王小根 呂佳琳

（江南大學(xué) 江蘇“互聯(lián)網(wǎng)+教育”研究基地，江蘇無錫 214122）

一、引言

《教育信息化十年發(fā)展規(guī)劃（2011-2020年）》在指導(dǎo)思想和工作方針中指出，要努力為每一名學(xué)生和學(xué)習(xí)者提供個性化學(xué)習(xí)、終身學(xué)習(xí)的信息化環(huán)境和服務(wù)。個性化學(xué)習(xí)服務(wù)旨在滿足學(xué)習(xí)者個性化、精準化與智能化的學(xué)習(xí)需求[1]，能夠促使學(xué)習(xí)者的能力與個性在學(xué)習(xí)活動過程中得到充分、自由、和諧的發(fā)展[2]。學(xué)習(xí)者模型是對學(xué)習(xí)者特征的抽象表示與描述，是個性化學(xué)習(xí)的核心與關(guān)鍵[3]。學(xué)習(xí)者建模則關(guān)注學(xué)習(xí)者個性化信息的有效組織，進而提升教學(xué)設(shè)計水平和學(xué)習(xí)服務(wù)效果[4]。通過對信息場域中學(xué)習(xí)者多方面的特征進行全面描述和精準刻畫，可實現(xiàn)全方位、多層次的建模分析，能更好地服務(wù)于個性化學(xué)習(xí)研究的實際需求。

當(dāng)前，學(xué)習(xí)者模型的研究方向主要是學(xué)習(xí)者模型規(guī)范的制定、學(xué)習(xí)者建模方法的探索和學(xué)習(xí)者建模的實際應(yīng)用，學(xué)習(xí)者特征的選取和表示仍是相關(guān)研究開展的重點[5]。隨著大數(shù)據(jù)和人工智能技術(shù)在學(xué)習(xí)者建模中的關(guān)鍵作用日益凸顯，學(xué)習(xí)者建模正朝著構(gòu)建方式智能化、應(yīng)用場景多樣化、學(xué)習(xí)者與學(xué)習(xí)者孿生體共成長的方向演進[6]。數(shù)字孿生作為信息化高度發(fā)展的產(chǎn)物，具有實時同步、忠實映射、高度保真等特性[7]，正在助推教育生態(tài)、教育環(huán)境的重構(gòu)[8]。在數(shù)字孿生等智能技術(shù)的驅(qū)動下，學(xué)習(xí)者建模朝著“學(xué)習(xí)者—學(xué)習(xí)者孿生體” 共同體模型的趨勢演進，這將在很大程度上促進學(xué)習(xí)者建模的研究進程[9]。

二、學(xué)習(xí)者模型與學(xué)習(xí)者建模

與學(xué)習(xí)者模型相近或相關(guān)的概念有用戶模型、學(xué)生模型、用戶畫像和學(xué)習(xí)者畫像等。用戶模型是指智能系統(tǒng)中某個用戶或用戶群的表示法，應(yīng)用系統(tǒng)用戶模型中包含的知識可以用來剪裁系統(tǒng)的界面以適應(yīng)特定用戶或用戶群的需求[10]。超媒體和Web 應(yīng)用領(lǐng)域的教學(xué)研究人員，較常使用“用戶模型”這一術(shù)語[11]。學(xué)生模型是用戶模型的一種特例，其描述對象為特定的學(xué)生[12]。它是反映學(xué)習(xí)者在學(xué)習(xí)過程中的思維活動、學(xué)習(xí)方法、對新知識的響應(yīng)和應(yīng)用等方面的情況而建立的數(shù)學(xué)模型[13]。國際知名教育人工智能專家朱迪·凱（Judy Kay）教授認為，學(xué)生模型和學(xué)習(xí)者模型本質(zhì)上是相同的，只是學(xué)生模型在早期文獻中使用較多，而學(xué)習(xí)者模型這種說法目前更為主流，二者相比僅是提法不同，本質(zhì)上沒有區(qū)別[14]。

用戶畫像則是一種將消費者的數(shù)據(jù)全方位、立體性地記錄下來的工具[15]，廣泛應(yīng)用在商業(yè)領(lǐng)域。學(xué)習(xí)者畫像是用戶畫像在教育領(lǐng)域的應(yīng)用[16]。關(guān)于學(xué)習(xí)者畫像和學(xué)習(xí)者模型的關(guān)系，目前學(xué)界看法不同，可以從構(gòu)建過程、數(shù)據(jù)處理和呈現(xiàn)方式三個方面進行比較。從構(gòu)建過程看，學(xué)習(xí)者畫像是對學(xué)習(xí)者學(xué)習(xí)過程和學(xué)習(xí)結(jié)果的大數(shù)據(jù)進行數(shù)據(jù)挖掘和有效分析，并通過可視化的方式形成的[17]；而學(xué)習(xí)者模型是依據(jù)學(xué)習(xí)者特征而構(gòu)建數(shù)字模型[18]。從數(shù)據(jù)處理的角度看，學(xué)習(xí)者畫像是對原始數(shù)據(jù)進行數(shù)據(jù)挖掘后進行標(biāo)簽化的過程[19]；而學(xué)習(xí)者模型側(cè)重于對學(xué)習(xí)者的屬性特征進行描述、分析和建模。從呈現(xiàn)方式看，學(xué)習(xí)者畫像側(cè)重于識別不同屬性特征的學(xué)習(xí)群體并以標(biāo)簽化的形式呈現(xiàn)[20]；學(xué)習(xí)者模型則更多向?qū)W習(xí)者提供個性化的學(xué)習(xí)路徑和方法。

從上述分析我們可以看出：學(xué)習(xí)者模型依據(jù)學(xué)習(xí)者知識技能、認知行為、情感體驗等學(xué)習(xí)者特征進行描述、分析和構(gòu)建數(shù)字模型，學(xué)習(xí)者模型維度與物理學(xué)習(xí)者維度相對應(yīng)，以此向?qū)W習(xí)者提供個性化的學(xué)習(xí)路徑與方法；而學(xué)習(xí)者建模則是收集上述信息，以建立和更新學(xué)習(xí)者模型的過程。

關(guān)于學(xué)習(xí)者建模，黃濤等從學(xué)習(xí)理論、建模技術(shù)和建模分析方法三個方面，對智能場域中的學(xué)習(xí)者建模研究趨向進行了系統(tǒng)闡述[21]；顧小清等認為，在學(xué)習(xí)者建模過程中，需要考慮學(xué)習(xí)者特征的豐富性、模型構(gòu)建時的全面性和建模技術(shù)給予的支持性[22]；傅鋼善等在學(xué)習(xí)者模型構(gòu)建的過程中考慮了學(xué)習(xí)者的三類特征維度，并采用數(shù)據(jù)挖掘技術(shù)對學(xué)習(xí)者的學(xué)習(xí)行為與成績進行了預(yù)測[23]；解月光等認為，學(xué)習(xí)者模型應(yīng)從智化設(shè)計、建模和實現(xiàn)三個方面來考慮，其中，智化設(shè)計即對學(xué)習(xí)者心理特征變化和相互關(guān)系的探索，建模即建模理論，實現(xiàn)即采用什么技術(shù)開發(fā)[24]。

本研究基于對現(xiàn)有成果的現(xiàn)狀分析，并借鑒沈霞娟[25]、周進[26]等的研究成果，從研究對象、研究目的和技術(shù)方法三個維度對文獻進行編碼，以作為后續(xù)綜述的基礎(chǔ)。分別為：（1）研究對象，即建模對象，主要根據(jù)學(xué)習(xí)者特征的維度進行分析；（2） 研究目的，即學(xué)習(xí)者建模解決的現(xiàn)實問題，主要關(guān)注模型構(gòu)建的側(cè)重點；（3）技術(shù)方法，即構(gòu)建學(xué)習(xí)者模型使用的技術(shù)和方法，主要關(guān)注在建模不同階段使用的方法。我們以上述三個維度作為一級編碼，并通過細化二級編碼及其具體的編碼項目，形成了學(xué)習(xí)者建模研究編碼表，如表1所示。

三、學(xué)習(xí)者建模最新研究進展及現(xiàn)狀分析

（一）研究文獻獲取與編碼

本研究主要以中國知網(wǎng)數(shù)據(jù)庫 （China National Knowledge Infrastructure，簡稱CNKI）、Web of Science-SSCI 引文索引數(shù)據(jù)庫、Elsevier ScienceDirect 電子期刊數(shù)據(jù)庫、SpringerLink 全文期刊和圖書數(shù)據(jù)庫近五年文獻為檢索對象。在中文數(shù)據(jù)庫中，以關(guān)鍵詞“學(xué)習(xí)者模型”或“學(xué)習(xí)者建?！边M行檢索，共獲取文獻99篇；在外文數(shù)據(jù)庫中，以“l(fā)earner model”或“student model”為主題詞進行檢索，共獲取文獻176篇。

在初次檢索后，按照以下標(biāo)準進行文獻篩選：（1）中文數(shù)據(jù)庫的文獻必須來源于碩博論文或教育技術(shù)學(xué)8種核心期刊（《遠程教育雜志》《中國電化教育》《電化教育研究》《現(xiàn)代教育技術(shù)》《開放教育研究》《中國遠程教育》《現(xiàn)代遠程教育研究》《現(xiàn)代遠距離教育》）；（2）研究主題必須與學(xué)習(xí)者模型相關(guān)，且與教育領(lǐng)域緊密聯(lián)系；（3）研究內(nèi)容必須關(guān)于學(xué)習(xí)者模型的構(gòu)建或?qū)ζ湎嚓P(guān)研究進行綜述。經(jīng)過篩選后的文獻，剔除重復(fù)文獻后，最終得到文獻153篇。

表1 學(xué)習(xí)者建模研究編碼表

（二）研究進展及現(xiàn)狀分析

1.基于學(xué)習(xí)者特征的維度

學(xué)習(xí)者模型是指用來表示學(xué)習(xí)者特征的數(shù)學(xué)模型，是實現(xiàn)個性化學(xué)習(xí)的關(guān)鍵[27]。近年來，國內(nèi)外從基于學(xué)習(xí)者特征的維度進行學(xué)習(xí)者建模的研究，正逐漸豐富。在早期傳統(tǒng)智能教學(xué)系統(tǒng)中，教學(xué)被視作是修改學(xué)習(xí)者知識庫的過程[28]，智能教學(xué)系統(tǒng)通過一系列程序?qū)栴}表示出來，并記錄學(xué)習(xí)者的正誤答次數(shù)，系統(tǒng)以此作為學(xué)習(xí)者特征，從學(xué)習(xí)者知識的維度來構(gòu)建學(xué)習(xí)者模型[29]。

利茲大學(xué)計算機研究中心塞勒夫（Self J.A.）認為，學(xué)習(xí)者模型是由一組用來表示學(xué)習(xí)者認知狀態(tài)的程序組成的模型，并提出如果采用一套更高級的語言程序從多個維度來構(gòu)建模型，學(xué)習(xí)者模型將會更具洞察力，并能帶來更好的教學(xué)效果[30]。

隨著技術(shù)的不斷發(fā)展進步和各種新研究理論的引入，全方面、高層次、多角度地對學(xué)習(xí)者進行建模，可以實現(xiàn)對學(xué)習(xí)者學(xué)習(xí)動態(tài)的全域追蹤、精準預(yù)測和有效干預(yù)。研究者們不再局限于從學(xué)習(xí)者的正誤答次數(shù)這一單一維度構(gòu)建學(xué)習(xí)者模型，學(xué)習(xí)者特征逐漸走向了多維化或多模態(tài)化。

例如，王改花為了充分挖掘?qū)W習(xí)者的關(guān)鍵行為特征，選取了學(xué)習(xí)者基本特征、行為特征和學(xué)習(xí)效果特征三類特征[31]；王鈺在常規(guī)的靜態(tài)模型和動態(tài)模型基礎(chǔ)上，依據(jù)認知、能力和體驗三個要素進行建模，從廣度和深度兩個層面增強學(xué)習(xí)者模型的精準程度[32]；為了有效提高自適應(yīng)學(xué)習(xí)系統(tǒng)（Adaptive Learning System，簡稱ALS）的推薦質(zhì)量與效率，趙學(xué)孔從基本特征、學(xué)習(xí)風(fēng)格和認知水平三個維度構(gòu)建學(xué)習(xí)者模型，實現(xiàn)了基于B/S 模式的個性化主動推薦機制[33]。

進一步地，郭朝暉從靜態(tài)、動態(tài)和連通三個描述性維度，對學(xué)習(xí)者模型進行分析[34]。靜態(tài)維度用來收集注冊時學(xué)習(xí)者的姓名、學(xué)號等基本信息；動態(tài)維度記錄學(xué)習(xí)過程中學(xué)習(xí)者動態(tài)建立起來的信息，往往是交互信息；連通維度則是用來記錄學(xué)習(xí)者在不同科目中的學(xué)習(xí)數(shù)據(jù)，以制定合適的跨學(xué)科學(xué)習(xí)路徑和方法。該學(xué)習(xí)者模型不僅可以通過學(xué)習(xí)者的初始數(shù)據(jù)來評估其能力水平，還可以實時跟蹤學(xué)習(xí)者在不同學(xué)科的現(xiàn)有知識基礎(chǔ)，并據(jù)此提供更好的學(xué)習(xí)策略和方法。

為了更好地滿足遠程學(xué)習(xí)行為的大數(shù)據(jù)分析及個性化教學(xué)需要，岳俊芳構(gòu)建了基于個人信息、學(xué)習(xí)風(fēng)格、學(xué)習(xí)興趣和知識模型的四維遠程學(xué)習(xí)者模型，實現(xiàn)了更精準的個性化資源、學(xué)習(xí)路徑的推送[35]；張濤融合學(xué)習(xí)活動流作用機制，除了關(guān)注學(xué)習(xí)者的外在行為表現(xiàn)，還將情感納入學(xué)習(xí)者模型的構(gòu)建維度中，并提出了一種集本體、知識、認知、行為和情感等五維的學(xué)習(xí)者模型設(shè)計通用框架[36]，如圖1所示。

顧小清等發(fā)現(xiàn)，AI 教育領(lǐng)域的專家認為學(xué)習(xí)者模型應(yīng)納入情感狀態(tài)、認知風(fēng)格等多個維度，多模態(tài)數(shù)據(jù)的融合，將成為教育對技術(shù)的新需求[37]。武法提將場景特性融合到學(xué)習(xí)者建模的設(shè)計中，通過深入分析學(xué)習(xí)者特征維度，提出了由基本信息、認知水平、社會網(wǎng)絡(luò)、興趣偏好、情感狀態(tài)和學(xué)習(xí)風(fēng)格構(gòu)成的六維學(xué)習(xí)者特征分析模型；該模型不僅較為全面地描述了學(xué)習(xí)者在學(xué)習(xí)過程中的個體特征信息，還體現(xiàn)了個性化差異[38]。在對個性化ALS 進行研究時，馬相春也從基本信息、學(xué)習(xí)偏好、知識結(jié)構(gòu)、認知能力水平、情感狀態(tài)和學(xué)習(xí)歷史六個維度，構(gòu)建了學(xué)習(xí)者模型[39]，進一步證明全域、多維地構(gòu)建學(xué)習(xí)者模型，有助于體現(xiàn)學(xué)習(xí)者個性化差異，以更好地為個性化學(xué)習(xí)服務(wù)提供支撐。

近年來，在學(xué)習(xí)者的特征維度下，學(xué)習(xí)者建模正朝著兩個趨向演進：

其一，學(xué)習(xí)者特征的構(gòu)建維度從單一化轉(zhuǎn)向多維化。通過文獻梳理我們可以發(fā)現(xiàn)，學(xué)習(xí)者特征的維度從僅記錄學(xué)習(xí)者正誤答次數(shù)的知識維度，發(fā)展到記錄學(xué)習(xí)者認知、行為、情感等多個維度。在多維化基礎(chǔ)上，多個維度相互獨立又相互作用，具有一定的整合性。通過對不同層級下數(shù)據(jù)的收集、整理和分析，一方面豐富了學(xué)習(xí)者特征體系，另一方面又避免了層級之間無關(guān)聯(lián)性、數(shù)據(jù)雜亂和重復(fù)的問題。因此，學(xué)習(xí)者特征維度構(gòu)建的多維化，可以彌補學(xué)習(xí)者模型的不足之處，從而為學(xué)習(xí)者提供更具個性化、精準化、智能化的支持服務(wù)。

其二，學(xué)習(xí)者特征的數(shù)據(jù)收集從離散化轉(zhuǎn)向聚集化。學(xué)習(xí)者特征數(shù)據(jù)的收集，從單獨、不連續(xù)地記錄不同學(xué)科之間的數(shù)據(jù)，轉(zhuǎn)變?yōu)閷崟r、同步且不斷更新地記錄各學(xué)科數(shù)據(jù)，數(shù)據(jù)收集展現(xiàn)出從離散化向聚集化演變的趨勢?，F(xiàn)有的學(xué)習(xí)者模型，不再單獨地記錄某一節(jié)課或某一門學(xué)科中學(xué)習(xí)者在學(xué)習(xí)過程中的數(shù)據(jù)，而更加注重連通性和聚合性。研究者們往往通過學(xué)習(xí)者在其他學(xué)科中的行為表現(xiàn)、情感體驗等，來幫助分析學(xué)習(xí)者的特征，通過特征制定個性化的學(xué)習(xí)路徑和方法并反饋給學(xué)習(xí)者。

2.基于模型構(gòu)建的維度

基于對文獻的進一步梳理發(fā)現(xiàn)，在不同階段，對學(xué)習(xí)者模型構(gòu)建的側(cè)重點不同。在早期研究中，塞勒夫認為，學(xué)習(xí)者模型是用來表示學(xué)習(xí)者認知狀態(tài)的模型[40]。溫格也將學(xué)習(xí)者模型定義為所有與學(xué)習(xí)者相關(guān)的行為和知識[41]。但這一說法受到了阿姆斯特丹大學(xué)桑德伯格（Sanberg）的質(zhì)疑，他在對1987年“人工智能與教育大會”的回顧和總結(jié)中提到，就提高教學(xué)效率而言，構(gòu)建太過全面而復(fù)雜的學(xué)習(xí)者模型將花費較高成本，而這是否值得仍有待討論[42]。

隨著認知學(xué)習(xí)理論的發(fā)展，智能教學(xué)系統(tǒng)中的學(xué)習(xí)者模型，從僅記錄學(xué)習(xí)者原有知識水平的“知識型”逐漸轉(zhuǎn)向“認知型”，即側(cè)重記錄學(xué)習(xí)者關(guān)于當(dāng)前所學(xué)概念的認知結(jié)構(gòu)與認知能力特點[43]。學(xué)習(xí)者建模的關(guān)鍵點也相應(yīng)地從用一套程序表述所學(xué)知識，轉(zhuǎn)變?yōu)榻鉀Q認知結(jié)構(gòu)的形式化表示，即認知能力的表征與定量測量。認知型學(xué)習(xí)者模型，主要利用數(shù)據(jù)庫和人工智能技術(shù)，解決上述關(guān)鍵問題。

由于智能教學(xué)系統(tǒng)設(shè)計在理念上過于強調(diào)理想化的“教”，并較為重視專家?guī)旌椭R庫的構(gòu)建，導(dǎo)致系統(tǒng)實現(xiàn)難度大且適應(yīng)性較低。學(xué)習(xí)者模型的構(gòu)建，也在這種情況下逐漸偏離最初“以學(xué)習(xí)者為中心”的思想。隨著教育科學(xué)、計算機科學(xué)和認知科學(xué)的發(fā)展，以及建構(gòu)主義學(xué)習(xí)理論和智能代理技術(shù)的出現(xiàn)，使得智能教學(xué)系統(tǒng)向支持學(xué)習(xí)者自主探索學(xué)習(xí)的個性化方向或支持學(xué)習(xí)者協(xié)作交流的社會化方向發(fā)展，學(xué)習(xí)者模型逐步從“認知型”轉(zhuǎn)向“自適應(yīng)型”。

此處的適應(yīng)性，是指利用先前學(xué)習(xí)過程中學(xué)習(xí)者特征的測量數(shù)據(jù)，來構(gòu)建最初的靜態(tài)模型。自適應(yīng)性學(xué)習(xí)者模型旨在適應(yīng)不同學(xué)習(xí)者的狀態(tài)[44]，自適應(yīng)學(xué)習(xí)診斷模塊是其中最為重要的環(huán)節(jié)之一[45]。這一階段的學(xué)習(xí)者模型，被認為是真實世界中的學(xué)習(xí)者映射到計算機系統(tǒng)里的邏輯實體，是真實學(xué)習(xí)者個體特征在計算機系統(tǒng)中的抽象表示[46]。

盡管適應(yīng)性學(xué)習(xí)支持系統(tǒng)中的學(xué)習(xí)者模型，為制定適應(yīng)學(xué)習(xí)者個體特征的教學(xué)策略提供了重要依據(jù)。但由于學(xué)習(xí)者模型仍是封閉式的，學(xué)習(xí)者無法直觀地看到學(xué)習(xí)者模型的內(nèi)容。因此，很難對學(xué)習(xí)過程中的學(xué)習(xí)內(nèi)容、學(xué)習(xí)困難等，進行有意識的反思。建構(gòu)主義學(xué)習(xí)理論認為，學(xué)習(xí)者看到系統(tǒng)對自己的評估可以增加其反思和自評的機會[47]，學(xué)習(xí)者模型進而從“自適應(yīng)型”轉(zhuǎn)向“開放型”。比如，塞勒夫提出要將學(xué)習(xí)者模型向?qū)W習(xí)者開放，依據(jù)其建議，布爾（Ball S.）開發(fā)了開放式學(xué)習(xí)模型[48]。開放學(xué)習(xí)者模型以不同方式代表了學(xué)習(xí)者的知識或技能水平，使學(xué)習(xí)者能看到模型中的信息[49]，以便其對自身學(xué)習(xí)過程進行自我監(jiān)控、自我反思和自我評估[50]。

隨著新技術(shù)快速發(fā)展，網(wǎng)絡(luò)教育的變革和深度學(xué)習(xí)等人工智能技術(shù)的進步，正給學(xué)習(xí)者模型的研究應(yīng)用帶來了新的機遇和挑戰(zhàn)。徐鵬飛等人認為，基于各種學(xué)習(xí)者數(shù)據(jù)對學(xué)習(xí)者進行全面的綜合性建模是大勢所趨[51]。我們發(fā)現(xiàn)，從模型構(gòu)建的維度看，學(xué)習(xí)者模型正朝著兩個方向發(fā)展：

其一，模型構(gòu)建從僅記錄學(xué)習(xí)者知識狀態(tài)的“知識型”，向著全方位對學(xué)習(xí)者進行建模的“全面型”的趨勢發(fā)展。如前所述，學(xué)習(xí)者模型從早期僅記錄學(xué)習(xí)者知識狀態(tài)的“知識型”，轉(zhuǎn)向記錄所學(xué)概念認知結(jié)構(gòu)與認知能力的“認知型”[52]；之后，在建構(gòu)主義學(xué)習(xí)理論和自適應(yīng)學(xué)習(xí)理論等的影響下，從“認知型”轉(zhuǎn)向需要適應(yīng)不同學(xué)習(xí)者狀態(tài)的“自適應(yīng)型”[53]；伴隨著建構(gòu)主義的不斷深入，進一步轉(zhuǎn)向了促進學(xué)習(xí)者自我監(jiān)控、反思和評估的“開放型”[54]。近年來，在人工智能等技術(shù)應(yīng)用助推下，對學(xué)習(xí)者進行全面而綜合性的建模是大勢所趨[55]。學(xué)習(xí)者模型構(gòu)建的類型及其側(cè)重點，如表2所示。

表2 學(xué)習(xí)者建模發(fā)展趨勢

其二，學(xué)習(xí)者從“不直接參與”模型構(gòu)建，向“能直觀地看到并參與”學(xué)習(xí)者模型構(gòu)建的趨勢發(fā)展。通過對學(xué)習(xí)者和模型構(gòu)建的整體回顧，我們可以發(fā)現(xiàn)，當(dāng)前學(xué)習(xí)者模型不僅注重學(xué)科之間的連通性，而且更加體現(xiàn)了“以學(xué)習(xí)者為主”。這能夠使學(xué)習(xí)者直觀地看到學(xué)習(xí)者模型中的內(nèi)容，以提升自我反思意識。在這一趨勢下，未來的學(xué)習(xí)者建模，將會繼續(xù)朝著開放性、綜合性和全面性方向發(fā)展。

3.基于建模技術(shù)的維度

從基于建模技術(shù)的維度審視，學(xué)習(xí)者模型正朝著以下兩個方向轉(zhuǎn)變：

其一，技術(shù)自身的發(fā)展，提升了學(xué)習(xí)者建模的有效性和準確性。機器學(xué)習(xí)作為人工智能領(lǐng)域進展最快的技術(shù)之一，常用來優(yōu)化計算機程序的性能。余勝泉等人在利用知識圖譜技術(shù)構(gòu)建教育認知地圖的基礎(chǔ)上，基于機器學(xué)習(xí)技術(shù)構(gòu)建了學(xué)習(xí)者模型，以更好地追蹤學(xué)習(xí)者數(shù)據(jù)[56]?？▋?nèi)基·梅隆大學(xué)研究者采用機器學(xué)習(xí)技術(shù)對學(xué)習(xí)者模型進行改善，提升了學(xué)習(xí)者模型自動更新數(shù)據(jù)的能力[57]。張濤結(jié)合教育大數(shù)據(jù)挖掘技術(shù)提出了一種學(xué)習(xí)者模型設(shè)計通用框架，采用粒計算和數(shù)據(jù)分析方法，分別對框架中的本體、知識、認知、行為和情感模型進行設(shè)計與計算分析，最后，基于有序偶表達形式構(gòu)造元組間有序遞歸的完整學(xué)習(xí)者模型結(jié)構(gòu)列表，實現(xiàn)了可共享、重組的學(xué)習(xí)者數(shù)據(jù)模型[58]。岳俊芳等人利用大數(shù)據(jù)分析技術(shù)構(gòu)建遠程學(xué)習(xí)者模型，實現(xiàn)了個性化資源推薦與推送、學(xué)習(xí)伙伴推薦、個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)和網(wǎng)絡(luò)學(xué)習(xí)行為預(yù)警與督促[59]。陳鑫宇等人基于學(xué)習(xí)者模型更好地實現(xiàn)了中文文本學(xué)習(xí)資源的推薦[60]。赫少華也基于學(xué)習(xí)者模型提出了一種可提升計算效率和推薦結(jié)果準確率的教育資源推薦技術(shù)[61]。菅保霞在對ALS 研究時發(fā)現(xiàn)，ALS 部分系統(tǒng)應(yīng)用本體技術(shù)構(gòu)建學(xué)習(xí)者模型，可以更精準地測定學(xué)習(xí)者知識水平[62]。

其二，技術(shù)的綜合運用已滲入到學(xué)習(xí)者建模的各個階段。楊淼在學(xué)習(xí)者建模前期的數(shù)據(jù)收集階段，采用了數(shù)據(jù)挖掘技術(shù)進一步獲取學(xué)習(xí)者的個人學(xué)習(xí)特征，并據(jù)此在學(xué)員庫中找出具有相似學(xué)習(xí)行為的學(xué)習(xí)者群體，學(xué)習(xí)者的數(shù)據(jù)會隨著行為日志信息的變化不斷更新和補充，為后期的個性化路徑推薦提供數(shù)據(jù)支持[63]。劉忠寶等人在深入分析學(xué)習(xí)者行為數(shù)據(jù)的基礎(chǔ)上，綜合利用興趣圖譜、本體理論、云計算和信息推薦等技術(shù)，對學(xué)習(xí)者建模與個性化推薦方法展開研究，構(gòu)建了云環(huán)境下對學(xué)習(xí)者興趣進行精準刻畫及高效、精準的學(xué)習(xí)資源推薦的個性化推薦系統(tǒng)[64]。薩梅（Ghallabi Sameh）等人提出了一種在云環(huán)境下建模的方法，該方法基于支持向量機算法，通過對學(xué)習(xí)者學(xué)習(xí)軌跡進行分析找到最佳的學(xué)習(xí)者分類方法，確保了分類的有效性和高效率[65]。陳曉稀等人對數(shù)據(jù)挖掘領(lǐng)域下的學(xué)習(xí)者建模進行了補充，提出學(xué)習(xí)者模型需從知識水平、學(xué)習(xí)情緒和學(xué)習(xí)行為特征三方面進行完善，并對學(xué)習(xí)者建模的后續(xù)發(fā)展進行了思考，認為需要樹立對學(xué)習(xí)者長期建模的思想[66]。

綜合上述已有研究，我們對機器學(xué)習(xí)、數(shù)據(jù)挖掘等不同建模技術(shù)的應(yīng)用情境，進行歸納總結(jié)，結(jié)果如表3所示，可以發(fā)現(xiàn)主要有以下三種具體的應(yīng)用情境：（1）更好地監(jiān)督學(xué)習(xí)者學(xué)情和狀態(tài)。通過在學(xué)習(xí)者學(xué)習(xí)過程中更好地追蹤學(xué)習(xí)數(shù)據(jù)，提升了學(xué)習(xí)者模型自動更新數(shù)據(jù)的能力[67]，進而發(fā)現(xiàn)更多的學(xué)習(xí)者特征并捕捉其更深層次的行為表現(xiàn)。（2）更準確地對學(xué)習(xí)者的知識水平、行為表現(xiàn)等進行預(yù)測。在應(yīng)用情境（1）的基礎(chǔ)上，通過機器學(xué)習(xí)、興趣圖譜等技術(shù)的綜合運用，實現(xiàn)更精準的刻畫學(xué)習(xí)者，并通過已有數(shù)據(jù)對其知識水平、學(xué)習(xí)行為等進行預(yù)測，以提供預(yù)警服務(wù)。（3）更精準地實現(xiàn)個性化推薦。在對學(xué)習(xí)者精準刻畫和計算效率高效提升的基礎(chǔ)上，實現(xiàn)更為精準的個性化資源推薦，從而向?qū)W習(xí)者提供個性化學(xué)習(xí)路徑。

表3 不同建模技術(shù)的應(yīng)用情境

四、從學(xué)習(xí)者模型走向?qū)W習(xí)者孿生體

（一）教育領(lǐng)域數(shù)字孿生的三個轉(zhuǎn)變

通常認為，數(shù)字孿生最早起源于1969年美國NASA （National Aeronautics and Space Administration，簡稱NASA）“阿波羅計劃”所提到的空間飛行器孿生體，該計劃通過構(gòu)造兩個完全一致的空間飛行器而實現(xiàn)[68]。數(shù)字孿生的概念則最早可以追溯到2003年，美國密歇根大學(xué)格里夫斯（Grieves M.）教授在其“產(chǎn)品全生命周期管理”課程上提出了“鏡像空間模型”，盡管這一概念在當(dāng)時并沒有被稱為數(shù)字孿生，但已經(jīng)具備了數(shù)字孿生的所有組成要素，包括真實空間、虛擬空間和連接兩者的數(shù)據(jù)[69]。由于當(dāng)時技術(shù)成熟度有限，數(shù)字孿生僅僅在理念上被學(xué)術(shù)界所了解。直到2012年，NASA 發(fā)布技術(shù)路線圖，進而正式提出了“數(shù)字孿生”這一概念，并將其定義為一種綜合多物理、多尺度和概率仿真的載體或系統(tǒng)，可以通過逼真物理模型、實時傳感器和服役歷史，來反映真實飛行器的實際狀況[70]。德國西門子、美國通用電氣、法國達索公司等很快接受并推廣了這一概念，近幾年，國內(nèi)阿里巴巴等企業(yè)及一些研究報告也先后提出了“數(shù)字孿生交通”“數(shù)字孿生城市”和“數(shù)字孿生生態(tài)”等三個階段數(shù)字孿生藍圖。

基于對數(shù)字孿生相關(guān)文獻的梳理發(fā)現(xiàn)，數(shù)字孿生的相關(guān)理念和應(yīng)用研究，已經(jīng)不再聚焦于工業(yè)領(lǐng)域，正逐漸向教育領(lǐng)域擴散。印度國家科學(xué)院信息中心主任烏莎（Mujoo-Munshi U.）在2003年就曾提出，要尋找一種與實體圖書館實時同步更新的數(shù)字圖書館[71]。隨著數(shù)字孿生概念的提出與推廣，其理論與技術(shù)都被認為在數(shù)字人文、文化遺產(chǎn)與數(shù)字化、虛擬圖書館、虛擬博物館與三維數(shù)字化模型等領(lǐng)域，具有巨大的應(yīng)用價值與實踐意義[72]。

除了圖書情報與人文領(lǐng)域，數(shù)字孿生也被認為是實現(xiàn)“智能+”校園的生態(tài)系統(tǒng)中真正意義上Daas（Data as a Service，數(shù)據(jù)即服務(wù)）的重要途徑[73]。比如，芬蘭坦佩雷理工大學(xué)的柔性制造系統(tǒng)培訓(xùn)中心將數(shù)字孿生應(yīng)用到培訓(xùn)之中，通過線上操作與實體模型實時聯(lián)動的數(shù)字孿生模型、線下使用不與真實系統(tǒng)發(fā)生關(guān)聯(lián)的模型兩種方式進行培訓(xùn)，以提高學(xué)習(xí)者的動手操作能力[74]。澳大利亞悉尼新南威爾士大學(xué)建筑環(huán)境學(xué)院在建筑課程中，使用數(shù)字孿生等技術(shù)，在虛擬空間中構(gòu)建了與實體挖掘機相對應(yīng)的孿生挖掘機，使得每位學(xué)習(xí)者可以在任何空間熟練掌握挖掘機的操作，而不受時間和空間的限制[75]。陳秀寓對基于數(shù)字孿生的混合教學(xué)模式改革進行了研究，并提到基于學(xué)習(xí)者實時數(shù)據(jù)的學(xué)習(xí)者孿生體，可以在數(shù)字世界中盡可能模仿學(xué)習(xí)者的學(xué)習(xí)過程，預(yù)測學(xué)習(xí)者的狀態(tài)行為，提高學(xué)習(xí)任務(wù)成功的概率[76]。

由此可見，數(shù)字孿生的相關(guān)理念和應(yīng)用研究，正趨向如下三個轉(zhuǎn)變：（1）研究內(nèi)容不再局限于理念。在知識服務(wù)方面，從起初構(gòu)想與實體圖書館實時映射的數(shù)字圖書館，演進為對數(shù)字孿生與物質(zhì)文化遺產(chǎn)數(shù)字化的共性理論體系與特征進行分析[77]，構(gòu)建相應(yīng)技術(shù)框架、運行機理和提出對策建議[78]。在人文教育方面，從提出利用數(shù)字孿生技術(shù)會成為圖書館等場館的主要發(fā)展方向之一[79]，演進為通過對數(shù)字孿生特性分析來尋求一種讓文化遺產(chǎn)中材料、尺寸、工藝、造型等屬性更優(yōu)還原的方式，以強化人文教育與場館學(xué)習(xí)效果[80]。（2）研究的應(yīng)用對象從物理空間轉(zhuǎn)向教學(xué)資源，進而轉(zhuǎn)向?qū)W習(xí)者。最初數(shù)字孿生研究的應(yīng)用對象為物理空間，如，通過數(shù)據(jù)連接構(gòu)建孿生校園、孿生圖書館等；后來轉(zhuǎn)向教學(xué)資源，如，在學(xué)習(xí)過程中基于虛擬空間構(gòu)建與教學(xué)設(shè)備相互映射的孿生體。當(dāng)前，數(shù)字孿生研究的應(yīng)用對象，進一步轉(zhuǎn)向?qū)W習(xí)者，學(xué)者們希望通過構(gòu)建學(xué)習(xí)者孿生體，動態(tài)呈現(xiàn)學(xué)習(xí)者的相關(guān)學(xué)習(xí)數(shù)據(jù)并促使其發(fā)展。（3）由毫無章法的探索研究轉(zhuǎn)向有體系的研究。早期數(shù)字孿生在教育領(lǐng)域不同方向的研究較為分散，學(xué)者們主要根據(jù)其理念在教育領(lǐng)域的各分支進行探索。而現(xiàn)階段研究內(nèi)容，開始從理論走向應(yīng)用，應(yīng)用對象從物走向人，發(fā)展為體系化的路徑研究。因此，數(shù)字孿生的應(yīng)用研究正給教育領(lǐng)域帶來了虛實共生的可能性，未來將逐步呈現(xiàn)為虛擬學(xué)習(xí)空間和現(xiàn)實學(xué)習(xí)空間實時同步、忠實映射和高度保真的全新學(xué)習(xí)形態(tài)。

（二）數(shù)字孿生助推學(xué)習(xí)者建模發(fā)展

數(shù)字孿生作為高德納 （Gartner）2020年報告中提出的十大新興技術(shù)之一，正逐步滲透到更多應(yīng)用領(lǐng)域。電氣與電子工程師協(xié)會 （IEEE）的薩拉（Saracco R.） 對數(shù)字孿生在教育領(lǐng)域會有更廣泛的應(yīng)用表示肯定，并提出數(shù)字孿生的出現(xiàn)，會為學(xué)習(xí)者模型的構(gòu)建帶來新的契機[81]。陶飛等人認為，數(shù)字孿生可以應(yīng)對更多領(lǐng)域的新趨勢與新需求，并提出“未來，每個人都將擁有自己的數(shù)字孿生體”[82]。趙沁平也認為，現(xiàn)實世界中的每一類對象均可以構(gòu)建與之對應(yīng)的數(shù)字孿生體[83]。

數(shù)字孿生在教育領(lǐng)域中的應(yīng)用對象，正逐步從物理空間拓寬至學(xué)習(xí)者。褚樂陽等人預(yù)想未來教育應(yīng)用場景中的學(xué)習(xí)者，將擁有與自身對應(yīng)的“數(shù)字孿生體”，并對未來“數(shù)字孿生體”的構(gòu)建和應(yīng)用場景進行了探究[84]。陳秀寓也提出了基于學(xué)習(xí)者實時數(shù)據(jù)的“學(xué)習(xí)者孿生體”，并對數(shù)字孿生下的混合教學(xué)模式進行了探究[85]。

基于數(shù)字孿生技術(shù)，當(dāng)下，研究者們對學(xué)習(xí)者的研究也不再局限于理念，而是逐漸走向體系化的研究。艾興等人對數(shù)字孿生體的成熟度進化過程、構(gòu)建的理論與核心技術(shù)進行了詳細闡述，并提出“數(shù)字孿生學(xué)習(xí)者”的概念；他們提出“數(shù)字孿生+教育”驅(qū)動下的學(xué)習(xí)者研究，需要從學(xué)習(xí)者數(shù)字畫像走向數(shù)字孿生體[86]。

如前所述，學(xué)習(xí)者模型是對學(xué)習(xí)者知識技能、認知行為、情感體驗等學(xué)習(xí)者特征進行描述、分析，并據(jù)此構(gòu)建的數(shù)字模型。在學(xué)習(xí)者特征維度下，學(xué)習(xí)者建模的維度從單一轉(zhuǎn)向多維，數(shù)據(jù)從離散轉(zhuǎn)向聚集；在模型構(gòu)建維度下，學(xué)習(xí)者建模的側(cè)重點從 “知識型”轉(zhuǎn)向“全面型”，學(xué)習(xí)者從不直接參與轉(zhuǎn)向參與模型構(gòu)建并進行自我反思；在建模技術(shù)維度下，技術(shù)自身的發(fā)展提升了學(xué)習(xí)者建模的有效性和準確性，且技術(shù)的綜合運用已滲入到學(xué)習(xí)者建模的各個階段。而數(shù)字孿生技術(shù)的出現(xiàn)，正助推學(xué)習(xí)者建模朝著構(gòu)建方式智能化、應(yīng)用場景多樣化、學(xué)習(xí)者與學(xué)習(xí)者孿生體共成長的方向發(fā)展。

1.數(shù)字孿生實現(xiàn)學(xué)習(xí)者建模方式智能化

在國外早期的研究中，出現(xiàn)了不少經(jīng)典學(xué)習(xí)者模型，如，覆蓋模型、鉛版模型、攝動模型、基于約束的模型、貝葉斯網(wǎng)絡(luò)學(xué)習(xí)者模型、基于模糊理論的學(xué)習(xí)者模型等。這些模型側(cè)重于采用不同方式表征學(xué)習(xí)者已有的知識并判斷其掌握知識的程度，依據(jù)不同學(xué)習(xí)者掌握知識的程度，提供個性化的教學(xué)策略。近年來主要的學(xué)習(xí)者建模方式一般為：按照預(yù)先設(shè)計的學(xué)習(xí)者模型，收集學(xué)習(xí)者的基本信息，如，姓名、性別、年齡等；再根據(jù)學(xué)習(xí)過程中收集到的相關(guān)數(shù)據(jù)，對學(xué)習(xí)者進行深入分析和挖掘，并在此基礎(chǔ)上更新、完善學(xué)習(xí)者模型；最后向?qū)W習(xí)者提供個性化的學(xué)習(xí)內(nèi)容、策略和教學(xué)資源。但這種學(xué)習(xí)者建模方式仍不夠智能，數(shù)據(jù)自動更新能力不強。

薩拉認為，數(shù)字孿生的出現(xiàn)將會為學(xué)習(xí)者模型的構(gòu)建帶來新的契機[87]。數(shù)字孿生具有迭代運行與優(yōu)化、全要素/全流程/全業(yè)務(wù)數(shù)據(jù)驅(qū)動的特點，通過數(shù)字孿生技術(shù)，學(xué)習(xí)者及其學(xué)習(xí)環(huán)境等各種要素被全面接入信息世界，以實現(xiàn)相互間的互聯(lián)互通和數(shù)據(jù)共享。數(shù)字孿生技術(shù)的引入，不僅可以在采集學(xué)習(xí)者靜態(tài)信息時，智能地生成與學(xué)習(xí)者對應(yīng)的孿生體；還可以在學(xué)習(xí)過程中實時更新和監(jiān)控學(xué)習(xí)者的動態(tài)信息，在整個學(xué)習(xí)空間中學(xué)習(xí)者之間的信息也將被有效集成，實現(xiàn)自動分析、綜合，以挖掘出學(xué)習(xí)者在學(xué)習(xí)過程中出現(xiàn)的問題及根源，并對之后的學(xué)習(xí)起到預(yù)警與矯正作用。

2.數(shù)字孿生推動學(xué)習(xí)者建模應(yīng)用場景多樣化

學(xué)習(xí)者建模的應(yīng)用場景，除了經(jīng)典的智能學(xué)習(xí)系統(tǒng)、ALS、個性化推薦系統(tǒng)等，未來將基于數(shù)字孿生技術(shù)變得日益多樣化，并且不再局限于某個單獨的系統(tǒng)或載體中。

系統(tǒng)將以學(xué)習(xí)者為中心，多維度、多層次、全方位地構(gòu)建相應(yīng)的孿生體，學(xué)習(xí)者孿生體不僅能記錄學(xué)習(xí)者的學(xué)習(xí)過程，還可以記錄其日常行為表現(xiàn)。學(xué)習(xí)者孿生體不僅可以運用于教學(xué)場景中，幫助學(xué)習(xí)者記錄、分析學(xué)習(xí)過程中的行為表現(xiàn)；還可以運用在預(yù)測性應(yīng)用場景中，根據(jù)先前收集到的學(xué)習(xí)者數(shù)據(jù)對學(xué)習(xí)者之后的學(xué)習(xí)過程進行演練和模擬，以便提供學(xué)習(xí)預(yù)警和教學(xué)策略。此外，學(xué)習(xí)者孿生體還可以運用于競爭性的場景中。盡管有的學(xué)習(xí)者在現(xiàn)實生活中的表現(xiàn)不盡如人意，但其對應(yīng)孿生體在虛擬空間中可能有著出色的行為表現(xiàn)，學(xué)習(xí)者通過直觀地看到自己的學(xué)習(xí)者孿生體，能在一定程度上增強自信心，提升自己的反思意識并改善相關(guān)行為表現(xiàn)。

3.數(shù)字孿生促使學(xué)習(xí)者孿生體與學(xué)習(xí)者共成長

現(xiàn)有的學(xué)習(xí)者模型，更多得側(cè)重于收集學(xué)習(xí)者的相關(guān)數(shù)據(jù)并進行分析，以此為基礎(chǔ)進行分類和建模?；跀?shù)字孿生的學(xué)習(xí)者孿生體，將不僅僅停留在建模層面，更側(cè)重于建模后與學(xué)習(xí)者的共同成長。根據(jù)最初的學(xué)習(xí)者基本信息所構(gòu)建的學(xué)習(xí)者孿生體，能夠自動同步記錄、更新學(xué)習(xí)者在物理空間中的行為、認知、情感等數(shù)據(jù)，并且利用這些數(shù)據(jù)提前進行學(xué)習(xí)演練和模擬，借此向?qū)W習(xí)者提供學(xué)習(xí)預(yù)警，向教師反饋教學(xué)策略的有效性。除此以外，學(xué)習(xí)者、學(xué)習(xí)者孿生體還將在虛擬空間中與同伴、教師的孿生體進行一對一、一對多的交互。這些交互產(chǎn)生的信息，也將通過數(shù)據(jù)的形式記錄下來并用于分析，從而有效地提升物理空間中學(xué)習(xí)者的學(xué)習(xí)水平。

五、學(xué)習(xí)者孿生體概念模型與教育應(yīng)用

基于上述對學(xué)習(xí)者建模概念的界定以及對其未來趨勢演變的分析，同時結(jié)合數(shù)字孿生技術(shù)下學(xué)習(xí)者建模的發(fā)展前景，以及《數(shù)字孿生體技術(shù)白皮書（2019）》中對“數(shù)字孿生體”的界定，我們將學(xué)習(xí)者孿生體理解為：依據(jù)學(xué)習(xí)者現(xiàn)有或?qū)⒂械闹R技能、認知行為、情感體驗等學(xué)習(xí)者特征，進行描述、分析構(gòu)建的數(shù)字模型，學(xué)習(xí)者孿生體的維度與物理學(xué)習(xí)者的維度相互對應(yīng)，學(xué)習(xí)者孿生體可以根據(jù)實測、仿真和數(shù)據(jù)分析，來實時感知物理學(xué)習(xí)者的狀態(tài)，并通過及時反饋和調(diào)節(jié)，來調(diào)控物理學(xué)習(xí)者的學(xué)習(xí)行為?；谏鲜鼋o出的學(xué)習(xí)者孿生體的內(nèi)涵，結(jié)合白皮書中數(shù)字孿生體的概念模型，我們進一步構(gòu)建了如圖2所示的學(xué)習(xí)者孿生體概念模型。

該模型采用UML 圖表示，圖中的四種箭頭分別代表：（1）繼承，表示一般與特殊的關(guān)系；（2）實現(xiàn)，表示類與接口的關(guān)系，代表類是接口所有特征和行為的實現(xiàn)；（3）單向關(guān)聯(lián)，對擁有關(guān)系的表述；（4）聚合，整體與部分的關(guān)系，部分可以離開整體而存在。簡言之，學(xué)習(xí)者孿生體模型由學(xué)習(xí)者所在域、學(xué)習(xí)者相關(guān)概念、學(xué)習(xí)者孿生體和數(shù)字線程四部分構(gòu)成。

第一，學(xué)習(xí)者所在域由用戶域、現(xiàn)實物理域、測量控制域和數(shù)字孿生域組成。用戶域包括學(xué)習(xí)者、人機接口、應(yīng)用軟件及其他相關(guān)孿生體。與學(xué)習(xí)者孿生體對應(yīng)的學(xué)習(xí)者所處的域，稱為現(xiàn)實物理域。測量控制域與現(xiàn)實物理域中有控制信息和測量數(shù)據(jù)的傳遞。數(shù)字孿生域則提供上述域所需要的信息交換、數(shù)據(jù)保證和安全保障等功能。

第二，學(xué)習(xí)者相關(guān)概念由學(xué)習(xí)者和物理學(xué)習(xí)者組成。學(xué)習(xí)者不僅包含個體本身，還包括其在學(xué)習(xí)系統(tǒng)中學(xué)習(xí)的過程。物理學(xué)習(xí)者除了學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)外，還需要關(guān)注其自然屬性和社會屬性。

第三，與學(xué)習(xí)者孿生體相關(guān)的內(nèi)容有抽象學(xué)習(xí)者、學(xué)習(xí)者模型。依據(jù)學(xué)習(xí)者特征將學(xué)習(xí)者抽象化，并從模型的視角對其進行學(xué)習(xí)者建模。在此基礎(chǔ)上，通過信息流和數(shù)據(jù)流傳遞控制信息和測量數(shù)據(jù)，在虛擬空間中映射出學(xué)習(xí)者孿生體。學(xué)習(xí)者孿生體由原型體、實例體和聚合體構(gòu)成，是反映學(xué)習(xí)者知識技能、情感體驗和認知行為的學(xué)習(xí)者動態(tài)化模型，具有學(xué)習(xí)者建模管理、仿真模擬服務(wù)和孿生共智三類功能。與一般的學(xué)習(xí)者模型不同，學(xué)習(xí)者孿生體具有一定的可復(fù)制性與迭代性。

第四，依據(jù)《數(shù)字孿生體技術(shù)白皮書（2019）》中認同數(shù)字線程是數(shù)字孿生體關(guān)鍵使能技術(shù)的觀點，我們將數(shù)字線程納入數(shù)字孿生體的概念模型。數(shù)字化的過程稱為數(shù)字線程，可將數(shù)字線程理解為將學(xué)習(xí)者從開始參與學(xué)習(xí)至結(jié)束的各個階段進行數(shù)字化的過程，并且在整個過程中不局限于傳統(tǒng)的模型設(shè)計，通過信息流涵蓋整個學(xué)習(xí)周期的學(xué)習(xí)者模型的構(gòu)建和維護。該概念模型考慮了從微觀到宏觀的尺度和從元素到體系的層次，以期為后續(xù)學(xué)習(xí)者孿生體的參考架構(gòu)開發(fā)和應(yīng)用場景展望，提供一些依據(jù)。

學(xué)習(xí)者孿生體將以多重角色出現(xiàn)在未來教育的各種應(yīng)用場景中，不僅向?qū)W習(xí)者反饋即時的學(xué)習(xí)狀態(tài)、向教師呈現(xiàn)其學(xué)習(xí)進程，還將與其他學(xué)習(xí)者孿生體進行模擬互動，展現(xiàn)多樣化的應(yīng)用場景并助推教育生態(tài)的重構(gòu)。

1.學(xué)習(xí)者：通過學(xué)習(xí)者孿生體反饋學(xué)習(xí)狀態(tài)，增強自我反思能力

學(xué)習(xí)者孿生體不僅可以適應(yīng)不同的學(xué)習(xí)者狀態(tài)，還可以讓學(xué)習(xí)者更直觀地看到 “自己的”學(xué)習(xí)狀態(tài)，這也更符合以學(xué)習(xí)者為中心的思想，從而促進學(xué)習(xí)者在學(xué)習(xí)過程中不斷進行自我監(jiān)控、反思和評估。在以數(shù)據(jù)驅(qū)動的學(xué)習(xí)者孿生體的支持下，可以依據(jù)對學(xué)習(xí)者學(xué)習(xí)行為的實時跟蹤、評估和理解進行反饋，進而及時調(diào)整學(xué)習(xí)者的學(xué)習(xí)狀態(tài)和目標(biāo)。

2.教師：通過學(xué)習(xí)者孿生體呈現(xiàn)學(xué)習(xí)進程，優(yōu)化完善教學(xué)策略

學(xué)習(xí)者孿生體實時反饋學(xué)習(xí)者數(shù)據(jù)，并動態(tài)跟蹤和呈現(xiàn)學(xué)習(xí)者當(dāng)下的學(xué)習(xí)進程，教師可以根據(jù)其呈現(xiàn)的學(xué)習(xí)者學(xué)習(xí)情況，及時發(fā)現(xiàn)教學(xué)過程中的問題和不足，進行適當(dāng)?shù)恼{(diào)整。教師還可以提前對學(xué)習(xí)者孿生體進行課堂模擬和訓(xùn)練測試，事先演練自己的教學(xué)方式和策略，并進一步優(yōu)化和完善教學(xué)過程。

3.學(xué)習(xí)者孿生體：通過與其他學(xué)習(xí)者孿生體進行模擬互動，可提升訓(xùn)練經(jīng)驗

學(xué)習(xí)者孿生體除了可以與學(xué)習(xí)者、教師溝通交流，還可以與其他學(xué)習(xí)者孿生體模擬互動。在虛擬空間中，學(xué)習(xí)者孿生體之間可以通過合作、探究和競賽等方式增加交流，并借此提升訓(xùn)練經(jīng)驗。學(xué)習(xí)者孿生體還可以將在虛擬空間中的數(shù)據(jù)和結(jié)果反饋給物理空間的學(xué)習(xí)者，向?qū)W習(xí)者展示自身可能出現(xiàn)的多重可能性，以實現(xiàn)學(xué)習(xí)者和學(xué)習(xí)者孿生體共成長。

六、結(jié)語

基于文獻梳理與綜述，我們發(fā)現(xiàn)，在學(xué)習(xí)者特征維度下，學(xué)習(xí)者建模朝著特征多維化、數(shù)據(jù)聚集化的方向發(fā)展；在模型構(gòu)建維度下，學(xué)習(xí)者建模從“知識型”轉(zhuǎn)向“全面型”；在建模技術(shù)維度下，建模技術(shù)自身的發(fā)展提升了學(xué)習(xí)者建模的有效性和準確性，且技術(shù)的綜合運用已滲入到學(xué)習(xí)者建模的各個階段。目前，學(xué)習(xí)者建模正朝著學(xué)習(xí)者特征多維化、模型構(gòu)建全面化和建模技術(shù)綜合運用的方向發(fā)展。

隨著數(shù)字孿生技術(shù)在教育領(lǐng)域的應(yīng)用不再局限于理論層面，且研究對象從物理空間拓寬至學(xué)習(xí)者本身，研究體系也逐步健全。已有學(xué)者對數(shù)字孿生技術(shù)下的混合教學(xué)模式進行了研究，但仍缺乏對具體教育場景中模型的設(shè)計。為此，本研究對數(shù)字孿生技術(shù)下的學(xué)習(xí)者建模進行了初步分析與展望，并對“學(xué)習(xí)者孿生體”的內(nèi)涵和模型進行了初探。隨著數(shù)字孿生技術(shù)的不斷成熟與發(fā)展，未來，基于數(shù)字孿生技術(shù)的學(xué)習(xí)者建模，將會成為重要的研究方向。