聯結人智協同學習干預的設計與應用：理論模型及實踐框架

一、引 言

中共中央、國務院發布的《中國教育現代化2035》強調，利用現代技術加快推動人才培養模式改革，實現規模化教育與個性化培養的有機結合。學習干預是促進個性化學習的關鍵策略2，通過有針對性的教育策略和活動幫助學生克服學習障礙、提升學習成效。然而，傳統依賴教師經驗的學習干預方式存在實施靈活性不足、操作難度大等問題，難以滿足學習者的個性化發展。隨著人工智能技術的發展，尤其是生成式人工智能的出現，其強大的計算和自適應能力為個性化學習干預創造了新機遇，能夠通過精準診斷和策略匹配提升干預效果4。但人工智能存在數據分析不精準[5幻覺、特定任務表現不佳]等問題，單純依靠人工智能實施自動化干預并不可行。為此，研究者提出了人智協同的學習干預方式，即人類和人工智能系統相互協作以實現學習干預目標。已有研究采用人智協同學習干預取得了一定效果[8，但實踐中，教育工作者智能素養不足、用戶界面操作難度大，導致干預工具的設計與應用脫節，影響了干預效果和人智協同學習干預在教育教學中的廣泛應用。

基于此，本研究基于Engestrom的活動系統網絡理論[，構建了聯結人智協同學習干預設計與應用的理論模型，強調人類經驗與智能系統的融合共生，以及干預設計與干預應用的有機聯結。在此基礎上，文章進一步提出了實踐框架，關注理論指導、干預設計和干預應用緊密聯系，旨在為人智協同學習干預實踐提供理論依據和應用指南，推動教育數字化轉型。

二、文獻綜述

（一）人智協同學習干預面臨的挑戰

隨著人工智能技術的發展，人智協同學習干預被廣泛關注，但也面臨諸多挑戰。首先，人與智能角色的分工模糊。人工智能的融入使傳統教學模式發生轉變，導致教師的角色和機器功能之間出現一定程度的重疊或不匹配，這使教師感到專業價值受到挑戰[]，降低其職業認同感和工作積極性，進而影響干預實施。此外，有研究表明，即使人工智能建議與實際情況矛盾時，人們仍可能過度依賴人工智能建議[，這種過度依賴不僅影響了教師和學生在決策過程中的準確性和效率，還可能導致干預效果的不穩定。其次，人智協同學習干預的設計和應用存在脫節的現象。在設計過程中，未能充分考慮教育者和學習者的實際使用情境，導致工具在實際應用中難以發揮預期作用。例如，工具設計未能與教學流程緊密結合，降低了教學效率。此外，用戶界面的直觀性和友好性不足，增加了使用的難度。復雜的導航系統或不清晰的功能指示可能使教育者和學習者在使用過程中感到困惑，影響其參與度和學習體驗。同時，教師缺乏有效的培訓和支持，也使其在使用工具時感到無所適從。這些因素共同導致人智協同學習干預在實際應用中面臨諸多困難，限制了其推廣和應用的范圍。目前，大多數人智協同學習干預研究仍遵循學習分析的范式，理論基礎薄弱，難以為干預工具的設計和應用的聯結提供系統指導。

（二）活動系統網絡理論及其在人智協同學習干預中的應用

人智協同學習干預面臨的挑戰表明，明確“人\"和“智”的角色分工以及工具的連通性至關重要。Engestrom的活動系統網絡理論[為人智協同學習干預的設計與應用提供了系統性框架。該理論基于活動理論，強調人類通過有意義的行動（如協作學習、互動等），以深刻理解周圍事物[13]。這與人智協同學習干預的目標高度契合，即通過人與智能系統的協作實現更高效的學習干預。活動系統網絡理論認為，活動系統由主體、客體和共同體三個核心要素，以及工具、規則和勞動分工三個調節要素組成。如果將這些要素視為節點，要素間的相互作用視為邊，則活動系統可以用異構圖來描述（如圖1所示）。通過清晰界定教師與人工智能的功能，活動系統網絡理論能夠幫助設計出更合理的協同機制，從而有效應對角色界定模糊的挑戰。此外，活動系統網絡理論展示了多個相互作用系統之間的不同視角和對話（如圖2所示）。這意味著活動系統之間可以相互關聯，一個活動系統的客體可以作為另一個活動系統的工具，或者多個活動系統可以共同產出一個客體。這一特性為人智協同學習干預研究中設計與應用的聯結問題提供了理論指導。人智協同學習干預的核心在于人與智能系統的協作，這與活動系統網絡理論中強調的主體（教師與學生）與工具（智能系統）之間的動態互動高度一致。活動系統網絡理論提供了一個系統性的框架，能夠清晰地界定人與智能系統在干預過程中的角色分工，同時強調了工具設計與應用的連通性，這正是人智協同學習干預亟須解決的關鍵問題。

圖1活動系統

圖2活動系統網絡

因此，應用活動系統網絡理論框架不僅有助于理清人智協同學習干預中的人、智角色，還能促進干預工具設計與應用的有效聯結，從而構建更為綜合和有效的學習干預模型。這一理論的應用，可以更好地應對人智協同學習干預中存在的挑戰，推動教育領域的創新與發展。基于此，本研究嘗試引入活動系統網絡理論構建聯結設計與應用的人智協同學習干預理論模型和實踐框架，研究問題包括：（1）如何基于活動系統網絡理論構建聯結人智協同學習干預設計與應用的理論模型？（2）如何構建聯結人智協同學習干預設計與應用的實踐框架？

三、聯結人智協同學習干預設計與應用的理論模型構建

為實現人智協同學習干預設計與應用的有效聯結，本文基于活動系統網絡理論構建了如圖3所示的理論模型。活動系統網絡理論強調多個子系統之間的相互作用，為聯結人智協同學習干預設計與應用提供了框架。模型以人智協同學習干預活動系統網絡為核心，將干預工具作為聯結設計與應用的橋梁，充分考慮活動系統中的各要素，實現兩個系統之間的無縫銜接和雙向互動，使得干預設計與干預應用之間形成了良性循環，推動人智協同學習干預工具的持續改進和完善。該模型貫穿“人智協同”的核心理念，旨在深度融合人類經驗與智能系統，為人智協同學習干預提供基礎性支持。

圖3聯結人智協同學習干預設計與應用的理論模型

（一）人智協同：人類經驗與智能系統的融合共生

聯結人智協同學習干預設計與應用的過程，也是人類經驗與智能系統融合共生的過程。智能系統擅長輔助決策、自動干預、數據挖掘等工作流，而人類經驗則在復雜決策、情感干預、活動監控等高階思維活動中發揮關鍵作用，二者相輔相成，共同支持有效的人智協同學習干預。

以人工智能技術為核心的智能系統在人智協同學習干預中具有重要作用。在干預設計中，智能系統通過先進的數據分析技術和算法，能夠迅速處理海量信息，識別關鍵要素，為決策提供支持[4。這種基于數據的決策支持，不僅提升了模型的準確性和效率，還能有效嵌入整個學習干預過程。在自動干預方面，智能系統可作為干預工具的功能組件，實時監測學習者的學習狀態，并根據預設規則自動進行干預，如提醒學習者調整學習節奏、推薦學習資源等[1]。此外，在干預應用中，智能系統通過深度挖掘學習數據，能夠發現學習者的潛在特征規律，為人智協同學習干預工具效果評估提供支持。

人類經驗在學習干預中具有不可替代的作用。在復雜決策方面，人類憑借其豐富的經驗和直覺，能夠作出更為全面和深入的判斷。例如，在干預設計中選擇合適的模型或者算法，在干預應用中設計和實施教學活動。在情感干預方面，人類教師能夠通過情感交流和理解，為學習者提供心理支持和安慰，這種情感共鳴是智能系統所難以比擬的。此外，人類經驗在監控干預設計和應用過程中也發揮著重要作用。在干預設計過程中，借助人類經驗理解目標群體的需求、偏好和行為模式，從而設計出更具針對性的工具。在干預應用中，人類通過觀察、記錄和評估干預工具的實施情況，及時發現并糾正干預過程中可能存在的問題。

（二）活動系統：干預設計與干預應用的有機聯結

活動系統包含人智協同學習干預設計活動系統和應用活動系統。設計活動系統旨在構建十預工具，應用活動系統則通過教學實踐評估干預工具的有效性，二者通過干預工具實現有機聯結（見表1）。

設計活動的目的是構建符合教育需求的干預工具。在構建過程中，遵循\"以人為本\"的原則[，依據教學法和相關理論基礎，明確干預模型的具體目標和內容。研究者、教師、學生和開發者圍繞共同目標，形成互補的合作關系。教師反饋實際問題，研究者提供理論支持，開發者將其轉化為技術支持。這種合作模式不僅促進了理論與實踐的深度融合，而且確保了工具的有效性和針對性。研究規則涵蓋了設計原則和技術規范等，確保工具設計過程的規范性和成果的有效性。在人智協同的理念下，人工智能系統作為重要的技術支持，與人類參與者（研究者、教師、學生）緊密協作，共同推動干預工具的開發與優化。總之，干預設計活動要求研究者、教師和開發者緊密合作，共同構建適應教育需求的人智協同學習干預工具。

表1

設計與應用活動系統中的元素

應用活動聚焦實施并評估干預工具在教學實踐中的效能，旨在解決實際教學難題，促進學習者能力提升。該活動在真實教學環境中展開，將干預工具融入教學策略，實現對教學實踐的深度介入。學習者作為主體，利用學習平臺和干預工具進行學習，這些工具和平臺不僅是學習工具，更是連接教育利益相關者共同體的橋梁，促進多方合作與信息共享。實踐活動由學習者和教師直接參與，共同體成員則基于共同的目標和價值觀協同工作。活動的有序進行依賴于明確的規則，包括學習活動設計和干預實驗設計等準則，這些規則確保實踐活動的順暢與高效。通過對應用活動中的數據進行收集和分析，能夠評估干預工具的效果，并根據反饋進行持續迭代與優化。應用活動不僅驗證了干預工具的有效性，還為教育十預的創新和發展提供了實證基礎，有望實現更精準、高效和人性化的教學干預。

四、聯結人智協同學習干預設計與應用的實踐框架

聯結人智協同學習干預設計與應用既是理論探索，也是實踐創新。基于理論模型提出具有操作空間的實踐框架，能夠有效促進人智協同學習干預設計與應用的統一，發揮人工智能與人類智慧的融合優勢，推動教育教學向智能化、個性化方向發展。本研究構建了“一個理論、兩個實踐\"的三層次實踐框架，包括理論指導層、干預設計層和干預應用層（如圖4所示）。其中，理論指導層剖析學習干預的認知機制，為干預設計和應用提供理論支撐。干預設計層聚焦于人智協同學習干預工具的設計與迭代，涵蓋模型設計、構建與評價的全過程。該層不僅關注技術實現，更強調融人學習者的實際需求和教學場景的適應性，確保干預工具解決教學問題，提升學習成效。干預應用層是將干預設計成果轉化為具體實踐的關鍵環節，致力于在真實的教學環境中應用干預工具，并驗證其有效性和可行性。值得注意的是，理論指導、干預設計和干預應用三者之間并非孤立存在，而是相互聯系、相互滲透的。理論指導為干預設計和干預應用提供支持，干預設計和干預應用實踐亦反哺理論發展；干預應用將干預設計的研究成果轉化為實踐行動，并為干預設計中的工具優化提供反饋；干預設計則在實踐中不斷優化工具，為應用提供新的實踐機會。這種循環往復的關系確保了人智協同學習干預實踐模型能夠持續演進。

（一）堅持理論指導為人智協同學習干預的基礎作用

在聯結人智協同學習干預設計和應用的實踐中，理論作為指導實踐的基石，為整個人智協同學習干預和應用的實踐提供了堅實的基礎和指引。EPA（Epistemology-Pedagogy-Assessment）理論作為學習分析干預領域的核心指導框架，融合了認識論、教學法和評價術三大要素，形成了一個全面系統的理論框架[17-18]。其中，“E\"（認識論）關注分析對象的界定與衡量標準，精準捕捉學習過程中的關鍵信息；“P\"（教學法）聚焦分析結果的服務對象及呈現方式，確保教學干預精準對接學習者需求；“A”（評價術）負責評測內容的確定、實施與反饋，為人智協同學習干預的持續優化提供數據支持。在人智協同學習干預設計中，EPA理論從認識論的角度確定工具的功能需求（如促進學習者的認知投入），從教學法的角度確定人智協同學習干預工具的技術實施過程（如利用學習者數據構建推薦模型），從評價術角度確定評測指標和方式（如通過精確率、召回率和F1值評估推薦算法的性能）。在人智協同學習干預的應用中，EPA理論的認識論思想確定工具應用的情境和對象，教學法思想確定人智協同學習十預工具的實施時機（如事后反饋、實時反饋等），評價術思想確定效果評估方式（如過程評價）。通過EPA理論的指導，可實現更科學、有效的人智協同學習干預的設計和實踐。

圖4聯結人智協同學習干預設計與應用的實踐框架

（二）發揮干預設計為人智協同學習干預的載體功能

干預設計是將干預理念轉化為實踐的具象化過程，旨在產出人智協同學習干預的載體，即干預模型或者工具。在EPA理論指導下，干預設計主要包括模型設計、模型構建和模型評價三個關鍵環節。在模型設計階段，重點是明確干預目標、受眾特征、預期成果及潛在挑戰，并制定詳盡的設計方案。該方案需清晰描述模型的核心功能、操作流程、用戶界面和技術實現路徑，確保工具實用且滿足個性化需求。開發說明應記錄設計思路、技術選型、算法邏輯及實現細節，為后續的開發與維護工作提供理論基礎。同時，技術倫理規范被置于設計的首位，確保干預工具的開發和使用遵循尊重、公平、透明與責任的原則，保護學習者的隱私。在模型構建階段，聚焦于將設計理念轉化為可操作的模型實體，此階段廣泛收集學習者的多維度信息，包括學習行為數據、情感反饋數據、生理監測數據、個人背景信息、學習成效數據、社交媒體活動記錄以及來自教師與同伴評價。基于這些數據，選擇合適的機器學習算法與模型架構，通過數據訓練和特征提取，從海量數據中挖掘出學習者的學習狀態、偏好及潛在需求。通過模型微調與參數優化，提升模型的預測精度與泛化能力，使其能夠精準識別學習者的個性化需求并提出有效的干預策略。在模型評價階段，通過交叉驗證、對比實驗等科學方法，全面測試模型在不同數據集上的表現，驗證其預測準確性、魯棒性及泛化能力。同時，教師根據學習者的反饋和實際表現，實施個性化的教學干預，如提供情感支持、解答疑問、引導討論等，以增強學習者的參與度和學習效果。這一過程不僅提高了模型的有效性，還通過人機協作，充分發揮了人工智能與人類教師的互補優勢，為后續的迭代升級提供了參考。

（三）推動干預應用為人智協同學習干預的關鍵動力

人智協同學習干預工具作為嵌入教育教學實踐的數字化教育工具，其設計和優化應始終遵循“應用為王”“以人為本\"的理念，以推動干預應用為人智協同學習干預的關鍵動力。工具的價值不僅在于其設計上的功能完備性，更在于其實際應用效果，需經教育教學實踐的反復考驗。評估干預價值的重要標準可判斷其能否為學習者帶來實質性幫助和提升。在EPA理論指導下，人智協同學習干預應用和驗證離不開學習活動設計、干預實施和效果驗證三個關鍵環節。學習活動設計是一個多維度、精細化的過程，緊密圍繞學習目標和任務特性展開。它包括詳盡的任務分析、多元化教學方法選擇（如講授法、討論法與案例分析法）以及技術工具的融入，以增強學習體驗。干預實施是干預應用的另一關鍵環節。人工智能技術通過深度學習算法精準分析學習行為，為學習者提供量身定制的學習建議與即時反饋。與此同時，人類教師憑借其專業知識和情感智慧，為學生提供個性化的支持和解決方案，助力學生深入理解和有效應用學習建議，達成人智協同學習干預目標。學習效果驗證是干預應用不可或缺的一環。通過綜合運用學習數據分析與實驗驗證等方法，全面評估干預工具的實際效果。學習數據的深度挖掘揭示了學習者的行為模式與學習成效，為評估其學習效果提供了堅實的數據支撐。同時，通過設置對照實驗，比較干預策略對學習效果的影響，為優化干預模型提供科學依據。在此基礎上，不斷迭代完善人智協同學習干預模型，持續提升學習的效果與質量。

五、實踐應用案例

（一）研究案例情境

本研究以武漢某高校的“面向對象軟件工程”（簡稱為OOSE）課程作為實證研究情境，驗證人智協同學習干預模型的應用效果。通過對授課教師和學生的調查分析發現，學生在OOSE課程學習中面臨諸多困難，包括復雜概念的理解、工程化方法的應用以及團隊協作能力的提升等。這些問題導致教師在課堂管理中難以有效調動學生的參與度，進而影響學習效果。此外，教師在輔導時常常無法及時幫助每名學生解決其困難，亟須借助人工智能輔助教師實施干預。然而，通用型人工智能模型缺乏在特定教學情境數據上的訓練，可靠性較低，難以直接用于教學中輔助教師進行學習干預。基于此，本研究基于OOSE課程的真實情境數據，設計和訓練符合課程學習者學習特性的人智協同學習干預工具。

（二）人智協同學習干預的設計

為滿足教師和學生的需求，本研究開發了一種人智協同學習干預工具，具體為基于推薦算法的回答者推薦系統。該系統通過卷積神經網絡（CNN）模型，能夠精準匹配合適的人類指導者，從而為學生提供個性化的幫助。實驗數據取自課程在線討論數據，借助TensorFlow進行模型訓練。結果顯示，模型在測試階段取得了高精確率和召回率，驗證了推薦的準確性。該工具充分發揮了人工智能與人類智慧的互補優勢：人工智能通過精準匹配合適的人類指導者，確保學生能夠獲得針對性的幫助；而人類指導者則利用其專業知識和情感智慧，為學生提供更深人的指導和情感支持。

（三）人智協同學習干預的應用

為驗證人智協同學習干預工具的有效性，本研究基于Chen等人提出的協作知識提升模型，設計并實施了在線協作學習活動流程，旨在促進學生之間的互動與協作，提升學習效果。為了評估人智協同學習干預的實際效果，本研究隨機選取兩個班級，分別作為實驗組（55人）和對照組（47人）。實驗組的學生接受了基于人智協同學習干預工具的學習支持，而對照組則維持常規教學模式。在評估過程中，本研究采用CoI框架2進行內容分析，以評估學習者的認知存在，從而衡量人智協同學習干預的效果。同時，本研究依據技術接受模型開展問卷調查，了解學生對干預工具的態度，問卷的克隆巴赫 α 系數為0.95，表明數據具有較高的可靠性。

圖5實驗組和對照組的認知存在差異

通過認知網絡分析工具比較實驗組與對照組的討論內容（如圖5所示），結果顯示，實驗組學習者在探索與整合等高水平認知行為之間的聯系更強，表明人智協同學習干預工具的支持下，實驗組學生的討論內容更深入，協作質量更高。此外，實驗組學習者在感知有用性、滿意度和持續性使用意愿三個維度上的平均得分分別為3.72、3.85和3.61，顯示出學生對干預工具持較為滿意和積極的態度。

綜上所述，本研究設計的人智協同學習干預工具在實際課程中的應用取得了顯著成效，不僅提升了在線協作學習的討論質量，還獲得了學生的積極反饋。這進一步驗證了聯結人智協同學習干預的設計與應用模型的有效性，為教育領域的人智協同學習干預提供了有力支持。

六、結束語

隨著人工智能技術的快速發展，人智協同學習干預成為推動教育數字化轉型的關鍵力量。然而，實際應用中干預設計與實施常脫節，阻礙了人智協同學習干預實踐的推進。為此，本文基于活動系統網絡理論構建了人智協同學習干預的理論模型，強調人類經驗與智能系統之間的協同共生，以及干預設計與應用的有機結合。在此基礎上，提出了涵蓋三個關鍵方面的實踐框架，包括強調理論指導的基礎作用，明確干預設計的載體功能，設定干預應用作為核心動力。最后，通過案例分析，驗證了理論模型和實踐框架的有效性。為進一步推動人智協同學習干預，提出以下建議。首先，加強學校與企業合作，組建共同體，實現資源共享和優勢互補。例如，在大模型研發中，基礎大模型需要企業技術支持，而垂直領域大模型需要學校的專業知識，雙方合作可提升干預工具的有效性和適應性。其次，提升教師的人工智能素養，通過組織人工智能課程體系建設和教育模式改革，培養教師在教學中有效運用人工智能技術的能力，以幫助教師更好地理解和應用人智協同學習干預工具。最后，需重視人工智能倫理的引導，妥善利用人工智能，促進開展有效的人智協同學習干預。

[參考文獻]

[1]中共中央，國務院．中共中央、國務院印發《中國教育現代化2035》[EB/OL].（2019-02-23）[2025-01-03].htps：/ww.gov.cn/zhengce/2019-02/23/content_5367987.htm.

[2]武法提，高妹睿，田浩.人機智能協同的精準學習干預：動因、模型與路向[J].電化教育研究，2022，43（4）：70-76.

[3]WONGB，IKC.Aviefainganalysiterventioighrdcatio18）[J]Jualoopuersiatio2020，7（1） ：7-28.

[4]CROMPTOH，URKED.Aifiialintellgenceighereducation：testateofefeldJ].Iteratioaljoualofucatnal technology in higher education，2023，20（1） ：1-22.

[5]蔣永貴.人工智能賦能教師教育的基本問題與應然系統設計[J].教師教育研究，2023，35（2）：9-14.

[6]鐘柏昌，劉曉凡.生成式人工智能何以、以何生成教育[J].電化教育研究，2024，45（10）：12-18，27.

[7]和文斌，趙帥，阿不來提·瓦依提，等.基于生成式人工智能的人機協同學習更能提升學習成效？——基于20項實驗和準實驗的 元分析[J].開放教育研究，2024，30（5）：101-111.

[8]劉清堂，曹天生，尹興翰，等.面向邊緣討論參與行為的人機協同學習干預模型構建及其應用[J].現代教育技術，2024，34（5）： 105-113.

[9] POZDNIAKOV S，MARTINEZ-MALDONADOR，TSAI Y S，et al. The question-driven dashboard：howcan we design analytcs interfacesalignedtoteachers‘inquiry？[C/LAK22：12thInternationalLearningAnalyticsandKnowledgeConference.NewYork： ACM，2022：175-185.

[10]ENGESTOY.Expansiveleaingatwork：towardanctivityteoretcalrecoceptualization[J].Joualofducationandwork， 2001，14（1）：133-156.

[1LUX，eacalfitielge：ofalialpsieCr of the 5th International Conference on Big Data and Education. New York：ACM，2O22：35-39.

[12] KLINGBEILA，GRUTZNER C，SCHRECK P.Trustandrelianceon AI—anexperimental studyon theextentandcostsof overreliance on AI[J]. Computers in human behavior，2024，16O：1-10.

[13]吳娟，翟蕓，王智穎，等.活動理論視角下數字閱讀徽章體系構建與應用[J].電化教育研究，2022，43（4）：92-98，115.

[14]COHNC，SNYDER C，FONTELESJH，etal.Amultimodal approachtosupprt teacher，researcherandAIcolaborationin STEM+C learning environments[J]. British journal of educational technology，2025，56（2）：595-620.

[15] ZHENGL Q，LONG ML，NUJY，etal.Anautomatedgrouplearning engagementanalysisandfedback approachtoprooting colaborative knowledgebuilding，grouppeformance，andsociallysharedrgulationinCSCLJ].Interationaljoualofomputer supported collaborative learning，2023，18（1）：101-133.

[16] MARTINEZ-MALDONADO R，GASEVIc D，ECHEVERRIA V，et al. What do you mean by colaboration analytics？A conceptual model[J]. Journal of learning analytics，2021，8（1）：126-153.

[17] KNIGHTS，BUCKINGHAM SHUMS，LITETON K.Epistemology，assessent，pedaggy：where learing meetsanalyticsnthe middle space[J]. Journal of learning analytics，2014，1（2） ：23-47.

[18]KNIGHT S，SHUM SB. Theoryand learning analytics[J]. Handbook of learning analytics，2017，1：17-22.

[19]CHEN WL，TANJSH，PIZLThespiralmodelofcollaborativeknowledgeimprovement：anexploratorystudyofanetworked collaborative classroom[J]. International journal of computer-supported collaborativelearning，2021，16（1）：7-35.

[20] GARRISON DR，ANDERSON T，ARCHER W.Criticalthinking，cognitive presence，andcomputerconferencing indistance education[J]. American journal of distance education，2oo1，15（1） ：7-23.

[21]PENGYalctsofpeslstsggfocdctiosi collaborative writing：intergroup information maters[J]. The internet and higher education，2O22，53：1-13.

Design and Application of Connecting Human-Inteligence Collaborative Learning Intervention： A Theoretical Model and Practical Framework

YU Shuang'，YE Junmin2， YIN Xinghan'，WU Linjing1，LIU Qingtang3， ZHAO Gang1 （1.Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan Hubei 430079;

2.School of Computer， Central China Normal University，Wuhan Hubei 430079;

3.Hubei Key Laboratory of Digital Education， Central China Normal University，Wuhan Hubei 430079）