夏雪瑩 李玉斌 王旭光 姚巧紅

[摘? ?要] 在“雙減”政策背景下，研究如何開發(fā)擺脫答案供給式輔導(dǎo)模式，強化高階思維發(fā)展、元認(rèn)知調(diào)節(jié)與情感激勵作用的新一代智能作業(yè)輔導(dǎo)系統(tǒng)框架成為當(dāng)前智能學(xué)習(xí)系統(tǒng)需要突破的關(guān)鍵性技術(shù)之一。文章針對當(dāng)前智能作業(yè)輔導(dǎo)系統(tǒng)關(guān)鍵環(huán)節(jié)存在的學(xué)習(xí)者多元隱性特征難以挖掘、高階思維能力難以引導(dǎo)與培養(yǎng)、輔導(dǎo)策略屬性缺乏精細(xì)設(shè)計以及輔導(dǎo)效果驗證數(shù)據(jù)支撐不足等問題，采用人機智能協(xié)同的技術(shù)破解路線，構(gòu)建了以學(xué)習(xí)者多元數(shù)據(jù)和作業(yè)題面信息智能采集為起點、專家經(jīng)驗與機器智能協(xié)同決策為基礎(chǔ)、融入元認(rèn)知調(diào)節(jié)策略，結(jié)合輔導(dǎo)策略知識圖譜，以促進學(xué)習(xí)者高階思維能力發(fā)展的新一代智能作業(yè)輔導(dǎo)系統(tǒng)框架，自動生成服務(wù)于不同學(xué)習(xí)者的以知識掌握與思維發(fā)展并重為目標(biāo)的個性化輔導(dǎo)方案，并在原型設(shè)計基礎(chǔ)上結(jié)合實例進行應(yīng)用分析，以推動作業(yè)輔導(dǎo)精準(zhǔn)化、智能化實現(xiàn)。

[關(guān)鍵詞] 智能作業(yè)輔導(dǎo)； 人機智能協(xié)同； 學(xué)習(xí)分析； 框架構(gòu)建

[中圖分類號] G434? ? ? ? ? ? [文獻標(biāo)志碼] A

[作者簡介] 夏雪瑩（1994—），女，安徽宿州人。博士研究生，主要從事人工智能教育應(yīng)用研究。E-mail：1379505730@qq.com。姚巧紅為通訊作者，E-mail：lnnuyao2023@126.com。

一、引? ?言

2021年7月，中共中央辦公廳、國務(wù)院辦公廳印發(fā)的《關(guān)于進一步減輕義務(wù)教育階段學(xué)生作業(yè)負(fù)擔(dān)和校外培訓(xùn)負(fù)擔(dān)的意見》指出，“線上培訓(xùn)機構(gòu)不得提供和傳播拍照搜題等惰化學(xué)生思維能力、影響學(xué)生獨立思考、違背教育教學(xué)規(guī)律的不良學(xué)習(xí)方法”[1]。也就是說，作業(yè)輔導(dǎo)要把促進學(xué)習(xí)者內(nèi)在知識建構(gòu)、認(rèn)知發(fā)展、元認(rèn)知能力提升和高階思維能力發(fā)展放在首位[2]，擺脫答案供給式的輔導(dǎo)模式。為此，構(gòu)建新一代智能作業(yè)輔導(dǎo)模式受到廣泛關(guān)注。那么，如何在以往學(xué)科教師作業(yè)輔導(dǎo)經(jīng)驗的基礎(chǔ)上，充分發(fā)揮智能技術(shù)在作業(yè)輔導(dǎo)中的關(guān)鍵作用，以實現(xiàn)思維發(fā)展、元認(rèn)知調(diào)節(jié)與情感激勵的個性化作業(yè)輔導(dǎo)呢？顯然，人機智能協(xié)同是可行且當(dāng)下必然的實現(xiàn)路徑[3]，即在機器學(xué)習(xí)算法支持下，通過收集學(xué)習(xí)者的歷史學(xué)習(xí)記錄與作業(yè)題面信息，以確定學(xué)習(xí)輔導(dǎo)目標(biāo)。同時，結(jié)合專家經(jīng)驗進行輔導(dǎo)策略的協(xié)同標(biāo)注、檢驗與修正等，最終為學(xué)習(xí)者提供知識掌握與思維發(fā)展并重的個性化輔導(dǎo)方案。為了實現(xiàn)個性化作業(yè)輔導(dǎo)并克服已有輔導(dǎo)模式的缺陷，本研究深入分析當(dāng)前智能作業(yè)輔導(dǎo)系統(tǒng)存在的不足，提出新一代人機智能協(xié)同的智能作業(yè)輔導(dǎo)系統(tǒng)框架，并在原型設(shè)計基礎(chǔ)上結(jié)合實例進行應(yīng)用分析，以推動人機智能協(xié)同的智能作業(yè)輔導(dǎo)研究取得進展。

二、當(dāng)前智能作業(yè)輔導(dǎo)系統(tǒng)存在的不足

作業(yè)輔導(dǎo)作為智能輔導(dǎo)系統(tǒng)的核心功能之一，廣泛存在于“AutoTutor”“EER-Tutor”“Bettys Brain”“智慧學(xué)伴”“一起作業(yè)網(wǎng)”等典型的智能作業(yè)輔導(dǎo)系統(tǒng)中。然而，當(dāng)下在線作業(yè)輔導(dǎo)系統(tǒng)在個性化和精準(zhǔn)化方面還面臨著不少挑戰(zhàn)。本研究依據(jù)問題解決理論[4-5]和波利亞的《怎樣解題》[6]等相關(guān)研究成果，將作業(yè)輔導(dǎo)的生命周期劃分為輔導(dǎo)目標(biāo)確定、輔導(dǎo)策略匹配、輔導(dǎo)策略實施和輔導(dǎo)效果驗證等四個關(guān)鍵環(huán)節(jié)，并以此為基礎(chǔ)來分析當(dāng)前智能作業(yè)輔導(dǎo)系統(tǒng)存在的不足。

（一）輔導(dǎo)目標(biāo)確定：缺乏對學(xué)習(xí)者多元隱性特征的顯性化挖掘與分析

在確定作業(yè)輔導(dǎo)目標(biāo)時，往往將作業(yè)中已知量、未知量和已知條件等作為重要因素[7]，即以正確解答作業(yè)為輔導(dǎo)目標(biāo)確定的依據(jù)。而學(xué)習(xí)者的多元隱性特征具有豐富的語義信息，對其充分挖掘與分析，可提高輔導(dǎo)目標(biāo)確定的精準(zhǔn)度。但已有的作業(yè)輔導(dǎo)系統(tǒng)對學(xué)習(xí)者的多元隱性特征（包括學(xué)習(xí)者的已有知識體系、學(xué)科能力、學(xué)習(xí)風(fēng)格、作業(yè)情緒和易錯點等信息）考慮不足。當(dāng)前智能作業(yè)輔導(dǎo)系統(tǒng)的局限性體現(xiàn)在對學(xué)習(xí)者認(rèn)知能力以外的隱性能力支持不足[8]，進一步限制了作業(yè)輔導(dǎo)系統(tǒng)對學(xué)習(xí)者隱性特征顯性化的挖掘與分析。

（二）輔導(dǎo)策略匹配：難以引導(dǎo)與培養(yǎng)學(xué)習(xí)者的高階思維能力

已有的輔導(dǎo)策略多以認(rèn)知能力提升為指引。例如：通過輔導(dǎo)目標(biāo)確定學(xué)習(xí)者某個知識點掌握欠佳，便采用推薦知識點對應(yīng)的微課資源或者習(xí)題資源等利于知識點掌握的輔導(dǎo)策略[7]。以上方式在一定程度上能夠解決同類知識點或相似作業(yè)等問題，但忽視了對元認(rèn)知能力[9]、問題解決能力[10]、人機協(xié)同學(xué)習(xí)能力[11]等高階思維能力的引導(dǎo)，難以從根源上解決學(xué)習(xí)者作業(yè)輔導(dǎo)問題。學(xué)習(xí)作為一個復(fù)雜行為過程，需要以高階思維能力提升為培養(yǎng)目標(biāo)，方可解決作業(yè)問題并達到“一通百通”。

（三）輔導(dǎo)策略實施：缺乏對輔導(dǎo)策略屬性的精細(xì)設(shè)計

在已有的智能輔導(dǎo)系統(tǒng)中，輔導(dǎo)過程通常包括兩層循環(huán)，其內(nèi)循環(huán)用于實現(xiàn)疑難問題的分步提示、反饋與輔導(dǎo)；外循環(huán)用于實現(xiàn)學(xué)習(xí)任務(wù)或資源的推薦[12]。但在實際應(yīng)用中，輔導(dǎo)策略多被當(dāng)作是單層面實施的過程，并未對輔導(dǎo)策略的具體屬性（如輔導(dǎo)類型、輔導(dǎo)時機、輔導(dǎo)實施方式等）加以考慮。具體而言，輔導(dǎo)類型分為知識點輔導(dǎo)和題目輔導(dǎo)，其對應(yīng)的輔導(dǎo)策略實施框架存在差異[7]。對于輔導(dǎo)時機，由于眾多研究者對輔導(dǎo)的時長沒有給出統(tǒng)一說明，導(dǎo)致同樣是即時輔導(dǎo)卻對學(xué)習(xí)成效產(chǎn)生差異性影響[13]，但有效的輔導(dǎo)應(yīng)具備及時性與持續(xù)性已被證實[14]。對于輔導(dǎo)實施方式，可分為人工輔導(dǎo)、機器輔導(dǎo)和人機協(xié)同輔導(dǎo)三類。同時，隨著傳統(tǒng)教育不斷向智慧教育范式[15]轉(zhuǎn)型與發(fā)展，智慧教育需要回應(yīng)智能時代的挑戰(zhàn)，更應(yīng)關(guān)注核心素養(yǎng)，培養(yǎng)全面發(fā)展的人。也就是說，智能技術(shù)支持的作業(yè)輔導(dǎo)系統(tǒng)不僅提供以知識內(nèi)容掌握為基本目標(biāo)的學(xué)習(xí)支持，而且走向培養(yǎng)學(xué)習(xí)者在不同概念、不同觀點之間發(fā)現(xiàn)連接、識別范式和創(chuàng)新意義的能力[16]。以上功能的實現(xiàn)離不開對輔導(dǎo)策略屬性的精細(xì)設(shè)計。

（四）輔導(dǎo)效果驗證：構(gòu)建因果關(guān)系數(shù)據(jù)支撐不足

針對輔導(dǎo)系統(tǒng)是否有效，研究者做了大量的實證研究，但測評結(jié)果不夠精細(xì)，很難從輔導(dǎo)系統(tǒng)的學(xué)習(xí)行為數(shù)據(jù)中找到驗證輔導(dǎo)效果的支撐證據(jù)[17]。在實證研究中，研究者可嘗試采用基于因果關(guān)系的輔導(dǎo)效果驗證方法[18]。例如：為驗證輔導(dǎo)系統(tǒng)中推薦輔導(dǎo)方案的有效性，學(xué)習(xí)者可自由選擇是否遵從輔導(dǎo)方案，同時收集過程性輔導(dǎo)行為數(shù)據(jù)，最終得出是否采納輔導(dǎo)方案與請求輔導(dǎo)次數(shù)、學(xué)習(xí)收益、作業(yè)量、作業(yè)嘗試次數(shù)等要素間的因果結(jié)構(gòu)關(guān)系，系統(tǒng)地驗證輔導(dǎo)效果的有效性。

綜上所述，當(dāng)前智能作業(yè)輔導(dǎo)系統(tǒng)確實存在一些不足，計算機與人類專家相結(jié)合確實在作業(yè)輔導(dǎo)中能夠起到解決一些輔導(dǎo)系統(tǒng)難題、提高作業(yè)輔導(dǎo)效率和質(zhì)量的作用，因此，深入研究新一代人機智能協(xié)同的智能作業(yè)輔導(dǎo)系統(tǒng)框架具有重要的現(xiàn)實與教育意義。

三、基于人機智能協(xié)同的作業(yè)輔導(dǎo)框架

基于上述分析，要想實現(xiàn)智能化的作業(yè)輔導(dǎo)，單純依據(jù)專家經(jīng)驗或者機器智能均難以達成。由此，將專家智慧與機器智能有機融合是實現(xiàn)智能作業(yè)輔導(dǎo)的可行之策。

（一）作業(yè)輔導(dǎo)的人機智能協(xié)同理念

隨著人工智能技術(shù)的迅速發(fā)展，基于數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)可以幫助人類更好地分析與解決問題[19]，提高了人類智慧決策的科學(xué)性。但考慮到人工智能僅在定義明確、擁有大數(shù)據(jù)的任務(wù)中具有良好的效果[20]，其在復(fù)雜問題推理、情感動機激發(fā)等方面遜于知識驅(qū)動的專家經(jīng)驗[21]。因此，針對以學(xué)習(xí)者高階思維能力培養(yǎng)、情感動機激勵等為目標(biāo)的教育領(lǐng)域，機器智能難以完全替代人類智慧；同樣，人類智慧也難以達到機器智能的客觀性與實時性。例如：在作業(yè)輔導(dǎo)中，機器收集學(xué)習(xí)者的歷史答題記錄，計算出學(xué)習(xí)者個性特征的各項指標(biāo)，結(jié)合作業(yè)題面信息自動抽取出相關(guān)知識點與能力要求，判斷出作業(yè)輔導(dǎo)目標(biāo)，但機器無法識別與解決新的輔導(dǎo)目標(biāo)，同時，機器也較難直接在學(xué)習(xí)者情感、態(tài)度、價值觀層面實施深層輔導(dǎo)[22]。顯然，機器提供的輔導(dǎo)多為自動評估、智能推薦等功能[23-24]，人類專家可基于自身教學(xué)經(jīng)驗，在輔導(dǎo)目標(biāo)屬性的檢驗、輔導(dǎo)策略標(biāo)注、輔導(dǎo)策略鏈的決策與修正，以及輔導(dǎo)策略組織框架的預(yù)設(shè)等方面發(fā)揮作用，但由于人類專家能力與精力有限，難以對大規(guī)模的學(xué)習(xí)者展開個性化作業(yè)輔導(dǎo)。因此，僅依賴專家或者機器均難以實現(xiàn)兼顧個性化、規(guī)?；淖鳂I(yè)輔導(dǎo)，需要通過人機交互達到專家智慧與機器智能的有機融合，最終形成人機智能協(xié)同新生態(tài)，構(gòu)建有效的作業(yè)輔導(dǎo)人機協(xié)同機制[19]。

參考以上人機智能協(xié)同理念，本研究在波利亞提出的“怎樣解題四環(huán)節(jié)”基礎(chǔ)上，充分考慮當(dāng)前智能作業(yè)輔導(dǎo)存在的不足，以實現(xiàn)面向人機智能協(xié)同的智能作業(yè)輔導(dǎo)，如圖1所示。以初中數(shù)學(xué)作業(yè)輔導(dǎo)為例，具體闡述面向人機智能協(xié)同的作業(yè)輔導(dǎo)理念，可概括為四步：第一步是理解數(shù)學(xué)作業(yè)試題，采用對試題的已知量、已知數(shù)據(jù)和未知量等主要部分進行提問的方式，將系統(tǒng)的題意理解與專家經(jīng)驗相結(jié)合，以確定輔導(dǎo)目標(biāo)；第二步是為作業(yè)解答擬訂方案，采用元認(rèn)知提問的方式，引導(dǎo)學(xué)習(xí)者構(gòu)建作業(yè)解答思路，并提示學(xué)習(xí)者建立已知數(shù)據(jù)與未知量之間的聯(lián)系，同時關(guān)注專家教師對學(xué)習(xí)者高階思維能力的引導(dǎo)與培養(yǎng)，以匹配輔導(dǎo)策略；第三步是執(zhí)行作業(yè)解答方案，采用元認(rèn)知提問的方式，引導(dǎo)學(xué)習(xí)者檢查每一個步驟，同時考慮輔導(dǎo)策略的類型、時機和方式等屬性的精細(xì)設(shè)計，以實施輔導(dǎo)方案；第四步是回顧作業(yè)解答結(jié)果，即檢查已經(jīng)得到的解答，同時關(guān)注輔導(dǎo)行為數(shù)據(jù)間的因果結(jié)構(gòu)關(guān)系，以驗證輔導(dǎo)效果。

（二）人機智能協(xié)同理念下的作業(yè)輔導(dǎo)框架

基于人機智能協(xié)同理念，結(jié)合波利亞“怎樣解題四環(huán)節(jié)”的成果，本研究提出了人機智能協(xié)同的作業(yè)輔導(dǎo)框架（Human-Machine Intelligence Collaboration Framework for Homework Tutoring，簡稱HMIC-FHT）， 如圖2所示。該框架以學(xué)習(xí)者個性特征信息和作業(yè)題面信息等數(shù)據(jù)收集為入口，伴隨式采集學(xué)習(xí)者的歷史作答數(shù)據(jù)，基于人機協(xié)同診斷以確定輔導(dǎo)目標(biāo)；依據(jù)輔導(dǎo)策略知識圖譜匹配輔導(dǎo)策略；結(jié)合不同學(xué)科特點實施輔導(dǎo)策略方案并反饋輔導(dǎo)效果，修正人機協(xié)同的作業(yè)輔導(dǎo)方案，由此構(gòu)建智能作業(yè)輔導(dǎo)的閉合回路。

1． 學(xué)習(xí)者多元特征數(shù)據(jù)和作業(yè)題面信息的收集

學(xué)習(xí)者多元特征數(shù)據(jù)與作業(yè)題面信息的獲取與分析是實施智能作業(yè)輔導(dǎo)的首要條件。近幾年，研究者從不同的研究視角出發(fā)，刻畫了多元化的學(xué)習(xí)者特征，集中體現(xiàn)在學(xué)習(xí)者的知識結(jié)構(gòu)狀態(tài)、學(xué)科能力水平、情感態(tài)度、學(xué)習(xí)風(fēng)格、易錯點等方面[25-26]。本研究結(jié)合作業(yè)輔導(dǎo)中的學(xué)科作業(yè)特征，以及學(xué)習(xí)者個性特征的動態(tài)性，采用了專家智慧和機器智能協(xié)同的方式，獲取學(xué)習(xí)者多元特征數(shù)據(jù)和作業(yè)題面信息。例如：采用問卷或量表的方式獲取學(xué)習(xí)者的情感態(tài)度和學(xué)習(xí)風(fēng)格特征；采用最新的知識追蹤算法和分類算法，自動計算出學(xué)習(xí)者的學(xué)科知識狀態(tài)、學(xué)科能力水平和常見易錯點等信息。其中，學(xué)科知識狀態(tài)描述了學(xué)習(xí)者在指定學(xué)科、年級、章節(jié)對應(yīng)的知識點掌握狀態(tài)；學(xué)科能力水平刻畫了學(xué)習(xí)者開展學(xué)習(xí)或問題解決活動所需的學(xué)科能力層級，已有研究者將學(xué)科能力定義為若干維度，且不同的學(xué)科對應(yīng)不同的維度層級[27]；常見易錯點描述了作業(yè)試題對應(yīng)的常見錯誤類型，且不同學(xué)科試題對應(yīng)的常見易錯點存在差異。

根據(jù)不同學(xué)科作業(yè)的特點，作業(yè)題面信息的獲取與分析稍有差異。以數(shù)學(xué)學(xué)科為例，波利亞在《怎樣解題》中強調(diào)理解題意的重要性，這就要求機器可以自動識別出題目關(guān)鍵信息以達到自動理解題意的目的。已有學(xué)者嘗試采用句模與模糊匹配[28]、事件抽取[29]等方式對初中數(shù)學(xué)題目進行題意理解，取得了良好效果。

2. 融合學(xué)習(xí)者畫像和作業(yè)題面信息的輔導(dǎo)目標(biāo)確定

輔導(dǎo)目標(biāo)確定的前提是對學(xué)習(xí)者畫像和作業(yè)題面信息進行全面、準(zhǔn)確、動態(tài)的刻畫，因此，構(gòu)建題意理解和學(xué)習(xí)者畫像模型是確定輔導(dǎo)目標(biāo)的基礎(chǔ)。本研究從特征層、表現(xiàn)層和發(fā)展層等三個層面入手[30]。其中，特征層除了表征學(xué)習(xí)者的個性特征，如基本信息、學(xué)習(xí)風(fēng)格、易錯點等信息，還表征作業(yè)題面的特征信息，如作業(yè)類型、所屬章節(jié)、考查知識點以及學(xué)科能力層級等信息。表現(xiàn)層刻畫了學(xué)習(xí)者在作答作業(yè)過程中所呈現(xiàn)出的“最近發(fā)展區(qū)”，即正確作答作業(yè)所要求的知識、能力層級與學(xué)習(xí)者已有知識、能力層級之間的差距。此類數(shù)據(jù)屬于復(fù)雜抽象信息且是動態(tài)變化的，主要基于已有的作答記錄和學(xué)習(xí)者個性特征進行綜合挖掘、刻畫與分析得到。發(fā)展層反映了學(xué)習(xí)者的課程期望目標(biāo)、個人發(fā)展目標(biāo)等，此類數(shù)據(jù)可通過問卷獲取。因此，基于特征層的學(xué)習(xí)者特征和作業(yè)題面信息，以發(fā)展層為目標(biāo)，結(jié)合表現(xiàn)層所呈現(xiàn)的作業(yè)輔導(dǎo)“最近發(fā)展區(qū)”的實時數(shù)據(jù)，建立對應(yīng)的作業(yè)輔導(dǎo)目標(biāo)診斷模型，便可判斷不同學(xué)習(xí)者的作業(yè)輔導(dǎo)目標(biāo)。

不同的學(xué)習(xí)者特征和作業(yè)信息輔導(dǎo)目標(biāo)差異較大，因此，輔導(dǎo)目標(biāo)實體主要包括五個屬性，可表示為A=。其中，an表示學(xué)習(xí)者當(dāng)前的知識體系框架，as表示學(xué)習(xí)者在當(dāng)前作業(yè)中所反映的學(xué)科能力屬性，am表示學(xué)習(xí)者的易錯點情況，aq表示作業(yè)信息中所考查的知識點屬性，af表示作業(yè)信息中所考查的學(xué)科能力屬性。以上屬性的確定，可在機器智能診斷的基礎(chǔ)上引入專家經(jīng)驗協(xié)同決策。

3. 基于知識圖譜的輔導(dǎo)策略匹配

實現(xiàn)智能作業(yè)輔導(dǎo)的前提是構(gòu)建具有專業(yè)性、全面性的作業(yè)輔導(dǎo)策略庫，本研究基于眾包機制的輔導(dǎo)策略標(biāo)注，結(jié)合作業(yè)輔導(dǎo)策略特性與輔導(dǎo)流程，對輔導(dǎo)策略試題進行標(biāo)注，最終生成輔導(dǎo)策略庫。輔導(dǎo)策略實體主要包括五個屬性，可表示為M=。其中，mn表示輔導(dǎo)策略的名稱；ms表示輔導(dǎo)策略的擴展內(nèi)容描述，其來源于外源數(shù)據(jù)庫；mt表示輔導(dǎo)策略的類型，包括題意理解類、解題思路類、知識框架類、情感激勵類、資源推薦類及綜合評價類等六類；mq表示輔導(dǎo)策略的輔導(dǎo)時機；mf表示輔導(dǎo)策略的實施方式，包括專家輔導(dǎo)、機器輔導(dǎo)、人機協(xié)同輔導(dǎo)。隨后，依據(jù)輔導(dǎo)目標(biāo)與輔導(dǎo)策略的相互關(guān)聯(lián)關(guān)系，以及輔導(dǎo)策略間的關(guān)聯(lián)關(guān)系，最終形成“輔導(dǎo)目標(biāo)—輔導(dǎo)策略”知識圖譜。

基于構(gòu)建完善的知識圖譜，可依據(jù)輔導(dǎo)目標(biāo)實體的屬性與學(xué)習(xí)者的個性特征屬性推理出相應(yīng)輔導(dǎo)目標(biāo)最適合學(xué)習(xí)者的輔導(dǎo)策略。具體而言，將輔導(dǎo)目標(biāo)置于“輔導(dǎo)目標(biāo)—輔導(dǎo)策略”知識圖譜中展開關(guān)系推理，得到與輔導(dǎo)目標(biāo)相關(guān)聯(lián)的輔導(dǎo)策略鏈狀集合；結(jié)合學(xué)習(xí)者個性特征，匹配與學(xué)習(xí)者契合度較高的輔導(dǎo)策略鏈條。為保證輔導(dǎo)策略的質(zhì)量，通過引入人機智能協(xié)同的決策方式，將置信度評價較低的輔導(dǎo)策略鏈條重新返回給專家教師進行協(xié)同決策與修正。

4. 基于學(xué)科特點匹配的輔導(dǎo)策略實施

依據(jù)不同學(xué)科的作業(yè)特點，輔導(dǎo)策略框架的自組織性對輔導(dǎo)方案的形成具有關(guān)鍵作用。換言之，基于優(yōu)選的輔導(dǎo)策略鏈，輔導(dǎo)策略的實施應(yīng)隨著不同學(xué)科作業(yè)特點而動態(tài)調(diào)整，以生成個性化輔導(dǎo)方案。具體而言，首先要明確輔導(dǎo)策略的實施學(xué)科，依據(jù)作業(yè)輔導(dǎo)的學(xué)科特點選擇預(yù)先設(shè)定的組織框架。例如：數(shù)學(xué)學(xué)科的作業(yè)輔導(dǎo)需采用“審題—解題—拓展學(xué)習(xí)”三大步驟。其中，審題環(huán)節(jié)為題意理解的過程；解題環(huán)節(jié)為傳達解題思路及知識點的過程；拓展學(xué)習(xí)環(huán)節(jié)為推薦學(xué)習(xí)資源和綜合評價過程。在以上環(huán)節(jié)，選擇合適的輔導(dǎo)策略完成輔導(dǎo)。隨后，依據(jù)當(dāng)前學(xué)科匹配不同輔導(dǎo)策略的實施類型、實施時機以及實施方式等屬性，最終形成個性化輔導(dǎo)方案。

5. 基于因果關(guān)系的作業(yè)輔導(dǎo)效果驗證

建立輔導(dǎo)效果的驗證和優(yōu)化機制是實施智能作業(yè)輔導(dǎo)的保障。依據(jù)因果關(guān)系思路以及學(xué)習(xí)者的作業(yè)行為數(shù)據(jù)，可將輔導(dǎo)效果界定為學(xué)習(xí)收益、作業(yè)量、作業(yè)嘗試次數(shù)等指標(biāo)，同時根據(jù)不同的輔導(dǎo)效果明確下一步的優(yōu)化方法。例如：若當(dāng)前的輔導(dǎo)策略實施后明顯提高了學(xué)習(xí)收益且減少作業(yè)量、作業(yè)嘗試次數(shù)，那么跳出輔導(dǎo)方案，重新進入“輔導(dǎo)目標(biāo)確定”環(huán)節(jié)繼續(xù)為學(xué)習(xí)者服務(wù)；若輔導(dǎo)效果為提高了學(xué)習(xí)收益但增加了作業(yè)量、作業(yè)嘗試次數(shù)，那么返回“輔導(dǎo)策略實施”環(huán)節(jié)，重新審視學(xué)科特點，確定輔導(dǎo)策略的組織框架以及輔導(dǎo)策略的實施時機、方式等因素，然后繼續(xù)實施該輔導(dǎo)方案，直至輔導(dǎo)效果中的作業(yè)量和作業(yè)嘗試次數(shù)降到最低為止；若輔導(dǎo)效果為學(xué)習(xí)收益不顯著且作業(yè)量、作業(yè)嘗試次數(shù)較多，則依據(jù)事先確定的輔導(dǎo)策略組織框架，依次實施輔導(dǎo)方案中的下一條策略，直至結(jié)束仍然輔導(dǎo)效果不明顯，則斷定該輔導(dǎo)方案失效。

對于失效的輔導(dǎo)方案，首先返回至“輔導(dǎo)策略匹配”環(huán)節(jié)，邀請學(xué)科專家介入修訂當(dāng)前的輔導(dǎo)方案，形成新的輔導(dǎo)方案并實施；若輔導(dǎo)效果為學(xué)習(xí)收益顯著且減少作業(yè)量、作業(yè)嘗試次數(shù)，則將修訂后的輔導(dǎo)策略更新至“輔導(dǎo)目標(biāo)—輔導(dǎo)策略”知識圖譜中，并返回“輔導(dǎo)目標(biāo)確定”環(huán)節(jié)繼續(xù)為學(xué)習(xí)者服務(wù)；若修訂后的輔導(dǎo)方案的輔導(dǎo)效果依然不明顯，則返回至“輔導(dǎo)目標(biāo)確定”環(huán)節(jié)，對學(xué)習(xí)者畫像和題意理解模型進行重新修正，同時依據(jù)學(xué)習(xí)者訪談和學(xué)科專家的診斷修正輔導(dǎo)目標(biāo)的知識點和能力層級，更新輔導(dǎo)目標(biāo)的實體屬性，而后更新輔導(dǎo)目標(biāo)重新匹配輔導(dǎo)策略并再次實施，直至輔導(dǎo)效果為學(xué)習(xí)收益顯著且減少作業(yè)量、作業(yè)嘗試次數(shù)，則將修補后的輔導(dǎo)策略更新至“輔導(dǎo)目標(biāo)—輔導(dǎo)策略”知識圖譜中，并返回“輔導(dǎo)目標(biāo)確定”環(huán)節(jié)繼續(xù)為學(xué)習(xí)者服務(wù)。

（三）人機智能協(xié)同的作業(yè)輔導(dǎo)框架特點

在已有的作業(yè)輔導(dǎo)研究中，“作業(yè)輔導(dǎo)”多以單一模塊存在于學(xué)習(xí)者的課后服務(wù)中，并聚焦學(xué)習(xí)者疑難問題的解答。在這種場景下，作業(yè)輔導(dǎo)的形式、輔導(dǎo)效果的驗證等過程皆難以引起研究者的關(guān)注，最終作業(yè)輔導(dǎo)的有效性無法保證。本研究中，人機智能協(xié)同的智能作業(yè)輔導(dǎo)框架將作業(yè)輔導(dǎo)看作一個完整的系統(tǒng)性工程，采用復(fù)雜系統(tǒng)科學(xué)的視角看待作業(yè)輔導(dǎo)，注重作業(yè)輔導(dǎo)的結(jié)構(gòu)性、程序性與動態(tài)性。

1. 作業(yè)輔導(dǎo)框架的結(jié)構(gòu)性

作業(yè)輔導(dǎo)框架的結(jié)構(gòu)性是指作業(yè)輔導(dǎo)框架中的各個組成部分相互協(xié)同、相互制約。結(jié)構(gòu)性主要體現(xiàn)為兩個方面：一方面是作業(yè)輔導(dǎo)內(nèi)容的結(jié)構(gòu)性。在智能作業(yè)輔導(dǎo)框架中，各個環(huán)節(jié)內(nèi)容協(xié)調(diào)配合，協(xié)同完成作業(yè)輔導(dǎo)。其中，學(xué)習(xí)者多元特征數(shù)據(jù)和作業(yè)題面信息的收集是輔導(dǎo)目標(biāo)確定的前提，輔導(dǎo)策略匹配與實施是智能作業(yè)輔導(dǎo)的實施根本，輔導(dǎo)效果驗證是智能作業(yè)輔導(dǎo)實施的保障。另一方面是作業(yè)輔導(dǎo)形式的結(jié)構(gòu)性。在充分考慮學(xué)科特點的基礎(chǔ)上，事先預(yù)設(shè)了作業(yè)輔導(dǎo)的組織框架，使得模型輸出的作業(yè)輔導(dǎo)方案呈現(xiàn)出一定的結(jié)構(gòu)性與規(guī)范性。

2. 作業(yè)輔導(dǎo)框架的程序性

作業(yè)輔導(dǎo)框架的程序性體現(xiàn)為作業(yè)輔導(dǎo)的操作步驟集解題程序、解題策略、學(xué)習(xí)者畫像分析、系統(tǒng)驗證等于一身，融教育理論與系統(tǒng)開發(fā)于一體，是關(guān)于“如何進行作業(yè)輔導(dǎo)”的程序化工程。理想情況下，程序性的智能作業(yè)輔導(dǎo)應(yīng)從信息的獲取與分析開始，準(zhǔn)確識別輔導(dǎo)目標(biāo)并展開作業(yè)輔導(dǎo)，然后進行輔導(dǎo)效果的驗證與優(yōu)化。事實上，人機智能協(xié)同的智能作業(yè)輔導(dǎo)同樣是由數(shù)據(jù)收集、輔導(dǎo)目標(biāo)確定、輔導(dǎo)策略匹配、輔導(dǎo)策略實施和輔導(dǎo)效果驗證等一套流程構(gòu)成的閉合操作系統(tǒng)。該閉合操作流程更具有程序性，且各環(huán)節(jié)以自動或者半自動化的方式共同作用以完成程序化的作業(yè)輔導(dǎo)。

3. 作業(yè)輔導(dǎo)框架的動態(tài)性

作業(yè)輔導(dǎo)框架的動態(tài)性是指依據(jù)系統(tǒng)、環(huán)境和要素三者間的相互關(guān)聯(lián)與作用，以不斷調(diào)節(jié)、反饋和更新系統(tǒng)的過程。智能作業(yè)輔導(dǎo)框架的動態(tài)性主要體現(xiàn)在兩個方面：其一，對學(xué)習(xí)者多元特征的持續(xù)動態(tài)監(jiān)測，基于監(jiān)測結(jié)果實時調(diào)整輔導(dǎo)策略。其二，基于“輔導(dǎo)效果驗證”環(huán)節(jié)的反饋優(yōu)化機制。考慮到學(xué)習(xí)者畫像的動態(tài)性，事先預(yù)設(shè)的輔導(dǎo)策略并非完全適用于當(dāng)前學(xué)習(xí)者，因此，在實施輔導(dǎo)方案之后，應(yīng)基于因果關(guān)系的輔導(dǎo)效果調(diào)節(jié)其他環(huán)節(jié)，判斷是調(diào)整輔導(dǎo)策略的實施時機和方式等因素，還是更新輔導(dǎo)策略的內(nèi)容，抑或是重新確定輔導(dǎo)目標(biāo)。

四、人機智能協(xié)同的作業(yè)輔導(dǎo)框架在初中數(shù)學(xué)作業(yè)輔導(dǎo)中的應(yīng)用

依托上述人機智能協(xié)同的作業(yè)輔導(dǎo)框架HMIC-FHT，研究團隊充分考慮智能化作業(yè)輔導(dǎo)在學(xué)習(xí)者課后作業(yè)服務(wù)中的重要作用，展開了原型系統(tǒng)設(shè)計，并在此基礎(chǔ)上結(jié)合作業(yè)輔導(dǎo)實例進行了應(yīng)用分析。

（一）HMIC-FHT原型系統(tǒng)

在作業(yè)輔導(dǎo)過程中，HMIC-FHT系統(tǒng)根據(jù)學(xué)習(xí)者個性特征和作業(yè)題面信息確定輔導(dǎo)目標(biāo)，在輔導(dǎo)策略匹配、輔導(dǎo)策略實施、輔導(dǎo)效果驗證等環(huán)節(jié)中生成個性化輔導(dǎo)方案，如圖3所示。整個過程可分為三大部分：首先是輔導(dǎo)目標(biāo)識別；其次是輔導(dǎo)策略匹配與實施，包括融合知識圖譜的輔導(dǎo)策略匹配和基于學(xué)科特點匹配的輔導(dǎo)策略實施兩個階段；最后是輔導(dǎo)效果驗證，即考查各個要素間的因果結(jié)構(gòu)關(guān)系，對個性化輔導(dǎo)方案進行反饋調(diào)節(jié)。

（二）應(yīng)用實例

HMIC-FHT系統(tǒng)主要包括輔導(dǎo)目標(biāo)識別模塊、輔導(dǎo)策略匹配模塊、輔導(dǎo)策略實施模塊和輔導(dǎo)效果驗證模塊，初步實現(xiàn)了人機智能協(xié)同下作業(yè)輔導(dǎo)的功能，能夠為學(xué)習(xí)者提供個性化作業(yè)輔導(dǎo)。以初中數(shù)學(xué)為例，從作業(yè)輔導(dǎo)系統(tǒng)中選取“求滿足方程的值”內(nèi)容專題，對系統(tǒng)的主要環(huán)節(jié)進行說明。

環(huán)節(jié)1：伴隨式獲取利益相關(guān)的數(shù)據(jù)信息，確定作業(yè)輔導(dǎo)目標(biāo)，即通過收集學(xué)習(xí)者多元特征、歷史作答數(shù)據(jù)和作業(yè)題面信息，構(gòu)建學(xué)習(xí)者畫像模型和題意理解模型，以確定作業(yè)輔導(dǎo)目標(biāo)。其中，學(xué)習(xí)者畫像模型利用歷史作答數(shù)據(jù)，經(jīng)過深度知識追蹤（DKT）算法和雙向長短時記憶（Bi-LSTM）分類算法，監(jiān)測學(xué)習(xí)者的已有知識體系掌握狀態(tài)、學(xué)科能力狀態(tài)、薄弱點、學(xué)習(xí)風(fēng)格指標(biāo)。題意理解模型是采用深度學(xué)習(xí)算法，對作業(yè)題面信息進行實體抽取與事件抽取，以識別已知量、已知條件和未知量等信息，同時，使用分類算法，識別題目對應(yīng)的知識點、易錯點和學(xué)科能力層級信息。經(jīng)模型得出，學(xué)習(xí)者A與學(xué)習(xí)者B的畫像情況、題意理解結(jié)果，如圖4所示。

環(huán)節(jié)2：借助輔導(dǎo)策略知識圖譜，匹配不同輔導(dǎo)策略。即依據(jù)上述確定的輔導(dǎo)目標(biāo)，結(jié)合“輔導(dǎo)目標(biāo)—輔導(dǎo)策略”知識圖譜，將輔導(dǎo)目標(biāo)置于以上知識圖譜中進行關(guān)系推理，結(jié)合輔導(dǎo)策略的屬性特征得出與輔導(dǎo)目標(biāo)相關(guān)聯(lián)的輔導(dǎo)策略鏈。其中，輔導(dǎo)策略的匹配結(jié)果如下：（1）輔助元素法→反思性問題→在解決相似的問題，你總結(jié)了什么方法？（2）完全平方公式法→反思性問題→利用完全平方公式法時，需要注意什么？（3）題目A→同方法題目推薦→已知長方體由一頂點引出的三條棱長，求這個長方體的對角線長？（4）題目A→同知識點題目推薦→求滿足方程的x的值：x4-8x2+15=0。（5）題目A→審題環(huán)節(jié)提問1→觀察未知量，通過變化題目，你能想到輔助題目嗎？（6）題目A→解題環(huán)節(jié)提問1→你能想到一道曾經(jīng)做過的題目嗎？

環(huán)節(jié)3：分析不同學(xué)科特點，生成個性化輔導(dǎo)方案。這里，結(jié)合數(shù)學(xué)學(xué)科特點形成的輔導(dǎo)方案包括輔導(dǎo)診斷目標(biāo)、審題、解題、拓展學(xué)習(xí)和語義信息等元素。針對相同的題目，不同的學(xué)習(xí)者具有不同的輔導(dǎo)方案。其中，輔導(dǎo)目標(biāo)診斷的結(jié)果是在綜合考查學(xué)習(xí)者的知識能力水平與作業(yè)要求的知識能力水平而計算得出；“審題—解題—拓展”是依據(jù)數(shù)學(xué)學(xué)科特點，結(jié)合學(xué)科知識圖譜中的輔導(dǎo)目標(biāo)與輔導(dǎo)策略的匹配信息而生成的結(jié)構(gòu)化組織框架；語義信息用于保證輔導(dǎo)話語的語義邏輯性。

環(huán)節(jié)4：基于因果關(guān)系思路，驗證系統(tǒng)應(yīng)用效果。針對個性化輔導(dǎo)方案在作業(yè)輔導(dǎo)中的應(yīng)用效果進行測驗。一方面該系統(tǒng)，通過元認(rèn)知提問或者自我提問的方式讓學(xué)習(xí)者有更多反思和自我調(diào)節(jié)學(xué)習(xí)的機會；另一方面，通過對學(xué)習(xí)者多元特征的實時監(jiān)測為學(xué)習(xí)者提供動態(tài)、精準(zhǔn)的學(xué)習(xí)推薦資源。研究結(jié)果表明，作業(yè)輔導(dǎo)方案能夠在不增加學(xué)習(xí)者作業(yè)量、作業(yè)嘗試次數(shù)的前提下，保持學(xué)習(xí)者積極正向的作業(yè)輔導(dǎo)態(tài)度，增進學(xué)習(xí)者對智能學(xué)習(xí)平臺的認(rèn)可度，促進學(xué)習(xí)者與智能學(xué)習(xí)平臺的深度交互，顯著提高了學(xué)習(xí)者在線學(xué)習(xí)的學(xué)習(xí)收益。

五、結(jié)? ?語

智能輔導(dǎo)系統(tǒng)的典型功能是智能輔導(dǎo)與個性化學(xué)習(xí)，智能化作業(yè)輔導(dǎo)作為二者協(xié)同發(fā)展的增長點，是實現(xiàn)規(guī)?；瘋€性化學(xué)習(xí)、優(yōu)化教育公共服務(wù)和創(chuàng)新教育公平的關(guān)鍵路徑。隨著信息技術(shù)的快速發(fā)展，人工智能、大數(shù)據(jù)等技術(shù)支持使得作業(yè)輔導(dǎo)兼具有效性和全面性，但仍難以達到精準(zhǔn)化的程度。機器智能與人類智慧均有其能力邊界，將兩者融合是實現(xiàn)精準(zhǔn)化作業(yè)輔導(dǎo)的可行路徑。盡管HMIC-FHT原型系統(tǒng)在初中數(shù)學(xué)作業(yè)輔導(dǎo)的初步應(yīng)用已驗證了系統(tǒng)的有效性與可用性，未來研究仍需要進一步提升作業(yè)輔導(dǎo)各環(huán)節(jié)中算法模型的準(zhǔn)確率與可解釋性，并且將學(xué)習(xí)者的學(xué)習(xí)情緒因素納入輔導(dǎo)目標(biāo)的識別、采用智能化手段實現(xiàn)輔導(dǎo)策略屬性的自動標(biāo)注、采用眾包機制實現(xiàn)專家對融合多場景的輔導(dǎo)策略組織框架的預(yù)設(shè)以及融合知識驅(qū)動與數(shù)據(jù)驅(qū)動的方法進行輔導(dǎo)效果的驗證與優(yōu)化，以進一步優(yōu)化人機智能協(xié)同的智能作業(yè)輔導(dǎo)系統(tǒng)框架，逐步走向智能作業(yè)輔導(dǎo)的規(guī)?；瘧?yīng)用，助力作業(yè)輔導(dǎo)領(lǐng)域的精準(zhǔn)化與智能化。

[參考文獻]

[1] 中共中央辦公廳 國務(wù)院辦公廳.關(guān)于進一步減輕義務(wù)教育階段學(xué)生作業(yè)負(fù)擔(dān)和校外培訓(xùn)負(fù)擔(dān)的意見[EB/OL]. （2021-07-24） [2022-10-20].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202107/t20210724_546576.html.

[2] 韓龍淑.專家型教師與熟手教師運用元認(rèn)知提示語的數(shù)學(xué)課堂比較研究[J].數(shù)學(xué)教育學(xué)報，2016，25（4）：59-62.

[3] 新華社.習(xí)近平向國際人工智能與教育大會致賀信[EB/OL].（2019-05-16） [2022-10-20].http：//www.xinhuanet.com/politics/leaders/2019-05/16/c_1124502111.htm.

[4] 梁寧建.當(dāng)代認(rèn)知心理學(xué)[M].上海：上海教育出版社，2014：283.

[5] 朱貴璽.數(shù)學(xué)解決問題過程中須培養(yǎng)的四種關(guān)鍵能力[J].教學(xué)與管理，2020（2）：36-38.

[6] 波利亞.怎樣解題[M].涂漲，馮承天，譯.上海：上?？萍冀逃霭嫔纾?007.

[7] 陳鵬鶴，夏雪瑩，盧宇.基于學(xué)習(xí)意圖的智能輔導(dǎo)系統(tǒng)[J].人工智能，2022（2）：48-56.

[8] 屈靜，劉凱，胡祥恩，楊釙，蔣卓軒.對話式智能導(dǎo)學(xué)系統(tǒng)研究現(xiàn)狀及趨勢[J].開放教育研究，2020，26（4）：112-120.

[9] 韓建華，姜強，趙蔚.基于元認(rèn)知能力發(fā)展的智能導(dǎo)學(xué)系統(tǒng)研究[J].現(xiàn)代教育技術(shù)，2016，26（3）：107-113.

[10] 吳斕，余勝泉，駢揚，劉陽.面向?qū)W生過程表現(xiàn)的協(xié)作問題解決能力評估研究[J].中國電化教育，2022（7）：87-96.

[11] 李冀紅，莊榕霞，年智英，劉德建，黃榮懷.面向人機協(xié)同的創(chuàng)新能力培養(yǎng)——兼論面向智能時代的創(chuàng)造性人才訴求[J].中國電化教育，2021（7）：36-42，61.

[12] VANLEHN K. The behavior of tutoring systems[J]. International journal of artificial intelligence in education， 2006， 16（3）：227-265.

[13] 萬楠，朱樹青，賈世偉.反饋間隔影響反饋加工：整合行為和電生理研究的視角[J].心理科學(xué)進展，2020，28（2）：230-239．

[14] GRANT W. Seven keys to effective feedback[J].Educational leadership， 2012， 70 （1）：10-16．

[15] 祝智庭，彭紅超.技術(shù)賦能智慧教育之實踐路徑[J].中國教育學(xué)刊，2020（10）：1-8.

[16] 余勝泉，劉恩睿.智慧教育轉(zhuǎn)型與變革[J].電化教育研究，2022，43（1）：16-23，62.

[17] 孟青泉，賈積有，張志永，顏澤忠.智能教學(xué)系統(tǒng)測評模型的構(gòu)建與實證研究[J].現(xiàn)代教育技術(shù)，2022，32（5）：68-74.

[18] JIANG B， ZHAO W， GU X， et al. Understanding the relationship between computational thinking and computational participation： a case study from scratch online community[J]. Educational technology research and development， 2021， 69：2399-2421.

[19] 黃濤，龔眉潔，楊華利，王涵，張晨晨.人機協(xié)同支持的小學(xué)語文寫作教學(xué)研究[J].電化教育研究，2020，41（2）：108-114.

[20] 鄭勤華，熊潞穎，胡丹妮.任重道遠：人工智能教育應(yīng)用的困境與突破[J].開放教育研究，2019，25（4）：10-17.

[21] 朱永海，劉慧，李云文，王麗.智能教育時代下人機協(xié)同智能層級結(jié)構(gòu)及教師職業(yè)形態(tài)新圖景[J].電化教育研究，2019，40（1）：104-112，120.

[22] 趙勇.未來，我們?nèi)绾巫鼋處煟縖J].中國德育，2017（11）：48-51.

[23] 劉清堂，吳林靜，劉嫚，范桂林，毛剛.智能導(dǎo)師系統(tǒng)研究現(xiàn)狀與發(fā)展趨勢[J].中國電化教育，2016，357（10）：39-44．

[24] 朱莎，余麗芹，石映輝.智能導(dǎo)學(xué)系統(tǒng)：應(yīng)用現(xiàn)狀與發(fā)展趨勢——訪美國智能導(dǎo)學(xué)專家羅納德·科爾教授、亞瑟·格雷澤教授和胡祥恩教授[J].開放教育研究，2017，23（5）：4-10.

[25] 張濤，張思.教育大數(shù)據(jù)挖掘的學(xué)習(xí)者模型設(shè)計與計算研究[J].電化教育研究，2020，41（9）：61-67.

[26] 武法提，黃石華，殷寶媛.基于場景感知的學(xué)習(xí)者建模研究[J].電化教育研究，2019，40（3）：68-74.

[27] 王磊.學(xué)科能力構(gòu)成及其表現(xiàn)研究——基于學(xué)習(xí)理解、應(yīng)用實踐與遷移創(chuàng)新導(dǎo)向的多維整合模型[J].教育研究，2016，37（9）：83-92，125.

[28] 彭明.基于句模與模糊匹配的初等數(shù)學(xué)題意理解研究及實現(xiàn)[D].成都：電子科技大學(xué)，2018.

[29] 岑斐斐.基于深度學(xué)習(xí)的初中數(shù)學(xué)習(xí)題信息抽取方法研究[D].錦州：渤海大學(xué)，2021.

[30] 彭紅超，祝智庭.人機協(xié)同決策支持的個性化適性學(xué)習(xí)策略探析[J].電化教育研究，2019，40（2）：12-20.

[Abstract] In the context of the "double reduction" policy， the research on how to develop a new generation of intelligent homework tutoring system framework that is free from the answer-supply tutoring mode and strengthens the role of higher-order thinking development， metacognitive regulation and emotional motivation becomes one of the key technologies that need to be broken through in the current intelligent learning system. This paper addresses the problems that exist in the key aspects of the current intelligent homework tutoring system， such as the difficulty in tapping learners' multiple implicit characteristics， the difficulty in guiding and cultivating higher-order thinking ability， the lack of fine-grained design of tutoring strategy attributes and insufficient data support for tutoring effect verification， adopts the technical breakthrough route of human-machine intelligence collaboration， and builds a new generation of intelligent homework tutoring system framework based on the intelligent collection of learners' multiple data and homework question information， the collaborative decision-making between expert experience and machine intelligence， the integration of metacognitive adjustment strategies， and the knowledge graph of tutoring strategies to promote the development of learners' higher-order thinking ability. The system automatically generates personalized tutoring solutions for different learners with the goal of both knowledge mastery and thinking development， and conducts application analysis based on the prototype design with examples to promote the accurate and intelligent implementation of homework tutoring.

[Keywords] Intelligent Homework Tutoring; Human-Machine Intelligence Collaboration; Learning Analytics; Framework Construction