貢國忠　吳訪升　楊淑芳　景征駿

摘要：在“互聯(lián)網(wǎng)+”環(huán)境下，職業(yè)院校積累了海量數(shù)據(jù)，亟需提高大數(shù)據(jù)服務水平。從大數(shù)據(jù)融合、大數(shù)據(jù)分析、軟硬件設施的角度分析職業(yè)教育大數(shù)據(jù)應用面臨的挑戰(zhàn)，提出基于人工智能的職業(yè)教育大數(shù)據(jù)應用模式，以機器學習、知識圖譜、自然語言處理為核心技術(shù)，結(jié)合開源云計算平臺，為學生提供個性化學習服務、知識服務等智慧服務，促進職業(yè)教育大數(shù)據(jù)服務的進一步發(fā)展，助力職業(yè)教育走向智慧職教。

關(guān)鍵詞：職業(yè)教育大數(shù)據(jù)；人工智能；個性化學習；知識服務

中圖分類號：G712 文獻標志碼：A 文章編號：1673-9094-（2018）09C-0019-05

一、職業(yè)教育大數(shù)據(jù)研究進展及現(xiàn)實挑戰(zhàn)

（一）研究背景

近年來，隨著職業(yè)院校信息化進程的迅速推進，以及物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、社交網(wǎng)絡等技術(shù)在學校教學和管理中的廣泛應用，職業(yè)院校的教育數(shù)據(jù)在很大程度上具備了大數(shù)據(jù)的4V（variety、volume、velocity、value）特征，主要體現(xiàn)在：（1）職業(yè)院校數(shù)據(jù)種類繁多，包含圖書、多媒體課件、教學視頻等教育資源數(shù)據(jù)，個人信息、考試成績、學習過程記錄等學生數(shù)據(jù)，以及因瀏覽、觀看、下載和維護管理而產(chǎn)生于日常教學服務環(huán)節(jié)的各類異構(gòu)數(shù)據(jù)等，這些數(shù)據(jù)中既有傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，更多的是半結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)；（2）數(shù)據(jù)體量浩大，匯聚了海量教育資源數(shù)據(jù)，往屆及在校學生數(shù)據(jù)，教師和管理人員數(shù)據(jù)；（3）職業(yè)教育數(shù)據(jù)流量增長迅速。近年來，學校師生在工作、學習、日常交流中廣泛使用手機、平板、社交媒體等新平臺，移動設備產(chǎn)生的瀏覽、搜索和下載數(shù)據(jù)，以及QQ、微博、論壇等社交媒體產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)飛速增長，這些數(shù)據(jù)具有增長迅猛、時效性強的特點，及時分析才能有效利用；（4）職業(yè)教育數(shù)據(jù)的價值巨大但密度較低，海量的數(shù)據(jù)隱含著巨大的價值，但由于其中包含許多無用的信息，也呈現(xiàn)出低價值密度的特點。如何利用職業(yè)教育大數(shù)據(jù)為職教事業(yè)服務是一個值得研究的課題。

（二）研究進展

職業(yè)教育大數(shù)據(jù)服務的需求受到了學界的廣泛關(guān)注。孫鈺林[1]從職業(yè)教育系統(tǒng)論的角度，探討了大數(shù)據(jù)在職教理念、專業(yè)設置、課程開發(fā)等10個維度的應用，構(gòu)建職業(yè)教育的大數(shù)據(jù)應用路徑。南旭光[2]認為，與傳統(tǒng)教育相比，大數(shù)據(jù)時代的教育呈現(xiàn)出個性化輔導、自主學習、彈性學制、關(guān)注個人成功等特質(zhì)，大數(shù)據(jù)的價值在于讓教育者真正讀懂學生，成為“智慧教育”。王夢君等[3]探討了大數(shù)據(jù)時代職業(yè)教育革新趨勢，包括智能化教學和泛在學習的趨勢，全體數(shù)據(jù)的“多向相關(guān)性”研究思維趨勢，服務型管理和以數(shù)據(jù)為基礎的決策趨勢，以及多元維度的教學評價趨勢。胡伏湘[4]探討了基于大數(shù)據(jù)的智慧職教，提出依托大數(shù)據(jù)的教育信息化平臺是智慧職教的支撐載體，依托智慧職教平臺可以實現(xiàn)翻轉(zhuǎn)課堂、云班級教學等創(chuàng)新教學模式。楊雪平等[5]提出采用物聯(lián)網(wǎng)、云技術(shù)和大數(shù)據(jù)等新技術(shù)構(gòu)建智能化教學環(huán)境，整合教學資源、實現(xiàn)資源共享和提升管理水平，實現(xiàn)智慧教學和智慧管理。

學界對職教領(lǐng)域的大數(shù)據(jù)服務開展了探討，提出了有價值的應用方法和服務策略。但是，當前的研究尚處于初級階段，特別是還缺乏有關(guān)高中職院校大數(shù)據(jù)具體應用模式、實現(xiàn)路徑的研究。黨的十九大報告提出，完善職業(yè)教育和培訓體系，深化產(chǎn)教融合、校企合作。職業(yè)教育是國民教育體系的重要組成部分，職業(yè)院校肩負著培養(yǎng)高素質(zhì)技能技術(shù)人才的重任，有必要對職教大數(shù)據(jù)應用進行深入研究，使之更好地服務于職業(yè)教育，助力職業(yè)教育走向智慧職教。

（三）現(xiàn)實挑戰(zhàn)

目前，高中職院校的教育大數(shù)據(jù)應用正處于起步階段，開展大數(shù)據(jù)服務在方法、技術(shù)、資金等方面都存在現(xiàn)實困難，面臨著挑戰(zhàn)。

1.職業(yè)教育大數(shù)據(jù)具有多源異構(gòu)的特點，給數(shù)據(jù)整合和存儲帶來了挑戰(zhàn)。異構(gòu)數(shù)據(jù)具有不同的類型，其存儲格式和存儲方式迥異，不同數(shù)據(jù)庫之間的關(guān)聯(lián)方式和關(guān)聯(lián)程度也有很大差別。如果只是將來源各異類型多樣的數(shù)據(jù)簡單地堆砌在一起，將難以進一步進行有效的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)，極大地阻礙職業(yè)教育大數(shù)據(jù)展現(xiàn)價值。此外，整合后的海量數(shù)據(jù)需要合適的存儲，以供實時分析和訪問。傳統(tǒng)的數(shù)據(jù)整合和存儲方式不能滿足職業(yè)教育大數(shù)據(jù)的管理和應用需求，需要新的技術(shù)對數(shù)據(jù)進行統(tǒng)一管理。

2.職業(yè)教育大數(shù)據(jù)展現(xiàn)數(shù)據(jù)智慧，給大數(shù)據(jù)分析帶來了挑戰(zhàn)。職業(yè)教育既有教育的一般規(guī)律，也有不同于高等教育、初等教育等其他教育的特殊性，職業(yè)院校開展大數(shù)據(jù)服務需要結(jié)合職業(yè)教育的理念、內(nèi)容、方法，以及學生的特點來進行。與基礎教育和成人教育相比，職業(yè)教育對于人才的培養(yǎng)更為注重技術(shù)技能，強調(diào)理論實踐一體化，更突出“以學生為中心”。因此，需要有先進的大數(shù)據(jù)分析方法和應用技術(shù)應對方案，提供特定教學和學習場景下的支持服務。

3.有限的資金投入和落后的計算設備也給職業(yè)院校開展大數(shù)據(jù)服務帶來挑戰(zhàn)。隨著職業(yè)教育數(shù)據(jù)量的急劇增加，所需要的存儲和計算規(guī)模也隨之劇增。普通職業(yè)院校，尤其是中職學校受經(jīng)費限制，無法投入大量資金來購置服務器硬件設備和軟件設施，必須另辟蹊徑，尋求有效的解決方案。

二、人工智能和職業(yè)教育大數(shù)據(jù)

（一）人工智能解讀

2017年國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，2018年李克強總理再次在兩會政府工作報告中提及人工智能，要求“實施大數(shù)據(jù)發(fā)展行動，加強新一代人工智能研發(fā)應用”。大數(shù)據(jù)蘊含價值，而人工智能則使大數(shù)據(jù)展現(xiàn)數(shù)據(jù)智慧，發(fā)揮價值。1956年達特茅斯學術(shù)會議上，美國計算機科學家約翰·麥卡錫首次提出“人工智能”一詞，標志著“人工智能”學科的正式誕生。人工智能領(lǐng)域的專家學者致力于提高機器解決復雜任務的能力，經(jīng)過60多年的努力，取得了很多成果。棋類人機大戰(zhàn)尤其引人注目。1997年，IBM公司的深藍超級計算機擊敗國際象棋世界冠軍卡斯帕羅夫。2016年，谷歌公司的AlphaGo擊敗圍棋世界冠軍李世石。近年來，人工智能技術(shù)進步迅速，在教育、醫(yī)療、交通等各個領(lǐng)域顯示出廣闊的應用前景和巨大的經(jīng)濟潛力，成為新的國際競爭焦點。

人工智能是一門關(guān)于知識的學科。[6]《人工智能標準化白皮書（2018版）》將人工智能（Artificial Intelligence， AI）定義為“利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)及應用系統(tǒng)”[7]。人工智能分為感知智能和認知智能，感知智能使機器具有聽覺、視覺的功能，認知智能使機器能理解人類的語言和知識。機器學習（Machine Learning，ML）、知識圖譜（Knowledge Graph，KG）和自然語言處理（Natural Language Processing，NLP）是構(gòu)建智慧大腦的三項核心人工智能認知技術(shù)。

（二）人工智能在職教大數(shù)據(jù)應用中的優(yōu)勢

人工智能對于分析海量職業(yè)教育大數(shù)據(jù)進而獲得洞察力有獨特的優(yōu)勢，結(jié)合開源云計算平臺，為構(gòu)建職業(yè)院校智慧大腦，賦能智慧職教提供了方法和技術(shù)上的支持。

1.規(guī)整和融合職業(yè)教育大數(shù)據(jù)的優(yōu)勢。通過自然語言理解、深度學習，對文本、課件、教學視頻等非結(jié)構(gòu)化數(shù)據(jù)進行分析和挖掘，提取知識和實體。通過機器學習在教育資源、師生信息中發(fā)現(xiàn)關(guān)聯(lián)關(guān)系。將海量職業(yè)教育數(shù)據(jù)轉(zhuǎn)化為以實體關(guān)系為主體的語義網(wǎng)絡，構(gòu)建知識圖譜表征實體及其相互之間的聯(lián)系，實現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)相互融合。

2.分析和挖掘職業(yè)教育大數(shù)據(jù)，提供智慧服務，助力智慧職教的優(yōu)勢。采用人工智能技術(shù)，可以充分挖掘職教大數(shù)據(jù)的潛力，提供智慧服務，實現(xiàn)“以學生為中心”的教育和管理，為職業(yè)人才培養(yǎng)服務。培育學生善于學習的智能型素養(yǎng)、人機協(xié)同的創(chuàng)造型素養(yǎng)，促進學生從工具型人才向智慧型人才轉(zhuǎn)變。[8]以混合式教學而言，該教學模式融合傳統(tǒng)教學與網(wǎng)絡教學的優(yōu)勢，對職業(yè)院校培養(yǎng)學生綜合素質(zhì)有重要意義，有助于學生成為高效的學習者，更好地適應社會。[9]人工智能為課堂教學和在線學習的有機結(jié)合提供了新的技術(shù)手段，對混合式教學有良好的促進作用，將促使教學向個性化、精準化和智能化方向發(fā)展。[10][11]

3.開源云計算支持平臺的優(yōu)勢。利用開源云計算支持平臺，職業(yè)院?？梢砸暂^小的資金代價搭建高性能集群計算環(huán)境，開展大數(shù)據(jù)服務。Hadoop是目前應用最廣泛也最成功的開源云計算平臺，它由Apache基金會開發(fā)，核心功能是分布式文件系統(tǒng)HDFS（Hadoop Distributed File System）和分布式計算框架MapReduce。MapReduce是一個設計精良的并行計算框架，能自動完成大數(shù)據(jù)的并行化處理，HDFS具有高容錯性的特點，能夠在價格低廉的硬件上應用。MapReduce是批處理引擎，而UCBerkeley AMP實驗室開發(fā)的類MapReduce通用并行框架Spark擅長流處理，能快速處理動態(tài)大規(guī)模數(shù)據(jù)，為機器學習等人工智能技術(shù)提供了更為優(yōu)越的框架。

三、基于人工智能的職業(yè)教育大數(shù)據(jù)應用模式

（一）職業(yè)教育大數(shù)據(jù)應用模式框架

以機器學習、自然語言處理和知識圖譜為主的人工智能技術(shù)是促進職業(yè)教育大數(shù)據(jù)價值演化的關(guān)鍵。多源異構(gòu)大數(shù)據(jù)進行采集、清洗、轉(zhuǎn)化，加載到大數(shù)據(jù)平臺后，轉(zhuǎn)換成各類有用的信息。將信息進一步提煉，通過知識構(gòu)建與管理的手段，信息轉(zhuǎn)化為知識，在一系列知識圖譜的基礎上，可以開展知識計算。最終應用場景模型結(jié)合知識計算的能力，以及對大數(shù)據(jù)平臺的數(shù)據(jù)進行機器學習的能力，形成職業(yè)院校的智慧大腦，提供面向智慧職教的大數(shù)據(jù)智慧服務。本文設計的基于人工智能的職業(yè)教育大數(shù)據(jù)應用模式框架如圖1所示。

（二）數(shù)據(jù)收集、存儲和計算

職業(yè)教育大數(shù)據(jù)按產(chǎn)生對象分，主要有三類：教育資源數(shù)據(jù)、學生數(shù)據(jù)、教師數(shù)據(jù)。職業(yè)院校要應用大數(shù)據(jù)，首先需要一個大數(shù)據(jù)平臺對海量多源異構(gòu)數(shù)據(jù)進行統(tǒng)一管理。以自然語言處理、機器學習和圖數(shù)據(jù)庫為主要人工智能和數(shù)據(jù)庫技術(shù)建立職教大數(shù)據(jù)的Hadoop云計算基礎支持平臺，對數(shù)據(jù)進行收集、存儲和計算。通過自然語言處理技術(shù)進行實體挖掘、關(guān)系抽取、屬性提煉，并用機器學習技術(shù)提高這一處理進程的效率和結(jié)果準確度。通過知識圖譜保存提煉出來的具有關(guān)系特征的各種數(shù)據(jù)。知識圖譜是基于圖的數(shù)據(jù)結(jié)構(gòu)，目前工業(yè)界普遍采用圖數(shù)據(jù)庫存儲知識圖譜。圖數(shù)據(jù)庫可以直觀高效地存儲千百億個節(jié)點和關(guān)系，為知識推理、知識快速查詢、圖實時計算等知識圖譜上層應用提供支持。

（三）知識構(gòu)建與管理

運用知識管理理論和構(gòu)建手段，建立職業(yè)教育知識圖譜，其流程大致分為4個階段：知識建模、知識獲取、知識融合、知識計算。

1.知識建模。建立知識圖譜的數(shù)據(jù)模式，對整個知識圖譜的結(jié)構(gòu)進行定義。以資源、學生、教師、課程知識點等實體為主體目標，實現(xiàn)對多源數(shù)據(jù)進行映射與合并。利用屬性全面描述不同數(shù)據(jù)源中的實體。利用關(guān)系表示實體之間的關(guān)聯(lián)，從而支持關(guān)聯(lián)分析。利用實體鏈接技術(shù)對實體的多種類型數(shù)據(jù)進行關(guān)聯(lián)存儲。

2.知識獲取。從不同來源和結(jié)構(gòu)的數(shù)據(jù)中提取知識。職教大數(shù)據(jù)中有大量的文本信息，比如試卷、試題練習、課程PPT、電子教材和圖書、文獻資料、社交文本等。采用自然語言理解技術(shù)對文本深度分析和理解，進行實體識別和關(guān)系抽取。采用深度學習技術(shù)分析和理解圖像、音頻、視頻等多媒體教育資源，實現(xiàn)資源信息到知識的轉(zhuǎn)換。深度學習技術(shù)中，卷積神經(jīng)網(wǎng)絡和遞歸神經(jīng)網(wǎng)絡應用最為廣泛。深度學習不同于傳統(tǒng)機器學習技術(shù)，具有自動提取特征的能力，可以將慕課、微課等大量教學視頻音頻資源轉(zhuǎn)換為語義表示。

3.知識融合。對獲取的知識進行知識融合，構(gòu)建知識圖譜，實現(xiàn)來源形態(tài)各異的海量職教數(shù)據(jù)的整合。知識融合主要包括數(shù)據(jù)模式層融合和數(shù)據(jù)層融合。前者包括概念合并、概念上下位關(guān)系合并等，后者包括實體合并、實體屬性融合等。當今科學技術(shù)的發(fā)展日新月異，要培養(yǎng)滿足企業(yè)需要的技術(shù)技能型人才，職業(yè)院校需要不斷改革教學內(nèi)容和知識。對于職業(yè)教育大數(shù)據(jù)而言，不僅需要高效融合已有的海量數(shù)據(jù)，還需要實時融合新增知識。

4.知識計算。在建立的知識圖譜上進行知識計算，實現(xiàn)知識挖掘和知識推理。知識計算主要包括圖挖掘計算和推理計算。圖挖掘計算采用基于圖論的算法對知識圖譜進行探索和挖掘。知識圖譜是一種網(wǎng)狀的圖結(jié)構(gòu)，呈現(xiàn)了實體之間復雜的關(guān)聯(lián)關(guān)系，對知識圖譜進行分析和挖掘可以得到宏觀互聯(lián)特征，比如學生之間、教師之間、師生之間的人群社交拓撲特征，學習資源之間、學科知識之間、學生和知識之間的關(guān)聯(lián)拓撲特征等。推理計算包括基于本體的推理和基于規(guī)則的推理，通過推理發(fā)現(xiàn)新知識，例如發(fā)現(xiàn)學生的隱性興趣和需求。

四、智慧服務探討

應用人工智能技術(shù)，使職教大數(shù)據(jù)展現(xiàn)數(shù)據(jù)智能，提供智慧服務，進而實現(xiàn)智慧職教是職業(yè)教育的發(fā)展趨勢。近年來，針對學生的個性化學習服務和知識服務是教育研究的兩個重要主題，本文圍繞這兩個主題探討職教大數(shù)據(jù)服務。[12][13]

（一）個性化學習服務

職業(yè)院校強調(diào)學生專業(yè)技能和實踐能力的培養(yǎng)。近年來，理實一體化教學、混合式教學、探究性教學、翻轉(zhuǎn)課堂等新的教學理念和教學模式不斷提出，在職業(yè)院校得到了廣泛應用，為提高職業(yè)教育教學質(zhì)量提供了新的有效途徑。學生成為中心，教師則通過講授和組織協(xié)作來滿足學生的學習需要，促成其個性化學習。高質(zhì)量的個性化學習將極大地激發(fā)學生的積極性，提高學習效果。

對學生的全面了解是為學生提供個性化學習服務的前提。不同學生的學習情況千差萬別。例如，有的學生有很高的學習熱情，有的學生學習積極性不高；對于同一門課程，有的學生對理論知識掌握得較好，但是實踐能力欠缺，有的學生則相反。大數(shù)據(jù)記錄了學生在使用教育資源和學習活動過程中的數(shù)據(jù)，人工智能使得提取數(shù)據(jù)智能，實現(xiàn)數(shù)據(jù)驅(qū)動的個性化教育成為可能。從學生學習、行為、社交等各類數(shù)據(jù)中發(fā)現(xiàn)其知識水平、學習風格、興趣偏好、資源需求等，構(gòu)建學生知識圖譜，對學生畫像，把學生畫像的必備要素條理化、標準化、結(jié)構(gòu)化、動態(tài)化，根據(jù)學生畫像為學生提供個性化學習支持和服務。例如，對于學習熱情不高的學生，為其提供趣味性強的音頻視頻等學習資源，激發(fā)其學習興趣；發(fā)現(xiàn)學生某一方面知識水平低，則為其提供定制學習，讓學生進入特定的知識學習環(huán)境，幫助學生補齊短板。

（二）知識服務

職業(yè)教育培養(yǎng)和提升學生的職業(yè)能力，而能力以知識為基礎。傳統(tǒng)上，學生的知識獲取來源于教師傳授，互聯(lián)網(wǎng)平臺只是提供信息服務而非知識服務，如今大數(shù)據(jù)和人工智能為知識服務提供了資源和技術(shù)支撐。利用人工智能技術(shù)對原始知識資源進行深度加工，提煉出知識精華，提供方式智能化、內(nèi)容智慧化、覆蓋泛在化的知識服務。[14]在混合式教學、探究性教學等教學過程中，為學生提供知識服務，深入知識探究、整合和應用過程，促進知識理解，激發(fā)知識創(chuàng)新。

利用機器學習和圖挖掘技術(shù)，分析和挖掘?qū)W科知識圖譜，可以提供知識檢索、知識問答、知識導航、知識推薦等知識服務。知識檢索識別查詢關(guān)鍵詞所涉及的知識實體或?qū)傩裕祷嘏c查詢實體相關(guān)的知識卡片；可視化知識導航顯示知識之間的關(guān)聯(lián)，立體化地展示知識結(jié)構(gòu)，方便學生在腦海中建立知識網(wǎng)，全面、整體地掌握知識；智能化知識問答在準確理解學生意圖的基礎上給出提問的準確回答。情景化知識推薦感知學生所處的學習內(nèi)容、時間、地點、設備等情景，滿足學生特定情景下的知識需求。例如，在軟件項目綜合開發(fā)實訓階段，學生需要綜合運用多方面的知識和技能才能完成企業(yè)級項目設計和開發(fā)，推薦契合情景的知識，完善學生的知識鏈和技能體系，促進知識到能力、知識到智慧的轉(zhuǎn)化。

五、結(jié)束語

本文針對職教大數(shù)據(jù)應用面臨的數(shù)據(jù)整合、數(shù)據(jù)分析、職業(yè)院校資金受限三個主要挑戰(zhàn)，提出以人工智能方法和技術(shù)，結(jié)合云計算平臺，挖掘大數(shù)據(jù)價值，賦能職業(yè)教育，并構(gòu)建基于人工智能的職教大數(shù)據(jù)應用模式，以自然語言處理、機器學習、知識圖譜為核心技術(shù)，融合職教大數(shù)據(jù)并從中提取智能，提供個性化學習服務、知識服務等智慧服務。本文的研究對職業(yè)院校利用人工智能，開展基于大數(shù)據(jù)的智慧服務，進而實現(xiàn)智慧職教有一定的參考價值。

參考文獻：

[1] 孫鈺林. 大數(shù)據(jù)在職業(yè)教育中的應用[J]. 中國高教研究， 2017（4）.

[2] 南旭光. 大數(shù)據(jù)驅(qū)動職業(yè)教育人才培養(yǎng)的價值邏輯與創(chuàng)新路徑[J]. 教育與職業(yè)， 201（20）.

[3] 王夢君， 張璐. 大數(shù)據(jù)時代職業(yè)教育革新趨勢與策略[J]. 教育與職業(yè)， 2017（12）.

[4] 胡伏湘. 基于大數(shù)據(jù)的智慧職教——內(nèi)涵、平臺設計與應用[J]. 中國職業(yè)技術(shù)教育， 2017（3）.

[5] 楊雪平， 陳光海， 韓晉川. 基于大數(shù)據(jù)的職業(yè)教育智慧云平臺教學環(huán)境構(gòu)建[J]. 職教論壇， 2018（7）.

[6] 唐曉波， 李新星. 基于人工智能的知識服務研究[J]. 圖書館學研究， 2017（13）.

[7] 中國電子技術(shù)標準化研究院. 人工智能標準化白皮書（2018版）[EB/OL]. [2018-01-24]. http：//www.cesi.ac.cn/201801/3545.html

[8] 魯石. 人工智能視角下的高校職業(yè)素養(yǎng)教育[J]. 教育與職業(yè)， 2018（7）.

[9] 劉俊瑋， 馬勇. 混合式教學對職業(yè)教育學生綜合素質(zhì)的影響研究[J]. 職教論壇， 2016（29）.

[10] 吳永和， 劉博文， 馬曉玲. 構(gòu)筑“人工智能+教育”的生態(tài)系統(tǒng)[J]. 遠程教育雜志， 2017（5）.

[11] 戴永輝， 徐波， 陳海建. 人工智能對混合式教學的促進及生態(tài)鏈構(gòu)建[J]. 現(xiàn)代遠程教育研究， 2018（2）.

[12] 單永剛， 張吉先， 尹學松， 虞江鋒， 陳東毅. 基于元模型的知識服務模式的研究與實現(xiàn)[J]. 中國電化教育， 2017（7）.

[13] 楊卉. 教師在線實踐社區(qū)知識服務模式研究[J]. 電化教育研究， 2016（4）.

[14] 柳益君， 李仁璞， 羅燁， 黃純國， 曹鳳雪. 人工智能+圖書館知識服務的實現(xiàn)路徑和創(chuàng)新模式[J]. 圖書館學研究，2018

（10）.

責任編輯：謝傳兵