作者简介：林梓柔，博士研究生，华东师范大学教育信息技术学系（上海 200062）；胡小勇（通讯作者），博士，教授，博士生导师，华南师范大学教育信息技术学院（广东广州 510631）；黄婕，硕士研究生，华南师范大学教育信息技术学院（广东广州 510631）。基金项目：全国教育科学“十三五”规划2020年度教育部重点课题“面向中小学人工智能教育的教师培养与教学策略研究”（DHA200334）。引用:林梓柔,胡小勇,黄婕(2022).基于组合赋权法的中小学智能教育发展水平评估[J].现代远程教育研究,34(5):47-55.
摘要：教育评价事关教育发展方向，中小学作为基础教育阶段智能教育发展的主阵地，科学评估和准确把握其智能教育发展水平，有利于高质量地推进人工智能和教育的深度融合。目前我国缺乏并迫切需要能够对中小学智能教育发展水平进行完整且系统评估的指标体系。基于对政策文件和学术文献的内容分析，结合中小学智能教育发展实际，经过三轮专家征询和主客观相结合的组合赋权，通过“设计—修订—赋权—验证”过程构建的中小学智能教育发展水平评估指标体系主要包括组织保障、智能教育环境、智能教学资源、智能教学应用、智能学习应用、智能治理服务等6个一级指标、18个二级指标、59个三级指标。将该评估指标体系应用于全国智慧教育示范区GZ市HD区5所具有代表性的中小学，评估结果表明，该指标体系可有效区分与全面系统地评估各个学校的智能教育发展状况，并能助力教育管理部门、学校和师生对标评估结果寻找不足和制定针对性的改进策略，助推中小学智能教育的全面发展。关键词：中小学智能教育；教育评价；智能教育发展水平；评估指标体系；组合赋权
我国政府高度重视人工智能对教育的深刻影响。2017年发布的《新一代人工智能发展规划》首次提出“发展智能教育”，并要求“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系”（中华人民共和国国务院，2017）；教育部在《教育信息化2.0行动计划》中也明确提出“大力推进智能教育”“开展智慧教育创新示范”（中华人民共和国教育部，2018）；并在2019年宣布拟研制《中国智能教育发展方案》（中华人民共和国教育部，2019）。到2021年，教育部已经立项支持两批国家级“智慧教育示范区”创建项目和“人工智能助推教师队伍建设”行动试点，持续推进智能教育创新发展。从政策文件看，“智能教育”与“智慧教育”内涵相近且均受国家认可，本研究对二者不作严格的概念区分，统一使用“智能教育”。在基础教育阶段，中小学在利用智能技术变革教育中发挥了主战场作用。然而推进数年，当前中小学智能教育发展现状究竟如何，缺乏明晰准确的答案，有必要通过科学评估来解答并促进中小学智能教育的发展。教育评价事关教育发展方向（中华人民共和国国务院，2020）。只有科学合理的评价指挥棒，才能发挥“以评促建”作用，引导智能教育健康发展。当前中小学智能教育发展仍处于起步阶段（钟祖荣等，2020），相关评估研究十分匮乏。已有评估研究主要存在两类取向：一是将智能化作为教育信息化评估指标体系的一部分，未能完整体现智能教育全貌；二是针对智能教育下属的微观要素设计评估指标体系，缺乏系统的观照。本研究立足中小学视角，认为智能教育是以智能技术为基础构建泛在联通、情境感知、数据融通、精准服务的智能教育体系，推动中小学教育系统各要素与智能技术融合创新发展，最终促进系统中人的发展，因此，有必要从系统视角对其进行评估审视。基于此，本研究梳理影响中小学智能教育发展的要素，以此开展评估指标体系的设计、开发与应用，为我国中小学智能教育评估提供工具参考。在全球范围内，智能教育仍处于发展初期，鲜有大规模、系统化的中小学智能教育发展水平专项评估项目。部分研究在微观层面关注智能技术在环境设施、软件平台、师生素养等方面的发展水平和应用效果：刘学等（2018）针对智能教育软设施“教育云”进行区域发展评价指标体系构建；李璐等（2020）从组织管理、智慧学习环境、智慧学习资源、创新融合应用、创新人才培养、特色成果等6个方面构建了高校智慧校园的评估指标体系；尹合栋等（2020）聚焦智慧教室，围绕基础设施、环境与布局、智能录播、教学与资源平台、智能管控与感知、软硬件工具与移动终端、培训方案等方面构建了评估指标体系；刘斌（2020）探索了教师智能教育素养的关键要素，为智能教育素养评估提供借鉴。这些围绕智能教育系统的独立要素开展的评估研究表明，推进智能教育评估逐渐成为新的研究热点。然而，开展系统化的中小学智能教育评估研究难度较大（Zhang et al.，2021）。究其原因，一方面是智能教育尚较新颖，理论基础薄弱，评估内容未成体系。另一方面，中小学智能教育实践正在起步，评估难以得到有效支持，侧面印证了中小学智能教育发展评估研究的迫切性。作为教育信息化发展的新阶段，智能教育虽未有系统化的评估项目，但各个国家及组织长期以来开展的教育信息化评估可资借鉴。国外较有代表性的基础教育信息化发展评估项目包括：欧盟30个国家参与的教育系统信息化评估项目（Eurydice，2000），联合国教科文组织的ICT教育应用评估项目（UNESCO Institute for Statistics，2009），英国的学校信息化自我评估项目（The Education Technology Association，2014）等。我国开展基础教育信息化发展评估研究多聚焦于国家、省市、区县等不同区域范围开展规模化调研，评估结果较少关注各中小学的信息化发展，评估内容仍是以中小学的教育实践为基础，对本研究具有指导价值。例如，王珠珠等（2005）早期在全国开展了中小学教育信息化建设与应用状况调查，构建的指标覆盖基础设施、信息资源、信息素养、ICT应用和信息化管理。随着教育信息化2.0的推进，研究者对教育信息化的评估研究不断深化，例如，刘晓琳（2018）构建了面向教育信息化2.0的基础教育学校信息化教学创新评价指标体系，以科学有效的评估来促进学校落实教育信息化2.0时代的发展任务。总体而言，教育信息化发展水平大多从政策落实、基础设施、教学应用，以及教师专业发展和学生学业绩效等方面进行评估，这为中小学智能教育发展水平评估提供了方向借鉴。一份完整、科学、合理的评估指标体系包括各级指标项和相应权重，恰当的指标构建方法和权重分配技术将极大提升指标体系的科学性。本研究的基本思路如图1所示，以系统科学理论、第四代教育评估理论、发展性评估理论和新时代教育评价理念为指导，首先，利用内容分析法总结政策文件和学术文献中的相关研究结果，服务于评估指标体系设计，保证指标内容的合理性。其次，采用德尔菲法开展三轮专家征询和指标修订，确保指标的内容效度。再次，使用AHP法和CRITIC法进行组合赋权，确保指标权重的科学性。最后，进行指标体系信效度检验，验证指标权重的科学性。最终形成完整的中小学智能教育发展水平评估指标体系，并通过实践案例进行应用和检验。
评估指标体系设计包括关键要素提取、一级指标确定与二三级指标内容构建等环节。首先是提取关键要素。中小学智能教育发展水平评估从以下两方面寻找理论依据和要素来源：一是国家政策文件中与智能教育相关的内容，它表明了我国未来一段时期的智能教育发展图景和导向，是中小学智能教育发展的目标指引；二是智能教育微观要素的相关评估研究，这些研究结果能为挖掘中小学智能教育发展的关键要素提供参考。因此，本研究通过内容分析法梳理了相关政策文件和学术文献（见表1），发现其主要涵盖组织保障、教育环境、教学资源、教学应用、学习应用与治理服务等方面，这为确定中小学智能教育发展的关键要素奠定了基础。
其次是确定一级指标。结合所提取的关键要素和中小学智能教育发展特征，本研究选取组织保障、智能教育环境、智能教学资源、智能教学应用、智能学习应用和智能治理服务作为中小学智能教育发展水平评估指标体系的一级指标。其中，区域和学校的组织保障提供外部支持；智能教育环境提供了网络、设施、平台和数据等技术支撑，同时依此建设智能教学资源并提供资源服务；智能教育的核心价值需在教育应用中得以体现，包括智能教学应用、智能学习应用和智能治理服务。中小学的智能教育发展均围绕上述6个方面开展建设与应用。最后是细化二三级指标和完善指标描述内容。为保证评估指标体系既体现智能教育的“应然”图景，又兼顾我国中小学的“实然”现况，主要构建思路为：以推进中小学智能教育健康发展为价值取向，围绕一级指标进行内涵拆解，在二三级指标构建中融入中小学智能教育发展实际。虽然我国高度重视并大力投入资源来支持智能教育实践，但中小学智能教育发展仍处于前期探索阶段，发展不平衡不充分现象突出。一是组织保障上，政策引领力度大，但经费保障是难题。经济差距可能进一步拉大智能教育发展鸿沟。二是智能教育环境上，教育网络基本普及（中国教育在线，2020），但智能教育对网络带宽和时延提出了更高要求，除少数发达地区外，大部分省市尚未建设5G教育网络。三是教学资源上，数字化资源丰富多样，师生有机会在教学中大量使用智能技术支持的资源（余亮等，2020），但目前学校提供资源服务的能力较弱。四是智能化教与学应用上，师生信息素养和在线学习习惯初步养成，但受智能教育环境的客观限制，以及师生智能教育素养的主观制约（余胜泉，2018），智能化教与学应用水平仍有限。五是智能治理服务上，应用场景丰富（陈磊等，2020），但普及范围小、区域差异大。因此，在评估指标体系的细化过程中需着重关注评估的区分度和可操作性，使指标既能指导中小学智能教育的未来发展，也不脱离当前发展现况。基于此，本研究初步构建了包括6个一级指标、21个二级指标、60个三级指标及指标描述的中小学智能教育发展水平评估指标体系。本研究构建了中小学智能教育发展水平评估指标体系专家征询意见表，包含专家基本信息、各级指标描述、重要性评价与专家修改建议；并选取了30位智能教育相关领域的高校学者、中小学教育工作者组成专家组，每轮约向15名专家进行征询。针对专家征询数据分析所运用的统计指标包括平均值、标准差和变异系数。其中，平均值能够判断专家意见的集中度，标准差能够判断专家意见的离散度，变异系数能够判断专家意见的差异程度。如表2所示，经过三轮指标修订，专家意见协调程度不断提高并趋于稳定，文字意见逐轮减少，指标设计合理性不断提高。
根据专家征询结果，逐轮修订完善指标。主要修订内容包括：（1）组织保障：增加“A2经费保障”和“A3人员配置”下级指标的区分度；优化“A4服务支持”表述。（2）智能教育环境：重新梳理二级指标分类，合并内涵重复项，剔除“智能教学空间比例”项。（3）智能教学资源：关注资源的适切性、多样性和共享性，精简指标描述，调整“资源管理”等三级指标的内涵范畴。（4）智能教学应用：更改“D2智能备课”和“D4精准教研”的表述使其更精准明确，对“D3智能授课”增加数据驱动的伴随式诊断、分析和评价。（5）智能学习应用：“E2学习支持”从学生视角更改指标描述，“E4学习预警”合并纳入E2。（6）智能治理服务：增加“管理者素养”指标。对二级指标F1、F2和F3更改表述、合并调整，避免交叉混乱。此外，对所有指标描述进行逐一修正，保证指标描述与指标名称内涵一致，提高指标的准确性、可读性和可用性。至此，得到包含6个一级指标、18个二级指标、59个三级指标以及指标描述的评估指标体系。“A组织保障”是智能教育发展不可或缺的顶层支持，能够确保政策举措有效落地，包括“A1政策规划”“A2经费保障”“A3人员配置”和“A4服务支持”。“B智能教育环境”是中小学智能教育发展的基础条件，包括提供软支持的“B1网络数据配置”和提供硬支持的“B2智能空间平台”。“C智能教学资源”是支持师生智能化教与学的资源，包括数字化资源“C1资源建设”与基于资源衍生的智能化服务“C2资源服务”。“D智能教学应用”是智能技术支持中小学课堂教学创新的重要体现，是智能教育的关键价值所在，包括“D1教师素养”“D2智能备课”“D3智能授课”和“D4精准教研”，涵盖教师教学和教研的智能化应用场景。“E智能学习应用”是智能技术支持个性化学习，促进学生发展的综合体现，包括“E1学生素养”“E2学习支持”和“E3学习方式”。“F智能治理服务”是指中小学利用智能技术来管理教育公共事务的诸多方式的总和，是人类智能和人工智能联合提升治理服务效能的过程，包括“F1管理者素养”“F2教学治理”和“F3管理服务”。主观赋权法过于受人为因素影响，客观赋权法又过于依赖评估样本，两种方法都存在信息损失，采用组合赋权法能够最大限度地减少信息损失。因此，本研究将AHP法和CRITIC法相结合得出组合权重，以保证专家主观经验与客观样本数据的平衡，使赋权结果尽可能与实际接近。具体过程如下：第一，AHP主观赋权，以专家知识与经验为基础进行赋权征询和统计。首先，根据中小学智能教育发展水平评估指标体系构建层次分析结构模型。其次，设计了包含25个两两判断打分矩阵的专家赋权网络调查表，邀请14位参与过指标修订的专家进行9级重要性（T. L.萨蒂，1988）比较评价。最后，进行主观权重计算与一致性检验，得到主观权重Wα。第二，CRITIC客观赋权，以依据指标体系改编的评估问卷数据为基础进行数理计算获得客观权重。首先，向管理者、教师、学生发放评估问卷，共回收283份有效问卷，对原始数据进行无量纲处理。其次，计算标准差、相关系数和各指标信息量。最后，对信息量进行归一化处理得到客观权重Wβ。第三，主客观组合赋权确定权重。据前述得到的主观权重Wα和客观权重Wβ，本研究利用离差平方和最大赋权法求解组合赋权系数θ＝（θ1，θ2），即通过评估数据构造矩阵以求解特征根，选取最大特征根对应的特征向量作为该组合的权重系数，并对其进行归一化得到。接着，将代入组合赋权公式进行求解，得到各级指标的组合权重Wγ。其中一级指标权重如表3所示。从6个一级指标的权重系数来看，组织保障是前置条件，智能教学应用和智能学习应用是核心环节，三者位列前三；再依次是作为基础支撑的智能教育环境、作为衍生服务的智能教学资源和作为拓展应用的智能治理服务。
至此，完整的中小学智能教育发展水平评估指标体系已构建完成，其由组织保障、智能教育环境、智能教学资源、智能教学应用、智能学习应用、智能治理服务6个一级指标、18个二级指标、59个三级指标及其指标描述和各级指标权重组成，详见表4。
为验证评估指标体系的信效度，本研究面向管理者、教师和学生开发了三份评估问卷工具。向GD省GZ市、SZ市、JM市等地的中小学管理者和师生抽样发放评估问卷，共回收371份问卷。剔除无效问卷，得到管理者问卷44份、教师问卷125份、学生问卷114份，共计283份评估问卷，有效率为76.28%。首先，采用临界比值法对问卷高分组与低分组的每道题目进行T检验。三套问卷的项目分析结果均表明各题项已达到显著性差异。其次，为保证指标体系的一致性和稳定性，本研究对问卷进行信度分析。不论问卷整体还是各个因子维度的Cronbach’s α系数均高于0.8，这表明问卷稳定可靠，能够通过样本数据评估中小学智能教育发展各维度水平，可广泛用于中小学智能教育发展水平评估实践中。最后，本研究从内容效度和结构效度两方面论证问卷工具的效度。一方面，使用“专家效度”进行内容效度检验，即在德尔菲法中进行专家征询，最大程度弥合分歧，取得了较高的专家认同度。另一方面，使用因素分析进行结构效度检验。Bartlett’s球形检验结果显示各维度的KMO值均高于0.7，指标间具有较强相关性。对指标体系进行主成分分析，结果表明其与“专家效度”检验的指标体系维度划分一致，一级指标间具有较强独立性，双向验证了指标体系的合理性。面向全国“智慧教育示范区”GZ市，本研究选取HD区“大数据个性化教学评测项目”的5所实验校作为中小学智能教育发展水平评估的对象，并将其编号为HD1、HD2、HD3、HD4和HD5。这5所学校类型为公办普通中学，并在不同程度上开展了智能教育实践，以大数据、智慧教育、个性化教学等作为其发展方向和特色。通过HD区教育局组织各校管理者、教师和学生进行网络问卷填写。最终回收有效问卷2071份，其中管理者问卷37份，教师问卷266份，学生问卷1768份。问卷的Cronbach’s α系数均高于0.9，说明5所学校的评估数据信度高，评估结果具有可靠性。本研究通过指数测算方法统计得到5所学校的智能教育综合发展指数和维度发展指数。表5呈现了各校的综合发展排名与指数、六大维度发展指数与排名变化情况。5所学校的智能教育综合发展指数分别为71.74、61.80、64.94、58.90和55.84，均值为62.64。各校的综合发展指数排名和维度发展指数排名并不完全一致，各自存在优势及短板。
（注：符号“↑、↓、―”表示相对于综合发展指数排名，学校的各维度发展指数排名上升、下降、一致。）综合发展水平方面，5所学校智能教育发展水平参差不齐。通过计算综合发展差异指数并聚类得到图2，横坐标为综合发展指数，纵坐标为综合发展差异指数。最终汇聚为两类学校：第一类是高水平、正差异的学校，HD1、HD3综合发展指数得分高于均值，且综合发展差异指数大于0 ，处于第一象限。第二类是低水平、负差异的学校，HD2、HD4、HD5的综合发展指数得分低于均值，综合发展差异指数小于0，处于第三象限。
图2 HD区5校综合发展指数与综合发展差异指数象限图 维度发展水平方面，通过发展差异指数深入分析每所学校一级指标维度的发展特征，得到图3。坐标系中以Y轴的0为基点，上下分布了各校6个一级指标的维度发展差异指数，能够直观看到每所学校的发展水平和差异特征。在0点上方的指标发展指数高于均值，越往上则正向差异越大；反之，下方的指标发展指数低于均值，越往下则负向差异越大。聚焦到每所学校，可以看出：HD1的维度差异指数除了智能教学应用外，其它维度都在0点以上，表明该校各个维度较其他学校发展水平更高。HD2各个维度差异指数较为均衡分布在0点两侧，智能教育环境和智能教学应用相较于其他维度更具优势。HD3除组织保障和智能教学应用外，其他维度发展差异系数均位于正向坐标系中，整体发展水平较好。HD4的维度发展差异系数整体向下偏移，除智能教学资源指数高于均值，其他维度皆处于较低发展水平。HD5的维度发展差异指数整体处于坐标系下方，各维度发展指数皆低于均值，位于5所学校中智能教育发展的最低水平。总体而言，HD区各校有较好的组织保障水平（均值为58.91），具有一定的智能教育建设基础（均值为65.99），在智能化教学（均值为60.21）和智能化学习（均值为58.16）方面的应用场景水平相近。此外，智能教学资源（均值为49.18）的建设和服务水平是六大维度中最低的，这表明优质资源仍然匮乏，而在技术可用性较强的智能化治理（均值为66.42）方面达到了最高的发展水平。
通过应用评估指标体系，成功评估了HD区5所学校的智能教育发展水平。实践表明，本研究构建的中小学智能教育发展水平评估指标体系具有较好的科学性和合理性。面向全国“智慧教育示范区”HD区5所代表性学校的智能教育发展水平均值为62.64，仅处于及格线之上，这从侧面印证了我国智能教育发展处于起步阶段，而且更加关注基础环境建设，但在教学应用和学习应用等核心层面却较为薄弱。评估结果表明，HD区的管理层需要为中小学的智能教育发展提供更多外部支持：一是系统规划区域内各校的智能教育发展，缩小校际差异。二是引入智能教育专业技术人员和教育领域专家，深化智能教育应用。三是探索优质教育资源服务的创新供给与共享服务模式。四是通过多样化活动帮助师生提升自身智能教育素养。此外，各校可以通过评估结果，对照自身发展实际，对标评估指标体系中的各项要素和指标，明确自身差距和现存问题，进一步调整和规划学校未来的智能教育发展方案。立足新时代教育评价理念，本研究面向中小学智能教育发展，通过科学规范的“设计—修订—赋权—验证”过程，构建了中小学智能教育发展水平评估指标体系并将其应用于实际。总体而言，该评估指标体系能够较为系统全面地评估中小学在智能教育发展中各个方面的表现，丰富了我国在智能教育发展水平评估工具方面的研究。在评估指标体系应用方面，教育行政部门及区域管理者可依此制定区域智能教育发展纲要和评价标准，总体指引中小学智能教育发展方向；学校管理者可以据此开展智能教育自检评估，客观了解本校智能教育发展现状，寻找不足并制定针对性的改进策略；师生可以对标自身智能教学应用与学习应用能力，获取自我提升建议。本研究回答了“用什么评估”和“如何去评估”的问题，未来还可以在评估实践上探索伴随式采集和智能化分析等新方向。参考文献：
[1][美]T. L. 萨蒂(1988).层次分析法在资源分配、管理和冲突分析中的应用[M].许树柏.北京:煤炭工业出版社:61.
[2]陈磊,刘夏,高雪春(2020).人工智能视域下教育治理的现实挑战与路径选择[J].中国教育科学(中英文),3(6):24-30.
[3]黄艳,周洪宇,郝晓雯等(2021).教育强国视角下智慧校园建设评价指标体系研究[J].现代教育管理,(4):75-82.
[4]李璐,王运武(2020).高校智慧校园评价指标体系研究[J].现代教育技术,30(5):87-93.
[5]刘斌(2020).人工智能时代教师的智能教育素养探究[J].现代教育技术,30(11):12-18.
[6]刘晓琳(2018).基础教育学校信息化教学创新评价指标体系研制——面向2.0时代[J].中国电化教育,(12):11-17.
[7]刘学,沈芸,王珠珠(2018).教育云区域发展评价指标体系研究[J].中国电化教育,(3):47-52.
[8]孙聘,王萍(2020).学生智慧学习能力内涵及评价研究[J].现代教育技术,30(4):118-121.
[9]王珠珠,刘雍潜,黄荣怀等(2005).《中小学教育信息化建设与应用状况的调查研究》报告(上)[J].中国电化教育,(10):25-32.
[10]尹合栋,于泽元,易全勇(2020).智慧教室评价指标体系的构建[J].现代教育技术,30(3):80-87.
[11]余亮,魏华燕,弓潇然(2020).论人工智能时代学习方式及其学习资源特征[J].电化教育研究,41(4):28-34.
[12]余胜泉(2018).人工智能教师的未来角色[J].开放教育研究,24(1):16-28.
[13]中国教育在线(2020).目前,全国中小学互联网接入率达到98.7%[EB/OL].[2021-05-08].https://baijiahao.baidu.com/s?id=1686297906021809616&wfr=spider&for=pc.
[14]中华人民共和国国务院(2017).国务院关于印发新一代人工智能发展规划的通知[EB/OL].[2021-05-08].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[15]中华人民共和国国务院(2020).中共中央 国务院印发《深化新时代教育评价改革总体方案》[EB/OL].[2021-04-28].http://www.gov.cn/zhengce/2020-10/13/content_5551032.htm.
[16]中华人民共和国教育部(2018). 教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].[2021-05-08].http://www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.
[17]中华人民共和国教育部(2019). 2019年教育信息化和网络安全工作要点[EB/OL].[2021-05-08].http://www.moe.edu.cn/srcsite/a16/s3342/201903/t20190312373147.html.
[18]钟祖荣,高山艳,邸磊(2020).人工智能进校园仍需多方努力——基于对部分校长的“人工智能教育”和“智能教育应用”认知的调研[J].中小学管理,(6):44-47.
[19]Eurydice (2000). Basic Indicators on the Incorporation of ICT into European Education Systems: Facts and Figures[EB/OL]. [2021-04-27]. http://www.indire.it/lucabas/lkmw_file/eurydice///Basic_indicators_ICT_european_systems_2001_EN.pdf.
[20]The Education Technology Association (2014). The NaaceSelf-Review Framework[EB/OL]. [2021-04-28]. https://d2uy60z0ioijc3.cloudfront.net/wp-content/uploads/2016/01/19162006/Self-review-Framework-v1.67.pdf.
[21]UNESCO Institute for Statistics (2009). Guide to Measuring Information and Communication Technologies(ICT) in Education[EB/OL]. [2021-04-28]. https://www.itu.int/ITU-D/ict/partnership/material/ICT_Guide_EN.pdf.
[22]Zhang, K., & Aslan, A. B. (2021). AI Technologies for Education: Recent Research & Future Directions[J]. Computers and Education: Artificial Intelligence, 2:100025.
收稿日期 2021-12-12 责任编辑 李鑫 谭明杰
欢迎转载，开白请联系18980806833（微信号）