基于ID-DI视角的高校数字化课程建设与应用的评价研究

Research on the evaluation based on ID-DI perspective of digital course construction and application in colleges and universities

摘要

高校数字化课程建设与应用发展迅速，但由于缺乏概括性、普适性视角的评价框架，导致其建设与应用水平参差不齐。本文通过对数字化课程的教学设计元素与数智赋能内涵的深入分析，归纳出基于ID-DI视角的评价维度；应用ID-DI评价维度对国内外一些在用的在线课程评价标准进行内容分析，表明ID-DI评价维度具有概括性、普适性；进一步对已有的评价标准内涵进行分析、扬弃、重组，拓展以GenAI为核心的数智技术深度赋能维度，构建基于ID-DI视角的数字化课程评价框架，为高校数字化课程建设与应用提供概括普适、适应数智时代的评价框架，以期对高校数字化课程建设与应用提供参考与借鉴。

Abstract

The construction and application of digital course in colleges and universities are developing rapidly, but due to the lack of a generalized and universal evaluation framework, the level of their construction and application is uneven. Through an in-depth analysis of the teaching design elements and the connotation of digital intelligence empowerment, this paper summarizes the evaluation dimension based on the ID-DI perspective. The ID-DI evaluation dimension is used to analyze the content of some online course evaluation standards in use at home and abroad, and it is shown that the ID-DI evaluation dimension was generalized and universal. Then, it further analyzes, discards and reorganizes the connotation of the existing evaluation criteria, expands the dimension of deep empowerment of digital intelligence technology with generative AI as the core, and constructs a digital course evaluation framework based on the perspective of ID-DI, so as to provide a generalized and universal evaluation framework which adapt to the era of digital intelligence for the construction and application of digital courses in colleges and universities, in order to provide reference for the construction and application of digital course in colleges and universities.

Graphical abstract

关键词

教育数字化 / 数字化课程 / 教学设计 / 数智赋能 / 生成式人工智能

Key words

education digitalization / digital course / teaching design / digital intelligence empowerment / generative AI

在教育数字化、智能化的时代背景下，线上线下混合的教学方式已成为高校推进教育教学改革与创新的主要形式。利用智能技术赋能数字化课程，基于数字化课程高校教学改革创新，成为促进高等教育高质量发展一条重要的途径。高等教育数字化不是一般的策略问题，是影响甚至决定高等教育高质量发展的重要战略问题，是实现从学习革命、质量革命到高质量发展的突破性切口和创新性路径^[1]。课程是落实教学目标、教学设计，实施具体教学与评价的实体，因此课程数字化在教育数字化中处于核心地位。数字化课程主要应用情境基于互联网络，以师生时空相对分离的线上教学或线上与线下混合的教学模式开展，因此与以往传统面对面教学从理论到实施都存在较大差异，如何科学、全面、准确地评价数字化课程建设与应用是一个亟待解决的问题。在实践中，数字化课程建设与应用由于缺乏基于科学、普适的课程评价模型指导，使得数字化课程在建设中由于各自的理解不同而导致质量参差不齐。

1 高校数字化课程的内涵

数字化课程经历了不同时期的发展，其目标、定位与应用情境随着不同阶段的技术支撑能力发展而发展，因而其不同时期的功能、形态、称谓也有所不同。2000年，教育部启动的“新世纪网络课程建设工程”^[2]是我国课程数字化建设的起点，目标是在高校试点建设网络教育学院，建设一批网络课程，基于互联网络为校内、校际或社会提供学历或非学历教育，实现优质资源共享与教育公平。“网络课程”称谓体现了课程与当时最新信息技术——互联网络结合的特征。2011年，在精品课程基础上开展的国家精品开放课程建设，是以普及共享优质课程资源为目的，服务学习者自主学习、通过网络传播的开放课程^[3]。可见，随着互联网的普及，使用“开放课程”称谓更能体现网络课程时空开放性的关键特征，即突破传统学校课程的时间空间的限制，使课程资源受益面大大扩展，从而促进教育资源公平共享，使大众的个性化学习和终身学习成为可能，为构建学习型社会奠定基础。2012年，随着大规模在线开放课程（MOOC，慕课）等新型在线开放课程和学习平台在世界范围迅速兴起，教育部提出加快推进适合我国国情的在线开放课程和平台建设，促进课程应用，加强组织管理的相关意见^[4]。“在线课程”或“线上课程”（online courses）称谓在保留互联网络的开放性等特征外，还有与线下课程并列相对的意味，体现了其逐渐获得大众认可，与线下课程共同构建了新的教学空间与资源，形成优势互补的混合教学（blended learning）、翻转课堂（flipped classroom）等教学新模式。慕课，即大规模开放式在线课程，其课程资源及活动完全使用数字化方式展开，依托互联网络为所有人开放，课程基本没有准入门槛。与之相对的是SPOC课程（small private online course），Small和Private分别相对于MOOC的Massive和Open，Small是指学生规模一般在几十人到几百人，Private是指对学生设置限制性准入条件，达到要求的申请者才能被纳入SPOC课程，即SPOC面向特定学习群体。由此可见，高校的线上课程属于SPOC课程，也有高校利用MOOC课程资源，以SPOC形式开展教学，高校的线上课程应用形式一般是以线上+线下的混合教学形式展开。

在当前教育数字化战略背景下，高等教育要建设覆盖各学科的精品数字课程、虚拟仿真实习实践、学位论文与实践成果等资源^[5]。与网络课程、开放课程、在线课程相比，数字化课程在教育数字化战略框架下被赋予新的理念与内涵。

1.1 全程融合

将教学截然分成线上线下教学两段已不适合当前的发展形势，在智慧课堂、校园5G无线网、智能移动设备全方位支持下，线上与线下边界逐渐模糊，线上与线下逐渐融合，线上的数字化课程资源与功能可以在课堂内随意调用，支持面对面的教学；课堂的教学内容（如电子黑板的板书、学生学习的多模态数据）可以被感知同步到线上，课堂的教学空间与线上的教学空间趋向融合。在教育新基建战略部署^[6]下，信息化教学环境的规模不断扩大，功能不断提升，广大师生的信息化教与学的意识与数字素养不断提高，在此形势下，数字化课程比在线课程更能体现融合教学的思想，更能从深层次理解并顺应当前国家高等教育数字化的战略要求。

1.2 全方位数字化为学习分析提供数据支持

数字化课程充分利用大数据技术全方位全过程采集学习过程的数据并有效地分析和利用。数字化课程不仅仅是学习资源数字化、学习活动数字化，还包括学习者在学习过程中状态的多模态数字化。通过对全流程学习数据的即时收集、融合、分析和应用，循证评价学生在课程学习过程中的表现，进而实现个性化发展的精准改进^[7]。数字化课程全方位与全过程的数字化，为课程学习分析提供数据基础，利用人工智能与大数据技术从海量的数据中勾勒出学习者的画像，分析每位学习者的学习过程序列状态，可以为学习者提供客观性、过程性的评价，从而解决线上课程学习难以客观评价的问题。

1.3 “师—生—智能体”三元主体协同教与学的格局

随着生成式人工智能（GenAI）的出现与发展，基于领域大模型支持下的智能体介入数字化课程，构成“师—生—智能体”三元主体协同的教与学格局，教与学在“师—生—智能体”三元主体间协同交流展开。GenAI不仅革新知识的流通与处理模式，更深层次地融入教育主体的认知框架与生活实况，与教育者和学习者共同构建一个“智慧共生”的教育生态系统^[8]。领域大模型支持下的智能体为数字化课程提供具体角色的主体功能，如学习伙伴、教师助手等，通过GenAI对自然语言文字的理解和输出能力，理解学习者的文字、语言、图像、视频等多模态数据输入，基于领域训练的大模型，处理多模态数据和生成多模态输出，为数字化课程的学习数据分析、个性化学习支持、即时反馈辅导、教学资源定制、作业批改、学习评价等方面提供全方位的智能支持。

1.4 课程目标、资源、活动与评价语义的结构化

数字化课程通过知识图谱等技术组织课程目标、资源、活动与评价。知识图谱通过将分散的知识点以及相关的知识资源进行科学有效地整合，形成系统化的知识结构网络，为促进认知加工、增加知识联通、服务个性化学习提供了重要的数字化工具^[9]。知识图谱使得内容具有高度的知识逻辑结构，实现内容与资源、目标、活动、作业关联，使其能被分析，结合学生的学习诊断，为学生提供个性化的学习建议、定制化的学习资源，从而实现对学生的精准导学。

2 基于ID-DI的数字化课程评价视角

不同的视角会得到不同的评价维度，只有视角选取得当，评价维度才具有科学性、系统性、概括性、普适性、扩展性和可操作性。从上述数字化课程内涵分析可知，数字化课程的建设目标是利用数智赋能教学以提质增效地实现教学目标，教学是其本质，数字化智能化技术赋能是提质增效以至创新的保障支持，把握这两个基本点就能得到基于教学设计（instructional design，ID）与数智（digital intelligent，DI）赋能视角（简称ID-DI视角）。ID-DI视角框架如图1所示。

由图1可以得到基于ID-DI视角的数字化课程评价维度：①学习目标；②学习内容；③学习活动；④学习评价；⑤学习支持；⑥数智赋能教学创新。

3 基于ID-DI视角的评价维度对已在使用的在线课程评价标准内容分析

为验证ID-DI评价维度的概括性、普适性，使用基于ID-DI视角的评价维度对国内外已在用的一些评价规范或标准进行分析研究。在以学生为中心的教学设计理念下，结合数智赋能教育教学的背景，对已有评价规范的观察点内涵进行解构、扬弃、重组，以形成基于ID-DI视角的数字化课程质量评价因子。

通过对国内外相关文献的收集，选取以下几个已在实践中应用的在线课程相关评价标准进行分析研究：①教育部教育信息化技术标准委员会《网络课程评价规范CELTS-22.1》^[10]（以下简称“CELTS22.1”）；②美国QM在线课程或混合课程设计量规（第七版）^[11]（以下简称“QM7”）；③美国加州大学尔湾分校的Online Course Quality Rubric: A Tool Box^[12]（以下简称UCI-OCQR）；④美国克拉克森大学的Online Course Evaluation Rubric (OCER) For Online Courses^[13]（以下简称Clarkson-OCER）；⑤美国加州大学Quality Learning and Teaching (QLT) evaluation rubric第三版^[14]（以下简称CSU-QLT3）；⑥美国加州州立大学奇科分校Rubric for Online Instruction^[15]（以下简称Chico-ROI）。

使用ID-DI视角的评价维度对以上六个评价规范的一级指标归类如表1所示。

从表1可以看到，基于ID-DI视角的评价维度能够对已有的六个标准的一级指标有效分类，具有良好的概括性和普适性。唯一不能分类的是CELTS-22.1-2教学设计，而教学设计应该是所有指标设计的基准而蕴含于各个指标维度中，因此教学设计不宜单列成一个指标维度。同时，由于所分析的六个标准是经过实践使用检验的，因此ID-DI的评价维度也具有实践可操作性。对于上述内容的分析，还需厘清以下问题：

3.1 课程本体内容及其表征描述

属于学习内容范畴的一级指标有课程内容、课程概述与介绍、教学材料、版权、设计一致性和功能性、课程组织和导航、模块/单元/周的组织、学习材料与资源利用、学习者支持与资源、学习支持与资源、线上的组织与设计、教学设计与传送等。通过对这些指标的内涵分析可知，“课程概述与介绍”与“学习材料”构成学习内容的主体，前者为学习者提供课程与学习相关的描述性、支持性内容，后者则是具有课程逻辑结构的本体知识体系，是承载课程内容、通过课程逻辑结构组织的结构化、形式化、数字化的实体，是课程内容具象化的数字实体，体现课程内容组织结构、导航功能、教学设计、版权等指标内涵，因此相比课程内容的抽象与学习资源的泛化，学习材料的具象性能够体现内容结构、导航、设计与版权等内涵而被具体地评价。因此，可将学习内容划分为“课程概述与学习指导”“学习材料”较为合适。“课程概述与学习指导”是课程自描述与学习指导，“学习材料”则是支持学习目标的学科本体内容，包括内容的结构、导航、设计与版权等内涵。

3.2 学习活动与学习互动

属于学习活动范畴的一级指标有：学习活动与学习互动、学习活动（包括活动、作业和评价）、指导（作业、讨论、测验）、学生互动与社区。可以看到，学习活动与学习互动具有重叠关系。一方面，学习互动是群体协作学习活动的必要支持，例如小组协作完成小组作业；另一方面，学习互动可以是学习活动形式的一种，例如问题的探讨。这些互动都与学习活动强相关，是学习活动的一种或学习活动的必要组成部分。而另一些互动则与具体的学习活动没有强关联，是由学生在学习过程中临时发起的与同伴或教师的互动，可以是涉及学习的，也可以是与学习不相关的。这些与学习不相关或弱相关的互动在线上学习中被认为可以促进社区氛围的形成，消除在线学习者的孤独感而间接有助于学习，因此可将此类互动归类为学习支持。

3.3 学习活动与学习评价

在分析的六个标准一级指标中，学习活动与学习评价一般是分开的，但也有将它们放在一起的，如“评价方法和活动”。学习活动是为实现学习目标而设计的，以学生为主体在学习过程中所进行的一系列有组织的行为和过程。数字化课程的学习活动基于数字化环境展开，既包括面向个体的作业、测验、考试，也包括面向群体的小组作业、主题讨论、同伴互评作业、小组辩论、角色扮演、虚拟实验等。

学习活动使学生产生输出，反映学生对所学知识的理解、综合、分析与应用能力，是评价学生学习的主要依据。评价是学习活动设计的主要目标。每一项学习活动设计都带有对学习者的要求和期望，这些要求和期望可以成为学生在活动中输出评价的具体量规，按照量规对学生的活动进行评价。通过对学生在一系列学习活动中输出的评价，便构成学生在数字化课程学习的最终成绩，由此形成课程的评价（打分）规则。学习活动与评价联系紧密，评价以学习活动输出为依据，学习活动体现评价的期望，如图2所示。因此，学习活动与学习评价宜作为一个整体来考虑。

3.4 学习支持

学习支持指学生学习过程中数字化课程对学习者进行实时、具体、个性的支持。课程中要设有收集学生在学习过程反馈信息的渠道，教师能根据反馈信息合理改进课程，或及时给出解释与指导，不断根据学习者的反馈提供指导和完善课程。学习支持中的互动交流不是预先设计与学习内容或活动相关的互动交流，而是学生在课程学习过程中随时自主发起的互动与交流，包括与学习无关的交流，使学习者能自我介绍、相互探讨、随意发问、分享资源和观点，对于学习社区的形成，学习者孤独感的消除，学习者积极学习态度的形成具有积极意义。教师要关注学生自由互动的交流信息，对于学生关于课程学习的讨论进行细致分析，对合理部分加以采用以改进课程教学，并提供相关线上交流的礼仪指导。

3.5 技术——从基本支持到数智赋能创新

在表1的六个评价规范中，有四个直接与“技术”相关的一级指标，分别称为“技术”“课程技术”“支持教学与学习的技术”“通过技术创新教学”。通过分析可以看到对“技术”维度描述从笼统趋向具体，从支持教学趋向创新教学。其中一个评价规范的“网站组织与呈现”，涉及内容组织、视觉美学与技术实现等因素，随着知识图谱技术在数字化课程中的应用，网站组织与呈现趋向图谱化、生成式、个性化与智能化，因此宜将其归类为“数智技术赋能教学创新”。“数”代表数字技术，包括传统的数字媒体技术、网络数据技术、数据库技术等对教与学的支持；“智”代表目前发展迅猛的智能技术，包括生成式大模型、智能体、数据挖掘、大数据采集与分析等以支持教学创新。

通过以上分析，基于ID-DI视角的评价维度可设计为：①课程概述与学习指导；②学习目标；③学习材料；④学习活动与评价；⑤学习支持；⑥数智技术赋能教学创新。

4 基于ID-DI各评价维度的评价点分析研究

按照上述ID-DI视角的六个评价维度，对照CELTS22.1、QM7、UCI-OCQR、Clarkson-OCER、CSU-QLT3、Chico-ROI六个在线课程评价规范抽取相关的观测点分析其内涵，通过筛选、修改、整合、聚类，得到基于ID-DI视角的评价维度评价点。下面以“课程概述与学习指导”为例给出具体分析过程，其他维度的分析过程类似，限于篇幅，直接给出其评价要点。

4.1 ID-DI评价维度的“课程概述与介绍”观测点分析

对CELTS22.1等6个评价规范中与“课程概述与学习指导”相关观测点内涵分析如表2所示。

通过对表2的评价观测点内涵进行分析、筛选、修改、整合、聚类，得到“课程概述与学习指导”的评价聚类要点，如表3所示。

4.2 ID-DI评价维度“学习目标”“学习材料”“学习活动与评价”“学习支持”评价点

通过相应分析研究，得到“学习目标”“学习材料”“学习活动与评价”“学习支持”的评价点，见表3相关部分所示。

4.3 从“技术”到“数智技术赋能教学创新”

通过分析，在6个规范中有2个没有关于“技术”的评价要素，其余4个关于“技术”的内涵一方面着眼于技术对环境、运行、访问、媒体质量与易用的保障，在信息技术充分发展的现时，这种对数字化课程的常规化支持不再是瓶颈；另一方面，要求技术对学习目标实现、积极主动学习态度形成、交流互动促进、学习增强与学习方式差异、隐私保护等提供支持，体现了技术赋能学习的诉求，但由于当时技术所限，缺乏实现细节，较为笼统。在当前GenAI迅猛发展的形势下，“技术”应该聚焦于应用数智技术解决以往线上课程长期存在的问题和短板以促进其教学应用的创新发展。

4.4 数智赋能数字化课程教学创新

①课程内容结构化、语义化

基于知识图谱技术将课程内容，包括学习目标、学习材料、学习活动与评价进行分解、组织、关联，形成层次化、网络化、语义化的有机整体。对应于学习目标图谱，确定课程内容，进而构建知识点图谱。对于高阶学习目标，例如综合、应用、迁移等层次的目标要求，确定学习活动实体，实体属性包括活动目标、活动流程、所需知识点、支持工具、评价量规模板等。对于图谱中的知识点，设计、重构或制作多模态学习材料与之关联；对于图谱中学习活动与评价实体，按照其属性设计具体的学习活动与之关联。由此形成学习目标、学习材料、学习活动与评价关联清晰的课程内容图谱，为智能化的学习分析、评价反馈、个性化学习支持奠定基础，如图3所示。

②课程主体从“师—生”二元结构转变为“师—生—智能体”三元结构

GenAI的出现并介入数字化课程使课程主体呈现“师—生—智能体”三元主体的特点。智能体（Agent）是指能够感知环境并采取行动以实现特定目标的代理体。它可以是软件、硬件或一个系统，具备自主性、适应性和交互能力。智能体通过感知环境中的变化（如通过传感器或数据输入），根据自身学习到的知识和算法进行判断和决策，进而执行动作以影响环境或达到预定的目标^[16]。基于GenAI的智能体就是以GenAI作为核心智能技术以处理信息输入理解、问题分解、推理规划、决策与执行的智能体，它具有多模态感知与生成、检索增强生成、推理与规划、交互与进化等核心能力^[17]。在学科课程领域大模型的支持下，可以为课程设置能够理解多模态输入，产生文字、图片、视频等多模态输出以完成一定功能的智能体，如教学助手、学习伙伴、管理助手等，从而赋能数字化课程的教、学、评、管各环节。

③学习过程数字化

数字化课程不仅是学习资源、学习活动的数字化，而且是每个学习者的学习过程也数字化。通过对学习者全过程多模态的数据采集，从而使数据驱动的学习分析与数据密集的循证评价得以实现。利用GenAI对学生的全过程多模态学习数据的理解与分析能力，清晰勾勒学习者在学习过程中不同时期的画像，实现基于数据全面循证的学习评价与个性化的学习支持。

④学习资源多模态情景化

GenAI使数字化课程的多模态学习资源生产能力大大加强，同一知识点的学习资源可以实现实时动态多模态转换。例如：一段文本，可以实时转换成音频以便学习者在户外边活动边学习；可以实时转换成图片或视频，以形象化、过程展示以促进学习者对知识的理解。GenAI现在发展到能够理解并模拟物理世界，可以生成多种模态协同呈现为学习者提供逼近真实生活的模拟情境，让学习者在类真实世界的情境中体验知识，即知识情景化、经验化，从而促进学习者对知识的理解、综合与运用，提高学生解决问题的能力。

⑤学习目标高阶化

数字化课程学习目标强调对学生批判思维、创新思维、沟通与表达能力、问题解决能力等高阶目标的培养。GenAI各类产品为各行业提供巨量的、智能化的、随时调用的资源，使知识走向“稀缺性的终结”^[18]。让学生记忆大量事实性知识的学习目标不再适合当前创新性人才培养的需要。同时有研究表明，使用 GenAI 工具和坚持使用此类工具的高校学生与未使用过、或未坚持使用的学生相比，在批判性思维和自主学习能力上存在显著差异，即高校学生使用GenAI工具能够锻炼批判性思维、增强其自主学习能力^[19]。学生通过与GenAI智能体的对话，通过不断提问、甄别、追问的迭代，促使提问者不断表达、思考、理解、判断、综合、内化，促进学生高阶思维能力与问题解决能力的提升，有利于创新性复合性人才的培养。

⑥学习评价全程循证

在学习过程全程多模态数字化前提下，利用GenAI对这些海量数据进行分析、理解，从而实现循证评价。例如，利用GenAI对小组问题讨论中每个成员的发言进行分析，统计成员发言数量、质量、贡献度、中心度等，进而对每个成员在问题讨论中的表现给出循证评价。通过对学生在学习过程中所有学习活动，包括各种作业、测验、考试、问题讨论、小组协作任务等进行分析，特别是对学生主观性语言、文字、视觉方面的有效分析，实现对学习者的全程循证评价，使学习评价更加科学、合理、有效。

⑦学习支持个性化

数字化课程凭借高度语义化组织的内容和学习全过程多模态数据的采集与分析，实现学习支持的高度个性化。GenAI基于学习者的偏好与习惯，对基于知识图谱的结构化学习内容进行定位、推荐，为学习者提供适合的学习路径与资源；对学生遇到的问题提供多模态个性化辅导，生成学习支持资源和学习建议。例如：基于GenAI的学习伙伴在学生学习过程中全程提供学习分析、学习建议，生成个性化学习资源，从而实现全程全员个性化精准学习支持。

4.5 “数智赋能教学创新”维度的评价点

基于上述分析，数智赋能支持如图3所示，由此可归纳出如表3所示的“数智赋能教学创新”维度的评价点。

5 结束语

以GenAI为代表的数智技术深度赋能课程数字化，促进数字化课程内涵与形式的重塑，引发数字化课程建设与应用评价重构的思考。基于ID-DI视角的数字化课程建设与应用评价框架，立足数字化课程的教学本质，以教学设计为核心，又适应数智时代的要求，以数智技术赋能教学为创新驱动力，体现了数字化课程评价的守正创新发展。ID-DI评价框架具有良好的概括性、普适性和实操性，可结合具体高校自身的情况，对ID-DI框架的评价点赋予具体权重，形成具体的评价指标体系应用于实践，对高校数字化课程的建设与应用具有一定的学习借鉴意义。

参考文献

[1] 吴岩. 深化新教改, 打造新形态, 提高新质量[EB/OL]. (2022-02-25) [2025-04-12].

[2] 教育部. 关于支持若干所高等学校建设网络教育学院 开展现代远程教育试点工作的几点意见[EB/OL]. (2000-07-28)[2025-04-12].

[3] 教育部.教育部关于国家精品开放课程建设的实施意见[EB/OL]. (2011-10-12)[2025-04-12].

[4] 教育部. 教育部关于加强高等学校在线开放课程建设应用与管理的意见[EB/OL]. (2015-04-13)[2025-04-12].

[5] 教育部, 中央网信办, 国家发展改革委 等. 教育部等九部门关于加快推进教育数字化的意见[EB/OL]. (2025-04-11)[2025-04-20].

[6] 教育部, 中央网信办, 国家发展改革委, 等. 教育部等六部门关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见[EB/OL].(2021-07-01)[2025-04-20].

[7] 谢幼如, 李草茵, 李成军, 等. 智能时代高校数字课程: 内涵、形态与构建[J]. 电化教育研究, 2024(11): 5-12.

[8] 王晶莹, 杜蕾, 张登博. GAI赋能教育变革: 哲学审视、国际比较与未来进路[J]. 中国电化教育, 2025(3): 51-60.

[9] 吴杨, 吕钰琪, 杜钧, 等. 知识图谱驱动智能学习的内生逻辑[J]. 中国电化教育, 2025(2): 122-130.

[10] 教育部教育信息化技术标准委员会. 网络课程评价规范(CELTS-22.1)[EB/OL]. (2002-06-07)[2025-04-20].

[11] Matters Quality. Specific Review Standards from the QM Higher Education Rubric(Seventh Edition)[EB/OL].[2025-04-20].

[12] XU D, LI Q J, ZHOU X H. Online Course Quality Rubric: A Tool Box[EB/OL]. (2020-04-14)[2025-04-20].

[13] Center for Teaching Excellence of Clarkson College. Online Course Evaluation Rubric (OCER) For Online Courses [EB/OL].[2025-04-20].

[14] The California State University. CSU Quality Learning & Teaching (QLT) Rubric 3rd Edition[EB/OL]. (2022)[2025-04-20].

[15] California State University, Chico. Rubric for Online Instruction[EB/OL]. [2025-04-20].

[16] 百度百科. 智能体[EB/OL]. [2025-04-23].

[17] 卢宇, 余京蕾, 陈鹏鹤. 基于大模型的教学智能体构建与应用研究[J]. 中国电化教育, 2024(7): 99-107.

[18] 高盼望, 路书红. 生成式人工智能时代的“课程”概念重建[J]. 华东师范大学学报(教育科学版), 2025(6): 50-60.

[19] 戚佳, 徐艳茹, 刘继安, 等. 生成式人工智能工具使用对高校学生批判思维与自主学习能力的影响[J]. 电化教育研究, 2024(12): 67-74.

基金资助

2022广东省教育科学规划课题（高等教育专项）“基于Moodle平台数字化课程建设与应用评价研究”(2022GXJK155)