王林麗 葉 洋 楊現(xiàn)民

?

基于大數(shù)據(jù)的在線學(xué)習(xí)預(yù)警模型設(shè)計*——“教育大數(shù)據(jù)研究與實踐專欄”之學(xué)習(xí)預(yù)警篇

王林麗 葉 洋 楊現(xiàn)民[通訊作者]

（江蘇師范大學(xué)智慧教育學(xué)院，江蘇徐州 221116）

學(xué)習(xí)預(yù)警是提升在線學(xué)習(xí)質(zhì)量的重要途徑。如何基于大數(shù)據(jù)成功地實現(xiàn)在線學(xué)習(xí)預(yù)警，是在線教育發(fā)展過程中亟需解決的重要問題。文章從預(yù)警的實現(xiàn)形式、內(nèi)容與方式、采用的技術(shù)算法和工具、成效及不足等方面比較分析了國外五個典型學(xué)習(xí)預(yù)警系統(tǒng)，在此基礎(chǔ)上提出了學(xué)習(xí)預(yù)警系統(tǒng)的通用設(shè)計框架，并構(gòu)建了學(xué)習(xí)預(yù)警系統(tǒng)的功能模型和過程模型，最后就在線學(xué)習(xí)預(yù)警系統(tǒng)的設(shè)計開發(fā)和預(yù)警研究提出了建議，以期能為我國在線學(xué)習(xí)預(yù)警系統(tǒng)的建設(shè)與發(fā)展提供借鑒。

大數(shù)據(jù)；教育大數(shù)據(jù)；在線學(xué)習(xí)；學(xué)習(xí)預(yù)警；模型設(shè)計

引言

隨著互聯(lián)網(wǎng)技術(shù)的應(yīng)用和發(fā)展，在線學(xué)習(xí)日漸流行，并成為信息時代的一種重要學(xué)習(xí)方式，也由此引起了政府、學(xué)校、企業(yè)等的廣泛關(guān)注。當(dāng)前，雖然在線學(xué)習(xí)在全球的發(fā)展勢頭迅猛，但也存在諸多問題，如學(xué)習(xí)質(zhì)量和效率低下、教師的個性化及適應(yīng)性教學(xué)能力差、在線學(xué)習(xí)的監(jiān)控管理和評價不及時等。其中，學(xué)習(xí)質(zhì)量難以保證的問題尤為突出，導(dǎo)致很多學(xué)習(xí)者無法順利完成在線課程的學(xué)習(xí)。為此，有研究者提出要通過學(xué)習(xí)預(yù)警來解決上述問題。

學(xué)習(xí)預(yù)警可以通過挖掘、分析在線學(xué)習(xí)過程中產(chǎn)生的大量數(shù)據(jù)，了解學(xué)習(xí)者學(xué)習(xí)情況并及時發(fā)現(xiàn)學(xué)習(xí)中存在的問題，以此對學(xué)習(xí)者發(fā)出提示或警告，從而督促、引導(dǎo)學(xué)習(xí)者順利完成在線學(xué)業(yè)。從整體來看，國內(nèi)外在線學(xué)習(xí)預(yù)警的研究與實踐正處于起步階段，如美國普渡大學(xué)開發(fā)了課程警示系統(tǒng)[1]、澳大利亞Wollongong大學(xué)開發(fā)了社會網(wǎng)絡(luò)可視化工具[2]、我國電子科技大學(xué)教育大數(shù)據(jù)研究所研發(fā)了高校預(yù)測預(yù)警應(yīng)用系統(tǒng)等。

與傳統(tǒng)教育數(shù)據(jù)相比，教育大數(shù)據(jù)的采集具有更強的實時性、連貫性、全面性和自然性，分析處理也更加復(fù)雜、多樣，應(yīng)用更加多元、深入[3]。如何基于大數(shù)據(jù)成功地實現(xiàn)在線學(xué)習(xí)預(yù)警，是在線教育發(fā)展過程中亟需解決的重要問題。為了更好地理解在線學(xué)習(xí)預(yù)警系統(tǒng)的框架及其過程原理，本研究在分析國外五個典型學(xué)習(xí)預(yù)警系統(tǒng)案例的基礎(chǔ)上，提出了學(xué)習(xí)預(yù)警系統(tǒng)的通用框架，并對其功能模型和過程模型進行了設(shè)計。

一 國外五個典型學(xué)習(xí)預(yù)警系統(tǒng)案例

美國在大數(shù)據(jù)方面是領(lǐng)跑者。美國的一些學(xué)校和機構(gòu)根據(jù)自己的需求率先開發(fā)了不同的學(xué)習(xí)預(yù)警系統(tǒng)，這些學(xué)習(xí)預(yù)警系統(tǒng)已在相關(guān)應(yīng)用尤其是預(yù)防輟學(xué)應(yīng)用中取得了一定的成效，積累了寶貴的經(jīng)驗。

根據(jù)預(yù)警功能的實現(xiàn)形式，現(xiàn)有的學(xué)習(xí)預(yù)警系統(tǒng)可劃分為四類：①為了實現(xiàn)在線學(xué)習(xí)預(yù)警的相關(guān)功能而獨立開發(fā)，這又分為兩種情況，一是由學(xué)校自主開發(fā)，如普渡大學(xué)開發(fā)的課程信號系統(tǒng)；二是由企業(yè)機構(gòu)開發(fā)，如Desire2Learn機構(gòu)開發(fā)的學(xué)生成功系統(tǒng)。②通過學(xué)習(xí)管理系統(tǒng)與可視化工具相結(jié)合來實現(xiàn)預(yù)警功能，如可汗學(xué)院的學(xué)習(xí)儀表盤。③通過在學(xué)習(xí)系統(tǒng)中嵌入個性化工具來實現(xiàn)預(yù)警功能，如電子顧問。④學(xué)習(xí)預(yù)警系統(tǒng)作為在線學(xué)習(xí)平臺中的一個模塊而存在，如海星預(yù)警系統(tǒng)。這五個典型學(xué)習(xí)預(yù)警系統(tǒng)在實現(xiàn)形式、預(yù)警內(nèi)容與方式、采用的技術(shù)算法和工具、成效及不足等方面存在異同，如表1所示。

表1 國外五個典型學(xué)習(xí)預(yù)警系統(tǒng)比較

1 課程信號系統(tǒng)

課程信號系統(tǒng)（Course Signals）是由美國普渡大學(xué)開發(fā)的一款在線學(xué)習(xí)預(yù)警系統(tǒng)，用于監(jiān)測學(xué)生的學(xué)習(xí)狀態(tài)。該系統(tǒng)嘗試采用一種新的算法（Student Success Algorithm，SSA）來判斷處于學(xué)業(yè)危險中的學(xué)生，并對其進行預(yù)警——這種預(yù)警類似于交通信號燈，即針對教師和學(xué)生的不同狀態(tài)而設(shè)定不同的“警示信號”。根據(jù)“警示信號”，教師通過電子郵件、短信、在線消息等方式對學(xué)習(xí)者進行干預(yù)，從而促進學(xué)生的健康成長。

2 學(xué)生成功系統(tǒng)

由美國Desire2Learn機構(gòu)開發(fā)的學(xué)生成功系統(tǒng)（Student Success System，S3），可以向用戶提供一系列服務(wù)，如查看學(xué)生的學(xué)習(xí)情況、預(yù)測學(xué)業(yè)危險、提供干預(yù)和產(chǎn)生學(xué)習(xí)分析報告等。此外，該系統(tǒng)也可以通過分析影響學(xué)生學(xué)習(xí)的因素如學(xué)生的出席率、課程完成情況、參與度和社會學(xué)習(xí)等，形成多樣化的預(yù)測模型，從而準(zhǔn)確地預(yù)測有哪些學(xué)生處于學(xué)業(yè)危險的狀態(tài)，并向其提供適當(dāng)?shù)母深A(yù)措施[4]。

3 可汗學(xué)院的學(xué)習(xí)儀表盤

學(xué)習(xí)儀表盤由可汗學(xué)院于2013年9月推出，它最初應(yīng)用于可汗學(xué)院的數(shù)學(xué)課程中。學(xué)習(xí)儀表盤以信息跟蹤技術(shù)和鏡像（Mirroring）技術(shù)為基礎(chǔ)，對學(xué)習(xí)者的在線學(xué)習(xí)行為進行精密追蹤，記錄、整合大量學(xué)習(xí)者的學(xué)習(xí)信息，并按照使用者的需求進行數(shù)據(jù)分析，最終以數(shù)字、圖表等可視化形式呈現(xiàn)出來，從而為在線教育中的學(xué)習(xí)者、教師、研究者和教育管理者提供學(xué)習(xí)分析[5]。

4 電子顧問

電子顧問（eAdvisor?）由美國亞利桑那州立大學(xué)開發(fā)。通過玩圖像游戲Me3，可以探索出學(xué)習(xí)者的職業(yè)興趣，eAdvisor?便可以據(jù)此為其制定相應(yīng)的學(xué)習(xí)路徑，它規(guī)定了學(xué)習(xí)者每學(xué)期需要完成的課程及應(yīng)拿到的學(xué)分[6]。在整個學(xué)習(xí)過程中，eAdvisor?會為學(xué)習(xí)者提供個性化的點播工具，也會為學(xué)習(xí)者的學(xué)習(xí)過程提供引導(dǎo)和支持，并實現(xiàn)對學(xué)習(xí)者的預(yù)警。

5 海星預(yù)警系統(tǒng)

海星預(yù)警系統(tǒng)（Starfish Early Alert System）是海星企業(yè)成功平臺（Starfish Enterprise Success Platform）中的一個模塊，致力于幫助學(xué)生完成學(xué)業(yè)。海星預(yù)警系統(tǒng)以大數(shù)據(jù)、學(xué)習(xí)分析、分布式計算等為基礎(chǔ)，通過分析學(xué)習(xí)者的努力程度，以盡早地了解學(xué)生，進而降低輟學(xué)率[7]。

二 學(xué)習(xí)預(yù)警系統(tǒng)框架

學(xué)習(xí)預(yù)警系統(tǒng)涉及四個核心問題，即為什么預(yù)警、預(yù)警什么、怎么預(yù)警、預(yù)警的結(jié)果是什么。從這四個核心問題出發(fā)，本研究構(gòu)建了學(xué)習(xí)預(yù)警系統(tǒng)的通用框架，如圖1所示。

圖1 學(xué)習(xí)預(yù)警系統(tǒng)框架

1 目的層

預(yù)警目的大致有四種：降低輟學(xué)率、促進學(xué)業(yè)成功、提高學(xué)習(xí)效果和提升就業(yè)率。預(yù)警目的的確定為預(yù)警系統(tǒng)的建立與運行指明了方向，將直接影響著數(shù)據(jù)的收集與獲取，并對內(nèi)容層、方式層和結(jié)果層產(chǎn)生影響，是整個預(yù)警過程的根本。

2 內(nèi)容層

預(yù)警內(nèi)容包括預(yù)警輟學(xué)、學(xué)業(yè)成功、知識掌握、就業(yè)情況、學(xué)習(xí)路徑、學(xué)習(xí)效果等，具體內(nèi)容會根據(jù)預(yù)警目的的不同而有所不同。當(dāng)預(yù)警的內(nèi)容不同時，所采用的預(yù)警方式也會不同。

3 方式層

預(yù)警方式主要包括數(shù)據(jù)采集和數(shù)據(jù)分析——數(shù)據(jù)采集需要明確使用什么采集技術(shù)，以及采集哪些數(shù)據(jù)；數(shù)據(jù)分析則需要根據(jù)采集的數(shù)據(jù)，判斷將要采用哪種數(shù)據(jù)分析技術(shù)及預(yù)警算法。在大數(shù)據(jù)時代采集的是學(xué)習(xí)者的全方位數(shù)據(jù)，當(dāng)目的不同時會篩選不同的數(shù)據(jù)進行分析處理。

4 結(jié)果層

預(yù)警結(jié)果主要包括預(yù)警信息的呈現(xiàn)及干預(yù)策略，即根據(jù)目的層、內(nèi)容層和方式層確定預(yù)警信息的呈現(xiàn)形式及提供的干預(yù)策略。預(yù)警信息的呈現(xiàn)形式是學(xué)習(xí)預(yù)警系統(tǒng)的直觀表現(xiàn)，而干預(yù)策略主要是為學(xué)習(xí)者提供個性化的建議或反饋。

三 學(xué)習(xí)預(yù)警系統(tǒng)模型

1 學(xué)習(xí)預(yù)警功能模型

學(xué)習(xí)預(yù)警功能模型如圖2所示，呈現(xiàn)了學(xué)習(xí)預(yù)警系統(tǒng)的工作流程。具體來說，學(xué)習(xí)預(yù)警功能的實現(xiàn)，分為數(shù)據(jù)收集、數(shù)據(jù)分析、預(yù)警信息呈現(xiàn)和提供干預(yù)四個階段。本研究從學(xué)習(xí)者的知識掌握情況、行為數(shù)據(jù)和學(xué)業(yè)情緒三個方面出發(fā)，參考教育大數(shù)據(jù)的技術(shù)體系框架[8]，構(gòu)建了在線學(xué)習(xí)預(yù)警功能模型，從知、行、情三方面對在線學(xué)習(xí)者進行全方位預(yù)警。

圖2 學(xué)習(xí)預(yù)警功能模型

（1）數(shù)據(jù)收集

在線學(xué)習(xí)中收集的數(shù)據(jù)包括學(xué)習(xí)者相關(guān)數(shù)據(jù)、教師相關(guān)數(shù)據(jù)和課程相關(guān)數(shù)據(jù)。其中，學(xué)習(xí)者相關(guān)數(shù)據(jù)主要包括學(xué)習(xí)者的基本數(shù)據(jù)（學(xué)習(xí)風(fēng)格、態(tài)度）、行為數(shù)據(jù)（訪問次數(shù)、在線時長、下載次數(shù)、最后訪問）、交互數(shù)據(jù)（與在線資源或同學(xué)間的互動情況、討論內(nèi)容、發(fā)帖數(shù)、互動次數(shù)）、表現(xiàn)數(shù)據(jù)（學(xué)業(yè)成績、排名、進步）、情感數(shù)據(jù)等。數(shù)據(jù)收集需要借助一定的平臺和技術(shù)工具，如Sakai、Blackboard、Moodle、學(xué)習(xí)元平臺和社會網(wǎng)絡(luò)可視化工具等。

（2）數(shù)據(jù)分析

收集到的海量數(shù)據(jù)經(jīng)過存儲整合即可實現(xiàn)分類，具體來說可以分為知識、行為、情緒三類。目前比較成熟的知識和行為分析技術(shù)主要有內(nèi)容分析法、話語分析法、社會網(wǎng)絡(luò)分析法[9]、語境分析法和性格分析法等；而主要的情感識別技術(shù)有面部表情識別和語音情感識別，此外還可以通過內(nèi)容挖掘和智能分析來識別學(xué)習(xí)者的語音、文本、繪圖中所蘊含的情緒信息。近年來，基于腦電波的情感識別采集技術(shù)已成為情感數(shù)據(jù)采集和情感識別的重要渠道。上述分析技術(shù)使得數(shù)據(jù)分析能夠順利實行，從而推測出學(xué)習(xí)者在知識、行為、情緒方面是否存在異常。

（3）預(yù)警信息呈現(xiàn)

預(yù)警信息呈現(xiàn)是指從知識、行為、情緒三方面對學(xué)習(xí)者所處的狀態(tài)進行直觀呈現(xiàn)——知識即學(xué)習(xí)者對知識點的掌握情況，要適應(yīng)社會發(fā)展，就必須不斷接受新知識，持續(xù)不斷地提升素養(yǎng)和能力[10]，可以通過成績、內(nèi)容分析法等來判斷知識的掌握情況；行為即學(xué)習(xí)者在線學(xué)習(xí)時的各種行為，包括登錄、瀏覽、交互等，學(xué)習(xí)者的行為從一定程度上反映了學(xué)習(xí)者的態(tài)度，能在很大程度上影響學(xué)習(xí)效果；情緒即學(xué)習(xí)者在線學(xué)習(xí)時的情緒，是影響線上線下學(xué)習(xí)效果的重要變量。也就是說，預(yù)警信息呈現(xiàn)是通過對海量數(shù)據(jù)進行分析，準(zhǔn)確判斷出學(xué)習(xí)者的學(xué)習(xí)情況及所處狀態(tài)，并通過采用紅綠燈、小紅旗、磁條、背景顏色、文本等方式將其直觀地呈現(xiàn)出來。

（4）提供干預(yù)

提供干預(yù)是指對獲得預(yù)警的學(xué)習(xí)者提供相應(yīng)的改進策略，進行積極干預(yù)。預(yù)警系統(tǒng)內(nèi)置一套完善的學(xué)習(xí)干預(yù)策略庫，庫中存放著應(yīng)對各種問題的具體策略，教師或系統(tǒng)可以據(jù)此向?qū)W習(xí)者提供個性化干預(yù)。所謂個性化，是指當(dāng)起點不同的學(xué)習(xí)者取得相同的成績時，獲得的干預(yù)是不同的；并且，當(dāng)學(xué)習(xí)者及預(yù)警內(nèi)容不同時，采用的干預(yù)方式也會有所不同。

2 學(xué)習(xí)預(yù)警過程模型

學(xué)習(xí)預(yù)警過程模型如圖3所示，主要用來描述在線學(xué)習(xí)預(yù)警的具體過程。

圖3 學(xué)習(xí)預(yù)警過程模型

一般而言，在線學(xué)習(xí)預(yù)警的具體過程共分為七步：

（1）確定預(yù)警目的，明確預(yù)警什么。預(yù)警目的不同，后續(xù)步驟就會有所不同。

（2）數(shù)據(jù)采集。根據(jù)預(yù)警目的，確定需要采集哪些數(shù)據(jù)以及需要用到哪些數(shù)據(jù)采集技術(shù)。

（3）數(shù)據(jù)分析。將采集到的數(shù)據(jù)輸送到分析引擎進行分析，根據(jù)適當(dāng)?shù)姆治黾夹g(shù)及預(yù)警算法對采集的數(shù)據(jù)進行分析，判斷學(xué)習(xí)者是否需要預(yù)警。

（4）預(yù)警信息或?qū)W習(xí)情況的呈現(xiàn)。根據(jù)第三步的判斷，如果需要預(yù)警則呈現(xiàn)出相應(yīng)的預(yù)警信息，如果不需要預(yù)警則呈現(xiàn)出學(xué)習(xí)者目前的學(xué)習(xí)情況。

（5）預(yù)警信息推送。預(yù)警信息的推送對象包括三類：一是推送給教師和管理者（可以查看所有學(xué)生的預(yù)警信息）；二是推送給系統(tǒng)；三是直接推送給學(xué)生（考慮到有些信息可能會傷害學(xué)生的自尊心，所以推送給學(xué)生的預(yù)警信息只是所有預(yù)警信息中的一部分）。

（6）個性化建議的提出及個性化資源的推薦。教師和管理者根據(jù)推送的預(yù)警信息，人工進行干預(yù)，提出適合學(xué)習(xí)者的個性化建議，并推薦適合學(xué)習(xí)者的個性化資源；系統(tǒng)根據(jù)推送的預(yù)警信息結(jié)合自適應(yīng)引擎，可以自動生成適合學(xué)生的個性化建議和個性化資源。

（7）將個性化建議和個性化資源推送給相應(yīng)的學(xué)習(xí)者。

四 總結(jié)與建議

《2015年國務(wù)院政府工作報告》和《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃的建議》分別提出了“互聯(lián)網(wǎng)+”行動計劃和實施國家大數(shù)據(jù)戰(zhàn)略，這將對教育的變革與創(chuàng)新產(chǎn)生實質(zhì)性的影響。同時，國家力推在線教育的政策也相繼出臺，在線學(xué)習(xí)將成為今后重要的學(xué)習(xí)方式。此外，目前很多學(xué)習(xí)系統(tǒng)和平臺提供商也正在考慮引入基于大數(shù)據(jù)的預(yù)警機制和技術(shù)，以進一步提升系統(tǒng)的服務(wù)能力，改善在線學(xué)習(xí)的質(zhì)量。以說在線學(xué)習(xí)預(yù)警已成為在線教育研究與實踐領(lǐng)域的熱點?；诖?，為推動我國在線預(yù)警學(xué)習(xí)系統(tǒng)的建設(shè)與發(fā)展，本研究從實踐和研究兩個方面提出如下建議：

1 實踐方面

在線學(xué)習(xí)預(yù)警系統(tǒng)的設(shè)計與開發(fā)應(yīng)著重考慮以下四點：①從知識、行為、情緒三個方面開展綜合預(yù)警；②采用云服務(wù)或者標(biāo)準(zhǔn)化插件代理的方式提供預(yù)警服務(wù)，以便與現(xiàn)有系統(tǒng)集成；③預(yù)測算法應(yīng)具備較強的靈活性，能夠根據(jù)不同的預(yù)警目的選擇不同的預(yù)警算法；④建立和選擇一組能正確反映系統(tǒng)狀態(tài)的敏感性指標(biāo)，實時跟蹤預(yù)警效果。

2 研究方面

總的來說，我國在線學(xué)習(xí)預(yù)警研究尚處于起步階段，應(yīng)進一步加強學(xué)習(xí)預(yù)警的理論、技術(shù)與應(yīng)用研究——理論方面，深入探討學(xué)習(xí)預(yù)警的認(rèn)知基礎(chǔ)、運作機制等基礎(chǔ)性問題；技術(shù)方面，積極運用學(xué)習(xí)分析、教育數(shù)據(jù)挖掘等技術(shù)，進一步提升在線學(xué)習(xí)預(yù)警的效率和效果；應(yīng)用方面，認(rèn)真開展在線學(xué)習(xí)預(yù)警的實踐研究，歸納預(yù)警應(yīng)用模式，評估預(yù)警的實際應(yīng)用效果。

參考文獻：

[1]Purdue Informztion Technology. Course signals[OL].

[2]Macfadyen L P, Dawson S. Mining LMS data to develop an “early warning system” for educators: A proof of concept[J]. Computer & Education, 2010,(54):588-599.

[3]楊現(xiàn)民,王榴卉,唐斯斯.教育大數(shù)據(jù)的應(yīng)用模式與政策建議[J].電化教育研究,2015,(9):54-61、69.

[4]Essa A, Ayad H. Improving student success using predictive models and data visualisations[J]. Research in Learning Technology, 2012,(20):58-70.

[5]張振虹,劉文,韓智.學(xué)習(xí)儀表盤:大數(shù)據(jù)時代的新型學(xué)習(xí)支持工具[J].現(xiàn)代遠程教育研究,2014,(3):100-107.

[6]Arizona State University. How does eAdvisor? benefit me?[OL].

[7]Plunkett J. Starfish supports University of Nebraska-Lincoln’s efforts to improve campus coordination, early identification of at-risk students, and enhanced student planning[OL].

[8]楊現(xiàn)民,唐斯斯,李冀紅.教育大數(shù)據(jù)的技術(shù)體系框架與發(fā)展趨勢——“教育大數(shù)據(jù)研究與實踐專欄”之整體框架篇[J].現(xiàn)代教育技術(shù),2016,(1):5-12.

[9]顧小清,張進良,蔡慧英.學(xué)習(xí)分析:正在浮現(xiàn)中的數(shù)據(jù)技術(shù)[J].遠程教育雜志,2012,(1):18-25.

[10]陳琳,陳耀華.以信息化帶動教育現(xiàn)代化路徑探析[J].教育研究,2013,(11):114-118.

編輯：小米

Design of Online Learning Early-warning Model based on Big Data——The Learning Early-warning of “Research and Practice Column about Big Data in Education”

WANG Lin-li YE Yang YANG Xian-min[Corresponding Author]

Learning early-warning is an important approach to improve the quality of online learning. How to successfully implement early-warning which based on big data is an urgent problem to be solved in the development of online education. From the aspects of realization form, warning content and method, technical algorithm and tool, effectiveness and deficiency, this paper comparatively analyzed five typical abroad learning early-warning systems. On the basis of this analysis, the general design framework of the learing early-warning system was put forward, the function model and process model of learning early-warning system were also established. Some suggestions for the design development and research of online learning early-warning system were proposed, expecting to explore some idea for the construction and development of domestic online learning early-warning system.

big data; big data in education; online learning; learning early warning; model design

G40-057

A

1009—8097（2016）07—0005—07

10.3969/j.issn.1009-8097.2016.07.001

本文為江蘇省普通高校學(xué)術(shù)學(xué)位研究生創(chuàng)新計劃項目“基于行為數(shù)據(jù)的在線學(xué)習(xí)預(yù)警機制設(shè)計”（項目編號：KYZZ15_0381）、江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目“江蘇師范大學(xué)教育學(xué)省優(yōu)勢學(xué)科建設(shè)”(項目編號：蘇政辦發(fā)〔2014〕37號)、江蘇省科技基礎(chǔ)設(shè)施建設(shè)計劃項目“江蘇省教育信息化工程技術(shù)研究中心”（項目編號：BM2013224）的階段性研究成果。

王林麗，在讀碩士，研究方向為教育信息化與智慧教育，郵箱為wanglinli0606@163.com。

2016年3月20日