全球視野下教育技術研究熱點的聚類分析與展望

許玲 張亦弛

【摘 要】

以互聯網為核心的信息技術正深刻地影響著教育系統，把握技術在教育應用中的現狀與趨勢，有助于推進教育系統的變革與重構。本研究以2018年教育技術領域舉辦的26項國際會議中的主旨報告、工作坊和圓桌討論的主題與內容為樣本，采用聚類分析的方法，探討全球視野下技術在教育應用中的研究熱點和展望。主要的研究發現包括：人工智能成為教育變革的重要撬動點;學習分析技術研究向深度拓展;教學設計朝著“以學習者為中心”的學習設計方向發展;STEM教育、計算思維培養和游戲化教學研究在基礎教育階段受到青睞;開放教育資源在高等教育中的應用研究如火如荼;移動智能技術助力教育公平;科技和倫理邊界的新主題引起關注。研究者期望本研究的結果能夠對我國教育技術領域的研究主題的選擇和研究方向有所啟示。

【關鍵詞】 ?教育技術;人工智能;學習分析;開放教育資源;教學設計;計算思維;游戲化學習

【中圖分類號】 ?G642.0 ? ? ? 【文獻標識碼】 ?A ? ? ? 【文章編號】 ?1009-458x（2019）11-0058-09

一、引言

在云計算、大數據、移動互聯網、人工智能、物聯網等信息技術推動下的后信息時代，技術正在為教育帶來根本性的變革，讓科技更好地為教育賦能成為全球教育界的共同愿景。2017年1月，美國教育部教育技術辦公室頒布《國家教育技術計劃》（National Educational Technology Plan， NETP），指導美國教育實踐從技術應用于教育轉變為技術改善教育，以確保所有學生都能獲得高質量的教育體驗。2018年4月，我國教育部出臺了《教育信息化2.0計劃》，立足“互聯網+”時代背景，助力技術與教育的融合應用向創新發展的方向推進。

當前，對教育技術領域研究熱點展開探討的方法主要有兩種。第一種方法是以國際或國內權威期刊發表的文章為樣本，對某一領域在一定時間范圍內的學術論文進行計量統計和基于知識圖譜的可視化分析。例如，徐杰等（2018）選取英文期刊《計算機與教育》（Compaters & Education）2013年至2017年間刊載的游戲化學習文獻進行分析，認為國際上游戲化學習的研究熱點主要集中在價值認知、資源的設計與開發、應用領域與方式、效果評價以及新技術嵌入五大主題。周進等（2018）從Web of Science平臺收集了國際上關于機器人教育研究的文獻，梳理出研究熱點主要涉及機器人教育基本概念與價值、教學工具及環境、教學設計與實踐、機器人教育促進學生發展等主題。吳祥恩等（2018）以Web of Science核心數據庫中在線臨場感研究的文獻為樣本，使用可視化工具進行分析發現基礎理論、實踐應用、效果分析、技術支持等是在線臨場感研究的熱點主題。

第二種方法是聚焦一項國際學術會議，對會議主旨報告和平行論壇的主題進行總結和歸納，概括出這一領域的研究前沿與熱點。例如，王美等（2018）對2018年在英國倫敦舉辦的第13屆學習科學國際會議的報告進行整理，梳理出國際學習科學研究的八大熱點，分別是信息技術背景下的學習研究、內容領域的學習研究、協作學習研究、不同境脈下的學習研究、基于設計的研究、學習分析研究、教學模式與策略研究和教師學習研究。吳永和等（2017）對2017年在加拿大溫哥華召開的第7屆學習分析與知識國際會議的內容進行了綜述，總結出學習分析領域的前沿研究主題涉及多模態學習分析、多維度分析學習者和學習過程、多方位教學支持以及倫理、政策和發展。

然而，在探討教育研究的最新熱點方面，以上兩種方法都有一定的局限性?；谄诳墨I的分析往往時效性不足，因為期刊文章的形成要經過研究計劃、研究設計、研究工具開發、研究數據的收集、統計分析、論文撰寫等較長的過程，在完成論文后又需要經過投稿、審稿、修改、定稿、刊發的程序，因此，從研究計劃到論文發表往往需要兩年左右或者更長的時間，故而期刊文章的研究主題難以充分代表最新的研究熱點和趨勢?；趩我粐H會議中的主旨報告和平行會議報告的主題進行分析，則可能由于會議范圍比較窄、報告者人數有限等原因難以全面呈現相應領域的最新研究重心。

為了彌補以上兩種方法的不足，本研究以2018年在全球不同地區召開的教育技術國際學術會議的主旨報告為樣本，采用聚類分析的方法，探討教育技術領域的研究熱點，期望研究結果有助于我國教育技術的政策制定者、研究者和實踐者了解和掌握國際教育技術研究的最新發展和趨勢。

二、資料來源和研究工具

（一）資料來源

本研究所收集的2018年教育技術領域國際會議資料主要來自以下三種途徑：一是國際會議匯總網站，如Conal Conference Alerts（https：//conferencealerts.com/index）、All CONFERENCES.COM（http：//www.allconferences.com/）;二是北京師范大學互聯網教育智能技術及應用國家工程實驗室、智慧學習研究院網站發布的國際會議資訊;三是專家或學者的推薦。最后，獲得2018年教育技術領域的26項國際會議資料并以之為樣本，詳情見表1。由于一些知名的國際會議是兩年召開一次，2018年未召開，因此未納入此研究。

通過表1可以看到，從會議的舉辦地區來看，26項會議的舉辦地集中在四大洲，其中亞洲9項、歐洲11項、北美洲4項、大洋洲2項。從會議的主題類屬來看，主要為學習分析與教育數據挖掘、學習科學、人工智能與計算機教育、遠程教育及綜合戰略五大類;從會議的主辦機構來看，大多數的會議是由多個機構聯合主辦，另有一些學術組織的年會，如亞洲遠程教育協會年會（AAOU）、美國教育傳播與技術協會年會（AECT）等。

（二）研究工具與研究過程

本研究首先整理26項國際會議日程中主旨報告（keynote speech）的題目、工作坊（workshop）報告主題、圓桌論壇（round-table）主題形成文本，然后采用Leximancer軟件對文本進行分析，通過關鍵詞詞頻統計分析聚類形成主題團，探究技術在教育中的應用的熱點。Leximancer軟件具有強大的文本挖掘功能，它可以對段落性的語句進行直接處理，通過檢測一個單詞出現以及它與其他單詞共同出現的頻率生成一個頻率矩陣，在此基礎上根據其本身的算法生成相關的點，自動形成一個概念圖，表征不同概念之間的關系。

Leximancer軟件回避了基于人工的方式對段落性語句進行關鍵詞提煉而產生的信度減低問題，在分析過程中需要將一些相近的主題詞進行合并，如將AI與artificial intelligence合并，將technology和technologies合并，將designing和design合并，等等。由于一些主旨報告的題目比較抽象，難以較好地把握研究主題內容，因此基于高頻詞形成的主題團，研究者對主旨報告的內容摘要進行了二次整理，以便進一步做內容分析。

三、聚類分析結果

基于26項國際會議中的128個主旨報告、139個工作坊報告、91個圓桌論壇的主題，通過Leximancer軟件自動對以上358條信息的高頻關鍵詞進行聚類，結果見圖1。

基于可獲得的主題報告摘要內容，對以上概念圖中6個主題團的內容進行逐一分析和舉例描述，由于“研究”這一主題團在不同的主題報告中都有包含，并不是一個獨立的研究領域，因此這里不做分析。

（一）教育主題團的研究熱點

教育主題團關聯的熱點是數據（data）、工具（tools）、學習（learning）、開放（open）和科學（science）。教育大數據和學習分析技術廣泛融入教育環境中，個體在專業知識、認知能力、學習狀態偏好等方面的差異能夠借助教育大數據反映并以可視化的方式呈現，教師可據此為學習者提供個性化的學習支持（Conati， 2018）。謝弗（Shaffer， 2018）在學習分析與知識國際會議上分享了基于大數據的研究范式，他認為教育研究從質性研究和量化研究相結合的混合式研究方法轉向大數據具有重要意義，會帶來一種更接近真實的理解。

對于工具的研究有兩種重要視角：一種視角是關注如何更好地使用各種數字化工具促進教育教學，如陳（Chen， 2018）在全球華人計算機教育應用大會上題為“基于個人差異的視角使用數字學習工具提高學術英語技能”的主題演講所揭示的內容;另一種視角是基于新的教育理論、學習科學前瞻性研究等設計和開發新的工具運用于教育中，如帕森斯（Parsons， 2018）在中美智慧教育大會上分享了基于計算神經心理學和模擬設計的一種增強評估和培訓的新工具。

開放主題詞是連接教育和未來主題團的重要橋梁。大規模在線開放課程（MOOC）變革了教育體系的組織模式和實踐模式，將教育的開放推向了更深、更廣的層面，但MOOC深層教育規律還有待研究。在開放創新教育國際會議上，英聯邦學習共同體主席坎瓦爾（Kanwar， 2018）分享了開放教育資源的全球趨勢及未來走向，認為在發展中國家更多強調的是資源建設，而不是如何使用開放教育資源;缺乏用戶量是影響開放教育資源主流化的顯著性障礙;開放教育資源的研究要從狹隘的學術界限擴展到更廣泛的終身學習中。

科學主題詞的研究主要集中在STEM教育。STEM匯集了科學、技術、工程和數學的知識，多學科交叉融合，同時能夠培養學生的問題解決能力，有利于培養面向未來的具有創新素養的個體，在第26屆計算機教育國際會議中獨立設置了三個STE（A）M主題圓桌討論，分別是技術支持下的STEM教育、STEM教育中的教師專業化發展和STEM教與學的樂趣。

（二）設計主題團的研究熱點

設計（design）詞團中關聯的熱點是協作（collaborative）、教學（teaching）、知識（knowledge）、工具（tools）和工程（engineering）。在美國教育傳播與技術協會2018年學術年會上，布勒 （Buller， 2018）做了題為“了解自己，與不同人協調合作”的演講，他強調在“互聯網+”時代人們要正確認識自我，積極地展開協作，共同學習與分享。宏觀層面的設計研究主要關注學習環境的設計。學習環境的設計為支持學習過程提高參與度及達到預期學習效果提供了支撐，有研究者開展了以家庭為中心的學習環境設計的研究，也有學者分享了如何基于數字化學習工具開展物理性教室學習空間的設計以促進協作學習。微觀層面的設計研究包含STEM教育中課程設計、MOOC學習的交互策略設計和評價工具的設計等。近年來，隨著學習科學的發展教學設計逐步轉向學習設計。在學習分析與知識國際會議上，專門設了“連接學習分析與學習設計的評估系統與工具”圓桌討論，從教學設計轉向學習設計是技術在教育中應用研究的新思路。

（三）分析主題團的研究熱點

分析（analytics）詞團中關聯的熱點是數字（digital）、教室（classroom）、社交（social）、工具（tools）和教師（teachers）。隨著互聯網的發展，學習分析逐漸從實驗室走向真實世界，被廣泛地運用于基礎教育、高等教育甚至工作場所的學習，涉及在線教育和傳統課堂教學。美國佛羅里達州立大學登嫩（Dennen， 2018）在開放創新教育國際會議上分享了在線環境中社交媒體的研究，學習者在收藏、分享、協商、創造等在線社交活動中積累了大量的行為數據，通過學習分析技術為學習者提供全方位支持服務。在學習分析與知識國際會議上普列托（Prieto， 2018）等主持了“在傳統課堂層面如何協調學習分析”的圓桌討論。學習分析的研究不僅關注學習者，也開始關注教師。辛普森（Sampson， 2018）在開放創新教育國際會議上分享了自己的觀點，他認為學習分析技術能夠幫助教師反思或重新進行課程設計，以實現更具有吸引力的教學，甚至是更真實和有效的教學評量。技術的發展，如可穿戴設備、眼動儀、錄像設備等工具，極大地拓展了學習分析的數據來源，讓現實環境中收集多樣化的教育大數據成為可能。在越來越多的數據中，可視化工具的重要性凸顯。貝克魯（Becheru， 2018）等在中美智慧教育大會上分享了一種用于社交學習環境的可視化的學生合作工具Student Viz，該工具能夠將大數據直觀地呈現出來，有助于研究者從中發現特點，找出趨勢與規律，為教育決策提供支持。

（四）評估主題團的研究熱點

評估（assessment）詞團中關聯的熱點是設計（design）、投入（engagement）、思考（thinking）和科學（science）。教學評價既是對個體學習目標達成情況的判斷，也是對不同的教學模式、教學內容、教學場景的綜合性評估。在以互聯網為核心的信息技術影響下，教學評價的理論、方法和工具都在發生轉變，合理地設計評價方式才能得出客觀的判斷。波利托（Polito， 2018）等在中美智慧教育大會上分享了設計一種游戲化的方法來自動評估程序性任務。哈里斯（Harris， 2018）等在學習科學國際會議上分享了設計應用性知識的評估任務和評估標準以促進科學課堂中的深度學習。也有一些不同教育場景中的教育評價的研究，如在線認知發展評價、計算思維的評價、STEM教育的評價以及開放教育資源的使用與評價。隨著學習科學領域發展，基于學習分析的個性化評價成為未來教育評價的發展趨勢，大規模的非認知評價也受到研究者關注。

（五）未來主題團的研究熱點

未來（future）詞團中關聯的熱點是發展（development）、開放（open）和計算（computational）。面向未來的教育越來越關注個體的發展研究，在未來教育大會上辛格（Singer， 2018）做了題為“探索未來教育原動力”的分享，他認為未來教育要轉向創造力、問題解決能力、企業家精神等這些軟技能的培養，關注個體的生活能力。國內外學者從不同視角探討了未來的學校與社會的關系變化、教育與科技的融合與邊界，尤其是人工智能技術在教育領域研究應用深化。在第10屆計算機支持教育國際會議上，培根（Bacon， 2018）分享了人工智能與自動化對未來社會、工作、教育需求的影響，討論了人工智能可能的應用方向以及潛在的危機。在第26屆計算機教育國際會議上，杜布雷（Du Boulay， 2018）分析了人工智能的現狀并預測了未來十年的進展，她認為未來人工智能側重于拓寬學習者模型，不僅包括知識和技能，還包括元認知、情感和動機，這種拓展帶來了開發教學策略的需要。無論是發展中國家，還是發達國家，都在積極研究未來對人才的要求及整個教育系統可能的變化，從當下出發培養能應對充滿不確定性未來的人才。在“互聯網+”時代，學校不再是教育資源的唯一供給平臺，最好的老師也不一定在課堂上，全社會蘊含著豐富的教育資源，個體需要具備計算思維和信息化素養并在開放與聯通的環境中與全世界的學習者一起學習。

（六）在線主題團的研究熱點

在線教育（online educaton）是高頻的研究詞團，在線平臺（online plat）、在線課程（online course）、在線社區（online community）的研究都是熱點。例如，在國際學習分析與知識會議上，詹寧斯（Jennings， 2018）主持了“如何創建數字分析模型來衡量在線課程的成功”的圓桌討論。此外，也有一些新的研究議題，如在線實驗室。薩利亞·哈桑（Saliah-Hassane， 2018）在第10屆計算機支持教育國際會議上討論了在線教與學對在線實驗室的需求，并介紹了在線實驗室的類型以及網絡基礎設施的支撐技術，形成滿足學習者和教師教學需求的網絡物理實驗室。

四、討論

基于以上對2018年教育技術領域26項國際會議的主旨報告、工作坊報告和平行會議報告的主題聚類分析結果，在此嘗試展望技術在教育中的應用相關研究。

（一）人工智能將成為教育變革的重要撬動點

人工智能是2018年諸多國際會議上研究者關注的熱點議題。近年來，人工智能技術在教育中應用的理論研究與實踐均呈現爆發式的增長，神經科學的興起、機器學習、數據挖掘等領域的快速發展促成了這種前所未有的增長。人工智能技術為教育系統帶來了新的機遇，智能化學習環境可以對學習活動本身進行建模，幫助我們更好地理解學習，通過智能代理與學習者之間進行對話，執行教學策略，促進學習者與系統之間有效互動。在不同的國際會議中，專家學者分享了關于人工智能研究的前沿內容，主要有宏觀和微觀兩方面。宏觀層面主要包括人工智能技術專業人才的培養研究、人工智能時代的人文教育研究、人工智能時代的教育政策研究等;微觀層面主要包括人工智能技術與教師的關系研究、智能教育系統的設計與開發研究等，已經有設計開發智能的導師系統、AI輔助學習系統等運用于實踐，讓學習者體驗基于網絡的AI互動式教學。隨著對人工智能的研究不斷深入，人們對人工智能的認識也逐漸加深，在國際人工智能與教育大會成果文件《北京共識》中主要圍繞10個議題規劃了人工智能時代的教育（張慧， 等， 2019），提出教育人工智能的政策制定要體現以人為本、跨界合作及多元經費籌措的原則（苗逢春， 2019），為未來研究指明了方向。

（二）學習分析技術研究向深度拓展

學習分析主題在2018年不同的國際會議中頻繁出現也印證了學習分析的研究是當前熱點。對學習分析研究的內容從橫向來看不斷豐富，涌現出許多新的研究內容，如文本分析轉向寫作分析，建設學習分析的課程，學習分析的參與式設計，大規模的個性化反饋的方法與實踐，證據導向的學習分析，學習分析的人才培養及職業發展，等等。對學習分析的研究縱向不斷深化，包括學習過程追蹤，采集在不同學習場景下行為數據、不同感知覺數據，通過多模態數據分析追蹤學習過程;構建學習者畫像，在網絡學習環境中通過文本分析、話語分析、表情識別、情感分析等對學習者建模，深度了解學習者特點;提供個性化和全方位的支持服務、教育資源精準推送、個性化的教育評價與反饋、風險預警和教學干預等，促進教育逐漸走向個性化。除此之外，學習分析的政策、風險和保障措施也受到研究者的關注，完善學習分析數據和技術規范并提供政策保障顯得至關重要。

（三）教學設計向“以學習者為中心”的學習設計方向發展

教學設計是教育技術領域的核心研究內容，隨著人們對教育學理論的認識不斷加深，教學設計逐步從以教師為中心轉向以學習者為中心，開始關注學習者的需求和學習能力，并在大數據和學習分析技術的推動下從教學設計轉向學習設計。這是一種新的設計思路與模式，在更真實地了解學習者特點的基礎上設計學習內容和學習活動，根據學習活動參與情況動態地給予學習評價和學習反饋，并不斷迭代更新學習設計，實現真正地以學習者為中心。未來隨著學習分析技術的發展將為學習設計提供更多支撐。

（四）STEM教育、計算思維培養和游戲化教學研究在基礎教育階段受到青睞

在K-12階段，STEM教育、計算思維的培養和游戲化教學是研究的熱點。STEM教育最早興起于美國，隨后在全世界蓬勃發展。目前，研究者已經不再局限于STEM的內涵、特征、意義的討論，更多地從課程設計、教學、師資配置及專業發展等方向研究如何提高STEM教育質量。此外，在互聯網時代，計算思維培養也成為基礎教育的重要研究主題。計算思維是個體運用計算科學的思想方法進行問題解決時產生的思維活動（朱珂， 等， 2018），格羅夫（Grover， 2018）在題為“關于計算思維及學習科學如何塑造對計算機科學深度學習的思考”的主旨報告中提出計算思維和編程被認為是21世紀的關鍵技能，是“互聯網+”時代個體必須具備的重要信息素養，計算思維的培養有助于激發學習者的創新能力和問題解決能力，應對未來不確定的挑戰?；跀底钟螒虻膶W習能夠增強學習動機，尤其是在K-12階段，能夠激發學習者的學習興趣。有研究者開始關注游戲化教學策略的研究，通過恰當的策略性工具的使用提高學習者的學習效率。值得指出的是，過度采用游戲或信息技術開展教學容易帶來科技沉溺的問題。

（五）開放教育資源在高等教育中的應用研究如火如荼

廣義的開放教育資源研究不僅包括MOOC在內的在線課程的設計、開發、應用、推廣的研究，也包括在線學習規律的研究。在國際會議中，已涌現出一些關于在線教學交互的研究、社交媒體的研究和在線教育的情感研究。加里森（Garrison， 1999）等最早提出了著名的探究社區理論，指出教學中存在三個關鍵要素——社會臨場感、教學臨場感和認知臨場感，他們認為只有當這三個要素的水平都較高時有效的學習才會發生。近年來，該模型的創始人之一Cleveland Innes教授又在模型中補充了第四個要素，即情感臨場感 ，由此顯示在線教育中的情感研究開始受到關注（馮曉英， 等， 2018）。

（六）移動智能技術助力教育公平

當前，我們使用的設備大部分都是筆記本電腦、平板電腦、手機等移動終端設備。智能耳戴設備的研究提供了未來教育的又一種可能。智能耳戴設備是一種無線、智能化且包括麥克風和耳機的具有人工智能的微型計算機（Hunn， 2014）。目前，耳戴設備發展非常迅速，用戶可以使用無線藍牙鏈接，降低對網絡的依賴性，主動過濾環境噪音從而降低入耳噪音。麥克格利爾（McGreal， 2018）指出，智能耳戴設備最顯著的意義是它能夠提供給人們超越耳朵基礎聽力的能力，它能夠實現技術支持下的隨時隨地學習，從而高度地實現個性化。對耳戴設備的研究是新興的研究熱點。據了解，美國Bose公司的無線耳機已經開始嘗試教育運用，其語音搜索功能的實現能夠面向有障礙的人群，從而助力實現教育公平。

（七）科技和倫理邊界的新主題引起關注

隨著互聯網技術的發展，尤其是多媒體互聯網技術的發展，其在教育中的應用逐漸從局外、邊緣的教育工具轉變為關鍵、重要的支撐，從工具性地加入教學變為融入教學，這也使得科技與教育的倫理邊界引起關注。在未來教育大會和第19屆人工智能在教育中應用的國際會議中，設立了關于人工智能與教育倫理、人工智能與道德問題的圓桌討論。關于人工智能的倫理討論聚焦于兩個問題，其一是AI本身的道德評價問題，其二是AI研發與應用后果的善惡問題（王銀春， 2018）。人工智能與任何事物一樣，都具有兩面性。目前，在世界范圍內幾乎沒有任何相關指導方針，也沒有制定任何政策、法規來解決在教育中使用人工智能所引起的道德問題，因此亟待明確面向智能教育的人工智能的倫理構建原則（杜靜， 等， 2019），這也是人工智能在教育中的應用研究面臨的挑戰和重要問題，規范倫理道德有助于更充分地利用人工智能技術帶來的積極的正面作用。

五、結語

本研究基于2018年在全球舉辦的26項教育技術領域的國際會議的文獻，對收集得到的358個大會主旨報告、工作坊報告及圓桌會議的主題和摘要通過Leximancer軟件進行聚類分析，發現了教育、設計、分析、評價、未來、在線、研究七個主題團屬下的22個研究熱點，據此綜合分析了教育技術領域的研究熱點和發展趨勢。每年全球舉辦的教育技術及相關領域的學術會議眾多，在本研究過程中或有遺漏，但作者希望本研究結果能為教育技術的研究者和實踐者提供新的思路，保持對新技術發展和應用的高度敏銳，積極探索如何用好技術促進教育變革，最終為教育發展做出應有的貢獻。

[參考文獻]

杜靜，黃榮懷，李政璇，等. 2019. 智能教育時代下人工智能倫理的內涵與建構原則[J]. 電化教育研究（07）：21-29.

馮曉英，王瑞雪，吳怡君. 2018. 國內外混合式教學研究現狀述評——基于混合式教學的分析框架[J]. 遠程教育雜志（03）：13-24.

苗逢春. 2019. 引領人工智能時代的教育躍遷：2019年北京國際人工智能與教育大會綜述[J]. 電化教育研究（08）：1-11.

王美，廖媛，黃璐，等. 2018. 數字時代重思學習：賦予學習科學重要使命——第13屆學習科學國際大會綜述[J]. 開放教育研究（05）：108-120.

王銀春. 2018. 人工智能的道德判斷及其倫理建議[J]. 南京師大學報（社會科學版）（04）：29-36.

吳祥恩，陳曉慧. 2018. 國際在線臨場感研究的現狀、熱點及趨勢——基于2000—2017年WOS核心數據庫相關文獻的知識圖譜分析[J]. 中國電化教育（02）：37-45.

吳永和，李若晨，王浩楠. 2017. 學習分析研究的現狀與未來發展——2017年學習分析與知識國際會議評析[J]. 開放教育研究（05）：42-56.

徐杰，楊文正，李美林，等. 2018. 國際游戲化學習研究熱點透視及對我國的啟示與借鑒——基于Computers & Education（2013-2017）載文分析[J]. 遠程教育雜志（06）：73-83.

張慧，黃榮懷，李冀紅，等. 2019. 規劃人工智能時代的教育：引領與跨越——解讀國際人工智能與教育大會成果文件《北京共識》[J]. 現代遠程教育研究（03）：3-11.

中華人民共和國教育部. 2018-4-18. 教育部關于印發《教育信息化2.0行動計劃》的通知[EB/OL]. [2019-1-10]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html

周進，安濤，韓雪婧. 2018. 國際機器人教育研究前沿與熱點——基于Web of Science文獻的可視化分析[J]. 開放教育研究（4）：43-52.

朱珂，賈鑫欣. 2018. STEM視野下計算思維能力的發展策略研究[J]. 現代教育技術（12）：115-121.

Bacon， L. （2018， March 15）. Impact of Artificial Intelligence and Automation on the Future of Education. Retrieved February 10，2019 from http：//www.csedu.org/KeynoteSpeakers.aspx？y=2018

Becheru， A.， & Calota， A. （2018， March 18）. Student Viz： A Tool for Visualizing Students Collaborations in a Social Learning Environment. Retrieved February 10，2019 from http：//ucsec.bnu.edu.cn/

Buller， J. L. （2018， October 23）. Knowing yourself and collaborating with all kinds of people to get things done. Retrieved February 12，2019 from https：//www.aect.org/keynote_speaker.php

Chen， S. Y. （2018， May 25）. Using Digital Learning Tools to Enhance Academic English Skills： An Individual Difference Perspective.Retrieved February 8，2019 from http：//gccce2018.scnu.edu.cn/KEYNOTE-SPEECHESC/SPEECHESCN/

Conati， C. （2018， March 5）. Towards User-Centered Analytics： User-Adaptive Visualizations. Retrieved February 10，2019 from https：//latte-analytics.sydney.edu.au/keynotes/

Dennen， V. P. （2018， July 4）. Social Media Knowledge Activities： Opportunities for Learning across Formal and Informal Settings. Retrieved February 20，2019 from http：//icoie2018.ouhk.edu.hk/e-keynote.html

Du Boulay， B. （2018， November 26）. Artificial Intelligence in Education-the next 10 years . Retrieved February 10，2019 from http：//icce2018.ateneo.edu/index.php/keynote-speakers/

Garrison， D. R.， Anderson T.， & Archer， W. （1999）. Critical inquiry in a text-based environment： computer conferencing in higher education. The internet and higher education， 2（2）：87-105.

Grover， G. （2018 November 26）. Thinking about Computational Thinking and How Learning Sciences Can Shape Deeper Learning of Computer Science in Schools. Retrieved February 10，2019 from http：//icce2018.ateneo.edu/index.php/keynote-speakers/

Harris， J. C.， Krajcik， J. & Severance， S. （2018， June 23）. Designing Knowledge-In-Use Assessment Tasks and Rubrics to Assess and Promote Deep Learning in Science Classrooms. Retrieved February 12，2019 from https：//www.isls.org/icls/2018/icls2018.com/workshops/index.html

Hunn， N. （2014， April 4）. Hearables-the new warbles. Retrieved February 10，2019 from http：//www.wearable-technologies.com/2014/04/hearables-the-new-wearables/

Jennings， C. （2018）. Make your courses count： how to create a digital analytics model to measure the success of online courses. Retrieved February 10，2019 from https：//latte-analytics.sydney.edu.au/workshop- schedule-tuesday-6-march/

Kanwar， A. S. （2018）. Global Trends in OER—What is the Future？ Retrieved February 20，2019 from http：//icoie2018.ouhk.edu.hk/e-keynote.html

Leximancer. （2015）. Leximancer manual version 4. Retrieved December 27，2018 from http：//www.leximancer.com/

McGreal， R. （2018）. Hearables for online learning. The International Review of Research in Open and Distributed Learning， 19（4）：260- 267.

U.S.Department of Education. （2017 January）. Reimagining the role of technology in education： 2017 national education technology plan update.Retrieved February 10，2019 from https：//tech.ed.gov/files/2017/01/NETP17.pdf

Parsons， T. D. （2018）. Computational Neuropsychology & Simulation： New Tools for Enhancing Assessment & Training.Retrieved January 25，2019 from http：//ucsec.bnu.edu.cn/

Polito， G.， & Temperini， M. （2018 March 18）. A Gamified Approach to Automated Assessment of Programming Assignments. Retrieved February 20，2019 from http：//ucsec.bnu.edu.cn/en

Prieto， L. P.， & Rodríguez-Triana， M. J. （2018）. Orchestrating learning analytics： learning analytics adoption at the classroom level. Retrieved February 10，2019 from https：//sites.google.com/view/orla-ws-2018/home

Saliah-Hassane， H. （2018 March 15）. Standardization of Online Laboratories for Education—Why and How？ Retrieved February 10，2019 from http：//www.csedu.org/KeynoteSpeakers.aspx？y=2018

Sampson， D. （2018 July 4）. Educational Data Analytics for Supporting Teaching and Learning in Online Education. Retrieved February 20，2019 from http：//icoie2018.ouhk.edu.hk/e-keynote.html

Shaffer， D. W. （2018 March 5）. The Importance of Meaning： Going Beyond Mixed Methods to Turn Big Data into Real Understanding. Retrieved February 11，2019， from https：//latte-analytics.sydney.edu.au/keynotes/

Singer， S. （2018 November 5）. Identifying the Catalysts of the Education of the Future. Retrieved February 11，2019 from http：//www.ges-china.com/2018/zh/news/newDetails.aspx？Id=33

收稿日期：2019-03-30

定稿日期：2019-08-08

作者簡介：許玲，博士研究生，北京師范大學首都學習型社會研究院（100875）。

張亦弛，網易（杭州）網絡有限公司（310052）。

責任編輯 郝 丹