陈 玲， 佘静雯

(北京师范大学 教育学部， 北京 100875)

一、问题提出

教研指在理论指导下对教学工作中的现象、问题和实践过程进行研究的活动，是教师掌握专业知识与技能的关键途径，具有探究性、实践性、合作性、共享性等特点。[1]教研对于教师的专业发展十分重要，其核心是围绕教师的“实践场”——课堂中的问题解决，推动教师设计、实践、反思等专业能力的提升。

2019年，教育部发布的《关于加强和改进新时代基础教育教研工作的意见》指出，要根据不同情况，因地制宜采用区域教研、网络教研、综合教研、主题教研等多种方式开展教研，“积极探索信息技术背景下的教研模式改革”[2]；《中国教育现代化2035》也指出要“利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合”，“推进教育治理方式变革，加快形成现代化的教育管理与监测体系，推进管理精准化和决策科学化”[3]。可见技术的发展给予教研更加广泛有力的支撑，产生更加丰富与个性的形态，充分融合技术的教研是当下与未来教师专业发展的主要趋势。

在“互联网+”、大数据、人工智能的时代背景下，技术支持下的教研理念与范式不断进化。互联网、直播技术等让教研摆脱了时间、空间、资源等因素的限制，通过构建在线教研社区、在线实践共同体和直播双师课堂等，教研资源流转的壁垒得以打破，教研机会与范围得以拓展，包括基于视频直播的教研、同步课堂教研、“同课异构”网络教研等教研模型逐渐形成。[4-6]随着大数据概念的普及，有的学者提出了“精准教研”的理念，提倡利用数据驱动优化教研环节，使教研实现需求个性化、过程数据化、决策循证化；[7]有学者认为，教研模型应强调跨越时间与空间的双重维度，为教师个体与群体绘制精准画像，[8]将人力从繁重的数据采集与处理工作中解放出来。近年来，随着人工智能技术的进一步发展，如何利用自然语言处理、视觉分析以及序列模式分析、聚类分析等智能算法辅助赋能课堂诊断与洞察能力成为研究热点，[9]如基于教学切片法、应用人工智能技术实现对课堂的教学事件识别与教学阶段划分等，[10]结合智能技术揭示师生行为背后蕴含的教学意义和教学规律，为教师的专业发展提供更具解释性与指向性的建议等。

纵观国内现有研究，不管是网络环境下围绕课堂的协同研讨，还是大数据、智能技术为教研提供课堂的自动化分析和诊断，都在一定程度上提升了教研效率和效果，但其中也存在如下问题：首先，教研大都侧重对课堂的观测和分析，而对课前、课中、课后的观测与分析贯通和延续不够，与教师日常的教学业务场景吻合度较弱，容易造成碎片化、片面化、孤立化的理解；其次，教研是教师群体活动，强调同伴之间的协同，但目前仅借助技术提供信息和数据，缺乏对教师同伴的经验和智慧的整合，难以形成对课堂更多维更立体的观察和反馈；最后，现有模型对教师面向未来发展的延续性支持考虑不够，在教研目标上多停留于诊断分析，忽视对问题的解决和持续跟踪，缺乏对教师的长期支持，等。上述问题也成为本研究的出发点，即立足于教师课堂教学的个性化改进，联通相关人力资源和物力资源，构建契合教师日常业务需求的创新教研模型，实现教师专业发展的持续性、进化性与生成性。

二、理论基础

从教师专业发展的本质与特性出发，教研的定义强调其鲜明的实践性，情境学习理论较好地阐明了实践性知识的发展方式；同时，教研是一个社会过程，随着成员的互动而发生，教师的协同知识建构水平与社会建构主义息息相关；而信息时代下的教师发展又吸收了技术所带来的新特征，需要经历不断地创生与衍化，一定程度上反映了联通主义理论的观点。因此，笔者将以上三种理论的核心观点与相关启示用于指导智慧教研模型的构建。

(一)情境学习理论

情境学习理论认为学习是在情境中发生的，其核心思想包含以情境为基础的行动、认知学徒制、实践共同体。[11]知识本身具有情境性与工具性，知识发生与增长于情境之中，不可独立于情境存在。Brown等人提出，“知识在某种程度上很像各种工具，使用者在运用过程中才能对其彻底理解，而且了解与接受工具相关的文化，并改造自己的思想与观点”[12]。学习者在问题情境之中，作为共同体的一分子，合法地从边缘参与其中，逐渐深入至核心，从而不断生成与外化知识，即知识如同工具般被真实地、直接地应用，是学习与实践过程的附属品。[11]教师群体的专业发展具有很强的实践性，因此需要支持教师在符合日常工作的真实情境中开展相关教研活动，关注与聚焦教师在教研过程中的切实问题与需求，促进教师围绕问题分享与碰撞，在行动中收敛与发展实践性知识，在共同参与中进行意义建构，构建实践共同体。

(二)社会建构主义理论

从社会建构主义者的角度来看，学习主要是一个在对话和协商过程中生成的社会产物，其学习环境包含交互合作、小组学习乃至家庭的活动。Fosnot等学者提出学习者可在能力更强的成人或者同伴的帮助下，逐渐掌握难以理解的内容。[13]还有学者认为，在类似协作设计的群体学习活动中，适当的任务认知指导和协作过程的社交指导能够帮助学生有效地利用特定的技术能力进行学习：一是与设计的认知需求有关的指导，应该为学生充分理解设计问题提供适当的任务支架；二是与社会认知需求有关的指导，应支持小组协调和设计交流中的有效社交互动，例如一致的沟通、协调监控以及对团队流程和成果进行反思的各个方面。[14]由此，为保障教师群体开展更加高效的群体知识建构，教研需为其提供相应的社会支持与认知支持。社会支持促进知识建构的分享行为与交互行为，展开意义协商；认知支持则为教师的研讨与反思搭建脚手架，引发更高级的心理功能，以达到更加深入的知识建构。

(三)联通主义理论

在互联网与媒介技术高速发展的背景下，乔治·西蒙斯于2005年提出了联通主义理论。相较于之前的行为主义、认知主义、建构主义等学习理论，联通主义认为学习并非个人的知识内化，而是建立专门节点与信息源的过程，分布于社会网络之中；知识具有联结性与生成性，在混沌的学习环境中，知识无限地、高速地创生与进化，致使个体无法彻底拥有知识，即学习有“在连接中学习”与“分布式认知”的特征，因此获得知识的渠道、途径、方法比知识本身更重要。[15]为了促进教师群体持续性的学习，需要创造与维护教师与其他教师和信息资源的连接，使教师能够不断将产生的智慧连接至学习内容中，学习内容的动态进化反过来支持教师教学、教研、反思等能力的发展，而非仅仅停留于学习内容的获取，实现基于创造的知识生长以及在连接与循环中的知识流通。

三、技术支持下的智慧教研模型构建

基于情境学习理论设计了贯穿课前、课中、课后的教研流程，促进教师共同体发展实践性知识；基于社会建构主义理论将真实教研过程中的多模态数据汇聚，从人际参与分析与课堂教学客观分析两方面为教师的协同知识建构提供社会支持与认知支持；基于联通主义理论将知识库作为模型基础，构建知识循环框架，使教师在教研过程中能够与知识库创生进化。在此基础上，笔者构建了技术支持下的智慧教研模型(图1)，该模型的具体特征内涵如下。

图1 技术支持下的智慧教研模型

(一)无缝融合教师课前、课中和课后日常教学业务情境，支持教师专业持续发展

模型贯穿课前、课中、课后等关键时间阶段与持续多节课堂的系统化教研流程，包括专家、教研员、执教教师和听课教师多元主体应用平台的相关模块与功能，充分参与集体备课、上课实践、协同听评课、深度反思等教研活动，支持教师的设计、实践、反思和学习全流程开展。教师于具体实践中提升自我技能与素养，通过协同的知识建构形成实践共同体，并在此过程中产生了多维度、多模态的教研数据。

所有教研模型的初衷都指向教师专业发展，站在教师角度，课堂教学不是孤立发生的，而是有预设的设计与实践，从时间线上看，课前的教学设计、课后的教学反思构成了连贯、延续的整体。因此，智慧教研模型不仅无缝融合课前、课中、课后等教学阶段，保障课堂分析结果贴合教育情境，体现教学意义，而且加入了多节课的持续观察。具体而言，课堂观察与分析涉及备课、上课、听课、评课四个主要环节，贯穿课前、课中、课后三个时间段：课前，执教教师需确定教学主题，编写教学设计方案，提交至平台，听课教师需在平台上对设计方案进行协同点评。课中，执教教师授课，听课教师在听课本APP或智慧教研平台上对执教教师的课堂教学进行过程性的记录与总结性评价。课后，听课教师及时将听评课数据提交至平台，教师互相浏览与分享彼此的评价内容；平台自动化汇聚与分析各个环节中的课堂教学数据与教研人际数据，生成智能化分析报告；教师们在教研员与专家引导下结合报告共同展开研讨，之后执教教师在平台上进行个人反思。通过重复以上分析流程，模型采集教师的多节课信息，并纵向比较分析教师的历时性变化，综合诊断得到教师的教学特色与问题；通过对单节课全过程分析以及对多节课追踪分析，建立教学情境与数据、知识的联系，帮助教师聚焦真实的问题情境，有效内化实践性知识。

(二)结合群体人际数据与课堂教学数据开展智能化分析，为教研提供社会支持和认知支持

智慧教研平台结合人工智能等技术手段对多模态数据自动化分析，分析结果以可视化报告的形式呈现，其中既囊括对教师们评价思考的汇聚分析，从群体反馈的视角反映课堂教学情况与促进协同知识建构，又有针对课堂教学展开的深入分析，包括采用语音分析、面部表情分析、动作分析等多重方法判断课堂结构、师生语言交互情况、教师教态，为教研提供具有解释性与指向性的参考及支持。除此之外，报告还反映教师使用量表对自我或他人测评的TPACK与学科知识技能水平，从而为教师群体协同教研、个体反思与改进自我提供全面清晰的参考与反馈。

在对教学设计的分析上，智慧教研模型可通过文本分析得到教学模式的初步判断与建议，而后在记录教学实践的课堂视频中，进一步采用语音分析、面部表情分析、动作分析等方法，从宏观、中观、微观三个层次系统性地整合与分析课堂的多模态信息流(图2)：宏观层为课堂结构分析层，识别教学环节，透视教学模式，并结合师生行为互动结构与序列分析，反映上位的教学思想与理念；中观层为师生语言分析层，借助弗兰德斯量表分析整体的师生语言占比，从提问技能与语言特色两方面深入分析教师语言质量，并对学生的提问、回答方式以及发言的认知层次进行分析，从而反映课堂对话的深度与教师的教学风格；微观层则将教师面部表情与体态数据外化与表征为教师的教态，这一定程度上反映课堂氛围与文化各个层次之间的分析并非是独立割裂的，而是互相关联与投射的，例如将教师的高频用语、话语表情、面部表情、手势结合不同的教学行为事件观察其分布情况，为教师挖掘与呈现更加丰富的教学意义，以脚手架的形式对教师的知识建构与能力发展提供认知支持。

图2 课堂教学分析框架——教研认知支持维度

教研不是个人的活动或行为，而是群体协同建构的过程，其目的也并非是简单的评价和反馈，而是通过多重渐进的对话，促进教师的深度自省，支持教师的持续发展。由于教学场景的灵活性、生成性、情境性等特点，依赖于技术的自动反馈和分析很难完全透视真实的课堂现状，需要结合人的观察投入，形成更全面、多元的观察和反馈。此外，由于教研本身具有突出的群体参与的特征，智慧教研模型需要支持教师的协同发展。因此，智慧教研模型所采集分析的数据具有“人机”结合的特点，人际参与数据包含对教师参与频次、人际关系网络等社交行为方面的分析，以反映教师在教研中的交互水平，让教师能够直观了解与比较彼此的参与差异，从而进行自我调节与改进，激发与强化教师之间的互动；模型对教师的具体反馈内容进行了挖掘，汇聚得到课堂的优缺点、听课关注点、教师的TPACK知识、学科知识与技能水平等，有效补充课堂观察与分析的视角，帮助教师聚焦重点，为群体研讨提供社交支持，促进执教教师与听课教师的双向发展。

(三)基于协同进化和集体创生知识库，支持教师教学能力个性化提升

丰富的知识库与数据库是整个智慧教研模型持续运转的基础，包括各学科知识库、教学问题库、学习资源库、教师教态库、教学语料库、学习活动库等。各知识库与数据库为智能化分析提供充分的数据支持，并根据分析结果为教师推荐个性化的资源，帮助其有针对性地改进与提升教学能力。由此，教师可获得持续性的发展。与此同时，教师在此过程中也持续创生新的智慧，例如典型教学问题、优秀教学片段、常用教学策略等，这些实践智慧被不断拓展至知识库中，使知识库与教师群体同步动态进化，整体形成良好的诊断—分析—改进—生成循环(图3)。

图3 教师与知识库协同进化示例

对于教师专业发展而言，课例分析与研讨只是途径与手段，基于课例的持续改进和成长才是最终目的，而过去的教研模型对教师的持续发展关注不足。由此，智慧教研模型建立了教学问题、教学关注、学科教学知识与优质学习资源之间的连接，基于智能化分析报告中所诊断的教学问题、教学特色与教学关注点，在海量资源中筛选并推荐最为合适的资源，对教师进行个性化的干预改进。例如，经过对某位语文老师多节课的跟踪分析，平台发现其在拓展阅读、课堂导入、合作学习等方面表现欠佳，而后向其智能推荐语文学科“阅读教学”“问题情境创设”“合作学习”教学策略等课件、文献、微课和讲座资源，支持教师个性化学习。智慧教研模型还可以基于教研形成的人际关系网络，为教师推荐对应领域的学科专家或教师，使教师获得最契合自身需求的指导和帮助，组建动态的在线教研共同体。

教师群体参与课堂观察和反馈，本质是以课堂观察活动为契机，触发教师群体知识的“谐振”。在参与教研的过程中，教师的专业知识与技能得到持续提升，教学问题、教学关注点、教研需求也在不断发生改变，因此模型需要有动态进化的知识库来支持教师群体的发展。智慧教研模型强调每个教师既是知识库的学习者，同时也是知识库的贡献者。在教研过程中每个教师的教学特长和优点都会被识别出来，其教学特长的具体表现——方案、视频片段、微课等将被持续萃取、汇聚至学科教学知识库与学习资源库。人力资源和教研的各种外化资源整体形成良好的互动循环，教师群体、教研内容、教研资源的连接一直在丰富、增长与创造，保持群体知识的协同生成与发展。

四、智慧教研模型应用案例及效果反馈

(一)案例简介

自2020年以来，受新冠肺炎疫情影响，传统的教学与教研皆面临巨大挑战。为保证疫情期间“停课不停教，停课不停学”，智慧教学与教研成为区域教育质量提升的有力支撑。北师大教研指导专家与广州某区于2020—2021学年第一学期开展了线上线下相融合的智慧教研活动。项目流程按照智慧教研模型开展，课题组在确定教研目标基础上，鼓励教师自主报课并与其他教师共同备课，进行课堂教学实践，教研员及其他教师开展听评课活动，结合智能化分析报告深入研讨，并基于分析开展反思与个性化学习。项目持续了一个学期，共有298位教师参与，生成了82节典型研讨课例。学期末，面向所有参与教师发放问卷和分析应用效果。

(二)案例实施效果

1.精准促进了教师个体和群体专业发展

平台自动汇聚分析课堂教学过程大数据与教师人际参与大数据，根据智能化分析报告中的教学特色、教学问题、教师知识与技能水平等结果，提炼课例研讨点以及区域教研点，精准提升教师个体与群体的专业能力。从个体层面而言，以某小学二年级下册语文课“传统节日”为例，北师大教研指导专家结合备课、听评课记录与分析报告，从跨越式理念、教学设计、课程实施、信息技术使用等方面对该课提出课例研讨点，基于教师知识图谱，针对授课教师在朗读、识字方法、合作学习、精读等方面存在的问题，个性化推荐了专题讲座、微课视频、相关优秀教师及教学片段等；标记本课例的特色教学片段——组织学生结合生活经验改写课文，引导学生感知传统习俗；在研讨过程中生成了低年级语文识字环节的设计与教学着力点等教学策略，将过程性教师智慧汇聚至知识库，使参与研讨的教师不仅明确了改进方向，而且有所收获与生成。通过对教师群体的集中比较分析，平台系统、动态地反馈了区域学科教育质量，学科教研员也从中了解了本区域各学科教师的教学水平和教学问题，全方位、多维度地掌握了学科教学情况，为接下来的区域教研指明方向。例如，对语文学科的研讨点进行归纳总结，语文学科的教学问题点主要存在于以下几个方面：(1)朗读指导；(2)拓展阅读；(3)写话设计；(4)高效课堂；(5)习作；(6)课时分配；(7)识字教学。

2.教师的满意度较高，实际获得感较强

通过回收分析教师自我感知的调查问卷发现，绝大部分参与教师对基于课堂教学分析模型的智慧教研活动表示满意，满意度平均分达到4.3(满分5)。其中，90%以上的教师认同“通过参与本次教研项目，能够从新的维度审视自己的教学”，可见智慧教研模型通过为教师的课堂观察、研讨与反思提供多维的、微观的、准确的数据，帮助教师建立起了全面、系统的视角以及从微观至宏观的分析路径；88%的教师认可“参与本次教研项目能够让自己更加科学地、有针对性地改进教学”，说明智慧教研模型为教师精准地找到了痛点，并能个性化指导其有效弥补缺陷；91.5%的教师表示愿意或非常愿意“将在研讨活动中所学到的知识应用到后续的教学活动中”，一定程度上体现了教师在智慧教研模型的支持下可持续发展的意愿与可能。在具体收获层面上，诸多教师表示掌握了创新教学模式、合作学习方法、信息技术与教学融合的策略等，教研的实际获得感较强。

3.群体智慧汇聚优质学科教学资源

基于教师需求、教师在备课和课堂实录中出现的问题，指导专家、教研员与执教教师在授课及教研过程中生成了一批可供迭代使用的优质资源。同时，通过标记本次教研活动中的优秀教学片段与梳理优质教学案例，有效沉淀了丰富的过程性教学资源，包含微分享主题讲稿、教学课件、教学方案、课堂实录视频等；有效汇聚了组内成员的群体智慧，形成了丰富的教研资源库，打破了时空限制，让更多学校、更多区域、更多领域的教师和专家有更多机会参与持续研讨活动，进而形成了具有区域特色的教研资源库，可持续辐射至更多有相关需求的教师。

五、智慧教研模型的创新与启示

(一)遵循实践逻辑进行教师群体教研活动的设计和实施

教师专业发展的内生逻辑是实践逻辑，需在真实的行动中体现，它的内涵包括实践图式的创生、教育惯习的型塑、实践感的内驱、实践育师潜能的彰显、教师实践创造力的释放等。[16]本文提出的教研模型贴合真实的教学业务情境，为教师提供了相对稳定的学习环境，帮助教师系统地开展备课、上课、听课、评课、研讨、反思等活动，并充分利用技术手段为教师提供了各种活动的支架，使教师能够更加高效地将习得的教学理念融入与应用至真实的教学情境，将游离的策略、知识与技能关联具体的教学意义，嵌入底层的实践逻辑，从而形成一套个性化实践图式。与此同时，模型支持对教师的持续追踪，通过诊断—分析—改进—生成的动态循环保持教师在实践链中的不断更新与发展，促进教师型塑自我的教育惯习，实现了教师实践成长的核心机制。

(二)支持从“专家授导式”向“课堂问题驱动下教师合作探究式”教研范式的转变

以传统的“专家授导式”的教研促进教师专业发展背后的理论基础是以结果为导向的行为主义，强调专家指导和培训，强调通过传递—接收的方式来完成教师的研修学习，而这种方式忽略了专业发展的实践性、灵活性以及教学实践本身存在的模糊性和生成性，也难以真正解决教师个体的真实问题。以上特征导致教研范式需转向问题驱动的合作共建。现象学提出认识事物的方法是回到事物本身，技术支持下的教研模型回归到教育的主阵地——课堂，摆脱权威或习性的中介，[17]发现与聚焦教师在教学过程中实时产生的具体问题，以课堂教学问题为锚，设计与实施了系列的教研活动，结合虚拟与线下空间为教师的合作探究创造了实践场，使教师在问题驱动下协同思考与讨论，并自主进行理解、建构与创造，同步发展个人与群体智慧。

(三)联通课堂现象、问题、数据、知识、人和相关资源，为教师个性化发展提供多维支持

技术支持下的智慧教研模型所收集的数据具有多维性，将每一类数据都关联至具体的教学情境，打通了课堂现象、问题、人际、知识之间的壁垒，从课堂现象中分析教学问题，从反馈与交互中得到知识图谱，串联得到了数据挖掘、现象分析、知识决策与创造的完整服务链。这种方法具有全息性质，体现了将多个对象、多种元素整合分析的生态观与系统观思想。教与研数据的情境化正视了教研的本质，避免出现教研被数据“牵着鼻子走”的本末倒置情况，使多模态的数据分析、智能化的资源推荐能够为教师专业发展提供更加个性与精准的支持，贯彻了数据与技术为教研服务的理念。

(四)体现知识驱动下的决策，有助于建立平等协同的教研氛围和文化

以往的教研往往缺乏有效的证据支撑，难以在评价与决策时进行准确的循证，而智慧教研模型体现了知识驱动下的决策，使得教师个体的改进与教师群体的改革更加具有科学性与指向性。此外，智慧教研模型采用了问题驱动下合作探究的教研范式，协同知识建构的有效社交互动强调一致的沟通，合作伙伴的响应能力、合作管理等，知识驱动下的决策在一定程度上减轻了权威的影响，使知识民主化，所有成员均被视为社区中的知识贡献者，[18]给予了每个教师开放的话语系统，让教师能够更好地发挥主观能动性，充分参与其中，建立平等协同的教研氛围和文化，增强群体凝聚力。