數據挖掘在國際中文教育個性化學習中的應用研究*

潘毓昉， 趙 文

(1.四川大學 文學與新聞學院，四川 成都 610207；2.四川農業大學 都江堰基礎教學部，四川 都江堰 611830)

一、引 言

近年來，因新冠疫情的爆發以及互聯網教育的飛速發展，國際中文教育在線上教學、資源建設、平臺研發等多方面都取得了長足進步，國際中文教育信息化建設正朝著“數字化、網絡化、智能化”方向持續發展。但由于各個國家、地區之間存在較大的政治、經濟、語言文化、硬軟件設施等差異，因此國際中文教育仍存在發展不平衡，本土化進程較緩慢，教學環境、學習者個體教育程度差異較大等問題。

教育部2022年工作要點中明確提出實施教育數字化戰略行動，要求“強化需求牽引，深化融合、創新賦能、應用驅動，積極發展‘互聯網+教育’，加快推進教育數字轉型和智能升級”。(1)中華人民共和國教育部.教育部2022年工作要點[EB/OL].http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/202202/t20220208_597666.html,2022-02-08/2022-03-05.因此，在信息化時代背景下，滿足日益劇增的多元化學習需求，適應漢語學習者個性化、自主化的學習特點，需要以學習者個性化需求為導向，發揮新技術輔助功能驅動國際中文教育數字化發展，實現個性化教育。

數據挖掘(DM：Data Mining)是“從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中人們事先不知道的，但又是潛在有用的信息和知識的過程?！?2)孫玉榮,羅立宇,黃慧華.數據挖掘在網絡教學中的應用[J].現代教育技術,2009,(6).數據挖掘技術具有較強的學科交叉性，涉及數理統計、模糊數學、神經網絡以及人工智能等領域，目前已廣泛應用于大型信息化系統的海量數據處理。數據挖掘的主要方法包括概念描述、關聯規則、分類分析、聚類分析、進化分析等。(3)毛國君.數據挖掘的概念、系統結構和方法[J].計算機工程與設計,2002,(8).目前，較多學者對教育領域的數據挖掘進行研究，主要集中于學習者模型構建(4)岳俊芳,陳逸.基于大數據分析的遠程學習者建模與個性化學習應用[J].中國遠程教育,2017,(7).、學習者成績預測(5)吳青,羅儒國.基于在線學習行為的學習成績預測及教學反思[J].現代教育技術,2017,(6).、教學評價與反饋(6)鄭慶華.運用教學大數據分析技術提高課堂教學質量[J].中國大學教學,2017,(2).、可視化分析(7)黃昌勤,朱寧,黃瓊浩,韓中美.支持個性化學習的行為大數據可視化研究[J].開放教育研究,2019,(2).、個性化學習研究等方面。其中個性化學習研究主要包含個性化學習服務研究，如楊麗娜等從設計、實施到評價三個層面構建了個性化學習服務體系(8)楊麗娜,魏永紅,肖克曦,王維花.教育大數據驅動的個性化學習服務機制研究[J].電化教育研究,2020,(9).，姜強等基于APRIORIALL算法，在挖掘學習者學習行為軌跡基礎上生成個性化學習路徑(9)姜強,趙蔚,李松,王朋嬌.大數據背景下的精準個性化學習路徑挖掘研究——基于APRIORIALL的群體行為分析[J].電化教育研究,2018,(2).，牟智佳等在基于學習測評數據的個性化評價模型基礎上設計了個性化評價工具原型(10)牟智佳,李雨婷,彭曉玲.基于學習測評數據的個性化評價建模與工具設計研究[J].電化教育研究,2019,(8).；個性化學習行為研究，如王改花等對網絡學習者的行為特征進行聚類分析(11)王改花,傅鋼善.數據挖掘視角下網絡學習者行為特征聚類分析[J].現代遠程教育研究,2018,(4).；個性化學習平臺設計研究等，如李俊杰等借助教育大數據分析技術等搭建了基于自適應題庫的個性化語言學習平臺。(12)李俊杰,張建飛,胡杰,盛守卓.基于自適應題庫的智能個性化語言學習平臺的設計與應用[J].現代教育技術,2018,(10).

在國際中文教育領域，數據挖掘研究主要集中于數據庫建設(13)鄭通濤,曾小燕.大數據時代的漢語中介語語料庫建設[J].廈門大學學報(哲學社會科學版),2016,(2).、教師發展研究(14)袁萍,劉玉屏.大數據時代國際漢語教師數據素養研究透視[J].民族教育研究,2020,(6).、語法研究(15)王瑋,蔡蓮紅.關聯規則在漢語詞屬性中的研究[J].計算機工程與應用,2001,(5).及教學方法研究(16)鄭艷群.教學分析與教學計算:大數據時代漢語教學研究方法探新[J].國際漢語教學研究,2020,(2)；鄭艷群.漢語教學數據挖掘:意義和方法[J].語言文字應用,2016，(4).等方面。其中，已有學者將其運用到個性化學習研究中，如熊玉珍在分析漢語個性化學習需求及學習者個性特征的基礎上，構建了基于測評技術的漢語個性化學習環境模型(17)熊玉珍.基于測評的漢語個性化學習環境的構建[J].電化教育研究,2012,(3).?？傮w而言，數據挖掘在個性化學習研究中的應用日漸廣泛，然而在國際中文教育領域研究仍較為有限。鑒于此，文章基于國際中文教育學習者個性化學習需求，構建基于數據挖掘的國際中文教育個性化學習平臺模型，探究數據挖掘在國際中文教育個性化學習中的應用，以期為不同國家、地區、民族的漢語學習者提供個性化服務，推動國際中文教育個性化、智能化、國際化發展。

二、國際中文教育個性化學習數據挖掘

(一)國際中文教育個性化學習

隨著海外漢語學習者數量日益增加，學習者類型以及學習需求多元化、差異化問題日漸凸顯，國際中文教育需要在教學資源開發，教學方法應用、教學平臺建設等多個領域實現國別化、本土化、個性化發展。個性化學習主要是指“針對學生個性特點和發展潛能而采取恰當的方法、手段、內容、起點、進程、評價方式，促使學生各方面獲得充分、自由、和諧的發展過程?！?18)李廣,姜英杰.個性化學習的理論建構與特征分析[J].東北師大學報,2005，(3).國際中文教育個性化學習具體體現為學習對象的個性化以及學習需求的個性化。

1.學習對象個性化

除了國籍、年齡、性別、職業、民族等基本信息不同以外，漢語學習者之間在語言水平、學習動機、學習策略、學習風格等方面同樣也存在較大差異。跟基本信息不同，語言水平、學習風格等數據較為動態，會隨著時間發生改變。因此，利用數據挖掘技術分析漢語學習者在學習中所產生的動態數據，有利于較為全面地掌握學生的個性化學習特征以及預測其學習行為。

2.學習需求個性化

不同國家、地區、民族漢語學習者需求多樣化，具體體現在學習目標、學習資源、學習內容、學習興趣、學習計劃、學習方法等方面。

(1)在學習目標上，漢語學習者既有可能以學歷或就業為需求導向，同時也可能出于愛好和興趣等原因，不同的學習目標將會影響學習內容、學習資源等方面的選擇。

(2)學習資源按媒介性質可分為紙質資源和數字化資源；按類型可分為數字、文字、圖片、表格、視頻、音頻等。首先，需要盡量滿足不同學習者的個性化需求，提供針對不同母語背景、受眾年齡、漢語水平、學習方式、學習風格的資源；其次，加強學習資源建設，尤其是數字化資源，如教材、慕課、微課、中文教學軟件、線上學習及資源平臺等，以此拓展學生學習渠道；最后，資源的形式應依據學生的感官偏好多樣化呈現，提供包含多種模態及媒體資源。

(3)學習內容按語言技能可分為聽說讀寫；按語言要素可分為語音、漢字、詞匯、語法；按等級可分為初級、中級、高級；文化知識類包括漢語的文化因素、中國基本國情和文化背景知識等；特殊用途類可分為商務漢語、科技漢語、旅游漢語、醫用漢語等。根據學生個人學習目標應開設不同的教學課程，首先，學習內容的安排基于學習者的學習目標和需要應有所偏重，如針對短期來華的漢語學習者，需更重視聽和說技能的訓練。其次，滿足不同學習者的學習需要，提供多種“中文+職業技能”課程內容，如“中文+醫學”“中文+旅游”等。此外，不同國家、民族的漢語學習者不僅對漢語學習內容需求不同，對于中國文化的學習需求同樣存在差異，同一文化需根據不同學習者的漢語水平進行分層次教學。最后，個性化的學習內容還需強化學習者的弱勢學科和技能。

(4)在學習興趣上，學習者感興趣的內容包含學習內容、教材、教師等不同方面，應盡量滿足不同國別、不同漢語水平的學習者興趣偏好。

(5)在學習計劃上，漢語水平等級、課程類型以及個人學習安排的不同導致學習者的學習進度呈現差異化，應盡量符合學習者當前的認知能力和漢語水平等級，并跟隨學生的動態變化及時調節。

(6)在學習方法上，漢語學習者具有不同的學習策略和手段等，如在漢語寫作課程中，有的學生偏向基于大量練習來提高寫作，有的偏向在教師講解后或在大量閱讀基礎上進行寫作等。因此滿足學習個性化需求應提供多種學習方法，實現學生的個性化發展。

(二)國際中文教育個性化學習數據處理流程

系統深入地探究漢語學習者的個性化學習特征，為學生制定個性化學習方案，推送個性化學習資源，提供個性化學習服務，需要充分利用現代信息技術，特別是數據挖掘，以此實現對學生動態學習過程中產生的數據進行深層次地分析和利用。國際中文教育個性化學習的數據處理分為數據采集、數據預處理、數據挖掘、結果分析四個過程(19)李劍波,李小華.大數據挖掘技術與應用[M].延吉:延邊大學出版社,2018：12～16.，流程如圖1所示。

圖1 國際中文教育個性化學習數據處理流程

1.數據采集：采集線上、線下課堂以及各學習平臺上漢語學習者的數據，數據可通過文字、音頻、視頻等多種形式呈現。國際中文教育個性化學習數據主要來源于兩方面，一是學習者的基本信息數據，二是學習數據，各類具體數據內容見表1。全面系統的數據收集是數據挖掘的基礎，收集到的數據一方面是進行學習分析的依據，同時也是提供個性化服務的重要來源。

表1 數據類型

2.數據預處理：對收集到的數據進行整理，清除無用的、不完整的、不一致的數據，確保數據真實有效。數據預處理包括數據集成、數據清理、數據變化、數據簡化等。(20)劉明吉,王秀峰,黃亞樓.數據挖掘中的數據預處理[J].計算機科學,2000，(4).

3.數據挖掘：運用關聯規則、聚類分析、統計分析、頻繁訪問組等方法對漢語學習者數據進行挖掘。

4.結果分析：通過以上的數據分析得出結果，并將結果以可理解、可視化的方式呈現。通過結果分析，我們可以較為直觀看到學生的個體學習特征及學習偏好，比如有的學習者口語流利但是寫作較差，有的學生很難發準某個聲調，有的學生經常在某類詞或句型產生偏誤，有的學生難以分辨相似詞語之間的差異，有的學生對圖像比對文字更靈敏等。

三、基于數據挖掘的國際中文教育個性化學習平臺模型

國際中文教育個性化學習面臨的主要挑戰就是如何因人而異有針對性地提供差別化的課程安排和教學內容，目前流行的教育模式，包括網絡教育系統和遠程輔助教學系統，大部分是以傳統教學模式為基礎，難以滿足信息時代學生的個性化學習需求。信息化和云計算平臺技術的發展，特別是數據挖掘的實際應用，為個性化學習這一目標提供了強有力的技術支撐，為實現個性化學習提供了可能。

基于數據挖掘的具備個性化學習功能的學習平臺是在原有信息化系統的基礎上，增加數據挖掘處理和個性化服務等功能，在有效提取、分析國際中文教育漢語學習者產生的學習數據基礎上，以個性化學習及二語習得相關理論為指導，以學習者信息庫、教學資源庫、測試資源庫等為支撐，利用數據挖掘技術，運用教學策略，構建能夠有效反饋學習數據的個性化學習平臺模型，制定學習者個性化學習方案，以期為學習者提供高效的個性化服務，提升漢語學習者的漢語水平和學習能力等。

基于數據挖掘的國際中文教育個性化學習平臺模型采用三層架構進行設計，包含表現層、業務邏輯層、數據訪問層(21)朱愛紅,余冬梅,張聚禮.基于B/S軟件體系結構的研究[J].計算機工程與設計,2005，(5).，如圖2所示。

圖2 基于數據挖掘的國際中文教育個性化學習平臺模型

1.表現層主要是個性化學習平臺的功能展示。學習者在個性化學習平臺進行自主學習、開展學習活動及進行測試等。

2.業務邏輯層主要功能是對數據進行分析，為個性化學習平臺的構建提供技術支撐。主要分為數據挖掘、個性化服務以及教學策略。

(1)數據挖掘。數據挖掘指運用相關技術對學習者在平臺的學習數據進行挖掘和分析，并基于此數據為學生提供個性化服務。

(2)個性化服務。結合孫雨生的分類(22)孫雨生,于凡,郝麗靜,等.國內基于大數據的個性化服務研究進展:核心內容[J].情報雜志,2017,(10).，將其劃分以下四類：個性化定制，根據學習者需求設置系統，如個性化皮膚、網頁內容和風格設置以及定制個性化學習方案。在平臺系統的設計中可融合具備中國特色的文化符號，豐富學生感知中國傳統文化的形式。個性化推送，基于推送標準或協議，由系統或人工基于大數據平臺等，結合用戶信息、需求及興趣等構建并基于用戶興趣模型查找、分類信息，以E-mail傳遞、預約通知、Web、APP等形式分階段、適度、主動地推送到客戶端或瀏覽器并接收用戶反饋以完善推送系統。(23)孫雨生,于凡,郝麗靜,等.國內基于大數據的個性化服務研究進展:核心內容[J].情報雜志,2017,(10).進行個性化推送時注重內容的實時性和實用性，將實時熱點與教學內容相結合，如新詞新語的使用以及充分利用中國節慶或節氣等。個性化檢索是針對個人、群體、大眾用戶特征、需求、設置、行為，依托大數據平臺構建個性化檢索引擎，基于特定方法、技術分析用戶實時、潛在需求，實時智能、低成本、精準對同一檢索詞返回不同結果并接收反饋且內嵌感情分析、語義聯想、結果去重、鄰近搜索、智能分詞、數據庫實時同步、用戶隱私保護等功能。(24)孫雨生,于凡,郝麗靜,等.國內基于大數據的個性化服務研究進展:核心內容[J].情報雜志,2017,(10).比如，初級學習者在檢索教材時，面向初級的教材應在檢索結果的前列。個性化推薦是針對數據進行個性化資源推薦，比如課程、教材、視頻推薦等。需要注意的是個性化推薦應在系統分析學生動態學習行為的基礎上進行，而不能僅以學習者興趣偏好為導向。

(3)教學策略。教學策略為平臺的教學設計以及個性化服務設置提供依據和方向。如在內容的推送上需要遵循語言習得的“i+1”的原則，根據漢語者的水平進行可理解輸入；在學習內容的重現上需要結合語言習得的遺忘規律，可根據學習者個人識記時間、內容、數量、程度以及方式進行內容推送等。

3.數據訪問層的主要功能是負責數據庫的訪問，對數據庫完成增加、刪除、修改、查詢操作(25)李俊杰,張建飛,胡杰,盛守卓.基于自適應題庫的智能個性化語言學習平臺的設計與應用[J].現代教育技術,2018,(10).，主要包括學習者信息庫、教學資源庫、測試資源庫、其他資源庫等。

四、數據挖掘在國際中文教育個性化學習中的應用

(一)基于數據挖掘的國際中文教育個性化學習平臺流程設計

圖3 基于數據挖掘的國際中文教育個性化學習平臺流程設計

基于數據挖掘的國際中文教育個性化學習平臺流程設計具體如下：

1.輸入信息和語言水平診斷。學習者登錄平臺后輸入基本信息，基于平臺提供的測試題庫，進行語言水平測試。平臺通過數據分析能初步了解學習者的學習能力以及目前的漢語水平等，為個性化學習方案的定制提供數據支撐。

2.構建個性化學習方案。個性化學習方案主要包含兩個方面，一是學習者根據自己的學習目標進行個性化學習設計，如對學習資源、學習內容以及學習計劃的設置等。二是平臺在全面系統分析學習者個性化需求以及學習特征的基礎上生成的學習者模型。基于以上兩個數據，平臺為學習者提供最優化的學習方案，如圖4所示。根據診斷測試以及考察學習數據(分數、測試、作業、發言、匯報等)可以預估學習者目前的漢語水平；根據學習感官偏好、工具偏好、信息加工偏好等，可了解到學習者的學習風格，如學習者更喜歡視覺模態的內容呈現，在平臺中可以適時增加以圖片、視頻、動畫呈現形式的學習資源；通過抓取學習者的行為數據(資源下載、點贊、評論、分享、網頁瀏覽、個人收藏等)，可追蹤到學習者的興趣偏好；針對漢語水平及興趣偏好等可初步制定學習資源、學習內容以及學習計劃等。

圖4 基于數據挖掘的個性化學習方案

3.推送個性化學習資源?；谏傻膫€性化學習方案，為學習者設計相關學習活動，推送符合語言水平、學習需求及興趣偏好的學習內容。學習者的偏好及語言水平會隨著課程的學習發生變化，因此提供的學習內容需在及時追蹤和跟進學習者水平及興趣愛好的動態變化的基礎上進行更新與修訂。

4.生成個性化學習數據。在學習的過程，學習者的認知偏好、認知能力、知識水平等是動態的，由此同樣也會因學習階段的改變、學習內容的加深生成最新的個性化學習數據。在該階段，平臺會依據學習進度對學習者知識掌握情況進行過程性評價和總結性評價，并在此基礎上調整相應資源推送。同時，學習者根據測驗結果也可自主調整學習內容、學習計劃以及學習方式等。

5.進行個性化學習監管。個性化監管是針對不同學習者的學習情況和狀態設定不同的干預程序，然后依據學生個人具體情況，運用技術進行不同程度、形式的監督和管理。平臺基于生成的最新學習數據，一方面可以有效地對學習者進行個性化學習監管與干預，如對學生的學習時間、學習側重點進行提示，給出個性化學習建議等。另一方面生成的數據是平臺優化個性化學習方案的重要來源，根據學習者的目前的知識水平修改個性化學習方案，對學生薄弱環節進行鞏固練習，對有難度的知識點進行強化訓練，減少已掌握內容推送等。如因受母語和目的語的干擾，日本學習者在學習漢字時就需要加強漢語漢字詞和日語漢字詞的辨析等。

(二)數據挖掘技術與具體應用

數據挖掘技術通過對不同學習者課堂學習數據、訪問的學習平臺留下的登錄信息、日志文件等的挖掘分析，能夠找出潛在的學習模式與特征，了解學習者的學習風格和偏好，歸納學習規律及預測學習趨勢。其中，統計分析、關聯規則、頻繁訪問組、聚類分析等是數據挖掘常用方法。

1.統計分析

統計分析是數據庫處理數據的最基本功能。通過統計分析方法，可以統計學習者各類作業、測試以及語音、語法、詞匯、漢字等語言要素中出現偏誤較多的知識點，如統計出學生最難發的音調、最容易混淆的詞匯、最易錯的句型等。同時，在國際中文教育個性化學習平臺中，將學習者的訪問課程、停留時間、學習時長、點擊次數以及不同時期該平臺所呈現的訪問特點等數據，與學習測試結果中的成績分布相結合進行技術分析，可以剖析學生的學習特征并預測學生偏誤等。

2.關聯規則

“關聯規則是在交易數據、關系數據或其他信息載體中，查找存在于項目集合或對象集合中間的頻繁模式、關聯、相關性或因果結果，通過分析數據或記錄間的關系，決定哪些事情將一起發生?！?26)李芳,王恒山,呂麗娟.關聯規則在教學管理決策支持中的應用[J].上海理工大學學報,2005，(3).利用關聯規則進行數據挖掘，可以分析出兩個或兩個以上數據之間的潛在關系，提取數據之間的相關性。

首先，關聯規則的應用有利于掌握漢語學習者的動態學習特征。借助關聯規則技術挖掘學生在漢語學習過程中練習、測試中產生的大量數據，分析產生的偏誤與學習者之間的關系，提取偏誤與其背后知識體系的關聯及產生原因，找到學習者掌握不足的內容，這便于及時調整個性化學習方案，重點鞏固學生薄弱知識。因此，在國際中文教育個性化學習平臺中需及時增加學生應該鞏固的相關知識點，達到及時復習的效果。

其次，關聯規則的應用能夠聚焦學習者學習興趣，優化教學設計。關聯規則能夠挖掘漢語學習者瀏覽的路徑(如網頁、軟件等)以及關注、下載、收藏、評價內容等之間的關系，從中不僅能夠推斷出學生重點關注內容和興趣偏好，同時可以獲取不易發現或關注度較高的學習資源，如點擊率較高的內容、網頁、平臺等，從而擴充整合可利用學習資源，改進教學設計等。因此，在個性化平臺中可以添加關聯度較高的高點擊率或高關注度的相關學習資源鏈接，為學生提供便捷服務。

3.頻繁訪問組

頻繁訪問組是指確定哪些頁面是漢語學習者經常訪問的，即構成用戶頻繁訪問的頁組。比如，學習課程《當代中國話題》的學生對該課程的部分內容感興趣，就會頻繁訪問相關內容，通過對頻繁訪問的路徑進行分析，可以掌握學生感興趣的學習內容，這有利于補充滿足學生興趣偏好的課程內容。同樣，國際中文教育個性化學習平臺也可以將學習者頻繁訪問的鏈接地址在平臺中保存，方便學習者訪問用戶頻繁訪問網頁組。

4.聚類分析

“聚類分析是一種根據研究對象的特性，由已知數據計算各觀察個體或變量之間親疏關系的統計量，從而對樣本或變量進行定量分析的統計方法?！?27)劉堅,黃鈺瑩,顏李朝.課堂教學評價數據挖掘與分析[J].湖南師范大學教育科學學報,2019,(2).在Web訪問模式挖掘中，聚類分析包含頁面聚類和學習者聚類。(28)陳超.基于數據挖掘的個性化學習模式研究[J].電子設計工程,2013,(12).國際中文教育個性化學習平臺中的頁面聚類是：當具有相似漢語水平以及學習興趣的學習者都集中于某一類型的學習資源或網站時，也可以為同樣漢語水平等級以及興趣偏好的學習者推薦相似內容。比如，不同國別、年齡、學歷的漢語學習者對中國文化符號的認知以及所感興趣的中華文化具備差異性，在追蹤到某一群體的文化興趣偏好的基礎上，聚類分析可以將相似內容同樣推薦給具備相同國別、年齡、學歷等特征的其他學習者。學習者聚類主要是將具有相似訪問行為的漢語學習者聚成一類，可將該學習平臺上具備相同或類似學習特征的學習者聚類為一個學習社區或小組，并有針對性地設置和提供該學習小組感興趣、有助于該小組鞏固所學知識點的教學頁面結構和頁面內容，從而為這些學習者提供一個個性化的學習環境。

數據挖掘在國際中文教育個性化學習中的應用對漢語學習者、國際中文教育個性化學習平臺的發展及建設有著重要意義和應用價值。漢語學習者可以清晰地了解自己的學習情況，認識到自己的優勢和不足，優化自己的學習行為，提高學習績效。個性化學習平臺一方面可以較為清晰地掌握學生情況，洞悉學生學習特征和相關規律，預測學生學習行為，給予學生方法指導；另一方面同時可以基于數據及時調整個性化學習方案，提升學習效果。最后，數據挖掘技術在國際中文教育個性化學習平臺建設中的應用，除了便于掌握學生的動態學習數據，更好地實現個性化服務之外，還為國際中文教育信息化平臺的建設提供了路徑參考，驅動國際中文教育智能化發展。

五、結 語

在“互聯網+”時代背景下，如何整合利用海量數據與資源，為漢語學習者提供高效、實用的個性化服務值得進一步深入研究。數據挖掘等現代技術的運用是大數據時代教育發展的必然趨勢，數據挖掘在國際中文教育個性化學習中的應用為發現更多潛在的數據與信息提供了有效途徑，通過挖掘和分析數據之間的潛在關系，能夠清楚了解漢語學習者的現狀及動態發展，掌握學習者學習特征與規律，并根據學習者的個性化需求進行精準投放與監管干預，以此實現個性化教育。隨著大數據、互聯網、人工智能、云計算等現代信息技術的持續發展與廣泛應用，將為實現國際中文教育個性化學習提供技術支撐，為國際中文教育智能化發展提供強大動力。