第[40]等，上文已做詳細(xì)論述。通過對生成內(nèi)容進(jìn)行評價(jià)，智能系統(tǒng)將在下一次生成推薦時實(shí)現(xiàn)優(yōu)化，為用戶提供更為合適的路徑規(guī)劃和內(nèi)容生成。模型以用戶畫像—生成推薦—多元評價(jià)三大模塊順次相連，形成完整閉環(huán)。而每一次的循環(huán)作用強(qiáng)度和實(shí)現(xiàn)效果逐漸加深。與此同時，該模型是基于生成式人工智能視角下對于個性化學(xué)習(xí)問題的重新審視，也是對智能時代未來教育形態(tài)的美好愿景，對智慧教育人才培養(yǎng)成果的美好期待?；谏墒饺斯ぶ悄艿膫€性化學(xué)習(xí)模型價(jià)值實(shí)證本研究在大規(guī)模個性化教學(xué)場景中實(shí)證模型的價(jià)值。本研究所構(gòu)建的PLM-AIGC在大規(guī)模教學(xué)場景中的應(yīng)用模式如圖4-1所示。大規(guī)模個性化教學(xué)場景，通常會設(shè)置一個固定的學(xué)習(xí)主題。因此，用戶初畫像由教師以班級同學(xué)為集合體構(gòu)造提示，在此基礎(chǔ)上首先要為集體規(guī)劃出一條學(xué)習(xí)路徑。而在完成規(guī)定路徑下的某個子任務(wù)時，學(xué)生則能夠發(fā)揮較強(qiáng)的自主性，體現(xiàn)個性化。因此，還要進(jìn)行學(xué)生的個體畫像—個體路徑規(guī)劃—生成學(xué)習(xí)內(nèi)容—提供教學(xué)輔助。最后的多元評價(jià)結(jié)果將同時作用于學(xué)生集體再畫像和學(xué)生個體再畫像。圖4-1PLM-AIGC應(yīng)用于大規(guī)模教學(xué)場景實(shí)驗(yàn)?zāi)康脑诖笠?guī)模教學(xué)場景中驗(yàn)證本研究所構(gòu)建PLM-AIGC是否具備有效性。實(shí)驗(yàn)對象重慶某中學(xué)初二年級有一定編程基礎(chǔ)、自學(xué)能力的學(xué)生。預(yù)先在該中學(xué)初二年級所有班級進(jìn)行編程能力測試，選取成績最優(yōu)的兩個班級，分別設(shè)置實(shí)驗(yàn)組（A班62名學(xué)生）,設(shè)置對照組（B班64名學(xué)生）。實(shí)驗(yàn)變量自變量：本研究的自變量為“學(xué)生學(xué)習(xí)過程中是否使用以訊飛星火為例的生成式人工智能模型”。對照組（B班）不使用訊飛星火模型輔助學(xué)習(xí)，實(shí)驗(yàn)組（A班）使用訊飛星火模型輔助學(xué)習(xí)。因變量：學(xué)生的自主學(xué)習(xí)效果，量化為學(xué)生在前六課時完成兩道編程題目（例題和拓展題目）的人數(shù)以及在第七節(jié)課綜合測驗(yàn)的成績。無關(guān)變量：學(xué)習(xí)內(nèi)容、課時安排、學(xué)習(xí)方式、學(xué)習(xí)時長、測試時長、測試內(nèi)容等。實(shí)驗(yàn)全過程充分保證無關(guān)變量合理且相同。實(shí)驗(yàn)準(zhǔn)備準(zhǔn)備一：研究者編寫C語言編程能力測試試卷，在某中學(xué)初二年級所有班級中進(jìn)行前測。統(tǒng)計(jì)分?jǐn)?shù)，取平均分最高的兩個班級，設(shè)置實(shí)驗(yàn)組（A班）和對照組（B班）。準(zhǔn)備二：研究者預(yù)先在A、B兩班給予學(xué)生一個正向的刺激，即承諾“同學(xué)們平均成績較高的班級，可以獲得一次集體出游的機(jī)會。另外，成績達(dá)到90分以上的同學(xué)，將額外獲得一份神秘禮物”。（此步驟為保證學(xué)習(xí)者均能較為用心的對待課程和考試，盡可能減小無關(guān)變量干擾。）準(zhǔn)備三：研究者預(yù)先對實(shí)驗(yàn)組（A班）進(jìn)行訊飛星火模型使用培訓(xùn)以及其他方面的培訓(xùn)，包括明確課堂紀(jì)律、梳理課堂環(huán)節(jié)、作業(yè)提交形方式等。對照組（B班）僅進(jìn)行其他方面的培訓(xùn)。（此步驟為保證課堂各環(huán)節(jié)時間結(jié)構(gòu)合理且相同，盡可能減小無關(guān)變量干擾。）準(zhǔn)備四：研究者選擇學(xué)習(xí)內(nèi)容《C語言選擇結(jié)構(gòu)》，借助訊飛星火模型對學(xué)習(xí)者進(jìn)行集體的初步畫像（見圖4-2），參考其自動規(guī)劃的學(xué)習(xí)路徑和子任務(wù)將學(xué)習(xí)內(nèi)容模塊化（見表4-1）。其中，實(shí)驗(yàn)組（A班）和對照組（B班）的區(qū)別體現(xiàn)在學(xué)生自主學(xué)習(xí)和完成題目兩個環(huán)節(jié)，實(shí)驗(yàn)組（A班）要求使用訊飛星火模型進(jìn)行自主學(xué)習(xí)和完成課堂要求的題目，對照組（B班）則不允許使用。此外，兩班的學(xué)生都可以在網(wǎng)絡(luò)上根據(jù)尋找符合個人需求的學(xué)習(xí)資源。圖4-2學(xué)生畫像和路徑規(guī)劃呈現(xiàn)圖表4-1學(xué)習(xí)路徑和子任務(wù)呈現(xiàn)課時內(nèi)容環(huán)節(jié)子任務(wù)第一課時了解選擇結(jié)構(gòu)并學(xué)習(xí)if語句學(xué)生自主學(xué)習(xí)（15分鐘）什么是選擇結(jié)構(gòu)為什么需要選擇結(jié)構(gòu)選擇結(jié)構(gòu)的應(yīng)用場景if語句的基本語法條件表達(dá)式的概念教師簡單講授（10分鐘）基礎(chǔ)知識1+例題1學(xué)生完成題目（15分鐘）例題1+拓展題目1第二課時if-else語句學(xué)生自主學(xué)習(xí)（15分鐘）if-else語句的語法如何使用if-else進(jìn)行二元選擇教師簡單講授（10分鐘）基礎(chǔ)知識2+例題2學(xué)生完成題目（15分鐘）例題2+拓展題目2第三課時嵌套if和多分支選擇學(xué)生自主學(xué)習(xí)（15分鐘）如何嵌套if語句多分支選擇的問題學(xué)習(xí)使用if-else結(jié)構(gòu)教師簡單講授（10分鐘）基礎(chǔ)知識3+例題3學(xué)生完成題目（15分鐘）例題3+拓展題目3第四課時switch語句學(xué)生自主學(xué)習(xí)（15分鐘）學(xué)習(xí)switch語句的基本語法理解switch語句與if-else語句的不同之處教師簡單講授（10分鐘）基礎(chǔ)知識4+例題4學(xué)生完成題目（15分鐘）例題4+拓展題目4第五課時選擇結(jié)構(gòu)的混合使用學(xué)生自主學(xué)習(xí)（15分鐘）如何在同一個問題中混合使用if-else和switch探討選擇結(jié)構(gòu)的嵌套問題教師簡單講授（10分鐘）基礎(chǔ)知識5+例題5學(xué)生完成題目（15分鐘）例題5+拓展題目5第六課時選擇結(jié)構(gòu)的跨學(xué)科應(yīng)用學(xué)生自主學(xué)習(xí)（15分鐘）探討如何將選擇結(jié)構(gòu)應(yīng)用于數(shù)學(xué)問題學(xué)習(xí)如何在科學(xué)實(shí)驗(yàn)中應(yīng)用選擇結(jié)構(gòu)教師簡單講授（10分鐘）基礎(chǔ)知識6+例題6學(xué)生完成題目（15分鐘）例題6+拓展題目6第七課時綜合測試簡單復(fù)習(xí)（10分鐘）無學(xué)生答題（30分鐘）無準(zhǔn)備五：研究者在訊飛星火模型的輔助下編寫每課時教師講授環(huán)節(jié)的教學(xué)設(shè)計(jì)、制作課件。準(zhǔn)備每課時的例題和拓展題目，編制綜合測試試卷（見圖4-3）。圖4-3模型生成綜合試題呈現(xiàn)實(shí)驗(yàn)過程步驟一：研究者先后在A、B兩班按照上述表格安排組織課堂活動。記A班學(xué)生學(xué)習(xí)第一課時內(nèi)容的過程為PA.1，B班學(xué)生學(xué)習(xí)第一課時內(nèi)容的過程為PB.1。在學(xué)生自主學(xué)習(xí)和學(xué)生完成練習(xí)環(huán)節(jié)要求A班學(xué)生使用訊飛星火模型代碼功能，B班學(xué)生僅通過課本、其他網(wǎng)絡(luò)資源完成。記為PSparkDesk為使用訊飛星火模型代碼功能模塊進(jìn)行自主學(xué)習(xí)，則有PSparkDesk∈PA步驟二：參考第一課時的實(shí)驗(yàn)過程，完成第二到六課時的教學(xué)活動，并按照規(guī)定記錄數(shù)據(jù)（見表4-2）。表4-2第2-6課時教學(xué)活動記錄表課時記錄表示實(shí)驗(yàn)組（A班）對照組（B班）第二課時某班學(xué)生學(xué)習(xí)第二課時內(nèi)容的過程PP某班完成例題2的人數(shù)NN某班完成拓展題2的人數(shù)NN第三課時某班學(xué)生學(xué)習(xí)第三課時內(nèi)容的過程PP某班完成例題3的人數(shù)NN某班完成拓展題3的人數(shù)NN第四課時某班學(xué)生學(xué)習(xí)第四課時內(nèi)容的過程PP某班完成例題4的人數(shù)NN某班完成拓展題4的人數(shù)NN第五課時某班學(xué)生學(xué)習(xí)第五課時內(nèi)容的過程PP某班完成例題5的人數(shù)NN某班完成拓展題5的人數(shù)NN第六課時某班學(xué)生學(xué)習(xí)第六課時內(nèi)容的過程PP某班完成例題6的人數(shù)NN某班完成拓展題6的人數(shù)NN步驟四：在第七課時課堂開始，簡單帶領(lǐng)學(xué)生進(jìn)行綜合知識點(diǎn)復(fù)習(xí)（10分鐘）。復(fù)習(xí)完成后發(fā)放C語言選擇結(jié)構(gòu)綜合測試卷，要求學(xué)生在三十分鐘內(nèi)完成答題。分別統(tǒng)計(jì)A、B兩班學(xué)生的測試分?jǐn)?shù)，分段表示如表4-3所示。表4-3第7課時測試成績分段表示成績（滿分100）記錄A班B班>=90SS80-90SS70-80SS60-70SS<=60SS平均分AA實(shí)驗(yàn)分析1.獲取前測數(shù)據(jù)，對其進(jìn)行分析。表4-4A、B兩班前測獨(dú)立樣本統(tǒng)計(jì)量A-A班；B-B班個案數(shù)平均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)誤差平均值0-100（每道題5分）A6272.4221.7242.759B6472.0322.8822.860表4-5A、B兩班前測獨(dú)立樣本T檢驗(yàn)萊文方差等同性檢驗(yàn)平均值等同t檢驗(yàn)F顯著性t自由度顯著性（雙尾）平均值差值標(biāo)準(zhǔn)誤差差值差值95%置信區(qū)間下限上限0-100（每道題5分）假定等方差.255.615.098124.922.3883.977-7.4848.260不假定方差.098123.951.922.3883.974-7.4788.254由表4-4可看出A、B兩班在前測中取得的成績平均值相差不大。由表4-5可得，經(jīng)Levene法的F值檢驗(yàn)，顯著性值為0.615大于0.05，為達(dá)到0.05顯著水平，表明兩組樣本方差相等。查看第一欄T檢驗(yàn)結(jié)果，顯著性（雙尾）值為0.992，大于0.05，未達(dá)到0.05顯著水平。以上數(shù)據(jù)表明，A、B兩班在實(shí)驗(yàn)前測中的取得的成績并沒有達(dá)到統(tǒng)計(jì)學(xué)上的顯著差異。因此，可選取A、B兩班學(xué)生作為本研究的研究對象，進(jìn)行后續(xù)研究。且后續(xù)在保證無關(guān)變量合適且相同的條件下，若兩組測試成績存在顯著差異，則均為條件變量PSparkDesk2.獲取過程性實(shí)驗(yàn)數(shù)據(jù)，對其進(jìn)行分析。表4-6過程性實(shí)驗(yàn)數(shù)據(jù)表N50N54N41N35N48N48N39N35N45N45N38N33N45N46N34N26N38N36N27N25N36N35N27N20表4-7A、B兩班前六課時完成例題人數(shù)獨(dú)立樣本統(tǒng)計(jì)量A-A班；B-B班個案數(shù)平均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)誤差平均值作對題目的人數(shù)A643.675.5382.261B644.007.2942.978表4-8A、B兩班前六課時完成拓展題人數(shù)獨(dú)立樣本統(tǒng)計(jì)量A-A班；B-B班個案數(shù)平均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)誤差平均值作對題目的人數(shù)A634.336.1212.499B625.678.1893.343由表4-7可看出，A、B兩班學(xué)生前六課時完成例題的人數(shù)相差不大，甚至B班人數(shù)平均值略大于A班平均值。由于例題是教師在課堂上已講授的內(nèi)容，則可證實(shí)兩班學(xué)生的原有知識儲備、聽課質(zhì)量、基本學(xué)習(xí)能力并無較大差異。由表4-8可看出，A、B兩班學(xué)生前六課時完成拓展題目的人數(shù)相差較大，A班做題情況明顯好于B班。由于拓展題目是建立在例題的基礎(chǔ)上要求學(xué)生自主完成的任務(wù)，A班學(xué)生相較于B班學(xué)生形成了較為深刻的知識建構(gòu)，能夠?qū)崿F(xiàn)深度理解掌握以及知識的遷移，且A、B兩班自主學(xué)習(xí)過程的唯一區(qū)別在于是否存在PSparkDesk的條件作用。因此，可認(rèn)為由于PSparkDesk的條件作用，EA.S3.獲取結(jié)果性實(shí)驗(yàn)數(shù)據(jù)，對其進(jìn)行分析。表4-9結(jié)果性實(shí)驗(yàn)數(shù)據(jù)表S3S1S9S7S15S9S19S21S16S26表4-10A、B兩班第七課時測試成績等級獨(dú)立樣本統(tǒng)計(jì)量（等級1-5，數(shù)據(jù)越小，等級越高）A-A班；B-B班個案數(shù)平均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)誤差平均值測試等級A623.581.167.148B643.981.061.133表4-11A、B兩班第七課時測試成績等級獨(dú)立樣本T檢驗(yàn)萊文方差等同性檢驗(yàn)平均值等同t檢驗(yàn)F顯著性t自由度顯著性（雙尾）平均值差值標(biāo)準(zhǔn)誤差差值差值95%置信區(qū)間下限上限0-100（每道題5分）假定等方差2.582.111-2.032124.044.404.199-.797-.011不假定方差-2.029122.048.045.404.199-798-.010由表4-10可得，在第七課時的綜合測試中，A班成績等級平均值小于B班成績等級平均值，則A班學(xué)生相較于B班學(xué)生整體成績偏高，取得高分段人數(shù)較多，測試情況較好。由表4-11可得，經(jīng)Levene法的F值檢驗(yàn)，F(xiàn)值等于2.582，顯著性值為0.111，大于0.05，未達(dá)到0.05顯著水平。查看第一欄T檢驗(yàn)結(jié)果，顯著性（雙尾）值為0.044小于0.05，達(dá)到0.05的顯著水平，達(dá)到統(tǒng)計(jì)學(xué)上的顯著差異。因此，實(shí)驗(yàn)組A班和對照組B班在第七課時測試情況方面具有顯著差異。從長期效果來看，生成式人工智能在教育教學(xué)全過程的融入將有助于知識內(nèi)化、促進(jìn)實(shí)現(xiàn)更好的學(xué)習(xí)效果。用EA.L代表長期內(nèi)A班學(xué)生的學(xué)習(xí)效果，EB.L代表長期內(nèi)B班學(xué)生的學(xué)習(xí)效果?？烧J(rèn)為由于PSparkDesk的條件作用，EA.L>實(shí)驗(yàn)結(jié)論P(yáng)SparkDesk不足與展望研究不足未實(shí)現(xiàn)模型的完全自動化，從而難以對模型有效性進(jìn)行絕對嚴(yán)密論證本文從生成式人工智能的視角重新審視了個性化學(xué)習(xí)的問題，總結(jié)了智能時代個性化學(xué)習(xí)的理想形態(tài)和當(dāng)前個性化學(xué)習(xí)難以快速突破的困境，指出生成式人工智能賦能個性化學(xué)習(xí)的路徑。其中，理想形態(tài)、現(xiàn)實(shí)困境、賦能路徑三者之間形成有效對應(yīng)。并結(jié)合基本教學(xué)理論構(gòu)建基于生成式人工智能的個性化學(xué)習(xí)模型，對于模型的合理性能夠?qū)崿F(xiàn)正向的嚴(yán)密論證和反向的初步論證。由于當(dāng)前國內(nèi)生成式人工智能技術(shù)的限制，并不存在符合模型且完全自動化的開源工具。因此，研究者雖在大規(guī)模個性化學(xué)習(xí)場景中盡可能嚴(yán)密的進(jìn)行了模型實(shí)證，但仍存在由技術(shù)限制帶來的部分問題。此外，個性化學(xué)習(xí)是一個長期的過程，其真實(shí)效果的實(shí)現(xiàn)并非短期可評估，還需要長期追蹤或大數(shù)據(jù)分析預(yù)測。由于資金和時間的限制，本研究暫時無法實(shí)現(xiàn)這一目標(biāo)?！凹夹g(shù)負(fù)面價(jià)值”探討不足，使“盲目樂觀派”陷入“技術(shù)主導(dǎo)”誤區(qū)本研究關(guān)注生成式人工智能區(qū)別于一般智能技術(shù)的顯著特征，致力于尋找其在教育教學(xué)尤其是個性化學(xué)習(xí)方面的巨大價(jià)值和無窮潛力，在呈現(xiàn)上多強(qiáng)調(diào)了智能技術(shù)的“力量”。容易使部分較為極端的“技術(shù)樂觀派”讀者一味的沉浸在對技術(shù)發(fā)展的美好憧憬和對技術(shù)應(yīng)用的完全肯定。但實(shí)際上，生成式人工智能技術(shù)在教育教學(xué)中的深度應(yīng)用還需要我們思考更多的問題。例如，如何避免“機(jī)器主導(dǎo)”以致學(xué)習(xí)者喪失主體性的悲劇發(fā)生？如何保證生成內(nèi)容不逾越法律的標(biāo)準(zhǔn)？以及其伴隨的一系列誠信問題、安全性問題、透明度問題等等。想要實(shí)現(xiàn)理想的智能技術(shù)支持的個性化學(xué)習(xí)環(huán)境，我們還需要制定一系列的準(zhǔn)則、標(biāo)準(zhǔn)，關(guān)注更多方面的問題，并尋求當(dāng)下穩(wěn)定發(fā)展的平衡狀態(tài)。未來展望在本研究中，研究者致力于構(gòu)建基于生成式人工智能的個性化學(xué)習(xí)模型，以為教師、學(xué)生、教學(xué)管理者、產(chǎn)品開發(fā)者等一切教學(xué)活動相關(guān)人員提供有效參考。然而，由于專業(yè)限制和技術(shù)限制，當(dāng)下并沒有實(shí)現(xiàn)隨時隨地靈活生成不同形式學(xué)習(xí)內(nèi)容以輔助學(xué)習(xí)者完成學(xué)習(xí)活動的模型，也并不未實(shí)現(xiàn)模型的完全自動化。因此，研究者期待早日實(shí)現(xiàn)更加先進(jìn)的技術(shù)，也期待有更多的學(xué)者關(guān)注到生成式人工智能在促進(jìn)個性化學(xué)習(xí)方面的潛能。在此基礎(chǔ)上，期待看到本研究的成果發(fā)揮真正的價(jià)值，助力產(chǎn)品開發(fā)，助力教育教學(xué)，助力早日實(shí)現(xiàn)真正意義上的個性化學(xué)習(xí)。參考文獻(xiàn)中華人民共和國教育部.教育部關(guān)于印發(fā)《教育信息化2.0行動計(jì)劃》的通知[EB/OL].(2018-04-18)./srcsite/A16/s3342/201804/t20180425_334188.html.中華人民共和國中央人民政府?中華人民共和國國務(wù)院印發(fā)《中國教育現(xiàn)代化2035》[EB/OL].(2019-02-23)./zhengce/2019-02/23/content_5367987.htm.中華人民共和國教育部.義務(wù)教育課程方案(2022年版)[M].北京:北京師范大學(xué)出版社.[EB/OL].(2022.03.25)./zhengce/2022-04/21/content_5686535.htm.曹建國,薛荔娉,黃亞濤.互聯(lián)網(wǎng)推動教與學(xué)方式變革的實(shí)踐訴求與實(shí)踐路徑[J].開放學(xué)習(xí)研究,2023,28(01):1-9.DOI:10.19605/ki.kfxxyj.2023.01.001.鄭永和,王一巖,吳國政,等.教育信息科學(xué)與技術(shù)研究的現(xiàn)實(shí)圖景與發(fā)展路向——2018—2022年F0701資助情況分析[J/OL].現(xiàn)代遠(yuǎn)程教育研究:1-10[2024-04-19]./kcms/detail/51.1580.G4.20230111.0736.005.html.岳偉,閆領(lǐng)楠.智能時代學(xué)生主體性的異化風(fēng)險(xiǎn)及其規(guī)避[J].中國電化教育,2023(02):90-97.牟智佳.“人工智能+”時代的個性化學(xué)習(xí)理論重思與開解[J].遠(yuǎn)程教育雜志,2017,35(03):22-30.DOI:10.15881/33-1304/g4.2017.03.003.中國信息通信研究院?京東探索研究院.人工智能生成內(nèi)容(AIGC)白皮書.[EB/OL].(2022-09).劉明亮.人工智能生成內(nèi)容(AIGC)技術(shù)特征及應(yīng)用場景分析[J].信息記錄材料,2023,24(10):234-236.DOI:10.16009/13-1295/tq.2023.10.010.GUOB,ZHANGX,WANGZY,etal.HowCloseIsChatGPTtoHumanExpertsComparisonCorpus,Evaluation,andDetection[J/OL].(2023-01-18)[2023-04-10]./abs/2301.07597.盧宇,余京蕾,陳鵬鶴,等.生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例[J].中國遠(yuǎn)程教育,2023,43(04):24-31+51.DOI:10.13541/ki.chinade.20230301.001.本刊編輯,張絨.生成式人工智能技術(shù)對教育領(lǐng)域的影響——關(guān)于ChatGPT的專訪[J].電化教育研究,2023,44(02):5-14.DOI:10.13811/ki.eer.2023.02.001.張治.ChatGPT/生成式人工智能重塑教育的底層邏輯和可能路徑[J].華東師范大學(xué)學(xué)報(bào)(教育科學(xué)版),2023,41(07):131-142.DOI:10.16382/ki.1000-5560.2023.07.012.ThomasIan.UsinggenerativeAItoturbochargedigitalmarketing[J].AppliedMarketingAnalytics.

Volume9,Issue3

.2023.PP270-280.Okaiyeto,SA,Bai,JW,Xiao,HW.GenerativeAIineducation:Toembraceitornot?[J].InternationalJournalofAgriculturalandBiologicalEngineering,2023,16(3):285-286.聯(lián)合國教科文組織.GuidanceforgenerativeAIineducationandresearch(生成式人工智能教育與研究應(yīng)用指南).[EB/OL].(2023-09-07).李書明,田俊.網(wǎng)絡(luò)學(xué)習(xí)中個性化學(xué)習(xí)服務(wù)策略研究[J].中國電化教育,2011(06):118-121.牟智佳.“人工智能+”時代的個性化學(xué)習(xí)理論重思與開解[J].遠(yuǎn)程教育雜志,2017,35(03):22-30.DOI:10.15881/33-1304/g4.2017.03.003.鄭永和,王一巖,吳國政,等.教育信息科學(xué)與技術(shù)研究的現(xiàn)實(shí)圖景與發(fā)展路向——2018—2022年F0701資助情況分析[J/OL].現(xiàn)代遠(yuǎn)程教育研究:1-10[2024-04-19]./kcms/detail/51.1580.G4.20230111.0736.005.html.謝淑海,熊梅.美國中小學(xué)個性化學(xué)習(xí)實(shí)踐的成效?困境?應(yīng)對策略及啟示[J].外國中小學(xué)教育,2015,(03):21-27.范蔚,孫榕謙,楊霞.智能教育背景下個性化學(xué)習(xí)特征及保障機(jī)制[J].曲靖師范學(xué)院學(xué)報(bào),2023,42(06):99-106.張治.ChatGPT/生成式人工智能重塑教育的底層邏輯和可能路徑[J].華東師范大學(xué)學(xué)報(bào)(教育科學(xué)版),2023,41(07):131-142.DOI:10.16382/ki.1000-5560.2023.07.012.HuesoMiguel;álvarezRafael;MaríDavid.Isgenerativeartificialintelligencethenextsteptowardapersonalizedhemodialysis.Journal

|

[J]

Revistadeinvestigacionclinica;organodelHospitaldeEnfermedadesdelaNutricion.

Volume,Issue

.2023.Drumheller,S.J.(1971).HandbookofCurriculumDesignforIndividualizedInstruction:ASystemsApproach;howtoDevelopCurriculumMaterialsfromRigorouslyDefinedBehavioralObjectives.EducationalTechnologyPublications.Ellis,G.(2009).Grandchallengesforengineering.IEEEEngineeringManagementReview,37(1),3-3.NationalAcademyPress.Retrievedfrom/cms/8996/9127.aspxBernacki,M.L.,Greene,M.J.&Lobczowski,N.G.ASystematicReviewofResearchonPersonalizedLearning:PersonalizedbyWhom,toWhat,How,andforWhatPurpose(s)?.

EducPsycholRev

33,1675–1715(2021)./10.1007/s10648-021-09615-8宋美霞,張帥帥.ChatGPT賦能個性化學(xué)習(xí)的本質(zhì)意涵?現(xiàn)實(shí)境遇與優(yōu)化路徑[J].高等繼續(xù)教育學(xué)報(bào),2023,36(05):73-80.高琳琦.生成式人工智能在個性化學(xué)習(xí)中的應(yīng)用模式[J].天津師范大學(xué)學(xué)報(bào)(基礎(chǔ)教育版),2023,24(04):36-40.DOI:10.16826/ki.1009-7228.2023.04.007.許鋒華,胡先錦.人工智能技術(shù)賦能個性化學(xué)習(xí):意蘊(yùn)?機(jī)制與路徑[J].廣西師范大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版),2023,59(04):68-79.DOI:10.16088/j.issn.1001-6597.2023.04.007.曹琳.基于人工智能的個性化學(xué)習(xí)模式設(shè)計(jì)與實(shí)踐探究[J].佳木斯職業(yè)學(xué)院學(xué)報(bào),2023,39(11):169-171.LvicaPesovski,RicardoSantos,RobertoHenriques,VladimirTrajkovik.GenerativeAIforCustomizableLearningExperiences.2024.16(7).范蔚,孫榕謙,楊霞.智能教育背景下個性化學(xué)習(xí)特征及保障機(jī)制[J].曲靖師范學(xué)院學(xué)報(bào),2023,42(06):99-106.孫愛玲譯注.王守仁.傳習(xí)錄[M].山東:友誼出版社,2001.張賽宇,馬志強(qiáng),董延慶,等.人工智能賦能規(guī)?；n堂中的個性化學(xué)習(xí)何以可能