《指向小学生高阶思维发展的“AI+教师”智能学习模型建构》

文献报告

当前，关于“AI+教师”学习模型的相关研究已经有一定基础了，国外最早起源于20世纪70年代，美国学者研发的Scholar系统打开了智能导师系统研究领域的大门，而国内的起步较晚，尚未形成系统化的研究机制与规模。不难发现，国内外学者都更加侧重于人机协同教学的理论分析和模型搭建，较少涉及实践层面的探索，且更少关注教师与智能导师系统的协同教学。在国内的研究中，只有少数研究者涉及了“AI+教师”协同教学模式的研究，无论是在技术的成熟度，还是适用范围方面，国内的智能导师系统都有很大的提升空间。

随着教育的改革，普适性的教育已经慢慢不符合学生的个性发展了，大班课教学也很难让教师关注到每个孩子，这对于孩子的高阶思维发展是不利的。随着AI技术的不断发展和政策的持续推动，AI在教育领域的应用已逐渐成熟，并展现出巨大的潜力，构建“AI+教师”的智能学习模型能更好的去解决每个孩子的发展需要。因此本研究认为对于指向小学生高阶思维发展的“AI+教师”智能学习模型的研究是很有必要的。

截止到2024年11月4日，在中国知网中使用“主题检索”、“主题=小学‘AI+教师’”，共检索到13篇（国内文献），“主题=小学生高阶思维发展”，共检索到106余篇。本主题的研究趋势和主题词分布结果如下图所示：

 

1.AI导师国内外研究现状

（1）国外研究现状

①AI导师的发展历程

AI导师的发展可追溯到20世纪60年代的计算机辅助教学，它的起源主要

来自生成性计算机辅助教学。最初的系统智能化程度较低，知识呈现等方面也存 在着局限性，如不能回答学生提出的深层次问题，也无法明确表示学生的知识状 态等。

20世纪70年代，基于将人工智能技术引入计算机辅助教学的设想，Bolt Neranek Newman公司的海梅·卡博内尔（Jaime Carbonell），艾伦·柯林斯（Allan Collins）及其同事共同开发了Scholar系统。它可通过与学生的交互作用来处理

学生提出的问题，并生成不同等级的个性化指导资料和反馈建议，帮助学生实现

个性化学习。Scholar系统的成功研发是智能导师系统发展史上的一个重大突破，标志着智能计算机辅助教学的形成，故其被认为是最早的智能导师系统，其发展历程如图1所示。这一时期，智能导师系统的主要研究领域是“问题生成”，

研究方向集中于简单的学生模型搭建、知识表示方法、教学技能与策略性知识构 建、专家系统和覆盖模型的构建等。

20世纪80年代，智能导师系统得到进一步发展。这个时期更加重视学习者

和学习过程的研究，以及教学策略的引入及跟踪模型的建立等层面。该时期的研 究方向包括建立更加丰富的错题库、自然语言处理技术等等。20世纪90年代，伴随着人工智能技术和超媒体技术的发展，智能导师系统的理论研究和实践研发进入了前所未有的活跃阶段。该时期的研究方向主要集中 于个别化学习、协作学习、情境学习、虚拟现实模拟教学场景等等。进入21世纪，智能导师系统的研究重点主要集中于虚拟教学代理和自然语言对话技术等等。此外，由于网络教学的低成本、高灵活性等特点，使得基于Web的智能导师系统的研究也成为该领域的一个研究热点。现阶段，针对学生的个性化需求，智能导师系统明确了新的发展方向，如建立更完善的学生模型、教 学策略模型以及社会和情感智能在智能导师系统中的应用等。

②AI导师的模型构建

智能导师系统的基本模型最初由哈特利特（Hartleyt）和斯利曼（Sleeman）

提出，包括专家模型、学生模型和导师模型三大模型，它们被用于处理三类知识， 即领域知识、学习者知识和教学策略的知识，此后的模型都是在这三个模型的基

础之上建立起来的。墨菲（Murphy）与罗伯特（Robert）认为，一个典型的智

能导师模型至少应该包括三个相互作用的部分，即领域模型、学生模型和辅导教

学模型。而韦辛（Vesin）等人认为智能导师系统的模型主要包括四个部分，即 应用模块、适应性模块、学习者模块和领域模块③。克里斯萨菲迪（Chrysafiadi）

也认为一个典型的智能导师系统的模型应该包括四个部分，即知识领域模型、学 生模型、教学模型、互动模型。

③AI导师的典型案例

国外智能导师系统的典型案例，主要集中在美国，这与美国是智能导师系统 的创始国，且其人工智能技术的研发处于国际领先水平息息相关，智能导师系统

的研发机构主要是大学和军方的所属机构，具体案例如表2所示。

其中，ASSISTments是由美国联邦基金资助的、伍斯特理工学院主办的免费 公共服务平台，其所涵盖的学科已由数学发展到多种类型的学科。AutoTutor

是由孟菲斯大学研发的一种基于自然语言的智能导师系统，已被用于计算机基

础、物理、生物等多个学科领域。MetaTuor是由美国孟菲斯大学开发的一个智能导师系统，其主要针对生物科学的内容开展教学。Cognition Tutor是由卡耐基梅隆大学的安德森（Anderson）教授及其研究团队开发的一个智能导师系统， 主要应用于数学和物理等学科。Betty’s Brain是由范德堡大学研发的一个智能导师系统，它强调在具体环境下学习时，需将学生的学习过程和思考过程展现出来，以在必要时为学生提供个性化的指导和帮助⑤。Andes系统是由匹兹堡大学科 特·范伦（KurtVanLhn）教授的研究团队开发的辅助解题系统，主要被应用于物 理学科。Crystal Island是由北卡罗莱纳州立大学研发的一个智能导师系统，它构建了以故事为中心的虚拟的沉浸式学习环境，让学生以生物学家的身份，探索

传染性细菌的来源和特性⑦。JavaTutor同样是由北卡罗来纳州立大学研发的一个智能导师系统，它模拟类似于真实Java语言的编程环境，借助聊天对话的方式 帮助学生解决语言程序问题⑧。Wayang Outpost是由马萨诸塞大学安姆斯特分校研发的一个智能导师系统，它可根据学生的最近发展区，提供符合其认知能力和认知特征的学习内容，并且训练学生相应的基本认知技巧。Protus是由塞尔维亚诺维萨德地区的专业商务研究大学研发的一个智能导师系统，它是自适应和个性化推荐的超媒体系统，主要用于学习Java程序设计语言的基本知识。EER-Tutor是由英国坎特伯雷大学研发的一个智能导师系统，它主要被应用于外语教学。

（2）国内研究现状

①AI导师的发展历程

国内关于AI导师领域的研究起步较晚，尚未形成系统化的研究规模与机制， 且在不同的时期，学者们的研究重心有所偏向。具体而言，在20世纪90年代，

学者们的研究重心主要集中于领域知识构建、智能导师系统的模型构建、智能导 师系统集成开发环境等方面，且开始关注自然语言处理技术和人机接口技术的研

发。2000年左右学者们开始关注教学过程、知识表示及推理、学生模型及教学策略等方向，且思考将Web技术、数据挖掘、超媒体等技术应用于智能导师系统，使其具备更加普适和强大的功能②。2010年之后，随着国内数字化教学与网络平台的建设，有关智能导师系统的研究进展相对比较快，研究重心更多的集中于动态学生模型搭建、自适应学习系统研发、学习推理机制研究等方面，此外， 语义网等技术的应用也备受关注，且已有诸多研究机构开始着手于智能导师系统 的设计和开发，研究重点也已经开始转向智能化网络教学系统的搭建。

②AI导师的模型构建

国内学者有关智能导师系统模型的观点主要有三模型说和四模型说。其中， 蒋艳和马武林认为一个完整的智能导师系统一般由三个基本模型组成，即领域知 识模型、学生模型、教师模型。何克抗和李文光认为智能导师系统由四个模型 组成，即教学策略模型、领域知识模型、人机接口模型和学生模型。同样的， 刘清堂等人认为智能导师系统按照功能模块进行划分，主要分为学习者模型、教学策略和推理模型、人机接口模型、专家模型与领域知识库四个。此外，也有学者对于智能导师系统内部结构模型中的学生模型和元认知模型做了单独的研究，如，郭富强对智能导师系统中的动态学生模型进行了研究。陶希设计了智能导师系统中的个性化认知学生模型。韩建华等人构建了智能导师系统中的元认知能力模型与自我调节学习模型等。

③AI导师的典型案例

近年来，随着国内加强了对于数字化环境、网络平台建设以及人工智能技术 等新兴领域的研究，有关智能导师系统的研究进展相对较快，已有许多大学、研

究机构和企业设计和研发了不同学科领域的智能导师系统，具体案例如表3所

示。

其中，中科院研发的Z+Z智能导师系统能够进行人机交互和智能解题等，促进了教师授课方式和学生学习方式的巨大转变①。句酷批改网实现了英语作文 的自动批阅，有效规避了教师人工批阅的不稳定因素，解放了教师，让其有更多的时间和精力投入到育人等创造性教学工作中去②。“希赛可”是由北京大学教育学院自主研制开发的国内第一个智能英语教学系统，它包含聊天机器人、教学平台和背单词软件三个部分。中国台湾研发的PIMS（Personalized Intelligent Mobile-learning System)移动智能教学系统，保留了E-learning的优点，能为英语学习提供有效而灵活的学习环境，充分发挥了移动学习的优势，扩大了学生的词汇量，提升了学生的英语阅读能力。浙江大学开发的智能汉语教学系统可对学生汉语作业进行准确实时的评价和分析，并给予及时的纠错和指导。云南大学开发的基于Web的日本语导学系统能够实现日语读写、听力、阅读、写作和会话等基本功能，且能够与学生进行智能化交互，解答学生问题，并根据新老用户的特征推荐不同的学习资源，实现因材施教。华南师范大学开发的iTutor能创设有利于学生主动学习的问题解决情境，并支持基于真实情境下的做中学以及问题解决。香港城市大学研发的SQL Tutor+系统能够为师生提供一个学习SQL语言的协作环境。“智学＆智课”系统是科大讯飞旗下的智学网、畅言智慧课 堂的综合体，其中，智学网是一款智能化教学辅导平台，而畅言智慧课堂则是一个个性化教学平台。学海教育旗下的“智通云”系统是一款基于平板终端的云计算教学系统，可对学生进行个性化、分层次的教学④。

2.人机协同教学国内外研究现状

（1）国外研究现状

早在20世纪60年代，国外学者就针对人机协同教学开展了一系列的理论研 究和实践探索。Fu的研究表明，将人工智能应用于在线测试系统，能有效化解

教师在传统课堂教学中遇到的弊端，以及英语学科教学中存在的其它问题，且能

智能化的诊断出学生学习的薄弱区间，以进行针对性的查漏补缺。拉斯特（Rust）

对人机协同展开了实践探究，他认为人工智能技术可以从低级的、机械的工作开 始替代部分人类教师的工作，以帮助教师承担机械性和重复性的工作，让教师有

更多的时间和精力投入到“育人”等创造性强的教学工作中去。Lin等人认为

基于网络的教学系统，会比传统的教学环境拥有更多的优势，如突破时空限制， 让教与学随时随地的发生，有利于建设终身学习的学习型社会。因此，他们设计 并开发了新的方法和网络技术，支持协同教学、知识共享和终身学习，让任何人

都可免费参与课程学习。Wu Jing为了提高教学质量，将协同教学模式应用到英

语学科的虚拟电子教学中，构建了一个适合英语教学的虚拟网络学习平台⑧。

（2）国内研究现状

国内学者也纷纷对人机协同教学进行了积极的理论研究与实践探索。杨绪辉 和沈书生借用技术现象学中的“人性结构”的相关理论，阐明了教师与人工智能在事实上构成了“人—技术”的存在结构，从理论角度阐释了人机协同教学存在的必要性，即人工智能技术的“代具”作用有效弥补了教师的“缺陷”存在，并通过教师与人工智能技术之间的延异运动，推动着人机协同教学的渐进发展。毛刚和王良辉探讨了人机协同的本质与意义，并阐明了人机协同视域下教育世界的组织与运行机制。余胜泉和王琦提出了“AI+教师”人机协同教学的分析框架，并按照协同过程中人工智能的智能性和自主性高低提出了AI代理、AI助手、AI教师和AI伙伴四种人工智能协同教师教学的实践形态。周琴和文欣月在此基础上提出了智能化时代“AI+教师”协同教学的四种实践形态。陈凯泉等人认为人机协同应重点关注教师是如何与智能导师系统协同的，从而为学生提供智能化的精准教学。赵鑫和吕寒雪立足人师与智师的教学智能，从教学结构 和教学系统两方面加以审察，认为“双师”课堂教学在微观结构形态上表现为“双师”互融的一体化教学结构，在宏观系统形态上表现为课堂场域支持的演化型协同教学系统。乜勇和高红英等人构建了“3T-2S-1E双师教学”共同体模式，为促进教育公平和优质教育资源均衡发展提供了思路⑦。逯行和沈阳等人对人工智能时代教师的本体进行了重新建构，形成了“新主体教师”结构。郭炯等人提出了基于网络学习空间的智能导师协同教学模式，并以IMMEX系统为例做了典型案例分析。马东宇提出了基于Moodle动态学习环境的在线协同教学模式的框架构建与具体的实现过程，切实提高了在线教学的有效性。汪时冲等人构建了人工智能教育机器人支持的新型“双师课堂”的系统环境和学习环境，并严格设计了新型的“双师课堂”予以实施。柳晨晨和宛平等人也探讨了智能机器人助力人机协同“双师课堂”的教学应用。黄涛等人提出了人机协同支持的小学语文写作的教学模型、评价指标体系和实施流程。杨华利等人基于人机协同理念，探索了一种教师与计算机合理协同的教学模式，并提出了基于人机协同的小学英语写作教学模型。

3.深度学习研究现状

随着学习科学领域研究的日益深入，深度学习开始成为国内外教育领域研究 的趋势和课堂教学改革的方向。通过梳理国内外教育领域深度学习的相关文献， 发现其研究成果主要聚焦两个主题和两个层面，宏观研究主要聚焦“深度学习是 如何发生”和“如何促进深度学习的发生”两个主题，微观研究主要聚焦“理论 研究”和“实证研究”两个层面。

（1）深度学习的理论研究

理论研究是实证研究的基础，关于深度学习的理论研究经历了漫长的探讨期， 理论探讨主要围绕以下两个方面：

一是深度学习相关概念内涵的研究。深度学习理论孕育于国外早期的教育思 想，如美国杜威的“反省思维”理论、布鲁姆学派的“教育目标分类学”思想、加涅的“信息加工理论”、奥苏泊尔的“有意义接受说”等，以上学习理论为现代深度学习研究奠定了深厚的学理基础。1976年，马顿（Marton）和塞而乔（Saljo）提出“深度学习”的概念内涵，他们通过开展阅读实验，发现信息加工方式的不同会影响学生的阅读结果和过程，基于此项实验作者提出了“深度学习” 和“浅层学习”的概念，两种不同的认知加工方式在学习过程中会表现出不同的动机和策略，前者更注重对知识的深度理解、意义联结和主动建构，后者则表现为对知识的简单重复、机械记忆和被动接受。1983年，恩特维斯尔Entwistle)和拉姆斯顿（Ramsden）进一步深化深度学习的内涵，从信息加工层面拓展到了元认知层面，指出深度学习过程不仅是认知加工过程，更是对自我认知进行监控的过程。1987年，比格斯（Biggs）进一步强调了深度学习过程是个体内部动机与外部教学环境交互的过程，并构建了深度学习过程的3P模型，在该模型中深度学习表现为学习动机强烈、主动进行意义建构22。在国外理论探讨的大热潮背景下，我国许多学者也开始探讨深度学习的具体概念内涵。2005年，我国学者黎加厚首次对深度学习进行了概念定义，他强调深度学习意味着要在深度理解的基础上进 行批判、要在整合的基础上主动建构、要学会知识的迁移应用，此后我国学界关于深度学习的研究如雨后春笋般萌发。孙银黎认为深度学习应注重学生吸收新 知识后的认知重组和自我反思，追求策略性知识的获得。张浩等人不仅阐述了 深度学习的概念内涵，还提出了对应认知情境创设、知识系统建构、问题分析解决、学习反思评价四个环节的四大深度学习认知理论。郭华指出深度学习是在教师引导下，为了获得自我发展的有意义、有挑战、高投入、高认知的学习过程，段茂君等人将深度学习这一“大概念”视为学习科学视域下的最优整合，具 体而言，是一种将认知心理学、课程与教学论、教育技术学三者有机融合的最优化状态。付亦宁将深度学习概括为以激发内在动机为前提，以情感和行为高投 入为基础，以元认知调控为手段，以促进问题解决和高阶思维培养为目的的学习方法28。

由于深度学习内涵较为丰富，尚未形成统一明确的概念内涵，国外学者从以 上不同层面对深度学习的概念内涵进行了探讨，概括起来形成了以下三种具有代 表性的观点：①理解迁移说。这种观点是目前普遍认同的主流观点，不仅强调知 识的深度理解更注重知识的迁移应用，正如Jensen和Nickelsen两位学者认为，深 度学习不仅强调要在信息加工、深度建构和高阶思维的基础上获得新知，还强调 迁移运用新知解决实际问题；②三元要素说。纳尔逊·莱尔德(Nelson Laird)等人 将高阶学习、整合性学习和反思性学习视为深度学习三个要素；③深浅层次说。 该观点认为学生认知加工有深浅之分。基于国内学者关于深度学习的定义，基于 深度学习特征可以将其概括为以下四个主要维度：第一，学习特征维度。要求学 生在情感态度上和行为活动上都表现出自发主动、沉浸专注的高度投入状态；第二，学习过程维度。强调在学习过程中元认知策略的运用和元认知的参与；第三， 学习内容维度。强调深度学习的内容设计不仅要基于真实的情境，还应包括教师精心组织的具有教学意图的教学材料；第四，学习结果维度。包括具体知识习得的显性成果和高阶思维发展的隐性成果。综上可以看出，深度学习过程是一个认 知、情感、行为有机融合的过程，不仅是一个认知加工过程。

二是深度学习目标分类层次的研究。深度学习目标分层可为课堂开展评价提 供依据，具体表现为：可为不同环节的教学提供清晰的目标评价层次；帮助教学 者选择促进深度学习的评价任务；可为深度学习效果的测评量表开发提供指导。郑东辉将深度学习的目标分类归为以下两大领域：一是认知领域，二是综合领域， 分别对应深度学习认知方式和学习素养两种研究取向。

认知领域的深度学习目标分类主要有以下三种：一是基于结果的布鲁姆 （Bloom）深度学习目标分类32。美国教育心理学家布鲁姆（Bloom）提出的教育 目标分类理论为深度学习目标分层奠定了坚实的学理基础，他依据学生认知的深 浅程度将教学目标归纳为获取知识、领会、运用、分析、综合和评价六个学习层次，六个层次都分别对应不同的学习结果，而深度学习的“深”体现在后四个层次的学习行为结果上；二是基于过程的安德森（Anderson）深度学习目标分类33。安德森（Anderson）基于布鲁姆（Bloom）认知目标分类框架进行修订，依据认知的复杂性将认知过程概括为螺旋上升的六个层次：记忆、理解、运用、分析、评价和创造，修订版的目标层次强调获得知识的思维过程；三是基于学习质量的 比格斯（Biggs）深度学习目标分类。比格斯（Biggs）基于学生回答问题的方式 和深度进行客观评估，来辨别学生的思维、认知的发展水平，构建了关注高阶思维发展的SOLO（structure of the observed learning outcome）分类法，通过对每个学生可直接被观察到的学习结果进行结构化分类，将学习质量分为前结构、单点结构、多点结构、关联和抽象扩展五个层次，后两个学习质量水平处于深度学习。 综上，认知领域的深度学习体现为可进行关联和抽象的思维结构35，可从综合视 角对以上三种深度学习认知概括为“联系与迁移”“批判与创造”两个水平状态。

综合目标视域下的深度学习分层主要有以下两种：一是霍恩斯坦 （Hauenstein）四领域深度学习层次。霍恩斯坦（Hauenstein）认为只是将认知、 情感、动作作为独立的三个领域，尚未形成综合的行为领域，不能实现人的全面 发展，可以将以上三个领域整合成一个行为领域，行为领域综合深度学习目标对 应“适应、表现、志向”三个层次。二是马扎诺（Marzano）三系统深度学习层 级36。马扎诺（Marzano）将教育目标概括为智力发展在三大系统要实现的六种水 平，分别是认知系统中的自我提取、领会、分析、应用能力四个基本水平，元认 知系统中的元认知水平以及自我思维系统中的自我认知水平，每个水平下面还对 应着不同类型的表现形式。在他本人看来，自我思维是第一系统，决定着学习积 极性；元认知是第二系统，监控学习过程和调节学习结果；认知系统是第三系统，负责深度加工知识，包括知识的简单提取到知识的迁移应用。在这个过程中，认 知系统中“分析”水平能够对提取和领会后的知识进行精细加工，说明已经达到 了初步的深度学习水平，元认知水平和自我思维水平强调融入认知与情意的全身 心投入的整体性学习，达到了更高的深度学习水平。

综上，综合视域下深度学习的目标分类可大致从一种整合的视角将其区分为 三个学习层级，第一个学习层级是学生基于不同领域的具体情境，掌握、分析理 解、整合应用知识；第二个学习层级是通过监控调节学习过程和结果，主动建构 自我认知；第三个学习层级是坚持自我并获得更高层次的成就体验。

（2）深度学习的实证研究

深度学习理论研究为开展教学实践奠定了学理基础，随着深度学习理论研究 的深入，国内外学者逐渐开始关注深度学习的实证研究，即在真实的课堂教学情 景中思考如何促进学生深度学习的发生。

首先，促进深度学习的落脚点在于“教学设计”。开展教学实践的基础在于 教学设计，因此，促进深度学习的教学设计需要从目标体系设定、内容模式选择、 学习环境搭建以及评价机制设计等方面进行全面系统化设计。国内外研究者针对 教学设计的核心要素，系统论述了面向深度学习的课堂教学设计观，例如，美国 深度学习研究项目（SDL）为了培养学生深度学习的六个基本能力，实现认知领 域、人际领域、个人领域的能力水平全面均衡发展，从目标、内容、策略、评价 四个方面重新塑造课堂教学设计，提出了面向深度学习的教学设计新模式。Eric  Jensen提出促进深度学习的教学设计路线（DELC），涵盖设计标准与课程、预评 估、营造积极的学习文化、预备和激活先期知识、获取知识、深度加工知识和评价反思七个步骤。杨玉琴基于深度学习的概念内涵和理论基础，运用系统方法 论，从教育目标及定位、内容形式选择、策略设计运用、技术环境支持以及深度学习质量评价五个方面系统地构建了促进深度学习的教学设计框架。李洪修等人从知识联结、知识内化、知识延伸三个阶段构建了深度学习COOC翻转课堂教 学模式。柏杨等人提出了四个教学设计的基本要点：一是学习活动的参与度；二是协作探究的深入度；三是批判思维的灵活度；四是知识建构的生成度。综上可以看出，深度学习教学目标主要依据教育目标分类层次进行设定，最终指向学生高阶思维的培养。促进深度学习的教学设计实证研究主要聚焦于教学设计过 程中的教学策略和评价方法研究两个核心要素。一是深度学习策略研究。教学策略是在深度学习理论的指导下，针对课堂中浅层学习问题提出的一种改变教师教学理念和行为的建议。美国作为深度学习的发源地，美国研究院三位研究者在19所学校进行了一项为期三年的深度学习研究项目（SDL），其目的在于调查分析培养学生六种深度学习能力的策略和途径，通过分析调查数据发现实验学校采用的深度学习策略主要分为两个方面：一是重新塑造传统课堂的教学设计，二是改变学校传统文化理念与结构。沈霞娟等人通过分析国外十年来深度学习相关的实证研究现状，发现深度学习策略注重设计可视化的学习过程、结构化的学习任务和真实化的学习情景，还表现出明显的技术支持的典型特征。彭（Peng）等人通过开展图形化的编程教育唤醒学生的潜在的内部学习动机。佩格勒姆(Pegrum)等人通过对学习任务结构化来加强知识的深入理解和延长知识的保存周期。特纳和巴斯克维尔(Turner&Baskerville) 通过设计真实案例、开展学习评价、组织小组协作，进行教学干预，不仅加强了学生之间的合作交流还进一步加深了学生对学习内容的本身理解。黎加厚提出开展基于问题、任务的学习方式以及过程性评价方式来促进学生的深度学习，段金菊将促进深度学习的教学策略分为三个阶段，分别为激发外显行为、促进认知加工、保持学习结果等三个阶段。安富海认为深度学习是基于深度理解的高阶学习，他指出深度学习不仅要求学生积极主动参与，还需要教师采用适当的教学策略进行教学干预，包括制定提升高阶能力的学习目标、设计促进意义建构的学习内容、创设促进深度理解的学习任务、选择多元化的评价方式，从而引导学生进行深度理解、建构、体验和反思。吴秀娟等人将反思作为促进深度学习的有效实现途径和教学策略，学生通过开展自我反思来促进对知识的深入理解、意义建构和迁移转化应用，进而实现元认知能力发展的深度学习目标。杜鹃等人提出“以学习者为中心”的支架式、反思性深度学习策略。杜锶佳针对信息技术学科提出了促进深度学习的教学策略，包括创设深度学习环境、开展基于问题的学习和促进学生自我反思三种基本策略，帮助学生提升学习主动性、知识迁移能力和高阶思维能力。

二是深度学习评价研究。深度学习评价采用课堂观察、试题测试、课后反思、 问卷调查等方法来收集学习数据，并基于学习数据对深度学习效果进行评估，再 对学习过程和结果进行评估反思和调整修订。深度学习评价需要回答“深度学习 是否真实发生”以及“深度学习效果如何”两个核心问题，因此，深度学习评价 需要基于深度学习目标选择合适的评价方式和测量工具。目前国内外关于深度学 习评价的研究主题主要包括两个方面：一是构建评价体系。最初深度学习评价是 以学习目标为依据，比如美国研究者将深度学习从传统的认知领域，扩展到了人 际和自我领域；张浩、吴秀娟等人基于教育评价目标及分类框架构建了认知、思 维、动作、情感四位一体的评价体系；刘哲雨等人基于迁移理论原型和SOLO 分类法构建了面向深度学习的“3+2”评价模式。张辉蓉基于深度学习与 STEAM教育在价值取向上的高度切合，从学习动机、投入、结果三个主要维度建立了STEAM学习质量评价体系。张治勇提出了促进持续深度学习的学习性评价，他认为这种评价方式能有效促进学生学习和改善学习表现。二是开发评价量表。丁斯莫尔（Dinsmore）和亚历山大(Alexander)提出依据调查问卷、编码体 系、特定条件、生理现象等进行深度学习评价，其中，调查问卷是一种应用较 为广泛的量化评价方式。常见的深度学习量表有以下几种：NSSE量表、SPQ学习过程量表、ASSIST学习技能量表、LPQ认知过程量表以及ILP学习过程调查量表。这些问卷大都着眼于整个学习活动过程，考察学生在学习活动过程中是否实现了深度学习。

3.已有研究述评

通过上述对AI导师（智能导师系统）和人机协同教学的国内外文献分析，

不难发现，国外的研究都早于国内，且美国不仅是智能导师系统的创始国，其在

人机协同教学领域的研究也处于世界领先地位，由此可见，美国对于“智能技术 引领教育教学”的敏锐性和重视性。

（1）在AI导师（智能导师系统）的研究方面，美国学者在20世纪70年代研发了Scholar系统，它的研发是智能导师系统发展史上的一个里程碑，打开了智能导师系统研究领域的大门。并且，智能导师系统的模型最初是由美国学者提出，它包括了专家模型、学生模型和导师模型，这三大模型也是智能导师系统 的基础模型，此后的学者都是在三大模型的基础之上进行建构的，如增加了互动 模型等。此外，在智能导师系统的研发机构方面，美国的孟菲斯大学、卡耐基梅

隆大学、伍斯特理工学院等研究机构研发的诸如Auto Tutor、Cognition Tutor和 ASSISTments等智能导师系统不仅技术成熟度较高，且涉及的学段和学科领域较

为广泛。相较于国外，国内的智能导师系统研究起步较晚，尚未形成系统化的研 究机制与规模，且国内学者对于智能导师系统的模型大多数比较认同四模型说， 即教学策略模型、领域知识模型、人机接口模型和学生模型。此外，在智能导师 系统的研发机构方面，国内的研发机构主要包括一流大学、专业研究机构以及知 名企业等，研究领域主要集中在理科类、语言学习类以及编程教育类，涉及学段 主要是中小学，无论是在技术的成熟度，还是适用范围方面，国内的智能导师系 统都有很大的提升空间。综合国内外智能导师系统的研究现状，尽管智能导师系 统在教学方面已经取得了一定成绩，已被应用于语言教学、数学教学等各个领域， 但是智能导师系统的发展仍旧任重而道远。

（2）在人机协同教学的研究方面，通过对国内外已有研究现状的分析，不 难发现，国内外学者都更加侧重于人机协同教学的理论分析和模型搭建，较少涉 及实践层面的探索，且更少关注教师与智能导师系统的协同教学。在国内的研究

中，只有少数研究者涉及了“AI导师+教师”协同教学模式的研究，如郭炯等人

提出了基于网络学习空间的智能导师协同教学模式，并尝试做了案例分析。因此，

（3）深度学习研究开始关注学习科学视域下的教育实践研究。随着学习科 学领域相关研究的兴起，推动了深度学习在教育研究领域的进展。国内外学者最 初对于深度学习相关的研究主要集中在理论层面，但在大量关于深度学习概念内 涵、目标层次等一系列研究成果的影响下，对于深度学习的主流研究范式开始从 理论探索转向实证研究，众多学者逐渐开始关注深度学习在学校教育的实践研究， 聚焦于深度学习的学习方式、教学策略、评价体系三个方面。随着信息技术的发 展，学界专家和一线教师逐渐开始广泛关注技术支持下的深度学习，技术支持下 深度学习是如何发生的，以及如何科学的评价深度学习的发生三个研究方向。

（3）AI教育正在从示范走向普及。通过梳理国内外大量关于AI 教育的研究现状，发现国外关于基础教育阶段AI教育的相关研究起步较早，但尚未形成独立的AI课程体系，大多以编程教育、机器人教育、创客教育等微观形态的AI相关教育形式开展。我国关于基础教育阶段AI教育研究起步较晚，经历了国家意志、政策推动、落地普及三个阶段，起初大部分研究主要集中于政策规划、目标定位、内容研讨等价值层面的探讨，但近几年在国家、政府、企业等多方的合力推动下，“AI教育进课堂”的春风吹遍了祖国大地，AI普及教育在全国各地迅速落地生根，这个阶段的重点研究内容主要集中在AI课程教学模式框架的系统 构建和信息化教学资源的开发应用，但对于AI课程的学习活动过程及学习行为结 果的研究尚还存在空白。

（4）针对基于AI的课堂深度学习实证研究相对较少。基于深度学习理论的 国内外研究现状来看，研究者发现针对深度学习的实践研究主要集中在学科基础 性课程，比如语数外物化生等主要课程，而针对技术类、综合性课程的实践研究 较少，因此，本研究将开展指向高阶思维的AI+教师的课堂就爱学的实证研究，构建指向高阶思维的“AI+教师”智慧课堂的模型建构。

研究者通过分析指向高阶思维的深度学习与AI教育的研究现状，总结得出了以下三点主要启示：

第一，关注深度学习与AI课堂深度融合的可行性路径。不同学科知识背景下深度学习的具体内涵表征、促进实施策略以及应用实践效果都相差甚远，因此，为了探索深度学习与AI课程深度融合的具体实施路径，打破AI课堂的实施困境，研究者以AI课程目标为现实依据，以深度学习指向高阶思维内涵特征为理论参照，明确基于AI的深度学习的具体内涵表征，并在此基础上，设计具有AI课程特色的教学方案。

第二，关注AI课程深度学习的过程及评价。深度学习发生过程即包括外显的学习行为过程又包括内隐的思维认知过程，相比外显的学习行为，内隐的认知过程更加容易被研究者忽视，科学的评价体系能够更加客观的评价深度学习的 发生过程。因此，对于深度学习的发生过程以及评价体系应更加全面，在研究学 生外显的学习行为的基础之上，更应该关注学生的思维认知过程，并明确不同过 程的评价方式及标准，为深度学习发生过程的评价提供依据。

第三，关注技术支持下的AI课程深度学习。技术已然成为我国变革学习方式的重要抓手，但目前关于技术支持下深度学习的研究成果还较少。技术环境支持下的深度学习，主要包括学习活动的环境支持、学习过程的认知支持、评价方式的技术支持，AI课程是一门综合实践性较强的新学科，AI技术正在被广泛应用于现实生活中的各个场景，因此，学生在技术环境支持下开展学习活动和项目实践更能高效实现深度学习。

综上，国内外学者对于智能导师系统和人机协同教学的理论研究和实践探索，都为本研究研究美国“AI导师+教师”协同教学模式奠定了丰富的前期研究基础。