类型b：

本文由华东师范大学教育信息技术学系的郝祥军、顾小清、张天琦、王欣璐合作撰写，发表于《开放教育研究》2022年第4期。论文题为《人机协同学习：实践模式与发展路向》，聚焦智能时代教育领域的人机协同学习问题，系统梳理了该领域的研究现状、实践模式及未来发展方向。

人机协同学习的内涵与理论基础
论文首先界定了人机协同学习（Human-AI Collaborative Learning）的核心内涵：以人工智能技术为中介，学习者通过与智能系统协作实现认知发展的新型学习方式。其理论基础包含三方面：1）学习科学视角，强调技术作为认知工具（Cognitive Tools）支持知识建构（引用任英杰等2012年研究）；2）维果茨基社会文化理论中的脚手架（Scaffolding）概念，指出智能系统可提供认知支架；3）具身认知（Embodied Cognition）等理论，阐明技术如何扩展人类认知边界。作者特别强调，这种人机协同需遵循”人本价值”原则，技术应用应以促进学习者发展为根本目标。

人机协同学习的实践模式解构
基于人机交互自主度（Autonomy）的连续统，研究提出三种实践模式：
1) 人工智能引导的训练学习模式：高自主度智能系统主导学习路径（如智能导师系统Cognitive Tutors），学习者作为知识接受者。典型案例包括VanLehn开发的物理问题求解系统，通过约束建模（Constraint Based Modeling）实现程序性知识训练。
2) 人工智能支持的协作学习模式：人机自主度均衡，系统扮演助教或学伴角色。例如Chou等设计的协商式自适应系统（Negotiation-based Adaptive Learning System），通过对话机制协调学习决策；清华”小木”助手则实现学习计划协同制定。
3) 人工智能赋能的探究学习模式：学习者掌握主导权，智能系统提供认知赋能。如Yang团队开发的Quick Helper系统通过特征矩阵分解（Feature Matrix Factorization）实现学伴匹配，支持自主探究。研究指出，这三种模式对应学习者从”接受者”到”协作者”最终成为”建构者”的角色演变。

人机协同学习的发展挑战与路向
论文提出三个关键发展维度：
1) 关系路向：需平衡人机自主度。引用Baker（2016）的警示，过度依赖算法会导致学习者陷入”数字牢笼”；同时强调机器智能的进化依赖人类数据反哺，形成”人机共学”生态。
2) 价值路向：警惕技术异化（Technological Alienation）风险。引用李政涛（2020）观点，指出教育需坚守”成人”而非”成事”的逻辑，建议通过虚实融合情境设计促进社会情感能力发展。
3) 伦理路向：应对数据安全与算法偏见（Algorithmic Bias）问题。研究建议建立教育数据规范标准，并引用《义务教育信息科技课程标准》说明数字素养培养的紧迫性。

研究的学术价值与实践意义
该研究的创新性体现在：首次系统构建了基于自主度的人机协同学习分类框架，填补了学习者视角的研究空白（现有研究多聚焦教师角色）。提出的”数据智慧协同机制”理论模型（融合人类”亲而知/觉而知”与机器”感而知/描而知”的认知特征）为智能教育系统设计提供了新思路。实践层面，论文为三类学习模式的场景化应用提供了具体方案，如训练模式适用于基础知识掌握，探究模式适合高阶能力培养。最后，研究警示了人机关系失衡可能导致的伦理风险，这对人工智能教育政策的制定具有重要参考价值。

（注：全文严格遵循术语规范，如首次出现的”自主度”标注原文Autonomy；机构名《开放教育研究》保持英文OER缩写；引用文献格式与原文一致）