郭强 刘正光

摘要：学习进程理论是新兴的学习理论，也是目前教育学研究的热点之一。为了系统全面地梳理该领域研究，首先，对学习进程的要素、分类、及开发方法做了简明介绍;其次，使用CiteSpace软件对外文数据库WebofScience（WoS）核心合集数据库263项文献进行了文献计量学分析以探索研究现状;最后，对未来研究提出了展望。

关键词：学习进程;研究现状;可视化分析

“学习进程”的概念发轫于“进步地图”及“构念地图”，原本指在教学过程中对目标构念（construct），即对教学内容中涉及的概念做出连贯而充分的定义。[1]在此基础上，美国国家科学院下属的国家研究委员会将学习进程定义为“在较长时间单位内儿童学习特定内容时连续性发展的复杂思维方式”[2]，因此最初对学习进程的定义主要针对科学教育领域[3]。對学习进程的定义目前尚未有定论，但学界一致认同学习进程主要指学生在学习核心概念和原则的过程中，从初学水平到专家水平的发展和转变过程。[4]相对其他学习理论而言，年轻的学习进程理论尽管在问世十余年间得到广泛关注，但自身发展仍不完善和成熟，对教学的指导作用仍有待检验。因此，本文意在梳理学习进程理论的主要特征和研究现状，并探究未来研究的方向。

一、学习进程的要素、分类及开发方法

学习进程在本质上是假设性的，因此对学生的学习过程并不具有规定性。[5]尽管如此，学习进程的假设或者推论仍然必须建立在学生学习成就的实证研究基础之上，而不能仅仅依靠教师的个人教学经验，或者逻辑分析[6][7]。学习进程通常由一个低锚点（loweranchor），数个中间水平，及一个高锚点（upperanchor）构成[8]，低锚点指的是学生在课程开始前对特定学科领域内主题持有的“日常思维”（informalreasoning），这些思维也叫做“迷思”（misconceptions），主要是由于不了解相关内容而产生的错误感知;高锚点指的是经过教学过程后学生对核心概念（coreconceptsorbigideas）的高水平掌握。因此，学习进程旨在构建学科领域内核心概念体系，以促动学生学习。

学习进程的范围通常不应过大，应该聚焦于具体学科的细分领域，如“英语作为第二语言中的写作”的学习进程，而非整个学科的学习进程，如“英语作为第二语言”的学习进程，可能就不具有操作性，失去具体的教学指导意义。学习进程的颗粒度是学习进程理论的另一个重要命题，教师应该使用具有一定精细颗粒度的学习进程，以便深入了解学生的学习成就，但目前并不存在，也不应该存在统一的颗粒度标准。[9]通常来说，颗粒度的精细程度取决于学科内容的难度、时间跨度、课堂目标等因素，原则上是为了满足教师和学生收集和研判学习信息的需求。

目前学习进程有两种[10]，一种是效度验证学习进程，采取随时修正的效度观论证学习进程的顺序;另一种为演化学习进程，主要识别和描写学习者到达高锚点（upperanchor）之前的内容感知路径。

就学习进程的开发方法而言，目前尚未有统一认识，但一致认同开发过程应包含两大要点，分别是识别学习进程中的焦点，也就是识别核心概念，以及为学习进程提供实证支持[11]。因此开发过程由两个阶段构成。

在第一个阶段，即核心概念识别阶段，一般结合“自上而下”和“自下而上”两种方法[12]。在“自上而下”方法中，可以结合国家课程标准、课程大纲、相关文献、外部考试测评标准等抽取核心概念，这个过程中鼓励教师在教研室、教师发展中心等职业学习社群与同行共同完成。抽取出的核心概念经三位以上相关课程教学专家审定后形成连贯结构，即线性序列，至此高锚点刻画完成。

在第二个阶段，对低锚点进行刻画，同时基于学生的学习现状收集实证以便对学习进程进行效度验证[13]，这个过程中可以使用半结构化访谈、刺激回忆、反思日志等手段收集相关质性证据进行三角验证，以便准确刻画特定微观社会文化情景下学生的低锚点分布情况。在进行正式访谈之前，有必要采用预备访谈，访谈结果可以用来修改访谈问题，初步审定学习进程。基于学习进程的促学性质，对学生抽样时并不需要随机化，一般采用方便抽样，但为保证一定方差，需要在识别学生水平的基础上抽选不同能力的学生。在一定数量的访谈后会达到数据饱和。但为保证方差变异，会继续抽取少量学生。正式的访谈结果经整理后，同样可以考虑对初步审定的学习进程进行修改。如果开发的学习进程推广性比较高，具有一定高利害性，则对学习进程进行严格的效度验证，邀请两位以上资深学科教学研究人员依据开发出的学习进程使用4分计量对学生的学习进程打分，即使用四个水平评估学生的学习进程，分别是“不明显”（水平1），“初步”（水平2），“发展”（水平3），及“高级”（水平4）。使用Kappa系数计算评分员间信度，标准可以采用兰迪斯（Landis）和科赫（Koch）在1977年提出的标准[14]，即0.41-0.60为中等信度，0.61-0.08为高信度，0.81-1.00表示评分员几乎完全一致。

二、学习进程的研究现状

为厘清学习进程的研究现状，使用系统综述方法[15]梳理文献，系统综述方法通常包含六个阶段：

1）定义研究问题

2）确定综述研究的类型

3）实施综合性研究搜索

4）使用入选标准筛选文献

5）批评入选文献

6）整合入选文献

在文献梳理的基础上，使用CiteSpace5.5.R2软件对数据进行分析。CiteSpace可以帮助科研人员理解所在领域内基本知识，发现经典文献和研究前沿[16]。本研究使用了WoS核心合集数据库，该数据库全面涵盖了国际最重要的文献索引以及较为全面的文献信息，如研究人员间关系、论文索引等。检索词包括“learningprogression”，“constructmaps”，“progressmaps”等。因为学习进程理论于2005年后开始正式形成，因此搜索将文献限制在2005年后，设置文献类型为Article。文献入选的标准如下：

1）研究需为经同行评议发表的期刊文章或者学位论文

2）研究需包含实证或者方法研究

3）研究背景可以为基础教育，或高等教育

4）研究可以在任意学科领域

为保证数据准确度，对题目和摘要仔细阅读以确保文献达到入选，并排除重复项，最终得到有效文献263项。

（一）学习进程研究时间分布图谱

在WoS核心合集数据库中，对学习进程的相关研究从2005年开始至今呈上升趋势，如图1所示。

学习进程理论在21世纪初开始发展，得到关注甚少，相关研究直到2009年后的五年内才开始维持十几篇论文的发表数量。2014年后，相关研究成倍增长，显示出学界对其关注明显增多。2017年开始，相关研究又开始新一轮的明显增长，显示出该领域研究仍呈上升趋势。

（二）學习进程研究合作网络分析

使用共同作者网络分析学习进程研究中的作者合作情况。如图2所示，CiteSpace分析结果显示出260个节点，即260位比较活跃的学者，但这260个节点间只有346条合作连线，显示出这些作者间的合作程度不高。且最多产的几位作者，如安德森（CharlesWAnderson）和诺伊曼（KnutNeumann）等人与相邻节点的合作连线比较微弱，显示他们与合作者的合作关系并不特别强，更多的可能是偶然的合作，换句话说，本领域内尚没有出现强势的合作团队。值得注意的是汤姆森（KaterinavThompson）、蔡斯（MichaelChase）、马巴查德（GiliMabachadr）等学者之间形成的合作关系相对更强一些，虽目前该团队影响力有限，但也许未来该团队的成果值得期待。

使用共同机构网络分析机构间合作研究情况。如图3所示，CiteSpace分析结果显示出186个节点，即186所比较活跃的机构，前五所机构分别为密歇根州立大学、加州大学伯克利分校、俄亥俄州立大学、美国教育考试服务中心和普渡大学。其中密歇根州立大学以38篇论文遥遥领先，在此领域一家独大。而其余机构发表数量均为个位数以下，表明各机构对该领域研究尚未深入。186个节点间有158条合作连线，显示出机构间的合作程度同样不高。

（三）关键词共现网络及聚类分析

关键词共现网络分析可以展现研究热点，揭示研究发展趋势。如图4所示，CiteSpace分析结果显示出133个节点，及518条连线，其中出现频次最高的十大关键词分别为chemistry，argumentation，assessment，biology，classroom，children，achievement等，上述关键词出现频次均超过十次，且中心性都超过0.10，即在所有关键词中影响力比较大。在此基础上进行关键词聚类分析，结果显示聚类模块值（ModularityQ）为0.78，聚类平均轮廓值（Silhouette）为0.49，这意味着聚类的结构和类别都合理[17][18]。表1显示了国际学习进程研究的九个主题分别是：1）中学化学;2）设计支撑性教学情景;3）基础教育学习进程;4）缺失的核心知识;5）动作序列学习;6）学习进程理论;7）支持有效解读;8）科学建模;9）天体运动。每个聚类的平均轮廓值都非常高，显示出聚类内部同质性很高;同时，聚类之间的差别也很大，这也证明每个聚类的结果都是合理的。

表1显示出在学习进程领域目前受到集中关注的学科有中学化学、动作序列、科学建模和天体运动，这表明科学教育在学习进程研究中仍然占据主导地位。这些学科在2010年后得到广泛关注，至今不到十年时间，意味着向其他学科拓展的过程尚未大规模开展。其他聚类，如聚类1、3、6等印证了学习进程对教学过程的支持作用;聚类2和5反映出学习进程的整体应用和理论发展仍然在路上，尤其是2016年学习进程理论成为相关研究的主题，及2018年的支持有效解读，表明学习进程理论的发展和普及均未完善。

从聚类内部而言，聚类0主要聚焦于中学化学课程中学习进程的研发。如菲利普（Philip）和蒂姆斯（Tymms）于2011年在英国进行的一项研究中使用Rasch模型对30所中学的4450个学生的数据进行分析，从而对一个基于小规模访谈研发的物质概念学习进程进行验证[19]。聚类1主要关注使用学习进程对教学情景的支持和辅助作用。如伯兰（Berland）和麦克尼尔（McNeill）于2010年合作的研究中对比了来自小学、初中和高中的科学课堂中的四个科学论证的学生习作样本，以探索学生在不同年级和教学情景下科学论证方式的差异[20]。聚类2关注基础教育中学习进程的研发和使用。如邓肯（Duncan），罗盖特（Rogat）和雅登（Yarden）三位学者于2009的研究中为帮助学生学习横跨小学和初中两个阶段的现代基因学课程，对该课程的核心概念进行了梳理，确立了概念的学习进程，并对学生的学习成就进行了识别，对测评进行了相应的研发[21]。聚类3关注学习进程及相关测评中缺失的核心进程。学习进程中的核心进程的刻画对教学有极其重要的指导作用，关乎到学生在学习中的定位，前进的方向，以及教师如何做出后续的教学决定。同样，在学习进程中的测评的刻画可以起到诊断作用。因此，核心进程在学习进程理论和实践中的作用十分关键。布朗（Brown）和威尔逊（Wilson）在2011年进行的研究中论述了学习进程与测评的关系，在一所大学的理科教育情景中对学习进程及测评的连贯性和一致性进行了分析，并对测评的效度问题进行了探讨[22]。聚类4关注动作序列学习。如萨维恩-列米欧（Savion-Lemieux），贝利（Bailey），及彭霍恩（Penhune）在2009年的研究中观察6岁，8岁及10岁的儿童如何习得新的动作序列，并与成人的动作序列学习行为进行了对比[23]。聚类5中的研究可能代表了近来学习进程研究的重大动向，即在学习理论不断发展的背景下对其相关理论进行反思和更新。如国际教育测评领域专业期刊《教育应用测量》（AppliedMeasurementinEducation）于2018年第2期专题探讨形成性评估与科学教育学习进程的关系，不少专家如美国科罗拉多大学博尔德分校教育学院的谢巴德（LorrieA.Shepard）、密歇根州立大学的阿隆佐（AliciaC.Alonzo）等或从宏观角度，或从具体学科应用出发论述了学习进程中的测评问题[24][25]，进一步丰富了学习进程理论的内涵。

近年来，形成性评估在我国强考试文化及高利害测试占主导的背景下开始得到重视，但由于资源限制、文化观念等因素，形成性评估应用水平仍然亟待提升，而学习进程观照下的测评则天然具备形成性特征，即满足学生学习需求，提升学生学习表现，从这个角度，学习进程与形成性评估的结合可能会是学习进程理论发展中的一个重要方向，值得学界更多关注。聚类6的顶层关键词“支持有效解读”仍然与学习进程的测评问题相关，但更关注学习进程的学业诊断作用。测评的诊断与形成性既相互联系又有区别，共同之处在于目的都是促学，但区别之处在于诊断测评更加关注分析学生的优势和不足，以及向教师提供相应的测评信息，而教师在形成性评估中会基于测评信息，做出新的教学决策和调整。因此，诊断测评既可以为一线教师提供测评信息，也可以为相关政策决策者，如学校、家长、地方教育管理机构等方面提供特定阶段学生的学习信息。学习进程对学业诊断的帮助在于可以在特定教学阶段为学生提供更精准的学业能力刻画，但要实现该目标，除了要保证学习进程刻画的准确性，还需要对诊断测评信息进行准确解读。如斯蒂德尔（Steedle）和沙维尔森（Shavelson）的研究就表明学习进程应用中对学生学业能力定位时的层面限制，即单层性的不足，这可能会进一步制约对测评信息的解读，最终影响学习进程测评的效度[26]。该聚类结果也侧面印证近年来课堂测评、形成性评估、及诊断性评估受到的重视程度增加，因此学习进程研究必须满足相关测评的需求。聚类7和8均关注科学学科内特定领域的学习进程的开发和应用。如普拉默（Plummer）和梅纳德（Maynard）为帮助学生理解季节变化特别开发了相关天体运动的学习进程[27];舒瓦茨（Schwarz）等为帮助学生更好理解科学课程中的建模问题开发了相关学习进程[28]。

（四）作者共被引分析和期刊共被引分析

图5显示了学习进程研究领域225位作者形成的网络。如表2所示，美国国家研究委员会的研究在目前引用率最高，这是因为在学习进程研究发展伊始，该委员会便在概念定义、研究方法规范、推动科学教育中的学习进程制定等方面发挥主导作用。另外，作为世界最大的科学和工程学协会的联合体，以及期刊《科学》（Science）的出版方，美国科学促进会也扮演了类似的角色，在推进相关研究上不遗余力。其他两位个人作者分别为来自澳大利亚教育研究委员会的亚当斯（RaymondJ.Adams），以及密歇根州立大学的阿隆佐（AliciaC.Alonzo）。这四位机构/个人作者的中心性值都超过0.10，表明他们的研究对该领域起到了比较大的推动作用。

图6显示了高被引期刊的分布情况。在254个期刊中，被引频次和中心值大于0.10的期刊只有三个，分别是《美国物理杂志》（AmericanJournalofPhysics）、《美国教育研究杂志》（AmericanEducationalResearchJournal）、及《美国生物教师》（AmericanBiologyTeacher）（见表3）。这意味着以上期刊在学习进程领域具有绝对的影响力。同时以上期刊的引文半衰期都在7以上，显示出在该领域持久的影响力。

（五）文献共被引分析

为探索学习进程领域核心知识基础，进行了文献共被引分析。进入综述的253项文献共引用9459项文献，对9459项文献的共被引分析显示其中274项为高被引文献，其中被引频次最高，且中心性值超过0.10的文献有三项，分别是：美国国家教育委员会发布的《K-12科学教育框架》[29]，该框架旨在为课程开发、教师培训、课堂教学提供参考，引用频次多达57次;杜施尔（Duschl）、孟（Maeng）和塞曾（Sezen）等对学习进程及教学顺序的综述文章[30]，引用频次高达40次之多;以及阿隆佐（AliciaC.Alonzo）和斯蒂德尔（JefferyT.Steedle）对力和运动教学研发的学习进程的研究[31]，该研究在学习进程理论开始得到应用阶段为类似研究提供了方法论参考，引用频次为11次。三项文献的引用突现度，均在4.0以上，意味着它们都极大推动了学习进程研究的发展。

对共被引文献进行聚类分析以进一步明确知识基础的主题，聚类模块值为0.85，聚类平均轮廓值为0.44，显示聚类的结构和类别都合理（见图7）。如表4所示，每个聚类的平均轮廓值都很高，显示出每个聚类的结果都合理，同时，绝大部分聚类中的论文数量都在15个以上，意味着聚类的主题鲜明，研究主题的一致度很高。聚类0显示的是学习进程理论关注的焦点之一：学习进程中学生核心概念发展的非线性特征。在假设性的学习进程中，刻画在不同时间阶段的核心概念可能并不会如预期发展。[32]聚类1代表了学习进程的验证问题。Rasch模型是项目反应理论的模型之一，是验证学习进程的最佳手段，该聚类结果显示在学习进程理论发展初期，学习进程的验证问题就得到重视。但至今基于大规模纵向数据的学习进程验证研究仍然罕见。聚类2体现了教师对学习进程的感知。教师的感知在学习进程的开发和使用中都起到关键作用。聚类3显示出作为学习进程理论基石之一的测评问题从一开始得到了相应的关注。聚类5说明作为开发和使用学习进程的最终目的，即促学，或者提升学生的学习成就，确实是相关研究的基础之一。聚类14中出现的研究数量虽然明显减少，但主要是以美国国家教育委员会推出的《将科学带进学校：K-8阶段科学课程教与学》为代表的政策性文献。[33]因此该聚类仍然是学习进程研究的重要基础。如《将科学带进学校：K-8阶段科学课程教与学》的引用突变度达到3.68，表明其在该领域起到了重要的推进作用。

三、结论与未来研究方向

作为新兴的学习理论，学习进程近年来受到国际教育学界的重视。它可以1）比较精确地描述学习者一定时间段内在特定学科领域由初学者向熟练掌握者的转变过程;2）描述学习者学习过程中的典型迷思;3）为课堂测评提供有力支持;4）为利益相关者，如决策者、教师、学生、家长提供准确的学业能力刻画。因此，学习进程理论的发展和应用必将极大促进未来的教育改革。本研究介绍了学习进程的主要特征，如构成要素、分类、开发方法等，并使用CiteSpace对国际教育学界学习进程的研究现状进行了系统梳理，接着分析了学习进程研究领域的合作网络、研究热点、作者和期刊共被引網络、以及文献共被引情况。以期帮助研究人员了解学习进程研究的总体情况。通过本研究，可以得出以下结论：

首先，學习进程的开发必须建立在特定学科的细分领域内，因此必须依靠学科教学专家和一线教师对学科构念进一步挖掘和厘清，同时应更加关注构念之间的联系和非线性思维发展的问题，明确构念发展的连贯结构。目前学习进程的研究热点主要集中在有限的科学学科领域，在各个教育阶段其他学科领域，如人文学科的学习进程研究亟待开展。相关学科构念的刻画研究应该在具体学科领域内加快进行。

其次，学习进程的理论研究方兴未艾，我国教育学界可以借鉴国际同行的学习进程研究成果，在强考试文化和高利害测评占主导的社会文化情景下在多学科领域开展学习进程的理论和实证研究，鼓励原创研究成果，解决一线教学中的真实问题，丰富我国的教育和教学改革实践。在理论建构中应该加强与其他学习理论，如建构主义理论、社会文化理论等的融合。

第三，应该对课堂测评与学习进程的互动和融合给予特别关注。课堂测评的三大功能，诊断性评估、形成性评估和终结性评估在学习进程的刻画和实施中应该发挥积极作用，使测评成为学习进程的内在部分。在形成性评估中，学习进程可以作为“认知透镜”，帮助教师获得学生的学习证据，厘清测评目标，将长期学习目标切分成短期目标。学习进程还可以帮助确定形成性评估的时间节点，使课堂测评的时机选择更为合理。基于学习进程的课堂测评将重要学习目标进行凸显，强化了学习目标之间的联系，教师能够更加轻松解读课堂测评收集的学习信息。因此，学习进程不仅可以直观地显示学生在特定学科领域内的认知和思维发展过程，如果能够与课堂测评有机结合，还可以将教、学和测有机结合，帮助教师及时调整后续教学。

第四，尽快加强使用大规模纵向数据对学习进程验证的相关工作。目前的学习进程验证主要使用横断面分析，而能够反应学习进程后果效度的纵向数据的相关研究仍然十分匮乏。研发和使用学习进程的首要目的是促学，即提升学生的学业成就。因此，一个学习进程是否有效，在多大程度上有效，是否对所有群体的学生都有效，必须经过大规模纵向数据的检验，相关研究亟待加强。

本文存在研究缺陷。由于篇幅限制，没有对国内学习进程研究进行综述，未来研究可以进一步对比国内外学习进程研究，展示国内外研究热点的异同。

参考文献：

[1]WILSONM.ConstructingMeasures：AnItemResponseModelingApproach[M].Mahwah，NJ：LawrenceErlbaumAssociates，2005.

[2][8][33]NationalResearchCouncil[NRC].TakingSciencetoSchool：LearningandTeachingScienceinGradeK-8[M].WashingtonD.C，TheNationalAcademiesPress，2007.

[3]SMITHCL，WISERM，ANDERSONCW，KRAJCIKJ.ImplicationsofResearchonChildren'sLearningforStandardsandAssessment：AProposedLearningProgressionforMatterandtheAtomic-molecularTheory[J].Measurement：InterdisciplinaryResearchandPerspectives，2006（4）：1-98.

[4][7]CORCORANT，MOSHERFA，ROGATA.LearningProgressionsinScience：AnEvidenced-basedApproachtoReform（ConsortiumforPolicyResearchinEducationResearchReport）[R].NewYork：CenteronContinuousInstructionalImprovement，TeachersCollege-ColumbiaUniversity，2009.

[5]SHEPARDLA.LearningProgressionsasToolsforAssessmentandLearning[J].AppliedMeasurementinEducation，2018，31（2）：165-174.

[6]BAILEYAL，HERITAGEM.TheRoleofLanguageLearningProgressionsinImprovedInstructionandAssessmentofEnglishLanguageLearners[J].TESOLQuarterly，2014，48（3）：480-506.

[9]MOHANL，PLUMMERAJ.ExploringChallengestoDefiningLearningProgressions[A].InAlonzoAC，GotwalsAW（Eds.）.LearningProgressionsinScience：CurrentChallengesandFutureDirections[C].Rotterdam：SensePublishers，2012：138-147.

[10]DUSCHLR，MAENGS，SEZENA.LearningProgressionsandTeachingSequences：AReviewandAnalysis[J].StudiesinScienceEducation，2011（47）：123-182.

[11]PLUMMERJD.ChallengesinDefiningandValidatinganAstronomyLearningProgressions[A].InAlonzoAC，GotwalsAW（Eds.）.LearningProgressionsinScience：CurrentChallengesandFutureDirections[C].Rotterdam：SensePublishers，2012：76-99.

[12][13]KOBRINJL，LARSONS，CROMWELLA，GARZAP.AframeworkforEvaluatingLearningProgressionsonFeaturesRelatedtoTheirIntendedUses[J].JournalofEducationalResearchandPractice，2015，5（1）：58-73.

[14]LANDISJR.KOCHGG.TheMeasurementofObserverAgreementforCategoricalData[J].Biometrics，1977（33）：159-174.

[15]PETTICREWM，ROBERTSH.SystematicReviewsintheSocialSciences：APracticalGuide[M].Oxford，UK：Blackwell，2006.

[16]CHENC.CiteSpace：APracticalGuideforMappingScientificLiterature[M].NewYork：NovaSciencePublishers，2016.

[17]NEWMANME.FastAlgorithmforDetectingCommunityStructureinNetworks[J].PhysicalReviewE，2004（69）：661-667.

[18]ROUSSEEUWPJ，KAUFMANL.FindingGroupsinData[J].SeriesinProbability&MathematicalStatistics，1990，34（1）：111-112.

[19]JOGNSONP，TYMMSP.TheEmergenceofALearningProgressioninMiddleSchoolChemistry[J].JournalofResearchinScienceTeaching，2011，48（8）：849-877.

[20]BERLANDLK，MCNEILKL.ALearningProgressionforScientificArgumentation：UnderstandingStudentWorkandDesigningSupportiveInstructionalContexts[J].ScienceEducation，2010，94（5）：765-793.

[21]DUNCANRG，ROGATAD，YARDENAALearningProgressionforDeepeningStudents'UnderstandingsofModernGeneticsAcrossthe5th-10thGrades[J].JournalofResearchinScienceTeaching，2009，46（6）：655-674.

[22]BROWNNJS，WILSONMAModelofCognition：theMissingCornerstoneofAssessment[J].EducationalPsychologyReview，2011，23（2）：221-234.

[23]SAVION-LEMIEUXT，BAILEYJA，PENHUNEVB.DevelopmentalContributionstoMotorSequenceLearning.ExperimentalBrainResearch[J]，2009，195（2）：293-306.

[24]SHEPARDLA.LearningProgressionsasToolsforAssessmentandLearning[J].AppliedMeasurementinEducation，2018，31（2）：165-174.

[25]ALONZOAC.ExploringtheLearningProgression-formativeAssessmentHypothesis[J].AppliedMeasurementinEducation，2018，31（2）：101-103.

[26]STEEDLEJT，SHAVELSONRJ.SupportingValidInterpretationsofLearningProgressionLevelDiagnoses[J].JournalofResearchinScienceTeaching，2009，46（6）：699-715.

[27]PLUMMERJD，MAYNARDL.BuildingaLearningProgressionforCelestialMotion：AnExplorationofStudents'ReasoningabouttheSeasons[J].JournalofResearchinScienceTeaching，2014，51（7）：902-929.

[28]SCHWARZCV，REISERBJ，DAVISEA，et.al.DevelopingaLearningProgressionforScientificModeling：MakingScientificModelingAccessibleandMeaningfulforLearners[J].JournalofResearchinScienceTeaching，2009，46（6）：632-654.

[29]NationalResearchCouncil.AFrameworkforK-12ScienceEducation：Practices，CrosscuttingConcept，andCoreIdea[M].Washington，DC：NationalAcademiesPress，2011.

[30]DUSCHLR，MAENGS，SEZENA.LearningProgressionsandTeachingSequences：AReviewandAnalysis[J].StudiesinScienceEducation，2011，47（2）：123-182.

[31]ALONZOAC，STEEDLEJT.DevelopingandAssessingaForceandMotionLearningProgression[J].ScienceEducation，2009，93（3）：389-421.

[32]HERITAGEM.LearningProgressions：SupportingInstructionandFormativeAssessment[M].Washington，DC：CouncilofChiefStateSchoolOfficers，2008.

（責任编辑 赖佳）