生成式人工智能賦能可持續發展教育場景探究

摘""要：生成式人工智能的綜合理解和生成能力較傳統人工智能進一步提高，在建設學習型社會和終身教育體系的新時代下，生成式人工智能通過賦能個性化學習和智能輔助教學評價等應用場景，有效解決了海量教學資源選擇難和教學評價繁重等問題。深入探討了生成式人工智能在推動可持續發展教育中的作用及實施路徑，生成式人工智能通過構建知識圖譜、優化學習推薦和智能輔助精準評估，不僅提升了教育質量與效率，還促進了教育公平，為實現聯合國2030年可持續發展教育目標，推進教育數字化提供了強有力的技術支撐。

關鍵詞：生成式人工智能""可持續發展教育""知識圖譜""個性化學習""智能輔助評價

中圖分類號：G644

Exploration"of"Generative"AI"Empowering"ESD"Scenarios

XING"Shiyu

Liaoning"Finance"Vocational"College，"Shenyang，"Liaoning"Province，"110122"China

Abstract："The"comprehensive"understanding"and"generation"ability"of"generative"Artificial"Intelligence（AI）"have"been"further"improved"compared"to"traditional"AI."In"the"new"era"of"building"a"learning"society"and"a"lifelong"education"system，"generative"AI"can"effectively"solve"the"problems"of"difficult"selection"of"massive"teaching"resources"and"heavy"teaching"evaluation"by"empowering"application"scenarios"such"as"personalized"learning"and"intelligent"assisted"teaching"evaluation."This"paper"deeply"discusses"the"role"andnbsp;implementation"path"of"generative"AI"in"promoting"education"for"sustainable"development（ESD），"which"not"only"improves"the"quality"and"efficiency"of"education，"but"also"promotes"educational"equity"by"building"knowledge"graphs，"optimizing"learning"recommendations，"and"intelligently"assisting"accurate"evaluation，"providing"strong"technical"support"for"the"realization"of"the"United"Nations’"2030"Education"for"Sustainable"Development"Goals"and"the"digitalization"of"education.

Key"Words："Generative"AI;"ESD;"Knowledge"graph;"Personalized"learning;"Intelligently"assisted"evaluation

自聯合國提出17個可持續發展目標已近10年，各國在教科文組織的指導下，政府、社區、學校、學習機構和教育者等角色共同推進2030年可持續發展教育目標的達成。我國的科教興國戰略，將教育置于優先發展的戰略地位，教育數字化是我國開辟教育發展新賽道和塑造教育發展新優勢的重要突破口[1]。

然而，目前我國依然部分存在教學內容、組織形式和評價體系等教學體系僵化和單一化的問題，導致教育成果易出現兩極分化的情況，無法很好地滿足數字社會的人才需求。生成式人工智能，如ChatGPT的快速發展，對未來可持續發展教育形態將產生深刻影響，為教育模式的變革和教育數字化的深化帶來新的機遇。

1"生成式人工智能的發展現狀

根據國家網信辦《生成式人工智能服務管理暫行辦法》對生成式人工智能技術的定義，生成式人工智能技術是指具有文本、圖片、音頻、視頻等內容生成能力的模型及相關技術。和傳統人工智能相比，生成式人工智能（Generative"AI）在理解輸入的數據后，分析其結構特性和內在分布，創造與真實數據高度相似但又不完全相同的新數據[2]。

2022年OpenAI提出的通過人類反饋強化學習（reinforcement"learning"from"human"feedback，RLHF）機制引導InstructGPT模型生成符合預期結果的ChatGPT，使得生成式人工智能走向大語言模型時代；2023年的GPT-4和GPT-4"Turbo在處理速度、準確性、自適應學習等方面的功能不斷增強；2024年5月13日推出的"GPT-4o在"GPT-4"Turbo的基礎上構建了新的大語言模型，采用單一統一的神經網絡處理多模態輸入（接受文本、圖像、音頻和視頻的任意組合作為輸入，并生成文本、圖像和音頻輸出的任意組合），推理速度和吞吐量進一步提高，其跨模態的綜合理解和生成能力是邁向更自然的人機交互的關鍵[3]。

有賴于生成式人工智能技術的快速迭代，生成式人工智能在教育、醫療、金融、計算機、文藝創作和檔案管理等領域，在互動交流、輔助設計、內容創作和個性化定制等方面應用廣泛。比如使用者可以在平臺咨詢法律和醫療方面的基礎建議，再求助律師和醫生的專業指導；在計算機行業，生成式人工智能可以根據需求生成高質量代碼，并根據細化要求進一步修改完善；在金融領域，通過對話式交互收集客戶的個人信息和偏好[4]，有針對性、人性化地解決客戶的金融需求，形成用戶的專屬“數字分身”[5]，通過大量收集和深度分析市場數據，幫助銀行提供合理的決策[6]。教育領域對生成式人工智能技術的反應迅速又強烈，有些學者從行業角度分析，認為新技術對教育影響巨大將重塑教育邏輯與生態[7-11]，并重點關注對高等教育的影響[12-13]；有些學者從教師角度分析未來的機遇與變革[14-16]。但在學生的社會學習教育中，生成式人工智能又帶來哪些機遇和風險卻鮮有學者討論，在建設學習型社會和終身教育體系的新時代下，探究生成式人工智能對可持續發展教育的影響的意義重大。

2"可持續發展教育的困境

黨的二十大報告提出：“推進教育數字化，建設全民終身學習的學習型社會、學習型大國”，這與聯合國“確保包容和公平的優質教育，讓全民終身享有學習機會”的2030可持續發展教育目標[17]相吻合。目前，我國線上教育資源數量較為豐富。以國家智慧教育平臺資源為例，截至2023年底，中小學課程資源已有8.8萬條；職教板塊包括在線精品課、虛擬仿真等資源2.8萬個；老年教育上線課程43.6萬門；中國慕課上線7.68萬門課程，已服務12.77億人次的學習[18]。這一數據充分彰顯了國家智慧教育平臺全過程育人的巨大優勢。隨著終身學習觀念的不斷深入人心，用戶群體不斷豐富，對可持續發展教育提出了更高的要求[19]。

2.1"知識圖譜構建棘

知識圖譜作為一種結構化的知識展示模型，將學科或課程的知識點和其相互關系形成網狀的知識結構，清晰地展現知識脈絡，方便學習者由淺入深理解課程的內容。雖然目前線上資源數量豐富、質量逐漸提升，但并未搭建知識圖譜的海量教育資源反而成為了學習者自主學習、深入學習的桎梏，尤其是高等教育在線精品課內容多數以知識點的形式呈現，知識點間的演進和結構關系對于初學者的理解是十分困難的，構建知識圖譜可以幫助學習者描述、分析、呈現知識點及其聯系。

但知識圖譜的構建是較為困難的。一方面是教學資源數據格式問題，教學大綱和數字教材中的文本類資源可以生成結構化數據，音頻、視頻格式的課程教學資源和數字教材生成的是半結構化和非結構化數據[20]，這些數據需要通過手動或技術手段進行提取和處理，這要求數據處理者具備較高的數據處理能力和計算機水平才能完成；另一方面為確保教學順序的邏輯性和知識點的準確性，比如定理、公式和理論學說等復雜內容的精準識別，以求達成教學目標、形成學習成果，并根據現實需求更新教學大綱和課程內容等，這就需要教育專家、學科負責人、授課教師的高度參與。更遑論交叉學科、跨學科等專業課程內容，綜合來講，就是需要數據處理技術人員與教育專家等人員合力構建知識圖譜，清晰展示課程與相關課程的知識體系，難度可想而知。

2.2"分層教學實施難

“以學生為中心”“因材施教”的分層教學要求符合學生學習和發展規律，教師在線下教學時都在積極探索。在線下授課時，可以根據學生的學習基礎進行簡單分層，比如根據學生英語水平的高低分為普通班和加強班，在授課時教師可以根據全班的英文平均水平更好地準備英文內容的難易和占比，以此達到“讓普通水平的同學學好，讓加強班的同學學飽”的效果。但在線上學習時，海量且沒有進行難度劃分的線上資源，容易讓學習者產生“知識過載”和“知識迷航”的情況[21]，大多數情況下只能學習者摸索解決。學習過程中的成本越低，學習者參與學習的主動性越高，反之亦反，因此“探索式”學習模式對可持續發展教育會造成限制作用。

“以學生為中心”“因材施教”的教育要求暗含著合理的分層標準、學生前期學習基礎的全面了解、學習結果更全面的評價、學生偏好的教學模式、當學生覺得過易或過難應當如何調整推薦等諸多要素。這要求教學資源平臺在學生線上學習前中后期需要收集大量的數據，以保證分層教學的合理性和及時性，對教學過程中學生數據的收集、抓取、分析、處理和推薦提出了較高的要求。

2.3"教學評價工作繁重

學生學習成果的評價工作是檢驗學生知識掌握與積累、素養與能力目標達成、激發學生自驅力、推動教師更新教學內容與方法、調整教學過程、促進師生共同提升的重要手段[22]。對教師來說，教學評價是滾動的。本屆學生的形成性評價反映出的個體成長情況，因材施教以達成所有學生都能夠達到課程目標是本輪授課的結束也是下一輪授課的開始，因為學生的學習特征存在共性問題，在為下屆學生講授前，可以基于以往的數據更好地應對學生的學習問題和調整授課內容和方法，多門課程的教學評價以點成線，形成本專業人才培養周期的形成性評價，對本專業、本學校的教學質量的提高都存在較大的借鑒意義。但這一過程中，教師承擔的教學評價工作任務繁重，收集、記錄、整理、分析學生數據會花費大量時間和精力，可能會出現本末倒置的情況；線上學習者的體量更是龐大，完全靠教師進行數據收集和分析不亞于天方夜譚。

3"生成式人工智能賦能可持續發展教育

從學習者的需求出發，在達成可持續發展目標應該有以下3個必經之路：（1）能夠較為便捷地獲取需要且合適的學習資源，并通過學習達成技能提升、素質增強、情操培養等目標；（2）在學習后能夠判斷出學習效果，是否達成現有課程培養目標，并推薦進階課程內容；（3）在不干擾學習行為、生活和工作節奏的前提下，通過日常行為盡早觀察到可能影響工作和生活的社會性發展水平問題，并以委婉的形式提醒通過學習或醫學干預，以保證健康學習生活和人際交往行為。生成式人工智能技術為可持續發展教育目標提供強大的支撐力量，賦能可持續發展教育的應用場景和實施路徑。

3.1"個性化的學習體驗

個性化學習其實是根據學習者的專業基礎、學習偏好和學習需求等數據，為學習者推薦合適的學習資源，并搭配深度學習技術在其學習的過程中收集交互行為數據，提升推薦性能。個性化學習應用場景的搭建需要從以下3個角度協力完成。

3.1.1"資源平臺端

資源平臺端應至少具備知識檢索、智能問答和課程推薦3項功能，這3項功能的實現依靠知識圖譜的構建，體量大、標準不一、維護難是構建知識圖譜的難題，生成式人工智能技術可以幫助突破這些難題。首先，借助人工神經網絡對教學與崗位標準內容進行深度學習，然后對知識元數據的分支去粗取精形成高聚合知識簇，聚類圖譜基本成型，再次面對海量的學習資源和數據利用神經網絡技術，完善知識圖譜節點內容，最后可以請專家團隊對數據采集內容進行核對、編輯，訓練神經網絡以備后用。平臺搭建好知識圖譜后，在學生進行知識檢索或進行提問時，平臺即可通過圖卷積網絡和異構信息網絡，解讀學習者的語義表達，快速定位到知識點[23]。

課程推薦相比其他兩項功能“定位知識點”的實施多一個“描繪用戶畫像”的步驟。首先，收集學習者目前的學習經歷及知識結構、明確學習需求及學習目標數據以繪制用戶畫像；其次，確定學習者的個人知識圖譜、學習領域知識圖譜以及知識差異集；最后，依據知識差異集進行個性化學習內容推薦，并利用矩陣分解技術計算學習者與未學習資源的交互概率或引用超圖神經網絡，結合學生學習情況反饋數據的收集情況，更新合適的后續學習資源，實現不同基礎、不同學習特點、不同學習目標學生的定制學習之路。

以運動軟件KEEP為例，平臺先收集用戶身高、體重、運動基礎和頻次、想要達成的運動目標等基本情況后，還會收集是否有影響運動的既往病史、不喜歡哪些運動動作（比如高抬腿、波比跳等），再生成推薦的課程內容。在運動課程中退出，會詢問退出原因（難度太大、臨時有事等），課程結束后用戶選擇本次運動的難度（1～10星打分），調整推薦的運動難度和類別。

3.1.2""教師維護端

教師的重點工作在于學習資源的整理和更新。分層教學的難點在于對學校學生精確考核學習基礎進行分班，從學生管理角度來看是不現實的，因此教師的教學資源難度往往取平均值，搭配少量難度較高的內容作為拓展內容。個性化學習因為缺乏“教師監督”，更多的學習者是因為興趣愛好或提升自我的想法，選擇拓展知識邊界，因此，教師在設計教學內容或考核時更應該增加給予學生正反饋的頻次（比如運動軟件KEEP課程休息和運動后半程，會頻繁播報“再堅持一下！”“你已經很棒了！”等內容），讓學習者產生更多的學習動力。教師可以將課程內容和資料按照基礎、中等、困難等多種模式進行設計，對不同難度層次的課程設置不同的教學目標，生成不同的學習成果，并定期關注學習者的反饋，調整內容難度和豐富度，適應當下的現實需求。

在整理好教學資源后，教師根據資源平臺的要求，上傳符合格式要求的教學標準、崗位標準、課程大綱、課程的視頻、文本、圖片、測試題目等資源，保證較高的數據質量，平臺即可利用生成式人工智能，采用馬爾可夫模型或基于HMM模型自動抽取元數據，不僅方便后續機器深度學習提升元數據抽取技術，實現元數據的統一，方便平臺搭建知識圖譜，而且可以進行智慧化教學設計，生成互動式教學資源，應用多種場景。

3.1.3""學生學習端

學生出于提升職業技能、學習專業知識和培養興趣愛好等目標選擇自我學習，為平臺更加準確地推薦合適的學習資源，學習者應當配合平臺收集必要的數據。例如：平臺需要確定學習者的個人知識領域，可能發放問卷了解學習者的學習特征、動機、偏好和目標，收集數據越多，繪制用戶畫像越準確，學習者根據自己的實際情況選擇合適的答案；在平臺推薦學習資源后，學習者根據順序進行學習，對章節測試、課后問答等反饋學習成果的要及時作答，這樣平臺才能跟蹤監測知識點是否掌握、在課程學習中或結束后反饋課程難度和吸收情況，方便平臺及時調整推薦內容。

學習者借助平臺知識檢索、智能問答和課程推薦等多項功能，可以與平臺的預設角色進行沉浸式互動，提升學習者的學習興趣。例如人工智能軟件“豆包”在首頁中設計“英語口語聊天搭子”“面試專家”“中醫學習”“學習小幫手”等多個角色。以“學習小幫手”為例，可以向它提問從小學到大學的各科題目，包括語數外政及經濟學、計算機、法學、醫學、機械等多個學科。在提問明確問題時，學習小助手會給出比較確切的答案；如果是描述性的模糊問題，它會不斷提出問題，引導學習者進行詳細描述，之后給出籠統性回答或建議，這種互動式問答能夠加深學習者對問題的理解。

3.2"智能輔助精準評價

可持續發展教育推動傳統教育模式的變化，從原來的結果選拔向知識網格化轉變，從強調知識獲取到注重能力和素養提升，生成式人工智能技術的應用，考核方式也從原來的“師生+生生的人際”考核轉變為“人際+人機”考核，不僅能減輕教師的工作強度，又能提升評價的精準性。

3.2.1""教師學生評價數據上傳

目前教學評價由原來的終結性評價慢慢變化為“過程性評價+形成性評價+終結性評價”，以全面檢驗學生的學習情況，便于教師及時調整授課難度、增加基礎或高階知識的安排。教學評價工作從課前開始貫穿課程到結束，教師通過課前發放調查問卷或測試結果，了解學生對前置知識的掌握情況，確定教學難點；在教學過程中，教師進行課堂提問、設計課堂測試，并及時地給予反饋，鼓勵學生激發學習興趣，認真記錄學生在課堂上的表現，評估學生達到教學目標的程度；課后根據形成性和過程性評價結果，及時調整教學方法或內容，在期末對學生掌握知識和應用知識的能力進行測試，得到終結性評價。

在教學評價工作中，教師學生的評價數據是基于線下教學過程產生的。當老師進行課堂提問或情景演練等活動后，綜合學生積極性和回答質量進行打分；當進行小組作業時，學生間可以根據每個人的任務分配難度、完成情況和協作意愿等因素進行綜合打分；另外根據學生前后的增值性變化，教師也可以給學生加減課堂表現分數。以上這些內容因為并未依賴智慧教學平臺，因此需要教師和學生手動上傳評價數據，完善平臺數據智能采集的缺失。

3.2.2""平臺數據智能采集分析

平臺數據智能采集分析可以貫穿教學的全過程，大大減少教師基礎性、重復性評價工作。課前教師發放基礎知識學習任務后，平臺通過自然語言處理算法、機器學習算法等評估學生的學習質量和答題能力，利用可視化技術為教師展示學生的學習情況，方便教師確定教學難點和調整授課內容難度；課中的隨堂測試和課后教師發放的拓展性任務，教學平臺通過正確作答率和新穎性等評估指標收集學生知識掌握和應用數據，為學生推薦合適的課外學習資源。

如果是完全依賴平臺的線上課程，則可以通過準確性指標（命中率、精準率、召回率等）、排序指標（歸一化折損累計增益、平均倒數排名、AUC值等）和其他指標（正確作答率、推薦難度準確性、學習效果等）監測學生學習情況和知識掌握情況[21]。以計算機編程課程為例，平臺設計不同學習模式：根據提醒（或注釋）編寫代碼，或者根據注釋理解后自己編寫，學生可以根據學習基礎自己選擇難度，理解代碼生成的邏輯。另外，學生根據內置題庫進行練習，平臺會智能校驗、查錯和糾錯，全過程平臺會智能收集學生的學習數據，根據指標模型分析后，生成學習評價，并調整學習資源，提升學習效果。

3.3"記錄行為支撐發展

在人的成長過程中，認知發展與社會性發展相輔相成，處在不同階段的個體應當達到相應的社會性發展水平[24]，社會性發展水平遲緩將影響其獲得良好的人際關系[25]和“關系擴展”[26]，進而影響其學習、就業等諸多方面[27]。

首先，在獲得用戶授權同意的基礎上，智慧平臺需要聯動學校、衛健、公安、科技公司等部門進行跨部門的數據共享，通過手機、手環、考勤機等設備將進行無感化數據采集，減少對使用者的干擾；其次，利用大數據分析、機器學習和人工智能技術，對用戶的行為、測評結果數據自動識別、精準處理、個性化分析和評估用戶行為和狀態變化[28]；再次，自動與客戶進行社交互動，提升用戶的人際交往能力和技巧應用水平，同時平臺擁有豐富的課程資源，個性化推送或智能生成適合用戶的人際關系處理、關系擴展等教育內容；最后，當監測到用戶出現社會性水平發展遲緩等異常情況，向責任人進行自動化預警，提醒責任人及時尋找專業醫生進行干預，避免因社會性水平遲滯引發異常的人際交往關系與學習問題。

在記錄用戶數據、行為過程中，智能平臺一是要保證不同層級的數據加密，設置不同層級用戶的訪問權限，保證數據的匿名化處理；二是要建立數據備份和恢復機制，保障數據的安全和存儲，嚴防數據泄露；三是要繪制用戶的成長曲線和路徑，建立學習、行為檔案，平臺觀測學生社會性發展水平，不僅可以探索造成其社會性發展水平遲緩的原因，也可以推薦合適的課程資源或互動幫助其成長；四是建立持續評估和檢測機制，創造智能化、專業化、高效化、支持性強的智慧學習平臺。

4"結語

隨著ChatGPT4.0等技術的快速發展，生成式人工智能在理解、分析和生成內容上展現出巨大潛力，為教育數字化提供了新的機遇。本文探討了生成式人工智能在可持續發展教育中的應用與路徑，生成式人工智能通過構建知識圖譜、個性化學習推薦和智能輔助教學評價等方式，有效解決了當前海量教學資源選擇難和教學評價繁重等問題。具體而言，生成式人工智能通過深度學習技術優化資源平臺，實現個性化學習體驗；利用自然語言處理和機器學習算法，減輕教師評價負擔，提升評價精準性；同時生成式人工智能通過分析用戶行為數據，實現早期社會性發展水平遲滯與干預。這些應用不僅提升了教育效率，也促進了教育公平和質量的雙重提升，為實現聯合國2030年可持續發展教育目標推進和教育數字化目標達成提供了有力支持。

參考文獻

\t
1. 吳丹."權威訪談·學習貫徹黨的二十屆三中全會精神"統籌推進教育科技人才體制機制一體改革：訪教育部黨組書記、部長懷進鵬[EB/OL]."[2024-08-08]."http：//gd.people.com.cn/n2/2024/0808/c123932-40937369.html.
\t
2. 車璐，張志強，周金佳，等.生成式人工智能的研究現狀和發展趨勢[J].科技導報，2024，42（12）：35-43.
\t
3. OpenAI."GPT-4o"System"Card[EB/OL]."[2024-08-08]."https：//cdn.openai.com/gpt-4o-system-card.pdf.
\t
4. RATHORE"B."Future"of"AI"amp;"Generation"Alpha："ChatGPT"beyond"Boundaries[J]."Eduzone："International""Peer"Reviewed/Refereed"Multidisciplinary"Journal，2023，12（1）：63-68.
\t
5. 申么，申明浩，丁子家，等.生成式人工智能與銀行業變革：典型事實、實踐問題與破局之策：以ChatGPT為例[J].南方金融，2023（11）：64-76.
\t
6. MALIK"T，"DWIVEDI"Y，"KSHETRI"N，"et"al."“So"what"if"ChatGPT"wrote"it？”"Multidisciplinary"perspectives"on"opportunities，"challenges"and"implications"of"generative"conversational"AI"for"research，"practice"and"policy[J]."International"Journal"of"Information"Management，"2023，71：102642.
\t
7. 邱燕楠，李政濤.挑戰·融合·變革：“ChatGPT與未來教育”會議綜述[J].現代遠程教育研究，2023，35（3）：3-12，21.
\t
8. 楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對教育的影響探析及應對策略[J].華東師范大學學報（教育科學版），2023，41（7）：26-35.
\t
9. 周洪宇，李宇陽.ChatGPT對教育生態的沖擊及應對策略[J].新疆師范大學學報（哲學社會科學版），2023，44（4）：102-112.
\t
10. 王佑鎂，王旦，梁煒怡，等.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J].現代遠程教育研究，2023，35（2）：48-56.
\t
11. QADIR"J.Engineering"education"in"the"era"of"ChatGPT："Promise"and"pitfalls"of"generative"AI"for"education[C]//2023"IEEE"Global"Engineering"Education"Conference"（EDUCON）.IEEE，2023：1-9.
\t
12. 吳慶華，郭麗君.生成式人工智能時代高職院校的教學變革：挑戰、框架與路徑[J].大學教育科學，2023（6）：112-120.
\t
13. RUDOLPH"J，TAN"S，TAN"S.ChatGPT：Bullshit"spewer"or"the"end"of"traditional"assessments"in"higher"education？[J].Journal"of"applied"learning"and"teaching，2023，6（1）：342-363.
\t
14. 王樹義，張慶薇.ChatGPT給科研工作者帶來的機遇與挑戰[J].圖書館論壇，2023，43（3）：109-118.
\t
15. 宋萑，林敏.ChatGPT/生成式人工智能時代下教師的工作變革：機遇、挑戰與應對[J].華東師范大學學報（教育科學版），2023，41（7）：78-90.
\t
16. 李森，鄭嵐.生成式人工智能對課堂教學的挑戰與應對[J].課程.教材.教法，2024，44（1）：39-46.
\t
17. 聯合國經濟和社會事務部."2030年可持續發展目標4[EB/OL]."[2024-08-30]."https：//sdgs.un.org/goals/goal4.
\t
18. 中華人民共和國教育部."教育部：國家智慧教育平臺累計注冊用戶突破1億[EB/OL]."[2024-01-26]."http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/2024/2024_zt02/mtbd/202401/t20240129_1113178.html.
\t
19. 孫立會，周亮.生成式人工智能融入國家中小學智慧教育平臺的實踐邏輯[J].中國電化教育，2024（8）：71-79.
\t
20. 武法提，牟智佳.電子書包中基于大數據的學生個性化分析模型構建與實現路徑[J].中國電化教育，2014（3）：63-69.
\t
21. 周洋濤，褚華，朱非非，等.基于深度學習的個性化學習資源推薦綜述[J/OL].計算機科學，1-26[2024-08-22].http：//kns.cnki.net/kcms/detail/50.1075.TP.20240712.1852.021.html.
\t
22. 孫晶，劉新.過程性評價、形成性評價與終結性評價教學實踐[J].高等工程教育研究，2024（4）：94-100.
\t
23. 孫麗郡，孟繁軍，徐行健.課程知識圖譜構建技術研究綜述[J/OL].計算機工程：1-25[2024-08-22].https：//doi.org/10.19678/j.issn.1000-3428.0069543.
\t
24. 林崇德.發展心理學[M].2版.北京：人民教育出版社，2009.
\t
25. ZAREI"J，ALI"B"M.Alexithymia"and"interpersonal"problems[J].Procedia-Social"and"Behavioral"Sciences，2010，5：619-622.
\t
26. 唐輝一，陳倩，吳俊華.大學生社會性發展與心理健康的關系：述情障礙的中介作用及其性別差異[J].心理發展與教育，2021，37（5）：735-742.
\t
27. 王永和.談大學生心理健康的重要性[J].中國高教研究，2004（4）：75-76.
\t
28. 孫炳海，武瑩，孫長康.中小學心理健康教育數字化平臺建設評價標準的構建[J].中國教育信息化，2024，30（4）：41-50.