数字孪生赋能STEM教育发展的理论模型与实践应用

韩梅 ,  周佳琦 ,  黄蓓蓓

中国医学教育技术 ›› 2025, Vol. 39 ›› Issue (4) : 455 -460.

PDF (1290KB)
中国医学教育技术 ›› 2025, Vol. 39 ›› Issue (4) : 455 -460. DOI: 10.13566/j.cnki.cmet.cn61-1317/g4.202504006
理论探索与实践

数字孪生赋能STEM教育发展的理论模型与实践应用

作者信息 +

Theoretical model and practical application of digital twin to empower the development of STEM education

Author information +
文章历史 +
PDF (1320K)

摘要

数字孪生技术为STEM教育发展带来更多可能。为此,本研究基于相关理论和数字孪生通用框架,构建数字孪生赋能STEM教育发展理论模型。以该模型为分析框架,深入分析生物医学与工程STEM项目,总结实践经验启示:第一,向外寻求合作,共建智能化、个性化的STEM教育环境;第二,精进课程内容,打造高品质、有特色的STEM教育项目;第三,更新技术应用,提供高保真、沉浸式的STEM实践体验。未来数字孪生技术与STEM教育深度融合时,还需从关键技术、基础设施、数据安全等方面持续发力。

Abstract

Digital twin technology will bring more possibilities for the development of STEM education. Therefore, based on relevant theories and the general framework of digital twins, this study constructs a theoretical model of digital twin empowerment for the development of STEM education. Using this model as an analytical framework, the two STEM projects of “Pathogen Patrol”and “Mars Mission” were analyzed in depth, and the practical experience and enlightenment were summarized. First, seek cooperation to build an intelligent and personalized STEM education space. Second, improve the curriculum content and create high-quality and distinctive STEM education programs. Third, update the application of technology to provide a high-fidelity, immersive STEM hands-on experience. In the future, when digital twins and STEM education are deeply integrated, it is necessary to continue to make efforts in key technologies, infrastructure, and data security.

Graphical abstract

关键词

数字孪生 / STEM教育 / 教育数字化

Key words

digital twins / STEM education / digitalization of education

引用本文

引用格式 ▾
韩梅,周佳琦,黄蓓蓓. 数字孪生赋能STEM教育发展的理论模型与实践应用[J]. 中国医学教育技术, 2025, 39(4): 455-460 DOI:10.13566/j.cnki.cmet.cn61-1317/g4.202504006

登录浏览全文

4963

注册一个新账户 忘记密码

STEM教育强调将科学(science)、技术(technology)、工程(engineering)、数学(mathematics)教育整合以解决实际问题。2024年7月,中国教育发展战略学会发布《STEM(科学、技术、工程和数学)教育2035行动计划》指出了六大行动举措,其中重点强调加强STEM教育数字化建设。
教育数字化是建设教育强国的战略支撑,是开辟教育发展新赛道、塑造教育发展新优势的重要突破口[1]。党的二十大报告强调要推进教育数字化[2],彰显了数字技术在推动教育变革与创新发展中的独特价值。技术不仅是STEM教育的重要教育内容,也是开展教学的核心支持工具,无缝融合于STEM教育活动的各个环节[3]。数字孪生技术(digital twin)是介于虚拟现实与元宇宙之间的技术形态,虚拟现实技术难以满足STEM教育中模拟活动数据驱动教学实践优化的教育需求,元宇宙技术无法突破支撑高保真学习环境建设的技术壁垒。当下,将数字孪生技术应用于STEM教育既迎合实际需求,又能够技术实现,可谓正当其时,恰逢其势。数字孪生是具有数据连接的特定物理实体的数字化表达,可以保证物理状态和虚拟状态之间的同速率收敛,并提供物理实体整个生命周期的集成视图,有助于优化整体性能[4],在强化STEM教育的实践性与情境性特征、提高STEM教育效果方面具有独特价值。如何依托数字孪生创新STEM教育实践,如何在实践中将基于数字孪生的STEM教育模式应用落地?这些都有待进一步研究。因此,亟须构建基于数字孪生的STEM教育理论模型并通过实践案例佐证其有效性,为在STEM教育中发挥数字孪生的技术优势提供参考。

1 相关研究回顾

1.1 STEM教育的创新模式与实践困境

STEM教育最早于1986年由美国国家科学基金会提出,随着国际竞争加剧逐渐得到重视。当下STEM教育已成为全球教育变革的核心议题,世界各国政府立足国家战略高度为STEM教育创新提供制度支持[5]。STEM教育模式也随之不断创新,张洪波等[6]构建了包括“问题趋动—项目设计—实践探究—项目评价”流程的基于STEM理念的项目式学习模式。亓英丽等[7]提出了“原型(prototype)—模型(model)—产品(product)”一体化的STEM教学模式。张会庆等[8]基于复杂适应系统理论构建了STEM教育产学研一体化系统。新的STEM教育模式更加突显实践性、技术性、产业化等特征,然而将新模式投入实践应用仍面临许多问题挑战。在STEM教育实施上依然强调对内容的记忆而忽视思维技能的训练,且教师的相关认知和实施能力不足,STEM素养有待提高等[9]。Xu等[10]认为智能技术在加强STEM教育方面的潜力巨大,如实时监测学习数据[11]、创设沉浸式学习环境[12]等。因此,有效融合智能技术将是实施STEM教育新模式、应对STEM教育实践困境的必由之路。

1.2 数字孪生的技术迭代与教育应用

数字孪生作为智能时代的关键技术之一,经历过无数次的技术迭代。数字孪生的产生和发展离不开虚拟现实、增强现实以及混合现实技术的推动。数字孪生在三者的基础上进行了融合和创新,进一步满足了沉浸性、互动性和多感知性的需求[13]。数字孪生技术通过传感器将本体的运行状态和外部环境数据实时映射到孪生体上,实现虚拟和现实的同步进行[14]。在教育相关研究中,Sepasgozar[15]利用数字孪生、虚拟现实和增强现实等技术开发了一系列面向建筑教育的沉浸式教学模块,并证明了该模块在教学中能够发挥实际效用。李培根等[16]从意识和行动两个维度阐述如何在数字孪生中重构工程教育,力求突破“数字世界与物理世界融合”这一核心问题。Lee等[17]利用数字孪生技术对文科生进行游戏化数学学科教学,发现能有效提高学生的参与度、动机与学习成效。整体而言,现有研究更多关注数字孪生技术在单一学科领域的应用,较少从跨学科视角审视基础教育发展问题。而“新课标”明确要求各门课程安排不少于10%的课时用于跨学科主题学习,因此具有跨学科特征的STEM教育是教育革新发展的重要载体,需要探索如何应用数字孪生技术推动其发展。

2 数字孪生赋能STEM教育发展的理论模型构建

2.1 数字孪生赋能STEM教育的理论基础

数字孪生技术赋能的STEM教育以体验学习理论和心流理论为指引,分别从外部环境构建和个体主观感受出发,为数字孪生赋能STEM教育提供指导。其一,体验学习理论强调从实际出发,将书本知识与生活经验相结合,以实现知识从亲身体验到一般经验的过渡。数字孪生能实时反映物理系统的详细情况,并实现辅助决策等功能,提升物理系统在寿命周期内的性能表现和用户体验。在STEM教育中,融合数字孪生技术的教育教学活动要注重提供学生动手实践的机会,刺激学生将具体的体验转化为抽象的经验,引发学生的思考与反省。其二,心流理论强调当个体处于心流状态时,能将注意力高度集中,感到知行合一、不觉时间流逝,享受当前过程并非关注目标的达成[18]。研究表明,生动、可互动的环境为用户营造了一种临场感,能够使用户更容易经历心流状态[19]。在STEM教育中,运用数字孪生技术创设学生可动手操作的沉浸式、具象化、智慧化场景,以帮助学生更快进入心流状态。

2.2 数字孪生在各类应用场景中的通用框架

目前,在学界认可度较高的数字孪生框架是三维、五维框架。三维数字孪生框架是由Grieves提出的,即物理实体、虚拟实体以及两者之间的连接[20]。陶飞等[21]在此基础上根据数字孪生体内部功能划分对框架内容进行扩展,提出了数字孪生技术的五维结构框架,包括物理实体、虚拟模型、服务、孪生数据和连接。随着科技的飞速发展,数字孪生技术逐渐与各行各业相结合,出现许多基于数字孪生的应用场景,表1对不同应用场景的理论框架进行了汇总分析。

经过上述分析可以发现,物理实体、虚拟实体以及连接是三大必要部分。一些理论框架将孪生数据与服务纳入虚拟实体中,如数字孪生校园等。因此,参考已有理论框架与相关文献,本研究将服务与连接两部分合并为数字孪生平台,用以连接物理实体与虚拟实体两部分,同时提供相应的STEM教育教学服务。最终确定数字孪生赋能STEM教育发展理论框架包括物理实体、虚拟实体、数字孪生平台、孪生数据四部分。活动理论是分析与理解人类活动的有力描述性工具,人类活动中主体、客体、共同体是核心要素,工具、规则、分工是次要要素。因此,综合理论基础指引和对通用数字孪生框架分析,再基于活动理论搭建各组成部分内部的分析框架,最终构建数字孪生赋能STEM教育发展理论模型(如图1所示)。

2.3 数字孪生赋能STEM教育理论模型的组分分析

该模型包括STEM教育物理实体、STEM教育虚拟实体、STEM教育孪生数据以及数字孪生平台四个组成部分。第一,STEM教育物理实体指STEM教育物理世界中存在的、可感知的、全面的人和事物,其中教师、学生、学校构成教育主体,课程、实践与教育资源是STEM教育活动的客体。在物理实体中学生动手操作的工具都为实物工具制品,实践过程中需要秉持严格的操作规则,并随着学习的深入规则更加严格。各主体都具有不同的职责分工。例如,教师需要提升自身的专业知识与教学能力,学生需要具备综合知识运用能力。第二,STEM教育虚拟实体是物理实体的现实映射,通过对物理实体进行全方位感知,从而形成的一个与物理实体高度相似的数字孪生体,包括虚拟教师、虚拟学生、虚拟实践场景、开放学习资源等。在数字孪生体中,学生通过计算机、显示设备、移动网络等工具,在沉浸式场景中反复操作试错,真正地在实践中学习、体验学习过程、自主建构知识。第三,STEM教育孪生数据,即存在于STEM教育物理实体和虚拟实体的各类数据资源,这些数据资源作为构建虚拟实体的基础和驱动力,具有促进各要素间健康运行的作用。第四,数字孪生平台是一个集数据采集、分析、管理和呈现等功能为一体的,基于网络的综合应用系统。借助大数据、人工智能和云计算技术,平台能够对贯穿全生命周期的多源异构数据进行实时采集与分析,实现物理实体与虚拟实体之间数据的实时双向交互反馈,为全过程的交互操作、决策的深度洞见、孪生模型的智能管理等提供支持。

3 数字孪生赋能STEM教育发展模型的实践应用

国际上已涌现许多融合数字孪生技术的实践项目。“病原体巡逻”和“火星任务”都是国家官方机构推出的STEM教育项目,具有极强的权威性与代表性。以上述理论模型为分析框架,运用案例研究法对所选典型案例进行分析,总结指导实践应用的启示。

3.1 生物医学STEM项目——病原体巡逻

“病原体巡逻”(Pathogen Patrol)是美国非盈利组织项目引路(Project Lead The Way, PLTW)和在线虚拟游戏平台Roblox联手打造的沉浸式生物医学STEM项目。“病原体巡逻”项目模型如图2所示。

生物医学知识高度抽象,真实人体内部无法直接被观察,动态、立体的微观生理过程难以通过实验复现,对学生深入掌握知识造成一定困难。数字孪生技术支持多尺度建模,从分子、细胞到器官、全身层面构建数字孪生,直观展示微观到宏观的多层级影响。在该项目中,学生会被运送到病人的身体内,了解人体免疫系统如何发挥积极作用以保护身体免受病原体入侵。学生可化身为五种不同白细胞类型的任意一种,学习每个细胞所拥有的一套独特能力,并与其他学生合作保护人体健康。通过有趣和协作的沉浸式教育游戏,学生对人体及其感染的反应有更加深刻而持久的了解[29]。第一,物理实体主要包括教师、学生、书本以及教室。病原体巡逻以PLTW的生物医学科学课程为基础,在现实空间中,由于条件限制,学生只能通过书本、视频和教师的口头讲解等方式学习深奥的生物医学知识,无法具象化地理解如何操作、如何应用。因此,需要将医学知识体验整合到虚拟实体的沉浸式环境中。第二,虚拟实体包括虚拟人体系统、巨噬细胞、中性粒细胞、血浆B细胞、T细胞等。学生可以探索细胞与环境之间的相互作用,可以使用模型展示身体系统中的细胞如何协同工作以执行特定功能并实现共同目标;体验中性粒细胞脱颗粒和细胞外陷阱如何用于对抗病原体,同时理解病原体识别抗原的机制;了解初始免疫反应在产生记忆B细胞中的重要性,记忆B细胞可以快速识别和对抗先前对抗的抗原;了解B淋巴细胞和T淋巴细胞如何识别特定抗原以及辅助性T淋巴细胞的作用。第三,孪生数据包括学生在整个虚拟人体系统中的运行、操作、体验数据,这些数据彼此之间相互联系,共同构成了虚拟实践活动的基本信息,且最终均能被数字孪生平台采集和处理。第四,数字孪生平台主要负责采集、分析、处理学生在整个体验学习过程中产生的数据。数字孪生平台对学生的学习情况进行分析后,将结果直接返回物理实体中师生的实际教学活动,以指导优化教学流程。总之,在该项目中,学生积极参与其中,深度学习人体的复杂系统,并在课堂内外培养协作技能。“病原体巡逻”项目为教育工作者提供了创新工具,帮助学生发展学习目标中难以衡量的高阶思维技能,如批判性思维、系统思维和创造力等,并在团队中协同工作。学生能够以前所未有的方式边做边学,通过反复体验获得牢固的知识理解,掌握复杂的概念。

3.2 工程STEM项目——火星任务

“火星任务”(Mission: MARS)是波士顿博物馆和Roblox合作推出的工程STEM项目。“火星任务”项目模型如图3所示。

工程问题常涉及多参数耦合,传统仿真工具难以直观展示动态交互,数字孪生可以整合多物理场模型,实时展示系统行为并支持“假设分析”。该项目旨在让所有年龄段的学生参与工程设计过程。以火星表面为背景,学生选择一个任务,设计车辆装置,以满足任务要求。如果运载工具不能帮助成功完成任务,需要改进设计并再次尝试[30]。第一,物理实体包括教师、学生、实体材料包以及教室等。教师需要率先通过任务实践向学生介绍工程基础知识。学生需要运用教师准备的实体材料包,设计一座“灯塔”,帮助探险者在夜幕降临后返回基地,“灯塔”必须尽可能高,且要能够支撑“灯”5秒钟。教师在开展第一次设计后与学生交流,给学生机会改进设计。在物理实体中开展的教学活动是为了让学生明白可用的材料对工程设计很重要,同时改进设计是必不可少的步骤。第二,虚拟实体包括虚拟火星、虚拟探险者、虚拟车辆组件等。学习者可以选择马达、电池、车轮和坡道等组合在虚拟场景中设计车辆,使车辆行驶得足够快,在驶离坡道后安全到达峡谷的另一边。此外,还必须携带足够的氧气,在清除峡谷后驾驶到实验室完成任务。第三,孪生数据包括虚实空间双向交互的数据。火星任务中的运行机制和环境设计都基于真正的科学原理,从现实空间向虚拟空间传输的数据是由美国宇航局在火星上收集到的实际数据。从虚拟空间向现实空间传输的数据包括学生的设计数据、实验数据、测试数据等。第四,数字孪生平台是以车辆设计为基础的数字化开发平台。通过应用VR、人工智能和数据分析等技术,该平台负责工程STEM项目中相关数据的采集、整合、分析,实验的调试以及设计的优化等。因此,火星任务项目为学生提供了进行探究性学习的理想环境,使其可以细致反复地学习工程设计的细节、步骤与过程,为正式和非正式学习提供高质量、娱乐性和符合下一代科学标准的数字化体验。

3.3 两个STEM教育实践项目的共性与启示

通过对上述两个案例的深入分析可以发现,数字孪生技术与STEM教育的融合仍有很大的进步空间。两个项目都是在二维电脑桌面上开展的体验学习,在高保真、沉浸式的环境塑造方面还略有欠缺,但依旧有许多值得学习借鉴的经验。第一,向外寻求合作,共建智能化、个性化的STEM教育空间。两个STEM项目都选择与在线虚拟游戏平台Roblox合作共同设计实施,Roblox是经验丰富的多人在线3D创意社区,通过提供强大的编辑工具和素材,让用户能够尽情创作内容,非常适合教育机构开展智能化、个性化的STEM教育,提高学生学习体验。因此,寻找具有共同愿景和合作基础的伙伴是关键。教育机构可以考虑与其他教育机构、科技企业、社会组织等进行合作,利用其提供的技术、资源或经验上的支持创造共赢方式。例如:与科技型企业合作开发智能化的数字孪生平台;与高校或科研机构建立产学研合作关系,引进先进的科学研究和教育理念等,共同打造出一个资源共享、优势互补的STEM教育生态。第二,精进课程内容,打造高品质、有特色的STEM教育项目。上述两个项目都精心设计了课程教学方案,创设了具体的教学情境与教学活动。例如,学生扮演免疫细胞进入病人身体。因此,一方面在STEM教育中需要尽可能引入真实情境与案例,采用探究式教学,鼓励学生主动探索、发现问题和解决问题,使学生能够在解决实际问题中学习综合性、跨学科知识。另一方面,需要根据学校特色和学生需求,明确STEM教育的定位,如偏向科技创新、工程实践或跨学科融合等。第三,更新技术应用,提供高保真、沉浸式的STEM实践体验。虽然现阶段两个项目都是基于二维电脑桌面提供的沉浸式学习,但Roblox公司仍然在不断更新技术,将来教育元宇宙也会走向现实,提供“心-身-境”三维学习体验。因此,在STEM教育活动中应该引入VR、XR等新技术,创造出身临其境的学习环境,使学生在模拟的真实或虚构环境中进行STEM实践。例如,学生可以通过VR技术参观复杂的机械结构内部,或者通过AR技术观察化学反应的微观过程。

4 结束语

尽管将数字孪生融入STEM教育能够大大推动其发展,但在实践应用中也面临一定的挑战。面向未来,还需在关键技术、基础设施、数据安全等方面作出努力。

第一,关键技术层面,数字孪生的虚拟实体以数据和模型为核心,多维数据一致性、数据传输稳定性、数据准确性难以保证。在STEM教育中,从大量物联网设备中收集实验数据,再经过整理和预处理输入到机器学习模型中,是一项极具挑战的大数据任务。如何保证数据的准确和高质量一直是数字孪生服务于STEM教育的重点问题。同时,沉浸式的STEM教育需要依赖第三方机构的技术支持,发挥教育的民生属性,防止过度商业化也是未来需要考虑的重要因素。

第二,基础设施层面,各义务教育学校缺乏应用数字孪生技术的软硬件设施。虽然运用数字孪生技术能够获得海量优质的教育资源等长期效益,但是数字孪生技术在基础教育学校普及的前期投入是巨大的。缺少资金支持将阻碍数字孪生技术在STEM教育中的大面积使用与推广。

第三,数据安全层面,数字孪生技术将个人信息全部数字化呈现可能导致数据泄露、滥用风险[31]。数字孪生在STEM教育中的部分应用是建立在采集、分析大量学生数据信息的基础上的,这极有可能导致隐私泄露和数据滥用的风险。数字孪生技术作为推动工业4.0的主要技术之一,服务于STEM教育的发展是合适的;但是,在融合过程中要不断革新完善,以解决STEM教育发展中的各种难题,努力培养符合国家发展需求的高质量复合型人才。

参考文献

[1]

李永智. 以数字化开辟教育发展新赛道[N]. 人民日报, 2023-10-23(9).

[2]

习近平. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗:在中国共产党第二十次全国代表大会上的报告[M]. 北京: 人民出版社, 2022.

[3]

秦瑾若, 傅钢善.STEM教育: 基于真实问题情景的跨学科式教育[J]. 中国电化教育, 2017(4): 67-74.

[4]

中国电子技术标准化研究院. 数字孪生应用白皮书(2020版)[R]. 北京. 2020.

[5]

TAKEUCHI M A, SENGUPTA P, SHANAHAN M C, et al. Transdisciplinarity in STEM education:A critical review[J]. Studies in Science Education, 2020, 56(2): 213-253.

[6]

张洪波, 张胜利, 黄娟. 基于STEM教育理念的项目式学习模式构建[J]. 教育理论与实践, 2020, 40(20): 56-58.

[7]

亓英丽, 毕华林. 面向STEM教育的PMP教学模式构建[J]. 化学教育(中英文), 2023, 44(17): 1-5.

[8]

张会庆, 许亚锋. 基于复杂适应系统理论的STEAM教育产学政研一体化系统: 理据架构困厄路径[J]. 数学教育学报, 2024, 33(2): 55-63.

[9]

杨明全. 论STEM教育的本土化建构: 内涵、 价值及实践探索[J]. 现代远程教育研究, 2024, 36(1): 39-45.

[10]

XU W, OUYANG F. The application of AI technologies in STEM education: A systematic review from 2011 to 2021[J]. International Journal of STEM Education, 2022, 9(59): 2-20.

[11]

JI Y, HAN Y. Monitoring indicators of the fipped classroom learning process based on data mining: Taking the course of “virtual reality technology” as an example[J]. International Journal of Emerging Technologies in Learning, 2019, 14(3): 166-176.

[12]

刘革平, 高楠, 胡翰林, . 教育元宇宙: 特征、 机理及应用场景[J]. 开放教育研究, 2022, 28(1): 24-33.

[13]

KE S Q, XIANG F, ZHANG Z, et al. A enhanced interaction framework based on VR,AR and MR in digital twin[J]. Procedia CIRP, 2019, 83: 753-758.

[14]

李袁爽, 张子航, 王运武. 元宇宙会场: 学术交流与传播的新趋势[J]. 中国医学教育技术, 2023, 37(6): 633-637.

[15]

SEPASGOZAR S M E. Digital twin and web-based virtual gaming technologies for online education: A case of construction management and engineering[J]. Applied Sciences, 2020, 10(13): 4678.

[16]

李培根, 陈立平. 在孪生空间重构工程教育: 意识与行动[J]. 高等工程教育研究, 2021(3): 1-8.

[17]

LEE J Y, PYON C U, WOO J. Digital twin for math education: A study on the utilization of games and gamification for university mathematics education[J]. Electronics, 2023, 12(15): 3207.

[18]

NAKAMURA J, CSIKSZETMIHALYI M. Flow theory and research[A]. Lopez S, Snyder C R. Handbook of positive psychology. Oxford University Press, 2009: 195-206.

[19]

PELET J É, ETTIS S, COWART K. Optimal experience of flow enhanced by telepresence:Evidence from social media use[J]. Information & Management, 2017, 54(1): 115-128.

[20]

GRIEVES M. Digital twin: Manufacturing excellence through virtual factory replication[J]. White Paper, 2014(1): 1-7.

[21]

陶飞, 刘蔚然, 张萌, . 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019(1): 1-18.

[22]

李海峰, 王炜. 数字孪生智慧学习空间: 内涵、 模型及策略[J]. 现代远程教育研究, 2021, 33(3): 73-80.

[23]

王士贤, 文坤梅, 李俊峰, . 高校数字孪生校园平台设计与建设实践: 以华中科技大学为例[J]. 现代教育技术, 2023, 33(11): 118-126.

[24]

朱红艳, 王静. 数字孪生图书馆理论模型、 服务场景及未来展望[J]. 图书馆, 2023(11): 18-23.

[25]

张艳丰, 欧志梅. 数字孪生技术驱动下智慧图书馆场景化服务模式研究[J]. 情报理论与实践, 2022, 45(8): 47-53.

[26]

熊宇涵, 李雄. 数字孪生战场: 概念、 架构与技术[J]. 系统工程与电子技术, 2025, 47(1): 141-152.

[27]

唐文坚, 申邵洪, 杨恒玲, . 数字孪生水利工程关键技术及其应用实践: 以江垭皂市工程为例[J]. 长江科学院院报, 2024, 41(8): 172-179.

[28]

于建军, 王月, 汪孔敏, . 科研院所数字化体系框架研究与实践[J]. 中国科学院院刊, 2024, 39(8): 1327-1335.

[29]

PLTW. Jump into the exciting world of pathogen patrol[EB/OL]. (2023-05-09)[2024-01-17].

[30]

Museum of Science. Mission: Mars now available on roblox[EB/OL]. (2023-01-31) [2024-01-17].

[31]

刘军, 兰卓越, 李汶璇, . ChatGPT与数字孪生教师融合: 模型、 应用及反思[J]. 中国医学教育技术, 2024, 38(4): 407-415.

基金资助

国家社会科学基金一般项目“全民终身学习视野下的国家在线教育体系发展研究”(20BSH053)

江苏省教育科学规划重点项目“教育数字化新赛道的理论构建与实践探索”(B-a/2024/19)

AI Summary AI Mindmap
PDF (1290KB)

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/