教师专业发展视域下智能教研平台功能分析

教育数字化战略实施进程中,智能教研平台作为支撑教师专业发展的重要载体,对教研数字化转型、教师队伍高质量发展等作用重大。本研究基于教师用户量超过20万、平台运行时长超过两年、具备数据智能分析功能等筛选条件,选取国内5个代表性智能教研平台为分析对象,采用定量和定性相结合的内容分析方法,从数据智能分析、循证化支持教研决策、精准构建教师画像、个性化支持教师输出与反思以及数据可视化呈现这5个功能要素出发,剖析和总结各案例在智能教研相关功能设计与应用上的技术优势、特色功能、应用体验和存在问题,得出以下结果:各平台数据智能分析的应用场景在维度和深度上各有专注;数据赋能的教研活动管理与评价功能需要提升;教师画像的构建方式和应用功能有待精细化挖掘和开发;资源流转和交互工具赋能教研反思从经验回顾走向科学剖析;数据的可视化呈现助力教师明晰专业发展路径。进一步提出智能教研平台升级的改进建议:在需求导向下统一智能教研元平台的底层标准设计;多维数据融合创建无缝全场域智慧教研空间;“数据+经验”循证化支持教研决策重塑;精细化开发教师画像以支持多场景教研应用;构建教研平台专用大模型,以“人机交互”促进教师深度教研反思。

智慧课堂协作学习设计新范式:具身设计、群体感知与共享调节

协作学习是一个以学生群体为核心的相互沟通、共同探讨、协作解决问题并完成任务的过程,因此对协作学习过程的设计应该由传统的以“教”为主导的“教学设计”转为以“学”为核心的“学习设计”。文章从具身设计、群体感知和共享调节三个方面提出智慧课堂协作学习设计的新范式,并应用到教学实践中检验其效果。研究表明,基于“具身设计、群体感知、共享调节”的协作学习设计能提升学生的学习效果和高阶思维能力,还能提升学生协作学习的积极性。同时实践发现,协作学习具身体验环境的建设需要多方力量广泛参与;协作学习群体感知需要泛在化的学习分析技术的支持;协作学习共享调节过程需要进一步挖掘其内在机制。

ChatGPT赋能教育评价变革的现实前提、作用机理及实践路径

对话式人工智能ChatGPT蕴藏着催生教育领域巨大变革的无限潜力,它具有理解自然语言并生成高质量回答的特性,能够支持深度人机交互个性化教学,为技术赋能教育评价变革掀开了新的篇章。在提出ChatGPT赋能教育评价变革现实前提的基础上,明确揭示了ChatGPT赋能教育评价变革的作用机理:赋能教育评价理念由“标准筛选”到“个性改进”、教育评价主体由“权威主导”到“多元协同”、教育评价内容由“单一知识”到“综合素养”以及教育评价方式由“结果总结”到“过程伴随”。与此同时,总结了ChatGPT赋能教育评价变革过程中潜在的风险挑战,包括评价主体欠缺智能素养阻碍赋能效果达成、削减教育评价的人文属性以及存在安全风险和伦理隐患。最后,在提出作用机理和风险挑战的基础上,从评价主体智能素养培育、人机协同中的身份重塑与育人本位回归以及评价伦理标准与监督保障体系完善等三方面构建ChatGPT赋能教育评价变革的实践路径。

智能时代教育场域的技术焦虑与认知误区——基于梅洛-庞蒂具身认知观的当下省察

人工智能的迅猛发展极大地改变了教育生态和教学秩序,由此也引发了教育场域下史无前例的“技术焦虑”。通过追根溯源对“技术焦虑”的成因加以解析,发现其中的大部分焦虑情绪都是由教育主体的认知误区导致的,而法国现象学家梅洛-庞蒂的“具身认知观”为梳理这一认知误区提供了极好的理论依据。“具身认知观”在人类的自我认知上呈现了一种全新的思维模式,并对传统认知观的外在逻辑主义立场采取质疑态度,进而将人类教育的本质是什么以及人工智能和人类智能的本质区别一一呈现出来,从根本上对智能时代教育场域下的“技术焦虑”做出认知矫正,并依此寻求纾解路径。

基于在线同伴互评的内隐行为规律挖掘及其影响机理研究

学习行为规律能够有效预测学业成绩,是开展个性化教育的关键,但大部分研究成果以探究学生的外显学习行为为主,对学生内隐行为的分析与挖掘较少。同伴互评是表征学习内隐行为的重要方式,文章以其产生的评语和反馈为分析对象,采用定量内容分析、滞后序列分析法和社会网络分析法,从情感、认知和元认知角度分析高、低成绩学生的内隐行为,并引入系统动力学方法剖析基于在线同伴互评的内隐行为影响机理。依据同伴互评中内隐行为所表现出的情感、认知和元认知差异,洞悉学习过程数据背后隐藏的学习成长轨迹,促进学生自主学习,支持教师及时、精准、有效地进行在线学业预警。

银龄教师助力乡村教师队伍高质量建设:价值意蕴、现实困境与纾解路径

银龄教师是对“老龄化”时代退休教师优势资源开发的结果表现,是助力乡村教师队伍高质量建设的重要力量。银龄教师助力乡村教师队伍高质量建设,具有补充、帮扶、优化等价值,能为教育优质均衡发展、提升乡村学校教育水平发力,助推教育强国目标实现。当前由于相关政策实施处于经验积累阶段,银龄教师助力乡村教师队伍高质量建设面临供需匹配之困、动力激发之困、差异跨越之困、优势利用之困和成效保障之困,阻碍了预期成效实现。为突破困境,可从利用数字技术、提供服务支持保障、完善招募与培训体系、“输血”与“造血”并举、构建服务成效保障机制等方面着手,实现推动供需侧无缝对接、合理调适主体矛盾的同时,充分发挥优势、持续维系帮扶成效,借助银龄教师之力打造高质量乡村教师队伍。

学习内在价值能直接提升学生在线学习接受度吗?——自我调节学习技能的中介作用

随着在线学习逐渐成为传统院校学历教育学分课程的可选学习方式,迫切需要更多理论与实证研究洞察这种不同于非正式与混合式学习的新场景下在线学习的特征与机制。鉴于此,在学习动机和自我调节学习经典量表以及技术接受度模型的基础上编制问卷,对我国某高校在线学习学分课程的大学生施测,基于1021份有效问卷数据,通过结构方程建模方法检验学习内在价值对在线学习接受度的影响,以及目标设定、环境构建、任务策略、时间管理、寻求帮助、自我评价六维自我调节学习技能在二者之间的中介作用。研究结果表明:学生感知的学习内在价值不会直接影响其对在线学习的接受度,而是通过学生各项自我调节学习技能间接影响;内在价值对六维自我调节学习技能的驱动作用不同,对目标设定、环境构建和寻求帮助的影响更强;除了寻求帮助维度,其他五维自我调节学习技能均能显著影响学生的在线学习接受度,并在内在价值和在线学习接受度之间发挥显著中介作用。基于研究结果的讨论,提出多种途径促进学生自我调节学习技能的全面发展、重视在线课程中自我调节学习的支架设计、根据在线学习情境部署规划公共学习支持服务等建议。

面向AIGC的教育提示工程学习提示单设计及应用

在AIGC时代,如何合理运用大模型赋能课堂教学是目前应解决的关键问题。通过教育提示工程的理论指导设计学习提示单能够促进教育与大模型等新技术的有效融合。学习提示单是帮助中小学师生在课堂中合理适恰地运用大模型解决问题的一种学习资源,旨在通过运用教育提示工程的理论针对教育领域的提示词进行设计,从而解决大模型在课堂中的合理有效运用问题。针对中小学师生使用大模型遇到的诸如如何引导学生正确使用大模型、如何把控大模型的内容质量、如何规避大模型使用的伦理风险以及如何提高学生的批判性思维等问题,设计了基于三轮对话的T|BO-LRQET-P&R(简称LRQET)模型、学习提示单以及大模型的课堂教学应用模式。通过教育提示工程的理论设计学习提示单以助力师生的教与学。

以评促教:基于事理图谱的计算思维水平评价方法

计算思维是人工智能时代教育发展的核心目标,而监测计算思维状况、评价计算思维水平并据此提出计算思维培养的教学策略是当前“教-学-评”一体化教学改革下实现计算思维培养的重要路径。然而,由于计算思维的复杂性、抽象性和过程性,教师往往难以全面掌握和准确评价学生计算思维应用过程,更难以个性化了解学生的计算思维发展状况并据此提出教学干预策略。为此,从测评的视角出发,基于计算思维的本质内涵,结合新兴的事理图谱概念,构建基于事理图谱的计算思维评价方式。首先,设计面向计算思维的事件编码框架,利用iBCM算法实现事件关系抽取,生成事理图谱。然后,利用随机森林根据事理图谱对计算思维水平进行分类,并采用基于规则的事理图谱优化方法,完善iBCM提取出的特征模式,生成可视化的事理图谱辅助教学策略的调整与个性化的指导。基于此方法开展的实证研究表明,设计的模型在各项指标上都具有良好的性能效果。其结合了事理图谱所具备的事件逻辑深层次分析与推理的优势,为理解学习者的思维过程、抽取思维特征、探究思维模式提供了支撑和条件,助力教师培养学习者的计算思维提供路径指导。

青少年人工智能伦理教育的探索及启示——以MIT为例

随着人工智能行业应用的不断深入,其伦理问题日益凸显。《义务教育信息科技课程标准(2022年版)》明确指出要面向中小学生开展有关人工智能伦理的教育。鉴于国内外面向青少年的人工智能伦理教育尚处于起步阶段,介绍美国麻省理工学院(MIT)自2018年起在该领域的探索能为国内中小学校人工智能伦理教育教学实践提供一些启示。MIT青少年人工智能伦理教育涵盖小学、初中和高中三个学段,以初中和高中为主,涉及家庭、学校和社会三个场域,有专题式和内嵌式两种类型,形式上包括与中小学合作的线下STEAM选修课程、线上/线下的夏令营活动以及面向社会招募学生的混合式工作坊。梳理和反思MIT青少年人工智能伦理教育实践可以得到以下三方面启示:(1)高校可以与中小学合作开展青少年人工智能伦理教育的内容设计与教师培训;(2)中小学多学科教师可以尝试开展内嵌式青少年人工智能伦理教育设计与实践;(3)“家校社”应携手共建多样态多场域本土化青少年人工智能伦理教育生态。

风险社会视角下教育人工智能伦理风险分类框架研究

人工智能技术发展的不确定性和应用的广泛性,给教育教学带来智能化、便利性和高效率的同时,也可能带来技术滥用、数据泄密、侵犯个人隐私等伦理风险问题。如何对教育人工智能应用过程中非规律性、高频发性、系统性的伦理风险进行分类,已经成为当前学术界关注的焦点。基于贝克的风险社会视角,从教育人工智能伦理风险因素的内在联系出发,分析教育人工智能应用场景与伦理风险来源,提出建立教育人工智能伦理风险分类框架,归纳四种类型伦理风险,包括教育数据风险、机器算法风险、技术本体风险和教育应用风险等,并提出伦理风险防范策略,助力人工智能技术在教育领域的可持续健康应用。

家庭背景对大学生在线学习成效的影响机制研究——信息技术获取的中介作用

在线教育过程中优质教育资源共享带来的“公平”与信息技术获取缺失导致的“不公平”交织在一起,引起学者对在线教育公平问题的探讨和辨析。本研究以VanDijk的信息技术获取模型为理论基础,基于大学生在线调查数据,使用多元线性回归和非参数百分位Bootstrap方法分析了家庭背景对大学生在线学习成效的影响机制。研究发现:(1)不同家庭背景的大学生群体间存在多道数字鸿沟;(2)数字鸿沟会转化为教育结果鸿沟,家庭背景通过信息技术获取间接影响在线学习满意度和学习效果;(3)以动机态度和信息技术使用为代表的“新数字鸿沟”对在线学习效果的影响显著大于“旧数字鸿沟”。本研究加深了家庭背景这一结构性因素对在线学习成效影响机制的理解,揭示了在线教育不平等的机制。这为促进教育公平提供了新的思路和经验证据,同时也回应了信息技术对教育结果影响的争议。

研究生人机协同教学设计实践及效果研究

教学设计能力是教师需要具备的最核心能力之一,高校在培养未来教师教学设计能力的过程中仍存在教师反馈不足与缺乏个性化指导等问题。以ChatGPT为代表的生成式人工智能(GAI)为教师教育工作提供了全新的机遇和挑战。研究尝试探究GAI支持的高校科学与技术教育专业研究生人机协同教学设计的可能性和效果。39名选修了“科学与技术教育教学设计与实施”课程的研究生在课堂围绕科技教育主题开展人机协同教学设计实践,在GAI的辅助下完成了对初始教学设计的完善,之后基于师生反馈又对第二个版本的教学设计进行了优化。研究发现,三个版本的教学设计作品质量存在显著差异,GAI的辅助以及师生反馈对研究生教学设计作品质量提升有积极影响;在人机协同过程中,研究生会反思GAI给出的反馈,倾向与GAI进行多轮交互来获取有效的反馈;教师、同伴以及GAI在协同教学设计过程中扮演不同的角色,彼此有互补;大多数研究生希望未来还可以使用GAI辅助教学设计。基于已有发现,本研究提出三点建议:人机协同教学设计过程中应加强师生反馈对提升作品质量的作用;教师可以引导学生与GAI开展高质量对话;鼓励学生规范使用GAI。

面向设计类问题解决的大学生反思性学习模型构建及应用研究

反思是设计类问题解决的重要途径,参与迭代的反思性实践有助于学生解决设计类问题。针对目前各研究中反思性学习模型无法直接迁移至设计类问题解决情境、以及对学生的反思支持性因素考虑不足等问题,首先基于经验学习理论、转化学习理论及PST理论,结合设计类问题解决的本质与过程特点,构建了面向设计类问题解决的大学生反思性学习模型,然后以教学设计问题解决为例进行了模型应用及案例分析。研究发现,该模型可以用于指导反思性学习活动的设计以帮助促进设计类问题解决并提升设计作品的质量,模型的迭代应用可以促进学生设计类问题解决能力的提升,反思干预策略会影响设计类问题解决的思维过程。

心理生理学数据的教育应用:科学释义、实践探索与发展趋向

心理生理学数据逐渐成为多模态学习分析中重要的数据来源,为理解教育中错综复杂的认知情感机制提供了重要支持。心理生理学数据是人体受到情感刺激或认知加工时机体感知与应对情况的生理表征,能够解释行为、认知、情感等要素与大脑活动、循环系统以及激素释放的相互作用机理,可以被划分为神经系统数据、心血管系统数据、皮肤系统数据、感官系统数据四种类型。目前教育研究中使用较多的心理生理学数据包括心率数据、皮肤电数据、脑电数据、fNIRS数据以及眼动数据,并在应用情境、研究对象、任务主题、数据收集与分析以及研究结论等方面体现了心理生理学数据在教育研究中的实践探索与应用价值,但同时面临着数据采集准确性低、数据处理影响因素多、数据解释关系复杂以及数据伦理保护机制不健全等挑战。未来,随着智能感知技术与智能分析技术的不断成熟,基于心理生理学数据的教育研究将呈现采集设备专业化、实验研究情境化、多源数据融合化、实验设计精细化以及数据保护标准化等发展趋势,推动教育学、脑科学、心理学以及认知神经科学之间的交叉融合发展。

生成式人工智能赋能高校招生模式创新:价值逻辑、实现路径与潜在风险

生成式人工智能(AIGC)为数字化时代高校招生模式创新提供技术支持,赋能高校重塑招考目标、升级招生方式、更新招生内容和落实招生正义,提升高校招生的科学性与专业性。同时,AIGC所具有的开放源码、多模态模型、内容创作和生成算法等高阶智能功能可推动招生理念转为高校与学生的双向选择,招生考查方式走向多元工具融合并用,招生考查内容转向综合立体考查,招生指导迈向精准适配。然而,高校过度将AIGC引入招生工作亦会产生风险,包括主体异化下的招生偏见、效率逻辑下的考查工具单一、技术依赖下的考查内容泛化和数据共享下的教育数据泄漏等。应强化制度建设、推动招生考查技术研发、提升招生工作人员的智能素养等,以消解过度引入AIGC后可能引发的潜在风险。

智能群体多维感知机器人支持的人机协同研学教学模式--以“孔子”大语言模型会话机器人的研发与教学为例

在大语言模型教育应用中,人机会话反馈形式单一问题一直未得到较好解决,这严重影响了学生的高阶思维能力培养。开发具有智能群体多维感知能力的会话机器人,是解决这一问题的重要途径。为此,研究者以群体感知、同伴反馈和研究性学习理论为基础,利用文心一言、飞书开发平台和学习分析等技术,开发了智能群体多维感知会话机器人“孔子”,构建了人机协同研学教学模式。教学实验以“现代教育技术应用”课程为教学内容,采用准实验研究设计,邀请数学专业学生参与实验。结果表明,与直接使用文心一言的教学相比,人机协同研学教学模式能显著提升学生的问题解决能力、批判性思维能力、创新能力和外在学习动机,但对学习绩效、内在动机和协作学习能力效果欠佳。为了提高教学效果,研究者需提高多维感知评价精准性、感知维度全面性、情境学习多样性和教师教学技能。

基于社会认知网络分析的学习者协作问题解决能力发展研究

协作问题解决能力是21世纪数字公民应具备的核心能力之一,但目前尚且缺乏对学习者协作问题解决能力动态发展过程的探讨,需要融合多元方法提供更细粒度的分析。以学习者在教学初期、中期、后期三个时期的在线协作会话数据为分析样本,运用认知网络分析发现,学习者协作问题解决能力呈现出由低水平向高水平发展的过程;通过社会网络分析发现,参与者呈现出网络核心和边缘两种社会角色,且社会角色随时间会动态改变;社会认知网络分析结果显示,不同社会角色学习者的协作问题解决能力发展过程具有显著差异。基于研究结果,从在线协作环境、课堂教学策略以及教师专业发展三个方面给出建议。

微认证:重塑教师数字素养的新引擎--来自美国的个案分析

教师数字素养是推动我国教育数字化转型的关键软实力,其培训与评价应指向实践取向、循证决策,然而目前现实情况却不容乐观。微认证体现了工作场景和实践能力指向的发展性评价理念,耦合了教师专业发展的复杂实践性和自我反思性的特征。本研究以美国“数字承诺”平台开发的教师数字素养微认证项目为例,深入剖析项目运行的内在逻辑,按照明确参与主体、培训谁、为什么培训、怎样培训、如何保证持续有效的递进关系,总结出微认证促进教师数字素养提升的实践路径:“分工明确、各司其职”“基于角色、微观设计”“需求导向、能力为本”“依据规范、坚持循证”“系统规划、绩效管理”,以期为我国开展教师数字素养培训与评价提供启示和借鉴。

融入学生认知迁移的教学评价情感分析

数据驱动的学生学评教文本情感分析可为教师教学质量提供直接的评估结果,帮助教师提升自身教学能力。但学评教文本的情感较隐晦且存在多极化特征,导致情感分类模型难以挖掘学生客观真实的情感倾向。学生的隐性知识状态和认知水平影响其对课程的评价,融入学生认知状态的教学评价情感分析为解决评教文本情感冲突问题提供了思路。为此,本研究结合学生课程认知能力特征,构建了一个认知迁移的教学评价情感分析模型。该模型首先从学生学评教文本提取隐藏记忆信息,并从历史练习记录中提取认知能力向量;然后,将学生的认知能力迁移到学评教文本记忆信息中,得到认知迁移矩阵;为了进一步获取客观情感的表征,设计注意力机制,增强认知迁移矩阵中原始的文本记忆信息表征和认知能力表征;最后,融合两种增强表征作为情感特征,在学评教文本上进行情感分类。实验结果表明,所提模型能有效地对携带冲突性情感的学评教文本进行情感分类,可为教师了解课程教学情况及改进教学方法提供客观依据。未来可将该技术应用到智能化教学评价系统中,从而为新时代教育评价改革提供相应的技术支撑。