中圖分類號(hào)］G712 [文獻(xiàn)標(biāo)志碼］A [文章編號(hào)]2096-0603（2025）20-0005-04

一、引言

個(gè)性化教學(xué)是現(xiàn)代教育的重要環(huán)節(jié)，是衡量教師教學(xué)創(chuàng)新能力的關(guān)鍵體現(xiàn)，其有效性直接關(guān)系到學(xué)生個(gè)性化發(fā)展和教育質(zhì)量的全面提升。中共中央、國務(wù)院于2019年印發(fā)的《中國教育現(xiàn)代化2035》中明確提出，要利用現(xiàn)代技術(shù)推動(dòng)人才培養(yǎng)模式改革，實(shí)現(xiàn)規(guī)?；逃c個(gè)性化培養(yǎng)的有機(jī)結(jié)合，推動(dòng)教育模式的創(chuàng)新與改革，滿足學(xué)生多樣化、個(gè)性化的學(xué)習(xí)需求。

目前，個(gè)性化教學(xué)研究主要是先提出精準(zhǔn)教學(xué)理論框架，再進(jìn)行實(shí)踐研究，驗(yàn)證理論的有效性。在精準(zhǔn)教學(xué)理論框架建構(gòu)方面，研究者多基于教學(xué)設(shè)計(jì)的基本環(huán)節(jié)，從分析學(xué)生學(xué)情、確定教學(xué)目標(biāo)、選擇教學(xué)內(nèi)容、設(shè)計(jì)，教學(xué)環(huán)節(jié)、教學(xué)評(píng)價(jià)、選擇課后作業(yè)以及課后輔導(dǎo)等方面建構(gòu)精準(zhǔn)教學(xué)模式。例如，祝智庭等人從教學(xué)目標(biāo)、教學(xué)內(nèi)容、教學(xué)過程、教學(xué)評(píng)價(jià)四個(gè)環(huán)節(jié)建構(gòu)了信息技術(shù)支持下的精準(zhǔn)教學(xué)模式，在教學(xué)評(píng)價(jià)環(huán)節(jié)借助ExceI對(duì)學(xué)生表現(xiàn)數(shù)據(jù)繪制標(biāo)準(zhǔn)變速圖表，并以此判斷教學(xué)目標(biāo)達(dá)成的可能性。張忻忻等人從學(xué)生學(xué)情、教學(xué)環(huán)節(jié)、課后輔導(dǎo)等方面建構(gòu)了推動(dòng)學(xué)生個(gè)性化學(xué)習(xí)的精準(zhǔn)教學(xué)模式3。宋丹等人從學(xué)生學(xué)情、教學(xué)內(nèi)容、教學(xué)過程等方面建構(gòu)了基于學(xué)情數(shù)據(jù)的智慧教學(xué)模式，通過對(duì)課程數(shù)據(jù)與課程內(nèi)容的綜合處理與分析，形成圖數(shù)雙驅(qū)的學(xué)情分析，開展精準(zhǔn)教學(xué)與實(shí)踐。萬力勇等人從教學(xué)目標(biāo)、教學(xué)內(nèi)容、教學(xué)過程、教學(xué)評(píng)價(jià)等方面建構(gòu)了大數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)教學(xué)模式，并借助大數(shù)據(jù)分析學(xué)生學(xué)情，進(jìn)行教學(xué)內(nèi)容精準(zhǔn)推送。方海光等基于能力形成的過程視角和斯皮爾曼的二因素理論，建構(gòu)了教師教學(xué)能力結(jié)構(gòu)模型。目前，教學(xué)分析大多停留在對(duì)淺表行為或言語類別進(jìn)行靜態(tài)化測(cè)評(píng)，教學(xué)方法基于現(xiàn)有固定學(xué)習(xí)資料，難以針對(duì)學(xué)生進(jìn)行個(gè)性化教學(xué)。

為此，本文提出了一種基于多模態(tài)融合分析與生成式技術(shù)的教學(xué)方法，通過AI技術(shù)的引人，精準(zhǔn)分析學(xué)生的學(xué)習(xí)風(fēng)格，并為學(xué)生提供基于其學(xué)習(xí)風(fēng)格、興趣和能力的個(gè)性化學(xué)習(xí)路徑，優(yōu)化教師的授課方式與學(xué)生的學(xué)習(xí)體驗(yàn)，實(shí)現(xiàn)更高的學(xué)習(xí)成效。

二、教學(xué)評(píng)估方法現(xiàn)狀

（一）評(píng)價(jià)維度單一

傳統(tǒng)僅依靠專家進(jìn)行主觀評(píng)價(jià)的方式難以高效地處理較大規(guī)模課堂教學(xué)數(shù)據(jù)，且現(xiàn)有的評(píng)價(jià)體系往往側(cè)重于對(duì)學(xué)生專業(yè)知識(shí)的考核，分析維度較單一，無法科學(xué)而精準(zhǔn)地評(píng)測(cè)課堂教學(xué)質(zhì)量。具體表現(xiàn)在：依賴主觀評(píng)價(jià)，缺乏客觀性與數(shù)據(jù)支撐。傳統(tǒng)教學(xué)質(zhì)量分析往往依賴專家、督導(dǎo)或?qū)W生的主觀評(píng)價(jià)，這些評(píng)價(jià)受到個(gè)體經(jīng)驗(yàn)、情感和視角的影響，存在一定的主觀偏差。另外，分析效率較低，難以覆蓋大規(guī)模數(shù)據(jù)。面對(duì)大規(guī)模課堂教學(xué)場(chǎng)景，單純依靠專家進(jìn)行逐一觀察和評(píng)價(jià)的方式效率較低。

（二）靜態(tài)化測(cè)評(píng)

當(dāng)前教學(xué)分析存在測(cè)評(píng)靜態(tài)化問題，主要體現(xiàn)在對(duì)課堂教學(xué)的智能化分析仍局限于淺層行為指標(biāo)的量化統(tǒng)計(jì)。這種分析范式過度依賴可觀測(cè)的外顯行為特征，如通過計(jì)算機(jī)視覺算法追蹤學(xué)生的面部朝向頻次，或使用信號(hào)處理技術(shù)統(tǒng)計(jì)舉手動(dòng)作次數(shù)，本質(zhì)上延續(xù)了行為主義心理學(xué)的機(jī)械還原論傾向。這種測(cè)評(píng)方式忽視了課堂中復(fù)雜的動(dòng)態(tài)交互和深層次教學(xué)內(nèi)涵，割裂了教學(xué)過程的時(shí)空連續(xù)性，不能反映學(xué)生的實(shí)際注意力狀態(tài)或?qū)W習(xí)效果。

（三）重形式而輕內(nèi)容

當(dāng)前教育技術(shù)評(píng)估存在明顯的“重形式、輕內(nèi)容”傾向，聚焦教學(xué)過程的表層特征，卻忽視了對(duì)知識(shí)建構(gòu)本質(zhì)的衡量?；谟?jì)算機(jī)視覺的課堂行為分析系統(tǒng)雖能精確統(tǒng)計(jì)師生互動(dòng)次數(shù)、微笑頻率、手勢(shì)幅度等顯性指標(biāo)，卻難以穿透教學(xué)形式觸及認(rèn)知內(nèi)核。例如，某智慧課堂系統(tǒng)可將師生對(duì)話切割為每分鐘2.3次提問的量化數(shù)據(jù)，卻無法辨識(shí)這些提問中僅有 12% 涉及高階思維引導(dǎo)。這種評(píng)估導(dǎo)致教師陷人“表演性教學(xué)”誤區(qū)，弱化了知識(shí)傳遞的深度。

在教學(xué)內(nèi)容質(zhì)量評(píng)估層面，現(xiàn)有技術(shù)尚未突破結(jié)構(gòu)化數(shù)據(jù)分析的局限。自然語言處理技術(shù)雖能檢測(cè)師生對(duì)話中的關(guān)鍵詞密度，卻缺乏學(xué)科邏輯驗(yàn)證能力，如師生的肢體語言、師生互動(dòng)次數(shù)等，而對(duì)教學(xué)內(nèi)容本身的科學(xué)性、邏輯性、創(chuàng)新性缺乏深入分析。

（四）忽視個(gè)性化

當(dāng)前的分析技術(shù)更多支持對(duì)傳統(tǒng)“知識(shí)灌輸式教學(xué)”的評(píng)估，而對(duì)于課堂中學(xué)生的個(gè)性化需求關(guān)注不足，忽視學(xué)生的差異?，F(xiàn)有分析更多是面向全班的宏觀統(tǒng)計(jì)，缺乏對(duì)個(gè)體差異的關(guān)注，這種分析技術(shù)導(dǎo)向使課堂教學(xué)評(píng)估呈現(xiàn)“見林不見樹\"的宏觀特征，過度依賴班級(jí)均分、合格率、排名分布等群體性指標(biāo)，而忽視了個(gè)體學(xué)習(xí)者的認(rèn)知特征與發(fā)展需求。教育神經(jīng)科學(xué)最新研究表明，學(xué)生在工作記憶容量、信息處理速度、認(rèn)知負(fù)荷承受度等方面存在顯著差異，這些生物學(xué)層面的差異直接導(dǎo)致學(xué)習(xí)節(jié)奏的分化。

三、智能化教育技術(shù)

（一）跨模態(tài)數(shù)據(jù)融合技術(shù)

現(xiàn)代教學(xué)場(chǎng)景中產(chǎn)生的數(shù)據(jù)具有典型的多元異構(gòu)特征，包括視頻記錄、語音交互、文本作業(yè)等不同形態(tài)?？缒B(tài)融合技術(shù)通過建立多元數(shù)據(jù)的關(guān)聯(lián)映射模型，實(shí)現(xiàn)了三類核心價(jià)值。

其一，信息增益效應(yīng)。視覺數(shù)據(jù)可捕捉學(xué)生的注意力分布，語音數(shù)據(jù)反映理解程度，文本數(shù)據(jù)體現(xiàn)知識(shí)掌握深度，三者協(xié)同可構(gòu)建立體化學(xué)習(xí)畫像。

其二，特征增強(qiáng)機(jī)制。采用注意力機(jī)制的特征融合算法（如Cross-ModalTransformer）能夠自動(dòng)加權(quán)不同模態(tài)的特征貢獻(xiàn)度。例如，在概念理解評(píng)估時(shí)，將表情困惑特征（視覺）與答題延遲特征（行為）進(jìn)行關(guān)聯(lián)加權(quán)。

其三，容錯(cuò)補(bǔ)償特性。當(dāng)某模態(tài)數(shù)據(jù)質(zhì)量不佳時(shí)（如光線不足導(dǎo)致圖像模糊），系統(tǒng)可通過模態(tài)間遷移學(xué)習(xí)自動(dòng)補(bǔ)全特征，保證分析的穩(wěn)定性。

（二）智能內(nèi)容生成體系

當(dāng)代教育技術(shù)正經(jīng)歷從“內(nèi)容數(shù)字化”向“智能創(chuàng)作”的范式轉(zhuǎn)移?；谏疃壬赡Ｐ偷膬?nèi)容生產(chǎn)體系呈現(xiàn)出以下三個(gè)典型特征。

其一，動(dòng)態(tài)適配能力。以GPT-3.5架構(gòu)為例的文本生成系統(tǒng)，可根據(jù)學(xué)生實(shí)時(shí)測(cè)試表現(xiàn)動(dòng)態(tài)調(diào)整題目難度梯度，生成誤差率較傳統(tǒng)方法降低 62% 。

其二，認(rèn)知激發(fā)設(shè)計(jì)。在編程教學(xué)中，系統(tǒng)通過分析學(xué)生代碼提交歷史，自動(dòng)生成具有認(rèn)知沖突的對(duì)比案例，有效提升調(diào)試能力。

其三，多模態(tài)協(xié)同創(chuàng)作。StableDiffusion等圖像生成模型與文本系統(tǒng)的聯(lián)動(dòng)，可即時(shí)將抽象概念轉(zhuǎn)化為可視化案例。AIGC（生成式人工智能）技術(shù)可根據(jù)用戶的需求生成多樣化且高度個(gè)性化的內(nèi)容。以文本生成為例，基于Transformer的GPT系列模型可依據(jù)用戶輸入的簡單指令，生成邏輯連貫的文本、音頻、視頻等，其生成效率較人工創(chuàng)作提升近200倍。

四、個(gè)性化教學(xué)框架設(shè)計(jì)

本系統(tǒng)采用多模態(tài)模型融合分析、個(gè)性教學(xué)資源生成和自適應(yīng)學(xué)習(xí)更新方法形成個(gè)性化教學(xué)方案，并使智能分析、個(gè)性教學(xué)生成、自適應(yīng)學(xué)習(xí)更新形成閉環(huán)。

（一）系統(tǒng)拓?fù)湓O(shè)計(jì)

本系統(tǒng)采用“感知一認(rèn)知一決策”的三層參考模型構(gòu)建。具體實(shí)現(xiàn)方面，系統(tǒng)首先通過分布式邊緣計(jì)算節(jié)點(diǎn)完成多源數(shù)據(jù)的同步采集，這些節(jié)點(diǎn)配有經(jīng)過優(yōu)化的檢測(cè)模型。系統(tǒng)以多模態(tài)模型及相關(guān)智能算法構(gòu)建的人工智能基礎(chǔ)設(shè)施為核心，針對(duì)智能教學(xué)與個(gè)性化學(xué)習(xí)的應(yīng)用需求，設(shè)計(jì)基于多模態(tài)模型的智能教學(xué)支持系統(tǒng)。系統(tǒng)拓?fù)湓O(shè)計(jì)為個(gè)性化、自適應(yīng)的智能教學(xué)提供支持和保障。整個(gè)系統(tǒng)的框架設(shè)計(jì)圖如圖1所示。

（二）系統(tǒng)技術(shù)分析

數(shù)據(jù)采集層：數(shù)據(jù)采集層負(fù)責(zé)獲取多種來源的教學(xué)相關(guān)數(shù)據(jù)?？梢酝ㄟ^攝像頭、麥克風(fēng)、電子白板、傳感器、智能終端等捕捉多模態(tài)數(shù)據(jù)。

數(shù)據(jù)處理層：對(duì)采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理和特征提取，將非結(jié)構(gòu)化數(shù)據(jù)（如圖像、音頻）轉(zhuǎn)化為適用于模型的結(jié)構(gòu)化表示，并對(duì)數(shù)據(jù)進(jìn)行脫敏處理，保護(hù)用戶隱私。

多模態(tài)模型層：這是系統(tǒng)的核心層，依賴多模態(tài)人工智能模型實(shí)現(xiàn)對(duì)不同模態(tài)數(shù)據(jù)（圖像、語音、文本等）的綜合分析與深度學(xué)習(xí)，為上層的個(gè)性化分析與內(nèi)容生成提供高質(zhì)量的特征表示和預(yù)測(cè)結(jié)果。

AI個(gè)性化分析層：利用分類模型將學(xué)生分為不同的學(xué)習(xí)風(fēng)格類型（如視覺型、聽覺型），以及關(guān)聯(lián)規(guī)則挖掘或圖神經(jīng)網(wǎng)絡(luò)（GNN），識(shí)別學(xué)生在知識(shí)圖譜中的薄弱點(diǎn)。

自適應(yīng)反饋層：基于強(qiáng)化學(xué)習(xí)或遷移學(xué)習(xí)，優(yōu)化模型參數(shù)，提升內(nèi)容生成與個(gè)性化分析的精度。

五、個(gè)性化教學(xué)方法應(yīng)用

該教學(xué)方法利用多模態(tài)數(shù)據(jù)分析和生成式技術(shù)，結(jié)合人工智能算法，為個(gè)性化學(xué)習(xí)和智能化教學(xué)方法提供支持，實(shí)現(xiàn)從邊緣端數(shù)據(jù)采集到內(nèi)容生成和反饋優(yōu)化的全流程閉環(huán)。

（一）學(xué)情精準(zhǔn)分析

教學(xué)系統(tǒng)的學(xué)情分析體系依托多模態(tài)認(rèn)知計(jì)算框架，通過異構(gòu)數(shù)據(jù)融合技術(shù)實(shí)現(xiàn)對(duì)學(xué)生認(rèn)知狀態(tài)的精準(zhǔn)建模。該系統(tǒng)的技術(shù)架構(gòu)采用基于Transformer的多模態(tài)編碼器，能夠同步處理來自視覺（表情變化）聽覺（語音語調(diào)、響應(yīng)延遲）和文本（問答內(nèi)容、討論記錄）的多源異構(gòu)數(shù)據(jù)流，將離散的行為信號(hào)轉(zhuǎn)化為連續(xù)性的認(rèn)知狀態(tài)評(píng)估指標(biāo)。在本文實(shí)踐案例“人工智能基礎(chǔ)知識(shí)與創(chuàng)新實(shí)踐\"的課程教學(xué)中，采用分析學(xué)生的Python編程語言代碼、回答問題內(nèi)容以及面部表情的信息，可較準(zhǔn)確識(shí)別學(xué)生的知識(shí)掌握水平。

系統(tǒng)采集在線課堂中學(xué)生的互動(dòng)數(shù)據(jù)（如發(fā)言、討論、回答問題等）以及非語言行為數(shù)據(jù)（如在線文本作業(yè)、面部表情等），利用多模態(tài)模型進(jìn)行融合分析，精準(zhǔn)定位學(xué)生在特定知識(shí)領(lǐng)域的薄弱點(diǎn)，并識(shí)別其個(gè)性特征和學(xué)習(xí)偏好。

（二）個(gè)性教學(xué)資源生成

基于多模態(tài)模型的智能分析結(jié)果，系統(tǒng)能夠動(dòng)態(tài)構(gòu)建符合學(xué)習(xí)者認(rèn)知特征的教學(xué)內(nèi)容體系。該內(nèi)容生成機(jī)制通過深度神經(jīng)網(wǎng)絡(luò)對(duì)學(xué)習(xí)者的知識(shí)狀態(tài)進(jìn)行建模，結(jié)合實(shí)時(shí)學(xué)習(xí)軌跡分析，自動(dòng)生成具有認(rèn)知適應(yīng)性的教學(xué)材料。在具體實(shí)現(xiàn)方面，系統(tǒng)首先通過分析學(xué)生的交互行為和作業(yè)表現(xiàn)等多維度數(shù)據(jù)，建立個(gè)性化的認(rèn)知發(fā)展曲線。當(dāng)檢測(cè)到學(xué)習(xí)者在特定知識(shí)單元表現(xiàn)出較高的掌握度（如連續(xù)三次練習(xí)正確率超過 85% ）時(shí)，內(nèi)容生成引擎會(huì)自動(dòng)調(diào)用進(jìn)階題庫，并引入跨學(xué)科綜合應(yīng)用題，以促進(jìn)知識(shí)遷移。反之，對(duì)于出現(xiàn)持續(xù)性理解障礙的學(xué)習(xí)者（如特定概念的錯(cuò)誤率超過閾值），系統(tǒng)會(huì)啟動(dòng)補(bǔ)救教學(xué)模塊，生成包含可視化解釋和分步引導(dǎo)的基礎(chǔ)訓(xùn)練材料。這種動(dòng)態(tài)調(diào)整機(jī)制使教學(xué)資源始終與學(xué)習(xí)者的認(rèn)知發(fā)展保持同步，既避免了傳統(tǒng)教學(xué)中“一刀切\(zhòng)"的內(nèi)容供給方式，又解決了固定難度梯度帶來的適應(yīng)性不足問題。

（三）自適應(yīng)學(xué)習(xí)更新

系統(tǒng)的自適應(yīng)機(jī)制采用雙閾值觸發(fā)策略設(shè)計(jì)。當(dāng)檢測(cè)到學(xué)生在特定知識(shí)點(diǎn)的錯(cuò)誤模式具有穩(wěn)定性（連續(xù)3次錯(cuò)誤）或注意力衰減呈現(xiàn)持續(xù)性（超過120秒）時(shí)，系統(tǒng)會(huì)自動(dòng)啟動(dòng)教學(xué)策略重組流程。并啟動(dòng)更新模型訓(xùn)練，及時(shí)調(diào)整模型分析和個(gè)性化教學(xué)推薦內(nèi)容。

（四）反饋閉環(huán)

在系統(tǒng)教學(xué)過程中，學(xué)生的學(xué)情分析、個(gè)性化學(xué)習(xí)內(nèi)容生成、學(xué)習(xí)效果分析、效果反饋以及糾偏流程形成閉環(huán)。隨著多次迭代，模型的預(yù)測(cè)性能逐步優(yōu)化。學(xué)生的學(xué)習(xí)過程不斷產(chǎn)生反饋數(shù)據(jù)，包括答題正確率、作業(yè)完成情況、課堂互動(dòng)反饋等。系統(tǒng)根據(jù)這些反饋信息判斷學(xué)生在哪些方面存在問題以及哪些方面已經(jīng)掌握。此時(shí)，AI會(huì)通過實(shí)時(shí)分析判斷是否存在知識(shí)差距、是否需要調(diào)整教學(xué)策略。在學(xué)生的每個(gè)學(xué)習(xí)階段，AI通過自動(dòng)評(píng)估學(xué)生的表現(xiàn)，識(shí)別學(xué)生的學(xué)習(xí)誤區(qū)和誤解。例如，如果學(xué)生在某個(gè)知識(shí)點(diǎn)上反復(fù)犯錯(cuò)，系統(tǒng)會(huì)識(shí)別出這一點(diǎn)，并推送更加詳細(xì)的學(xué)習(xí)資源或調(diào)整教學(xué)內(nèi)容。通過反饋機(jī)制和閉環(huán)更新方法，使AI個(gè)性化教學(xué)方法能夠逐步適應(yīng)學(xué)生的個(gè)性化需求，以減少傳統(tǒng)教學(xué)中常見“過度教學(xué)\"或“教學(xué)不足”現(xiàn)象的出現(xiàn)。

圖2AI個(gè)性化教學(xué)效果

六、教學(xué)效果

為驗(yàn)證多模態(tài)分析與生成式個(gè)性化教學(xué)模式的效果，研究以本專業(yè)人工智能基礎(chǔ)知識(shí)與創(chuàng)新實(shí)踐課程為例，對(duì)近年來上過本課程的學(xué)生采用問卷調(diào)查、訪談、結(jié)合平臺(tái)數(shù)據(jù)等形式進(jìn)行分析，學(xué)生樣本分布如表1所示。

表1學(xué)生樣本分布情況

分析結(jié)果如圖2所示。由圖2可知，互動(dòng)協(xié)助（有效提升占比 21% ）學(xué)習(xí)參與度（有效提升占比 34% ）學(xué)習(xí)效率（有效提升占比 37% ）、課程內(nèi)容適應(yīng)性與可定制化（有效提升占比 32% ）學(xué)習(xí)過程中的即時(shí)反饋（有效提升占比 41% ）知識(shí)掌握深度（有效提升占比 33% ））以及學(xué)習(xí)資源的使用頻率（有效提升占比 29% ）等方面得到較大的提升。通過該教學(xué)方法，學(xué)生可以獲得實(shí)時(shí)的反饋和支持，不僅限于教師的輔導(dǎo)，還包括AI系統(tǒng)的自動(dòng)響應(yīng)與指導(dǎo)。學(xué)生在課堂內(nèi)外的互動(dòng)頻率顯著提升，AI平臺(tái)的智能答疑、討論區(qū)的互動(dòng)能幫助學(xué)生更好地理解和掌握課程內(nèi)容。因此，學(xué)生能更加高效地利用學(xué)習(xí)時(shí)間，提升學(xué)習(xí)效率。

七、結(jié)束語

多模態(tài)分析與生成式技術(shù)的個(gè)性化教學(xué)方法能夠較顯著地改善學(xué)生各方面表現(xiàn)，包括互動(dòng)協(xié)作、學(xué)習(xí)參與度、學(xué)習(xí)效率、課程內(nèi)容的適應(yīng)性與定制化、學(xué)習(xí)過程的反饋精準(zhǔn)度、知識(shí)掌握的深度以及學(xué)習(xí)資源利用頻率等。該方法可滿足不同學(xué)生的個(gè)性化學(xué)習(xí)需求，幫助每位學(xué)生以適合自身的方式學(xué)習(xí)。同時(shí)，還能優(yōu)化教師的授課方式，為個(gè)性化教學(xué)發(fā)展提供了參考與實(shí)踐支持。

參考文獻(xiàn)：

[1]歐陽素.基于學(xué)業(yè)大數(shù)據(jù)應(yīng)用的高中化學(xué)精準(zhǔn)教學(xué)設(shè)計(jì)與實(shí)踐研究[D].武漢：華中師范大學(xué)，2023.

[2]祝智庭，彭紅超.信息技術(shù)支持的高效知識(shí)教學(xué)：激發(fā)精準(zhǔn)教學(xué)的活力[J].中國電化教育，2016（1）：18-25.

[3]張忻忻，牟智佳.數(shù)據(jù)化學(xué)習(xí)環(huán)境下面向個(gè)性化學(xué)習(xí)的精準(zhǔn)教學(xué)模式設(shè)計(jì)研究[J].現(xiàn)代遠(yuǎn)距離教育，2018（5） ：65-72.

[4]宋丹，胡瑛，方正軍，等.基于學(xué)情數(shù)據(jù)的智慧教學(xué)模式研究與實(shí)踐[J].高等工程教育研究，2022（6）：116-120.

[5]萬力勇，黃志芳，黃煥.大數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)教學(xué)：操作框架與實(shí)施路徑[J].現(xiàn)代教育技術(shù)，2019，29（1）：31-37.

[6]方海光，洪心，舒麗麗，等.基于課堂智能分析大模型的教師教學(xué)能力分析框架及其應(yīng)用研究[J].現(xiàn)代教育技術(shù)，2024，34（2）：43-52.

[7]于璐.融合思政教育的計(jì)算機(jī)專業(yè)課程評(píng)價(jià)體系優(yōu)化研究[J].現(xiàn)代職業(yè)教育，2025（11）：69-72.

[8]李華，王偉，張曉明.生成式人工智能技術(shù)的創(chuàng)新應(yīng)用與倫理挑戰(zhàn)[J].自動(dòng)化學(xué)報(bào)，2022，48（6）：1324-1336.

編輯 鄭曉燕