2025年09月26日 09:05 北京

引用格式：黄琰, 黄熙婷, 陶绮. 促进深度学习进阶的同伴互评模型的实证研究[J]. 中国考试, 2025(9): 87-98.

作　者

黄琰，贵州师范大学教育学院副教授。

黄熙婷，贵州师范大学教育学院在读硕士生。

摘　要：同伴互评作为教育评价改革的一种创新性探索，对深度学习的促进效果常受限于学生被动参与、单向交互及形式化等因素。本研究依托ICAP认知参与理论构建同伴互评模型，主要包括同伴互评流程、深度学习进阶、多方协同支持三个核心环节；并以“微格教学训练”课程为例，采用认知网络分析法可视化分析应用前、中、后期三个阶段以及不同组别学习者的认知差异。研究发现，教学模式应用后学生的深度学习能力呈整体上升趋势，但不同阶段的认知差异显著，高分组转化速度更快且高阶学习特征更突出。研究据此提出促进深度学习进阶的策略建议，为推动高校教育评价改革提供实践参考。

关键词：深度学习；同伴互评；学习进阶；ICAP理论；认知网络分析

深度学习能力是个体有效应对复杂问题以达成高阶学习目标的综合能力。近年来，教育部先后发布《关于深化本科教育教学改革全面提高人才培养质量的意见》《关于一流本科课程建设的实施意见》《深化新时代教育评价改革总体方案》等多个文件，强调高校课程学习深度的重要性，将探索促进学生全面发展的多元化评价方法列为重要任务^[1-3]。同伴互评作为一种强调深度参与、深层次交互的形成性评价方式，能激发学生高阶思维、提升学习投入度^[4]，促进深度学习的有效发生^[5]。然而，在实际教学应用中，学生之间存在较大差异且学习进程迥异，同伴互评常以被动参与或单向交互为主^[6]，静态的理论无法诠释学习发展规律。学习进阶秉承螺旋式发展理念，面向学生最近发展区的进阶梯度，由浅入深的能力目标设定，能刻画出学习进阶起点到终点之间复杂的发展历程^[7]，为清晰呈现深度学习的进阶脉络、破解同伴互评现有困境提供新的思路。

基于此，本研究依托学习进阶理论分析深度学习行为层次，构建促进深度学习进阶的同伴互评模型，回答“高校课堂如何有效开展同伴互评”的问题，以期为高校课堂教学评价的改革与发展提供参考。

一、研究基础

深度学习作为教育高质量发展的核心驱动，与浅层学习相对应。不同于浅层学习阶段的观察、记忆、理解等低阶能力，深度学习要求学习者进一步运用分析、综合、评价、创造等高阶能力。从同伴互评、学习进阶两个维度探索与揭示学习过程中低阶能力到高阶能力的转变规律，可以为实施模型的构建提供多重依据。

（一） 同伴互评：促进能力转变的方式

同伴互评是一种对学习同伴作品或成果进行评分评语的形成性评价方法^[8]，要求学习者模拟专家思维深度参与互动^[9]，不仅要对同伴表现及其作品进行批判性分析与评价，还要提出创造性的修改建议，并在反思和自主思考中重构自身知识结构以实现迁移应用^[10]。

同伴互评对深度学习具有明显的促进作用。在评价同伴过程中，学生会调节自己的学习行为，有助于进一步发展深度学习能力^[11]。近年来，有关同伴互评的理论探讨、影响因素探究、技术应用及评价效果等多项研究均证实了同伴互评对教育教学效果的积极影响。例如，同伴互评可以促进学习者深度参与课堂活动^[12]；实现学生自主导向评价，帮助形成元认知策略及自主调节学习活动^[5]；通过交流反馈优化学习成果，推动学习者的知识从浅层理解向深层建构跃迁^[13]。可以看出，同伴互评与深度学习在素养要求方面具有一致性，即都要求学生具备较强的专注力、反思策略、批判思维与创造能力等。在学习目标方面，强调高阶学习目标的达成，如对知识的深度理解和迁移、对内容的批判性理解及创新创造等；在学习过程方面，注重知识间的关联与整合，以构建具有迁移意义的知识图谱^[5]；在能力维度方面，深度学习能力涵盖个人认知、自我监管和人际协调等三大维度的六项能力^[14]。此外，深度学习能力具备较强的可塑性、发展性、复杂性等特征，其纵向发展需要进一步的理论探索与完善。

为真正实现评中学，开展同伴互评需要考虑多方面因素。第一，精准理解评价标准是实现高质量同伴互评的关键前提。学习者要从学习材料中提炼新知识并与已有知识体系建立联结，从而促进新知识的深层建构^[15]，这个过程并非一蹴而就，而是需要多轮训练。第二，评价任务是对教学目标的转化^[16]。设计互评策略、把控互评流程、构建互评环境等任务可以保障评价的顺利开展，并促进学习者高阶思维发展^[17]。第三，技术的支持可以提升评价效率，如应用智能平台能够突破时间和物理空间限制，实现更灵活与即时的同伴互评^[11]。第四，多方协同可营造高质量同伴互评环境，以保障深度学习进阶。教师评价作为自主评价与同伴互评的重要补充，能够在一定程度上帮助学生快速了解自身不足^[18]，因此，同伴互评仍需重视教师的引领作用，可将教师反馈融入同伴评价、自评反思等环节，确保完整性和公平性。第五，互评过程的分析与反馈可采用多种方法，如按照评语类型对互评语料进行编码^[19]，分析行为频率与模式^[11]，从而获得同伴互评的结果差异。张涛等通过编码互评数据，采用滞后序列分析和认知网络分析（epistemic network analysis, ENA）探索了不同阶段学习者批判性思维的发展特征^[20]。周平红等研究发现，认知网络分析可以描绘互评过程中的学生认知网络结构，从而直观呈现不同阶段、各类学习者的差异以及过程性思维变化证据^[21]，为规避评价过程的抽象性与内隐性、实现动态演化轨迹的可视化提供有效途径。

（二） 学习进阶：显化学习的发展流程

学习进阶理论由美国国家研究委员会（United States National Research Council, NRC）于2007年正式提出，是对学习者在某一时间跨度能力或素养依次进阶、逐级深化的思维方式描述^[22]，包括进阶起点与终点、进阶维度、成就水平、表现期望以及测评工具五个要素^[23]。该理论认为，随着学习的推进，学习者思维将纵向地从操作较少的低阶层次向操作复杂的高层次发展^[24]，知识建构表现出从简单信息储存、知识整合逐步提升至逻辑推断、协同推断的递进过程，学习成果也呈现梯度性提升，从基础的记忆保持到灵活应用，再到跨情境迁移，最终实现知识共创的深化轨迹。基于学习进阶，Chi等提出的 ICAP 理论（ICAP theory of cognitive engagement）将学习分为四个递进层次，即被动学习（passive）、主动学习（active）、建构学习（constructive）和交互学习（interactive）^[25]。

ICAP理论从可操作性角度对学生内部认知参与外显活动行为进行界定，区分学习者在学习过程中的认知投入程度^[26]，为后续多项研究提供理论基础与参考。例如，王天华等基于ICAP理论构建了面向高阶思维能力培养的大学英语阅读教学模式^[27]；张敏霞等将ICAP理论应用于在职教师学习投入度评估，揭示了教师在线学习情境中的认知投入结构特征与前、后两阶段的演化规律^[26]；张思等将学习者的学习参与行为划分为被动、主动、建构和交互四种类型，进行了对个体知识建构和集体知识建构结果的分析^[28]。对比相关研究发现，ICAP理论中的四个进阶层次可以对应同伴互评中潜在学习行为的变化过程，即从被动倾听开展无意义互评到主动思考完成互评，再到发现问题认真互评，最后实现与同伴协同设计并开展批判性互评。基于此，本研究以初始深度学习能力为进阶起点，最终深度学习能力为进阶终点，依据ICAP理论将学习者深度学习能力的进阶水平由低至高分为被动学习、主动学习、建构学习和交互学习四个层次，以显现同伴互评过程中学习者深度学习能力的发展过程。

二、构建同伴互评模型

基于同伴互评促进深度学习进阶的关键要素梳理，以同伴互评流程为抓手，多方协同支持为保障，深度学习进阶为核心导向，构建促进深度学习进阶的同伴互评模型（以下简称“同伴互评模型”），以保障同伴互评中学生深度学习能力逐层进阶和深入，具体见图1。

（一）同伴互评流程

以“互评基础—初练优化—再练反思”的同伴互评流程为抓手，激发深度学习进阶，唤醒学习者在互评活动中的主体意识。在互评基础环节，学生要参与互评规则的培训和练习，具体包括解读并清楚评价量规、明确训练任务、掌握互评基础，并通过两轮训练活动提升互评能力。在初练优化环节，学生要在课堂中开展技能练习，包括与同伴协作互鉴、根据评价量规评定对方训练情况，并在课后结合教师反馈与建议迭代优化技能训练内容。在再练反思环节，学生要结合同伴设计优势与合理建议开展第二轮训练及组内互评，并在课后吸纳同伴互评与教师评价内容，利用反思框架开展自评反思，以深化学习层次。

（二）深度学习进阶

以“进阶起点—进阶过程—进阶终点”的深度学习进阶流程为牵引，显化深度学习发展。鉴于学生进阶起点各异，以初始深度学习能力为进阶起点，以深度学习阶段水平为基准，确立深度学习进阶过程，即根据ICAP理论中被动学习、主动学习、建构学习、交互学习由浅至深的四个深度学习进阶层次水平，对应深度学习能力中个人认知、自我监督、人际协调三个维度分别设置阶段水平，以最终深度学习能力为进阶终点，以此刻画学生深度学习能力的发展轨迹。

（三） 多方协同支持

以“多元主体—个性资源—适切平台”多方协同支持为保障，支持深度学习进阶。统筹以学生互评为主与智能评价为辅的人机协同评价、促进双方开展深度学习活动的同伴互评、启发训练效果内化的自评反思等方式，通过多元评价主体激发学生深度学习的自主性与积极性；整合能够引导学生明确评价任务且与训练内容高度匹配的互评案例、可规范学生互评过程并显化训练成果的评价量表、能深化学生元认知的反思框架等个性化资源，支持同伴互评的高质量开展；甄选确保客观智能反馈的评价平台、洞察学生深度学习情况的在线互评问卷、囊括优秀范例资源提供学习参考的学习平台，为学习者深度学习进阶提供支持与保障。

三、教学实践设计和结果分析

深度学习能力进阶发展可通过合理的同伴互评流程激发，需以多方协同支持为保障，其整个过程具有持续性、强交互性等特征。本研究选择“微格教学训练”课程开展实践应用，从实证分析视角探索同伴互评模型应用促进深度学习能力进阶发展的过程与初步成效。

（一）选择研究对象

选取G大学2022级教育技术学本科生作为研究对象，共46人（男19人、女27人），所有参与者均无结构化促进深度学习进阶的同伴互评经验。以学生在上一学年的加权平均成绩作为依据，将前50%学生划为高分组，后50%学生划为低分组。加权平均成绩是将学生所有科目的原始成绩融入学分权重后计算得出，而原始成绩由各科教师综合学生课堂表现、平时作业、课程考核及考试情况评定。

（二）确定研究工具

1.深度学习能力测量

研究采用沈霞娟等开发的《深度学习能力测评量表》^[14]测量学生的初始深度学习能力及16周教学后的深度学习能力。该量表基于Zeiser等发布的深度学习能力测评量表^[29]，并结合国内多项深度学习能力研究成果进行了本土化调适，适配我国大学生深度学习能力测量。量表共包括30题，含三大维度六项能力，其中个人认知维度包含批判性思维能力与创造性思维能力，自我监督维度包含自主学习能力和学习毅力，人际协调维度包含协作能力和沟通表达能力。信度分析发现，量表总体Cronbach's α系数为0.951，六个因素的 Cronbach's α系数区间为0.795~0.917，说明信度良好；六个因素对应的因子载荷均大于0.4，属于可接受范围。验证性因子分析发现，模型拟合指数SRMR=0.039（<0.08），RMSEA=0.046（<0.08），TLI=0.923（>0.9），CFI=0.913（>0.9），说明模型拟合度较好，具有良好的结构效度。

2.同伴互评数据及编码原则

在同伴互评过程中，学生随堂评语是学习结果最直接的体现^[30]，因此可以通过学生评语推断其学习参与行为，进而判断其深度学习层次。本研究将学生活动过程中产生的随堂评语数据与基于ICAP理论的深度学习层次进行匹配，设计包括12类认知元素的同伴评语中深度学习认知编码表，具体见表1。

编码表主要包括与同伴互评文本相关的四个深度学习层次。一是被动学习，指学生按照评价量规的内容进行评价并反思自身不足，具体包括学生互评中的非评价内容、无关描述及被动记录。二是主动学习，指学生提供完整评价并找出同伴的现实问题，具体包括说明性描述、提出真实问题，以及结合互评任务的迭代性增加的联系同伴表现。三是建构学习，指学生梳理同伴问题并为其提供改进建议，同时结合个人问题进行反思，主要包括联系理论总结、分析同伴意图和提出改进方法。四是交互学习，指学生将自己与同伴视为共同体，思考并反思总结组内问题，主要包括视同伴为整体、解释可能原因、反思团队设计三类认知元素。教育技术学领域的专家与研究者共同审查后一致认为，该编码表能够有效分析学生的评语数据。

（四） 设计教学实践流程

1.设计教学流程

基于同伴互评模型的教学流程包括设计教学互评基础、微格初练优化反思、微格再练互评反思、迁移反思深度学习四个主要阶段，分别对应ICAP理论中的被动学习、主动学习、建构学习与交互学习四个深度学习层次，具体见图2。

具体而言，在设计教学互评基础阶段，教师讲解教学技能要点并开展互评培训，学生在学习教学技能的基础上使用案例练习互评要点与流程；在微格初练优化反思阶段，教师组织第一次教学训练，学生在AI微格静音仓中开展训练，在评价量表指引下完成三角色（听课者、授课者、评价者）和三任务（听课、授课、自评互评），借助在线问卷完成互评与自评，训练后结合自评、互评与教师反馈优化教学设计；在微格再练互评反思阶段，教师总结第一次训练情况并组织第二次教学技能训练，学生再次训练并开展互评和自评；在迁移反思深度学习阶段，教师总结两次训练情况，学生对标技能讲解内容，完成自评反思笔记，促进学习迁移反思。

2. 教学实践与编码

依据教学流程设计为期16周的教学实践，开展“理论学习+微格初练+微格再练”的迭代训练活动，轮次训练活动遵循教学流程中的四个主要环节。为结合时间维度分析学习者深度学习能力的动态发展过程，将模型应用划分为应用前期（1~5 周）、中期（6~10周）、后期（11~16周）三个阶段。在教学实践前、后都测量了学习者的深度学习能力，并采集了学习者在各阶段微格训练过程中的评语和反思记录，结课后进行结构化访谈。

认知网络分析数据包含两种类型。一种是参与者的同伴互评内容，通过在线问卷收集学生三个阶段训练后的互评文本，由于研究主要关注互评评语体现的深度学习能力要素整体认知网络，因此将句子作为最小分析单元，经过数据清洗得到1472条文本数据（42368个字）；另一种是学生课后反思内容，提取其中能表征与他人协作、反思团队教学设计等与深度学习相关的句子，经过预处理后得到144条文本数据（4317个字），共1616条文本数据。对上述两种会话数据依据编码表进行统一编码。首先，由两名经过专业编码培训的课程助教对编码不一致的文本进行讨论并达成共识；其次，随机抽取20%的数据进行预编码，经检验确定两名助教的编码具有较高一致性（Cohen's α=0.862，p<0.001）；最后，两名助教协商解决编码不一致的问题，并均分完成剩下的数据编码。编码结束后，对编码数据进行认知网络分析，将学生在同伴互评过程中深度学习要素的共现情况与网络结构特征进行可视化处理，从而观察学生深度学习的进阶过程。

数据分析与处理主要采用SPSS和ENA Web工具。

（四）结果分析

1.深度学习能力得到有效提升

将深度学习能力测量数据进行配对样本t检验，结果见表2。由表2可知，学生的深度学习能力在教学实践前后具有显著（t=3.534，p=0.001）提升，同时在个人认知、自我监督、人际协调三个具体维度都有显著提高。

2.深度学习的进阶差异显著

第一，三个阶段的深度学习呈现进阶发展趋势。结合时间维度分析前、中、后三个阶段的认知网络结构，呈现学生深度学习能力的进阶发展过程，具体见图3。图中节点分别对应12个深度学习认知要素，节点大小反映元素频率高低，连线的粗细与饱和度代表元素间的关联程度。

为分析不同阶段的认知网络特征，统计频率≥10%的节点与连线系数≥0.15的认知要素连线，见表3。具体而言，前期的同伴互评以被动学习与主动学习认知要素为主；中期时被动学习认知要素减少，主动学习与建构学习认知要素增加；后期呈现更多的交互学习认知要素。

结合认知网络质心分布情况探究三阶段学生深度学习的差异，见图4。图中三个虚线方块分别表示三阶段的平均认知网络质心，虚线框代表质心位置在95%水平上的置信区间。由观察可知，三阶段学生深度学习能力投影到二维空间的认知要素散点分布存在较大差异，质心位置也相对较远。

对不同阶段的认知网络质心位置变化情况进行差异性t检验，见表4。由表4可知，认知网络的变化过程在X轴、Y轴均存在显著差异（p<0.01）。

通过认知网络叠减进一步分析三个阶段的认知网络差异。相较于前期集中于被动学习与主动学习，中期更多体现建构学习要素（CA、CR），中期-前期的频次叠减值分别为7.45%、16.67%，AD与CR要素的连线明显增强，连接系数达 0.26；相较于中期，后期表现为更多的建构学习要素（CA、CR）与交互学习要素（IW、IE、IR），后期-中期的叠减值分别为2.48%、10.99%、10.28%、7.8%、5.32%。

第二，高分组学习者的高阶学习特征显著。结合配对样本t检验与认知网络分析可知，不同组别的学习者其深度学习情况不同，见表5。结果发现，在深度学习能力及三个维度上，高分组显著提升（p<0.05），低分组有提升但不显著（p >0.05）。由不同组别的质心位移可见，在相同时间内，高分组从低、中阶向高阶深度学习能力转化的速度更快。进一步分析不同组别学习者的认知网络叠减值发现，高分组学习者表现出更多高阶要素，如CR、IR的叠减值（高分组-低分组）分别为11.4%、6.9%，即具有更多高阶深度学习特征。低分组学习者的低阶要素较多，如PN、AD的叠减值（低分组-高分组）分别为12.3%、8.3%。随着课程进行，高分组在中期出现高阶要素之间更强的连接，如CR的叠减值（高分组-低分组）为13%；低分组在后期虽然出现CR、IE等高阶要素，但连接较弱，其连线系数为0.03。

四、结果讨论与启示

本研究通过实验研究方式验证了同伴互评模型的有效性，可以得出以下三个方面的结论及启示。

（一） 同伴互评可以促进学生深度学习水平明显提升

同伴互评可以促进学生深度学习水平显著提升，这与已有相关研究的结论相似。通过前、中、后三个阶段的深度学习认知网络、质心位置计算与统计学差异分析发现，不同阶段学生深度学习的认知差异显著。结合认知网络叠减可知，学生深度学习能力整体呈低阶向高阶转化的趋势。其中，前期主要是被动学习、主动学习的低阶水平，学生的学习认知主要停留在初级阶段，未表现出深层认知；中期的学习水平从主动学习进阶为建构学习，学习者可以结合同伴真实表现情况分析教学设计意图，并提供改进建议，但高阶学习认知要素的节点较小，与其他要素联系较弱；后期有关建构学习、交互学习的高阶学习认知明显，学习者在联系课程理论知识、分析教学活动设计意图并提出改进方法的基础上，可以与同伴共同总结训练误区及其原因，反思团队教学设计并提出后续完善方向，进而形成学习共同体。

此外，同伴互评三个阶段的认知网络在时间序列上的变化，呈现了学生在学习过程中的深度学习变化过程。深度学习能力认知网络结构由最初被动学习、主动学习为主的低阶学习逐渐转向以建构学习、交互学习为主的高阶学习，学习者深度学习能力呈现由低阶向高阶的进阶式发展规律。同伴互评让学习者的知识建构突破浅层建构层面，到达高阶认知获得的深层建构层面^[31]，由此说明同伴互评模型在教学应用中的效果明显。

（二） 高分组学习者更具深度学习能力的进阶优势

通过分析两类学习者深度学习认知网络差异发现，高、低分组学习者在三个学习阶段中的认知要素侧重点不同，这与许玮等的研究结论^[32]一致。高分组更关注建构学习、交互学习的高阶认知要素，低分组表现出更多被动学习、主动学习等低阶要素。高分组在中期展现出建构学习、交互学习等高阶认知要素并保持稳定增长，低分组在后期才表现出高阶认知要素，但各要素间的连接不强。同伴互评对高分组深度学习能力发展和进阶的促进作用更显著。

结合访谈内容发现，高分组对学习任务规划更清晰，他们在完成初次训练后能及时、有效地通过同伴评语及自我反思进行学习效果审视，与同伴协商不足并达成改进的共识，并将其纳入再次训练的重点学习目标。低分组更多的是被动地完成课程任务，易受到同伴之间的关系、同伴参与评价的态度影响，前期对训练场景与技术的适应较慢，认为课程任务量超过自身接受程度而产生消极情绪，深层次的学习参与屈指可数。

（三） 研究局限与启示

本研究存在一些局限，主要表现为两个方面：一是研究对象的样本量较少，缺乏对照组，未能排除成熟、测试效应等干扰变量；二是教学实践过程中同伴关系、评价态度、任务烦琐等因素影响学生互评结果，导致部分学生未能完全表现出深层次的学习投入。未来可以从三个方面进行深化研究：一是进一步扩大样本量和实践周期，引入对照组或采取准实验设计，以更精准追踪深度学习进阶的持续性；二是探究不同分组形式（如异质、认知风格、动态分组等）及互评任务中认知负荷调控策略对深度学习的影响；三是充分发挥人工智能技术优势，探求更加客观和个性化的人机协同评价机制。

为促进学生向高阶深度学习的实质性转化，同伴互评模型可从以下三个方面进一步完善。

第一，在以学生为主体的同伴互评活动中，应充分利用教师或高水平学习同伴的引领作用。在设计阶段，可以采用匿名与随机分配等方式消除人际因素对评价的消极影响，还可以引入双向互动活动提升学生评价责任感^[8]，以进一步优化评价指标适配学生学习活动。在实施阶段，教师应实时跟进并提供及时、精准的动态反馈^[11]；同时还应加强对低分学习者在任务计划与实施过程中的监督，并及时提供技术支持以帮助他们完成深度学习进阶。在总结阶段，可以通过高低配对分组开展总结与反思活动，让低分学习者了解并借鉴高分学习者的学习方法与策略，加速其进阶过程。

第二，搭建内部驱动与外部规范共同发挥作用的评价体系。基于ICAP理论打造学生深度学习的“被动学习—主动学习—建构学习—交互学习”可视化路径，可通过同伴互评活动中的行为表征外化学生深度学习进阶情况，从而促进学生进行意义建构并实现真实性学习。具体而言，制订适宜的同伴互评量规、提升评价过程的外部规范、构建自评反思框架并形成自我审视的内部驱动等举措，都可以帮助学生在理解并实施评价指标的同时开展省思。

第三，践行多元协同的人机协同评价方式。在数字化环境中，教学实践中教师、学生、同伴协同的多元主体参与成为可能。随着人工智能技术的迅猛发展，结合人类智慧与人工智能精度算法开展人机协同的评价方式可以保障同伴互评的多元与公正^[33]。通过批判地使用生成式人工智能工具，学生可以开展个性化学习效果评估及智能反馈^[34]。

参考文献略。