隨著新技術的迅猛發展，「大數據+AI」已成為現代社會一種新的驅動力和思維方式。一種可有效實現物理世界和信息世界智能互聯與交互融合的新技術——數字孿生應運而生。基於數字孿生技術，可構築聯通現實教學空間與虛擬教學空間的數字孿生講臺，並成為在線教學空間的「數字大動脈」。數字孿生講臺可分為在線學習特徵分析技術和虛實教學空間融合分析技術，通過「在線教」與「在線學」間的深度融合、映射與鏡像，能為在線沉浸式教學注入新的數字生產力。基於此，從教學、技術兩方面，探索數字孿生講臺的在線沉浸式教學流程設計與技術運用，即基於混合式平臺的教學數據採集與管理，基於多維分析的教學數據分析與建模，基於精準教學和精準管理的數據應用，基於增強現實技術的在線沉浸式教學體驗，進而設計其教學流程。旨在通過數字孿生講臺的多源數據融合、虛實融合映射、教學服務融合優化，促進數位化、智能化課堂的形成，推動數智融合在教學方面的創新性應用，從而形成一種基於大數據的課堂數據互動、映射的新形態，進而革新與重塑現代教育體系。
關鍵詞：大數據技術；人工智慧；數字孿生技術；數字孿生講臺；在線沉浸式教學；虛實融合基於數字孿生講臺的在線沉浸式教學體系分析與流程設計教學信息化改革是教育現代化的重要任務，而在線教學是教學信息化改革的重要形式之一。中共中央、國務院印發的《中國教育現代化2035》提出，「加快信息化時代教育變革，建設智能化校園，統籌建設一體化智能化教學、管理與服務平臺」[1]。近年來，隨著教育信息化從1.0邁向2.0，我國在線教育無論從數量、質量還是到內容與形式，都獲得了長足的發展與進步。但這種快速發展的同時，自然也存在一些急需解決的問題。尤其是2020年突如其來的新冠疫情，給我國在線教學帶來了前所未有的挑戰，主要表現為：在線教學質量參差不齊，學生在線學習效果差強人意，學生自主學習能力良莠不齊。教師信息化素養與技術的落後，成為制約在線教學改革的重要瓶頸。在現實教學中，在線教學大多數情況下僅作為線下教學的補充，並沒有推廣應用以形成教學常態，這使得在線教學無法避免陷入「淺層學習」的困局。
那麼，解決或緩解這一困局的出路何在？我們認為，還在於充分研究與應用新技術來改進與提升教學效果。尤其是在「大數據+AI」融合的大趨勢下，數智驅動下的新技術日益融入在線教學的今天，我們更需要深入探究新技術應用於在線教學的可行性。
一方面，隨著XR、全息、仿真技術等不斷成熟與應用，在線沉浸式教學成為國內外學界日益關注的課題。在線沉浸式教學以其深度的沉浸性、遠程高效的交互性、優質的體驗感以及高保真度而深受廣大師生青睞，它能夠提高學生在線學習的積極性、主動性，使學生由「淺層學習」向「深度學習」演進。在這一過程中，提高教育信息化水平，促進教育信息技術的更新迭代，成為在線沉浸式教學的關鍵[2-4]。
另一方面，隨著計算機、網際網路技術的迅猛發展，「大數據+AI」已成為現代社會一種新的驅動力、思維方式和解決問題的方法[5]。當下，「大數據+AI」在教學領域的探索已進入進行時態，但具體該運用哪些大數據技術，如何應用大數據技術來解決制約在線教學的諸多難題？仍值得我們深入探索。
近年來，許多學者致力於「大數據+AI」在在線教學中的運用探索。鄭思思、陳衛東等提出，在教育教學中，藉助圖形化大數據，能夠幫助教學和管理者跟蹤變化、理解變化背後的成因，促進課堂新生態的形成，並優化教與學的全過程；基於此，他們提出運用「5G+全息技術」構建全息課堂的新理念[6]。劉豔華、徐鵬基於美國普渡大學在線課程信號項目，進行大數據挖掘分析與預測[7]。肖君等以開放學習分析架構為基礎，設計了一套基於用戶畫像的在線學習者畫像構建流程[8]。黃昌勤等運用行為大數據的可視化技術，動態呈現學習者在雲空間的行為關聯大數據，以改善在線學習環境[9]。雖然上述探索很有借鑑價值，然而，目前在線教學中諸多問題的解決，依然需要探索一種複雜信息的集成管理工具，一種基於「大數據+AI」的智能化解決方案。
當下，一種可有效實現物理世界和信息世界智能互聯與交互融合的新技術——數字孿生應運而生。數字孿生是一種以數據可視化方式管理複雜信息的工具，其可為個體、組織甚至系統提供實時、高效、智能的服務方案[10]。數字孿生技術的核心特徵是「以虛映實、以虛控實、虛以實用」[11]。當前，已有一些學者對數字孿生技術應用於未來教育和學習的特徵、場景、發展趨勢進行了初步探討[12-14]。褚樂陽、陳衛東等的研究指出，數字孿生技術可優化遠程教學過程，為學習者提供優質的遠程學習體驗[15]。朱珂指出，「數字孿生技術+智慧課堂」的探究應該予以更為深入的構建與解析，例如，對其運行機制、框架、功能及教學內容、教學設計等的探討[16]。
基於此，本研究嘗試構建聯通現實教學空間與虛擬教學空間的「數字孿生講臺」：從體系構建與核心技術入手，創新性構築在線教學空間的「數字大動脈」；以「大數據與智慧物流」課程實驗為例，圍繞「在線教」與「在線學」的深度融合，通過在線現實教學空間和在線虛擬教學空間的映射與鏡像，綜合運用大數據可視化技術[17-18]、用戶畫像技術[19]、行為大數據分析技術[20]、機器學習算法（包括傳統的機器學習算法[21]和高級的機器學習算法，如，深度學習[22]）、關聯規則[23]、文本挖掘[24]、增強現實[25]等技術；以在線學習特徵分析技術和虛實教學空間融合分析技術為核心，展開教學流程設計與技術分析。旨在為在線沉浸式教學注入新的數字生產力，以培養人工智慧時代發展所需要的創新性人才[26-27]。
基於數字孿生講臺的在線沉浸式教學體系分析與流程設計基於現有的相關研究，我們嘗試將數字孿生技術應用於在線教學領域，探討並初步構建數字孿生講臺。所謂數字孿生講臺是數字賦能於在線虛擬教學空間，通過與現實教學空間、虛擬教學空間的一一對應、相互映射、協同交互，所構建並形成的虛實融合的複雜教學系統。具體而言，數字孿生講臺，可分為在線學習特徵分析技術（即如何利用技術為學習者提供適切性的學習支持[28]）和虛實教學空間融合分析技術（即如何彌合虛擬與現實世界之間的界限），旨在不斷提升學習者的沉浸式學習體驗[29]。
在線學習特徵分析技術是將學生的專注力及自律性（虛）與教師的教學資源（實）相融合，將學生的認知水平與成長過程（虛）與教師的個性化指導方案（實）相集成，將學生的技術水平與理解能力（虛）與課堂教學的講解要點、講解方式（實）相交互，從而真正實現在線教學全過程的精準教學和精準管理，進而實現在線教學決策的數位化、智能化驅動。虛實教學空間融合分析技術是指在網絡空間中通過大數據建模、仿真、可視化等技術，構建一個與之對應的孿生教學空間，以實現教學空間全要素的數位化和虛擬化，教學空間全狀態的實時化和可視化，即搭建數位化的虛擬教學空間。
因此，數字孿生講臺的在線沉浸式教學體系，從基礎的數據採集層到頂端的應用層，依次可分為數據支持層、建模計算仿真層、功能層和沉浸式體驗層，體系的各層級緊密相關、層層遞進，每一層都是對前面各層功能的拓展與豐富，具體如圖1所示。
（一）數據支持層數字孿生講臺離不開現實教學空間與虛擬教學空間的虛實互動與物聯感知。因此，基於數字孿生講臺的在線沉浸式教學體系構建，首先要由實入虛，運用全域感知設備，例如，攝像頭、智能手錶等，實時採集、捕捉數據信息，從而實現虛實教學空間之間的精準映射。數據支持層是實現全域立體感知的關鍵所在，它是整個在線沉浸式教學體系的基礎，其主要由高性能傳感器數據採集、高速數據傳輸、全生命周期在線教學數據管理三部分構成。
（1）高性能傳感器數據採集部分，通過可穿戴設備與情感計算模型，比如，通過學生的智能手錶等可穿戴設備，採集、追蹤學生的生理體徵、語言等數據；通過電腦、手機上安裝的攝像頭等設備，捕捉、採集學生的表情、肢體等數據信息，輔以籤到率、問卷調研等工具，以全面、深入地採集學生學習特徵數據。高性能傳感器數據採集是數據支持層的核心技術，它通過其智能感知體系，能夠智能化「讀寫」真實的現實教學空間[30]。它是數字孿生講臺中實現現實教學空間到虛擬教學空間轉化的「連接器」，是數字孿生講臺的「神經系統」，也是實現數字孿生講臺全域智能的基礎。
（2）高速數據傳輸部分，運用高帶寬光纖技術，將表情、肢體等數據實時傳輸給教師。同時，數據支持層突破傳統的聽覺和視覺感知，運用傳感器、物聯網等技術，將多種感知信息融入其中。數字孿生講臺是現實在線教學空間的實時動態映射，因此，數據的實時採集傳輸與動態更新，對其具有重要意義。
（3）全生命周期在線教學數據管理部分，分布式雲伺服器存儲技術的發展，為數據的存儲和管理提供了技術保證。其高效的存儲結構和數據檢索結構，為海量、異構歷史數據的存儲和快速提取提供了重要保障[31]。而海量、多源的歷史運行數據，也為建模計算仿真層提供了豐富的樣本信息，以全面實現數字孿生講臺的超現實屬性，構建起貫穿全生命周期的數據管理體系。
總體而言，數據支持層實質上是基於全域立體感知體系的數據採集系統，它實現了教學數據的全方位、立體化、深度化的採集。
（二）建模計算仿真層實時計算仿真能力是數字孿生技術的真實價值所在，而建模計算仿真層是實現這一價值的關鍵。建模計算仿真層主要由建模算法（以數據驅動模型為主）、一體化計算平臺和虛擬仿真技術平臺三部分構成。建模算法和一體化計算平臺主要用於實時建模，虛擬仿真技術平臺主要用於虛擬仿真和虛實融合。
（1）建模算法指利用AI技術，實現在線教學系統數據的特徵識別、提取和建模，並通過採用多物理、多尺度的方法，對數據支持層所提供的數據進行多維度、多層次的數據解析，以挖掘其中蘊含的主要特徵和邏輯關係，從而實現對在線教學系統超現實狀態的建模和表徵[32]。即打破傳統大數據的解讀障礙，運用建模計算仿真技術輔助教師進行數據驅動決策。
數字孿生講臺的建模方法為多物理、多尺度的融合建模，即需要從不同領域、深層次機理層面，對現實教學空間進行跨領域的建模設計。其核心為數據關聯分析，目的是基於「數據關聯」實現虛實教學空間的深度融合。
（2）數字孿生講臺複雜功能的實現，很大程度上依賴於一體化的計算平臺，而在線沉浸式教學體系的實時分析和計算能力，是一體化計算平臺應用的重要內容。在線沉浸式教學所具有的深度沉浸性、共享性、交互性、時效性和開放性[33]，對一體化計算平臺的實時性分析與計算，提出了極高的要求。因此，一體化計算平臺需要不斷優化算法設計，提升計算能力，以實現或優化在線沉浸式教學體系的整體性能。可見，一體化計算平臺是建模計算仿真層的關鍵。它是數字孿生講臺構建的效率保障，為基於數字孿生講臺的在線沉浸式教學體系的構建，提供了算力基礎。
「數據+算法+算力」是建模計算仿真層的三大要素，其中，算力是數據與算法的重要支撐。數字孿生講臺的一體化計算平臺包括雲計算和邊緣計算兩部分，二者通過緊密協同來滿足各種教學及智慧物流場景。它區別於傳統大數據相關的一體化計算平臺的最大優勢，在於能夠更快、實時地處理數據，可實現離線運行並支持斷點續傳[34]。
（3）虛擬仿真技術平臺是實現現實教學空間與虛擬教學空間虛實融合的關鍵。其中，虛擬教學空間是現實教學空間高度真實的數字刻畫、仿真和模擬。虛擬仿真技術平臺的主要任務，在於實現建模計算與現實在線教學空間的融合。應用數字虛擬仿真技術使「在線教」與「在線學」虛實深度融合，從而促進在線沉浸式教學過程不斷優化。即虛擬仿真技術使得現實教學空間與虛擬教學空間，同時並行存在、相互對應、共同優化。
（三）功能層如上所述，數字孿生講臺是現實教學空間在虛擬教學空間中的真實映射，其功能層包括三個維度：
一是虛擬教學空間與其映射的現實教學空間，在內容、性質等方面基本完全一致，能夠多維、動態、可視化呈現現實教學空間的真實狀態。二是對學生學習狀態與環境等進行多尺度、集成化描述，實現對學生在線學習狀態和環境的動態、可視化寫實。即「人」（包括教師和學生）—「機」（包括電腦和其他相關教學設備）—「物」（包括教材、PPT等教學資源）—「環境」（主要指在線學習環境）多系統模型的計算仿真結果的擬實化、集成化，它是數字孿生講臺功能層的主要功能。三是運用多種大數據可視化技術，將現實運作場景多維度、動態化、智能化呈現於虛擬教學空間，實現現實運作場景（如，智慧物流場景）與虛擬教學空間的映射與鏡像。
上述三個維度相輔相成、互相促進。其中，大數據可視化是貫穿這三個維度的關鍵技術。大數據可視化指將數值型數據以圖形的方式展現出來，以幫助人們理解數據，觀察數據與數據間的結構關係，可用於對教學中客觀環境數據的展現等過程[35]。數據可視化是人們認識世界、與世界對話的重要媒介，正所謂「一圖勝千言」[36]。而數字孿生技術正是一種以數據可視化的方式，管理複雜信息的工具。因此，數字孿生講臺可以動態、多維呈現教學內容，支持對學生認知、學習狀態的建構，並對「人—機—物—環境」多系統集成模型的計算仿真結果予以動態呈現，使結果更具說服力。
總的來說，功能層主要面向實際的在線沉浸式教學系統進行動態寫實（模擬、鏡像、擬實）、集成、決策（協調）、監督和輔助決策（維護）。其中，擬實化、集成化、協調化也是數字孿生講臺最直接的價值體現。針對不同專業、不同課程的在線教學體系，數字孿生講臺的功能層可以給予不同的高擬實化、高可靠性、高實時性、高協調性的智能服務決策。
例如，通過實時掌控學生的在線學習狀況，辨析學生在線學習行為的差異化特徵，將這些特徵集成化和聚類分析，再結合學生不同學習環境和成長過程信息的集成，進行具體、深入、動態的分析，以跟蹤、追溯學生學習過程中的困難及其原因；通過對學生需求信息進行充分挖掘，可以結合AI進行「因材施教」，有的放矢地完善教學方法，挖掘更適合學生的教學方式，進一步智能化地完善虛擬教學空間，改進乃至重塑現實教學空間，實現精準教學與精準管理。
（四）沉浸式體驗層在線沉浸式教學體系的關鍵，在於讓學生從視覺、聽覺等感知和體驗方面，提供沉浸式的虛擬實境體驗。因此，沉浸式體驗層是基於數字孿生講臺的在線沉浸式教學體系之關鍵。它是直接面向教師和學生的層級，以師生的高沉浸感、高體驗度、高交互性、高保真度、高創造性為主要參考指標。沉浸式體驗層主要通過用戶交互界面，為師生提供良好的人機互動使用環境，讓使用者能夠獲得「身臨其境」般的感官體驗。它包括三個維度：
一是教師通過大數據可視化、AI和智慧雲體系，全面、立體展示現實教學空間的全貌。二是學生通過遠程協作，基於智慧雲體系讓教師沉浸於體驗學生的學習和成長過程。三是教師綜合運用大數據建模、仿真、可視化等技術，結合增強現實技術，實現現實運作場景的高度可視化，並將其無邊界、全方位呈現於虛擬教學空間；使學生身處高互動的學習環境，基於增強現實技術，通過遠程操控，結合多種「大數據+AI」平臺和分析軟體，數位化操控現實運用場景在虛擬教學空間中的映射和鏡像，實現師生間數位化、無障礙的交流互動，實現以虛控實、虛以實用，從而達成基於數字孿生講臺的創新性教與學活動的目標。
上述這三個維度層層遞進、互相協同，而「大數據+AI」（如，「大數據+3D建模」「大數據+虛擬實境技術」「大數據+增強現實技術」）是貫穿三個維度的關鍵技術。
可見，在沉浸式體驗層，「大數據+AI」讓數據以「會自己說話」的方式，自動介入到課堂教學的治理中（即「以虛映實」），生成新的課堂治理機制[37]，實現數據與行動的一體化、校企合作的協同化、師生互動的全面化。多種AI技術通過「多模態資源+多方式共享」的形式，創設多種教學情境/智慧物流場景，調動學生的多感官共同參與和構建虛擬教學場景/平臺，從而實現「校」（包括教師與學生）「企」（包括大數據工程師與技術總監）之間的沉浸式虛擬合作，以達到共同搭建虛擬教學空間的目的。
基於數字孿生講臺的在線沉浸式教學流程設計與技術分析
基於數字孿生講臺的在線沉浸式教學體系分析與流程設計（一）在線沉浸式教學總體教學流程設計與技術分析本研究以「大數據與智慧物流」課程作為實驗課程，對在線沉浸式教學流程設計與技術運用進行分析。2020年疫情期間，該課程採用網絡方式小班授課，共有12位研究生參與學習，均來自管理科學與工程學科。實驗課程採用在線沉浸式教學模式，主要利用在線學習特徵分析技術與虛實教學空間融合技術，進行教學流程設計。前者用於分析學生的在線學習特徵，為學習者提供適切性的學習支持；後者主要基於數字孿生講臺，高交互性、高創造性、在線沉浸式改進具體教學、智慧物流等場景的映射與鏡像，以彌合虛擬與現實世界之間的界限，提升學習者的體驗。
因此，總體教學流程設計包含兩條技術主線，即在線學習特徵分析技術和虛實教學空間融合分析技術。在線學習特徵分析主要是為了實現「在線教」與「在線學」的深度融合，而虛實教學空間融合分析，主要是為了實現在線現實教學空間與在線虛擬教學空間的映射與鏡像。具體教學流程設計如圖2所示，技術運用分析如圖3所示。
圖3基於數字孿生講臺的在線沉浸式教學總體技術流程分析（二）基於混合式平臺的教學數據採集與管理1.在線學習特徵的採集與管理
（1）圖像採集與識別技術。實驗課程基於「騰訊課堂+中國大學慕課」混合式平臺進行授課。在線課堂一般利用多技術採集學生的在線學習特徵數據，圖像數據採集由攝像頭及面部表情、肢體行為識別技術予以完成。在本研究中，「騰訊課堂」在教學時讓學生打開攝像頭，在攝像頭前設置手機定時拍照，運用深度學習中的卷積神經網絡，對學生進行面部表情及肢體行為的圖像識別；再運用BP（Back Propagation）神經網絡，對圖像進行分類。
實驗課程基於長風大數據提供的PMT大數據分析與挖掘平臺，進行圖像數據識別與分類：①進行圖像向量化分析；②運用深度學習模型（卷積神經網絡）提取每個圖像的特徵向量；③對表情圖像進行混淆矩陣和圖像可視化分析，以剔除識別錯誤的圖像，再將圖像引入距離方程，進行特徵選擇和層次聚類分析；④基於學生的面部表情及肢體行為，將學生的課堂表現分為高度認真型、相對認真型和不認真型三類。
對這三類學生，我們採取不同的策略。針對高度認真型，鼓勵其多思考、多提問，在教學過程中以培養其創新精神為主；針對相對認真型，在教學過程中引導其以思考為主，培養解決問題的能力，提高思維能力；針對不認真型，運用多種互動模式，例如，讓學生舉例說明大數據的應用場景等，引導其融入線上教學。
由於現有表情識別技術對笑容等較為誇張的表情識別率較高，而對面部變化不大的表情識別率較低[38]。所以，在圖像採集與識別過程中，我們以學生肢體行為的採集與識別（例如，記筆記、提問、回答問題等）為主，面部表情識別（例如，遇到感興趣話題時的笑容）為輔，針對不同類型學生制定不同的課堂教學策略。（2）評價文本的採集與分析技術。運用大數據文本挖掘技術進行教學評價分析，以識別學生對課程反饋意見的類別及其情感，是教育文本挖掘的典型應用[39-41]。本研究運用中國大學慕課平臺對學生籤到率進行統計；藉助問卷星在線調研平臺設計相關教學評價問卷，對課程進行評價；運用大數據文本挖掘，對每堂課評價進行結巴分詞、詞頻分析和輿情分析，並運用情感分析技術，將學生的評價分為肯定與建議兩部分，以優化在線課堂教學設計，提升教學效果。
經統計，學生對「大數據與智慧物流」課程總體評價較好。其中，學生對課程最突出的評價是「幽默、生動，能夠開拓思維，課堂案例多、乾貨多」，但學生對於現實中的落地問題及實驗平臺在線使用問題存在疑慮，這也是實驗課程需要加強的關鍵。因此，我們在課程後半段通過實驗平臺改進（如，添加技術支持小助手QQ的實時在線答疑環節），對學生提出的建議予以響應和改善，並通過與泰迪科技和長風大數據搭建「智能工作室」，提高學生的技術和創新水平。
以上所採集的數據主要用於分析學生的在線學習情況，挖掘不同學習行為、生理狀態參數（如，面部表情、肢體行為等）之間的關聯指數，以構建針對不同學生的學習者建模，從而實現全部教學要素和整個教學流程的定量化、透明化管理。基於此，實驗課程實現了自動識別、實時跟進、及時反饋學生在線學習情況的各種行為數據，以有效監控學生的在線學習狀態等，從而真正全方位地實現基於數字孿生講臺的在線沉浸式教學。
2.虛實教學空間融合的數據採集與管理
該階段數據主要用於在線現實教學空間的虛擬建模，利用所獲取的數據構建與現實教學空間相對應的在線虛擬教學空間。所採集的數據由長風大數據提供的PMT大數據分析與挖掘平臺，進行在線教學空間全生命周期數據管理。在本研究中，實驗課程對虛擬建模數據進行數據分析，包括結構化數據（例如，用於建模的物流數據等）和非結構化數據（例如，演示視頻、操作視頻、電子教案文本、PPT等），其中，以非結構化數據為主。
這一階段的實驗課程，主要使用大數據文本挖掘及大數據可視化技術，分析虛擬建模數據的內在信息[42-43]，進一步探尋教學過程中虛擬建模數據與科學研究之間的關係[44]。實驗課程運用大數據文本挖掘軟體Nivio對虛擬建模數據進行文本挖掘，並運用大數據可視化技術繪製詞雲圖，以從中挖掘現有教學素材等虛擬建模數據存在的問題。
總體來看，實驗課程的教學素材主要集中在物流方面的挖掘與應用，對分析、挖掘、應用論述得較多，對大數據建模、仿真、可視化等技術涉及較少，且沒有由淺入深地進行技術講解，課件、教案中仍需對大數據技術予以細化。這也進一步解釋了為何學生會覺得課程技術難理解。針對此問題，我們對課件、電子教案予以知識點分類，將大數據技術由淺入深地分為基礎知識，大數據分析技術（即初級技能），大數據挖掘、建模、仿真與可視化技術（即中級技能），以及「大數據+AI」（即高級技能），並對不同類型學生進行針對性的講解（如表1所示）。
經上述改進後，學生全部成長為高度認真型和相對認真型，其中，高度認真型佔83.3%（10/12）。之後所有學生進入智能工作室，開展高級技能學習。
（三）基於多維分析的教學數據分析與建模「大數據與智慧物流」實驗課程中的多維數據分析，主要用於在線學習特徵分析與挖掘，包括用戶畫像和行為數據分析；多維數據建模主要用於虛實教學空間融合建模與仿真，包括實時建模技術、虛擬仿真技術和虛實融合技術。該階段隸屬於數字孿生講臺的建模計算仿真層。
1.在線學習特徵的分析與挖掘
實驗課程運用數據特徵識別（例如，性別、年齡、地域等）、數據解析、數據分析與挖掘、數據關聯分析，基於用戶畫像和學生行為數據，構建了學生畫像模型（如圖4所示）。其中，學習積極性主要分析指標是學生課堂提問和學生回答問題的次數。我們將「大數據與智慧物流」24個學時的課程分為前後兩個半段進行分析，經過基於數字孿生講臺的在線沉浸式教學體系改革，學生在後半段學習積極性明顯提高。
2.虛實教學空間融合的建模與仿真
「大數據與智慧物流」實驗課程中的多維建模，包括實時建模技術、虛擬仿真技術、虛實融合技術，旨在打造虛實教學空間的互聯與融合。實時建模技術是虛擬仿真技術與虛實融合技術的基礎，它與虛擬仿真技術相結合，可以通過「大數據+AI」，對虛實教學空間進行大數據可視化分析。運用「實時建模技術+虛擬仿真技術」，對12位來自不同城市的學生，與教師、技術支持小助手之間的課堂問答情況，以及學生之間的交流情況，進行大數據地理拓撲可視化，以反映不同學生與教師的課堂問答交流情況，以及不同學生之間的討論情況。由分析可知，學生與教師之間的課堂問答交流較多，而學生間的討論相對較少，需進一步通過分組討論形式予以加強。因此，在課程後半段，我們針對案例、實驗設計、技術分析等開展多種討論模式，如，學生分組討論、師生實驗設計探討、校企遠程技術討論等，在提高學生積極性的同時，可有效解決學生多種學習困難。
實時建模技術與虛實融合技術相結合，主要是通過大數據分析、挖掘與建模技術，對虛實教學空間的關聯進行基於多種算法的關聯規則分析，以深入剖析虛實教學空間之間的關聯，並圍繞關聯，再促進虛實教學空間的融合。數位化虛擬教學空間的構建，主要是基於現實教學空間進行建模，但建模的基礎是虛實空間之間的關聯。為此，我們通過現實教學空間的關鍵詞或特徵提取，依據教育學、心理學的基本原理，對現實教學空間中的不同要素進行標註，再利用機器學習方法構建相關特徵模型。例如，運用大數據文本挖掘，對教學材料進行結構分析及內容可視化；通過矩陣關聯算法，構建虛實教學空間要素與要素之間的關聯[45]。
（四）基於精準教學和精準管理的數據應用1.在線學習特徵應用
在線學習特徵主要功能包括在線教學系統過程監控與輔助決策服務設計，其包含自然屬性分析技術（包括地域、性別、年齡等）、專業能力分析技術（包括實驗報告成績、技術和創新水平等）、自我管理分析技術（包括智能工作室學習情況、MOOC學習情況等）和學生群體聚類分析技術（根據以上分析，運用K-means聚類將學生分為成長優秀型、成長良好型、成長合格型三類，與高度認真型、相對認真型和不認真型基本對應，如表2所示）。基於專業能力、自我管理等分析結果，運用機器學習算法組合——「可視化樹模型（畢達哥拉斯樹）+決策樹可視化」，呈現學習成長過程優秀、良好、合格的過程分析結果。在本研究中，學生大多為成長優秀型，學習勤奮，成績優異。
基於機器學習算法組合的學生學習成長過程分析，可以實現動態的因材施教，即根據學生的成長過程和進步速度，動態調整因材施教策略。例如，有的學生最初屬於成長合格型，課堂表現為不夠認真；但是經過精準教學與管理策略後，可能會演變為成長良好型甚至成長優秀型學生。基於機器學習算法組合的學生學習成長過程分析的價值，在於能夠動態、可視化展示學生的成長過程和進步速度，使得可以真正實現精準教學的動態管理，進而實現因材施教的動態化、可視化管理。
2.虛實教學空間融合應用
虛實教學空間融合應用，圍繞現實教學空間與虛擬教學空間的互聯與共融展開，主要功能包括在線學習特徵創新和虛實教學空間融合應用，均歸屬於功能層。其目的是實現虛實教學空間的映射、鏡像與協同，具體運行框架如圖5所示。
圖5現實教學空間與虛擬教學空間映射、鏡像與協同運行框架在實驗課程的具體運用中，我們利用多種大數據可視化技術，將現實物流世界中的場景，智慧化、可視化地呈現於虛擬教學空間中。例如，運用散點圖、箱線圖、馬賽克圖等多種可視化圖形，多維度、動態化展示教學過程中的智慧物流場景，實現現實教學空間中，多種虛擬建模數據之中的教學過程數據（物流大數據分析與挖掘過程演示+物流大數據可視化演示+智慧物流場景）與教學素材（教材+課件+電子教案+智慧物流實例）的融合，以及智慧物流場景與虛擬教學空間的映射與鏡像。如此操作的目的，在於幫助學生從多維度視角，理解智慧物流的場景及動態演化過程，以加深學生對智慧物流場景的理解，觸發學生的創新靈感與參與積極性。
（五）基於增強現實技術的在線沉浸式教學體驗1.在線學習特徵的創新
在線學習特徵的創新主要通過校企合作、師生共建。即基於理論教學空間和實驗教學空間，通過智能工作室創建虛擬教學空間，進而重塑現實教學空間（如圖6所示）。
圖6基於數字孿生講臺的虛擬教學空間創建流程（在線學習特徵創新的具體應用）理論教學空間主要通過校企人工智慧工作站的雲合作，實現校企共建立體化的教材和教案，並同時實現校企共創的智慧物流場景以及課堂案例的可視化呈現。在此基礎上，實現師生共同創建虛擬理論教學空間。在創建過程中，智能工作室通過企業沉浸式合作、學生沉浸式參與，使虛擬理論教學空間更加全面、立體地展示現實教學空間的全貌。在師生共建、師生共創虛擬理論教學空間的過程中，教師能感知學生的沉浸式體驗與提出的相關建議。
實驗教學空間主要通過校企合作實現實驗、技術、軟體的在線演示（包括平臺、技術和設計演示），在線技術支持（包括技術指導、技術協作等），遠程操作（包括遠程操控實驗平臺、遠程輔助實驗設計等），遠程控制（包括遠程控制實驗平臺、遠程控制實驗教學空間等）和遠程協作（包括遠程採集技術反饋以更新平臺、軟體、技術設計，遠程參與實驗討論），最後通過創新實驗設計和AI技術創建虛擬實驗教學平臺。教師通過用戶交互技術，在師生共建、共創虛擬教學空間的過程中，實現對實驗教學空間中學生感知、體驗、反饋、討論數據的全面採集，體驗學生的沉浸式學習和成長過程。在本研究中，師生共同創建智慧物流場景並進行案例可視化呈現的主要工具，包括Python、R語言、Echarts等。
智能工作室實行「晉級式管理」，對學習進度快、任務完成好的學生，實行多種獎勵：（1）學生可由技術員晉級為技術總監；（2）學生所在工作室可由A級晉級為B級，甚至C級（最高級）；（3）學生除了完成創新實驗設計、實驗報告任務等課程任務之外，還可以獲得企業頒發的實習證明和大數據分析工程師（基礎級）技能證書（由泰迪智能研究院國際培訓中心頒發）。由於當前各行各業對「大數據+AI」人才的需求較為旺盛[46]，學生的積極性普遍較高，所完成的創新實驗設計共有12件，教師與大數據工程師的評分平均為91.08分。
2．虛實教學空間的融合創新
虛實教學空間的融合創新，主要是通過各種感知與體驗的融合創新，運用三維虛擬建模與映射技術、增強現實技術等，將數位化的虛擬教學空間呈現給師生。因此，其仿真模擬的事物，不僅局限於基於三維建模的在線沉浸教學模式中的真實感實時繪製（通過視覺繪製和並行繪製予以呈現），以及三維建模技術構建的三維立體模型；而且還包括基於三維虛擬聲音技術的聽覺模型（通過聲音渲染技術予以實現），以及基於大數據建模的智慧物流場景可視化，讓學生真正實現基於「身臨其境」和「聲臨其境」深度沉浸。其中，三維虛擬聲音技術能夠在虛擬場景中運用數字孿生技術，重現真實的三維空間聲音。這些聲音來源於數據支持層所採集的自然界中的各種聲音，之後通過視覺繪製、並行繪製、聲音渲染等模式，以及大數據建模、仿真、可視化等技術，重現於虛擬教學空間。
圖7展現的是實驗課程中無人車配送的虛實教學空間融合過程。在融合創新過程中，為了實現智慧物流場景的高度可視化，實驗課程使用「增強現實技術+數字孿生技術」，讓虛實空間實現了實時交互與共融。我們將視覺、聽覺與數位化進行疊加，呈現出一種無邊界、全虛擬、高互動的智慧化場景，讓學生如同具身於智慧物流場景之中，運用大數據建模、仿真、可視化及機器學習等AI技術，與智慧物流場景能產生的數據進行全方位、無障礙交流；並通過數字孿生講臺，控制數位化的智慧物流場景在虛擬教學空間的映射與鏡像，真正實現以虛控實、虛以實用。
基於數字孿生講臺的在線沉浸式教學體系分析與流程設計在實驗課程結束後，我們運用問卷星在線調研平臺，對課程教學效果進行調研。調研分學生問卷和企業問卷兩個階段展開。第一階段為學生問卷，主要為學生對教學效果的調研，該問卷使用李克特5級量表進行評價（1表示很不喜歡，5表示很喜歡）。學生問卷包括四個部分，即喜歡程度（包括課堂教學和實驗教學兩個維度）、理解程度（包括理論和技術兩個維度）、教學效果（包括課堂教學和實驗教學兩個維度）、幫助程度（包括對專業學習的幫助和對以後工作的幫助兩個維度）。參與學習的12個學生對課程效果的評價都較高，四個部分的平均分基本都在4.5分以上。
第二階段為企業問卷，主要調查參與課堂教學的企業大數據工程師，在學生完成課程任務和實驗設計後，對其技術水平和創新能力的評價，該問卷使用李克特5級量表進行評價（1表示很不滿意，5表示很滿意）。企業問卷分為三個部分，即理論水平（包括理論掌握程度、理論應用程度、理論創新程度）、技術水平（包括基礎知識、初級技能、中級技能、高級技能四個掌握程度）、創新水平（創新思維、創新設計、創新技術、創新應用）。參與調查的5位企業技術人員對學生課程任務和實驗設計的評價較高，三個部分的評分大多都在4分以上。
這一課程實驗表明：傳統在線教學容易引起「淺層學習」「高耗低效」「被動吸收」等諸多問題[47]。與傳統在線教學體系相比，基於數字孿生講臺的在線沉浸式教學體系的最大先進性在於：通過以虛映實、以虛控實、虛以實用，有針對性地為學生提供適切性的學習支持（包括教學決策、講解方式、討論模式等），較好地提升了學生的學習體驗（包括多維可視化、理論應用智慧化場景、理論應用案例可視化、「大數據+3D建模」、「大數據+虛擬實境技術」，以及「大數據+增強現實技術」等在教學過程中的智慧化應用），並通過校企合作、師生共建與共創，大大提高了學生主動性和積極性，引導學生由「淺層學習」走向「深度學習」，從而實現主動探索與創新，大大提升了學生技術水平和創新能力，進而實現培養適應人工智慧時代發展需要的創新性人才目標。
基於數字孿生講臺的在線沉浸式教學體系分析與流程設計數字孿生講臺作為「大數據+AI」時代新技術的代表產物，正在重塑我們的教學感知與體驗方式，也正在改變我們解決問題的思維方式。它實現了在線教學全數據驅動、全領域量化、全數據可視化的顛覆性變革。數字孿生講臺是教學信息化推進過程中，在線沉浸式教學方式創新的一種重要手段，也是「大數據+AI」在在線教學改革中的重要創新應用。在「大數據與智慧物流」實驗課程中，我們初步構建了基於數字孿生講臺的在線沉浸式教學體系，並運用數字孿生技術設計具體的教學流程。當然，這僅僅是我們在數字孿生領域和智慧教學領域的初步探索，後期還將進一步提高「大數據+AI」的融合水平，並對該教學體系及教學流程設計予以迭代與完善，並針對更多的課程與學生樣本進行實證分析。
我們認為，數字孿生講臺探索的價值在於：一方面，通過多源數據融合、虛實融合映射、教學服務融合優化，能夠高效促進「在線教」與「在線學」的雙向深度融合，提高了學生的在線學習積極性；另一方面，數字孿生講臺還可以實現對學生表情、動作的深入刻畫，智能識別學生的個性化需求，讓在線沉浸式教學真正做到「因材施教」。因此，數字孿生講臺在未來將進一步引導在線教學走向數位化、具身化、智能化。而隨著數字孿生技術的不斷成熟，它還將繼續賦能與優化「在線教」與「在線學」的全過程，推動教學形態的拓展與豐富，促進數智融合在教學方面的創新性應用與發展。自然，這種創新性應用與發展將形成一種基於大數據的課堂互動新形態，引領新一輪的課堂教學變革，進而影響現代教育體系的革新與重塑。
[1]李鵬，石偉平.職業教育在線教學模式轉型：問題、經驗與路徑[J].中國電化教育，2020（8）：86-92.[2]毛軍權.在線教學的未來發展：動向、反思與行動[J].中國電化教育，2020（8）：28-32.[3]蘭國帥，郭倩，張怡，等.在線翻轉課堂教學模式的設計與實踐——以「現代教育技術：理論建構與實踐探索」課程為例[J].開放學習研究，2020，25（4）：34-42.[4][33]劉可，唐世星，聶帥帥，等.疫情防控背景下高職院校學生在線學習效果控制機制研究[J].中國教育信息化，2020：63-67.[5]熊小進，謝定源.大數據背景下MOOC建設路徑探析[J].黑龍江教育（高教研究與評估），2016（8）：27-29.[6][17][35]鄭思思，陳衛東，徐銣憶，等.數智融合：數據驅動下教與學的演進與未來趨向——兼論圖形化數據智能賦能教育的新形態[J].遠程教育雜誌，2020（4）：27-37.[7][26]劉豔華，徐鵬.大數據教育應用研究綜述及其典型案例解析——以美國普渡大學課程信號項目為例[J].軟體導刊（教育技術），2014，13（12）：47-51.[8][19]肖君，喬惠，李雪嬌.大數據環境下在線學習者畫像的構建[J].開放教育研究，2019，25（4）：111-120.[9][18][20]黃昌勤，朱寧，黃瓊浩，等.支持個性化學習的行為大數據可視化研究[J].開放教育研究，2019，25（2）：53-64.[10][12][15][28][29]褚樂陽，陳衛東，譚悅，等.虛實共生：數字孿生（DT）技術及其教育應用前瞻[J].遠程教育雜誌，2019（5）：3-12.[11]陳根.數字孿生[M].北京：電子工業出版社，2020：90.[13][16]朱珂，張瑩，李瑞麗.全息課堂：基於數字孿生的可視化三維學習空間新探[J].遠程教育雜誌，2020（4）：38-47.[14]張豔麗，袁磊，王以寧，張海，譚嬌連.數字孿生與全息技術融合下的未來學習：新內涵、新圖景與新場域[J].遠程教育雜誌，2020（5）：35-43.[21]Tolsgaard M G，et al.The role of data science and machine learning in Health Professions Education：Practical applications，theoretical contributions，and epistemic beliefs[J].Advances in Health Science Education，2020（11）：1-30.[22]左國才，蘇秀芝，王海東，等.基於CNN深度學習模型的大學生課堂行為檢測研究[J].智能計算機與應用，2020，10（2）：158-160.[23]肖中傑.基於經典算法的教育大數據挖掘實踐研究[J].計算機時代，2020（10）：9-11+14.[24][39][42][45]劉清堂，賀黎鳴，等.智能時代的教育文本挖掘模型與應用[J].現代遠程教育研究，2020（5）：95-103.[25]孫偉，呂雲，等.虛擬實境：理論、技術、開發與應用[M].北京：清華大學出版社，2019.[27]餘亮，魏華燕，弓瀟然.論人工智慧時代學習方式及其學習資源特徵[J].電化教育研究，2020（4）：28-34.[30][31][32][34]高麗豔，陳才.數字孿生城市[M].北京：人民郵電出版社，2020：217-218.[36]阮士桂，鄭燕林.課堂數據可視化的價值與教學應用[J].現代遠程教育研究，2016（1）：104-112.[37]詹青龍，楊晶晶.數據智能支撐的課堂教學管理躍遷研究[J].電化教育研究，2020（7）：100-106.[38]柳永翔，付曉峰，等.深度可分離CNN在表情識別中的應用研究[J].工業控制計算機，2020，33（10）：71-76.[40]Hamzah A，Widyastuti N.Opinion extracting and classification from questionnaire comments using HMM-POS tagger and machine learning techniques[C]//2016 International Conference on Data and Software Engineering（ICoDSE）.IEEE，2016：1-6.[41]Koufakou A，Gosselin J，Guo D.Using data mining to extract knowledge from student evaluation comments in undergraduate courses[C]//2016 International Joint Conference on Neural Networks（IJCNN）.IEEE，2016：3138-3142.[43]Badawy M，El-Aziz A，Hefny H.Analysis of learning objectives for higher education textbooks using text mining[C]//2016 12th International Computer Engineering Conference（ICENCO）.IEEE，2016：202-207.[44]Lee H，Kwak J，Song M，et al.Coherence analysis of research and education using topic modeling[J].Scientometrics，2015，102（2）：1119-1137.[46]王正青，但金鳳.大數據時代教育大數據治理架構與關鍵領域——以美國肯塔基州、華盛頓州與馬裡蘭州為例[J].現代教育技術，2019，29（2）：5-11.[47]楊一丹.深度學習場域下的高職院校「線上線下混合式教學」常態化構建[J].江蘇高教，2020（6）：77-82.作者簡介：黃音，博士，博士後，中南林業科技大學物流與交通學院副教授，碩士生導師，湖南省普通高校青年骨幹教師，研究方向：大數據分析與挖掘；毛莉莎，中南林業科技大學管理科學與工程學科在讀碩士研究生，研究方向：大數據挖掘；張小帆，中南林業科技大學管理科學與工程學科在讀碩士研究生，研究方向：大數據分析；盛思詩，中南林業科技大學工程管理碩士專業學位在讀研究生，研究方向：大數據挖掘；黃淑敏，中南林業科技大學管理科學與工程學科在讀碩士研究生，研究方向：大數據分析與挖掘；甘佳，中南林業科技大學物流與交通學院教務辦主任，講師，研究方向：智慧教育、教育信息化；張薪薪，碩士，北京絡捷斯特科技發展股份有限公司算法工程師，研究方向：大數據挖掘。基金項目：本文系2019年湖南省學位與研究生教育改革研究項目「基於創新驅動的碩士研究生高水平論文寫作能力提升路徑研究」（項目編號：2019JGYB150）；2018年中南林業科技大學校級研究生教育教學改革項目「基於國際化視野的碩士研究生科研創新能力提升路徑研究」（項目編號：2018JG003）的研究成果。