智能時代教師學習的十大難題

張志禎 徐雪迎 李英杰 呂雅楠

【摘 要】

進入智能時代，盡管已有多種形式的智能機器承擔了教學任務，但在弱人工智能時期智能教學系統的作用與應用有限。人類教師不但能夠創造“學習的條件”，而且能夠創造“讓‘學習的條件’起作用的條件”。教師還將繼續活躍在三尺講臺上。教師專業學習與持續發展對于教育質量提高仍然至關重要。厘清教師專業學習的難題，是智能時代教師教育體系構建、教師教育項目設計和相關智能技術產品研發的基礎性工作。本研究在長期教師教育研究、實踐與文獻梳理的基礎上，提出了六類十個教師專業學習的難題，即目標的抽象變動難題，理論的遷移難題，技術的整合難題，教學實踐的行動、理解與表達難題，教師教育的前見、連續與反饋難題，以及教師個人的動力難題?；趯處煂W習難題的系統分析，對教師個人學習及其支持、教師教育項目設計與教學原則以及促進教師學習的智能技術產品研發提出了對策建議。

【關鍵詞】? 教師專業學習;教師教育;教師專業發展;智能技術;理論;技術整合;教學實踐;教師教育信息化

【中圖分類號】? ?G451.2? ? ? ? ?【文獻標識碼】? A? ? ? ?【文章編號】? 1009-458x（2022）2-0001-12

在“越來越多的事情人類將做不過機器”（吳軍， 2016， p.364）的智能時代開啟之際，與教師相關的研究與實踐呈現出兩個似乎截然相反的方向：一方面積極探索人工智能技術直接教學生的可能性，比如“機器人教師”的研究，如曾文婕等（2021）、張務農等（2021）;另一方面積極探索、推動教師教育變革，促進教師學習，如陳時見等（2021）倡導建立教師教育學，又如2021年教育部教師工作司實施第二批人工智能助推教師隊伍建設行動試點（教師函〔2021〕13號），其著力點仍在改進教師培養培訓，幫助教師適應智能時代的教育發展需求。

這兩個看似矛盾的方向實際上都源于對智能技術挑戰的反應。兩者都認同智能技術對于“教”的影響將至為深遠;都認為智能技術要在正規教育系統中大規模發揮作用，不管是獨立地教，還是輔助教師教，都不是直截了當的“技術應用”，而是需要探索的系統變革。但兩者中，前者更多指向未來，后者更多指向現在。智能技術自身還處于發展中，其可能性邊緣在不斷擴展，對教育系統的潛在影響難以估量。但是，我們無法用明天的技術解決今天的問題，在研究未來的同時，更要重視研究改進現在，利用現有的技術幫助教師提升專業能力，在這個過程中創造教育的真正未來。

一、智能時代大幕拉開，人類教師

仍活躍在講臺上

人類對于教學自動化的追求，早于數字計算機與人工智能的發展。早在1927年，普萊西就設計出了能夠開展個性化教學的機械設備，稱為“教學機器”，甚至希望可以開啟一個新產業（普萊西， 1979）。20世紀60年代末開始探索利用人工智能技術實現適應性教學（Collins & Grignetti， 1975）。半個多世紀后，人工智能技術支撐的教學系統已經能夠提供輔導、教練、評價等多種教學功能（張志禎， 等， 2019b）。但是，世界范圍內人類教師仍主導著課堂教學活動，因此首先應分析人類教師仍然活躍在課堂上的原因。

（一）人工智能技術無意識、無常識，難以實現有效的教學輔導

今天的人工智能技術沒有自我意識，機器不知道自己在干什么（吳軍， 2016， p.365）。智能機器缺乏常識，不理解語義，經常會犯一些令人驚詫的錯誤（米歇爾， 2021， p.281）。當前令人印象深刻的機器翻譯、語音識別是借助統計語言模型實現的（吳軍， 2014， pp.27-40），以其為基礎的聊天機器人難以維持多輪次會話，即使限定在某一特定領域的自然語言輔導教學也非常艱難：由于難以恰當地處理學生的主動提問，對話輔導系統中學生的主動提問最終幾乎完全消失（Graesser， 2016）。與導購、客服等服務不同，教學輔導要求精準反饋，要求能夠有策略地回答學生的開放性問題，模糊、無關的回應會誤導學生，無意識、無常識的智能機器難以開展有效的輔導對話。

（二）智能教學系統的作用與應用有限，智能技術遠未顛覆學校教育

能夠監控學生問題解決過程，動態給出指導、反饋的智能教學系統，只能在特定知識技能類型學科起作用（主要為數學、物理、計算機編程等理工學科）。即使對于Cognitive Tutor這樣的成功范例，盡管研究與大范圍實踐證實了其教學有效性，它卻并不是學生學習的主要途徑，學生一周僅有1～3個學時用其學習，其他時間仍是常規的課堂教學（Koedinger & Aleven， 2016）。致力于“用視頻重新發明教育”的可汗學院后來將網絡教學系統升級為智能教學系統（胡姣， 祝智庭， 2021），在運行實體學校（Khan Lab School）時，也采取了與Cognitive Tutor類似的方法：大部分時間開展常規課堂教學，小部分時間利用智能教學系統學習（Brown， 2019; Reich， 2020， p.5）。當前，在學校大規模應用的智能技術，并未改變學校的系統結構，只是將某些環節自動化了，比如自動判卷、試卷分析、外語口語評分等。比如，大規模應用的ASSISTments，主要用于學生完成家庭作業，并不試圖去改變課堂教學的結構（Heffernan & Heffernan， 2014）。至于實體“機器人教師”參與課堂教學，受到設備能力的限制，這類研究還處于初期探索階段，離常規實踐還很遙遠。

（三）教師不但需要創造“學習的條件”，還需要創造“讓‘學習的條件’起作用的條件”

這里的“學習的條件”專指加涅所說的學習的外部條件，即教師安排的、促進學生學習的外部教學事件。對于課堂教學而言，教師不僅僅要創造“學習的條件”，還要通過各種課堂管理手段讓學生能安心坐在課桌前，即還需要創造“讓‘學習的條件’起作用的條件”。對于后者，目前的智能技術是無能為力的。在一些信奉者的表述中，學生利用智能教學系統開展學習，似乎并不需要額外的組織管理，但事實表明學生需要具備相當的自主學習能力、知識技能儲備，需要有約束力、無干擾的學習環境，學習才能發生，才可持續。這是Reich所說的大規模學習技術的“馬太效應”，即在沒有專門的社會力量干預的情況下，它們只會錦上添花，很難雪中送炭，不但不能縮小學習成就的差距，實現教育成就平等，反而會增加不平等（Reich， 2020， p.148）。

國際國內的信息化教育實踐表明，未經簡化的教育無法由技術應用決定?！靶畔⒚浴?，即信息技術教育應用的熱情“布道者”，對于信息技術決定論的熱切信奉是經不起推敲的。只有經過層層簡化，信息技術才能“決定”教育。信息迷通常把教育簡化為學校教育，把學校教育簡化為教學，把教學簡化為知識教學，把知識教學簡化為知識傳遞，把知識傳遞簡化為信息傳輸。簡化到最后，學生如水桶，信息如水，教學即灌水，如此這般信息技術才可能是決定性的。顯然，事實并不如此。因此，目前依托弱人工智能技術的“機器人教師”、智能教學系統都無法大范圍“教”，還需要人類教師在講臺上面操勞，而且可能要操勞很久。

二、教師學習難題：智能時代接力信息時代

參考劉捷（2002， pp.84-102）對于教師專業化發展階段的劃分，從教師學習正規化程度的角度可將教師學習大致分為四個階段：階段一為“教師學習的非正規化階段”（農業社會到工業社會早期），這一時期教師學習的發生取決于教師個體或某一特定組織的內部要求，偶然性、隨意性較大。例如，《學記》記載“教然后知困……知困，然后能自強也。故曰：教學相長也”（轉引自：高時良， 2016， p.57）。階段二為“職前教師學習正規化階段”（工業社會中后期到信息社會早期），即教師培養的正規化，標志性事件是17世紀末法國設立了世界上第一所師資培養學校（劉捷， 2002， p.94），世界各國紛紛效仿，建立了師范院校體系，進而建立了教師資格認證制度。階段三為“在職教師學習正規化階段”（信息社會），即在職教師教育、教師繼續教育或者教師專業發展的正規化。在這一時期，我國建立了較完備的國家、省級、地市、學校多級教師繼續教育培訓體系（陳向明， 等， 2013）。同時，對于教師職業生涯的研究也表明教師的教學能力是逐步發展起來的，在沒有外部要求與支持的情況下，教師自發的非正式學習結果高度不確定、差異很大（如：Hoekstra， et al.， 2009; 佐藤學， 2003， pp.245-246）。也是在這一時期，反思性實踐者、實踐共同體、教師實踐知識等理論的提出為教師學習研究增加了新的維度。階段四為“教師個人主動學習階段”（20世紀末到現在），研究關注點從教師專業發展轉向教師專業學習。Fullan（2007）認為真正有實踐影響力的是教師的“主動發展（developing）”，而多數專業發展活動卻將教師置于“被發展（developed）”的境地;陳向明（2013）認為教師學習“更注重從教師真實的學習體驗出發，理解教師針對自己工作中的具體問題、與教師同行和外來專家共同建構知識的過程”。

在教師教育領域，教師學習（teacher learning，或learning to teach，即學會教學）作為一個術語得到普遍認可的時間并不長。在20世紀90年代之前，教師學習的研究內嵌于教師生涯發展、教師知識研究和教師培訓項目評估研究之中（張敏， 2008， p.183）。Feiman-Nemser（2008）認為學術領域明確采用“教師學習”這一術語，表明研究者在思考教師專業教育與個體專業發展時思路的重要轉換。教師學習認可教師自下而上的個體主動學習的價值，暗示了自上而下的補償性與強制性教師專業發展活動的低效。

我們對于教師學習難題的關注受到Darling-Hammond（2005， p.359）的啟發，該研究提出了師范生學會教學的三大難題，即“學徒觀察難題”“踐行難題”“復雜性難題”，將其作為教師學習與發展的突破點。我們在后續研究中開展了廣泛的文獻綜述，并結合教師教育實踐開展了系列實證研究（如：田蘭， 2015; 王晶晶， 2018; 陳晶， 2018; 陳玉姣， 2016; 張志禎， 等， 2016; 田蘭， 等， 2015; 田蘭， 張志禎， 2015），提出了教師學習的五個困難（張志禎， 2017， pp.26-28），即“教學的復雜性，導致行知難題”“理論的有限性，導致遷移難題”“長期的課堂生活，導致學徒觀察難題”“課程與教學的條塊分割，導致學習經驗連續性難題”“有限資源與組織文化，導致反饋難題”。這五個“困難”，前三者源自教學實踐的本質、教學理論的本質和學習者的特點，后兩者源于教師教育和學校組織的問題。這一提法已具備了一定的內部結構，但仍存在兩個問題：一是內容不完善，要素的完備性及其之間的關系還需要推敲;二是采用列表形式呈現，未能反映“困難”之間的邏輯關系。

鑒于智能時代教師隊伍質量仍是教育質量最重要的影響因素，且智能技術對教師學習提出了新的挑戰，我們結合智能時代對教育教學的要求、教師教育領域的理論與實踐、智能技術特點等對教師學習難題做了重新梳理，形成了智能時代教師學習的十大難題。

三、教師學習的十大難題

教師學習的十大難題分屬目標、理論、技術、教學實踐、教師教育和教師個人六類，其結構見圖1。目標指教師教育的培養目標，即培養勝任教學的專業人員。理論指教育教學、心理學等“條件性知識”（辛濤， 等， 1999）。技術指能夠支持學與教活動的科技手段，如無特別說明專指現代信息技術，即以數字計算機為核心的多媒體、互聯網與人工智能技術。教學實踐為廣義的教學性實踐工作，包括課程、教學與評價，核心為課堂教學。教師教育指職前教師培養、入職和在職教師專業發展（繼續教育）等多種類型的教師學習機會。教師個人就是教師自己，特意用“個人”一詞，意在表明盡管應重視教師的職業身份，但更應突出教師是一個“完整的人”，應重視教師的主體性。

六類難題的總體特點與關系概述如下：①目標、理論、技術難題外在于教師的實踐與學習活動，也外在于教師教育項目（Teacher Education Program）。目標是教師和教師教育者努力的方向，理論、技術是達到目標可以憑借的資源。技術整合難題指如何將現代信息技術應用于教學與學習，以提高學與教的效果、效率與效益，體現了技術對教育的直接影響。②教學實踐與教師教育難題，都和教師個人直接相互作用。目標、理論和技術，通過教師教育對教師產生影響。教學實踐的三個難題是一個問題的三個側面，其根源都在于課堂教學活動的復雜性。行動難題是“本體”，另外兩個難題是從它派生出來的。理解與表達密切交織，難解難分，但畢竟是兩個方向：前者是輸入，偏分析;后者是輸出，偏綜合（至少是分析后需要綜合呈現）。對“教師即研究者”的強調、教師在專業共同體中成長以及開展教師教學反思，都需要以教學實踐的表達為基礎，而且職前培養與在職培訓都對這一問題重視不夠、培養措施不足，因此特意強調這一難題。③教師個人與學習動力是教師學習的核心，盡管教師學習尤其是在職教師學習，通常是有組織的，其結果與過程具有社會性（張志禎， 2017， p.25），但教師學習是知情意行合一的“全人”學習，學習情境與機會具有多樣不連續性，需要教師在動力的驅動下主動整合，學習才可能有效。

（一）難題1：目標的抽象變動難題

目標反映出教師應具備怎樣的知識、技能與態度傾向。抽象是指目標的表達通常比較概括，不容易具體化。變動是指教師學習的目標受到教育與社會發展變革的影響，一直處于動態變化過程中，不穩定。不管是教師教育的總體目標，還是教師個人某一階段的發展目標，都具有抽象變動的特點，給教師學習造成了獨特的挑戰。

從教師教育的發展看，“理想”的教師是一個歷史范疇。陳時見（2011， pp.43-50）認為教師培養目標歷經“圣者型”教師、“技術員型”教師、“專家型”教師和“實踐反思型”教師四個階段。培養目標的變化不但意味著學習內容、過程與方法需要調整，也意味著學習觀、教學觀、理論與實踐觀念、實踐教學（如案例分析、見習、實習、研習等）的學時比重與開展方式等多方面的變化。

從教師個體發展來看，教師教育領域目前普遍認可教師入職后需要持續的在職學習才能成為高效的專業人員?！盁o論多么理想的職前教育，都無法直接向中小學輸送合格教師，優秀的、稱職的教師必須也只能在實踐中產生?！保▍擦⑿?， 2011， p.42）教師職業生涯發展研究表明教師的實踐能力結構、關注點、學習需求等會經歷不同的發展階段（劉捷， 2002， p.128）。這意味著教師個人在其職業生涯中應持續監控個人專業發展狀態，應根據實際情況靈活設定個人學習與發展目標，并選擇最有效的學習方法與策略。

當前，無論是國內還是國外，持續教育變革是常態，因此即使成熟階段的教師也不斷面臨教學觀念與行為更新的需求。比如，近幾年我國各級各類教育都受到“中國學生發展核心素養”頒布、STEM教育、智能教育、教育評價改革（尤其是高考改革）等觀念或舉措的深刻影響。從課程的角度看，教師是國家課程的創造性實施者，課程標準的變化意味著教師需要專門的培訓與學習。在科技與經濟社會快速發展的今天，各國通常會定期更新課程標準。我國2017年頒布了最新的高中階段課程標準，在2020年又推出了修訂版;2011年頒布的義務教育階段課程標準，也將有新版本推出。此外，一些重大公共突發事件可能也需要教育系統做出響應，“非常態”教學的形式可能與常態教學差異很大，需要教師快速學習適應。比如，2020年春為應對突如其來的新冠肺炎疫情所開展的大規模在線學習，迫使廣大教師短期內學習、適應在線教學（吳怡君， 陳麗， 2021）。

總體而言，宏觀、微觀層面教師學習目標的變動不居與表達的抽象概括，是教師個人、教師教育項目設計者面臨的現實難題。

（二）難題2：理論的遷移難題

理論遷移指利用教育理論理解、解決教育教學實踐問題。理論與實踐的關系問題歷來是專業教育的核心問題。舍恩將專業實踐情境分為兩類：一類是“堅硬的高地”，可借助外在知識與技術應對、處理;另一類是“濕軟的低地”，具有復雜、模糊、易變等特點，外在知識與技術失效，需要實踐者“在行動中反思”“在行動中認識”，結合情境和主體特點生成解決方案（舍恩， 2007， p.39）。大多數教學情境是“濕軟的低地”，理論的遷移應用不是直截了當的，需要教師創造性地理解與運用。

關于教師這一專業的理論基礎是否牢靠，歷來有不同的觀點，但教育與心理理論難以直接應用于實踐卻是共識。舒爾曼（Shulamn， 2014， pp.366-367）用一個研究發現在教育實踐中的曲折命運說明了理論應用的復雜性。他所引用的研究發現是“課堂提問中，增加等待時間會促進學生深度思考，提高學生回答的創造性和多樣性”，基于此發現的教學建議明確而具體：區分問題類型（有些問題不值得等待），某些問題提問后延長等待時間即可。在培訓中能夠熟練應用這一規則的教師，回到學校后很快就又恢復快節奏的教學，即提問后不給學生足夠的等待時間。舒爾曼詳細分析了教師不遵循這一規則的心理、社會原因，凸顯了實踐邏輯與學術邏輯的差異與錯位。

絕大部分教學理論都是理解和詮釋指向的，而不是行動指向的，而且遠比這一發現模糊、寬泛，難以轉換為清晰的教學行為規則。美國國家研究理事會（2006， p.77）認為社會科學中的理論可以預測將來，但更經常是用來解釋過去發生的事情，理解過去有時雖然能夠預測未來，但僅僅是大概預測，不精確;社會科學研究結論的確定性更低，研究結果更具有不肯定性和嘗試性。因此，教師教育課程中抽象的原理性知識，對于教師在實踐情境中快速行動的需要，其價值有限（Korthagen， et al.， 1999），即教育理論的有限性導致理論的遷移應用難題。

（三）難題3：技術的整合難題

技術整合于教學，在宏觀上屬于教育信息化范疇。教育信息化是我國教育事業發展的重要內容，是學校的基本工作任務。技術整合導致的教師學習難題主要表現為：

首先，技術整合需要教師發展新的專業素養結構?，F代信息技術進入教學領域催生了“整合技術的學科教學法知識（TPACK）”模型的提出。該模型認為教師有效地使用技術進行教學需要具備復雜的知識結構，即學科內容知識、教學法知識、技術知識、學科教學法知識、整合技術的學科內容知識、整合技術的教學法知識和整合技術的學科教學法知識（董艷， 等， 2014）。TPACK模型對職前與在職教師學習的目標、內容產生了廣泛的影響。此外，新技術與新應用模式持續涌現，對教師素養結構不斷提出新的要求。如智能教學設備、新“雙師課堂”、精準教學等，要求教師具備數據分析能力（李兆義， 等， 2019）和與智能機器合作的能力（閆志明， 等， 2020）。

其次，信息技術自身的不穩定性進一步加重了教師的學習負擔。不穩定性指信息技術產品一直處于發展中，與其他類型產品不同的是，其更新很可能會導致已購置的產品失去使用價值（張志禎， 齊文鑫， 2021）。信息技術的不穩定性源自產業底層的“摩爾定律”與從業者引以為豪的一往無前的創新精神，但是對于應用者這并不完全是好消息。技術的不穩定性大大縮短了教師信息技術技能的“保鮮期”，僅僅為了跟上技術更新換代，就需要持續付出時間與精力學習，而學習內容與教學需要很可能是全然無關的。

最后，教師還需要有意抑制信息技術的負面影響。在談及技術整合時，倡導者通常不會“一分為二”地看問題，會有意無意地只談論積極的方面。為了學生的福祉，為了教學質量與效率，教師對技術應用可能的負面影響不可不警覺。利用信息技術設備（尤其是聯網的在線設備），除了可能會引發學生視力等生理層面風險外，還可能會進一步提高教學的不可控與不確定性，影響學生的注意、記憶等基本認知過程（李芒， 黃琳， 2021），并提高了泄露學生隱私信息等安全與倫理風險。

（四）難題4：教學實踐的行動難題

舒爾曼系統地研究了教師和醫生的專業實踐，他認為課堂教學“也許是迄今人類發明的最為復雜、最具挑戰性、要求最高、最細微、最令人懼怕的活動……只有在自然災害時期，在急診室里，醫學才能達到日常課堂教學的復雜水平”（Shulman， 2014， p.363）。佐藤學（2003， p.154）認為課堂教學活動是三種對話同時交織進行的，即同客體世界狀況的對話（認知層面）、同課堂內外他者的對話（社會過程）和同自身的對話（自我內在過程），是認知性、技術性、社會性、倫理性等多層次綜合性實踐。課堂教學的復雜性造成教學實踐的行動難題，因此職前教師教育普遍重視見習、實習等多種形式的實踐學習活動，重視培養學生實踐行動能力。

課堂教學的復雜性主要體現在：①學習過程的內隱性與因果多元性。學習效果往往取決于學生頭腦中發生了什么，具有內隱性，準確感知學生學習狀態需要敏銳的觀察力和設計恰當的活動。影響學習的因素多樣，學習結果多元，教育影響具有滯后性，導致影響教學效果的因素難以辨別。②學生的多樣性與差異性。在課堂教學中，教師面對的是學生群體，需要明確學生在知識經驗、興趣動機、學習能力等方面的差異，以確定如何適應學生的差異，最大限度促進所有學生學習。同時，還應嘗試將學生的多樣與差異轉換為同伴學習資源，顯然并非易事。③學科知識選擇與表征的復雜性。教師需要考慮如何表征知識才能使學生理解，同時又需要保證其學科意義準確，即教師應掌握學科教學法知識（Shulman， 1986）。智能時代更重視培養學生的一般能力（張志禎， 等， 2019a），對教學的開放性與靈活性要求更高，教師還需要設計任務情境、選擇內容，即教師的任務更重、更難。④教學行為的效率與創新的辯證關系。教學中教師是責任人、行動者，即使有復雜性這個攔路虎，教師也必須在一定時間內做出決策、開始行動。通常需要忽略部分復雜性，形成教學常規，來提高行動效率。負責任的教師需要對忽略掉的“復雜性”保持敏感，后續利用教學常規化所節省的時間，有意創新教學，彌補為效率犧牲的學生學習機會，即在必要的時候需要暫時犧牲效率，來嘗試新的教學方法。維持效率與創新之間的平衡也是個難題。

（五）難題5：教學實踐的理解難題

教學實踐的理解可以分為現象描述、分析解釋和價值判斷三個層次?，F象描述指能夠用教育教學概念和術語客觀、準確地描述教學，明確教學目標、內容、過程與方法、技術手段以及學生表現。分析解釋指能夠厘清課堂中所發生的活動及其效果，能夠正確地分析教學活動的要素，明確其動態多元的因果關系網絡，正確評價學與教行為的有效性。價值判斷指能夠結合教學之外的信息對教學活動促進學生發展的長期與短期價值、對教育改革精神和理念的落實情況、對相關教師的學習示范價值等做出判斷，并且能夠給出判斷的依據和論證過程。

對課堂教學而言，達到準確、全面的理解絕非易事，主要原因是課堂教學活動本身的動態多元和影響因素的多樣性與不可見性。Borich（2006， pp.18-23）認為課堂教學具有動態性、即時性、非連續性和社會性四個特點。動態性指教室里各種事件的發生過程不是凝滯的，而是即現即逝的，具有流動性。即時性指教師需要對課堂上瞬息萬變的事件快速做出回應，教學活動不喜歡“真空”，預期的反饋不出現時短時間的等待就足以讓班級陷入混亂，學生的注意力游移、渙散。非連續性指教學進程經常會被一些突發事件打斷，教師與其說是教學，倒不如說是在維系教學過程的連續性。社會性指教學是一個團體活動行為，即使形式上表現為一對一的交流，學生也會意識到班集體的存在，在課堂上學生很少把自己視為孤立的個人。四個特點綜合起來，導致課堂教學動態多元，包含豐富的信息，支持多角度解讀，全面理解在認知上極具挑戰性。進一步加劇理解難題的是影響課堂教學活動的主要因素是不可見的，且多在課堂之外，比如宏觀的教育改革環境、學校的文化與要求、教師的訴求、學生的興趣與知識經驗等。

公開課是我國中小學常見的一種教研活動。其過程通常是：上課，教師介紹背景與目的、設計思路、教學實施情況的自我感受與分析，學科、教學等多種身份的專家或教師同行分析點評，討論交流。對照前面的分析，這樣復雜的流程是為了先讓參與教師有機會自行觀察，形成自己的描述、解釋和判斷，再通過與授課教師介紹的背景信息（“不可見”的因素）整合，調整自己的觀察理解，最后再與不同身份專家的“眼光”對照、討論，進而達成共識?？梢哉f，這樣的公開課教研活動，就是從活動組織層面應對課堂理解之難的策略。

Erickson（2007）對于有經驗的教師、新教師觀看課堂教學視頻的行為分析發現：有經驗的教師借助敘事性解釋框架選擇、組織信息，形成觀點與解釋，框架的主要成分為：①對于課堂教學“應該如何”的敘事性期待;②對于教育中時間的感覺，尤其是學年、學期、單元、天等單位教學時間節奏的把握;③對于教室外影響的關注，即會考慮學校、家庭等因素對于教學的影響。新教師缺乏理解框架，雖然能夠發現具體的教學方法或者教學行為，但是無法形成對于教學實踐的一致的、整合性的敘事性理解。

視頻技術在教師教育中得到廣泛應用，主要是幫助教師發展對教學的分析理解能力。這在一定程度上也折射出教學實踐理解難題在教師教育中受到的關注。

（六）難題6：教學實踐的表達難題

緊隨理解之難的是表達難題?；羝战鹚梗?009， p.134）①在2002年就呼吁發展更復雜的語言來談論教學實踐，這一呼吁反映了教學實踐的表達難題。以集體講授教學為例，表達之難在于一節40分鐘左右的課，發生了太多多邊互動事件（教師與班級、教師與個別學生、學生與學生、學生與學科內容、教師與學科內容，等等）。其中有教師預設的，有生成的;活動事件受到以往互動歷史的影響，其原因、結果都是多元的，有長期的，有短期的?？梢詮慕處?、學科知識建構、課堂氣氛、文化公平、信息技術運用、課堂管理、學生問題行為、教學行為與學生學習的因果關系等多種角度解讀。這么復雜、動態、多元的一節課如何表達出來才算準確、全面、客觀？——這個開放的問題實際上是沒有答案的，明確“表達”目的后，才有可能做到相對“準確、全面、客觀”。

為解決這一難題，課堂教學研究者開發了眾多表達教學實踐的方法，但也都僅適合特定的場合，且有些方法在時間、方法復雜度上要求很高，教師難以掌握、運用。這些方法有些屬于課堂觀察系列，如聚焦描述、檢核表、系統觀察、圖示等（霍普金斯， 2009， pp.76-93）;有的以教師開展實踐研究的方法為名，如案例法、敘事法、課例研究等;有關注新媒體使用的，如視頻案例、網絡案例等?？傮w而言，可以分為定性描述和定量描述兩類。定性描述有利于揭示案例的復雜情境與意義，但難于概括、比較;定量描述容易實現跨案例的概括、比較，但難以保留情境信息。不管定性還是定量，每一具體的描述表達，總是只能從特定視角出發，這意味著損失掉了其他視角的信息。相比而言，視頻是能夠保留課堂教學過程豐富性的呈現形式，雖然也存在信息取樣等問題，但依然是表達課堂教學實踐的有效媒介（張志禎， 2017， p.44）。

（七）難題7：教師教育的前見難題

前見指在某次學習活動開始前，教師已經具有的對于教學的觀念、知識、經驗與技能的總和。

幾乎每位職前教師在開始教師教育課程學習之前，就已經有了十幾年的課堂學習經驗，已經形成了有關學習、教學和課程的個人觀念，即前見。Lortie稱其為“學徒觀察”（轉引自：Darling-Hammond， et al.， 2005， p.367）。學徒觀察的問題在于往往只能零散、表面化地了解和模仿教師的外顯行為，不參與教學目標選擇的事前準備和教學過程的事后分析，無法體會教學的復雜性。因此，師范生需要作為參與者，系統地觀察、體驗、分析幕后發生的事情，擺脫學生時代對教學的前見，以教師身份重新認識教學。

前見也可能成為在職教師學習的絆腳石。已有的教學經驗與觀念會成為教師理解教學現象、選擇教學理論與方法的“過濾器”，但過濾掉的僅僅是教師“認為（潛意識或者顯意識）”不重要的，這可能導致教師對新穎教學處理的教育價值的錯誤判斷。因此，前見難題有時需要教師努力“去學習或遺忘（unlearn）”，即放棄或改變不良的教育觀念或教育行為，這往往比學習新的東西更難（Darling-Hammond， et al.， 2005， p.363）。先前知識經驗和行事方式，有時會成為教師身份認同的一部分，“去學習”會帶來更復雜的情感反應。

（八）難題8：教師教育的連續難題

杜威強調有教育價值的經驗應具有連續性，“經驗的連續性原則意味著，每種經驗既從過去經驗中采納了某些東西，同時又以某種方式改變未來經驗的性質”（杜威， 2005， p.256），教師職業生涯中的學習經驗卻以“不連續”而久被詬病。王玉秋（2006， pp.65-67）的分析表明學習經驗的不連續性貫穿教師教育的全過程：師范生在專業學習過程中經驗的不連續;教師專業發展中經驗的不連續;教師專業發展中生活經驗、處事經驗與教學經驗之間的不連續。

當前各級各類教師專業發展活動在教材或資料層面已經有了極大改善，但教師培訓仍存在“九龍治水、條塊分割”現象（陳向明， 王志明， 2013）。多頭并管的好處是可以發揮各自的優勢，形成多樣化生態，但運作層面難以整合不同培訓的目標、內容與方法，難以克服割裂、重復問題。在學校和教師個體沒有自主選擇權的情況下，這一難題難以破解。只能通過強調教師個人的主動性、選擇性和經驗整合能力對抗外在的不連續性與碎片化。

（九）難題9：教師教育的反饋難題

發展教學這樣復雜的認知技能，練習必不可少，而練習需要有效反饋。Willingham（2009）認為與實踐不同，高效的練習需滿足三個條件：以提升表現而非完成任務為目的;準確及時的反饋;花時間從事與活動無直接關系的活動，如教師學習評價方法、練習如何發聲等。但對于教師教育而言，在職前教師大班額、在職一線教師編制緊張的情況下，為教師提供專門練習的機會并不多。

我國的三級教研體系一定程度上緩解了這一問題，能做到全學科、全員覆蓋，但由于教研員數量有限，從有效指導時間看平均下來每位教師的機會并不多。中小學廣泛采用的師徒制，在組織層面保證了反饋的機會，對新教師適應教學工作、提升教學水平發揮了巨大作用，但也存在師傅的“腳手架”功能難以充分發揮、教師共同體的促進作用受到限制、新教師進行創造的機會減少和師傅促進新教師發展的動力不足等問題（毛齊明， 等， 2011）。美國有關注教育的基金會將“缺少反饋”視為阻礙美國教師提升專業能力的重要因素，并計劃為美國公立學校的每間教室提供一臺攝像機供教師們自我反饋（Gates， 2012）。

因此，如何為教師提供有針對性的反饋，幫助教師全面、客觀認識專業自我，突破個人經驗局限，整合理論與實踐，仍然是非常有挑戰性的難題。

（十）難題10：教師個人的動力難題

學習動力能夠激發、維持教師學習行為，是教師學習的關鍵。因此，職前與在職教師的學習動力均已有研究者關注，如劉琳娜等（2019）、梁軍萍等（2018）和李繼秀（2014）。

教師學習動力是一個復雜系統，包括職業吸引力、社會支持力、個體內驅力和組織推動力四個要素（劉琳娜， 劉加霞， 2019）。十大難題中的“動力”特指個體內驅力，即“教師由于意識到自身的學習需要而產生的一種內在學習動力，這是一種植根于教師內心深處，不需要任何外力便能夠驅動其為自我成長而努力學習的動力”（劉琳娜， 劉加霞， 2019）。

有關教師學習動力的調查表明當前教師的學習動力不容樂觀，且表現出年齡、地區間的顯著差異。李繼秀（2014）的調查表明教師學習的內生動力不足，表現在教師對學習的目的沒有清醒的認識，只是應付外在的要求，或看成是一種福利;這樣的學習效果可疑。劉琳娜和劉加霞（2019）的研究表明，隨著年齡的增長，教師學習動力水平越來越低，40歲以上教師動力最弱;農村教師學習動力多來源于個體內驅力和職業吸引力，組織推動力最低，即農村教師幾乎感受不到學校組織力量對自己專業發展的支持;城市教師在個體和職業要素上均處于最低水平，但在組織要素上水平較強，即城市學校對教師學習的支持力度和投入較大。

四、智能時代應對教師學習難題的對策建議

分析教師學習的難題是為了應對這些難題，以更好地促進教師學習。用“應對”，而非“解決”，是因為這些難題并不是能夠一勞永逸地解決暫時性、階段性問題，而是會隨實踐發展不斷變化并且表現出新的特點的“持久”問題。隨著智能時代發展，這些難題也將表現出新的特點，人們應對難題的工具箱（知識的、實踐的與技術的）也會更加豐富。下面基于前文的分析，從教師個人、教師學習支持、教師教育以及智能教育產品研發等層面提出對策建議。

（一）教師個人應重視自己的需求與經驗，提升技術素養，成為適應性專家

對教師學習難題的分析表明，智能時代教師工作仍是極具挑戰性的。鑒于教師個人在教師學習中的核心位置，為了保持持續的學習動力，建議教師關注、重視自己的需求與經驗;為了發展終身學習的能力，建議教師有意提升技術素養，力爭成為適應性專家。

教師應關注、重視自己的成就與情感需求。在智能時代，教學工作仍然建立在與學生深度互動、長期人際關系和對知識與學習的深度理解、準確表達與靈活交流的基礎上，而且要處理復雜、動態的社會事件，不太容易受到智能技術的威脅，是比較“安全”的崗位。但是，教學是需要高度認知與情感投入的工作，如果沒有更高的成就（職業）目標，如果教學過程中沒有感受到積極的情感回報，即教學無法滿足個人的成就與情感需求，很容易產生職業倦怠，自然會喪失學習的動力。

教師應珍視個人經驗，將其作為重要的專業發展資源。從前文對于教學實踐的行動、理解難題的分析中可以看出，教學高度依賴教師對自己、學生與情境的理解，即依賴于教師的實踐性知識。實踐性知識不等于經驗，而是經驗的“反思與提煉”（陳向明， 2011， pp.230-231）。同時，教師也要認識到自身經驗的局限性，保持開放的心態，接受理論知識、他人經驗的啟發。

教師應有意提升技術素養。有關教師在智能時代應具備的技術素養，討論已有很多，這里僅強調三點：①要明確教學中擬采用的智能技術“教”的優勢與局限，對其進行全面測評，明確其表現后才能讓學生使用。有些智能教學產品的適應性很強，對其評價可以借鑒評價學生的方法。②要留意“自動化”對任務工作性質的影響。未來更多教學任務會由機器完成，這似乎是必然的。這時要警惕工作“外包”給機器后工作性質的變化，不要讓自己變成旁觀者，喪失對任務的參與感和親身體驗。③要關注如何利用新技術變革自己的專業學習方式，擴展學習資源與空間，在采用新技術促進學習方面，教師應該比學生更早“嘗螃蟹”。

教師應以成為適應性專家為專業發展目標。教育教學改革沒有止境，教師應以成為適應性專家為目標，不斷超越自我。適應性專家均衡效率與創新，保持開放心態，自我批判，容忍不確定性和暫時的專業低效（Darling-Hammond， et al.， 2005， pp.363-366）。適應性專家同時也應該是專家學習者，即在學習新知識時首先嘗試理解新知識，而不急于將之與原有知識聯系（直接同化），是就新知識本身的組織來形成新結構（胡誼， 2006， pp.178-179）。此外，教師應重視一般文化知識的學習，注意拓展視野，從各個領域汲取知識與動力。在我們的傳統文化中本來就有剛健向上、積極進取的基因，比如《大學》中提及遠古商湯崇尚“茍日新，又日新，日日新”，周人更以“周雖舊邦，其命維新”（轉引自：陳曉芬， 等， 2011， p.254）提醒自己時時除垢自新。

（二）支持教師學習，技術不應是解決方案，但應是方案的有機組成部分

在設計支持教師學習的方案時，一定要設計成為“社會—技術”的綜合解決方案，技術只能起到支撐社會活動、組織社會資源的作用，不能只提供技術層面的解決方案。在智能時代，任何現實難題的解決，似乎都難以繞過信息技術、智能技術。但教師學習，尤其是在職教師的學習，不管是個體，還是共同體，都首先需要組織、制度的支持，否則會難以為繼。對教師學習而言，信息技術可能會改變資源的提供、組織、獲取與使用方式，但其本身并不是資源。教師校本小組學習最基本的資源是時間，而時間只能由組織制度來安排。

所建構的“社會—技術”體系，應充分尊重教師個人的主體性，主要反映在：在教學前，充分了解教師的發展需求、工作與學習經驗以及重要“前見”;在教學目標設定方面，教師應有參與的機會，且目標設定應有利于教師長期發展或者能夠幫助教師解決當前教育教學的問題;在教學設計時，既要考慮學習，又要考慮“去學習”，即改變教師以往的錯誤觀念或者做法;在教學過程中，給教師個體表達、重構相關經驗的機會，將不同教師多樣化的經驗、差異轉換為學習資源;在教學后，跟蹤教師實踐，根據需要給予后續支持，鞏固學習成果。

要充分利用已有社會支持體系，優先考慮增強、優化已有社會支持系統。我國已經有相當完備的教師學習支持體系，如繼續教育體系（學歷的與非學歷的，如國培、省培、校本培訓）、三級教研體系、學校的“師徒結對”等，需要關注如何融入技術以增強、變革已有的教師學習支持機制，進而思考如何創新教師學習形式。智能技術開發者與研究者應主動深入日常教學教研實踐，主動促進技術與教師的日常工作和生活相結合，批判反思技術體系與應用方式存在的問題，而不是僅僅抱怨教師頑固守舊，抱殘守缺，只能按已經習慣的方式行事。

（三）教師教育應尊重教師的主體地位，關注“實踐理性”與“技術理性”的可能沖突

在教學中尊重教育對象的主體地位知易行難。但在生產生活中充斥“自主”決策、行動的智能機器的時代，個體的主體性培養更為重要。教師應該是學生發展、發揮“主體性”的榜樣。智能時代教師教育對教師主體地位的尊重，需要提高到這個層面上去認識。對教師主體性的尊重，體現在教師個人和教師群體兩個層面，前者在前一小節做了分析，這里僅分析后者。

尊重教師群體的主體性，意味著需要充分認識、尊重教師的實踐性知識，關注“實踐理性”與“技術理性”的差別。這里“實踐理性”之所以加引號是因為它并不是嚴格的康德意義上的實踐理性，而是指教師在必須要行動的實際場景中，快速甚至下意識做出決策時，對于當前情境的感知、理論、社會倫理等方面的綜合，它包含有意思考與直覺，包含理性與感性，包含個體責任與人際關系，以及手段與目的整合、行動與情境整合。而技術理性指手段與目的分離、效率優先，認為技術手段不包含倫理意味的思維方式。在教師教育中，所采用的信息技術、智能技術是科技與資本合作的產物，通常蘊含著追求手段效率、追求定量化的技術理性;某些教育教學模式往往也是技術理性的產物。這些與日常教學中教師的行動總是蘊含道德倫理與情感意蘊，重視人際關系，重視不可量化的長期影響而非短期可見影響的做法、思維方式，是相矛盾的。在教師教育的教學中調和這兩種文化并不容易，但非常值得嘗試。

（四）智能技術可著力應對“教學實踐的理解難題”和“教師教育的連續難題”

在智能時代，自然期待智能技術有助于教師學習難題的應對。智能技術的著力點應該放在教學實踐類與教師教育類難題的應對上。目標、理論、技術類難題主要受到智能技術的間接影響。教師個人的動力難題，更多要靠教師個人的價值取向與學校、社會制度解決，主要是社會問題，智能技術無法直接起作用。

進一步分析教學實踐與教師教育類別下的難題可以發現，“教學實踐的理解難題”的探索對行動難題、表達難題都有幫助，而且有助于“教師教育的反饋難題”解決途徑的形成;“教師教育的連續難題”在某種意義上包含了“前見難題”，即連續性高的教師學習機會，需要考慮教師的前見，以其為出發點。

“教學實踐的理解難題”解決的理想狀態是技術能夠“理解”教學場景與活動，發現教學過程中學生學習狀態、效果與教學行為、事件、環境之間的因果關系。這是一個涉及機器視覺、自然語言理解、多模態數據分析等多領域技術的極具挑戰性的難題，盡管已有了一些探索（如：駱祖瑩， 2018），但目前解決方案的信度、效度、環境的適應性等還存在較大問題。如果在機器視覺、自然語言處理、多模態數據分析等相關領域實現技術突破，機器有能力提供識別教學行為、發現教學行為問題、發現有價值的教學活動片段等，對于為教師提供及時和有針對性的反饋、幫助教師理解和表達課堂教學行為意義重大，進而會極為有助于教師教學能力的提高;對之的合理運用，可能會導致課堂教學研究與教學評價的巨大改進。這對于學習缺少組織支持的農村教師（劉琳娜， 劉加霞， 2019）意義更為重大。但是，需要未雨綢繆地指出，在智能技術能夠在某種意義上“理解”課堂教學活動之后，用其幫助教師發展課堂理解力或者反思教學實踐時，不應過度簡化任務，基于視頻分析的研究表明教師理解力的發展需要足夠真實復雜的場景與活動（Erickson， 2007）。

“教師教育的連續難題”的應對難點主要在理論、管理和倫理層面。在技術層面，在測評、管理、跟蹤教師的學習發展狀態與需求，匹配推薦學習資源與培訓項目，以提高學習機會的針對性方面，現有的技術就有很大潛力可挖。理論層面的難點是，要形成清晰、合理的教師專業能力框架，目前已有很多研究成果可以借鑒。管理與倫理層面的問題更為棘手，尤其是教師個人、機構單位、運營平臺對于數據與數據產品服務的所有權、控制權如何分配;如何避免行政權力入侵專業權力;如何避免形成性評價數據被用于做出損害教師利益的決定，而非診斷與支持教師學習與發展，等等。

（五）教師教育項目應注意審查智能技術的運用對于項目內部一致性的影響

Hammond-Darling等（2009）對美國優秀教師教育專業的多個案分析表明，內在一致性是教師教育有效性的基本條件。但對于教師教育項目而言，其內部一致性（培養目標、教育理念、課程設置、各類型的教學活動與評價等要素之間能夠相互配合，而不是彼此沖突或者互不相干）是極大的挑戰。對于在職教師而言，由于專業發展活動來源的多樣性，活動間的一致性更難以保證。

教師教育項目內部一致性主要取決于項目設計，主要是理念、目標、課程開發與實施的管理問題。為應對智能時代挑戰而倉促開展的變革，通常會加劇這一問題。

倉促變革可能降低項目內部一致性的原因主要有以下兩點：一是項目成員對于智能技術及其影響的認識可能存在差異，因此在相關目標、方法上難以形成共識;即使有共識，變革可能也是逐步展開的，在這個過程中降低一致性是難以避免的。二是變革很可能需要引入一些智能環境、資源、平臺等產品或服務，這些智能產品可能蘊含特定的教育理念，比如課堂教學分析系統中蘊含對某些行為（如教師直接講授）的偏好;或者讓某些教學行為更加便利，比如自動閱卷系統可能鼓勵使用選擇、填空題目;或者教師/學生綜合素質評價的指標體系、指標的計算方式賦予某些指標更高的權重等。智能產品多為“黑箱”，其運行原理不清晰或者難以解釋說明，遑論根據需求修改定制。這樣的產品可能會降低項目的內部一致性。因此，為了保證教師教育項目的效果，需要在引入智能技術時對其做全面測評。

五、結語

智人引以為傲的大腦是智能技術的真正發源地。大腦是長期進化的產物，具有多層疊加的結構。大腦外層是負責高級認知活動的部分，只有高等生物才具有。外層包裹著負責呼吸、吞咽、消化和心跳等基本生命功能的部分（安德森， 2012， p.18）。利用人類大腦結構簡單地類比信息化教學活動，可以認為，師生人際互動、人際關系是教學活動的基本內核，它很可能永遠無法被替代，或者說這一層一旦被替代，它就已經不是我們今天所理解的教學活動了，已經變成一種新型活動，只是恰巧用了“教學”這個詞。信息技術、智能技術的應用，就如同晚期進化出來的大腦外層一樣，疊加、附著在師生人際互動之上，只有如此，這個活動才仍是教學活動——若果真如此，這里所討論的教師學習難題就更有價值了。

認為弱人工智能時期人類教師仍會穩穩地站在學校的講臺上，是基于對當前技術能力、適應性教學系統應用歷史與現狀以及教師工作任務的分析而得出的合理結論。這并不意味著我們不希望智能技術有突破，不希望智能機器能夠承擔更多的教學任務。教學工作十分繁忙，中小學教師已經不堪重負。我們和斯加魯菲一樣，希望真正的智能機器早一點誕生（斯加魯菲， 2017， p.209），好真的能夠分擔教師們的負擔。

[參考文獻]

約翰·安德森. 2012. 認知心理學及其啟示[M]. 秦裕林，程瑤，周海燕，徐玥，譯. 北京：人民郵電出版社.

陳晶. 2018. 技術增強環境下科學探究教學中教師的實踐性知識研究[D]. 北京：北京師范大學教育學部.

陳時見. 2011. 教師教育課程論：歷史透視與國際比較[M]. 北京：人民教育出版社.

陳時見，李培彤. 2021. 教師教育學的概念建構與價值意蘊[J]. 教育研究（7）：27-36.

陳向明. 2011. 搭建實踐與理論之橋：教師實踐性知識研究[M]. 北京：教育科學出版社.

陳向明，王志明. 2013. 義務教育階段教師培訓調查：現狀、問題與建議[J]. 開放教育研究（4）：11-19.

陳向明. 2013. 從教師“專業發展”到教師“專業學習”[J]. 教育發展研究（8）：1-7.

陳曉芬，徐儒宗. 2011. 論語 大學 中庸[M]. 北京：中華書局.

陳玉姣. 2016. 網絡課例研究模式的構建與實踐研究[D]. 北京：北京師范大學教育學部.

叢立新. 2011. 沉默的權威：中國基礎教育教研組織[M]. 北京：北京師范大學出版社.

董艷，桑國元，蔡敬新. 2014. 師范生TPACK知識的實證研究[J]. 教師教育研究（3）：36-43.

杜威. 2005. 我們怎樣思維[M]. 姜文閔，譯. 北京：人民教育出版社.

高時良. 2016. 學記[M]. 北京：人民教育出版社.

胡姣，祝智庭. 2021. 技術賦能的教學微創新：教師教育智慧的實踐場[J]. 中國電化教育（8）：99-109.

胡誼. 2006. 專長心理學：解開人才及其成長的密碼[M]. 上海：華東師范大學出版社.

霍普金斯. 2009. 教師課堂研究指南（第三版）[M]. 楊曉瓊，譯. 上海：華東師范大學出版社.

李繼秀. 2014. 教師學習方式轉變：動力結構分析及其建構[J]. 教師教育研究（2）：78-82.

李芒，黃琳. 2021. 為何必須禁止手機進課堂？[J]. 電化教育研究（10）：5-11.

李兆義，楊曉宏. 2019. “互聯網+”時代教師專業素養結構與培養路徑[J]. 電化教育研究，40（7）：110-120.

梁軍萍，武有禎. 2018. 論職前教師學習力的不足與提振[J]. 教育理論與實踐（19）：40-43.

劉琳娜，劉加霞. 2019. 復雜科學視域下教師學習動力研究[J]. 中國教育學刊（9）：92-96.

劉捷. 2002. 專業化：挑戰21世紀的教師[M]. 北京：教育科學出版社.

駱祖瑩. 2018. 課堂教學自動評價 從理論到應用[M]. 北京：北京師范大學出版社.

毛齊明，岳奎. 2011. “師徒制”教師學習：困境與出路[J]. 教育發展研究（22）：58-62.

美國國家研究理事會. 2006. 教育的科學研究[M]. 曹曉南，程寶燕，劉莉萍，等，譯. 北京：教育科學出版社.

梅拉妮·米歇爾. 2021. AI3.0[M]. 王飛躍，李玉珂，王曉，張慧，譯. 成都：四川科學技術出版社.

皮埃羅·斯加魯菲. 2017. 智能的本質[M]. 任莉，張建宇，譯. 北京：人民郵電出版社.

普萊西. 1979. 一架以練習材料進行自動教學的機器[M]//普萊西，斯金納，等. 程序教學和教學機器. 劉范，等，譯. 第2版. 北京：人民教育出版社：57-64.

唐納德·A. 舍恩. 2007. 反映的實踐者：專業工作者如何在行動中思考[M]. 夏林清，譯. 北京：教育科學出版社.

田蘭，張志禎. 2015. 教師專業眼光的內涵與發展途徑[J]. 當代教師教育（1）：35-40.

田蘭，張志禎，陳玉姣. 2015. 視頻促進師范生微格教學反思效果研究[J]. 現代教育技術（10）：54-60.

田蘭. 2015. 視頻俱樂部中教師專業眼光的發展特點研究——以數學教師為例[D]. 北京：北京師范大學教育學部.

王晶晶. 2018. 通用技術教師學科教學知識的發展研究[D]. 北京：北京師范大學教育學部.

王玉秋. 2006. 對我國中小學教師生存狀態的反思[D]. 上海：華東師范大學教育學系.

吳軍. 2014. 數學之美[M]. 第2版. 北京：人民郵電出版社.

吳軍. 2016. 智能時代：大數據與智能革命重新定義未來[M]. 北京：中信出版社.

吳怡君，陳麗. 2021. 疫情期間我國中小學在線教學模式與創新特征研究——基于教學交互視角的挖掘與分析[J]. 中國遠程教育（2）：17-26，76-77.

辛濤，申繼亮，林崇德. 1999. 從教師的知識結構看師范教育的改革[J]. 高等師范教育研究（6）：12-17.

閆志明，付加留，朱友良，段元美. 2020. 整合人工智能技術的學科教學知識（AI-TPACK）：內涵、教學實踐與未來議題[J]. 遠程教育雜志，38（5）：24-27.

張敏. 2008. 教師自主學習調節模式及其機制[D]. 浙江：浙江大學理學院.

張務農，賈保先，曾強，常晟. 2021. “代具”還是“代替”？人工智能究竟能否取代人類教師的哲學省思. 教師教育研究（1）：14-21.

張志禎，陳玉姣，田蘭. 2016. 職前教師教育中微格課例研究模型的構建與實踐[J]. 中國電化教育（6）：121-126.

張志禎. 2017. 教師教育中的視頻教學策略[M]. 北京：清華大學出版社.

張志禎，張玲玲，李芒. 2019a. 人工智能教育應用的應然分析：教學自動化的必然與可能[J]. 中國遠程教育（1）：25-35，92.

張志禎，張玲玲，徐雪迎，劉佳林. 2019b. 人工智能的教學角色隱喻分析——以人工智能教育應用領域高影響力項目為例[J]. 中國遠程教育（11）：24-37，57，93.

張志禎，齊文鑫. 2021. 教育評價中的信息技術應用：賦能、挑戰與對策[J]. 中國遠程教育（3）：1-11，76.

曾文婕，周子儀，黃甫全. 2021. 人工智能與課堂教學深度融合的新路向——以“AI全科教師主講課堂開發”為例[J]. 教師教育學報（4）：38-47.

佐藤學. 2003. 課程與教師[M]. 鐘啟泉，譯. 北京：教育科學出版社.

Borich， G. D. 2006. 教師觀察力的培養：通向高效率教學之路[M]. 么加利，張新立，譯. 北京：中國輕工業出版社.

Darling-Hammond L. 2009. 有力的教師教育：來自杰出項目的經驗[M]. 鞠玉翠，譯. 上海：華東師范大學出版社.

Shulman， L. S. 2014. 實踐智慧：論教學、學習與學會教學[M]. 王艷玲，王凱，毛齊明，等，譯. 上海：華東師范大學出版社.

Brown， E. A. （2019， January 31）. Sal Khan envisions a future of active， mastery-based learning. District Administration. https：//districtadministration.com/sal-khan-envisions-a-future-of-active-mastery- based-learning/

Collins， A.， & Grignetti， M. （1971， March 1-1975， August 31）. Intelligent CAI. Final Report. ERIC. Retrieved October 10， 2018. https：//eric.ed.gov/？id=ED114089

Darling-Hammond， L， & Bransford， J. （2005）. Preparing teachers for a changing world： What teachers should learn and be able to do. San Francisco： Jossey-Bass.

Erickson， F. （2007）. Ways of seeing video： Toward a phenomenology of viewing minimally edited footage. // Goldman， R.， Pea， R.， Barron， B. & Derry， S. J. Video Research in the Learning Science （pp.145-155）. Mahwah， NJ： Lawrence Erlbaum.

Feiman-Nemser. （2008）. Teacher learning： How do teachers learn to teach？. // Cochran-Smith M， Feiman-Nemser， S.， McIntyre， D. & Demers. K. Handbook of Research on Teacher Education： Enduring Questions in Changing Contexts. New York， NY： Routledge， Chapter 38， Section 1， para. 1. [Kindle Edition].

Fullan， M. （2007）. Change the terms for teacher learning. National Staff Development Council， 28（3）， 35-36.

Gates， B. （2012）. Teachers need real feedback. TED. Retrieved October 10， 2015. http：//www.ted.com/talks/bill_gates_teachers_need_real_fe edback

Graesser， A. C. （2016）. Conversations with AutoTutor help students learn. International Journal of Artificial Intelligence in Education， 26（1）， 1-9.

Heffernan， N. T.， & Heffernan， C. L. （2014）. The ASSISTments ecosystem： Building a platform that brings scientists and teachers together for minimally invasive research on human learning and teaching. International Journal of Artificial Intelligence in Education， 24（4）， 470-497.

Hoekstra， A.， Brekelmans， M.， Beijaard， D.， & Korthagen， F. （2009）. Experienced teachers’ informal learning： Learning activities and changes in behavior and cognition. Teaching and Teacher Education， 25（7）， 663–673.

Koedinger， K. R.， & Aleven， V. （2016）. An interview reflection on “Intelligent tutoring goes to school in the big city”. International Journal of Artificial Intelligence in Education， 26， 13-24.

Korthagen， F.， & Kessels， J. （1999）. Linking theory and practice： Changing the pedagogy of teacher education. Educational Researcher， 28（4）， 4-17.

Reich， J. （2020）. Failure to disrupt： Why technology alone can’t transform education. Cambridge： Harvard University Press.

Shulman， L. S. （1986）. Those who understand： Knowledge growth in teaching. Educational Researcher， 15（2）， 4-14.

Willingham， D. T. 2009. Why don’t students like school？. San Francisico， CA： Jossey-Bass. eISBN： 978-0-470-73044-7. Chapter 9， Section 2， para. 1-7. [Kindle version].

收稿日期：2021-10-18

定稿日期：2021-11-01

作者簡介：張志禎，博士，副教授，碩士生導師;徐雪迎，碩士研究生。北京師范大學教育學部教育技術學院（100875）。

李英杰，高級教師，北京市西城區教育研修學院（100035）。

呂雅楠，哈爾濱師范大學教育科學學院（150000）。

責任編輯 劉 莉