（一）建构主义理论
建构主义是从行为主义学习理论发展到认知主义学习理论后的新发展，也是目前教学实践中应用比较广泛的学习理论。关于建构主义学习理论的研究起源，一种典型观点认为建构主义学习理论始于哲学[7]，另一种典型观点认为建构主义学习理论始于心理学。第二种观点的典型代表是皮亚杰的儿童认知发展理论，认为儿童是通过“平衡——失衡——新的平衡”的“自我构建”过程不断发展并建构认知的。在该理论的基础上，很多学者进行了不同视角与不同维度的发展与潜入研究。科尔伯格从认知结构的性质与认知结构的发展条件等方面进行了研究；斯腾伯格和卡茨等人从个体主动性促进建构认知结构发展的角度进行了认真探索；维果斯基从关注学习者所处的社会文化历史背景对认知过程影响的角度，提出了“最近发展区”理论[8]。
在智慧教学过程中，建构主义知识观指出知识不是对现实的准确表征，是认知主体在意义建构的过程中提出的某种假设或解释，因此可采用任务驱动的，或者问题驱动的教学模式与方法，让学生亲历探究、发现、归纳、评价的过程进行主动的意义建构。而智慧教育的形成过程，需要老师所实施的策略从替代性策略走向生成性策略，建构主义学习理论的学习观与教学观可以为生成性教学策略提供理论依据。
（二）多元智能理论
加德纳认为，传统的智力概念太狭窄，不能全面、准确地反映人的智力情况。在传统的智力定义下，孩子的很多才能都被忽略，因此在1980年，霍华德·加德纳对“智力”提出了自己的见解，他认为：人的智能是一个复杂的综合体，涵盖语言智能、空间视觉智能、运动智能、音乐智能、数理逻辑智能、人际关系智能、自我认知智能、自然观察者（博物学家）智能、存在智能（加德纳本人还未正式宣布确认）。因此，不能用单一标准来进行智力水平衡量[9]。
智慧教学强调为学生提供多条学习路径，多元智力理论强调学习者智力的个体差异性，这与智慧教育的理念不谋而合，需要根据学生个体差异，根据上述八大智能的差异为学生提供适合的学习内容、学习过程、学习资源等；同时，多元智能理论指出了智力的实质是实践能力和创造能力，这为智慧教育的情境创设、任务布置、扩展延伸等环节提供了理论依据，也避免了学校教育与现实生活的脱节。
（三）联通主义理论
加拿大学者乔治·西门思在2004年系统提出了联通主义的思想[10]，他认为学习是连接信息源的过程，不局限于一个人的学习活动。在2006年，他从知识观和学习观两方面系统阐释了对联通主义的理解。在联通主义的知识观下，信息时代的知识不再是中心明确、层次清晰的静止不动的结构，而是伴随学习者学习过程不断动态建立、动态发展、动态完善的网络结构，学习是学习者持续建立自己的知识网络的过程。他认为学习与知识建立于各种节点及关系之上[11]，在学习过程中就是要激活不同节点并将不同节点建立关联，进而构建针对学生个体的知识网络体系。在信息时代，该过程会涉及学习者具有的检索意识、检索能力、关联分析能力、判断归纳能力等。
在智慧教育中，学习活动发生于庞大数量的节点所构成的错综复杂的关系过程之中，学习过程就是要激活不同节点并将不同节点建立关联，进而构建针对学生个体的知识网络体系。检索意识、检索能力、关联分析能力、归纳能力等是智慧课堂中需要学生经历和培养的。智慧教学的过程，需要学生亲历选择、构想、发现、评价、归纳，该过程是学生充分自主学习的过程，需要根据学生的不同学习特点因材施教，促进知识的形成。
（四）混合学习理论
我国最早引入混合学习理论概念的何克抗教授认为，混合学习“就是要把传统学习方式的优势和E-learning（即数字化或网络学习）的优势结合起来；也就是说，既要发挥教师引导、启发、监控教学过程的主导作用，又要充分体现学生作为学习过程主体的主动性、积极性与创造性”[12]。李克东教授强调，混合学习理论虽然是在线学习与传统面对面学习的混合，“但它不是两种形式的简单组合，而是充分发挥、利用在线学习和面对面教学的各自优势，同时通过‘混合’促进传统模式的变革[13]”。(www.xing528.com)
Margaet Driscoll认为，混合学习理念包括四个不同的概念：（1）结合或混合多种网络化技术（如实时虚拟课堂、自定步调学习、协作学习、流式视频、音频和文本）实现教育目标；（2）结合多种教学方法（如建构主义、行为主义和认知主义），利用或不利用教学技术产生最佳的学习成果；（3）将任何一种教学技术（如录像带、CD-ROM、网络化培训和电影）与面对面的教师指导培训相结合；（4）将教学技术与实际工作任务相混合或结合，使学习和工作协调一致[14]。
因为先天遗传因素和家庭、社会环境等影响，适合每个学习者的学习方法都不尽相同，黄荣怀等认为，混合式学习的核心是在“合适的”时间为“合适的”人，采用“合适的”学习技术和为适应“合适的”学习风格而传递“合适的”技能来优化与学习目标对应的学业成就[15]。混合式学习理论着眼于利用教育信息化技术，变革传统的教学模式，因材施教，最大限度发挥出传统教学模式和网络学习的优势，让学习者选择正确的学习资源，利用正确的学习工具，采用正确的学习媒介，来达成学习目标。
智慧教学，需要为学生提供多样化的学习路径、多元化的学习模式，使得面对面的教学和网络在线学习更好地融合，达到学习效果的最优化。而且，网络在线学习并不局限于课下，课堂教学也可以采取网络在线的方式，所以在设计学习资源与学习工具的时候，要充分考虑线上和线下的结合使用。而教师的导学在整个学习过程中，也扮演着非常重要的角色，对学习者进行知识的梳理和引导，对学习者遇到的困难提供在线和线下的指导和答疑，对学习过程进行监督和检查，避免学习者在“混合”中出现“混乱”，保障学习过程的有效性和有序性。
（五）群体智能理论
群体智能这一概念起源于自然界生态系统中，指社会性昆虫群体通过独有的交流方式所表现出来的智能行为。Gerardo Beni于1989年最早提出，社会性动物与众不同之处在于：个体的行为都很简单，但是当他们一起协同工作时，却能够“实现”出复杂（智能）的行为特征[16]。有学者认为，群体智能是由一组单一的自治个体在自主行动过程中所表现出来的集体智慧，可以是自然的或者是人工的自组织系统所表现出来的协作行为[17]。群体智能算法中，最为广泛应用的是蚁群算法和粒子群算法。
“蚁群智能理论”是应用最广的“群体智能理论”。在生物界，蚁群的生物属性决定了单一蚂蚁的智慧是有限的，但是就群体而言，群蚁的智能就不单纯是智慧的数字相乘。胡春雨2015年的学术研究文章指出，蚁群优化算法是由Marigold在20世纪90年代初，受大自然中蚁群觅食行为的启发，即蚂蚁在寻找食物的路径上都会留下信息线索，对这一行为加以深入研究之后所提出来的信息传递的理论。通过对蚁群的生物行为的观察，发现其“分布式和自组织的特性使其在多模函数优化、路径规划等多个应用研究领域表现出良好的性能”。这一体系理论能帮助人们解决“水资源规划设计、配电网络规划以及车辆路径优化问题”[18]。可见，蚁群智能理论是学者根据对生物特性进行观察，应用到数学建模中，来辅助人们对社会行为进行分析的理论。
另一种应用广泛的“群体智能理论”为“粒子群算法”。“粒子群算法”是根据种群聚集型（鸟类）社会行为的启发而提出来的理论。其优化的途径是根据环境中的大的适应度信息来不断更新粒子的种群实现。“粒子群算法”的缺点是局部搜索能力和多样性差，通过将粒子群算法与其他智能优化算法相结合可以改善粒子群算法的性能[19]。
群体智能理论体现出了集体的智慧，在智慧教育开展过程中，既要尊重每个学习者的个体差异性，鼓励个性化的学习方式，也要汲取集体的智慧，取长补短，借鉴其他学习者的有效学习方法，不断优化自己的学习路径。
（六）项目反应理论
项目反应理论（Item Response Theory，IRT）也称潜在特质理论或潜在特质，是心理统计学模型的总称，针对经典测量理论的缺陷，能够克服经典测量理论的局限性。项目反应理论通过分析测试成绩的数学模型来确定题目能够测出被试者潜在心理特征的程度。项目反应理论的核心是确定被测试者能力水平与被测试项目的应答结果之间的关系，用数学思维确定的这种模型便是“项目反应模型”，所以准确地建立这个数学模型，并对各个参数进行准确而有效的估计是项目反应理论的重要部分。项目反应理论是在自适应测试过程中被广泛应用的测量理论，目前已被广泛应用于心理学、教育和医学实践等诸多领域[20]。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
