元宇宙赋能大规模个性化学习的系统框架探索

中图分类号：G434文献标识码：A论文编号：1674—2117（2025）09-0106-04

引言

中共中央、国务院印发的《中国教育现代化2035》指出：“利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合。”这就要求，一方面要培养大规模高质量人才，促进国家人才整体水平的提升；另一方面要建立能够满足不同需求的人才个性化培养模式。但现有的教育培养模式迫切需要借助现代技术进行改革，以解决规模化教育和个性化培养之间的矛盾。2最新的元宇宙技术以虚拟现实、区块链、人工智能等为基石，为解决上述矛盾提供了有效的途径。本文从元宇宙技术赋能教育的角度出发，探索大规模个性化学习的系统框架，对扩充新时代的个性化教育理论，具有重要的意义和参考价值。

元宇宙赋能大规模个性化学习的技术优势

“大规模”的概念源自在线开放课程，将超过150人的学习群体定义为“大规模”。[4“个性化学习”是针对不同学习者的专属个性、学习兴趣、学习风格等特征[5-，形成适合每个学习者的学习模式、学习策略、学习路径和学习方法等，从而满足学习者的个性化需求。大规模个性化学习的目标是面向人员数量大的学习者，构建适应每个学习者的个性化需求的学习模式，但存在以下挑战： ① 学习者的认知和能力水平相异，需要的学习资源、学习内容是不同的，而面对大量的学习者，满足所有学习者的资源需求开销是不能承受的。 ② 教师难以全面了解全部学习者情况，不能有针对性地进行个性化辅导及情感疏导。 ③ 个性化分析学习过程中的数据，无法保证学习者的隐私信息不被滥用或者泄露。 ④ 大规模学习者的过程性评价缺乏及时性，不能充分发挥以评促学的作用。

近年来，元宇宙技术在教育领域的应用受到了研究者的广泛关注，如利用虚拟现实构建沉浸式个性化学习空间、采用区块链保证教育数据安全性和可靠性、引入人工智能精准分析学习者的个性化特征并推荐适合的学习路径与学习方式等。以上应用为应对大规模个性化学习中的挑战提供了技术可行性，具体表述为： ① 提供多模态个性化学习资源。元宇宙根据学习者的学习目标、知识能力水平等特征自适应地匹配学习资源，并以此构建沉浸式的学习空间，既满足对理论知识的掌握，又可以在不受时空限制的实训空间中开展具身学习。② 为大规模学习者提供个性化辅导。在元宇宙空间中，学习者和教师以真实、自然的方式进行交互和交流，同时，采用智能技术可以塑造虚拟教师，提供一对一的辅导，这种方法既能缓解规模化教学中教师的压力，又能提供个性化的知识引导、情绪调节等服务。 为学习过程数据提供可信保障。作为元宇宙支撑的区块链技术，具有去中心化、可追溯、不可篡改等特征，可以采用访问控制方法设置权限，构建智能合约自动执行个性化分析流程，建立数据回溯机制有效保护学习成果。[9]④ 为大规模学习者提供智能化的学习评价。在元宇宙学习空间中，智能终端设备可以采集全面的多模态过程数据，通过人工智能技术分析每个学习者的学习状态、知识掌握、能力变化等，实时获知过程性评价[0-1，其评价结果及时反馈给学习者，随之调整其学习进度，促进学习者更加高效地学习。

元宇宙赋能大规模个性化学习的系统框架

基于元宇宙的技术优势，设计大规模个性化学习的系统框架，其设计原则包括以下四条。 ① 沉浸性：学习者能够深度参与、沉浸式体验适合其能力水平的学习活动。② 引导性：通过感知学习者的学习状态，为不同学习者提供与之相匹配的线索，触发学习者对相关知识的联想和应用。 ③ 智能性：根据学习者的能力和需求，自适应地组织学习资源，实现学习资源与学习者能力的实时动态匹配。 ④ 可信性：个性化学习中的过程数据能够安全可靠地存储。基于以上原则构建的以数据层、知识层和空间层为核心的系统框架如下图所示。

1.数据层

采用5G网络、沉浸式设备和终端智能设备采集学习者的学习数据，包括行为、生理、心理和虚拟身份等数据，并对数据进行分析和存储。其主要分为以下三个模块：

① 数据感知模块。负责获取学习者的初始特征数据，包括基本信息、知识背景、学习目标、学习风格、学习偏好等，同时感知学习过程中的学习状态、情绪状态等数据。

② 数据分析模块。采用不同角度对感知数据进行深入分析。引入人工智能技术分析学习者的行为数据；通过与虚拟教师的交互数据，分析学习者学习需求的改变；以深度学习技术分析情绪状态数据，洞悉学习者的情感需求。

③ 数据存储模块。构建基于P2P的区块链网络，设计以节点可信度算法为核心的数据区块生成方法，以及一系列区块操作，包括时间戳验证的计算函数、打包区块的选择算法、判断区块是否被接受的共识策略等。同时，设置不同的数据存取权限，建立基于智能合约的共享机制，保障学习数据的可信性。

元宇宙赋能数据层的构建，通过感知学习者多模态特征数据，提升个性化特征分析的准确性。同时，区块链技术为提高数据感知过程的安全性提供了有效技术手段，对虚拟现实设备传输的数据进行共识验证，提高数据的可靠性。

2.知识层

知识层主要分为三个模块，包括课程推荐模块、知识概念推荐模块和习题推荐模块，前两个模块用于个性化的知识学习，后一个模块用于知识巩固，为具有不同需求的学习者提供个性化的学习服务。

① 课程推荐模块。根据学习者的个性化特征，推荐其感兴趣的课程资源，常用的方法有基于学习者画像的课程推荐、基于知识偏好的课程推荐、基于课程内容的推荐等，采用知识图谱[12]、协同过滤[13]、注意力机制等技术充分挖掘学习者与课程之间的关系或者“课程一课程”的潜在关系，提高课程推荐的精确性和可解释性。

② 知识概念推荐模块。鉴于在课程学习时，存在依赖先修课程的知识概念，为了满足学习者对特定知识概念[的学习需求，可从知识细粒度角度来推荐资源。主要采用异构信息网络表达知识概念间存在着复杂的依赖关系，并将这些关系融人知识概念表达中，采用深度学习方法建模学习者和知识概念之间的潜在关系，以实现个性化的知识概念推荐。

③ 习题推荐模块。采用诊断分析法度量学习者对所学知识的掌握程度，并提供合适的资源达成巩固知识的目的。对于理论知识的考查，常采用测验、习题等方式，自适应地推荐优质习题，根据学习者的作答表现评估其知识状态。对于实践知识，提供相应的场景资源，如对于物理实验等操作类练习，提供实验器材等建模资源，通过学习者的行为操作，判断是否掌握相应的实践能力。

元宇宙赋能知识层的构建，其强大的语义理解与上下文推理能力从一定程度上缓解了当前存在的知识迷航、信息过载等问题，为学习者提供与能力相匹配的知识内容。

3.空间层

元宇宙构建沉浸式的学习环境，同时提供个性化的辅导服务，满足学习者因时而变的个性化需求，包含以下四个模块：

① 资源模块。根据学习者的学习需求、学习内容和学习目标，结合生成式人工智能技术动态生成需要的多模态资源，并自适应组织这些资源，创建虚实融合的学习空间。智能感知不同学习者的学习状态和达到的能力水平，及时给予动态反馈，个性化推送学习资源，优化更新现有的资源，以照顾大规模学习者的资源需求。

② 活动模块。在学习空间中开展多项学习活动，包括自主学习、小组学习、研讨学习等。在传统教学中，这类多人学习方式难以组织具有相同学习目标的学习者，影响了群体学习效率。而在元宇宙创建的学习空间中，能根据规模化学习者的特征，智能地划分、组建高质量的学习小组。同时，设计智能调整机制，当监测到某个学习者的能力水平发生显著变化后，适配其能力的高阶或者低阶的学习活动，重新匹配所在活动小组成员。

③ 交互模块。设计虚拟教师数字人，完成三项功能：一是指导学习者的学习，引导其进行更深入的能力训练；二是通过多种交互策略，提供个性化的教学互动，提高具身学习效率；三是采用情绪识别技术洞悉学习者的情绪变化，从心理方面进行情绪疏导。

④ 评价模块。根据实时感知的多模态特征数据，可视化地呈现学习者的学习状态、情绪状态等，展示形成性评价，并反馈给学习者和教师。同时，在完成阶段性学习任务之后，针对不同学习者给出总结性评价，针对学习目标相同的群体，给出整个群体的发展性评价，从多个角度综合展示规模化学习者的能力水平，真正实现以评促学的目标。

系统框架探析

提出的个性化学习系统框架采用先进的元宇宙技术作为支撑，然而，在系统框架实施过程中，仍有一些问题需要进一步研究。

① 学习数据的隐私保护。元宇宙学习空间需要全面感知学习者的多模态数据，并对这些数据进行标注、解析，然而它们包含生理、心理等隐私性的信息，如何保护这些隐私信息，防止被恶意泄露或非法他用，是必须解决的问题。

② 提出的系统框架需要区块链、虚拟现实、人工智能等技术在数据层、知识层以及空间层的协同工作，而如何发挥每种技术优势，构建协同工作机制，其关键要素尚需进一步探索和求证。

③ 元宇宙赋能规模化个性化教育的理论方法需要进一步研究。

个性化教育是涉及诸多因素的领域，需要充分利用新技术去不断探索新的分析方法、构建新的学习模式，以完善面向大规模学习者的个性化教育理论。

结语

元宇宙赋能大规模个性化学习，具有自适应个性化资源提供、智能化学习者能力感知、情感交互辅助教学、精准个性化评价等优势，将助力破解未来个性化教育中的难题。但是，笔者目前只是从理论层面进行了探索，未来将会从可操作的实践范式方面进行深入研究。

参考文献：

[1中华人民共和国教育部.中共中央、国务院印发《中国教育现代化2035》[EB/OLJ.htp：//www.moe.gov.cn/jyb_xwfb/s6052/moe_838/201902/t20190223_370857.html.

[2]李静，刘蕾.技术赋能的高等教育规模化教育与个性化培养：逻辑必然与实践机理[J].中国电化教育，2021（08）：55-62.

[3]朱珂，丁庭印，付斯理.元宇宙赋能大规模超域协同学习：系统框架与实施路径[J远程教育杂志，2022，40（02）.24-34.

[4]张吉先，夏现伟，饶冠俊，等.大规模在线教育育人场景构建研究：逻辑架构与实践形态[J.远程教育杂志，2021，39（03）.75-83

[5董玉琦，林琳，林卓南，等.学习技术（CTCL）范式下技术促进学习研究进展（2）.技术支持的基于认知发展的个性化学习[J].中国电化教育，2021（10）：17-23+42.

周洋涛，褚华，朱非非，等.基于深度学习的个性化学习资源推荐综述[J].计算机科学，2024，51（10）：17-32.

[7]张文超，袁磊，闫若，等.从游戏化学习到学习元宇宙：沉浸式学习新框架与实践要义[J.远程教育杂志，2022，40（04）.3-13

[8]李建伟，武佳惠，姬艳丽.面向自适应学习的个性化学习路径推荐[J].现代教育技术，2023，3（01）：108-117.

Lianga 2023（02）.586—598.

[10]孔维梁，韩淑云，张昭理.人工智能支持下自适应学习路径构建[J].现代远程教育研究，2020，32（03）.94-103.

[1]白雪梅，郭日发.生成式人工智能何以赋能学习、能力与评价？[J].现代教育技术，2024，34（01）.55-63.

[12]陈艺.基于知识图谱的个性化课程推荐算法研究DI桂林：桂林电子科技大学，2023

[13]徐硕，尹隽，郭佩瑶，等.基于知识图谱与协同过滤的个性化试题推荐[J].软件导刊，2023，22（01）：46-51.

[14]孔超，陈家会，孟丹，等.面向MO0S的个性化知识概念推荐[J.华东师范大学学报：自然科学版，2024（05）：32-44.e

第一

作者简介：丛鑫（1982—），男，汉族，山东招远人，博士，副教授/硕导，研究方向为区块链、P2P技术、云计算。通讯

作者简介：眥玲玲（1981—），女，汉族，辽宁阜新人，博士，副教授/硕导，研究方向为元宇宙、图形图像与多媒体、区块链。

基金项目：重庆市教育委员会人文社会科学研究规划重点项目“基于区块链的育人评价方法和体系研究”（24SKGH055）。