技术支持的教师学习环境构建与实践！

明确了技术支持的教师学习环境模型构建的目标，以及模型关键部分——学习环境构成、有意义的学习活动、教师高阶思维能力之间的关系之后，我们进一步细化各个关键部分，构建了如图3-3所示的技术支持的教师学习环境理论模型。该模型的核心包括教师学习环境构成要素、学习环境功能、学习模式、信息支撑技术，其构建的理论基础包括新建构主义、分布式认知、关联主义、情境认知学习理论和终身学习、成人学习和教师专业发展理论等，通过技术支持教师学习在愿景、动机、能力、反思与社群等方面的实践，从而更好地帮助教师学会教学、学会反思、学会研究和学会为师。

有意义的学习活动是统整技术支持的教师学习环境的核心，具体体现为三种教师学习模式：基于课程的自主学习、基于工作坊的社群学习和基于课例的情景学习。支持环境主要包括学习环境构成的五大要素——学习资源、学习工具、学习情境、社群和学习评价，以及基于技术支持所形成的五大学习环境功能——跟踪过程、感知环境、连接社群、数据融通和精准服务。

图3-3　技术支持的教师学习环境理论模型

1.教师学习模式

（1）基于课程的自主学习模式

教师自主学习以教师为学习主体，在原有知识基础上，根据已有的知识基础和需要，具有主动学习的意识和动力，自觉确定学习目标，制定学习计划，选择适合自身专业发展要求的课程、内容、学习方式、学习场所以及需要的学习材料，通过所选择的内容，采取有效方式、途径与策略而进行的自主学习，调控学习过程，评价学习结果。教师自主学习的目的是提高教育教学水平，促进教师专业可持续高质量的发展。自主学习给了教师主动权，使得教师可以将注意力放在个人的专业发展需求，避免了非个性化的教师培训对教师自我发展的积极性的阻碍。

（2）基于教研活动的社群学习模式

基于工作坊的社群学习模式以线上交互为主，通过协作探究的方式来进行教学经验分享、专业知识交流、学习资源推送、教学实践反思；学习内容是基于真实的课堂教学情境，主题鲜明，针对性强；交互方式以分享和评价为主，呈现方式多以文字、图片、语音、视频等全媒体形式呈现；通过与不同社群的教师、同伴或专家进行交流互动，汇聚集体智慧，让教师获得学习的满足感和归属感，促进教师群体发展；弥补了传统实地教师研习时空受限的不足，实现“随时随地”的跨时空协作学习。

（3）基于课例的情境学习模式

基于课例的情境学习模式是指将上课教师的教学过程，通过网络直播或点播的方式，提供给其他教师观摩学习，教师在观课的基础上对课例进行研讨学习的学习方式。这种模式在教师现场观课方式之余，也支持无法及时赶到现场的教师使用手持设备参与观课活动。该模式下，观课教师有三种观课方式：①观课教师可以直接走进课堂现场观课。②观课教师可以在专门的网络观课室进行观课。网络观课室可以设立在同一所学校，也可以设立在不同的学校；可以只设立一个，也可以设立多个。③观课教师还可以通过课后点播的方式进行观课。观课过程中，教师可以通过课堂教学评价系统中的课堂观测量表指标对观摩课的教学情况进行诊断评估，通过信息化手段及时反馈诊断结果，了解每位观课教师的看法和建议，全面把握教学中各项诊断指标的得分情况，基于系统的评价数据和课堂教学过程中的观察记录展开教学研讨，为优化和改进教学集思广益。

2.技术支持的教师学习环境要素构成

（1）学习资源

学习资源是技术支持的教师学习环境设计的重要因素，是学习者进行学习的必要条件之一。学习资源一般是指与学习内容相关的信息，如教材、教案、参考资料、书籍、网络资源等，这些信息资源可以以不同媒体和格式存储和呈现，包括文字、图形图像、音频视频、软件等形式，也可以是这些形式的组合。在技术支持的教师学习环境中，根据学习资源与教师之间的互动关系，可以分为“学材”“习材”和“创材”，其中“学材”作用于知识的传授，“习材”作用于知识的内化，“创材”作用于知识的外显和迁移^[29]。具体到三种教师学习模式中，学习资源的特点也有一定的区别。

另外，从学习资源与教师学习的互动关系来讲，在一般的数字学习环境中，资源常常与固定的学习系统相互绑定，由教师自己进行选择。而在智能化技术支持的教师学习环境中，学习资源分布在云端、平台和相关节点中，这些资源也会在网络中“流动”，教师可以根据自己的学习需求以及个人喜好，自主选择，智能化的网络平台／系统也会在对学习者的数据挖掘与学习分析的基础上，全面、客观地了解每位学习者的学习偏好、学习状态及优势与不足，以此精准地向学习者推送符合其特征的学习资源，激发学习者的学习热情，提高学习效率。

表3-1　三种教师学习模式对应学习资源的特点

（2）学习工具

学习工具为教师学习提供支持，在技术支持的教师学习环境中，依据工具的用途来分，主要有以下几类。

教学工具：为教师获取和传递教学信息提供更加便捷、高效和多样的途径；支持教师在课前、课中、课后分配学习任务和资源，提高教学效率；打破了传统的教学流程和模式，创新课堂形态。随着人工智能在教育教学中的应用，各种智能教学工具使教师能够更加及时、全面、准确地了解学生的学习情况，使得大班额下的因材施教和精准教学成为可能，以更好地支持学生的个性化学习。

认知工具：是指那些让使用者利用它们进行积极思考的软件工具，能促进教师的认知发展，如内容管理工具记事本、博客，可视化工具思维导图、概念图等^[30]，合理地利用它们，可以更好地获得知识、领会知识，并与已有知识进行重组和创新。

教研工具：对教师教研活动进行管理和监控，支持教研过程中不同研究活动的开展；教研社群和在线专家团队能够实时地支持教师进行交流讨论；数据统计与分析工具能够为研究的科学性和严谨性提供有力支持。

除了上述显性的、与教师学习产生明显互动的工具以外，随着信息技术的发展，各类智能工具为学习环境的“智慧”提供了全面支持，具体包括学习者模型测量、信息推送、学习轨迹记录和情绪感知等工具^[31]。

另外，从教师学习与学习工具的关系来看，在一般的数字学习环境中，有一些通用型工具，工具是丰富的、系统的和静态的，学习者通过判断技术环境和学习情境，选择适用的工具。在技术支持的教师学习环境，自动感知技术自动识别学习环境和学习情景，然后给教师推送适合的学习工具。

具体到三种教师学习模式，学习工具对教师学习的支持力度也各有侧重，具体如下表。

表3-2　三种教师学习模式对应的学习工具支持

（3）学习社群(www.xing528.com)

人是社会性的动物，与他人协作、群居时需要同伴的赞美与鼓励是人类的固有属性，因此，社会性建构如学习社群在人类认知发展中具有重要的作用，特别是在技术支持的学习环境中。相关研究表明，在缺乏反馈与激励的线上学习环境中，学习动机往往难以持续保持，缺乏同伴的支持，线上学习更容易产生倦怠和孤独感。在技术支持的教师学习环境中，对学习社群这一要素的设计非常关注。学习社群支持学习者与教师、同伴、专家等开展互动与交流，强调群体性智慧的传播与共享。在三种不同的教师学习模式中，其特点如下表所示。

表3-3　三种教师学习模式对应学习社群的特点

技术支持的教师学习环境中的学习社群，还具有如下的共同特征：一是，社群成员都拥有一个真实的共同目标，这个共同的目标能促进社群成员间的协作和投入；二是，社群是通过合作小组的方式进行协商，激励多种观点的产生；三是，社群中个体能选择学习材料，鼓励个体积极主动参与学习；四是，有一系列相关的信息技术工具作为社群学习开展的支撑。

（4）学习情境

情境认知认为，当学习发生在有意义的情境中，是最有效的，强调情境与学习者经验建立有意义联系，以促进知识、技能和经验提升。情境意识或情境化学习，已经成为有意义学习和促进知识向现实生活迁移的一个重要依据^[32]。

教师专业成长中往往面对的许多问题都属于劣构问题，这类问题需要有多种解决方法和途径而且往往具有不确定性。其通常产生于特定的情境之中，且没有特别的界定，问题描述通常是模棱两可的，解决这类问题需要整合不同内容领域的知识。但培训学习中的良构问题与日常情境问题的求解是两回事，其间的关联性和迁移性相当有限^[33]。

学习情境是指对一个或一系列学习事件或学习活动的综合描述，包括正式与非正式学习情境、真实与虚拟环境、个人与社会性情境，而综合描述一个学习情境需要学习时间、学习地点、学习伙伴和学习活动四个要素。技术支持的教师学习环境中，对学习情境的设计特别关键，具体到三种不同的学习模式，其情境的描述如下：

表3-4　教师学习模式对应学习情境的特点

（5）学习评价

评价是对知识建构过程的一种反馈和反思，合理的评价能激发学习者的学习动机，促进有效的知识建构。技术支持的教师学习环境中，学习评价将围绕学习问题、任务的特点、知识建构的过程和结果，运用灵活的、多样的评价标准，注重过程性评价。具有如下几个特点：①根据教师自身的目标、意图和过去成绩来评定学习进步情况，以本人为参照，评价重心在于教师的问题求解过程，关注求解过程中认知构成、认知策略和知识结构。②多种评价方式相结合，包括自我评价、他人评价相结合，过程评价和结果评价相结合，评价方法基于学习档案、学习契约和量规，等等。③评价重点关注知识与技能的迁移运用，强调高阶思维能力的学习和发展，而不是知识的记忆，鼓励学习者积极思考，向新情境中迁移应用所学。④学习评价类似学习过程中的一种支架，能为教师了解自身学习提供及时反馈，以调整学习策略，如能及时提供建议、评论，对关键概念进行清晰的阐释；建立学习社群，通过点评与自评促进知识的共享，以评促学；评价具有持续性和实时性，是整个学习过程中一个必不可少的组成部分，与教师学习如影相随。

技术支持的教师学习环境中，学习评价的实施依赖于技术，如大数据技术、学习分析技术，等等。学习者在学习的过程中会伴随生成大量的行为数据，这些大数据是提供个性化的学习诊断、学习决策、精准推送和多元评估等个性化自适应学习服务的科学依据。基于大数据进行学习分析，可以描述和解释过去的现象、预警和干预正在发生的学习、推断发展趋势和预测将来，让学习者了解自己的学习情况及可能的结果，以便引导学习者向健康的方向发展。通过对大数据的深入挖掘和分析，可以丰富评价的指标，加强过程性评价和以学习者自评与互评为主的主体性评价，使学习评价更为客观与准确。

3.技术支持的教师学习环境功能

技术根据教师需求，调整学习环境中各要素的组合及其与教师之间的互动，促成有意义学习活动的生成。这些技术主要包括基于大数据的数据分析、情感识别、云计算等，最终体现以下五个方面的功能。

（1）跟踪过程

教师能够通过不同的途径和模式开展教师学习，包括线下集体培训、在线培训、自主学习、探究式学习和社群学习等，已有的技术支持的教师学习环境能够将教师的学习过程客观地记录下来，通过数据的形式保存下来，为未来教师学习数据挖掘与分析提供数据支持。

（2）感知环境

教师能够随时随地开展泛在学习，而不同学习情境下开展的学习模式也各不相同。因此，技术支持的教师学习能够支持对物理学习环境的感知，识别教师当下所处的学习情境，根据学习情境判断教师的学习需求，据此为教师提供精准的学习支持服务。

（3）连接社群

社群学习是教师学习中重要的学习模式，传统的教师学习有其局限性，教师只能在所属的社群或工作坊等中进行交流讨论。技术支持的教师学习环境为联通不同的教师学习社群提供了有力支撑，能够让教师在线与不同社群的教师、同伴或专家进行交流互动，从而促进教师知识的构建。

（4）数据融通

教师学习平台五花八门，教师在不同定位的学习平台上开展学习，但是其学习过程中所产生的数据却无法融通，更无法支持对教师学习行为的全面分析。在技术支持的教师学习环境里，通过统一身份认证和规范的数据标准，实现数据共享与融通，这有助于更精准地分析教师学习行为，反过来也有助于改善技术支持的教师学习环境，为教师学习提供更精准更高效的服务。

（5）精准服务

技术支持的教师学习环境具备跟踪过程、感知环境、连接社群、数据融通等特征，其目的更在于为教师学习提供更加精准的支持服务。在教育大数据和人工智能技术的支持下，对教师学习行为数据进行挖掘，基于教师专业发展知识图谱技术，能够为教师在不同情境下提供更加个性化学习服务，改善教师学习体验，从而提高教师学习的成效。

学习环境中各种要素的自然堆砌不可能自然构成整体的、积极的支持性力量，它们需要设计^[34]。学习环境要素构成及要素之间的关系深刻影响着学习的效果，学习者与各种学习环境要素之间的关系是“互动”关系设计有效，互动是学习环境诸要素产生效力，学习得以发展的关键。