2022-07-18
国际教学设计研究发展二十年探微作者简介盛群力(通讯作者),教授,博士生导师,浙江大学教育学院课程与学习科学系,研究方向:教学理论与设计qlsheng57@126.com);陈伦菊,博士研究生,浙江大学教育学院,研究方向:教学理论与设计(11703005 @zju.edu.cn)。 摘要:教学设计学科由加涅 20世纪 60 年代创立。到 20 世纪 90 年代,第一代教学设计理论与模式进 入相对成熟期。为了跟上时代发展步伐,教学设计理论开始转型,在教学设计、学习科学、教育技术以及教学 实践等领域快速发展,尤其是首要教学原理、首要学习原理、综合学习设计、意义学习设计、认知负荷理论、教育目标分类、学习方式分类、四维整合模式等将教学设计研究推到新的高度。国际教学设计研究发展 20 年 的特征是老骥伏枥,老树新花;新人迭出,多点中心;扎根实验,应用为先;理论多样,有容乃大。教学设计的 转型已经完成,未来将继续面向社会发展需要深化理论,强化应用,为教师提高教学育人质量服务。 关键词:教学设计;学习科学;教育技术;学科发展 一、引言教学设计学科的创立者是罗伯特•加涅(Robert Miles Gagné)。1965年,加涅出版了《学习的条件》;1974年,加涅和布里格斯合作出版了《教学设计原理》(Gagné,1965;Gagné et al.,1974)。到20世纪80-90年代,以加涅为代表的第一代教学设计理论已比较成熟。加涅曾获得过教育心理学桑代克职业成就奖(1974)。加涅的“学习条件论”、罗米索斯基(Alexander J. Romiszowski)的“系统设计论”、梅里尔(David M. Merrill)的“成分呈现论”、赖格卢特(Charles M. Reigeluth)的“精细加工论”、凯勒(John M. Keller)的“动机设计论”、兰达(Lev N. Landa)的“算启教学论”、巴纳西(Bela Heinrich Banathy)的“宏观设计论”,考夫曼(Roger Kaufman)的“需求分析论”等都是第一代教学设计理论的典型代表。教学设计的转型大体是从20世纪90年代初开始的。1990年,加涅和梅里尔联合发表论文《教学设计的综合目的》,强调当教学从单一主题或者课时设计走向单元、章节或者学科设计时,就需要有综合性学习目标。这种学习可以称之为从事一项“事业”(an enterprise)。教学活动要致力于将各种单一的教学目标整合为“事业图式”,具体分为“表征、展示和发现”(denoting, manifesting, and discovering),以便发挥教学促进学习迁移的作用(Gagné et al.,1990)。1990年,梅里尔等人(Merrill et al.,1990a;1990b)发表论文,指出第一代教学设计主张的局限性,并提出第二代教学设计的基本主张。1996年,梅里尔(van Merrill et al.,1996)以及第二代教学设计团队发表了复兴教学设计的宣言。1997年,荷兰教学设计专家范梅里恩伯尔(van Merrienboer,1997)用英文写作并在美国出版了《掌握复杂认知能力》一书。此书出版后,梅里尔立即给予极高的评价,认为其开创了教学设计的新征程。不过,教学设计真正开始转型可以从2002年算起。这一年,梅里尔(Merrill,2002)发表了《首要教学原理》一文,范梅里恩伯尔(van Merriënboer,et al.,2002, 2018)发表了《综合学习的蓝图:四元教学设计模式》。这些标志着教学设计开始了实质性转型。那么,国际教学设计研究的文献数量以及研究队伍的代表人物有哪些?研究的主题有哪些?取得了哪些重要的理论或模式?二、教学设计发展代表人物分析 本研究通过WOS数据库核心合集,以“instructional design”为检索主题,以2001-2021年作为时间跨度,截止日期为2022年1月16日,共获取4888条原始文献记录;利用文献计量软件CiteSpace对原始文献记录去重处理后获取有效文献记录4779条;之后,再对文献数据集进行可视化分析,获得教学设计研究的发文变化趋势:2000-2008年间呈缓慢增长趋势,发文量保持在60-120篇之间。2009年起,研究文献快速增长,年发文量在200篇以上,尤其是2016年后,年发文量维持在400篇以上。可见,教学设计仍是教学研究的热点。统计显示,2001-2021年间发文文献累计最高被引量为792次,核心作者发文累计最低被引量为21.07,即最低被引21次以上的为核心作者,共198人。他们共同构成了核心作者群。文献被引量高于150次的作者共23人(见表一),其中既有传统的经典教学设计理论先驱人物,如《教学设计原理》(被引336次)的作者加涅、《系统化设计方法模型》(被引220次)的作者迪克(Dick),也有深受欢迎的多媒体学习理论和认知负荷理论专家,如梅耶(Mayer,被引次数第一,792次)、帕斯(Paas,被引662次)、斯维勒(Sweller,被引652次)以及综合学习设计的领军人物范梅里恩伯尔(被引486次)。可以说梅耶、帕斯、斯维勒、乔纳森(Jonassen)、范梅里恩伯尔、赖格卢特(Reigeluth)、梅里尔(Merrill)、加涅和基尔希纳(Kirschner)等都是核心作者群的关键人物,也代表了当下有影响力的教学设计理论流派。最近20年教学设计理论的发展,成果之丰富,队伍之壮大,远远超过人们的预期。依据23个高被引作者的数据以及其他资料,本研究拟对以下八位教学设计代表人物重点分析。(一)老树新枝:教育目标分类重大突破 学习结果分类或者教育目标分类一直是教学设计或教育理论研究的重点。加涅提出五种学习结果——言语信息、智力技能(区分、概念、规则和高级规则/问题解决)、认知策略、态度和心理动作。布卢姆的认知目标分类学涉及知识、领会、应用、分析、综合和评价六种水平,在情感领域和心理动作领域也作出了相应的分类。布卢姆分类工作历时十年(1956-1965年),产生了巨大影响。加涅的学习结果分类和布卢姆的认知目标分类都是同一个维度,前者重结果类型,后者重水平等级。那么,能不能把两者结合起来,既重视学习结果性质——学习什么样的知识和能力,又重视学习结果水平——掌握到什么程度,这是研究的突破口。在这一领域进行开拓尝试的是梅里尔。他在20世纪80年代提出“成分呈现理论”,将学业水平和教学内容进行二维分类。梅里尔(Merrill,1983)将学业水平分为记忆、应用、发现,将教学内容分为事实、概念、程序、原理。这种二维分类可以说是借鉴了加涅和布卢姆分类的优势,将原来各自注重的一个维度——学习结果和学习水平——转向了两个维度。布卢姆的教育目标分类修订工作自20世纪90年代初开始,历时十年余,于2001年出版了修订版。修订工作除得到原来的合作伙伴克拉斯沃(David R. Krathwohl)的积极协助外,具体领导这项工作的是课程专家和教师教育专家安德森(Lorin W. Anderson)。教育心理学专家梅耶也积极参与,甚至承担了修订版教育目标分类学专著的最重要两章——认知过程维度和知识维度的执笔任务。这足以显示梅耶的学习科学研究对教育目标分类学修订作出的贡献。布卢姆的认知目标新分类将认知过程分为六种水平:记忆、理解、应用、分析、评价和创造;将知识类型分为四种:事实性知识、概念性知识、程序性知识和元认知知识。认识过程维度和知识维度一起组成了矩阵,帮助教师合理定位学习结果和教育目标(Anderson et al.,2001)。很显然,布卢姆的修订版分类同梅里尔的分类非常接近,思考问题的方式几乎一致。可惜的是,梅里尔的这一创造性贡献一直没有得到应有的重视,甚至布卢姆修订团队在新的分类中也未曾提及梅里尔分类给予的启发。这造成的结果是人们都说布卢姆分类修订版增设“创造”认知水平,对重视培养创造性人才贡献巨大,却不清楚布卢姆修订版为什么要将原来认知水平的“知识”单列为一个维度——“知识维度”,将不同年级、不同学科(专业)的教学内容分为四类知识。这一缺憾实际上给布卢姆认知目标新分类学在课程、教学、评估、教研以及教师专业发展等领域的应用带来了偏差。许多人在制定课程目标或者教学目标仅考虑一个知识水平维度,而忽略了区分知识类别和学生高阶能力的培养。结合学科、年级和教材区分知识类别的教学,有助于减少死记硬背和机械操练,从而减轻学习负担。(二)另辟蹊径:应用学习科学不同凡响 梅耶是当代国际顶尖的教育心理学家和学习科学家。多年来,梅耶获得各种研究奖励,包括桑代克教育心理学职业成就奖、斯克里布纳(Silvia Scribner)学习和教学研究优秀奖、乔纳森教学设计和技术领域卓越研究奖以及心理学教育应用和培训杰出贡献奖。梅耶被《当代教育心理学》杂志评为世界最有成效的教育心理学家,在Google学术搜索中是引证排名第一的教育心理学家。如果考察教学设计的发展只要了解那些被纳入教学设计学术共同体的专家有哪些新的进展,梅耶等人的研究不会被纳入到教学设计阵营去,毕竟他们的研究大多涉及学科交叉和学科融合。事实上,梅耶一直担任加州大学圣芭芭拉分校心理学和脑科学教授,对教学设计的发展做出了卓越贡献。2010年,梅耶出版了《应用学习科学》专著,这是他获得教育心理学桑代克职业成就奖、心理学教育应用和培训的杰出贡献奖后的又一巨作。该书出版后,梅里尔教授专门写了书评,称赞这是一本迄今为止最好的教学设计类图书。梅耶的研究兴趣是将学习科学应用于教育,帮助人开展学习,以便将所学的知识迁移到新的情境中。他的研究落在认知科学、教学和技术的交叉点上,目前主要研究学习策略、多媒体学习、计算机支持的学习和计算机游戏学习等。加涅的教学设计理论属于学习条件理论,主要体现在三个方面:五种学习结果分类、信息加工模型和九大教学事件。梅耶在这三大方面都取得了重要突破,真正发展了教学设计理论。1.如果说加涅在20世纪70-80年代提出了“为学习设计教学”,那么,梅耶(Mayer,1999)在世纪交替之际鲜明地提出了“为意义建构学习设计教学”。梅耶总结的意义学习、建构学习同时也是生成学习的三条基本原理:双重通道原理、容量有限原理和主动学习原理,可以作为教学设计最重要的原理。2.梅耶在加涅的信息加工模型基础上,经过多年探索,提出了以感觉记忆、工作记忆和长时记忆为框架,同时有元认知和动机支撑的“人类记忆与学习的信息加工模型”。后来,他将该模型扩展为“多媒体学习模型”和“生成学习模型”(Fiorella & Mayer,2015)。与生成学习模型配套的有八种生成学习策略;与成功学习习惯配套的有20种学习习惯(覆盖八种学习策略)(fiorella & mayer,2005)。3.梅耶对学习结果分类的贡献有目共睹。除了参与布卢姆的新分类外,梅耶自己还将学习结果的知识类别分为五种:事实、概念、程序、策略、信念。这里将动力因素也包括进来或者单列了。4.梅耶研究时间最长,花费精力最多的是多媒体教学。他一直致力于探讨如何多媒体条件下取得最佳的教学效果。他通过100多项实验验证了十余条多媒体学习(数字化学习、在线与网络学习)原则,包括在多媒体学习中减少外部加工原则(前后一致原则、提示结构原则、删除冗余原则、空间邻近原则、时间邻近原则)、在多媒体学习中管控基本加工原则(切块呈现原则、预先准备原则、双重通道原则)、多媒体学习中促进生成加工原则(个性特征原则、原音呈现原则、图示形象原则、形象在屏原则、沉浸投入原则、生成活动原则)等(Mayer,2021)。(三)一枝独秀:学习方式分类终结硕果对学习方式(包括教学策略研究,多媒体教学原则研究等)进行分类,是许多教学设计理论持续探讨的话题。其中,综合学习设计的四种学习方式、首要教学原理的四种学习方式、生成学习模式的学习策略和学习习惯等是典型代表。不过,将学习方式进行单独分类,却是由一位认知科学家完成的。国际著名认知科学家季清华(Michelene,et al.,2014)教授经过几十年的实验研究,2009年提出了“主动学习理论”,2014年又总结为“ICAP学习方式分类学框架”,并于2015年获得美国心理学会颁发的教育心理学职业成就奖,2019年获鲁姆哈特奖(被誉为认知科学诺贝尔奖)。ICAP学习方式分类学将学习分为被动学习、主动学习、建构学习和交互学习。每种学习类型的心理机制不一,得到的学习结果也有差异。建构学习和交互学习是深度学习,达到自我生成和协同创新的高度。这一研究表明,越投入,越参与,越沉浸,就越有能力和素养(盛群力等,2017)。季清华(Michelene,et al.,2018)的学习方式分类学研究现已被转化为教师教育课程内容,教师被要求熟悉这一模式,并将其运用于学科单元设计中,能够总结运用效果,撰写相关应用报告。不同学校和不同学科的许多专业人员和教师正在对ICAP学习方式分类学开展验证研究。(四)跨界高手:聚焦学习设计宏图大展乔纳森是一位德艺双馨的教学设计理论家,其研究范围广,在教育技术学和教育心理学两个学科贡献非凡。他聚焦学习研究,在问题解决(包括决策、推理、案例、故事等)、建构主义学习环境、知识呈现与表征、技术与认识工具、任务分析等方面作出了巨大贡献,全面影响教学设计研究。乔纳森共编写37本著作,发表了182篇期刊论文,参与编写著作章节67篇以及其他形式的出版物。他的突出成就是独立主编了《教育传播与技术研究手册》第1版和第2版(每版都有1500多页)。1.提出学习结果分类并将之与教学策略相匹配(Jonassen et al.,1996)。乔纳森对学习结果的分类实际上反映了心理学研究强调复杂的、非良构问题的解决这一取向。另外,这一分类的另一个特点是它不仅适应于复杂的认知任务,也将认知、元认知、情意等学习结果加以综合考虑。具体来说,新的分类在结构化知识、心理模式、情境性问题解决、扩展技能、自我知识、执行监控和情意品质等方面都有独特见解。2.开展问题分类研究。乔纳森将问题分为良构问题和非良构问题两类,具体包括逻辑问题、算法问题、故事情境问题或应用题、运用规则问题、作出决策问题、排除故障问题、诊断-解决问题、运用策略问题、案例分析问题、设计构思问题和两难推论问题等,并提出了良构问题和非良构问题的教学设计步骤。当然,良构问题和非良构问题不是割裂的,而是代表连续统一体的两个端点。任何问题都可以在这一连续统一体中找到它相应的位置,主要依据问题的复杂性、目标状态的明确性、评价标准、问题领域所需技能的熟练程度、可能的解决方案及其解决路径的数量等而定。3.提出“意义学习分类学”。这一分类学将以往的研究综合为“意义学习模式”(a model of meaningful learning)(Jonassen,2007)。乔纳森认为,知识有两类:一类是学习者头脑中的知识,另一类是外部世界的知识。知识分布在不同环境中且镶嵌在学习工具中,也体现在学习者共同体的对话和协商中。处理好两类知识的关系,重要的是要创设有意义的学习环境。根据意义学习的特征,乔纳森认为应该将学习者看成是一个主动探究的、有目的的、善于对话的、反思的和有扩展能力的个体。这样的学习者是知己知彼的,有自我调节能力的。4.很长一段时间内将研究成果聚焦于创设建构学习环境。建构学习环境中的学习活动包括探究、表现和反思,相应的教学活动为示范、辅导和支持。乔纳森由此构建了建构学习环境框架。2013年,乔纳森(Jonassen,2013)在斯皮克特尔(Spector)主编的著作中撰写了一章“首要学习原理”。这是他对梅里尔“首要教学原理”的呼应。他说梅里尔研究工作一直聚焦于“知道如何去学”与“知道学什么”,主张的五项学习原理是:围绕一个问题(problem)、分别开展类比(analogizing)、建模(modeling)、推理(reasoning causally)和论证(arguing)。“首要教学原理”和“首要学习原理”可以看作是梅里尔和乔纳森各自研究成果的“缩影”(epitome)。(五)踏浪新歌:综合学习设计勇立潮头范梅里恩伯尔是第二代教学设计理论创立者中最年轻的专家,却是一位领军人物。他1997年出版的专著《掌握综合认知技能》,引起了教学设计界的震动。梅里尔对此书的评价是:加涅的理论是建基于20世纪60-80年代的各种先进理论,范梅里恩伯尔的理论是对20世纪80-90年代各种最佳理论的综合。十年后,范梅里恩伯尔出版了姊妹篇《综合学习设计的十个步骤》(与基尔希纳合作),将综合学习设计的操作程序作了探讨,2012年和2018年先后出版了第2版和第3版。1.人通过建构和熟练认知图式开展学习,并能对学习过程进行调控(自我调节学习)。因此,基本的学习类型有三种:图式建构型学习、图式熟练型学习和图式调节型学习。图式建构可以进一步分为归纳学习和精细加工两种。前者指从具体经验中进行抽象,实现认知图式建构;后者指通过将长时记忆中原有的知识和新知能进行联系,实现认知图式建构。图式熟练型学习还可以细分为知识编辑和强化两种。知识编辑指通过图式建构达成图式的初步熟练,形成“认知规则”[如果······(条件),那么······(行为)];强化指经过长期反复练习后形成更高水平的图式熟练度。调节型学习主要包括监察和调控两个方面。监察通常指学习者关于自身学习的元认知思维。调控指学习者如何回应环境,或者如何基于自身的元认知思维调适行为。2.综合学习(complex learning)的特征是,整体化目标植根于不同学习领域,包括陈述性知识或概念领域、程序性知识或技能领域(包括感知和心理动作技能),以及情感或态度领域。因此,综合学习指同时发生图式建构(归纳和精细加工)、图式熟练(知识编辑和强化)和态度形成。综合学习的结果旨在实现迁移,即培养将已学到的知能应用到陌生问题或新情境中的能力。其主要假设是,综合学习可以产生高度整体化的知识库,在相互联系的认知图式中得以组织,由此促进迁移。3.在整体化知识库中,熟练图式有助于完成迁移任务中熟悉的部分。迁移无非是已经获得的熟练图式应用于完成迁移任务的常规方面。这就是“相同(熟练)知识之相同应用”,也就是学习任务和迁移任务之间含有熟练的图式或“共同要素”。在整合化知识库中,概括或抽象的图式可以使学习者在一般意义上理解新情境,并根据这种一般性理解采取行动。这就是“相同(一般)知识的不同应用”,也就是概括和抽象的图式可以使任务执行者能够解释迁移任务中的陌生部分,找到解决方案。毋庸置疑,当熟练图式专注于迁移任务的常规方面时,完成任务会更高效,以便腾出更多的资源用以解释图式,帮助理解任务中陌生问题解决的因素。4.四元教学设计(4C/ID)是面向综合学习的一种教学设计方式,旨在培育综合技能和专业能力。其基本假设是,综合学习的教育方案通常包含四个元素,针对四个基本学习过程:1)学习任务促进归纳学习;2)相关知能促进精细加工;3)支持程序促进规则形成;4)专项操练有助于强化规则。学习任务是教育方案的基石,其他三个元素都和这一基石相关,由此形成综合学习设计基本框架(见表二)。(六)百尺竿头:首要教学原理精益求精戴维•梅里尔既是第一代教学设计的核心人物,又是第二代教学设计理论的领军人物。其代表性著作是《教学设计理论》(1994)和《首要教学原理》(2013年第1版,2020年修订版)。梅里尔毕生致力于寻找效果好、效率高和参与度强的教学方式(e3 Instruction),为教学科学与技术事业的发展作出了重大贡献,为教学设计描绘了最绚烂的彩虹!梅里尔至少涉及三个重要的理论发展。“成分呈现理论”(Component Display Theory)将学习分为两个维度:内容类别和学业表现(content and performance)。前者包括四个类别:事实、程序、概念和原理,后者包括记忆、应用和发现。“基本呈现形式”(primary presentation forms,PPF)由内容(事例与通则)和呈现(讲解与探究)组成。这样就构成一个二维矩阵,讲解性通则(概括)、探究性通则(回忆)、讲解性事例(列举)和探究性事例(练习)。成分呈现理论和基本呈现形式可用于设计认知领域任何水平的教学,为计算机辅助学习系统的课程设计提供基础。“教学交易理论”(Instructional Transaction Theory)是一种基于计算机的教学设计。教学交易是一组算法,也是学习互动的模式,旨在让学习者获得某种知识或技能。这种理论具有三个组成部分:知识描述理论、策略描述理论和教学设计描述理论。教学交易理论被认为是第二代教学设计理论,扩展了加涅的学习条件理论。“首要教学原理”包括一组相互联系的原理:聚焦问题/面向任务开展教学,依次经历激活旧知、示证新知、应用新知和融会贯通。首要教学原理发展了学习内容与学业表现分类,将内容维度(记忆联想、识别部分、分类概念、执行程序、理解过程)与教学方式(讲解、答问、展示、练习)进行匹配。首要教学原理还采用“波纹环状教学设计”,重点突出问题解决为中心的教学设计程序和以扶放有度为特征的教学活动序列。(七)融汇百家:四维整合模式应声落地近40年来,赖格卢特(Charles M. Reigeluth)一直致力于建构教学设计理论,为奠定学科基础、勾勒学科基本理论和完善共通知识库不遗余力,出版了《教学设计的理论与模式》1-4卷。第1卷(1983)提供的是一张“快照”,展示了20世纪80年代初教学理论的发展现状,形成教学理论意识;第2卷(1999)是对面向信息时代的教学理论新范式在20世纪90年代取得的成就作出检阅,主要目的在于如何提供学习者中心或者因人而异的学习体验,以促进人的学习与发展。教学理论取得了长足的进步且日益体现出其应有的价值;第3卷(2009)旨在构建教学理论的共通知识库,推动教学理论建设深入发展,强化教学设计理论建设本身的总结和反思(包括探讨教学理论的框架和构建共同知识库的工具等),同时继续沿着面向不同教学方式(直接教学方式、讨论教学方式、体验教学方式、问题教学方式和模拟教学方式)和面向不同教学结果(技能发展、认知理解、情感陶冶和综合素养)两个教学设计的最主要方向集中攻关。第4卷(2017年)关注从师本教学范式转向生本教学设计理论、评估与课程的一体化,旨在探索促进人的学习与发展的有力方式,寻找在各种不同学习情境中满足不同学习者需求的创新方式。赖格卢特创立的教学设计理论是“精细加工理论”(与梅里尔合作),主要涉及教学内容的宏观组织策略,包括选择、排序、综合和总结四个方面。精细加工理论突出了概念、程序和理论三种学习结果的精细加工教学。赖格卢特和安润贞(Reigeluth & An,2021)新近合作出版了《四维整体模式:教学设计过程与生本中心理论的融合》一书。该书将教学设计过程与以学习者为中心的理论相结合,将以前划分的两个过程:学习设计策略/理论和教学系统开发融为一体,采用包括顶层、中层和底层设计在内的整体方法,为主要论题的开发和呈现提供了指导,也为下一代教学设计师提供了崭新的视角。《四维整体模式》最显著的特点包括:1)整体设计过程;2)分析/设计/评价循环和配套模板;3)整合多种教学设计理论;4)兼顾掌握主题与任务专长;5)整体教学排序;6)生本中心教学;7)提供非教学干预;8)快速原型设计;9)提供教学与示证两类目标;10)结果评价与过程评价统一。(八)异军突起:认知负荷理论独领风骚认知负荷理论(Cognitive Load Theory,CLT)虽然是以斯维勒(John Sweller)为代表,但他不是一个人在战斗。认知负荷理论起源于20世纪80年代,20世纪90年代以来逐渐成为教学设计研究的重要阵地。从一定意义说,众多教学设计和学习科学专家的研究都带有认知负荷理论的烙印,甚至可以说对认知负荷研究直接作出了贡献,像范梅里恩伯尔团队、梅耶团队等都是如此。一直到2011年,斯维勒才出版了《认知负荷理论》专著。要指出的是,斯维勒(Sweller,1999)在总结认知负荷理论前,就先写了一本教学设计专著《面向专业领域开展教学设计》。这本专著同传统的教学设计套路相去甚远,走的是一条认知负荷新路。其主体涵盖了与教学设计相关的认知架构、认知负荷理论、与学习解决问题相关的教学设计,以及混合视听材料。斯维勒(Sweller,2016)提出的响亮口号是“设计教学旨在促进学习和解决问题”“认知负荷理论的最终目的是提高教学效果,进而提出教学建议”。斯维勒等(Sweller et al.,1998)1998年联合发表论文的《认知架构与教学设计》标志着认知负荷研究渐入佳境。2003年,帕斯等(Pass et al.,2003)发表了《认知负荷理论与教学设计:新近发展》,2019年,斯维勒等(Sweller,2019)又联名发表《认知架构与教学设计:20年后》。卡柳加、钱德勒、莫雷诺、帕斯、伦克尔、艾尔斯以及基尔希纳(Kalyuga,Chandler,Moreno,Paas,Renkl,Ayres,Kirschner)等一批来自不同国家(澳大利亚、荷兰、美国、德国、英国等)的专家,从不同视角探讨认知负荷理论,包括认知负荷的性质与类别、人类认知架构、认知负荷测量、应对认知负荷的教学原则(效应)等。梅耶(Mayer,2010)曾在《探寻一种教学科学》一文这样说道:“教学设计应该以如何开展教学的理论为指导,即教学方法如何影响学习过程的理论。这是教学科学的核心前提。”他引用斯维勒的观点指出:认知负荷理论是这一领域最具影响力和研究最充分的教学理论之一。1.认知负荷是从人的认知架构特征启动研究的。人从外部环境接受刺激,将信息带入工作记忆。思考这些新信息并将其与先前知识联系起来,有助于将新信息转移到长时记忆。如果没有发生这一过程,信息就会从工作记忆中丢失和遗忘。一旦进入长时记忆,人们就可以根据需要“记住”信息,但也可能由于使用不足,从而失去检索能力,遗忘这些信息。毕竟长时记忆的容量是无限的,工作记忆是有限的。每当我们感到困惑,或觉得大脑因为太多的想法要爆炸,这都是因为有限的工作记忆容量正在超载。在认知负荷理论中,“认知负荷”一词代表任何占用工作记忆容量的东西。人通过组块化和自动化减少工作记忆的负荷。组块化主要针对概念性知识,自动化主要适合程序性知识(Lovell,2021)。2.认知负荷理论将认知负荷分为三类:内部认知负荷、外部认知负荷和关联认知负荷(intrinsic,extraneous, and germane cognitive loads)。内部认知负荷与学习相关,是学习任务本身带来的负荷,是希望学生的工作记忆被占用的负荷。外部认知负荷源于信息的呈现方式和结构,是教师应尽量减少的认知负荷。关联认知负荷指学习所需的认知负荷,用于处理内在认知负荷而非外在认知负荷占用的工作记忆资源。用于处理外部认知负荷的资源越多,用于处理内在认知负荷的资源就越少,学习的东西也就越少。从这个意义上说,内在认知负荷和关联认知负荷是紧密交织的(Plass et al., 2012)。最重要的是,学习者所经历的全部认知负荷是内部负荷和外部负荷的结合。换句话说,如果要进行学习,内部、外部和关联认知负荷加起来不能超过工作记忆的容量。这就解释了为什么认知负荷理论的核心建议是减少外部负荷,优化内部负荷和适配关联负荷。只有通过减少外部负荷和适配关联负荷,才能释放出工作记忆资源,将其分配给内部负荷,提高学习效果。3.认知负荷理论的一个假设是区分生物学原发知识和生物学次生知识(biologically primary and biologically secondary knowledge)。认知发展和进化心理学家大卫·吉尔里(David Geary)指出了这两种知识之间的区别。认知负荷理论研究者建议,教学应着重于生物学次生知识,因为生物学原发知识是无法教授的。生物学原发知识大多是一般领域技能,它是在广泛的任务中适用和可广泛迁移的一般能力。生物学次生知识主要是专门领域的技能和知识,只在特定方面适用。在某一专门领域新手和专家的主要区别在于,专家拥有更多相关领域的特定知识。4.目前专家一致认可的减轻认知负荷策略或者原则有17种,包括自由目标效应、工作样例效应、任务补全效应、注意分散效应、感觉通道效应、变式区分效应、要素交互效应、专长逆反效应、从扶到放效应、瞬态信息效应、自我管理效应、自我解释效应、想象演练效应、孤立元素效应、集合工作记忆效应和人体运动效应。这些原则经过20多年的澄清与完善,印证了认知负荷的内涵:建立在人如何学习知识之上的一组教学建议。 三、教学设计研究发展的特征分析(一)老骥伏枥,老树新花加涅、迪克、维果斯基、班杜拉等前辈专家,引领着学习科学和教学设计的发展。加涅的《教学设计原理》等专著还在继续修订,迪克的经典教学设计教材《系统设计教学》五年左右修订一次。由第一代教学设计专家罗斯维尔(William J. Rothwell)等人编写的《掌握教学设计过程:系统方法》,2015年出版了第5版。另外,第一代教学设计代表人物罗米索斯基、兰达的学术影响犹在。罗米索斯基的代表作《设计教学系统》,虽然没有修订,但是出版社一直在重印和数字化重排。和迪克一起合作编写教学设计教材的瑞泽(Robert Reiser),最近十几年主编的《教学设计与技术:趋势与论题》,已成为北美大学普遍采用的研究生教材,2017出版了第4版。布卢姆和安德森对教育目标新分类的研究,既体现了老树新花结硕果,也是老一辈专家与中青年专家合作的典范。赖格卢特的新作《四维整合模式》及其主编的《教学设计的理论与模式》第三卷和第四卷都体现了专业引领、专业合作和传承的特点。梅里尔的“首要教学原理”,迄今已二十年,结出了累累硕果,影响着一大批中青年学者接棒开拓。(二)新人迭出,多点中心教学设计近二十年的发展,与教学设计新生代的加入是分不开的。这里的新人,是指新生力量。这说明,我们不能仅仅从学科建设方面看哪些“老人”有新著作,哪些教学设计教材又有修订,而是要聚焦学习科学(教育心理学)、教育技术学、课程理论和教学理论以及在广阔教学改革和教学实践中涌现出来的新的研究成果。本文因篇幅有限没有提及或展开论述的哈蒂(John Hattie)的“可见学习模式”、马扎诺(Robert J. Marzano)的“新教学艺术与科学”、维金斯和麦克泰(Grant Wiggins and Jay McTighe)的“理解为先教学”以及费希尔和弗雷(Douglas Fisherand Nancy Frey)的“扶放有度教学”等,都是教学设计研究新人迭出的表现。第一代教学设计基本上以美国为中心,在美国萌芽、创立和发展。美国学者在第二代教学设计理论研究方面继续担任中心角色,像梅耶、梅里尔、赖格卢特、安德森、季清华,乔纳森、弗雷、斯滕伯格、凯勒、威金斯、马扎诺、罗森海因(Barak Rosenshine)和菲德尔(Charles Fadel)等,都在继续引领担纲。不过,教学设计研究的中心不是一花独秀了,而是迎来了百花齐放。范梅里恩伯尔、基尔希纳、帕斯等来自荷兰;斯维勒和哈蒂(John Hattie)来自澳大利亚;希尔(Norbert M. Seel)来自德国;埃里克森(Lynn H. Erickson)来自加拿大;克莱斯顿(Guy Claxton)来自英国。此外,联合国教科文组织和OECD等国际组织也积极参与。在这20年中,中国的教学设计研究也开始有了自己的声音,学科建设和研究工作走上了正轨。(三)扎根实验,应用为先新的教学设计理论大部分有科学实验的根基,是从科学实验中总结和提炼出来的,综合学习设计、认知负荷理论、多媒体学习原则等是典型的代表。脑科学的发展对教学设计理论产生了重要影响。科恩说:我实验室的研究重点是认知控制的神经生物学机制。认知控制是引导注意力、思想和行动与目标或意图保持一致的能力。神经科学的基本谜团是,这种协调的、有目的的行为能力是如何从大脑数十亿神经元的分布活动中产生的。我们至今仍然对如何产生认知控制知之甚少。另外,“通用学习设计”将知识分为三种,并与大脑的部位对应。“理解为先教学模式”3.0版将“教学升级”同脑科学的应用,尤其是快乐中枢联系起来。认知负荷研究的重点是工作记忆和长时记忆的运作机制,并在此基础上提出不同的教学原则。教学设计20年发展也体现了回归初心,回归实践,更加重视应用的特征。它作为一门学科是从20世纪60-70年代逐渐确立起来的,其源头和二战的军事培训效率有关。但教学设计在发展过程中,也陷入了学科自大或者学科自诩的窘境。加涅的教学设计理论很完备,但应用起来困难,许多教师阅读加涅的著作感到吃力;梅里尔的成分呈现理论、凯勒的动机设计理论等在实践推广中都遇到了瓶颈。所以新的代表性教学设计模型,如综合学习设计,十分注重同职业能力培养和现实问题解决联系起来(以至于很多人认为综合学习设计是面向职业教育的理论);首要教学原理的特色是梅里尔将原来高入云端、让人不得要领的“成分呈现理论”通俗化,直接面向实际应用——包括各级各类学校教学和培训事业。赖格卢特在中小学开展了十年学校系统改革的基础上,总结提炼出“重塑学校”模式(宏观教学设计)和一般教学设计模式(四维整合模式)。教学设计是面向应用的,一大批在教学实践和教学改革中总结提炼出来的教学设计模式,如理解为先教学、新教学艺术与科学、扶放有度教学是其突出代表。这些来自于教学实践,受到教师广泛欢迎的教学设计模式,同综合学习设计、首要教学原理、四维整合模式、认知负荷理论和多媒体教学原则等一起构成了教学设计转型的标志性成果。(四)理论多样,有容乃大二十年来,教学设计的模型不断得到完善和修补,以适合时代变革的需要。但教学设计20年的发展更多地体现为一般教学设计模型的再造。这种再造不是对ADDIE模式的修修补补,还是超越了加涅的教学设计思想,体现为一种颠覆性的重生。代表性模型是综合学习设计、首要教学原理和四维整合模式。它们突出了整体设计、教学面向任务和聚焦问题,推进教学走向学习迁移。教学设计理论多样化,将重点置于研究高阶能力和问题解决,不再将线性任务分析作为重点分析对象,片段化、零碎化的机理不受青睐,线性模型不再风光,取而代之的是波纹环状模型、迭代演化模型等,也是教学设计理论的重大转变。这种转型不是简单地说从认知主义转向建构主义,也不是单一媒体转向多种媒体,而是为促进有意义学习、生成学习、建构学习、项目学习、综合学习、任务学习的发生而设计教学(这是面向概念、规则、原理、过程、策略和动力的学习)。 (开放教育研究 2022-07-04 08:13 发表于上海)
2022-07-14
智能技术赋能新时代综合评价:挑战、路径、场景及技术应用作者:刘邦奇,讯飞教育技术研究院院长,西北师范大学教育技术学院教授。刘碧莹,科大讯飞教育技术研究院初级教育技术研究员。摘要:顺应新时代“智能+”发展趋势,探索利用智能技术健全综合评价,已成为教育评价改革发展面临的重要命题。当前教育综合评价在指标构建、数据采集和处理、结果应用等方面还存在诸多现实问题,影响综合评价的科学性和有效性。为探讨智能技术赋能综合评价的路径,围绕综合评价的4个重要环节,即综合评价指标模型构建与优化、全域评价数据采集与汇聚、综合评价数据深度挖掘分析、综合评价数字画像建立与应用,探讨各环节中关键场景的技术应用,为智能时代深化教育评价改革、实现“健全综合评价”目标提供路径参考。关键词:数字化考试;智能技术;教育评价改革;综合评价中共中央、国务院印发的《深化新时代教育评价改革总体方案》(以下简称《总体方案》)明确提出“健全综合评价”“完善学生综合评价体系”等要求。综合评价注重对评价对象进行全面性、整体性评价,是对唯分数、唯排名、唯升学率等片面化评价的纠正与改进。充分利用智能技术优势,开发智能化评价工具和产品,提高综合评价的科学性、客观性、有效性,创新智能技术赋能的综合评价模式,是深化新时代教育评价改革的重要命题。1 新时代综合评价面临的问题与挑战1.1 综合评价的发展背景与特点 综合评价起源于20世纪80年代初期,当时的中国经济统计学界就经济效益综合评价问题展开了广泛研究与热烈讨论[1]。之后,综合评价在教育领域得到广泛应用,主要用于教育复杂性问题的分析、论证及价值判断。建立客观、多元、开放、综合的教育评价体系是新世纪全球教育评价改革的趋势。国际教育成就评价协会(The International Association for the Evaluation of Educational Achievement, IEA)倡导开展多维、综合评价[2]。世界各国积极探索实践,形成了国际学生评估项目(PISA)、国际阅读素养 进步研究(PIRLS)、国际数学与科学趋势 研究项目(TIMSS)、国际成人能力评估调查(PIAAC)等国际知名教育评价项目,评价工具由单一的纸笔测验发展为纸笔、观察、计算机、人工智能、大数据、全息画像等多种手段相结合,评价方式从断点走向连续,注重多种评价方式相结合,实现了综合诊断、服务决策及促进发展等功能。围绕综合评价在教育领域的应用,我国也开展了一系列理论研究与实践探索,并在诸多方面取得了广泛共识。从评价对象多重属性的角度来看,王宗军认为,综合评价是对具有多重属性体系结构对象的系统性、全局性和整体性的评价[3]。从价值判断的角度来看,金菊良等提出,综合评价是按照评价对象在总体上的相似性和差异性进行的排序或分类方法[4]。从评价内容的角度来看,许海霞等认为综合评价重在全面考查,包括考试成绩、综合素质评价及非智力因素测评等[5]。《教育评价辞典》对综合评价的界定是“对评价对象进行完整的系统的价值判断”[6]。综上,综合评价是从全方位关照被评价对象的思维视角,通过构建科学合理的评价指标体系,对评价对象进行全面性、整体性的评判,综合反映评价对象的总体特征,全面考量和判断评价对象的价值。 综合评价的本质在于综合,关注整体成效和全局特性,能够综合多方意见、采取多种方法和视角对评价对象进行整体性评价,在评价实践中呈现系统性、多样性、复杂性、全面性等特点。具体而言:系统性是指综合评价可被视为一个层次分明的评价系统,评价对象、评价活动和评价结果等组成部分都可单独作为一个子系统,综合评价是一项复杂的系统工程;多样性表现为综合评价在评价主体、方法、内容等方面具有鲜明的多元化特征,如评价主体包括政府部门、学校、教师、学生、同行及第三方机构等,评价方法包括问卷调查、指标分数、自评、互评等定性、定量研究,评价内容包括教育质量、综合素质、学业水平等;复杂性体现在综合评价对象往往受多种因素制约,且各因素相互影响,评价指标难以确定和量化,使得评价准备、实施及结果处理的复杂程度高;全面性是指全维度客观采集数据、深度分析数据,基于全方位考查实现对评价对象的全面评价。1.2 综合评价面临的问题与挑战 新时代背景下,教育改革不断深化,教育综合评价加速发展,对建立健全科学、有效的综合评价体系的需求更加迫切。当前,教育综合评价在指标构建的科学性、数据采集的系统性和处理的可行性、结果的客观公正性等方面仍面临诸多问题与挑战。 首先,评价指标体系的科学性亟须提升。综合评价研究的教育类问题一般复杂程度较高,传统评价指标构建多采用德尔菲法、文献分析法、层次分析法等方法,虽有一定的优势,但更多是基于主观判断,科学性、客观性不够。此外,在各地开展学生综合素质评价、学校发展评价、区域督导评价等实践中,还普遍存在以学生学业成绩作为综合评价主要依据的现象,其原因在于对学业成绩以外的评价指标如何确定与合理赋值、如何验证指标的科学合理性及如何运用现代科学技术手段等方面存在知识上的不足[7]。因此,亟须采用新的技术手段构建和优化综合评价指标体系。 其次,评价数据的采集维度需要拓展。在评价实践中,客观存在着综合评价数据来源渠道少、采集不全面、丰富度与精细度不够等问题,由此导致评价结果难以充分反映被评价者的真实状态。以学生综合素质评价为例,学校作为数据的主要提供者,能够提供结果性的学业数据,但难以科学全面地记录学生学习过程、学习能力、交流与合作等方面的数据,客观存在着过程性数据采集不准确、数据遗漏不完整等问题,由此导致数据分析结果的全面性、整体性不足。事实上,综合评价数据的采集效率低、成本高,需要从多个维度全程记录评价对象的数据,如开展学校、区域评价等,数据采集体量十分庞大,这对当前的数据采集方法提出了更高要求。 再次,复杂的评价数据处理难度大。综合评价需要处理大量类型复杂的数据,如:来自于物联网、互联网的评价数据;数据模态存在显著差异的数据,包括图数据、流数据、矢量数据、标量数据等;价值密度低、实时性要求高的数据;等等[8]。面对这些复杂的综合评价数据,传统数据处理方式显得力不从心,限制了综合评价发挥其应有的功能[9],迫切需要引入智能技术以有效提高数据处理能力。 最后,综合评价结果客观公正性要求高。综合评价作为一种全面性、整体性的价值判断,评价结果是否客观公正,事关评价对象、评价主体、评价委托方等多方利益。然而,在教育评价实践中,综合评价结果往往存在“高位平均”现象,区分度模糊、有效性低,客观公正性有待进一步提升。同时,还存在主观评判现象,即评价依据以质性资料为主,易出现违背事实、弄虚作假等问题,进而难以客观真实、全面精准地刻画评价对象的综合水平。因此,迫切需要采取新的技术手段,尽可能避免人为主观因素的参与,以保障综合评价的客观公正。2 智能技术赋能综合评价的理念与路径 2.1 树立智能化教育评价新理念 综合评价发展中存在的现实问题,需要依靠新的手段和方式加以解决。近年来,随着人工智能技术的快速发展与广泛应用,教育评价方式得到有效创新,提高了教育评价的客观性、科学性和有效性。从研究领域看:董奇提出技术的整合或结合将推动教育评价进入新的发展阶段,智能化的教育评价新趋势已经出现[10];杨宗凯认为智能技术与教育的深度融合为教育教学评价改革创新提供了可行路径[11]。从实践领域看:刘云生提出第五代教育评估是服务导向的智能化教育评估[12];陈峰强调加快更新迭代教育评价手段,研究开发教育测量和评价技术,充分利用“互联网+”、AI等技术工具,探索“智评”模式,以此推行精准评价[13]。可见,新时代教育评价发展应顺应智能化发展趋势,树立智能化教育评价新理念,探索教育评价改革新路径。2.2 利用智能技术支持综合评价改革 智能技术支持下的综合评价是教育评价对时代发展作出的回应[14]。2019年5月,在国际人工智能与教育大会上,联合国教科文组织发布成果文件《北京共识——人工智能与教育》,提出“发掘数据潜能,支持学生综合能力的多维度评价”[15]。杨勇认为,把智能化方法引入综合评价,通过机器学习、神经网络等智能化方法,能够对综合评价的标准、指标体系、指标权重、评价模型的确立提供强有力支持[16]。杨宗凯认为,健全综合评价,要强化评价主体和手段的多元性,推进教师评价、家长评价、同伴评价、自我评价甚至是机器评价的融合发展,采用基于智能技术的试题测试、实践操作、面试答辩等不同方法进行综合评价[11]。因此,走向智能时代的综合评价迎来新的发展契机,应开发利用智能技术手段,促进人工智能技术与综合评价融合创新,探索与实践新型综合评价模式。2.3 智能技术赋能综合评价的主要路径智能技术赋能综合评价,是指充分利用人工智能、大数据等技术优势,赋能综合评价的各个重要环节,对评价内容和方式进行革新与发展,实现系统、全面和高效的综合评价与反馈,探索形成新的综合评价模式。智能技术赋能综合评价的主要路径架构包括支持层、平台层、服务层和应用层,见图1。支持层包括物联网、(移动)互联网、云计算、大数据、人工智能、5G、虚拟现实等智能信息技术,为智能化综合评价提供基础支撑。平台层是基于智能信息技术构建集评价指标设计、数据采集汇聚、数据处理分析和评价结果反馈等功能的智能化综合评价服务平台。服务层提供智能技术赋能综合评价的 4项关键服务:一是支持综合评价指标模型构建与优化,基于人工神经网络、机器学习、蒙特卡罗模拟方法等智能化的算法,在对评价数据进行科学分析的基础上提取有效的评价规则,实现综合评价指标的科学筛选和权重计算,进而构建智能化的综合评价指标模型,并在不断迭代优化的过程中,能够系统地、科学地分析和处理评价指标的各类复杂问题;二是支持全域评价数据采集与汇聚,基于智能化的数据采集汇聚技术和手段,采集综合评价对象在全时空的数据,汇聚集成不同类型的海量复杂数据,解决难以全时段采集数据、不能有效覆盖全场景、临时性采集造成数据失真等难题;三是支持综合评价数据深度挖掘分析,基于智能技术可以对海量复杂数据进行深度挖掘分析,深度剖析综合评价各方面的特征与关系,深刻揭示评价对象整体发展特点、优势、潜能与不足,并预测其发展态势与未来走向;四是支持综合评价数字画像建立与应用,基于大数据、学习分析等技术,最终将综合评价结果通过可视化工具输出个体或群体的数字画像,助力评价对象进行清晰直观、形象生动地理解并应用评价结果,实现资源共享、行为调整、体验改善、效率提升[8]。应用层能够实现各类综合评价场景应用的智能化,包括区域教育质量评价、学校发展评价、教师教学评价、学生综合素质评价等教育教学综合评价实践应用。3 智能技术赋能综合评价的关键场景及技术应用人工智能、大数据等智能技术作为综合评价的核心技术支撑,能够赋能评价的各个重要环节及关键场景,解决综合评价的现实难题,可以极大地提高评价的科学性和有效性。3.1 综合评价指标模型构建与优化 综合评价指标模型是评价指标体系内在逻辑关系和数学关系的具体体现,是获取综合评价结论的重要途径和工具[17]。在教育评价实践中,充分利用智能技术构建一个科学合理的综合评价指标模型,对全面提升综合评价效果和评价效率非常必要,其作用主要体现为:1)实现复杂问题的模型化处理;2)能够在大量的、类型复杂的数据中提取有效的综合评价数据;3)使综合评价指标模型具备强数学特征,具有自适应和自组织能力及很强的稳健性[16],并根据实际需要对模型进行更新迭代;等等。在综合评价指标模型构建与优化中,主要的应用场景有2个,即指标体系构建和模型验证迭代。指标体系作为综合评价指标模型构建的重要基础和关键要素,其构建方法包括文献分析法、德尔菲法、层次分析法等,在引入智能化方法后,常用的方法有机器学习、人工神经网络、蒙特卡罗模拟方法等。这些方法对科学筛选指标和计算指标权重,确保用精简的关键指标反映评价对象系统的主要特征、判断该指标对评价结果的贡献度等发挥着至关重要的作用[18]。模型验证是从模型的应用目的出发,考查验证模型在其应用域内是否精准正确地代表了原型系统。基于一定的验证方法和验证工具,能够对得到的结果进行验证,并通过不断修正补充,直到出现科学合理的评价结果,实现对模型的更新与优化,相关技术应用及说明见表1。 在教育评价实践中,各级各类教育机构都开始关注智能技术在综合评价建模中的应用,构建科学可行的评价指标体系,并通过多轮迭代验证模型的科学性和有效性。如北京师范大学远程教育研究中心,构建了学习者综合评价参考模型并进行更新与优化,现已应用于学校实践中,为实现智能化学生综合测评提供了基础[19]。3.2 全域评价数据采集与汇聚 全域评价数据采集与汇聚是有效提升综合评价科学性、专业性、客观性的基础支撑,可在全时空对评价对象进行数据采集,“采集的全样本、混杂、海量数据再汇聚成一个立体化的智能‘网络’”[9],最终实现对评价对象整体发展情况的全域关注与监测,为客观真实的综合评价提供有效数据支撑。全域评价数据采集与汇聚的作用主要有以下3个方面:1)全时段自动采集,如将学生各时段(课堂、课间、课外、居家等)的表现记录下来,以周、月、学年为周期进行汇聚,全面描述学生综合素质发展轨迹;2)全场景布局,确保在各个场景空间中采集的数据能够满足综合评价全部指标的采集内容需求;3)可在无意识、非侵入、非配合状态下忠实记录评价对象的表现,确保采集到本真状态下的评价数据。全域评价数据的采集汇聚需要因地制宜、多源归一,即根据数据采集场所的变化灵活选择一种或多种采集技术,将不同来源的海量数据统一集成并有序存储,其关键场景及技术应用见表2。在全域评价数据采集场景中,主要通过物联感知、平台采集、图像识别、视频录制等技术手段,采集评价对象在各个时空的数据,如采集学生在学习、生活、运动、社会实践时的相关数据,获得学生德智体美劳等综合素质评价指标的各类支撑数据。在全域评价数据汇聚场景中,主要通过数据集成技术高效处理不同数据类型的海量数据,并快速汇聚到数据中心,实现评价数据从碎片到集约。在智能技术赋能下,各类数据采集设备和数据汇聚平台层出不穷,区域和学校可选择的数据采集方式不断增加,数据汇聚能力不断增强。近年来,各地非常重视将全域评价数据采集汇聚应用于综合评价的实践中。例如:上海市打造学生综合素质评价系统,构建了大数据采集链,支持来自不同学校多源数据的采集汇聚[20];合肥市自2018年起将教育评价改革的重点逐步放在面向学生品德行为、学业表现、身心发展、兴趣爱好、学业负担等多维度综合评价上,通过对多维指标数据的收集和汇聚,对学生的发展进行全面评价[21]。3.3 综合评价数据深度挖掘分析 数据深度挖掘分析是获得更科学、更有价值的综合评价结论的必要路径。利用人工智能、大数据等技术对不同来源、类型与结构的海量评价数据进行深度挖掘分析,可以深刻揭示评价数据在特定时空的变化过程与特征,进而挖掘变量间隐含的关系和深层规律,从而在宏观层面深刻掌握评价对象的发展过程与趋势,从更加全面、系统的角度完成对评价对象的综合评价。综合评价数据深度挖掘分析的作用主要体现为:1)拓宽综合评价内容,从过去只能处理包含相同类型属性的数据集,转向支持挖掘分析异构属性的数据集(如含有文本、超链接、图像、音频和视频的Web及社交媒体数据);2)通过多种数据挖掘算法,深入挖掘认知、情感、态度、动机、行为、个性等数据变量之间的关系,挖掘分析评价数据的潜在价值。数据深度挖掘分析可以从大量数据中提取有效信息,并将其转化为易于理解的结构以供进一步使用,只有选择适当的挖掘技术与方法才能取得较好的应用效果,其关键场景及技术应用见表3。在基于描述模型的数据挖掘场景中,主要通过分类聚类、关联规则等基于描述模型的挖掘算法分析评价数据并发现新的模式或结构,如按性格类型、学习风格等维度对学生进行分类,对师生关系和学业成绩进行关联分析,对学生同时选修多门课程进行关联分析等。在基于预测模型的数据挖掘场景中,主要通过多元回归分析、马尔科夫预测等方法,深刻揭示评价对象的未来发展趋势,如为综合评价学生潜能、心理成长等提供科学依据,根据学生初中各科成绩预测高中选考科目成绩等。在综合评价实践中,智能技术赋能能够对海量复杂评价数据进行深度挖掘分析,基于数据分析结果可以促使综合评价从经验判断走向数据举证。如基于学生行为偏好、阅读内容、科目成绩等数据进行预测,可以帮助学生及早进行生涯规划、科学志愿填报,在安徽省蚌埠市国家级智慧教育示范区建设中,通过对蚌埠市教育大数据的深度挖掘分析,实现了教学规律建模及趋势预测,为教育考试相关决策和综合评价学校教学质量提供了底层支撑[22]。3.4 综合评价数字画像建立与应用 数字画像是依托人工智能、大数据、学习分析等技术,通过基本信息、行为数据、心理数据等多源数据构成的代理原型,用于支持教育决策、改进教育管理及优化教育服务[23],是综合评价实现精准诊断、及时干预和个性化支持的基础。数字画像可以呈现更精确的评价过程分析和更精准的内容推送,助力评价对象进行资源共享、行为调整、体验改善及效率提升。综合评价中数字画像的主要作用有3点:1)能够有效融合综合评价的多重数据,高度仿真地评价个体及群体在教育教学中的真实表现,保障评价信息的真实有效;2)能够呈现更加形象、全面、易懂的综合评价结果;3)能够感知、监测、诊断及预测综合评价全方位的发展状态和未来走向。通过对综合评价数据的记录、分析、挖掘与呈现,最终运用可视化工具输出个体或群体的数字画像,形成具有准确性、科学性、实用性和发展性的分析报告,为满足个性化需求、实现精准服务提供更多可能,其关键场景及技术应用见表4。在画像标签体系构建场景中,画像标签体系作为数字画像建立的重要基础,根据构建的难易程度和各类标签的依存关系,生成事实标签、模型标签及预测标签,并最终形成具有映射关系的画像标签体系,实现画像的构建[24]。在画像建立场景中,基于构建的画像标签体系,通过各类数据挖掘方法分析数据,并以画像的形式呈现计算结果,实现标签画像库的建立。在画像输出与应用场景中,根据画像目标和综合评价数据,利用数据可视化、虚拟现实、区块链等技术的相互配合,以图示方式对抽象的内部结构加以可视化处理,呈现学习者画像,并保障画像的安全应用。在智能技术赋能下,综合评价数据可被全方位采集汇聚,并得到自动化处理分析,由此提炼出可描述评价对象特征和行为的标签集,最终从各维度完整刻画数字画像。如上海市闵行区一所小学基于学生数字画像,创新开发了环境感知系统、数字画像应用系统及智能分析系统,为学生搭建了多功能的智能化学习空间,由此生成的学生数字画像实现了精准综合评价,有效促进了学生的综合发展[25]。 智能技术是引领未来社会变革和推动教育转型发展的重要驱动力,对推动新时代教育评价变革具有重要价值和意义。在深化教育评价改革的时代背景下,面对“五唯”顽瘴痼疾,教育评价实践必须突破传统评价思维和评价方式局限,充分利用智能技术优势,结合区域、学校、学生、教师等综合评价主体的实际需求,开发更加科学高效的智能化评价工具和手段,探索基于智能技术支持的综合评价新模式,推动教育评价改革不断深化。 参考文献(稿件来源:选自《中国考试》2022年第六期)
2022-07-05
曹培杰:推动教育向“无边界”突破 当前,5G、人工智能等新技术正在突破校园和教室的边界,重组教学流程,重塑课堂形态,推动“大规模标准化教育”转向“大规模个性化学习”…… AI赋能精准学习 人工智能、大数据等新技术的教育应用,实现了把握学生的真实学习情况。“AI+课堂”在学生数字画像和学科知识图谱的支持下,制定个性化的资源推送方案,实现“尊重差异、发现差异、利用差异、发展个性”的精准学习。 一是学情分析,利用人工智能对多模态的学习行为数据进行深度挖掘,帮助教师准确把握学生个体的认知特征和班级群体的共性问题。二是学习资源自动推送,通过建设大规模、细粒度的数字资源库,对知识内容进行特征标记,建立学科知识图谱,制定个性化的推送方案,实现学习者和学习资源的双向匹配。三是学习关系的精准匹配。真正的个性化学习不仅是学习路径的定制化,而且是学习关系的精准匹配。新一代人工智能技术,通过分析学生在学习活动中呈现出来的非认知特征,包括学习兴趣、学习动机、学习投入程度等,帮助教师真正读懂学生,匹配适合的学伴和导师,更好地满足他们的情感和心理需求。 AI赋能跨界学习 疫情防控期间,在线教学为实现“停课不停学”提供了关键支撑,但不得不承认,目前的在线教学更像是复制出来的“网络教室”,以班级为基本单元、以统一讲授为主要方式、以分科课程为内容载体,学生通过在线观看教师讲课来学习知识。 然而,“AI+课堂”不同于班级集中授课,任务驱动、自主学习和社会化参与是关键。未来课堂将打破班级、年级、学科的界限,开展跨班级共享教师、跨学校选修课程、跨区域协同教学等实践创新,探索形成一种全新的教学组织形态。比如,学校可以将生活中的真实问题转化为学习任务,组织教师开展跨学科的课程设计,充分利用家长资源和社会资源,引导学生开展主题探究,全方位理解知识背后的原理,从而实现深度学习。 AI赋能无边界学习 “AI+课堂”不仅把线下教学延伸到了线上场景,还将推动学习从教室场景、学校场景走向社会场景。学生的学习场所随着课程的不同,既可以在教室,也可以在社区、科技馆和企业,甚至可以去不同城市游学,任何可以实现高质量学习的地方都是“学校”。比如,美国的THINK Global School的总部位于纽约,但学生上课并不在这里。学生在三年高中期间要前往12个国家,可以在斯德哥尔摩研究一艘沉船的物理科学,也可以