人機協同視域下在線開放課程平臺的個性化學習機制研究

劉芝蘭，劉永貴

（南京郵電大學教育科學與技術學院，江蘇南京 210023）

0 引言

隨著“互聯網+”教育的飛速發展，以中國大學慕課、雨課堂、Coursera 等為代表的在線開放課程組織成為大學生數字化學習的重要支撐，并在疫情階段“停課不停學”中發揮了重要作用。但發展至今，課程完成率不高、很多慕課仍采用傳統講授教學模式等問題仍然困擾著慕課的發展。結合慕課開發的價值取向，促進學生的個性化學習應是解決以上慕課問題的基礎，同時也應是在線開放課程平臺架構的根本訴求和內在邏輯［1］。隨著人工智能時代的到來，建立智能化系統能有效輔助個性化教學，人工智能的發展為在線開放課程平臺支撐學習者的個性化學習提供了可能［2］。然而，當前人工智能技術仍以弱人工智能為主，“人機協同”是人工智能長期發展的必然路徑，教育人工智能的發展也概莫能外。在線開放課程平臺要在智能時代獲得可持續發展，勢必也需要從“人機協同”視角進行改造與優化，為學生提供個性化的學習服務，以期使大規模個性化在線學習成為可能。

1 相關研究與現狀

1.1 在線開放課程平臺界定

21 世紀，隨著網絡和信息技術的發展，知識的形式、傳播方式、承載介質等都發生了本質變化。信息時代的知識結構是三維立體的，學習過程也是動態變化的，因此在線學習是必不可少的途徑［3］，而“在線學習平臺是保障和促進積極有效學習的重要因素”［4］。得益于網絡的開放和便利，教育形式變得更加豐富，在線學習平臺也呈現多樣化趨勢。早期出現的學習管理系統（Learning Management System，LMS）也被稱為虛擬學習環境（Virtual Learning Environments，VLE）。劉新陽［5］根據Paulsen、Kaplan-Leiserson 等關于LMS 的界定，總結出LMS 的大致定義，指明其是E-Learning 支持平臺，具有對教學過程中學生管理、課程部署、學習內容發布、學習過程跟蹤、師生交流互動、學習績效評價等諸多環節的全面支持功能。之后出現的MOOCs，以美國影響力最大的3 個MOOC 運營機構Coursera、Udacity 和edX 為例，均開發了自主MOOC 平臺。MOOC 平臺與原有網絡教學平臺定位不同，呈現出一些不同特點［6］。

盡管MOOC 平臺與學習管理系統在平臺定位、平臺特色上具有一定差異，但是隨著技術的進步，一些典型的學習管理系統也在往MOOC 版本發展，而MOOC 平臺的性能從整體上落后于這些已經過多年深度研發的典型網絡教學平臺。在網絡技術迅速發展的21 世紀，不論哪種網絡教學平臺，其總發展趨勢都是與技術和諧共生，促進人更好地進行學習。因此，本文將以學習管理系統、MOOC 平臺為代表的網絡教學平臺都歸結為在線開放課程平臺，并在此基礎上研究代表平臺支持個性化學習的現狀。

1.2 相關研究

現有針對在線開放課程平臺的研究所關注的重點主要歸納為：

（1）基于平臺形成不同教學模式，具體包括移動學習模式，以及結合翻轉課堂、SPOC 的混合教學模式等，探索針對具體課程的教學模式改革路徑。例如葛福鴻等［7］構建基于智能教學平臺的高校混合式教學模式，從學習任務單、教學資源、教學活動、教學評價和教學策略5 個方面優化課堂教學設計，為高校課堂教學改革提供了借鑒。

（2）對于學生在平臺上學習涉及的一系列因素進行針對性研究，主要包括學習目標、學習動機、學習行為分析，以及學習效果評價與認定等。例如李東明等［8］為解決MOOC 平臺開展在線學習過程中留存率與完成率低的問題，基于期望確認模型和沉浸理論構建在線學習平臺學習者持續使用意向影響因素模型，并進行相關實證研究；汪基德等［9］通過文獻研究與實地調研，從在線開放課程平臺的課程質量保障體系、學分管理體系、第三方評估機構和在線學習與考核監管4 方面為在線開放課程的學分認定提供建議。

（3）平臺相關建設，包括課程建設、運營模式設計、平臺構建等。例如聶建峰等［10］從高等學校內、外部兩方面給出優化在線開放課程建設的策略；徐焱［11］從學習者視角對國內的MOOC 平臺進行對比分析，提出做好平臺定位、合理設計頁面、規范課程資源以及增加多樣化交互的建議；李白燕等［12］針對區域性高校在線開放課程平臺如何建立可持續發展的資源共享機制給出相關建議。

已有文獻對于在線開放課程平臺的教學模式、教學效果、課程建設等方面作了諸多探索與實踐，并取得了一定成果，但仍存在以下不足：①針對平臺自身建設的研究較少，而是多從對比中發掘優劣，針對深層原因與機理的闡述較為缺乏，缺少系統性平臺建設的思考；②關于智能時代下人與平臺關系的思考較為單一，多從平臺技術的角度出發，人與技術存在割裂情況。

1.3 在線開放課程平臺支持學生個性化學習現狀

從孔子開始，因材施教一直是歷代教育家的追求［13］。但由于學習者先驗知識、學習風格等的不同，即使是面對相同內容，不同學習者的學習投入、學習策略、學習效果等均存在差異。居高不下的生師比以及高昂的教育成本，使得個性化學習在面對面教學中難以實現。然而，人工智能為大規模教學中的個性化學習提供了可能。實現以學生為中心的因材施教，為每個學生定制出符合其特點的學習發展路徑，是智能教育的重要目標和追求［14］。教育部《教育信息化2.0 行動計劃》中明確提出要構建一體化的“互聯網+教育”大平臺，創新平臺架構，優化提供服務的機制和模式，使用戶擁有優質的教學和學習體驗，以滿足學習者、教學者的個性化需求。

網絡教學平臺的總趨勢都將朝著促進學生個性化學習的方向發展，在課程資源開放、學生數量龐大的情況下，如何根據學習者自身的學習特點和風格進行適應性地評估與推送，支持生生、師生間廣泛、自由地交流共享，構建規模化、開放式、個性化的在線學習環境是亟需研究的問題。鑒于本文已將學習管理系統和MOOC 平臺統一歸為在線開放課程平臺，結合學生使用平臺的情況，選取中國大學MOOC 平臺和UMU 平臺作為在線開放課程平臺的代表，分析兩種類型平臺支持學生個性化學習的現狀。

1.3.1 中國大學MOOC平臺支持個性化學習現狀

現有主流的MOOC 研究范式包含基于聯通主義的cMOOC 和基于行為主義的xMOOC。cMOOC 關注學習者之間、學習者與學習對象之間的在線交互，教師設置學習起點，學習者根據教師提出的活動主題進行在線交流討論，以進一步促進學習的深入。cMOOC 范式下去中心化的課程結構使得組織方式的靈活性更強，但由于課程資源分布的網絡廣泛，需要學習者擁有更強的自主學習能力和元認知能力，在必要時也需要教師進行恰當的指導與規范，所以cMOOC 的規模性、易操作性與可推廣性仍有待提高。基于行為主義、建構主義理論的xMOOC 融合了cMOOC 范式的部分理念，其教學模式主要包括在線視頻講授、在線測驗以及線上線下討論［15］。與cMOOC 不同的是，xMOOC 范式在課程目標之下具有系統化的學習內容及學習流程，短小精悍的視頻以及標準化的試題測驗能夠達到高效傳輸知識的目的。

中國大學MOOC 平臺是基于xMOOC 范式下的在線學習環境，從線性化的MOOC 教學過程來看，平臺提供的個性化學習支持服務出現在課前、課中、課后3 個階段。首先在課前準備階段，該平臺提供學生定制學習計劃的選項，但只能選擇學習時長，并未對學習者的水平、特征進行前期分析，無法推薦精準的課程資源。在課中學習階段，平臺允許教師提供學習微視頻、配套文檔、思考討論題及隨堂測驗，其實是將傳統課堂的教學內容復制到在線平臺，對學生個性化的指導不足。在課后交流與評價階段，一方面平臺提供討論區使學習者可以根據主題進行提問、討論和交流，但從討論區的解答情況來看，由于課程面向對象的規模較大，許多提問并不能夠得到對應解答，學生個性化學習的體驗不強；另一方面，平臺上大多數課程的評價均以平時表現、隨堂測驗、期中期末測驗結果為標準，未能充分利用平臺在線數據的優勢提供個性化的評價結果。

1.3.2 UMU平臺支持個性化學習現狀

UMU 互動學習平臺是一款綜合了微課制作、課上大屏幕互動、學習進程追蹤記錄、教師學生線上交流等功能的平臺［16］。UMU 平臺上的微課與中國大學MOOC 平臺上的微課一樣，均以一個知識點為一節微課，將復雜的單元內容分解成多個微課小節。在課前教師會發布多媒體的學習資源供學習者學習，在課中就某一主題進行討論交流，課后除作答習題外又開始下一輪的知識點學習。相比于中國大學MOOC 平臺，UMU 互動學習平臺得益于大數據分析的優勢，將學習者的資源下載情況、作業提交情況、討論交流情況等進行動態的可視化呈現，為學習者提供了較為個性化的學習體驗，但在數據的細節性、有效性和必要性上有所欠缺。

綜合現有在線開放課程平臺支持個性化學習的嘗試，總結起來主要包括3 方面：①將平臺支持的個性化學習定義為根據學習者個人的興趣、愛好和需要，由學習者自主選擇內容、安排進度的過程；②教師人工維護課程、解答疑問以求解決大規模教學與因材施教之間的矛盾；③依托大數據分析等技術動態呈現學習內容與結果。以上三者將平臺技術與人分離開來，未能體現人工智能時代下大規模個性化學習的新特點。因此，本文以“人機協同”視角為切入點優化在線開放課程平臺，從而為學生提供更個性化的支持服務，進一步發展大規模在線教學下的個性化學習。

2 支持個性化學習是智能時代在線開放課程平臺發展的必然

2.1 智能學習平臺是實現個性化學習的必然選擇

自適應學習系統是應用人工智能支持個性化學習的典型嘗試，能根據不同學習者的認知狀態，包括學習風格、認知能力等，提供具有適應性、針對性的學習服務，使學習者實現個性化學習，典型的應用有國外的Knewton、ALEKS、KnowRe 和Smart Sparrow，以及國內的乂學教育等。雖然不同自適應學習平臺采用的基礎技術和底層算法不同，但其基本都由知識庫、個性化推送、交互數據處理和學習結果呈現4 個模塊組成［17］。系統采用知識圖譜技術構建知識庫，通過該技術構建的知識庫由“知識及知識間的關系組成”［18］，因而系統可迅速將不同知識融入到知識庫中，使其具有較強的可擴展性。系統通過在學習推薦引擎中嵌入學生的學習與遺忘曲線，從而精準捕捉學生真實的知識存儲情況。同時將知識粒度進行納米級分割，以診斷學生認知，快速、精準地檢測并生成學生的知識狀態，找到學生的薄弱知識點，進而為學生推薦個性化學習路徑。

當前的自適應學習系統在支持學生對知識的個性化學習上已取得了一定成效，其采用的知識庫構建技術與個性化學習推薦機制為在線開放課程如何滿足學生個性化學習這一問題提供了可借鑒的改進思路。

2.2 人機協同是在線開放課程平臺支持個性化學習的必然選擇

當前自適應學習系統針對個性化學習進行了諸多探索與實踐，但其無法評估學生情緒，平臺中學習者之間的“社會化”互動程度不高，“聯通性”不強，學習者偶然出現的新想法因缺乏“社會化”而消失。部分平臺僅能夠由公司或者連鎖培訓機構進行適應性課程創設［19］，學生和教師無法進行適應性的學習設計和資源供給。由此看出，無論是人工支持亦或技術支持的個性化，無不彰顯著“技術決定論”與“工具隱喻論”兩者的對立［20］。人工智能時代技術賦能的個性化學習強調學習目標、內容、活動、成果、評價、資源、環境的個性化，而現有平臺將人與機器割裂的做法顯然無法達到此目標。彭紅超等［21］提出融匯人與機器協同決策支持的個性化學習，這種“分布式”智能的人機協同理念在諸多方面與技術支持的個性化學習相契合［22］。在線開放課程平臺不能完全做成自適應學習系統，應基于人機協同理念，盡可能探索學生與教師參與適應性學習設計、資源供給，促進師生之間的社會性交互，關注學習者情感，這對于在線開放課程平臺支持個性化學習的實踐至關重要。

3 基于人機協同的在線開放課程平臺個性化學習學理分析

3.1 人機協同“人”與個性化“個”——在教育中定位人機協同

“人機協同”從字面上理解，必然包含“人”與“機器”以及兩者之間“協作”的聯系過程，梳理其歷史，可窺見“人機協同”演變至今天的內涵所在。人類從原始社會開始就會使用工具，而至工業社會，這種工具就以機器的形式出現并被人們在日常生活中使用和依賴。所以從廣義上看，人機協同其實肇始于人類廣泛采用機器完成任務之時，此時“機”只代表“機器”。到了人工智能時代，“機”的內涵愈加豐富，尤其是人工智能的發展，使得“人機協同”中的“機”特指計算機及其背后的人工智能技術。“人機協同”從機器與人發展到人工智能與人，協同化的特征不斷凸顯。在該過程中，人所代表的一直是整個人類社會。

將“人機協同”置于教育大背景下，可將“人”的內涵進一步明確為教師和學生，同時這兩者又分別為個性化學習的提供者和接受者。在智能教育中，“人機協同”多指教師與人工智能教育機器人之間作為雙師“協同”教學的過程，機器人作為人工智能技術具象化呈現的載體，以“智能學伴”的形式存在，擔任課堂中的另一名教師的角色，形成雙師協同教學的課堂實踐新形態。人工智能機器人作為教師能夠與學生之間進行簡單交互，并能夠通過大數據、知識圖譜等進行學習者分析、學習路徑推薦等，但這種“學習支持雖然是個性的，但也僅限于資源以及練習等有規范的層面，教師帶來的情感交流以及思維上的引領是機器很難實現的”［23］。正如李平等［24］指出的“應用人工智能并非為了用機器或技術替代人類”，替代這種“替代”論的就是“協同”。

教育的本質是有意識地培養人，因為教師擁有意識，學生的能動性、主動性、創造性才能真正發揮出來。“人和計算機在信息處理與推理機能方面各有優缺點”［25］，計算機在數據加工、處理方面的效率與可靠性遠大于人類，但其缺乏人擁有的頓悟能力、創造能力以及社會性等。因而在在線教育中，技術必不能凌駕于育人者和所育之人之上，教師、學生和智能技術的關系既不能完全“去機器化”，也不能偏向“技術決定論”觀念中人工智能技術將取代教師這一說法。“協同”觀點可有效推進人機關系，教師、學生以及技術于在線教育中合理分工，充分發揮人與技術各自的優點，規避缺陷，從而提高大規模在線教育教學質量。

3.2 基于人機協同理念把握在線開放課程平臺中技術與人的限度

現有大規模在線教育中教師、學生以及呈現的內容與形式存在割裂現象，線上課堂與線下課堂的區別僅僅是空間不同，教師講授的內容、呈現的形式與學生在線下課堂中所接受的并無差異，學生在線上學習中仍然處于被動地位。教育部等11 部門發布的《關于促進在線教育健康發展的指導意見》中明確指出要以促進人的全面發展為導向，完善共建共享、開放靈活的在線教育模式，綜合運用大數據分析、云計算等手段，充分挖掘新興教育的需求，大力發展智能化、交互式在線教育模式，增強在線教育的體驗感［26］。大規模在線教學的中心向學生轉移，個性化學習的中心也應是學生，在線教育的最終目的應是促進學生的學。教師、學生與智能技術三者之間的關系不是互相依賴或制約，而是協同與共生。如圖1 所示，人機協同中技術、教師、學生三者存在于雙向的回路之中，其中人工智能技術輔助教師和學生，提供促進學生個性化學習的支撐。

Fig.1 Subject relation loop diagram of human-computer collaboration圖1 人機協同主體關系回路圖

4 人機協同視域下在線開放課程平臺個性化學習機制分析

由于在線學習中學生主體地位的確定，對學生的學習過程需要從學生角度進行分析，從而將教學過程的因素遷至作為學習過程的因素。首先，好的學習目標可促進有意義學習的發生［27］，大規模在線開放課程中個性化學習目標的制定是后續學習發生的前提。其次，一旦學習目標確定，則可進一步確定通過哪些學習內容來滿足學習者需要，并且學習內容的組織是動態的，采用何種策略達到學習目標需要對應的策略支持。同時，在線學習中觀點的產生、觀點的組織、心智的交融這3 個具有迭代性的過程，是在線協作學習理論重點關注的部分［28］，對于大規模在線開放課程來說，協作也顯得尤為重要。最后，反饋與評價作為系統科學的重要方法，是師生雙方圍繞學習活動進行信息傳遞的交換活動，對于衡量學習效果至關重要。因此，本文從教師、學習者與技術三者間的系統出發，從個性化學習目標確定、個性化學習內容生成、個性化動態學習過程干預、促進個性知識建構的協作學習支持、個性化學業評價與反饋等層面提出人機協同的在線開放課程個性化學習機制，如圖2所示。

4.1 人機協同的在線開放課程個性化學習目標制定

學習目標是學習過程的起點。現有平臺上的課程需要面向不同高校、不同學科、不同層級的學生，針對的受眾范圍大、人數多，需求也多樣化，基礎的課程教學目標較難適應不同學習者的學習需求。因此，將課程目標、學習者需求與特征、教師期望整合而成的個性化學習目標顯得尤為重要。

Fig.2 Personalized learning mechanism of open online courses platform under the concept of human-computer collaboration圖2 人機協同理念下在線開放課程平臺個性化學習機制

教師設定課程目標，一方面需要對地區、學生、資源等多方面現狀進行考量，另一方面需要通過教學實踐不斷完善對課程的理解和把握，綜合兩者進而設置適宜的目標和期望。這需要充足的經驗來把控，而人工智能技術的優勢顯然不在此處。客觀、準確刻畫學習者模型是開展智慧教育和終身學習的基礎［29］，在大規模在線教育中，構建學習者模型是個性化學習目標設計的基礎，也是人工智能技術的強項所在。

在人機協同視域下，一部分是學習者與機器的協同。建立開放學習者模型時，學習者在線填寫目標，機器結合學習者數據進行判斷。同時學習者可看到數據狀態，同智能技術協作參與學習者模型構建，從以往被動地提供信息和數據到擁有主動權。如此，一方面學習者對于學習模型的信任度增加，提高了模型的可靠度；另一方面反思、計劃和自我監控等元認知角色作為創建學習者模型的目的之一，能夠有效促進學習者的自我調節［30］。另一部分是教師設定課程教學目標，機器將其與學習者目標及學習者模型進行匹配，形成基于人機協同的個性化學習目標并反饋給學習者和教師。

4.2 人機協同的在線開放課程個性化內容生成推薦

由于學習者擁有的先驗知識不一，且學習者的風格與能力不同，學習內容必然不能無差異。推送符合不同學習者的難度恰當、風格匹配的個性化學習內容，是大規模在線學習實現個性化學習的重要基礎。

收集習題作答數據、認知診斷、個性化推送［31］是以認知診斷理論為基礎的個性化學習內容與資源推送方法。人工智能技術在其中主要完成認知診斷過程，作為中介，前期需要收集作答數據源以及認知診斷模型，并匹配學習者當前的認知結構，進而根據認知結構進行學習資源推送。并且，人工智能技術可將知識庫、學習資源庫、資源推送策略庫三者協調一致，并將推送策略與知識庫中的群組模式進行關聯，從而從學習資源庫中調取個性化的學習內容進行推送。在個性化學習內容生成過程中，教師需要提供章節課程的學習內容，形式包括微視頻、文檔、圖片、音頻等。

機器根據學習者作答數據源進行測試以分析學習者未掌握的內容，形成現有認知狀態，鏈接知識庫后將未掌握的內容作為先修知識納入新章節中，結合學習者學習風格推送教師提供的學習內容，并由學習者最終確認，形成學習者、教師和智能技術協同生成的學習資源與內容個性化推薦。

4.3 學習過程中基于人機協同的在線開放課程個性化學習反饋調節

自我調節學習對于在線學習環境中學習的成功與否至關重要［32］，而反饋是保障在線學習質量必不可少的手段［33］。學習者在平臺上的學習是一個動態過程，為保證學習質量、適應動態學習過程，個性化反饋需要全方位嵌入到在線開放課程平臺中。

通過智能技術，教師需求和課程學習情況均可數據化、可視化，并且根據大數據分析和訓練結果，提供針對性的教學建議和補償措施。在反饋過程中，教師和學生的參與也必不可少。一方面，教師是有感情的，是學生學習的指導者、參與者和陪伴者，在智能技術給出建議之后，仍然需要教師根據學生、環境、建議等綜合情況進行最終決策，適時調整教學過程。Edx 平臺已嘗試使用納入教師參與的預測模型［34］，以此推動了人機協同工作下的個性化反饋研究。另一方面，可視化的學習反饋需要被學習者接收，以幫助提高學習者自我調節學習的能力。學習分析儀表盤（Learning Analytics Dashboard，LAD）可針對學習者學習情況進行可視化反饋，是一種“量化自我”、“監測自我”［35］的技術工具，使用該工具能夠有效避免學習中的“黑箱現象”［36］。

因而在個性化動態學習過程中，智能技術提供課程實施情況和學生學習情況，具體包括課程訪問量、學生點擊頻率、視頻觀看完整度、試題正確率、課后評價分析的可視化顯示等。與此同時，平臺通過大數據的訓練結果向教師提供相關干預建議，由教師進行選擇和決策。學習者接收學習儀表盤的可視化數據，此數據與教師端數據相通，平臺可對學習者進行個性化指導，由學習者結合教師決策選擇是否接受指導建議，最終形成人機協同的個性化學習反饋調節機制。

4.4 在線開放課程中促進個體知識建構的人機協同協作學習

社會建構主義認為，知識在本質上具有社會性，當學習者在社會環境中進行一系列交互協作時，知識建構就會發生。對于在線開放課程平臺，協同知識建構是最有效的在線合作學習方式之一［37］。

由于社會性交互的不可或缺，人與人之間的協作需要平臺提供學習社區，教師在上面發布學習主題后，設置任務完成節點，學伴根據需要進行協商討論并互評課程作業。然而，由于是大規模在線教學，針對學習者反饋的問題，教師無法一一解答，人工智能技術則可彌補這一缺憾。智能技術通過學習者之間的個性化交互，不斷收集、提取、分析學習者提出的問題及列出的答案，并與教師的專家智慧相結合，形成內置的答疑機器人，通過不斷學習以提升答疑質量，幫助學習共同體協作學習。協作學習之下的協同，主要是學習者之間產生的交互數據、教師的專家智慧與基于人工智能技術的學習分析三者的不斷流動，促進知識的傳播和內化。

4.5 面向個人學習發展的人機協同學習評價

與形成性評價和發展性評價不同的過程性評價，可以進行更加全面、多元、及時、深入和可持續化的評價。傳統的試題測驗無法適應過程性評價，因此在線學習實施過程性評價勢必要轉變評價內容。新冠肺炎疫情期間，美國就已經有30%的機構在考慮完全轉變傳統的在線學習評估方式，轉而采用更加真實的知識和技能示范方式，例如通過項目制作、合作討論、模擬實驗、視頻播客和論文撰寫等形式替代單一的試題測試［38］。

在線學習中過程性評價貫穿課程整個過程，其中同時囊括診斷性評價和終結性評價。教師統籌規劃后合理安排適應特定課程的知識和技能示范方式，并且根據不同課程的成果認證方式，選擇不同形式的評價和數據集以及規定每種評價方式所占比重，將其作為最終的課程評價標準。由于不同類型課程所采取的評價方式比較多樣化，智能技術與教師和學生的協同需要在線開放課程平臺提供支撐收集全過程數據的技術，以記錄學習者互動交流、資源使用、資源分享、平臺利用、自我評價、學伴評價、教師點評、學習反思等活動數據，并且能夠根據所對應的數據集對評價結果進行多樣化、可視化呈現，以此實現教師、學生與技術三者協同構建的評價模式。

5 結語

人工智能時代下，“互聯網+教育”的發展離不開對技術與人之間的界限討論，“機器不斷通過學習來獲得教師智慧，教師通過認知來評估機器決策”強調的其實是教師與技術即專家智慧和機器智慧兩者之間的關系。隨著學習中心的遷移，個性化學習的主體是學生，在人機關系中學生元素必不可少，而已有研究多以探討教師與人工智能技術的倫理關系為重點，忽略了學生在技術中其實是數據主要來源的事實。在線開放課程平臺如何在智能技術洪流中開辟促進學生個性化學習的人機協同方法，決定著平臺是否能夠長足發展。將學習者納入智能時代的人機關系中，形成三者的協同運作模式，是未來在線開放課程平臺研究的大勢所趨。