与汇聚、学生画像的构建与更新、学习需求的分析与预测、学习服务的生成与推送，在更广泛层面提升教育服务的供给能力，为学习者提供更加精准化、个性化的学习支持服务[1]。如：面向课堂学习，可以针对不同学生的特点实现分层次、分阶段的课堂练习，助力于学生学业水平的有效提升；面向家庭学习，能够实现面向学习者的精准化学情分析、个性化作业定制和及时化作业辅导，保障学生家庭学习的有效开展；面向终身学习，能够为终身学习者提供及时有效的学习需求诊断、学习资源推送和学习路径规划服务，进而帮助终身学习者高效、便捷地获取所需资源和服务，减轻海量资源检索带来的认知负荷。

(二)学习服务的精准供给驱动学习模式的变革

智能教育产品的应用通过学习支持服务的个性化定制为学习者打造智慧化的“AI助手”“AI导师”和“AI学伴”[2]，能够为学习者提供智能化的学习辅助、个性化的教学辅导、精准化的学情监管、及时化的陪伴沟通，这为智能时代学习模式的变革提供了坚实基础。传统意义上，无论是课堂学习还是线上学习，学习者大多依托特定的“学习活动”建立与“学习资源”“学习内容”以及其他学习者之间的联系，通过对外部资源和环境的加工实现深层次的知识建构。而智能教育产品的引入能够通过学习者和机器之间的智能交互，实现对学习状态的精准化识别、学习需求的个性化分析、学习资源的智能化重组、学习活动的精准化定制，进而为学习者提供系统全面的学习支持服务，使得“学习者”与“知识”之间的单向度联系转变为“学习者—机器—知识”之间的多向度关联。机器作为一种技术中介，通过对学习者“知识技能、认知行为、情感体验”的数据化建模分析和对知识之间关联关系的结构化重组，构建学习者和学科知识图谱之间的智能分析引擎，以学习资源的智能供给和学习路径的动态生成重构“学习者”和“知识”之间的关联关系，以此驱动学习模式的系统化变革，促进个性化学习的实现。

(三)人机协同的学习模式助力学习理念的革新

随着智能技术的快速发展和智能教育产品的逐渐成熟，传统“教师教、学生学”的理念逐渐被革新，学习者可以利用智能教育产品实现自主化、个性化、灵活化的学习，通过人与机器的智能交互和对话协商，帮助智能教育产品更好地理解学习者真实的学习意图和学习需求，通过对学习资源的智能化聚合，实现学习服务的个性化定制，帮助学习者更好地开展自主学习和探究学习，提升学习者的探索精神和创新意识。传统的学习过程中大多重视对学习者个体知识、技能的掌握，而随着智能技术的快速发展和智能教育产品的逐渐成熟，机器逐渐成为知识的载体，能够为学习者提供及时、有效、精准的资源供给和知识生成服务。因此，智能时代人机协同学习的开展将越发重视对学习者知识获取、建构与应用能力的综合培养，强调学习者通过自身学习策略、动机信念和元认知的调整，借助机器实现对自身学习状态的“自我决定、自我监控、自我评估、自我调整”[3]。因此学习活动的设计不仅要能够为学习者提供内容和资源本身，还要激发学习者深层次的认知需求，帮助学习者主动使用学习策略对自身认知活动进行计划、监控和调整。

三、智能时代人机协同学习的内涵

(一)人机协同

人机协同，是指人与机器各自执行自身最擅长的工作，取长补短，共同认识、共同感知、共同思考、共同决策、共同工作、互相理解、互相制约和相互监护[4]，人与机器能够在协同工作的过程中发挥各自优势，从而完成一些超越人类智慧和机器智能的复杂任务和工作。人机协同思想诞生于工业时代，强调通过人类对机器的操作来完成特定的生产任务，利用机器解放生产力，提升工业生产的效率，在此阶段人是“人—机”关系的主体，在人机协同工作的过程中占有绝对的主导地位。之后随着技术的发展，尤其是计算机的出现，机器逐渐从对人类体力劳动的简单替代演变为对人类思想、感知、决策的全面支持，尤其是以知识库和专家系统为代表的智能实体的出现，能够帮助机器依据专家的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决困扰行业发展和人类进步的复杂问题。近年来，随着以人工智能为代表的智能技术的快速发展，机器的智能化水平不断提升，能够替代人类完成更加复杂多样的任务，“人”与“机器”的协同超越了一般意义上的人与器物间的使动关系，人类越发依赖机器完成一些复杂的、超越人类认知范畴的工作，形成人与机器之间相互促进、共同发展的融合关系[5]。

教育领域的“人机协同”不是一个新概念，从黑板、粉笔、教材等传统教具的出现，到多媒体、超文本、网络通信、知识库等计算机技术的应用，再到以智能导学系统、教育机器人、自适应学习平台为代表的智能教育产品的诞生，教与学模式的演变始终伴随着教育技术的发展以及人与机器关系的深层次变革。随着物联网、大数据、人工智能、5G等新兴智能技术的快速发展，机器的智能化水平得到了大幅提升，逐渐从被动地完成简单的学习任务到能够参与到具体的学习决策过程，为学生个性化学习的实现提供了有效支持。对于教育领域“人机协同”概念的理解，可从以下两个层面展开：

其一，“人”与“计算机”之间的协同。传统意义上，“人机协同”中“机器”大多指代“计算机”，是指学习者通过操作计算机完成一些低层次、单调性、重复性的学习任务[6]，运用计算机强大的运算能力替代学习者完成一些超越人类认知范畴或需要浪费人类大量认知资源的复杂任务，以此减轻学习者的学业负担，如：资源检索、拍照搜题、作业批改、文本翻译等等。

其二，“人”与“智能教育产品”之间的协同。随着智能技术的快速发展和智能教育产品的逐渐成熟，“人机协同”的概念逐渐向“人技协同”的方向转变，越发强调智能技术对于学生学习的建模、诊断和干预作用，主张利用智能技术去优化学习环境、提升学习效率、革新学习服务。智能教育产品能够汇聚物联网、大数据、人工智能、云计算、5G等智能技术的核心优势，实现泛在化的学习情境感知、全景化的学习数据采集、精准化的学业诊断测评和个性化的学习服务供给[7]，为学习者打造智慧化的“AI助手”“AI教师”和“AI学伴”，促进智慧学习生态的重构。

(二)人机协同学习

人机协同学习的核心特征在于：一方面，能够让“人”与“机器”各自执行自身最擅长的工作，机器通过数据建模和智能计算实现学习者和学习资源之间的智能匹配，为学习者提供个性化的资源推荐和学习路径规划服务，学生通过对机器提供的智能学习方案进行审查，对自身的学习策略进行适应性调整，并对机器提供的智能化学习支持服务进行反馈，以此对人机协同学习的过程进行不断优化；另一方面，能够凝聚人类智能和机器智能的核心优势，超越学生智慧和机器智能本身的局限性，通过学习者与机器的智能交互、协同工作、对话协商和共同决策，实现人机协同的教育智慧创生，帮助学习者完成超越学生智慧和机器智能的复杂学习任务，驱动人机协同支持下的智慧学习生态的重构。

具体体现在以下三个层面：其一，通过对人机协同学习过程中学业测评数据、学习行为数据、生理信息数据的智能采集和融合分析，实现对学习者行为、认知、情感、动机、元认知等外在行为表现和内在心理特征的精准测评，帮助机器更好地了解学生的学习意图和学习需求，从而更好地发挥机器对于学习的辅助作用，实现学习资源的智能化聚合、学习服务的个性化定制和学习方案的适应性调整；其二，借助学习者对机器的使用，帮助学习者更好地了解机器的核心功能和运行逻辑，并善于利用机器获取所需资源和服务，减轻重复性劳动造成的认知资源的浪费，并通过机器对学习者知识掌握程度和能力发展水平的智能测评，实现学习者对自身学习状况的全方位掌握，帮助学习者更好地调整自身的学习策略，强化元认知调控、动机调控和情绪调节，促进学习者主动的知识建构和认知发展；其三，通过学习者与机器的智能交互和对话协商，实现人类智能与机器智能的群智融合，充分发挥学生智慧和机器智能的核心优势，实现对学习过程的精准调控，进而保障学习活动的高效、有序开展，促进学习者与机器的协调共生、有序进化，重构人机协同的智慧教育新生态。

四、智能时代人机协同学习的表征形态

(一)人机智能交互，赋能智能时代的教育服务变革

人机协同学习的表征形态主要是通过人与机器的智能交互，帮助机器更好地理解学习者的认知水平、行为模式、情感状态，在此基础上，探究相关特征要素之间的内部逻辑关系，通过结构化的建模分析对学习者的内在认知结构进行精准表征，实现智能化的学业水平诊断、学生画像构建和学习需求预测，帮助机器更好地理解学习者的学习意图和学习需求，进而为其提供更加适切的学习支持服务。

其一，实现多模态数据支持的人机自然交互。通过对人机协同学习过程中学习者学习行为数据(话语、表情、身体姿态等)、生理信息数据(呼吸、心跳、眼动、脑电等)、人机交互数据(鼠标点击、文本输入、语音交互等)的智能化采集分析，构建人与机器之间的多模态的信息交互通道，实现学习者与机器的多模态交互[8]，利用自然语言处理、计算机视觉、语音识别、多模态机器学习等技术实现对学习者学习指令和学习状态的有效识别，帮助机器更好地了解学习者真实的学习需求，进而为学习者提供更加及时有效的学习支持服务。

其二，实现智能化的学业诊断。通过对学习过程中学生学业测评数据的智能分析，对学习者的知识掌握程度进行精准测评，结合学习资源与知识点之间的映射关系，以及不同知识点之间的逻辑关系，构建面向学生个体发展的知识图谱和能力图谱，实现对学习者个体的智能化学业诊断。在此基础上，通过对学习情境数据和学习者行为、认知、情感数据的智能匹配，构建基于情境感知的学习者模型，对学习者的学习风格、学习动机、学习偏好等深层次特征进行精准分析。

其三，实现个性化的学习服务供给。通过对学习者知识结构、认知水平和情感态度的量化测评，构建精准化的学习者模型[9]，利用最近发展区理论对学习者的学习需求和发展潜能进行精准预测[10]，建立学习需求和学习资源之间的动态映射关系，并通过智能化的资源推荐和学习路径规划为学习者制定个性化的学习方案，更好地满足学习者多样化的学习需求，促进学生个性化学习的实现。

(二)人机协同工作，重构智能时代的个性学习模式

人机协同学习的核心特征在于，人类能够充分理解机器的核心功能和运行逻辑，并且善于利用机器获取所需资源和服务，通过学习指令的发送、学习反馈的接收、学习需求的诊断、学习服务的生成、学习方案的选用和学习策略的调整，实现人与机器之间的协同工作和双向反馈[11]，帮助机器更好地理解学习者真实的学习需求，并为其提供更加精准有效的学习支持。在此基础上，通过学习者与机器的协作完成更加复杂的学习任务，超越机器和人类自身思维和能力的局限，通过人机协作，充分发挥学生智慧和机器智能的核心效用，从而更好地促进学习目标的达成。

其一，学习指令发送和机器智能应答。机器辅助学习的核心功能突出表现在学习者利用机器强大的计算和搜索能力完成一些复杂性、重复性的工作，减轻学习者认知资源和学习时间的浪费，帮助学习者及时有效地获取更加智能化的学习资源和学习服务。例如，学习者通过文本输入、指尖点击、语音交互等方式向机器发送学习指令，机器通过智能化的语音识别、语义分析和规则匹配实现对学习指令的精准识别，利用自身强大的计算能力帮助学习者完成单词查询、文本翻译、拍照搜题、资源检索、作业批改等工作，学习者可以留出更多时间从事创造性的脑力劳动，从而更加高效、便捷地进行学习。

其二，学习需求诊断和智能服务生成。首先，通过人与机器的多模态交互，实现对学习者语音、表情、身体姿态、呼吸、心率、脑电等多模态数据的采集、汇聚和融合分析，对学习者真实的学习意图进行判别。其次，利用学业测评数据、学习行为数据、生理信息数据、人机交互数据对学习者真实的知识掌握程度、认知发展水平和情感发生机制进行精准分析，构建面向学习者个体的知识图谱和能力图谱，对其真实的学习需求进行智能评判，为个性化学习服务的推送提供参考。最后，通过对学习资源的智能聚合，实现学习需求和学习资源之间的良性匹配[12]，为学习者提供智能化的资源推荐和学习路径规划服务，助力于学生个性化学习的实现。

其三，学习方案反馈和服务策略调整。以往关于“个性化学习”的论述，往往只提到对学习者进行个性化的资源推荐和学习路径规划，或者说为学习者制定个性化的学习方案，但从整体来看，这只完成了个性化学习的“前半段”，因为忽略了学生对于机器所提供的个性化学习方案的反馈，以及机器对于学生反馈的适应性调整，导致最终无法实现对学习支持服务实际效用的检验和机器智能教育服务策略的调整。因此，为构成个性化学习的完整闭环，在人机协同学习的过程中，学习者需要对机器所提供的学习方案加以甄选和鉴别，根据自身实际需要对机器提供的智能服务内容和模式进行修正；机器需要依据学习者反馈的意见对智能服务的策略和模式进行调整，通过数据维度的增加和算法模型的优化，实现对学习者真实学习需求的智能匹配，为学习者提供更加精准、有效的学习支持，提升机器的智能化水平。

(三)人机群智融合，驱动智能时代的教育智慧创生

群智协同的研究起源于生物学和生态学领域，蚂蚁、蜜蜂、鱼、鸟等自然生物个体拥有的智慧有限，但通过群体合作能够激发超越个体的集体智慧，产生聚集、组队、群体迁徙、形状变换等复杂行为[13]。随着物联网和人工智能技术的发展，关于群体智能的相关研究逐渐受到了行业内相关学者的重视，旨在通过个体之间的合作和竞争实现群体智慧的涌现，集结众人的观点进行更加精准的决策，以此为某些复杂问题的解决提供更加有效的方案。

人机协同学习领域的群智融合，旨在充分发挥人类智能和机器智能的核心优势，避免人工决策过程中对主观经验的过度依赖以及机器决策过程中对于数据和算法的过度依赖，实现人机协同支持的教育智慧创生，产生超越人类智慧和机器智能本身的群体智慧，实现教育决策从“数据驱动”到“数据启发”再到“群智协同”的演变。

其一，数据驱动的机器智能决策。数据驱动的教育决策旨在利用物联网、大数据和人工智能技术，实现泛在化的教育情境感知和融合分析，通过大规模教育数据的训练，对真实学习场景中“人—机—物—环境”等要素的存在状态和演化模式进行序列化的建模分析，帮助机器更好地了解学习情境的构成要素及其核心特征，实现数据驱动的学习现象的解释和学习过程的还原[14]。通过对学习过程的数据化建模分析，对智慧学习情境的表征形态和演化机理进行深入的挖掘分析，帮助机器更好地模拟智慧学习生态的演化模式，以此推动机器智能的教育智慧创生，实现数据驱动的精准教育决策。在人机协同学习的过程中，数据驱动的教育决策突出表现在机器利用学习者的学习行为数据、生理信息数据、学业测评数据实现对学习过程的精准感知和有效建模，挖掘学习发生的内在机理，并以此为参照对学习者进行个性化的资源推荐和学习路径规划服务。

其二，数据启发的智能教育决策。数据启发的教育决策是由人工决定需要获取的数据类型，并结合人的主观经验从数据中提取见解并基于见解制定优质教育决策方案[15]。在此过程中，机器作为人类逻辑思维和信息处理能力的延伸，通过数据化的信息表征和智能化的挖掘分析，为人类提供可供参考和甄别的教学决策方案，并通过人类大脑的联想、推理和归因[16]，对机器提供的教育决策方案进行筛选、评判和调整，制定更加符合教育教学实际需要的科学化教育决策。在人机协同学习的过程中，强调学生要能够对机器提供的智能学习支持服务进行评判和筛选，从自身的学习习惯和学习经验出发，对机器提供的学业诊断结果和学习提升方案进行选择性地使用，将机器的智能化决策方案作为改善学习计划、调整学习策略的重要参考，以此助力于学生自主学习的实现。

其三，人机群智融合的教育智慧生成。从根本上来讲，“数据驱动的教育决策”和“数据启发的教育决策”的决策主体分别是“机器”和“人”，这在某种程度上依然无法脱离“机器”和“人”自身的局限性，在解决教育实践过程中复杂的系统性问题时，难免显得捉襟见肘。因此需要一种更加综合化、立体化、科学化的教育决策方案对复杂的教育问题进行有机分解，产生超越机器和人类智慧水平的“超智能”解决方案。此处参照钱学森院士“大成智慧思想”中的“综合集成研讨厅”对人机群智融合的机理进行诠释。“综合集成研讨厅”是钱学森系统科学理论的思想结晶，是在针对复杂巨系统所提出的定性与定量相结合的“综合集成法”进行凝练和提升的基础上提出的基于知识体系、专家体系和机器体系的系统化解决方案，将知识体系中的海量数据和信息、专家体系中的非逻辑性认知和判断，以及机器体系中的先进算法和技术进行综合集成和有机结合，从而形成的人机融合的复杂决策系统[17][18]。人机协同学习中机器和学生的群体智慧融合需要参照“综合集成研讨厅”的理念，通过对机器客观决策和学生主观经验的综合考量，实现人与机器的群智融合，对学习过程不断进行调整和优化，突出智能化学习决策过程中对于机器呈现的客观事实和学生主观感受的综合关照，实现人机协同支持的教育智慧生成。

(四)人机协同共生，构筑智能时代的智慧学习生态

共生理论最早来源于生物科学领域，是指不同种属的生物按某种物质联系共同生活、协同进化[19]。人工智能领域的“人机共生”是对人类和计算机之间合作互动的一个发展预期，通过人与机器之间的和平共处、友好竞争，转变人机关系中人类起主导和支配作用的现状，提升机器的主体地位，实现人与机器的和谐相处、共同进化[20]。

人机协同学习中的人机共生是指，人类与机器能够在人机协同学习的过程中互相学习和协同进化，促进学生智慧水平的提升和机器智能水平的优化，通过人与机器的交互培育人机协同的教育智慧，帮助学习者完成一些超越人类智慧和机器智能本身的复杂学习任务，激活人机协同学习的内生动力，从而促进人机协同学习生态体系的系统变革。具体表现为：

其一，促进机器智能化水平的提升。机器能够借助与人类的自然交互，更加理解学生行为背后隐藏的深层次认知和情感特征，能够通过对学生的话语、表情、身体姿态、交互行为等多模态数据的采集，挖掘学生深层次的行为模式和学习习惯，从而构建更加精准完善的学习者模型，对学习者的知识技能、认知行为、情感体验等特征进行结构化的建模分析[21]，进而对学习者的学习兴趣、学习偏好、学习风格进行精准表征。在此基础上，为每位学习者打造一个智能化的“学习管家”，对学习者的学习过程、学习计划、学习方案进行综合管理，并为学习者制定面向终身学习的个性化成长方案。在此过程中，促进机器从“弱人工智能阶段”(机器能够完成学习者简单的学习指令)到“强人工智能阶段”(机器能够识别学习者的学习状态，实现精准化的学情分析，并提供个性化的学习支持)再到“超人工智能阶段”(机器能够通过与学习者之间的交互对学习者的学习需求进行精准识别，结合最近发展区理论对学习者的发展潜能进行精准预测，并能够为学习者设计个性化的学习方案，促进学生个性化学习的实现)的转变，促进机器智能化水平的不断提升。

其二，促进学生学习智慧的养成。首先，学习者在利用智能机器开展学习的过程中，能够对机器的核心功能和运行逻辑进行系统掌握，明确如何利用机器获取所需资源和服务，能够将重复性、单调性的工作交给机器去完成，留出更多时间从事创造性的脑力劳动。其次，学习者能够对机器所提供的资源和服务的质量加以判别，能够对智能产品的诊断结果和推荐策略进行干预，帮助机器更好地理解学习者真实的学习需求，并通过数据维度的增加和算法模型的优化对个性化学习服务的质量加以提升。最后，学习者能够通过机器提供的知识图谱和能力图谱了解自身的学习进展、学业水平、学习风格，主动地运用与调控元认知、动机与行为,实现对自身学习状态和学习策略的“自我决定、自我监控、自我评估、自我调整”，对自身学业发展水平进行精准评判，并能够依据现有知识、能力水平调整自身学习策略，在最大程度上保证学习效率的提升和学习目标的达成。

五、智能时代人机协同学习的实践进路

(一)机器智能服务测评体系的构建

机器智能服务测评体系的构建是智能时代人机协同学习研究的关键组成部分，机器所提供的智能化学习支持服务在为学习者带来诸多便利的同时，也在一定程度上引发了一系列的伦理问题争端，突出表现在拍照搜题、智能解题等“惰化学生思维能力、影响学生独立思考”的功能的使用[22]，将在极大程度上影响学生自主学习能力的提升，弱化学生独立解决问题的意识和能力。因此，需要从根本上构建面向学生个性化学习的机器智能服务测评体系，对相关功能的使用场景和使用条件进行有效规约，引导学生更好地利用机器进行学习，促进学习效率和学生素养的双向提升。

(二)基于多模态交互的人机协同学习过程监测

多模态数据支持的人机交互分析一直是多模态学习分析领域关注的热点话题[23]，主要关注学习者与智能导学系统、教育机器人等智能教育产品之间的交互作用模式，利用学习者的学习行为数据、生理信息数据、人机交互数据实现对人机协同学习过程的有效还原。从长远来看，人机协同学习将成为未来一段时间内学习的重要表征形态，因此如何对人机协同学习的过程进行有效还原从而挖掘深层次的学习规律，是未来人机协同学习关注的重要话题。因此，需要构建基于多模态交互的人机协同学习过程监测模型与方法，利用学习者与机器之间的多模态交互数据实现对学习过程的有效还原，帮助机器更好地了解学习者的行为表现、认知水平、情感动机，从而对学习者的学习意图和学习需求进行有效识别，并为其提供更加精准的学习支持服务。

(三)人机协同学习底层规律的探讨

对于人机协同学习底层规律的探讨是智能时代人机协同学习研究需要关注的核心问题，需要更加进一步明确智能教育产品等机器智能实体的应用究竟能否促进学习以及如何促进学习，厘清其中的潜在规律有哪些，从而更好地对智能教育产品的研发方向进行修正。一方面需要关注智能教育产品的应用对学生学业表现、学习投入、自我效能感、学习动机、技术接受度等要素的影响机制，以及相关要素之间的协同作用关系；另一方面要关注智能教育产品的应用对学生自我调节学习的影响机制，聚焦于学生行为、认知、情绪、动机、元认知等微观层面，从学习目标设置、元认知调控、动机调控、情绪调节等方面对智能教育产品支持下的自我调节学习的潜在规律进行深层次的挖掘分析，关注智能教育产品的应用如何对学生的学业表现、学习策略和学习动机产生影响，以此对智能教育产品的研发和人机协同学习的模式进行优化。

(四)人机协同学习背景下学生智慧学习力的提升

“智慧学习力”是在智能技术与教育教学深度融合的时代背景下，为了适应智能教育产品的快速发展和人机协同学习的实践进程，学生所需具备的一系列能力、信念、意识、品质的集合[24]。智慧学习力的培育是人机协同学习的重要保障，能够从学生素养层面明确智慧教育发展面临的核心问题，进而为人机协同学习的有效开展提供可靠支持。其一，强调学生要明确智能教育产品在学习中的角色定位，能够在纷繁复杂的个性化学习支持服务中保持清醒，明确机器无法替代自己完成思考、探索和发现的过程，要有目的、有节制、有规划地去使用智能教育产品，防止智能技术的滥用导致自身思维的退化；其二，强调学生要能够了解智能教育产品的核心功能和运作逻辑，并能够合理利用智能技术去完善知识体系、调整学习策略、提升认知能力、拓展学习边界、培育创新意识，从而更好地发挥智能技术对于学生学习的正向赋能作用。

(五)人机协同学习的伦理问题阐释

人机协同学习与传统学习的区别在于，强化了机器在真实学习过程中的参与度，通过对学生学习意图和学习需求的精准识别，实现智慧学习服务的精准供给，助力于学生个性化学习的实现。这在为学习者带来极大便利的同时，也对传统的学习理念和学习生态造成了一定的冲击，突出表现在“机器”主体地位的提升，由先前的对于学习者体力劳动的简单替代，转变为能够参与具体的学习决策，并对学习过程进行干预。因此，未来相关研究的开展需要对人机协同学习的伦理问题进行重点关注：一方面，需要划定人机协同学习的伦理边界，构建完善的智能教育服务准入机制，明确在何种条件下才能够允许学生使用智能教育产品开展学习活动，避免“拍照搜题”等智能技术的滥用导致学生思维的惰化，确保机器提供的智能教育服务能够切实满足学习者真实的学习需求；另一方面，需要解决“人”与“机器”的学习主体争端，明确在人机协同学习的过程中“机器”的核心功能和角色定位，确保相关技术的研发和规则的制定是以学习者知识、技能的有效获取和智慧水平的提升为目标，从根本上保证智能技术的应用能够促进学习的有效发生。