论文部分内容阅读
[摘 要] 在中小学人工智能教育过程中，人工智能课程学习平台是学习目标达成的重要支撑。对当前应用的几种人工智能课程学习平台进行比较分析后发现，当前的平台存在教学与现实脱节、理论与技术分离、协同与共享难以实现等问题。针对这些问题，基于建构主义学习环境（CLEs）设计模型，从课程学习中的关键问题、解决问题的具体案例、支持思维培养的信息资源、促进知识建构的认知工具、启迪学生思维的会话与协作、人工智能应用的社会境脉支持六个方面，提出了针对平台设计的优化策略，以帮助学生深化对人工智能技术的理解，提升学生应用相关技术的能力，促进学生建构人工智能思维。
[关键词] 人工智能课程; 学习平台; 知识建构; 高阶思维; 建构主义学习环境
[中图分类号] G434 [文献标志码] A
[作者简介] 沈晨（1996—），女，江苏南京人。硕士研究生，主要从事信息化教学设计、中小学人工智能教育研究。E-mail：[email protected]。
一、引 言
人工智能技术的快速发展推动了教育信息化的进程，世界各国都十分重视人工智能的研究与应用，并颁布了人工智能教育的相关政策。2018年，斯坦福大学发布的《人工智能指数2018年度报告》指出，全球对于人工智能的人才需求量成倍增长，培养人工智能相关领域的适切人才迫在眉睫[1]。2017年7月，国务院出台的《新一代人工智能发展规划》中提出，要在我国的中小学阶段设置人工智能相关课程，逐步推广编程教育，普及人工智能教育[2]。新版《普通高中信息技术课程标准（2017年版）》中将“人工智能初步”模块列为选择性必修课[3]。在《普通高中通用技术课程标准（2017年版）》中，必修课程的模块3“智能家居应用设计”和选修课程的模块2“新技术体验与探究”部分，也强调了人工智能技术的具体应用等问题[4]。为了完善人工智能教育体系和加强人工智能人才储备，促进学生深入理解人工智能的关键思想与技术，提高学生应用人工智能相关技术解决实际问题的能力，配合人工智能教育需要的各种人工智能教材以及配套的学习平台也应运而生。
二、人工智能课程学习平台的应用现状
当前，我国中小学已经逐步启动了人工智能教育，由于缺少统一的人工智能教育的国家标准，加之人工智能涉及的领域十分宽泛，目前中小学人工智能教育呈现出了异彩纷呈的景象。人工智能教育具有技术性、动态性与生成性等特点，其学习过程需要经历理论与实践的反复迭代，因此，对于外部的学习条件存在较大的依赖性。
设计配套的学习平台，是当前人工智能类教材的常见做法，但亦有少数教材不提供配套平台。通过分析当前的人工智能教材及其配套的平台可以发现，不同的平台功能往往反映了开发者的人工智能教育理念，这些平台对于学生学习人工智能的基本内容起到了一定的支持作用。
（一）人工智能教育学习平台的机理分析
人工智能的实现，需要依赖于计算机，通过编写代码或图形化编程的方式，帮助学生感知人工智能的效果，比如Python语言，以干净的语法、较高的开发效率等优势被广泛应用于人工智能领域。也有一些学者认为，中小学人工智能教学的主要目标是培养学生的知识习得能力和综合技能[5]。在多理念并存的背景下，当前小学阶段人工智能教材的配套平台主要采用了图形化编程，少数地区的学校开启了Python代码类编程的尝试;初中阶段两类编程方式旗鼓相当;高中阶段则大规模开展Python代码类编程的探索，也有部分学校以图形化编程为主。
（二）人工智能教育学习平台的应用分析
人工智能涉及计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理、机器学习六大主要领域[6]。也有学者认为，人工智能以机器学习为基础，是对人的视听交流、认知过程、行动、思维过程等行为进行模拟与延伸的理论、方法和技术[7]。高中信息技术课程中的选择性必修模块“人工智能初步”包含“人工智能基础”“简单人工智能应用模块开发”“人工智能技术的发展与应用”三部分内容[3]，课程的教学内容以计算机视觉、自然语言理解与交流、机器学习三个领域为主。
人工智能课程的学习对于课程平台依赖性较强，而平台的建设又和对课程内容、教学方式和活动方式的理解有关，故本研究从功能实现形式、资源呈现方式、配套硬件形式、师生交互方式和作品的表征方式等方面系统地分析不同人工智能教育平台之间的区别。
课程配套学习平台的设计与实践，与人工智能课程的教育理念及价值认识具有较高的一致性。当前人工智能课程教学所使用的配套平台，大多由企业开发，以代码编程或者图形化编程为技术基础，也有部分高校参与开发了一些学习平台。这些平台大部分提供了技术体验、用户创新、代码或图形化编程、虚拟或实体化呈现和相关套件等方面的支持，少部分还在平台内或平台外提供了一定的教学资源或知识共享等方面的功能，大部分没有提供师生实时互动等教学支持服务，见表1。
配套平台大致有三个不同的建设类型：第一类是提供了完整的教学资源与教学指导服务，既可以支持教学，也可以供学习者独立使用，通过平台、企业网站、企业客服传输等方式提供适当的辅助支持，或者通过提供一部分游戏化过关类人工智能课程以实现学生自主学习的需求，这类学习往往依赖于企业开发的專用套件;第二类是侧重于教学或学习支持服务，教师既可以使用现成的资源，也可以自己设计或组织教学与学习活动，通常也依赖于专用套件;第三类是侧重于人工智能基本原理的学习，师生可以借助于平台理解实现人工智能的方法，这类平台的学习不依赖于专用套件，使用的学校可以自由引入一些开发套件，如micro：bit、Arduino等，实现编程软件与电子元件的互动，通过读取传感器数据，控制舵机、RGB灯带等，建立开发与应用场景，这些教学借助于编程引导学生理解如何实现控制类的操作，解决了人工智能教育中的部分目标。 学习平台的功能是对于学习理念和学习目标的转化，是支持课程学习目标的重要载体。人工智能教育课程平台对于帮助学生真正理解和掌握人工智能课程的相关内容是至关重要的，但当前的许多配套学习平台能够实现的功能还比较有限，缺少知识建构类的认知工具，几乎不支持小组协作学习，未能从真实世界的需求出发引导学习者理解人工智能课程的内涵。从学习的视角理解平台建设，既要关注平台如何支持实现人工智能的基本方法，也要关注平台如何创新人工智能的方法，提升人工智能的教育价值。
三、人工智能课程学习平台的问题分析
人工智能的教学中离不开合理的学习环境，而在创设学习环境的过程中技术支持又是重中之重，鉴于人工智能这门课程中效果实现需要依赖于编程的特殊性，提供能够适合不同阶段学生课程学习的平台对于教学与学习尤为重要。高品质的人工智能学习平台，将有助于创建适合不同阶段学生的学习环境，满足学生对学习环境的诸多要求。配合人工智能教学的平台不断被研发出来，功能越来越完善，但是问题也越来越明显。
（一）教学与现实存在脱节，不利于问题解决能力的培养
许多平台在支持人工智能课程学习时，将人工智能的教学与现实剥离，在教学过程中没有以解决现实生活中的真实问题为核心，学生对于人工智能课程的核心价值理解不到位。人工智能教育的社会价值在于通过智能化的技术，帮助人们适应高品质的日常行为与生活方式，因此，在课程学习过程中需要面向真实世界的真问题和真需求，鼓励学生之间通过不断协同和创新，寻找人工智能的应用场景，建立解決问题的新的路径。但从当前的课程平台来看，大多是提供了统一的套件和学习路径，学习者可以在教师的指导下通过模仿完成学习任务，对学生解决问题能力培养的支持力度不够。
（二）理论与技术存在分离，不利于高阶思维素养的提升
许多平台在支持人工智能课程学习时，更注重培养学生简单的技术应用能力，弱化了对于人工智能来源、发展等体现课程价值的原理性知识的内在逻辑体系的学习，轻视了学生高阶思维素养的培养。对于技术类课程的学习，不仅仅在于学习技术类相关的知识或技能，还需要引导学生建立与关键技术相关的算法思维，与应用相关的审辨式思维，并能够在“真实问题”与“人工智能”方面实现自由切换。当前的许多平台往往将重心放在技能的培养方面，而对于思维培养的支持比较欠缺。只有做到了理论知识和技术技能的合理融合，学生才能够真正理解人工智能。
（三）协同与共享难以实现，不利于学习迁移与知识建构
在平台功能忽略协同与共享的支持外，平台之间也缺乏信息资源共享，不利于学习迁移与知识构建。在学习过程中对学生协同与共享学习的支持力度不够，不同平台形成了自己特有的代码封装方式，形成了平台特有但并不与其他产品共享的库，在转移到该平台以外的编程工具中使用时，则需要重新学习这些被封装的底层代码以实现自己的操作，这对于刚接触人工智能的学生而言，会在学习过程中破坏已经构建的知识体系，增加了学生不必要的认知负荷。
四、基于CLEs的人工智能学习平台优化策略
人工智能的学习过程，是一个持续建构的过程，因此，人工智能学习支持平台需要能够满足学习者的持续建构的学习需求。乔纳森在研究人的学习建构的过程中，对于支持学习建构的学习环境有较为系统的研究，提出的建构主义学习环境（Constructivist Learning Environments，简称CLEs）设计模型也较为完善，在学术界得到了广泛的认同。
（一）CLEs设计模型：为何可以支持人工智能课程的学习
设计人工智能课程的配套学习平台，可采用CLEs设计模型的理念，从学习中涉及的不同要素出发，以建立既能体现学习的一般规律，又能够符合课程学习目标要求的学习支持服务。从教学方法、学习内容、学习结果等方面来看，人工智能课程的学习和CLEs设计模型在以下方面是契合的：
第一，以解决问题为核心。人工智能课程技术性较强，难度较大，不适合传统的单向灌输式教学，更适合应用基于问题、基于案例、基于项目的教学模式，而CLEs设计模型的核心就是促进对问题的解决、概念的发展和心智模型的建构，对于模型中的第一大要素“问题”的设计，以假设问题、案例、项目为核心，其他五个要素的设计都要围绕着问题进行，注重解决真实环境中的问题，这和人工智能课程对教学方法的需求一致。
第二，高阶能力的培养。何克抗教授认为，人工智能更加贴近教育是通过为学习者提供个性化需求以达到系统地帮助学习者提升思想品质、认知能力的本质[8]，人工智能的教学目标与CLEs设计模型均强调需要加强培养学生的综合性能力，如认知能力、创新能力、联结能力、意义建构能力和元认知能力等高阶认知能力[9]，而非只需要学生了解其中的基本知识和基本技能等陈述性知识或程序性知识。
第三，促进学习者的知识建构。人工智能的课程学习需要学习者了解人工智能在现实生活中的应用及其原理以解决真实问题，而CLEs设计模型也强调解决真实环境中的问题，创设真实的学习环境有助于学习者提升知识层级，实现从学科内容的收集、联系和整合到分析、评估和创新的变化[10]，可以帮助学习者更好地理解知识和运用技能，能够将人工智能相关学科的知识、概念联系起来，形成一个完整的知识体系，培养更合理周全的思维方式，以指导和辅助学习者学习其他学科的知识。
（二）学习过程模型：基于CLEs设计模型的平台设计思想
以学习者为中心的建构主义学习环境理论来指导当前的人工智能学习平台设计，可以在课堂教学中最大程度地培养学生的综合性能力、提高学习效率并增强学习效果。CLEs设计模型包含六个基本要素：问题、相关案例、信息资源、认知工具、会话或协作工具和社会境脉支持（如图1所示）。学习过程可以看作是一个真实问题的解决过程，学习环境的设计是为了支持学习过程，因此，选取和设计问题是首要的任务，是学习环境中的核心和焦点，其他五个要素的设计都要围绕着问题进行。 图1 建构主义学习环境（CLEs）设计模型[11]
第一是问题。乔纳森认为，有意义的学习源自问题解决[12];Greeno认为，问题解决是一系列的有目的指向性的认知操作活动过程[13];斯滕伯格认为，“问题解决”的目的在于消除通往解决方法路径上的障碍[14];张春兴指出，“问题解决”是指个人在面对问题时，综合运用知识技能以期达到解决目的的思维活动历程[15]。通过问题解决可实现知识建构[16]，学生学习学科的内容是为了解决问题，而不是把解决问题作为学习的一种应用。
CLEs设计模型最主要的特征是问题驱动学习。在人工智能的学习过程中，主要的学习目标都在于解决现实生活中的问题，将学习的内容生动地融入基于问题、基于案例、基于项目的真实情境中，让学习者以解决问题的真实环境贯穿于学习始终，调动学习者以最接近真实面对问题的思维方式去思考并处理。现实生活中存在的问题通常都是开放性的劣构问题，给予学习者更大的认知处理空间激活思维，尝试使用不同的方法去解决问题，以达到思虑周全的目的。
第二是相关案例。在理解和解决问题的过程中需要相关经验的积累，而新手往往最缺乏的就是经验。人工智能作为一个新兴技术，很多理论知识和实践技能都处于学习者的盲区，解决问题过程中，平台提供的相关案例就至关重要。与问题相似的案例可以帮助学习者增加人工智能各个专题相关的解决问题的方案参考，给学习者提供间接经验并支撑记忆，不同的案例还可以从不同的角度来解释问题，提高学习者的认知弹性。
第三是信息資源。在解决问题的过程中，需要大量的信息资源去帮助学习者理解问题并且解决问题。人工智能的教学中，在解决一个问题时，需要考虑存在该问题的环境中还包含了什么其他的相关信息，通过让学生思考在什么环境下需要使用该技术，进而让学生理解其领域、原理、完成步骤、相关算法、开源库和注意事项以完成该技术的应用与风险预测，这些信息资源将会协助学习者建构他们的心智模型、建立假设并驱动对问题的操作。
第四是认知（知识建构）工具。乔纳森等学者认为，“认知工具是促使学习者参与并辅助特定认知过程的计算机工具”[17]。人工智能在教学过程中，应重视培养学生跨学科的知识建构能力，在学习平台中加入认知工具，可以帮助学习者建构心智图景并使活动变得可视化，可以展现知识之间的逻辑关系，帮助学习者组织和生成知识结构，有助于学生更好地理解知识和运用技能，有效地将相关学科的概念联系起来，形成完整的知识体系。目前，基础教育中此类认知工具主要应用于理科类结构性强的学科当中，且基础教育中各学科呈现出孤立状态，学生在学习过程中均是单科学习，很难将不同学科的知识串联起来理解，无法将概念与概念的理解联系起来，在不同学科中无法充分利用曾经已学过的知识和认知方式，这些情况都会给学生增加过多的认知负荷。
第五是对话/协作工具。“自然状态下，个体学习通常是很少发生的，更多的是以团队为单位共同寻求问题的解决方案。”[18]在人工智能的发展中通常需要团队协同作战，所以在人工智能的教学中也应该充分考虑到这个真实情境中存在的因素，学习平台中需要提供同伴交流记录的功能、知识数据库，让学习者在团队解决问题中共享自己的观点并创建知识建构共同体，记录过程数据以帮助学习者组织构建分享的知识，增强学习者之间的协作能力，促使他们从团队的经验中反思提升能力，帮助学生充分调动自己曾经已学过的知识，不断融入新的思想，从而进行多次的提升和创新。
第六是社会境脉支持。社会境脉强调需要体现与整体社会体系的匹配性。当设计学习环境时，考虑实施环境的物理的、组织的、社会文化的因素是非常重要的，它决定设计能否顺利推行[19]。当前人工智能得到各行业的广泛重视，随着人工智能研究、发展与应用的深入，中小学和高校都开始大力推进人工智能教育和人工智能课程建设研究。当前技术的发展足以支撑学校进行系统的人工智能教学，因此，面向全体学生推行合理且全面的人工智能课程教学，才能为步入智能时代做好准备。
基于CLEs设计模型的人工智能课程的基本学习过程模型（如图2所示），可以使中小学人工智能课程的目标最大程度地实现。在社会境脉支持的前提下，解决现实生活中人工智能相关的真实问题，通过学习平台提供的相关案例、信息资源帮助学习者理解问题并且在尽可能全面的思考后解决问题。在解决问题过程中，借助认知工具和交流协作工具，帮助学习者完成人工智能相关的一系列知识的建构，提高学习者对于人工智能相关的基本知识和基本技能的理解程度、应用能力等，增强学习者的综合性能力。
（三）功能聚焦：人工智能课程学习平台的主要作用
基于CLEs设计模型，人工智能课程的学习平台应该具备五大功能，分别为：结合社会境脉支持的问题提出、提供相关案例和信息资源、实现技能操作、知识建构、交流协作。下面主要就学习平台应该具备的功能进行分析：
第一，结合社会境脉支持的问题提出有助于培养学生的问题解决能力与思维能力。平台需要能够便于生成问题并能够支持学生解决问题。人工智能课程中的知识与技能的学习，是为了解决现实生活中存在的问题，这样的问题通常是劣构的，需要综合运用不同的知识与技能才能完成。如果在教学过程中过多设计良构性的问题，容易导致学生模式化地看待问题，导致学生形成固定的思维模式，限制学生的思维和创新，而这恰恰违背了人工智能课程的培养初衷。
第二，提供相关案例和信息资源有助于培养学生的认知与迁移能力。平台需要能够提供更多问题相关案例和信息资源的支持服务，以帮助学生解决新问题。人工智能涉及的知识覆盖面极广，算法变化快，且每个学生的学习能力不尽相同，教师也不一定能及时解决所有问题，而提供问题相关的案例和信息资源有助于学生随时了解解决该问题时所涉及的相关知识和一般过程，构建特定问题的解决方法，在模仿的基础上促进学习迁移，重复不同情境下真实问题的解决以巩固学生的认知，极大地增强学生的认知能力。 第三，实现技能操作有助于培养学生的实际操作能力。平台需要能够提供实践技能体验，便于学生理解内容中所包含的核心思维。人工智能的实现大多会依赖于编辑代码，所以对于平台而言就需要能够提供大量的技能操作的机会，甚至还需要同时考虑到协同编程的技能，满足学习者真正在应用中理解课程价值的需求。
第四，知识建构有助于培养学生的认知及意义建构能力。平台需要能够为学生提供建构的机会，也要便于展示建构的结果。在习惯于学习单一知识点的当下，人工智能课程的出现可以极大地改变知识点过于分散的现象，所以，学习平台中提供协助学生知识建构的功能也是重中之重。在课程的学习过程中，无论在哪一个环节的学习都可以随时进入知识建构的板块中，以该节课的问题为核心，记录相关的知识，将其连接成一个完整展现了知识之间的逻辑关系的图示，并在该节课结束后将本节课的知识点与该课程之前所学习的知识点进行关联，形成完整知识体系的同时，也培养了学生的认知及意义建构能力。
第五，交流协作有助于培养学生的交流能力、团队协作能力。平台需要能够为学生开展丰富的对话与交互行为提供可能。在人工智能课程的学习过程中，除了通过多种信息资源和表征形式来丰富和扩展学习以外，与他人之间的交流协作也是帮助学生完成学习的有效方式之一。在解决课程问题中，可能会产生不同的解决方案，并且不同的人，其思考问题的思维方式和过程也大不相同。在学习过程中，共同体协作形成的知识库不仅是来自教师、学生的不同观点，也包含了交流协作、观点转变的过程，这不仅支撑了当下学生的反思和多种能力的培养，也是形成新的信息资源，从而为以后的课程学习做铺垫和参考。
与此同时，在学习平台的建设中，更应该注重平台之间的信息资源共享，避免出现一平台一封装库的现象，避免学生在更换学习平台或学生转移到该平台以外的编程工具中使用时就不能安装使用该库，减少学生不必要的认知负荷，加强学生学习迁移与知识建构的可能性。
五、启示与建议：能力形成与问题解决的双向促进
人工智能教育，既是对新技术的价值认同，也是对新技术的价值发现，其内容将会伴随着技术的发展处于不断的变化与发展之中。本课程的学习需要兼顾技术性、设计性、思维性等多重属性，借助于功能完备的学习平台，引导学生在建立人工智能能力体系的同时，还能够建立问题解决体系，实现两者的双向促进。
（一）基于技术但不受制于技术，注重技术的生成
为了迎合新政策或时代进程，形式主义地应用技术趋于普遍，许多学科都在尝试与先进的科技相结合，但越来越多的学科往往受限于现成的模式，过于关注技术本身，而很少考虑学科本身是否适合模版化的套用。人工智能课程既基于技术，又以技术为学习内容，因此，在对待技术的态度上就更加需要系统思考。乔纳森曾说过，教育技术“一直是一个技术驱动的领域而不是学习驭动的领域。尽管新技术看起来似乎能令各类学习者受益，但是，如果我们以分析技术而不是分析学习为出发点，那么我们的失败是不可避免的”[20]。学习平台是支撑学习的条件，学习平台中嵌入的人工智能技术体验课程的学习结果，如何适应学生的学习需要，让平台中所涉及的各类技术能够适应学生的学习需要，引导学生在技术学习中发展技术，值得平台开发者系统思考。
（二）适应不同阶段，实现低阶能力与高阶能力双侧重
早期的教育受到工业时代的影响，培养的学生可以适应机械性、重复性工作的需要，但不能适应人工智能时代的人才需求，因此，亟须培养出一批能够做到人机和谐共处的“人工智能时代原住民”[21]。目前，人工智能的教学更强调技术本身，更注重基本知识与基本技能的教学，这与人工智能的創新性目标还有较大差距。无论对于哪一个年龄层次的学习者，都需要形成与其认知特点相一致的深层知识和高阶认知，着重培养学生的人工智能思维。对于人工智能学习平台，需要能够支持学生的低阶与高阶思维的形成，鼓励学习者在解决面向真实世界的问题的过程中，形成交流协作的能力、多角度思考问题的能力、不断反思与提升创新的能力等，促进知识构建的品质化。
（三）注重新技术嵌入，丰富人工智能学习平台的功能
人工智能课程学习平台的建设，不能局限于单一功能。将多功能嵌入同一平台，甚至能够尽可能地覆盖不同的学习阶段，有利于促进学生成长的有序性。人工智能课程学习平台还应当注重线上教学与线下教学的融合，基于项目、任务、问题等教学方式，借助于“平台+网络”的学习，学习者可以有更多机会进行体验，并能够获得不同的参照体系，从而对自身做出准确判断。
人工智能课程是一门知识与技能并重的学科，同时又是一门处于生成之中的学科，在此过程中，师生之间对于技术的理解及体验感都会影响到对课程价值的判断，如果平台能够以一种开放的姿态，不断提供新的案例或资源，不断生成与真实的社会境脉相一致的问题，并提供丰富的对话机会，就可能会让学生突破旧的技术限制，并能够选择合适的教学方式和学习方式，在实践与反思中完成课程学习目标，从而提升学生的高阶认知能力，促进课程的学习效能。
[参考文献]
[1] The AI Index 2018 Annual Report[EB/OL]. （2019-10-30）[2021-06-01]. http：//cdn.aiindex.org/2018/AI%20Index%202018%20 Annual%20Report. pdf， 2019-10-30.
[2] 国务院.新一代人工智能发展规划[EB/OL].[2019-01-22].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[3] 中华人民共和国教育部.普通高中信息技术课程标准（2017年版）[M].北京：人民教育出版社，2018：9-10. [4] 中华人民共和国教育部.普通高中通用技术课程标准（2017年版）[M].北京：人民教育出版社，2018：24，57.
[5] 郑勤华，熊潞颖，胡丹妮.任重道远：人工智能教育应用的困境与突破[J].开放教育研究，2019，25（4）：10-17.
[6] 朱纯松.浅谈人工智能：现状、任务、构架与统一[DB/OL].[2017-11-07].http：//www.stat.ucla.edu/～sczhu/research_blog.html#Vision History.
[7] 陈维维.多元智能视域中的人工智能技术发展及教育应用[J].电化教育研究，2018，39（7）：12-19.
[8] 何克抗.21世纪以来的新兴信息技术对教育深化改革的重大影响[J].电化教育研究，2019（2）：5-12.
[9] 陈颖博，张文兰.国外教育人工智能的研究热点、趋势和启示[J].开放教育研究，2019，25（4）：43-58.
[10] 钟丽佳，盛群力.建构主义教学理论之科学性探讨[J].电化教育研究，2016，37（10）：22-28.
[11] 戴维·H.乔纳森.学习环境的理论基础[M].郑太年，任友群，译.上海：华东师范大学出版社，2002.
[12] JONASSEN D H. Toward a design theory of problem solving[J]. Educational technology research and development， 2002， 48（4）：63-85.
[13] GREENO J G. Natures of problem-solving abilities[J].Handbook of learning and cognitive processes， 1978（5）：239-270.
[14] STEMBERG ROBERT J， OKAGAKI L， et a1. Practical intelligence for success in school[J]. Educational leadership， 1990：35-39.
[15] 張春兴.教育心理学[M].杭州：浙江教育出版社，1998.
[16] JONASSEN D H. Using cognitive tools to represent problems[J]. Journal of research in technology in education， 2003， 35（3）：362-381.
[17] KOMMERS P A M， JONASSEN D H， MAYES J T. Cognitive tools for learning[M]. Heidelberg， FRG： Spring-Verlag， 1992.
[18] TAN S C， TURGEON A J， JONASSEN D H. Computer-supported collaborative argumentation：an innovative approach to group problem solving[J]. Journal of natural resources and life sciences education， 2001， 30（1）：54-61.
[19] 李妍.乔纳森建构主义学习环境设计理论的系统研究与当代启示[J].开放教育研究，2006（6）：50-56.
[20] DUFFY T， JONASSEN D H. Constructivism and technology of instruction： a conversation[M]. Hillsdale， NJ： Lawrence Erlbaum Associates， 1992.
[21] 徐晔.从“人工智能教育”走向“教育人工智能”的路径探究[J].中国电化教育，2018（12）：81-87.
[关键词] 人工智能课程; 学习平台; 知识建构; 高阶思维; 建构主义学习环境
[中图分类号] G434 [文献标志码] A
[作者简介] 沈晨（1996—），女，江苏南京人。硕士研究生，主要从事信息化教学设计、中小学人工智能教育研究。E-mail：[email protected]。
一、引 言
人工智能技术的快速发展推动了教育信息化的进程，世界各国都十分重视人工智能的研究与应用，并颁布了人工智能教育的相关政策。2018年，斯坦福大学发布的《人工智能指数2018年度报告》指出，全球对于人工智能的人才需求量成倍增长，培养人工智能相关领域的适切人才迫在眉睫[1]。2017年7月，国务院出台的《新一代人工智能发展规划》中提出，要在我国的中小学阶段设置人工智能相关课程，逐步推广编程教育，普及人工智能教育[2]。新版《普通高中信息技术课程标准（2017年版）》中将“人工智能初步”模块列为选择性必修课[3]。在《普通高中通用技术课程标准（2017年版）》中，必修课程的模块3“智能家居应用设计”和选修课程的模块2“新技术体验与探究”部分，也强调了人工智能技术的具体应用等问题[4]。为了完善人工智能教育体系和加强人工智能人才储备，促进学生深入理解人工智能的关键思想与技术，提高学生应用人工智能相关技术解决实际问题的能力，配合人工智能教育需要的各种人工智能教材以及配套的学习平台也应运而生。
二、人工智能课程学习平台的应用现状
当前，我国中小学已经逐步启动了人工智能教育，由于缺少统一的人工智能教育的国家标准，加之人工智能涉及的领域十分宽泛，目前中小学人工智能教育呈现出了异彩纷呈的景象。人工智能教育具有技术性、动态性与生成性等特点，其学习过程需要经历理论与实践的反复迭代，因此，对于外部的学习条件存在较大的依赖性。
设计配套的学习平台，是当前人工智能类教材的常见做法，但亦有少数教材不提供配套平台。通过分析当前的人工智能教材及其配套的平台可以发现，不同的平台功能往往反映了开发者的人工智能教育理念，这些平台对于学生学习人工智能的基本内容起到了一定的支持作用。
（一）人工智能教育学习平台的机理分析
人工智能的实现，需要依赖于计算机，通过编写代码或图形化编程的方式，帮助学生感知人工智能的效果，比如Python语言，以干净的语法、较高的开发效率等优势被广泛应用于人工智能领域。也有一些学者认为，中小学人工智能教学的主要目标是培养学生的知识习得能力和综合技能[5]。在多理念并存的背景下，当前小学阶段人工智能教材的配套平台主要采用了图形化编程，少数地区的学校开启了Python代码类编程的尝试;初中阶段两类编程方式旗鼓相当;高中阶段则大规模开展Python代码类编程的探索，也有部分学校以图形化编程为主。
（二）人工智能教育学习平台的应用分析
人工智能涉及计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理、机器学习六大主要领域[6]。也有学者认为，人工智能以机器学习为基础，是对人的视听交流、认知过程、行动、思维过程等行为进行模拟与延伸的理论、方法和技术[7]。高中信息技术课程中的选择性必修模块“人工智能初步”包含“人工智能基础”“简单人工智能应用模块开发”“人工智能技术的发展与应用”三部分内容[3]，课程的教学内容以计算机视觉、自然语言理解与交流、机器学习三个领域为主。
人工智能课程的学习对于课程平台依赖性较强，而平台的建设又和对课程内容、教学方式和活动方式的理解有关，故本研究从功能实现形式、资源呈现方式、配套硬件形式、师生交互方式和作品的表征方式等方面系统地分析不同人工智能教育平台之间的区别。
课程配套学习平台的设计与实践，与人工智能课程的教育理念及价值认识具有较高的一致性。当前人工智能课程教学所使用的配套平台，大多由企业开发，以代码编程或者图形化编程为技术基础，也有部分高校参与开发了一些学习平台。这些平台大部分提供了技术体验、用户创新、代码或图形化编程、虚拟或实体化呈现和相关套件等方面的支持，少部分还在平台内或平台外提供了一定的教学资源或知识共享等方面的功能，大部分没有提供师生实时互动等教学支持服务，见表1。
配套平台大致有三个不同的建设类型：第一类是提供了完整的教学资源与教学指导服务，既可以支持教学，也可以供学习者独立使用，通过平台、企业网站、企业客服传输等方式提供适当的辅助支持，或者通过提供一部分游戏化过关类人工智能课程以实现学生自主学习的需求，这类学习往往依赖于企业开发的專用套件;第二类是侧重于教学或学习支持服务，教师既可以使用现成的资源，也可以自己设计或组织教学与学习活动，通常也依赖于专用套件;第三类是侧重于人工智能基本原理的学习，师生可以借助于平台理解实现人工智能的方法，这类平台的学习不依赖于专用套件，使用的学校可以自由引入一些开发套件，如micro：bit、Arduino等，实现编程软件与电子元件的互动，通过读取传感器数据，控制舵机、RGB灯带等，建立开发与应用场景，这些教学借助于编程引导学生理解如何实现控制类的操作，解决了人工智能教育中的部分目标。 学习平台的功能是对于学习理念和学习目标的转化，是支持课程学习目标的重要载体。人工智能教育课程平台对于帮助学生真正理解和掌握人工智能课程的相关内容是至关重要的，但当前的许多配套学习平台能够实现的功能还比较有限，缺少知识建构类的认知工具，几乎不支持小组协作学习，未能从真实世界的需求出发引导学习者理解人工智能课程的内涵。从学习的视角理解平台建设，既要关注平台如何支持实现人工智能的基本方法，也要关注平台如何创新人工智能的方法，提升人工智能的教育价值。
三、人工智能课程学习平台的问题分析
人工智能的教学中离不开合理的学习环境，而在创设学习环境的过程中技术支持又是重中之重，鉴于人工智能这门课程中效果实现需要依赖于编程的特殊性，提供能够适合不同阶段学生课程学习的平台对于教学与学习尤为重要。高品质的人工智能学习平台，将有助于创建适合不同阶段学生的学习环境，满足学生对学习环境的诸多要求。配合人工智能教学的平台不断被研发出来，功能越来越完善，但是问题也越来越明显。
（一）教学与现实存在脱节，不利于问题解决能力的培养
许多平台在支持人工智能课程学习时，将人工智能的教学与现实剥离，在教学过程中没有以解决现实生活中的真实问题为核心，学生对于人工智能课程的核心价值理解不到位。人工智能教育的社会价值在于通过智能化的技术，帮助人们适应高品质的日常行为与生活方式，因此，在课程学习过程中需要面向真实世界的真问题和真需求，鼓励学生之间通过不断协同和创新，寻找人工智能的应用场景，建立解決问题的新的路径。但从当前的课程平台来看，大多是提供了统一的套件和学习路径，学习者可以在教师的指导下通过模仿完成学习任务，对学生解决问题能力培养的支持力度不够。
（二）理论与技术存在分离，不利于高阶思维素养的提升
许多平台在支持人工智能课程学习时，更注重培养学生简单的技术应用能力，弱化了对于人工智能来源、发展等体现课程价值的原理性知识的内在逻辑体系的学习，轻视了学生高阶思维素养的培养。对于技术类课程的学习，不仅仅在于学习技术类相关的知识或技能，还需要引导学生建立与关键技术相关的算法思维，与应用相关的审辨式思维，并能够在“真实问题”与“人工智能”方面实现自由切换。当前的许多平台往往将重心放在技能的培养方面，而对于思维培养的支持比较欠缺。只有做到了理论知识和技术技能的合理融合，学生才能够真正理解人工智能。
（三）协同与共享难以实现，不利于学习迁移与知识建构
在平台功能忽略协同与共享的支持外，平台之间也缺乏信息资源共享，不利于学习迁移与知识构建。在学习过程中对学生协同与共享学习的支持力度不够，不同平台形成了自己特有的代码封装方式，形成了平台特有但并不与其他产品共享的库，在转移到该平台以外的编程工具中使用时，则需要重新学习这些被封装的底层代码以实现自己的操作，这对于刚接触人工智能的学生而言，会在学习过程中破坏已经构建的知识体系，增加了学生不必要的认知负荷。
四、基于CLEs的人工智能学习平台优化策略
人工智能的学习过程，是一个持续建构的过程，因此，人工智能学习支持平台需要能够满足学习者的持续建构的学习需求。乔纳森在研究人的学习建构的过程中，对于支持学习建构的学习环境有较为系统的研究，提出的建构主义学习环境（Constructivist Learning Environments，简称CLEs）设计模型也较为完善，在学术界得到了广泛的认同。
（一）CLEs设计模型：为何可以支持人工智能课程的学习
设计人工智能课程的配套学习平台，可采用CLEs设计模型的理念，从学习中涉及的不同要素出发，以建立既能体现学习的一般规律，又能够符合课程学习目标要求的学习支持服务。从教学方法、学习内容、学习结果等方面来看，人工智能课程的学习和CLEs设计模型在以下方面是契合的：
第一，以解决问题为核心。人工智能课程技术性较强，难度较大，不适合传统的单向灌输式教学，更适合应用基于问题、基于案例、基于项目的教学模式，而CLEs设计模型的核心就是促进对问题的解决、概念的发展和心智模型的建构，对于模型中的第一大要素“问题”的设计，以假设问题、案例、项目为核心，其他五个要素的设计都要围绕着问题进行，注重解决真实环境中的问题，这和人工智能课程对教学方法的需求一致。
第二，高阶能力的培养。何克抗教授认为，人工智能更加贴近教育是通过为学习者提供个性化需求以达到系统地帮助学习者提升思想品质、认知能力的本质[8]，人工智能的教学目标与CLEs设计模型均强调需要加强培养学生的综合性能力，如认知能力、创新能力、联结能力、意义建构能力和元认知能力等高阶认知能力[9]，而非只需要学生了解其中的基本知识和基本技能等陈述性知识或程序性知识。
第三，促进学习者的知识建构。人工智能的课程学习需要学习者了解人工智能在现实生活中的应用及其原理以解决真实问题，而CLEs设计模型也强调解决真实环境中的问题，创设真实的学习环境有助于学习者提升知识层级，实现从学科内容的收集、联系和整合到分析、评估和创新的变化[10]，可以帮助学习者更好地理解知识和运用技能，能够将人工智能相关学科的知识、概念联系起来，形成一个完整的知识体系，培养更合理周全的思维方式，以指导和辅助学习者学习其他学科的知识。
（二）学习过程模型：基于CLEs设计模型的平台设计思想
以学习者为中心的建构主义学习环境理论来指导当前的人工智能学习平台设计，可以在课堂教学中最大程度地培养学生的综合性能力、提高学习效率并增强学习效果。CLEs设计模型包含六个基本要素：问题、相关案例、信息资源、认知工具、会话或协作工具和社会境脉支持（如图1所示）。学习过程可以看作是一个真实问题的解决过程，学习环境的设计是为了支持学习过程，因此，选取和设计问题是首要的任务，是学习环境中的核心和焦点，其他五个要素的设计都要围绕着问题进行。 图1 建构主义学习环境（CLEs）设计模型[11]
第一是问题。乔纳森认为，有意义的学习源自问题解决[12];Greeno认为，问题解决是一系列的有目的指向性的认知操作活动过程[13];斯滕伯格认为，“问题解决”的目的在于消除通往解决方法路径上的障碍[14];张春兴指出，“问题解决”是指个人在面对问题时，综合运用知识技能以期达到解决目的的思维活动历程[15]。通过问题解决可实现知识建构[16]，学生学习学科的内容是为了解决问题，而不是把解决问题作为学习的一种应用。
CLEs设计模型最主要的特征是问题驱动学习。在人工智能的学习过程中，主要的学习目标都在于解决现实生活中的问题，将学习的内容生动地融入基于问题、基于案例、基于项目的真实情境中，让学习者以解决问题的真实环境贯穿于学习始终，调动学习者以最接近真实面对问题的思维方式去思考并处理。现实生活中存在的问题通常都是开放性的劣构问题，给予学习者更大的认知处理空间激活思维，尝试使用不同的方法去解决问题，以达到思虑周全的目的。
第二是相关案例。在理解和解决问题的过程中需要相关经验的积累，而新手往往最缺乏的就是经验。人工智能作为一个新兴技术，很多理论知识和实践技能都处于学习者的盲区，解决问题过程中，平台提供的相关案例就至关重要。与问题相似的案例可以帮助学习者增加人工智能各个专题相关的解决问题的方案参考，给学习者提供间接经验并支撑记忆，不同的案例还可以从不同的角度来解释问题，提高学习者的认知弹性。
第三是信息資源。在解决问题的过程中，需要大量的信息资源去帮助学习者理解问题并且解决问题。人工智能的教学中，在解决一个问题时，需要考虑存在该问题的环境中还包含了什么其他的相关信息，通过让学生思考在什么环境下需要使用该技术，进而让学生理解其领域、原理、完成步骤、相关算法、开源库和注意事项以完成该技术的应用与风险预测，这些信息资源将会协助学习者建构他们的心智模型、建立假设并驱动对问题的操作。
第四是认知（知识建构）工具。乔纳森等学者认为，“认知工具是促使学习者参与并辅助特定认知过程的计算机工具”[17]。人工智能在教学过程中，应重视培养学生跨学科的知识建构能力，在学习平台中加入认知工具，可以帮助学习者建构心智图景并使活动变得可视化，可以展现知识之间的逻辑关系，帮助学习者组织和生成知识结构，有助于学生更好地理解知识和运用技能，有效地将相关学科的概念联系起来，形成完整的知识体系。目前，基础教育中此类认知工具主要应用于理科类结构性强的学科当中，且基础教育中各学科呈现出孤立状态，学生在学习过程中均是单科学习，很难将不同学科的知识串联起来理解，无法将概念与概念的理解联系起来，在不同学科中无法充分利用曾经已学过的知识和认知方式，这些情况都会给学生增加过多的认知负荷。
第五是对话/协作工具。“自然状态下，个体学习通常是很少发生的，更多的是以团队为单位共同寻求问题的解决方案。”[18]在人工智能的发展中通常需要团队协同作战，所以在人工智能的教学中也应该充分考虑到这个真实情境中存在的因素，学习平台中需要提供同伴交流记录的功能、知识数据库，让学习者在团队解决问题中共享自己的观点并创建知识建构共同体，记录过程数据以帮助学习者组织构建分享的知识，增强学习者之间的协作能力，促使他们从团队的经验中反思提升能力，帮助学生充分调动自己曾经已学过的知识，不断融入新的思想，从而进行多次的提升和创新。
第六是社会境脉支持。社会境脉强调需要体现与整体社会体系的匹配性。当设计学习环境时，考虑实施环境的物理的、组织的、社会文化的因素是非常重要的，它决定设计能否顺利推行[19]。当前人工智能得到各行业的广泛重视，随着人工智能研究、发展与应用的深入，中小学和高校都开始大力推进人工智能教育和人工智能课程建设研究。当前技术的发展足以支撑学校进行系统的人工智能教学，因此，面向全体学生推行合理且全面的人工智能课程教学，才能为步入智能时代做好准备。
基于CLEs设计模型的人工智能课程的基本学习过程模型（如图2所示），可以使中小学人工智能课程的目标最大程度地实现。在社会境脉支持的前提下，解决现实生活中人工智能相关的真实问题，通过学习平台提供的相关案例、信息资源帮助学习者理解问题并且在尽可能全面的思考后解决问题。在解决问题过程中，借助认知工具和交流协作工具，帮助学习者完成人工智能相关的一系列知识的建构，提高学习者对于人工智能相关的基本知识和基本技能的理解程度、应用能力等，增强学习者的综合性能力。
（三）功能聚焦：人工智能课程学习平台的主要作用
基于CLEs设计模型，人工智能课程的学习平台应该具备五大功能，分别为：结合社会境脉支持的问题提出、提供相关案例和信息资源、实现技能操作、知识建构、交流协作。下面主要就学习平台应该具备的功能进行分析：
第一，结合社会境脉支持的问题提出有助于培养学生的问题解决能力与思维能力。平台需要能够便于生成问题并能够支持学生解决问题。人工智能课程中的知识与技能的学习，是为了解决现实生活中存在的问题，这样的问题通常是劣构的，需要综合运用不同的知识与技能才能完成。如果在教学过程中过多设计良构性的问题，容易导致学生模式化地看待问题，导致学生形成固定的思维模式，限制学生的思维和创新，而这恰恰违背了人工智能课程的培养初衷。
第二，提供相关案例和信息资源有助于培养学生的认知与迁移能力。平台需要能够提供更多问题相关案例和信息资源的支持服务，以帮助学生解决新问题。人工智能涉及的知识覆盖面极广，算法变化快，且每个学生的学习能力不尽相同，教师也不一定能及时解决所有问题，而提供问题相关的案例和信息资源有助于学生随时了解解决该问题时所涉及的相关知识和一般过程，构建特定问题的解决方法，在模仿的基础上促进学习迁移，重复不同情境下真实问题的解决以巩固学生的认知，极大地增强学生的认知能力。 第三，实现技能操作有助于培养学生的实际操作能力。平台需要能够提供实践技能体验，便于学生理解内容中所包含的核心思维。人工智能的实现大多会依赖于编辑代码，所以对于平台而言就需要能够提供大量的技能操作的机会，甚至还需要同时考虑到协同编程的技能，满足学习者真正在应用中理解课程价值的需求。
第四，知识建构有助于培养学生的认知及意义建构能力。平台需要能够为学生提供建构的机会，也要便于展示建构的结果。在习惯于学习单一知识点的当下，人工智能课程的出现可以极大地改变知识点过于分散的现象，所以，学习平台中提供协助学生知识建构的功能也是重中之重。在课程的学习过程中，无论在哪一个环节的学习都可以随时进入知识建构的板块中，以该节课的问题为核心，记录相关的知识，将其连接成一个完整展现了知识之间的逻辑关系的图示，并在该节课结束后将本节课的知识点与该课程之前所学习的知识点进行关联，形成完整知识体系的同时，也培养了学生的认知及意义建构能力。
第五，交流协作有助于培养学生的交流能力、团队协作能力。平台需要能够为学生开展丰富的对话与交互行为提供可能。在人工智能课程的学习过程中，除了通过多种信息资源和表征形式来丰富和扩展学习以外，与他人之间的交流协作也是帮助学生完成学习的有效方式之一。在解决课程问题中，可能会产生不同的解决方案，并且不同的人，其思考问题的思维方式和过程也大不相同。在学习过程中，共同体协作形成的知识库不仅是来自教师、学生的不同观点，也包含了交流协作、观点转变的过程，这不仅支撑了当下学生的反思和多种能力的培养，也是形成新的信息资源，从而为以后的课程学习做铺垫和参考。
与此同时，在学习平台的建设中，更应该注重平台之间的信息资源共享，避免出现一平台一封装库的现象，避免学生在更换学习平台或学生转移到该平台以外的编程工具中使用时就不能安装使用该库，减少学生不必要的认知负荷，加强学生学习迁移与知识建构的可能性。
五、启示与建议：能力形成与问题解决的双向促进
人工智能教育，既是对新技术的价值认同，也是对新技术的价值发现，其内容将会伴随着技术的发展处于不断的变化与发展之中。本课程的学习需要兼顾技术性、设计性、思维性等多重属性，借助于功能完备的学习平台，引导学生在建立人工智能能力体系的同时，还能够建立问题解决体系，实现两者的双向促进。
（一）基于技术但不受制于技术，注重技术的生成
为了迎合新政策或时代进程，形式主义地应用技术趋于普遍，许多学科都在尝试与先进的科技相结合，但越来越多的学科往往受限于现成的模式，过于关注技术本身，而很少考虑学科本身是否适合模版化的套用。人工智能课程既基于技术，又以技术为学习内容，因此，在对待技术的态度上就更加需要系统思考。乔纳森曾说过，教育技术“一直是一个技术驱动的领域而不是学习驭动的领域。尽管新技术看起来似乎能令各类学习者受益，但是，如果我们以分析技术而不是分析学习为出发点，那么我们的失败是不可避免的”[20]。学习平台是支撑学习的条件，学习平台中嵌入的人工智能技术体验课程的学习结果，如何适应学生的学习需要，让平台中所涉及的各类技术能够适应学生的学习需要，引导学生在技术学习中发展技术，值得平台开发者系统思考。
（二）适应不同阶段，实现低阶能力与高阶能力双侧重
早期的教育受到工业时代的影响，培养的学生可以适应机械性、重复性工作的需要，但不能适应人工智能时代的人才需求，因此，亟须培养出一批能够做到人机和谐共处的“人工智能时代原住民”[21]。目前，人工智能的教学更强调技术本身，更注重基本知识与基本技能的教学，这与人工智能的創新性目标还有较大差距。无论对于哪一个年龄层次的学习者，都需要形成与其认知特点相一致的深层知识和高阶认知，着重培养学生的人工智能思维。对于人工智能学习平台，需要能够支持学生的低阶与高阶思维的形成，鼓励学习者在解决面向真实世界的问题的过程中，形成交流协作的能力、多角度思考问题的能力、不断反思与提升创新的能力等，促进知识构建的品质化。
（三）注重新技术嵌入，丰富人工智能学习平台的功能
人工智能课程学习平台的建设，不能局限于单一功能。将多功能嵌入同一平台，甚至能够尽可能地覆盖不同的学习阶段，有利于促进学生成长的有序性。人工智能课程学习平台还应当注重线上教学与线下教学的融合，基于项目、任务、问题等教学方式，借助于“平台+网络”的学习，学习者可以有更多机会进行体验，并能够获得不同的参照体系，从而对自身做出准确判断。
人工智能课程是一门知识与技能并重的学科，同时又是一门处于生成之中的学科，在此过程中，师生之间对于技术的理解及体验感都会影响到对课程价值的判断，如果平台能够以一种开放的姿态，不断提供新的案例或资源，不断生成与真实的社会境脉相一致的问题，并提供丰富的对话机会，就可能会让学生突破旧的技术限制，并能够选择合适的教学方式和学习方式，在实践与反思中完成课程学习目标，从而提升学生的高阶认知能力，促进课程的学习效能。
[参考文献]
[1] The AI Index 2018 Annual Report[EB/OL]. （2019-10-30）[2021-06-01]. http：//cdn.aiindex.org/2018/AI%20Index%202018%20 Annual%20Report. pdf， 2019-10-30.
[2] 国务院.新一代人工智能发展规划[EB/OL].[2019-01-22].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[3] 中华人民共和国教育部.普通高中信息技术课程标准（2017年版）[M].北京：人民教育出版社，2018：9-10. [4] 中华人民共和国教育部.普通高中通用技术课程标准（2017年版）[M].北京：人民教育出版社，2018：24，57.
[5] 郑勤华，熊潞颖，胡丹妮.任重道远：人工智能教育应用的困境与突破[J].开放教育研究，2019，25（4）：10-17.
[6] 朱纯松.浅谈人工智能：现状、任务、构架与统一[DB/OL].[2017-11-07].http：//www.stat.ucla.edu/～sczhu/research_blog.html#Vision History.
[7] 陈维维.多元智能视域中的人工智能技术发展及教育应用[J].电化教育研究，2018，39（7）：12-19.
[8] 何克抗.21世纪以来的新兴信息技术对教育深化改革的重大影响[J].电化教育研究，2019（2）：5-12.
[9] 陈颖博，张文兰.国外教育人工智能的研究热点、趋势和启示[J].开放教育研究，2019，25（4）：43-58.
[10] 钟丽佳，盛群力.建构主义教学理论之科学性探讨[J].电化教育研究，2016，37（10）：22-28.
[11] 戴维·H.乔纳森.学习环境的理论基础[M].郑太年，任友群，译.上海：华东师范大学出版社，2002.
[12] JONASSEN D H. Toward a design theory of problem solving[J]. Educational technology research and development， 2002， 48（4）：63-85.
[13] GREENO J G. Natures of problem-solving abilities[J].Handbook of learning and cognitive processes， 1978（5）：239-270.
[14] STEMBERG ROBERT J， OKAGAKI L， et a1. Practical intelligence for success in school[J]. Educational leadership， 1990：35-39.
[15] 張春兴.教育心理学[M].杭州：浙江教育出版社，1998.
[16] JONASSEN D H. Using cognitive tools to represent problems[J]. Journal of research in technology in education， 2003， 35（3）：362-381.
[17] KOMMERS P A M， JONASSEN D H， MAYES J T. Cognitive tools for learning[M]. Heidelberg， FRG： Spring-Verlag， 1992.
[18] TAN S C， TURGEON A J， JONASSEN D H. Computer-supported collaborative argumentation：an innovative approach to group problem solving[J]. Journal of natural resources and life sciences education， 2001， 30（1）：54-61.
[19] 李妍.乔纳森建构主义学习环境设计理论的系统研究与当代启示[J].开放教育研究，2006（6）：50-56.
[20] DUFFY T， JONASSEN D H. Constructivism and technology of instruction： a conversation[M]. Hillsdale， NJ： Lawrence Erlbaum Associates， 1992.
[21] 徐晔.从“人工智能教育”走向“教育人工智能”的路径探究[J].中国电化教育，2018（12）：81-87.