數據驅動的動態學習干預系統設計

樊敏生 武法提

[摘? ?要] 移動信息技術的快速發展使得傳統的學習環境發生了巨大變化，走向了虛擬數字化環境和現實物理環境的逐步融合。在這種混合式學習環境中，以測量為核心的“數據驅動教學”強調基于數據的教育決策與干預。文章對學習干預的概念進行了梳理，利用“AGIL”理論提出“數據驅動的動態學習干預系統分析設計框架”，并根據該框架構建了教育云環境下數據驅動的動態學習干預系統，形成了以層級式的干預反應為運行機制，從而協調干預目標系統、干預環境系統、干預運行系統之間的數據有序流轉，構建了基于數據驅動的精準化、層級化學習干預系統模型。數據驅動的學習干預系統是一個眾多因素整合而成的復雜系統，各要素并非簡單的功能堆砌與疊加，研究將教育云環境下動態學習干預環境與所創建的理論相結合，形成了具有理論指導的學習干預實踐體系，對研究解決如何有效地在教學中實現基于數據的、動態化的學習干預進行了理論與實踐的探索。

[關鍵詞] 數據驅動; 學習干預; 系統設計; 學習分析; 大數據

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 樊敏生（1982—），男，甘肅蘭州人。講師，博士，主要從事智能教育、學習分析、數字化學習資源與學習環境設計研究。E-mail：xmanfms@126.com。武法提為通訊作者，E-mail：wft@bnu.edu.cn。

一、問題的提出

當前人類社會已經進入大數據時代，各行各業都緊跟時代步伐，努力改變各自傳統的運行模式，享受大數據時代帶來的普惠成果。在教育教學領域，基于互聯網、移動技術和多媒體技術的應用使得傳統教學環境發生了巨大的改變，數字化的學習設備和網絡化的學習平臺被大量應用于教學的各個環節之中，學校、教室與虛擬化、數字化的學習環境實現了逐步的融合，形成了數字化、智慧化的混合式學習環境[1]。在這樣的學習環境中，為學習者提供數字化、智能化、個性化的學習服務已成為教育發展的一個重要方向。

現代信息技術在教學活動中的廣泛應用，積累了大量可被收集與觀測的學習數據，打破了以往學習過程難以被監測評估的現狀。以測量為核心的“數據驅動的教學”強調在合理量化與全面收集學習者學習行為數據的基礎上，利用多種數據處理工具，測量和分析學習者在各種場景下的學習過程中產生的多維度的數據與信息[2]。在中小學當前基于信息化環境的混合式教學中，構建一種高效的學習診斷與干預機制，利用學生在教育云平臺中的大量學習行為數據分析影響學生學習績效的活動變量，進行基于實證的干預和基于數據的決策，滿足學生個性化學習的需求，以及如何更好地將動態的評估與干預結合在一起，從而滿足中小學實際教學需求，成為具有重要意義的研究領域。

二、學習干預的概念界定

筆者參閱了大量文獻并對“學習干預”的概念進行分析梳理。“干預”所表達之意為“過問或參與”。在英文解釋中，Intervention的含義更加豐富，除了中文所屬的過問、參與之外，還強調了強制性涉入某事，其目的是為了阻礙或者糾正某種行為。就教育學領域而言，盡管“干預”這一概念早已廣為人知，但在學術研究方面仍停留在一個寬泛性的層次，并未有學者對這一概念作出明確界定。尤其是教學實踐中干預模式的多樣性和變動性，導致學術界無法對這一概念作出詳細闡釋。因此，各種外顯化的教學與學習支持服務都被認為是學習干預。隨著信息化教育的發展，學習干預可以發生在課堂上，也可以發生在網絡上。課堂上的干預主要是教師的各種教學方式或管理手段，而網絡中學習干預可以是教師的教學方式或管理手段，也可以是數字化學習環境自適應產生的、為改善學習者的學習績效和幫助學習者解決問題而實施的各種策略和行為[3]。杜紅梅認為，一個有效的教育干預應該整合相關教育與心理學理論，面向不同的干預對象施加特定的干預策略，使得相關干預實施對象能夠按照教學干預所制定的目標相向而行[4]。張超指出，學習干預作為聯通傳統學習場景和線上學習的渠道，更加關注學習者的行為因素、心理因素等對學習成效的影響，所以學習干預設計核心四要素是指在學習過程中對學習者的動機、情感、認知和態度進行干預設計[5]。李彤彤、武法提等學者從學習分析視角出發，認為在學習分析過程中，學習干預是一切對學習者學習產生影響的介入手段，作為與教學過程直接關聯的部分，學習干預是改善、提升學習成效的關鍵[6]。國外有學者認為在理想的狀態下，干預始于對學習困難兒童的學習和環境的優勢、劣勢以及需求進行評估，在對需要幫助的兒童提供學習支持的同時，監控兒童的發展，并對其發展進行重新評估[7]。

學習干預的對象是學習活動中的學習者，作為學習活動的主體，學習者本身所具備的動機水平、認知能力、學習水平等都將對個體的學習過程產生影響。學習干預的目的就是希望干預的策略與方法能夠與學習者在學習活動中的特征相匹配。因此，學習干預的設計能否滿足學習者在學習過程中的需求，學習干預策略與方法能否匹配不同學習者的學習特征，就成為衡量一個學習干預設計是否優秀的重要參考依據。教育教學是一項極其復雜的社會活動，以現有的技術手段和理論基礎很難在具體實踐中考慮學習者所有的特征，同時對研究設計來說，也不是學習者所有的特征都具有設計意義，在干預設計過程中要作好可行性分析，明確學習者個體特征中哪些特征是可干預的，而哪些特征則無法干預，因此，要挖掘出那些對個體的學習具有重要影響，并且是可觀測、可干預的特征要素。通過對文獻的梳理，對學習者特征的分析包括智力與非智力因素兩個方面，同時學習行為作為學習過程的重要組成，也可以被用于對學習者的特征進行分析。學習者的智力因素通常指學習者個體的知識基礎、認知能力與認知結構等;而學習者的非智力因素特征主要由學習動機和態度、學習風格以及興趣、情感、意志和性格等;與學習行為有關的特征通常是收集整理并分析e-Learning環境下的學習行為數據。通常情況下，需要分析的學習者特征包括如下幾個維度：（1）起點學習水平;（2）認知能力與認知結構;（3）學習態度與動機;（4）學習行為。

在充分總結和借鑒國內外相關研究基礎上，本研究對學習干預作如下概念界定：即在相關教學理論與學習理論的指導下，在數字化學習環境下，教育實施者基于大數據思維和學習分析技術對學習者進行數據建模畫像，并對學習過程中產生的學習數據、行為數據、個體信息等數據進行處理和分析，從而實現對干預目標精準的干預策略指導和學習支持服務，使得教師能夠充分掌握學生的學習狀態，選擇適當的教學策略，學生能夠及時發現自身存在的問題，提高學習效率。

三、數據驅動的學習干預系統設計

（一）基于AGIL理論的學習干預系統設計框架

結構功能主義（Structural Functionalism）是西方社會學中的一個重要理論流派。該理論主要從結構、功能以及二者之間的關系出發來分析社會學問題[8]。而在結構功能主義研究領域中，Parsons是最具代表性的人物之一，他提出：系統就是一個基于行為者互動過程的體系，是由具有不同功能的多層的次系統（子系統）形成的總系統，各組成部分以有序的方式相互關聯，每個子系統都發揮著各自的功能，部分功能的發揮會對整體功能的實現產生影響[9]。在Parsons看來，任何一個系統必須實現四項基本功能，方能生存和發展下去，它們分別是適應（Adaptation）、目標達成（Goal Attainment）、整合（Integration）和模式維持（Latency）功能，這就是Parsons提出的著名的AGIL模型，此模型“大到可以解釋整個人類社會，小到可解釋某一制度”[10]。

以Parsons的AGIL模型為依據來審視數據驅動的學習干預系統體系的構建，其核心內容是對學習干預體系模型功能的描述、結構的架構等方面。針對AGIL模型的四個基本功能，對應指導設計數據驅動的學習干預系統，建立了一個“數據驅動的學習干預系統分析設計框架”（如圖1所示）。

該框架首先將數據驅動的學習模型視為一個系統，提高學習者的學習水平則是系統運行所要達到的最終目標。數據驅動的學習干預模型系統由學習干預環境系統、學習干預目標系統、學習干預反應系統、學習干預運行系統構成，它們分別承擔著適應、目標，達成、整合、維持的功能，為了實現提高學習者的學習水平的系統目標，各個系統必須進行調適。因此，干預環境數字化的結構性要求決定了建立基于教育云環境的學習平臺、為學習者的學習創造良好的數字化環境等功能性訴求;干預目標體系化的結構性要求決定了針對不同學習問題設立不同的干預目標、目標之間存在關聯性等功能性訴求;反應系統動態化的結構性要求決定了學習是一個動態進行的過程、干預反應系統通過對學習者學習過程的監控和詳盡的數據分析為學習者提供學習干預和服務等功能性訴求;運行系統流程化的結構性要求決定了建立完備的策略體系、使得運行系統能夠按照對應的干預策略流暢地運轉等功能性訴求。只有這些功能性訴求都得到滿足，才有可能實現提高學習者學習水平的目標。

（二）數據驅動的動態學習干預系統構建

構建數據驅動的動態學習干預系統，需要解決兩個方面的內容，首先分析在教育云混合學習環境中影響學生的學習績效的相關因素，找到其中重要的因素，其次是建立學習干預與學習結果之間的聯結，為后面學習干預模型系統的構建提供依據。整合之前提出的學習干預效果影響因素與AGIL學習干預系統設計框架，構建了數據驅動的動態學習干預系統模型（如圖2所示）。

系統底層架構為系統的功能層，分別由學習干預目標系統、學習干預環境系統、學習干預反應系統和學習干預運行系統組成，并根據功能層的組成對應架構了“目標”“環境”“干預反應”以及“干預類別”和“策略”結構層體系。

1. 學習干預目標系統

學習干預目標系統承載的功能是目標達成，該功能主要目的是在系統目標中建立次序級別，協調各目標之間的相互關系，并協調系統內部各子系統調用資源去實現目標。Marzano指出，思維的過程和技能是相互影響的互動循環[11]。這體現了認知與情感的總體互動，決定了學習者的學習效果。由此可以發現，“愿意學習”“能夠學習”和“善于學習”是學習者能夠獲取學習成功的關鍵[12]。基于此，本文在提出與設計干預框架模型時，提出了干預目標就是希望通過干預實施的影響與指導，促進學生在學習發生時從“愿意學”的基本要求上升到“能夠學”的一般要求，到最終成為一個“善于學”的優秀學習者。數據驅動的動態學習干預系統的目標由“愿意學”“能夠學”“善于學”這三個子目標構成，在邏輯關系上是層級關系，因而決定了學習干預系統在目標實現的運轉過程中必然是一種層級遞進式的過程，通過實現不同層級上各子系統的目標，從而達到系統要實現的總目標，這在結構上也滿足了設計框架中所提出的“干預目標體系化”這個結構性要求。

2. 學習干預環境系統

學習干預環境系統承載的功能是適應，一個系統必然要與其運轉的環境產生相應的聯系，為了能夠正常地運轉，系統必須從外部獲取所需資源，然后在整個系統中進行分配。本研究中，學習干預環境系統主要由教育云環境下的動機喚醒干預子系統、學習水平診斷與干預子系統、認知能力診斷與干預子系統組成。在教學活動之中，學生在教育云環境中開展學習活動，“學習干預環境系統”則保留了大量學生學習數據，包括一系列的學習資源使用情況統計、用戶信息、學習者學習過程中所產生的各類型數據等，這些產生和保留的數據，能保證整個動態學習干預模型的正常運轉，使得對學生的學習干預需求可以基于數據進行針對性的分析，對學生學習的干預措施可以基于教育云環境進行數字化的實施，滿足了設計框架中對學習干預環境系統數字化的結構性要求。數據驅動的動態干預系統要想良好運轉，則必須建構合理的結構、準備優秀的干預資源、設置豐富的干預策略和內容來適應信息化條件下學習環境的改變，同時系統也要得到學校、社會、教師、學生的支持，爭取更多的業內人員積極參與。豐富系統的數據資源，為更精準的學習干預服務提供數據支持。

3. 學習干預反應系統

學習干預反應系統承載的功能是整合。該系統的主要功能是協調各個子系統之間的數據流轉，使系統各部分協調為一個起作用的整體。數據驅動的動態學習干預系統中存在多個子系統，并且模型的“目標系統”是一個自下而上的層級關系，所以“干預反應”子系統就必須能夠承載和協調系統內其他子系統自下而上的關系。為了使得各個子系統之間能夠相互不受影響地正常運轉，必須設計一個合理的干預運行機制。這個機制首先能夠保證干預環境系統的正常運轉，其次要滿足干預目標系統的不同層級目標，最終還要保證干預運行系統能夠動態化、流程化地運轉，使系統各部分協調為一個起作用的整體。因此，干預反應系統也應當采用分層的策略，明確每個層次中的特定需求是什么、不同層次間功能傳遞的相互作用。學習是一個動態發展的過程，因此，對于學習的干預也是一個動態變化的過程，本研究提出的學習干預反應系統是建立在美國國家干預反應研究中心（NCRTI）在2006年提出的干預反應模型基礎之上的[13]。RTI模型通過系統化三層級結構，連續評估學生學業及行為表現，從而指導教師有目的地開展教學活動。它以多級干預邏輯架構為支撐，具有風險預防、循證，實踐和系統改變三大核心理念[14]。如圖3所示，干預—反應模型具有一個系統的邏輯框架，其中包括一個具有漸進關系的三級干預水平。

層級式干預可以通過不同階段的干預方式層層深入，不斷豐富學生對自我和知識的認識，在良好的學習氛圍中建立起對知識的理解和把握。其干預實質就是在學習過程發生的不同階段解決不同的問題，研究者與教師作為干預實施的主導，要了解學生在不同階段所面對的問題，幫助學生完成自己的學習任務。本研究借鑒RTI干預反應模型的分層方式，提出三層級的干預層級。

層級1。這一層級的干預是一種預防性的、先見性的干預，對應干預目標中的“愿意學”，因而該層級是面向全體學生的干預，由動機喚醒干預系統負責干預策略和手段的實施，主要解決在學習之初學生的學習動機與投入問題，通過干預手段使得動機不足的學生能夠以自信、飽滿的狀態投入到已經開始的學習中。在學習活動全過程中，始終在檢測學生的動機水平，一旦發現有學生出現學習動機低下的情況，則立刻進行干預，保證學生的動機水平維持在一個穩定的狀態。

層級2。第二層級的干預是一種快速反應的干預，適用于大多數學生，對應干預目標中的“能夠學”，由學習水平診斷與干預系統負責干預的實施。主要解決學生在具體課程中知識的理解、應用問題，借助于干預系統實施的診斷題目，快速了解學生對知識點的掌握情況，從而自適應推送相關干預練習，促使學生掌握學科知識點，并提高自己的認知維度水平，從而提高學生的學業成績與水平。

層級3。第三層級的干預是基于評估的、密集的、持續的干預。當第二層級干預實施一段時間后，如果有部分學生還是無法達到相應教學要求，則進入到該層級的干預。這一層級由認知能力診斷與干預系統負責干預的實施。主要通過認知診斷系統檢測進入到這一層級學生的認知能力，根據認知能力所反映出的學生的問題進行針對性的干預訓練，使得學生的認知能力的某些維度能夠得到提升，從而提高學生的學習效果。這一層級需要花費大量額外的教學資源，因而在層級中處于頂層。借助于RTI干預反應模型的三層金字塔型結構，本模型中“干預反應”子系統應用了這種結構，使得整個模型系統可以合理順暢地運轉。由于RTI干預反應模型本身就是基于一種動態化設計的思想，所以“干預反應”子系統也滿足了設計框架所提出的“反應系統動態化”的要求。

4. 學習干預運行系統

學習干預運行系統承載的功能是模式維持，在本系統模型中對應于功能層的“干預類別”與“策略”。干預類別的明確與策略制定能夠使得整個系統遵循一定的規范運轉。干預類別與策略同樣圍繞著三級干預目標體系制定與建立，整個學習干預運行系統由三個自下而上的層級構成了初級干預、二級干預、三級干預層級體系。各個層級所對應的干預類別和干預策略保證了整個大的干預系統依據相應的運轉流程規范并合理地持續運轉，滿足了設計框架提出的運行系統流程化的結構性要求。

（1）干預的類別

本文參考張超博士對學習干預的二維分類方式，為本系統的干預類別進行劃分，分別針對三個干預層級設定了“通用性干預”“選擇性干預”和“組合式干預”。這三類干預包含了張超博士提出的兩個維度，為干預的具體實施提供了清晰的指向性。

通用性干預：面向的對象是全體學生，包含了一系列促使全體學生取得成功并防止其產生行為問題或學習問題的策略、技巧和方法。這些策略和方法最初也是作為教學設計的一部分建立的，如幫助學生制定個人學習目標、定期指導學生復習等內容，因而教師平時都會應用到。

選擇性干預：選擇性干預是為了解決個體學生的需要而設立的，當個體學生存在學習問題或者行為問題時，在通用性干預的基礎之上實施選擇性干預，對一些學生進行額外的幫助與支持，以實現對學生的學習個性化支持與服務。

組合式干預：從干預的規模上看，通用性干預的規模效應最大，面向全部學生，而選擇性干預因為面向具體對象或小群體，規模效益很小。從干預的支持服務效益上看，選擇性干預的針對性最強。在一些環境下既需要覆蓋全體，又需要對個體或小群體實施個性化干預，此時就需要將兩種干預類型組合起來使用，因而在干預模型中提出一種組合式干預來解決干預中所面對的這類情況。

“數據驅動的動態學習干預”系統的設計與構建，其目的就是希望通過干預實施的影響與指導，促進學生的學習發生與開展，從而提升其學習水平與績效。要實現這一總目標，需要四個子系統和諧統一、默契配合，充分發揮其價值與功效，從而實現系統之間的穩定互動。

（2）干預的策略

干預的策略就是為解決學習者在學習過程中所暴露出來的問題而設計的有目的、有計劃的方式和方法。本文提出的干預策略系統依據干預的目標和干預的類別在不同干預層級上構建干預策略集，并依托于教育云學習環境中三大干預系統實施干預，構成了三個干預系統的功能組成部分。其中自適應動機干預與教師干預相結合，具體作用發生在動機喚醒干預子系統中，在該子系統中通過數據的收集與分析，系統將自動判別干預對象，同時系統根據干預對象的特點與學習需求，啟動相關干預引擎，調用干預策略庫中的干預內容并自動推送至對應的干預對象。與此同時，系統還可發送干預提示信息給教師，教師可以根據信息內容，選擇性地在傳統課堂中進行干預，這樣既保證了干預的及時有效性，也保證了干預的普遍適用性，既可針對個體實現個性化干預，也可對全體實現大范圍的干預。在學習水平診斷與干預子系統中，所構建的干預策略形式為自適應題目推送，系統構建了具有難度標簽的試題庫，并測算了學生的能力水平，干預引擎可以根據學生能力水平推送難度稍高于其水平范圍的測試題目，使學生能夠掌握所學知識內容，達到其最近發展區水平。在認知能力診斷與干預子系統中，所施行的干預策略主要是個性化的認知過程訓練。在網絡環境下，系統根據診斷所確認的學習者個體認知能力不足進行針對性的認知能力訓練，通過本研究所構建的認知能力訓練網站中所提供的不同類型的認知訓練任務，建構游戲化訓練的場景，使得學生的認知能力有所提高，從而提高學習成績。

（3）干預運行的流程

數據驅動的動態學習干預系統是一個多層級的連續遞進模式，系統在對學生的學習數據進行診斷之后，判斷一個學生需要接受哪一級干預，不同強度和層級的干預亦由學生對特定干預的反應程度決定。在學習干預運行系統之中，根據學習者對不同范圍的干預類別以及所對應的干預策略的反應條件進行設計，可提出一個基于數據診斷的動態學習干預反應模型（如圖4所示）。

基于數據診斷的動態學習干預反應模型依據RTI干預反應模型提出。一級干預是通用性干預，干預對象為全體學生，主要解決全體學生在學習之初和持續過程中所產生的動機不足問題，由動機喚醒干預系統負責執行相關干預過程。根據學習者對一級干預的反應，診斷出需要接受二級干預的學習者，二級干預已經是一種通用性干預+選擇性干預的組合式干預模式，干預系統會通過學習者在教育云環境中的學習數據進行診斷，得到學習者的學習狀態后進行學習水平和認知能力的對應干預，與此同時，第一級的通用性干預繼續保持，并對學習者的學習進行檢查和監控，該階段主要由動機喚醒系統和學習水平診斷與干預系統聯合運作。在二級干預實施一定階段之后，如果仍有學生無法達到學習要求，則啟動三級干預，進行動機干預、學習水平干預和認知能力干預聯合運作，該級別具有高度個性化的特征，通過系統診斷相關數據之后為每個學習者進行定制化干預服務。

四、結? ?語

人類生活的世界正在飛速變化著，而產生這種變化的根本原因就是無處不在的“數據”。各個行業基于數據的決策已經成為一種常態化方式[15]。但是在教育領域中，對數據的使用卻遠遠落后于其他行業，這是因為在傳統意義上，基于教育的相關決策是通過經驗、直覺、常識做出的，而往往缺乏數據的支撐[16]。因而在教育教學活動中實施基于數據驅動的、動態的學習干預，一直是個性化學習研究領域中的難點和亟待解決的問題。本文借助于結構功能主義與數據驅動決策的思想，并與教育領域中RTI干預反應模型、馬扎諾的認知五維度等理論相整合，建構教育云學習環境中的學習干預系統，這是一次很好的跨學科理論融合研究的嘗試，為教育研究領域其他模型構建研究提供了很好的可借鑒的研究方法[17]。當然，動態化的學習干預體系是一個眾多因素整合而成的復雜系統，各種要素并不是簡單的功能堆砌與疊加。要實現通過學習干預解決學生問題，并有效提升學生的學習水平這一目標，就需要四個子系統彼此配合，充分發揮其價值與功效，從而實現系統之間的穩定互動，并最終形成一個高效運轉的有機整體。與此同時，研究者將教育云環境下動態學習干預環境與所創建的理論相結合，形成了具有理論指導的學習干預實踐體系，對如何有效地在中學課堂中實現基于數據的、動態化的學習干預進行了理論與實踐的探索。

[參考文獻]

[1] 黃榮懷，楊俊鋒，胡永斌.從數字學習環境到智慧學習環境[J].開放教育研究，2012，18（1）：75-84.

[2] 顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012（1）：18-25.

[3] 黃榮懷，楊俊鋒，胡永斌.從數字學習環境到智慧學習環境——學習環境的變革與趨勢[J].開放教育研究，2012（1）：75-84.

[4] 杜紅梅. 移情與后果認知訓練對兒童欺負行為影響的實驗研究[D]. 重慶：西南師范大學，2004.

[5] 張超.教師遠程培訓的學習干預研究[D].上海：華東師范大學，2010.

[6] 李彤彤，黃洛穎，鄒蕊，等. 基于教育大數據的學習干預模型構建[J]. 中國電化教育，2016（6）：16-20.

[7] RAMEY C T. Early intervention and early experience[J]. American psychologist， 1998， 53（2）： 109.

[8] 辛璐璐. 國家治理現代化進程中的政府責任問題研究[D].長春：吉林大學2017.

[9] Talcott Parsons.The social system[M]. New York： The Free Press， 1951： 25.

[10] 鐘明. 20世紀社會科學中的系統理論[J]. 國外社會科學， 1997（3）：3-8.

[11] MARZANO R J. The new taxonomy of educational Objectives[M]. California： The Corwin Press， 2001：163.

[12] 盛群力. 旨在培養解決問題的高層次能力——馬扎諾認知目標分類學詳解[J]. 開放教育研究， 2008， 14（2）：10-21.

[13] 牟曉宇，昝飛. 美國特殊兒童學業困難反應模式——RTI模式[J]. 外國教育研究， 2011（4）：54-59.

[14] 劉宇潔，韋小滿.干預—反應（RtI）模型：美國教育政策理念架構的新趨勢[J]. 比較教育研究， 2012， 274（11）：86-90.

[15] 邁爾·舍恩伯格，肯尼斯·庫克耶.與大數據同行學習和教育的未來[M].趙中建，張燕南，譯.上海：華東師范大學出版社，2015：13.

[16] SIEMENS G， LONG P. Penetrating the fog： analytics in learning and education[J]. Educause review， 2011（46）：5.

[17] 殷寶媛， 武法提.智能學習系統中學習習慣建模的方法研究[J]. 電化教育研究， 2020（4）：55-61.