美国行为主义心理学家华生（J.B.Watson）的刺激－反应理论（又称为“行为学习理论”）认为人类的复杂行为可以被分解为两部分：刺激（S）和反应（R）。人的行为是受到刺激的反应。学习的实质是形成习惯，而习惯是通过学习将对刺激做出散乱、无组织、无条件的反应变成有组织、确定的条件反应的过程。

行为主义学习理论认为，学习过程是刺激与反应之间联结的过程。行为主义学习理论应用在学校教育实践上，就是要求教师掌握塑造和矫正学生行为的方法，为学生创设一种环境，最大限度地强化学生的合适行为，消除不合适行为。

斯金纳认为，教学就是安排可能发生强化的事件以促进学习。学生的行为受行为结果的影响，要学生做出合乎需要的行为反应，就必须形成某种相倚关系，即在行为后有一种强化性的后果；倘若一种行为得不到强化，它就会消失。

美国心理学家桑代克对动物及人类的学习、教学原理和学习迁移进行了深入的研究。桑代克于1896年开始了动物的学习实验研究。他开始是用小鸡做的实验，桑代克对行为主义学派的影响主要来源于他对小鸡、小猫研究的结果。1895年，他到哈佛大学受教于詹姆斯，做小鸡走迷津实验（即走迷宫），后转到哥伦比亚大学学习，继续利用猫和狗等做实验。他在实验中发现，最初小鸡、小猫、小狗都是在死路里转来转去，偶尔会找到出口逃出迷宫，而这通常需要花很多时间，但重复多次以后小鸡、小猫、小狗在死路中转的次数都会减少，花费的时间也会减少，训练到一定次数以后，一把它们放入迷宫，它们会立即直奔出口，很快就逃脱了。桑代克认为，小鸡、小猫、小狗都不是通过推理和观察而学会逃出迷宫的，它们之所以能够顺利逃脱，原因只有一点，那就是不断尝试，在不断的尝试和失败中慢慢消除那些无用的行为，记住那些有助于逃脱的行为，用桑代克的话说，就是它们已经在这些有用的行为和行为目标之间建立了联系。这也反映出学习的本质是在刺激和反应之间形成联结。

桑代克的“问题箱”实验：桑代克在木条钉成的箱子里放置一个可以打开门的脚踏板。当门开启后，猫即可逃出箱子，并得到箱子外的奖赏——鱼。一开始，饿猫进入箱子中时，只是无目的地乱咬、乱撞，后来偶然碰上脚踏板，饿猫打开箱门，逃出箱子，得到了食物。接着第二次，桑代克再把饿猫关在箱子中，如此多次重复，最后，猫一进入箱中即能打开箱门。桑代克据此认为，学习的实质就是有机体形成“刺激”与“反应”之间的联结。他明确地指出学习即联结，心即一个人的联结系统。同时，他还认为学习的过程是一种渐进地尝试错误的过程。在这个过程中，无关的错误的反应逐渐减少，而正确的反应最终形成。他的这种学习理论被人们称为“试误论”。

他依据对动物及人类学习的研究，建立起一个他称为“联结主义”的教育心理学的理论体系。许多关于人类学习行为的理论的研究，部分采用了借鉴性的研究方法，这些研究非常重要，对于智能教育的研究具有一定的启示。我们重新考虑一下以上动物行为实验在当今智能环境下如何去完成，动物的行为是否可以通过机器训练给出行为问题的解。

当今的智能教育使我们更加关心数字化环境下学习实质问题的研究，更关注在现实环境下的“刺激”与“反应”之间关系的研究，不仅关心实验环境下的行为捕捉，更加关心即时时空下的行为捕捉，还有外部刺激条件下人体感知反应、学习行为的变化等。

我们从发展的角度重新审视我们的研究能力，最初人的计算能力很差，人的符号承载能力比较弱，记忆能力明显弱于计算机，人的感情主观因素过强，所以在处理问题上存在方方面面的问题，在早期教育研究中没有计算机，人们就从动物行为实验研究入手，来映射人的学习行为问题，主要研究方法就是观察、统计、重复，行为特征的抽取是一个非常漫长的实验。“刺激与反应”问题的研究带有一定的局限性，如外界条件的局限性等。

当今计算机运算速度快、容量大，对外感知和自身感知超强，尤其在5G环境下，其感知（听觉、视觉、触觉）能力达到了远近程、全天候水准，敏感度极高，对语义的理解和听视觉辨识能力达到或超过人的水平，而且也具有人达不到的频率（音频、视频）的环境下的观察能力，能侦听人听不到的声音，挖掘速度和联想能力是人们不可能达到的。尤其是计算机不断地进行知识恶补和在线学习恶补，它的智慧能力和理解问题能力不断地、无边界地强化，它可以根据人的对话和各种实验行为、社会行为、自然科学研究行为和结果进行自我学习和知识恶补，自动地填补它的空缺，构造不断加强自我的知识图谱。计算机学习行为的智慧性和问题的采集性不光来自个体，而且来自在互联网的支撑下形成的群体，形成了知识采集的共同体和知识共享体，比起个人智慧，经验形成速度无法想象。在这样的集体知识的采集获取当中，我们会无形中将原来公众感兴趣的行为学习下来。

从情感上来看，感情对人接受知识会产生不同的影响，使人判断事物产生不同程度的变化，在感情因素下的学习行为应该如何研究，传统的实验并没有给出答案，但是未来技术环境下高速传感和密集感知连接，就有可能进行感情捕捉、定位，找到情绪与学习的关系。

从时空上来看，不同文明进步的环境所获得的知识内容程度是不一样的，如果你是在原始部落获取像猿猴的动作行为内容，那也就只能解决在这个时期、这个部落所考虑的生存问题和行为经验问题，我们不能将原始部落学习行为和经验迁移到现实智能社会当中来，这是一个智力倒退的表现，任何一个没有实用价值的研究是没人去讨论的。当然这是一个极端的例子，在现实的空间中，我们的周边事物和环境是处在高科技、高智慧的空间中，社会结构的复杂度、自然科学的应用程度已经超过了人类的能力，高速、高科技构成了外界刺激环境，人的反应必须在这样的环境下讨论。

人工智能与人类智慧目前处在一个共存状态，处在一个共荣的发展时期，是在一个相辅相成的状态，而不是互相消灭的状态，人的智能不管是在决策和人类生存问题上，还是对人在智慧中去学习，都占有相当大的优势。

站在教育智能化研究的角度上，我们要学会的是让计算机智慧如何去做，哪些是计算机该做的，哪些是计算机不该做的，而人没有计算机能做到哪些，如何在这当中让计算机为人服务，解决人类和计算机智力争斗中人的立场问题和做法问题。也就是说在新的时代环境下，重新构造分工，创建未来教育人机新共同体，在新的科学外界条件和高科技制约环境下对人的行为要重新讨论。换句话说，落后文明状态下的行为和思想是无法迁移到现代社会的状态下的，部分的学习理论直接引用到当今智能社会未必就能适合现在的社会和现在符号下的学习环境。(www.daowen.com)

教育智能化是将所有的问题都转换为在数字的基础上进行讨论的，如机器人已经具有将社会的所有现象事物转换为数字的能力，其中包括音频事件、视频感知环境、触摸物体等，而且具有非常准确的现象解释。在智能教育社会中机器人提交给人们的将会是一个基本事实和基本事实认定基础上的答案，比如在警察与坏人搏斗的演习场上，你用枪指着某人，机器不是告诉你这是个人，而是告诉你这是个好人，我们不能开枪，又指着另一个人，告诉你这个人很危险，一定要防范等判断性的答案和事实，能给出这样的识别现象和人体特征信息，对人产生相应的定义，而人面对的是更高级问题的判断。

教育智能化建立在一个更高级的信息化社会认识和数字化世界新的实力构造、范围划界基础之上，高技术可以对已经实现的问题进行验证，规划哪些属于我们该记忆的问题，哪些属于能够借助的问题，哪些属于高级思维的问题，哪些属于常规的、不需要学习的问题，哪些属于需要我们改造和创新的问题，基于智能化构造之间的关系到底是什么问题等。我们必须在站在更高级的智能平台的基础上，对未来世界的现象和未来世界所产生的知识进行分析和辨识，就如同目前我们已经在网络教育的基础上，提出资源推送和资源构造的想法是和人们试图去迁移优秀教师作为智慧性的体现是一样的，那么现有的知识和现有的教师思想是不是就从这里永远地记录和保持迁移下去呢？笔者认为，未必。因为整个学科在高速发展，而现在教师的很多教学方法是在很多教育技术手段现有的状态下进行传播承载的，技能的表现是在现有的技术条件下产生的，教学手段是在5G信息化环境下产出的，教师的很多手段和内容也将随着整体高科技水平的提升而发生剧烈的改变，就出现了知识整体在高科技下进行推演和发展的局面，学生学习行为和教师的教学行为也会跟随科技的推演产生质的变化。

比如说远程在线课堂如何捕捉学生对讲课问题的即时反馈，是目前教育技术普遍关心的问题。这里要区分两种情况：一种是有网络教学经验的教师，他能把握网络课堂，可以把无人之境讲成有人之境，可以想象和构造整个的教学环境空间，想象未来要出现的问题和可能抛出的问题，而且也能解决学生有可能在什么时候乱、在什么时候不乱、如何控制局面的问题，而这样的情况属于我们要不断地通过机器学习来完成课堂的控制问题。另一种就是针对没有网络教学经验的教师，尤其是讲授新课程的教师，其没有能力去把握网络课堂，难以预测讲课效果，这种情况就可以依赖未来技术支撑环境完成学生回馈的捕捉。比如，可以通过图像分析、学生表情符号反馈、人体感知信号捕捉，掌握学生当前的听课状态，及时地发现讲课当中的漏洞和可能存在的问题，即时判断学生对这个知识点的态度。通过现场动态反馈的问题，具有真实性和针对性，问题显得更有代表性和个性化，对教师控制课堂、调整讲课策略具有很大的帮助。

这种对网络教学的行为跟踪、分析、影响、干预是网络师生行为的交互，是将学生的行为映照到传感器和图像镜头中，由计算机对其现象给出最基本的事实上的告知，如开小差、开小会、睡觉、网上与他人聊天、玩游戏、烦躁等，学生总体掌握的水平和对知识的态度，学生在哪个环节上没有听懂等，由分析系统给出整体判定和建议后传递给教师。这样就形成了一个学生刺激性网络，通过网络将刺激传递给教师，教师对其反应的教学行为进行即时控制，形成一个在线闭环控制系统。

在教育智能化的今天，教育与其他领域的边界逐渐向模糊方向发展，研究边界逐步模糊化，获得知识的途径也开始模糊化。比如问题讨论过程，即从问题的提出、学生的回答、教师的解答、问题的澄清、问题对偏差的纠正、问题的实践、弄懂等系列过程就形成了教学的过程、知识获取过程、问题库获取问题的过程，是真实图谱的分支建立的过程。如果我们捕捉这个问题的对话过程，就是一个“刺激－反应”的多次过程的组合，我们反复捕捉所有人的这个问答过程，就能训练出计算机针对这个问题的智能教学应答能力。

行为主义理论、联结主义理论和心理学对智能环境下体验教学有着很重要的指导意义。行为主义中的刺激－反应问题，仍然能够映射到目前数字化教学和VR/AR教学当中，这些刺激条件下的训练并没有在智能教学中减弱，反而增强了。在这种意识增强中，人们更加强调多维度的思维训练，系统给出VR物体多种信息，如告诉体验者这个物体是什么，告诉其内部结构，甚至可以到里面进行观察；让体验者在最基本的知识构造的基础上，进行思维更高一级的训练，如上升到如何对物体进行再造，如何让其他物体与其组合，如何进行该物体发生化学反应和物理反应等高一级的思维训练，提升体验者解决问题的能力。

刺激－反应行为理论带给了我们在虚拟现实空间和游戏空间当中的设计理念，而且这种外界刺激条件，不光来自自然，而且还来自人造自然、仿真自然、反自然仿真等。比如自然的突发现象和自然的恶劣现象等，其仿真程度越高，外界刺激的条件也就越明显。

在虚拟现实体验空间中对外界刺激的反应就是对刺激的人的测试，其中包括：人体感知测试、反应灵敏度测试、反应程度测试、反应后做出应对动作测试、反应后运用知识测试和解决问题测试等。其反应的程度和外界空间的程度成为一种可控制的程度、一种可观察的程度、一种可量化的程度，促进了学习当中的刺激与反应问题的数字化和关系模型构造的深化程度。

在智能环境下的VR追求的是真实性，追求的是获取知识的反应和体验当中的准确性及人体内在反应的准确性。人体反应的捕捉跳过了人们的行为和表情变化的追踪和捕捉，更加深化人们对知识和外界程度的刺激反应，找出刺激下的人体反应和知识接受程度的评价依据，找出外界刺激程度与接受程度之间的关系，找出内在心理状态和外在事物积累后的反应。

从单项环境刺激转向多项环境刺激的融合观察，从学习环境下刺激的研究转向学习＋非学习因素环境下刺激的研究，从单一问题研究转向多问题的研究，从单向人体外界刺激转向人体外界刺激＋人体自身身体状况下情绪刺激的融合研究，从主观意志判断下的环境制造转向各种仿真状态下的客观现象和指标的捕捉，全面提升虚拟现实和人们第一人称、第一视角和身临其境的感觉。

以上理论学习所提出的将动物作为训练捕捉学习行为的研究目标，在当时的科学环境下是一个科学的研究手段，任何一个科学的研究手段都与时代和科学环境有关，科学研究要具有时代的属性。

现实的智能教育研究是否还应该以动物行为作为研究目标呢？笔者认为不需要了，因为在现有数字环境和高速的社会运转能力下，计算机已经能够代替人的很多行为，直接以人作为学习行为研究目标才是科学的研究。那么我们应该在5G的高速链接、高速的感知外界环境下，在人们操作智能空间和学习空间的同时，进行人的行为预测、行为判断，建立各种刺激－反应感知系统，构造行为数字化世界，构造人和机器关系的世界，评判人们在各种环境下依靠现代设备和现有工具所能解决的问题，对人的学习行为和学习仿真分析应该建立在与时俱进的科学高度上。