教育信息化背景下教学理念与学情分析的共变

2024-01-11 14:58邵卓越
教学研究 2023年6期
关键词:学情分析教育信息化教学理念

[摘要]学情分析与教学理念是互相促进、共同发展的关系。教学理念的变革彰显了学情分析的重要性,与此同时,学情分析自身的发展也在反哺教学大环境的变革。随着教育信息化的深入推进,涵盖行为、认知、情感等多方面的学情分析理论框架逐渐形成,学情数据采集与分析技术的迅速发展则有效助推了新理论框架的落地。不过,当前的学情分析发展仍是有限的,伴随着伦理和教学实践等多方面的风险。对此,学校、教师等需要有效联动,采取措施,以尽可能地规避风险。

[关键词]学情分析;教学理念;教育信息化;变革

[中图分类号]G420   [文献标识码]A   [文章编号]1005-4634(2023)06-0036-061

1教学理念与学情分析的共同变革

1.1教学理念变革:指引学情分析发展

学情分析正日渐成为教学设计和实践中的重要部分,与课堂教学构成合二为一、一体两面的关系。教学理念的变革凸显了学情分析的重要性,并指引了学情分析变革的方向。

教学理念变革对学情分析发展的影响主要体现在4个方面:第一,当前的教学设计和实施更加强调学生视角而非教师视角、学习视角而非教学视角。随着建构主义、后现代课程观的兴起,越来越多的教育工作者认可学生在课堂中的主体地位,支持学生在学习过程中自主生成知识。“以学定教”理念日益彰显出超越“以考定教”路径的先进性,学情分析的重要性愈加明晰。第二,现代教学日渐充溢浓厚的“科学兴趣”,强调尊重学生的真实性和完整性。杜威在《对儿童研究的解释》中曾提出儿童研究具有政治的、审美的和科学的三大兴趣来源。其中,对儿童的政治兴趣旨在关注儿童社会化的过程,儿童被简单地视为一个无生命的社会成分,其对应的教学模式难免是苛刻和机械的;对儿童的审美兴趣则将儿童视为理想人,其对应的教学模式具有象征性;对儿童的科学兴趣则强调儿童是真实、完整的人,教育者希望对儿童本人进行全方位细致的解读。其中,科学兴趣指明了当前学情分析的发展方向。第三,当前的教学愈加推崇学者与教师身份的结合,以及儿童研究和课程教学的结合。美国教育学者Duckworth E认为,教学过程本质上是理解和探究儿童的过程。英国课程专家Stenhouse L进一步主张教师成为研究者(teacher as researcher),即教师需要从传道授业解惑的执行者转变为研究学生情况和制定相应教学策略的教学专家。这一趋势强调了教师参与学情分析的重要性。第四,现代教学对精准教学(precision teaching)的向往日益强烈。随着精准教学的迭代升级,学情分析框架日臻完善,学情分析技术日益进步。

在上述四方面的推动下,学情分析宛如海洋中的巨冰,被教学理念的变革托出洋面。同时,学情分析发展的方向也得以初步明晰,即追求以学生为中心的、个性化的精准教学。

1.2学情分析理论框架的形成:呼应教学变革

早期的学情分析框架受到精准教学1.0版本的影响。精准教学的概念于20世纪60年代由美国学者Lindsley O提出。Lindsley在实验过程中发现,研究者依据被试的行为频次、响应速度、正确率等数据来调整被试行为,能够显著提升被试的学习效果。受此启发,在精准教学1.0版本中,教师借鉴斯金纳行为主义理论,依据相关数据形成的标准变速图表(Standard Celeration Charts,简称SCC)作出教学决策。可见,对学生的行为分析是早期学情分析框架中的重要部分。在此基础上,一些学者强调从认知角度对学情进行分析。如,徐梦杰和曹培英基于920份各科教师提供的教学前端分析优秀案例,提出“四知分析模式”,认为从学生的已知、未知、能知和想知4个方面进行学情分析是有效教学的基础。冯晓英等引介了Henri的认知能力分析框架,将认知水平分为澄清、深入澄清、推理、判断、策略等5个等级。进一步地,随着我国“三维教学目标”的提出,有学者基于上海市静安区的一线教学情况,在学情分析框架中加入了动机态度、方法习惯等。李慧强调了分析学习者情感的重要性。Wang则认为可以从行为、情感等方面进行学情分析。这些研究促使学情分析的理论框架日益完善,说明了教师应从行为、认知、情感等方面展开具体的学情分析。

可见,学情分析的理论框架首先萌芽于教育工作者对精准教学的憧憬。继而,研究者出于对学生主体性和个体完整性的尊重,使学情分析的理论框架得以继续扩展。在此过程中,一线教师的洞察和反思也发挥了重要作用。学情分析理论框架的形成过程呼应了教学理念的各方面变革,最终使学情分析的理论分析框架基本确立。

2技术支持的学情分析转向

教育信息化推进了学情分析技术的发展,为学情分析理论的落地提供了有效支持。几十年来,学情分析技术经历了由延迟到实时、由单一到多维、由静止到动态的变化。

早期,教师使用纸笔手动记录学生的行为频次、响应时间。这种方式不仅效率低下、准确性不足、维度有限,还为教师带来了沉重的工作负担。如,曹培英发现小学语文教师课前常用的3种学情分析方式包括听读一遍课文、设计两类问题和访谈三名学生。同时,受到分析技术的局限,大多数教师只做课前或课后分析,忽视对学生课中变化的观察和分析,学情分析缺乏完整性。陈隆升认为,学情分析应是对完整学习经验的分析,包括学习起点、状态和结果3个部分。徐梦杰和曹培英也提出,学情分析应是长期的连续体,课前、课上、课后都是教师进行学情分析的重要机会。课前分析前承上次课的课后学情,课后分析又下启下次课的学情分析,学情分析是循环往复、不断修正和完善的长期工作。但技术的落后使学情分析的理想与现实之间形成了一道鸿沟,教师无法达到“观察—教学设计—观察—反思和调整—观察”的要求。此外,一些教师为避免繁重的学情分析工作,武断地凭经验进行学情分析。这使得整個教学过程依赖教师的想象,其实质仍然是教师中心的和低效的。这些缺陷导致早期的学情分析具有浓厚的理想化色彩,缺少实际作用。数据采集和分析技术的落后蚕食着学情分析的本质,学情分析与课堂教学本质上是分离和割裂的,学情分析陷于名存实亡的境地。

进入21世纪以来,随着互联网技术、传感器技术、人工智能技术等飞速发展,教育与科技的联系愈加紧密。2016年,祝智庭教授基于教育信息化对教育变革的带动作用,提出精准教学需向新的版本转变。这一版本以“个性化和数据驱动”为核心,追求教学的高效性。教育部2018年发布的《教育信息化2.0行动计划》提出,教育信息化进入2.0版本是新时代的应有之义,要继续推进“三通两平台(宽带网络校校通、优质资源班班通、网络学习空间人人通,教育资源公共服务平台、教育管理公共服务平台)的落实。在浙江,《浙江省教育信息化三年行动计划(2018—2020年)》明确要在3年内推动基础教育精准教学的发展,并开设了300个基于技术的精准教学试点和1 000个基于技术的教与学方式变革试点。杨现民、田雪松等编著的《中国基础教育大数据2016—2017:走向数据驱动的精准教学》一书则指出,未来的学情分析技术需向精准化、全过程、多维度数据采集与分析的方向发展。

在学界和政策的大力推动下,学情分析技术开始迅速发展。首先,在数据收集层面,教师可以使用各类新型设备实现对多模态数据的采集。这些学情数据不仅包含学生在线上、线下多种学习通道的表现,还包括学生在情感、个性、注意力等方面的内隐数据。在此基础上,教师利用人工智能等技术实现数据的及时整合、反馈与预测,使课堂教学更能满足学生的个性化和高效学习的需求。在这两方面技术的支持下,学情分析片段化、主观化的问题得以缓解,教师能够基于更真实、更完备的数据来分析学生的完整学习经验。

3学情数据采集方式的变革:多模态数据采集

学情数据采集是展开后续学情分析和预测的前提。数据的完整性、准确性能够极大地影响学情分析的质量。新近形成的学情分析理论框架认为,教师需要从行为、认知、情感等多个方面分析学情,因而学情数据采集也应该是多方位的。随着教育学、神经科学、信息技术等学科的交叉研究逐渐深入,多模态数据采集技术应运而生。多模态数据采集是指使用者用多种方式获取行为数据、心理数据、生理数据等信息。其中,心理与生理方面的学情数据大多是合二为一的。因为心理数据通常内隐而不可测,而生理数据能够将内隐的心理数据显表化。

3.1行为数据采集

行为层面的数据采集起初表现为:教师进入课堂,依据事先制定的量表对学生行为进行观察和编码记录。这种采集方式难度大,准确度低,且主观性强,研究者很难在有限时间内有效观察和记录所有学生的学习行为。对此,早先主要有两种解决方式:其一,每位研究者选择一位学生重点关注,进行焦点学生学习历程观察;其二,研究者利用多媒体技术进行教学实录,对视频进行反复观看,确证编码的合理性。不过,这两种方式都存在效率低下的问题,不利于研究者高效研究课堂教学的调整优化方式。随着互联网技术的发展,在线教学、混合式教学成为重要的教学形态,研究者可以利用在线课程平台对学生的学习行为日志、交互信息进行批量采集和统计分析。基于此,教育工作者可以对所有学生的集体性和个体性学习行为、学习成果等进行实时监控,并迅速做出反应。如,Crossley等对MOOC课程进行点击流数据分析和自然语言处理(Natural Language Analysis,简称NLA),发现学生的学习行为(如观看视频、下载学习资料、论坛发言)可以较准确地预测学生的MOOC课程完成率。赵磊等发现中国大学MOOC平台上的界面交互、内容交互、人机交互和参与考核等学习行为与学习成绩显著相关。这些研究都在学习行为数据采集的基础上展开学情分析,并提出了相应的教学优化策略。

3.2心理与生理数据采集

心理与生理数据彼此相融。依托于生理心理学迅速发展起来的传感等技术,教育工作者可以通过学生的生理信息,间接获取其内隐的心理数据,这些数据可能涉及情绪、注意力、学习投入度等多个方面。相比于行为层数据的获取,心理层和生理层数据的获取更加复杂和深入,并且不容易受到教师或学生主观意愿的干扰,具有更强的客观性。相关的生物识别数据主要来自皮肤电反应(GSR)、脑电(EGG)、眼动(EM)、心率(HR)等。采集这些数据的设备大多具有轻便性、可穿戴性和非侵入性,教师可以据此方便快捷地获取信息。

皮肤电数据能够反映学生的情绪状态。当人的情绪处于情绪唤醒状态(紧张或兴奋)时,汗腺会排出更多汗液,因此流经皮肤的微弱电流受到的电阻变小,皮肤电增强。皮肤电信号主要包括皮肤电导水平(SCL)和皮肤电导反应(SCR),其中皮肤电导水平变化较为微弱,且易受到个体个性特征的影响,而皮肤电导反应则变化幅度更大、变化速度更快。由于人体的手指、手掌和脚等部位的汗液分泌受到情绪的影响更大,数据采集者通常将传感器置于这些部位。日本的一些学校率先在教育场景中收集皮肤电。其中,日本宫城教育大学团队已经在实际课堂中使用皮肤电来展开教学研究。国内也已有学者投入皮肤电与学情分析的相关研究。如,白学军和姚海娟使用无线生理记录仪系统信号探测器等记录被试的皮肤电,用于表征其时间压力,据此发现创造性强的人受到时间压力的影响更小。不过,皮肤电数据只能反映个体情绪唤醒的程度,不能揭示情绪的正负性。因此,单独使用皮肤电数据进行学情分析是有限的,教师需要结合其他的数据采集方式,以完整地了解学生状况。

脑电波则是大脑自发的神经电运动,常被用于了解个体的情绪和注意力。根据其频率,脑电波可以被分为δ波、θ波、α波和β波4类。禹东川提出,β/θ的比值可以用于评定学生的注意力。与功能性磁共振成像、脑磁图等脑信号获取方式相比,脑电波价格相对低廉、时间灵敏度较高。同时,随着可穿戴脑电仪器的研发,脑电波在教学环境中被逐步推广。获取脑电波的数据包括移动脑波仪、头戴式无线脑电传感器等。张琪提出,具备无线干电极的EEG/ERP系统尤其适合在各类学习场景中使用。已有学者将脑电波数据采集用于學情分析的相关研究。如,赵鑫硕等用Mindwave Mobile脑波仪采集被试的脑电信号,通过对这些信号做复杂数学运算,标记被试的专注度与放松度,发现移动设备上的课件字幕的呈现形式会影响学生的注意力和学习成绩。

另外,眼动和心率也是重要的生物信息。教育工作者可以利用眼动仪测量学生眼球的运动,记录其眼动轨迹、眼跳、注视等指标,从而实时了解学生的注意力情况。“聚光灯理论”认为,学生倾向于在困难的地方注视更长时间。眼跳则是眼球在若干注视点之间跳动的情况,反映了个体对信息的加工难度与阅读效率。目前,眼动已成为教学研究者获取学情数据的主要方式之一。如,王珏等采集被试眼动中的首次注视时间、注视次数、总次数时间、回视次数以及瞳孔直径,来表征其在多媒体阅读理解中的初期加工、整体理解、深度加工和认知负荷,从而研究文章难度与呈现方式对被试多媒体阅读的影响。心率方面,杨海茹团队开发了可穿戴式心率信息监测系统;周聪聪等开发了腕戴式无线低功耗心率实时监测装置。这些设备能够轻松获取学生的心率数据,方便教师了解学生的情绪波动、运动强度等方面的状况,尤其适合用于体育类课程。

事实上,人类真实的学习与交流本身就是多种模态的混合,包括调用多种感官、涉及内在与外在的多个层次、表现出情绪和注意力多方面的波动等。通过可自动抓取的多源性数据的相互补充,教师可以更真实地还原学习者内在与外在的学习过程及其所处的学习情境,从而更好地满足智慧学情分析的需求。多模态数据采集使学情的完整意义建构成为可能,据此研究者能够探究更深层的学习机制,从而加快落实教学理念变革背景下的新型学情分析理论框架。

4学情数据的分析、预测和个性化:人工智能技术

人工智能(Artificial Intelligence,简称AI)概念是1956年由美国达特茅斯学院McCarthy J教授等提出的,其核心涵义是让机器像人一样认知、思考和学习。随着人工智能技術被越来越普遍地运用于教学场景,这一技术被视为推动教育信息化的重要工具之一。国务院于2017年7月颁布的《新一代人工智能发展规划的通知》,指出要推动人工智能在教学中的应用,为学生提供精准推送的教育服务,实现教育资源的定制化。

尽管人工智能技术中的人脸识别、语音识别等也可用于学情数据的采集,但它的主要用途是帮助使用者整合与分析已有数据,并基于模型结果做出预测,以支持学生个性化学习的需求。

基于人工智能技术的学情分析首先在学生学习的过程中实时追踪和记录学生的活动,提取学生的学习兴趣、学习进度、知识盲区、认知风格等数据,形成学生个人画像,在此基础上再为学生推送合适的学习内容和渠道。在该模式下,自适应学习成为常态。学生个性逐渐取代学生共性,成为教学设计和实践的基础。目前,已有许多研究团队研制出基于人工智能技术的学情分析系统。如,K12智能教育平台“一起作业网”能够追踪学生的学习过程,分析其知识盲区,形成个性化学情诊断报告。科大讯飞的智能教学系统和智能学习系统专门为师生提供学情分析服务。此外,儿童教育公司芝麻街(Sesame Street)运用认知系统Watson,根据每位学生的学习模式匹配个性化学习工具。在线学习工具LearnSmart则根据学生对关键概念的认知测试结果,为学生调整最适合的学习内容。应用人工智能技术分析学情并形成个性化学习方案已成为教育信息化2.0进程中学情分析的重要方法。

5学情分析变革的风险

5.1伦理风险

基于现代技术的智能学情分析有效提升了学情分析的精准性、实时性、完整性和个性化,但一些伦理风险也随之产生。

首要的风险是,实时收集多维度的学情分析数据可能侵犯了学生的自由和隐私权。美国印第安纳大学教育学院与信息学院双职教授Curtis J B认为,学生一边学习一边被采集相关数据,像是处于高清摄像遍布的区域,难免会有被侵犯的感觉。对此,学校应将学生意见置于首位,将智能学情分析的利弊充分告知学生和家长,允许学生决定自己的学情是否被记录和分析,避免以“提高教学效率”之名草率做出决定。然而,一些校外人员恶意盗取学情数据的事件说明,上述做法仍无法完全保护学生的隐私。庞茗月指出,便捷的个性化学习服务常是以泄露隐私为代价获得的。如,2017年5月,澳大利亚Blackburn高中学生的个人信息、家庭信息、医疗信息等被恶意发布在公共网站上,影响恶劣。我国类似的学生信息泄露案例也不在少数。为此,建议学校严格评估教育科技公司和相关产品的资质,将相关事项明确地写在合作条款中,同时安排专门团队负责智能学情分析系统的安全维护。

第二项伦理风险是给学生贴上固化标签。在过去学情数据局部化、片段化的时代,每一个学生都呈现出模糊性,这种模糊性实际上为学生的可塑性提供了空间。如今,当学生的一举一动,乃至心理生理数据都被记录在案时,学习者很容易被贴上标签。这一方面可能会强化学习禀赋差的学生遭遇歧视的情况,阻碍这些学生的健康成长。另一方面,所谓的个性化推送只是利用过往数据的计算,忽略了学生作为真实的人的创造性和可变性。定制化学习方案在延长学生长板的同时,扼杀了其短板在未来发展的可能。对此,学校在培训教师使用智能学情分析系统的过程中,应明确随意公开学情数据的后果,同时充分告知教师学情数据的局限性。

第三项伦理风险则是对学生身体健康的危害。尽管许多学情记录设备已尽量符合人体的生理特征,但日复一日的设备穿戴也可能对学生的视力、肌肉等造成负面影响。面对这些伦理风险,邓国民认为应该在使用现代教育技术时,考虑系统创建者、教师、学生和监测员等利益相关者,斟酌有关福祉、是非善恶、公平正义、人权和尊严、自由自治、责任和问责的伦理问题,而不是简单地以教学改革为名剥夺学生自由学习、健康成长的权利。因而,学校和教师需有节制地使用相关设备采集学情数据。

5.2教学风险

首先,教师信息素养的不足可能会阻碍学情分析变革的推进。目前,我国还有很多教师不具备高效使用网络、移动设备等设施的能力,一些师范教育也没有足够重视师范生的信息素养培养。以往,优秀的学情分析依赖于教师的耐心、责任心、洞察力、应变力,现在则受到教师信息素养的影响。由于我国各地区经济、教育发展的不平衡,一些中西部地区和乡村的教师难以迅速掌握学情数据收集和分析的软硬件,这可能会进一步导致我国教育发展的地域不均衡。对此,需要将信息素养培训纳入中高等师范教育和教师继续教育中,同时配合国家扶贫攻坚项目,推进贫困地区的学校信息化建设。

此外,一些教师可能会误解教育技术在教学中的作用,产生排斥或依赖心理。排斥者认为自己的教学能力会被机器取代,拒绝使用智能化学情分析技术。依赖者则甘愿做技术的附属品,认为智能化的学情分析技術能够使其脱身于繁杂的学情分析任务,因此懒散懈怠。这些都是教师不能适应人机协同的工作环境的表现。教师的数据素养不仅在于学会使用技术设备,更在于学会思考如何用技术优化教学、如何利用技术给予教师的“闲暇”和便利促进教学转型升级,即形成较强的数据解读能力、分析能力、问题解决能力和教学机智。

6结语

在教学理念变革的影响下,学情分析的重要性日益凸显、发展方向愈渐明晰。学情分析框架从精准教学1.0版本出发,最终形成了涵盖行为、认知、情感等方面的分析系统,呼应了教学理念的四方面变革。在教学理念与学情分析的理论互动中,技术的进步促使学情分析的理论框架加速落地。这主要体现在互联网技术、传感器技术等支持的多模态学情数据采集,以及人工智能技术支持的学情数据整合与分析、个性化资源推送上。目前,学情分析变革已取得显著进展,但也伴随着伦理和教学方面的风险。同时,许多研究的焦点仍停留在如何促进技术层面的更新换代,很少深思如何利用技术助推学习和教学模式的转型。对此,学校、教师、企业、家庭等多方面有必要高效联动,来推动教育信息化背景下学情分析的深度发展。如,学校需尊重学生的隐私权,同时严审教育科技公司资质、重视系统维护;教师需正确认识学情分析技术的优势与局限,同时努力增强自身的信息素养,在此基础上,进一步思考如何利用信息技术优化教学。

参考文献

[1] 陈隆升.基于学情分析视角的课堂教学转型[J].教育发展研究,2016,36(6):69-76.

[2] 杜威.我的教育信条[M].杨小微,罗德红,译.上海:华东师范大学出版社,2015.

[3] STENHOUSE L.An introduction to curriculum research and development[M].London:Heinemann Educational Books,1975.

[4] 郭利明,杨现民,张瑶.大数据时代精准教学的新发展与价值取向分析[J].电化教育研究,2019(10):76-81+88.

[5] 徐梦杰,曹培英.精准针对学生差异的学情分析研究[J].课程·教材·教法,2016,36(6):62-67.

[6] 冯晓英,郑勤华,陈鹏宇.学习分析视角下在线认知水平的评价模型研究[J].远程教育杂志,2016,34(6):39-45.

[7] 曹培英.学情分析的现状、症结与技术开发[J].现代教学,2014(5):18-19.

[8] 李慧.面向学习体验文本的学习者情感分析模型研究[J].远程教育杂志,2021,39(1):94-103.

[9] WANG P.Research on model of student engagement in online learning[J].EURASIA Journal of Mathematics Science and Technology Education,2017,13(7):2869-2882.

[10] 杨现民,田雪松.中国基础教育大数据2016—2017:走向数据驱动的精准教学[M].北京:科学出版社,2018.

[11] 吕巾娇,刘美凤,史力范.活动理论的发展脉络与应用探析[J].现代教育技术,2007(1):8-14.

[12] 钟薇,李若晨,马晓玲,等.学习分析技术发展趋向——多模态数据环境下的研究与探索[J].中国远程教育,2018(11):41-49.

[13] 陈静静.揭开学习的奥秘:焦点学生学习历程的观察与分析[J].教育科学,2020,36(3):52-57.

[14] 张文梅,祁彬斌,范文翔.数据驱动的教学行为分析:现状、逻辑与发展趋向[J].远程教育杂志,2021(1):84-93.

[15] CROSSLEY S,PAQUETTE L,DASCALU M,et al.Combining click-stream data with NLP tools to better understand MOOC completion[C]//GAEVIC′ D,LYNCH G.Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.New York:Association for Computing Machinery,2016:6-14.

[16] 赵磊,邓彤,吴卓平.基于数据挖掘的MOOC学习者学业成绩预测与群体特征分析[J].重庆高教研究,2021,9(6):95-105.

[17] 韩颖,董玉琦,毕景刚.学习分析中情绪的生理数据表征——皮肤电反应的应用前瞻[J].现代教育技术,2018,28(10):12-19.

[18] 黎加厚.教学生理学:一门探索教学中人体生理信息的科学[J].教育研究,1992(10):52-58.

[19] 董玉琦.把教学研究深入到生理信息的水平——日本GSR教学研究综述[J].电化教育,1995(8):46-47.

[20] 白学军,姚海娟.高低创造性思维水平者的认知抑制能力:行为和生理的证据[J].心理学报,2018,50(11):1197-1211.

[21] 禹东川.基于脑电的课堂注意力监测:构建“可视化”教学生态[J].中小学管理,2016(7):18-19.

[22] 赵鑫硕,杨现民,李小杰.移动课件字幕呈现形式对注意力影响的脑波实验研究[J].现代远程教育研究,2017(1):95-104.

[23] 张琪,武法提.学习分析中的生物数据表征——眼动与多模态技术应用前瞻[J].电化教育研究,2016,37(9):76-81.

[24] MASON L,TORNATORA M C,PLUCHINO P.Do fourth graders integrate text and picture in processing and learning from an illustrated science text? Evidence from eye-movement patterns[J].Computers & Education,2013(1):95-109.

[25] 王玨,张屹,李智晔.文章难度与呈现方式对多媒体阅读的影响——基于H学院的眼动实验分析[J].现代教育技术,2018(5):26-32.

[26] YANG F Y,CHANG C Y,CHIEN W R.Tracking learners’ visual attention during a multimedia presentation in a real classroom[J].Computers & Education,2013(62):208-220.

[27] 杨海茹,刘清堂,吴林静,等.大数据时代生理信息分析的教育应用及趋势[J].现代教育技术,2019,29(6):34-40.

[28] 周聪聪,涂春龙,高云,等.腕戴式低功耗无线心率监测装置的研制[J].浙江大学学报(工学版),2015,49(4):798-805.

[29] 汪维富,毛美娟.多模态学习分析:理解与评价真实学习的新路向[J].电化教育研究,2021(2):25-32.

[30] 陈凯泉,沙俊宏,何瑶,等.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J].远程教育杂志,2017,35(5):40-53.

[31] 赵慧臣,马佳雯,张娜钰.人工智能支持下的教学设计框架与实施[J].中国教育信息化,2020(13):7-13.

[32] 郝祥军,王帆,祁晨诗.教育人工智能的发展态势与未来发展机制[J].现代教育技术,2019,29(2):12-18.

[33] 詹泽慧,霍丽名,姚佳静,等.人工智能时代MOOC将如何发展:机遇与挑战——与Curtis Bonk教授和Paul Kim教授的对话[J].中国电化教育,2019(2):10-15.

[34] 庞茗月,胡凡刚.从赋能教育向尊崇成长转变:教育大数据的伦理省思[J].电化教育研究,2019,40(7):30-36.

[35] 李青,李莹莹.大数据时代学习者隐私保护问题及策略[J].中国远程教育,2018(1):29-36.

[36] 邓国民,李梅.教育人工智能伦理问题与伦理原则探讨[J].电化教育研究,2020,41(6):39-45.

[37] 秦丹,张立新.问题与优化:课堂精准教学实践的现实审视与反思[J].电化教育研究,2019,40(11):63-69.

Interplay of teaching philosophy and student analysis  under the background of educational informatization

SHAO Zhuo-yue

(Institute of Curriculum and Instruction, East China Normal University, Shanghai200062, China)

Abstract Student analysis and teaching philosophy promote each other and develop together.Because the transform of teaching philosophy shows the importance of student analysis,while the latter in turn fosters the former.With the continuous and essential promotion of educational informatization,the complete theoretical framework of student analysis has formed,which includes the domains of behavior,cognition,and emotion.And the rapid development of the technology of data collection and analysis has made the new theoretical framework more practical at a faster speed.Nevertheless,the current transform of student analysis is still limited,facing some ethical and practical risks.So systematic measures of schools and teachers are required to avoid the risks to the greatest extent.

Keywords student analysis;teaching philosophy;educational informatization;transform

[责任编辑 孙菊]

[收稿日期]2021-12-02

[作者简介]*邵卓越(1998—),女,浙江绍兴人。博士研究生,主要研究方向为教学论。

猜你喜欢
学情分析教育信息化教学理念
浅谈高职数学素质教育
学情分析不准对教学质量影响的例析
基于虚拟仿真技术的地方高校实验教学探讨
信息技术与教学难以深度融合的成因及解决途径探析
学情分析: 有效教学的核心和关键
试论小学语文的阅读教学设计
高职学院信息化建设中面临的问题和思考
创新信息技术支撑教学变革
新课标下如何提高初中物理课堂教学的实效性
小学数学教学良好课堂气氛的创建初探