教育信息化背景下教學理念與學情分析的共變

[摘要]學情分析與教學理念是互相促進、共同發展的關系。教學理念的變革彰顯了學情分析的重要性，與此同時，學情分析自身的發展也在反哺教學大環境的變革。隨著教育信息化的深入推進，涵蓋行為、認知、情感等多方面的學情分析理論框架逐漸形成，學情數據采集與分析技術的迅速發展則有效助推了新理論框架的落地。不過，當前的學情分析發展仍是有限的，伴隨著倫理和教學實踐等多方面的風險。對此，學校、教師等需要有效聯動，采取措施，以盡可能地規避風險。

[關鍵詞]學情分析；教學理念；教育信息化；變革

[中圖分類號]G420? ?[文獻標識碼]A? ?[文章編號]1005-4634（2023）06-0036-061

1教學理念與學情分析的共同變革

1.1教學理念變革：指引學情分析發展

學情分析正日漸成為教學設計和實踐中的重要部分，與課堂教學構成合二為一、一體兩面的關系。教學理念的變革凸顯了學情分析的重要性，并指引了學情分析變革的方向。

教學理念變革對學情分析發展的影響主要體現在4個方面：第一，當前的教學設計和實施更加強調學生視角而非教師視角、學習視角而非教學視角。隨著建構主義、后現代課程觀的興起，越來越多的教育工作者認可學生在課堂中的主體地位，支持學生在學習過程中自主生成知識?！耙詫W定教”理念日益彰顯出超越“以考定教”路徑的先進性，學情分析的重要性愈加明晰。第二，現代教學日漸充溢濃厚的“科學興趣”，強調尊重學生的真實性和完整性。杜威在《對兒童研究的解釋》中曾提出兒童研究具有政治的、審美的和科學的三大興趣來源。其中，對兒童的政治興趣旨在關注兒童社會化的過程，兒童被簡單地視為一個無生命的社會成分，其對應的教學模式難免是苛刻和機械的；對兒童的審美興趣則將兒童視為理想人，其對應的教學模式具有象征性；對兒童的科學興趣則強調兒童是真實、完整的人，教育者希望對兒童本人進行全方位細致的解讀。其中，科學興趣指明了當前學情分析的發展方向。第三，當前的教學愈加推崇學者與教師身份的結合，以及兒童研究和課程教學的結合。美國教育學者Duckworth E認為，教學過程本質上是理解和探究兒童的過程。英國課程專家Stenhouse L進一步主張教師成為研究者（teacher as researcher），即教師需要從傳道授業解惑的執行者轉變為研究學生情況和制定相應教學策略的教學專家。這一趨勢強調了教師參與學情分析的重要性。第四，現代教學對精準教學（precision teaching）的向往日益強烈。隨著精準教學的迭代升級，學情分析框架日臻完善，學情分析技術日益進步。

在上述四方面的推動下，學情分析宛如海洋中的巨冰，被教學理念的變革托出洋面。同時，學情分析發展的方向也得以初步明晰，即追求以學生為中心的、個性化的精準教學。

1.2學情分析理論框架的形成：呼應教學變革

早期的學情分析框架受到精準教學1.0版本的影響。精準教學的概念于20世紀60年代由美國學者Lindsley O提出。Lindsley在實驗過程中發現，研究者依據被試的行為頻次、響應速度、正確率等數據來調整被試行為，能夠顯著提升被試的學習效果。受此啟發，在精準教學1.0版本中，教師借鑒斯金納行為主義理論，依據相關數據形成的標準變速圖表（Standard Celeration Charts，簡稱SCC）作出教學決策?？梢?，對學生的行為分析是早期學情分析框架中的重要部分。在此基礎上，一些學者強調從認知角度對學情進行分析。如，徐夢杰和曹培英基于920份各科教師提供的教學前端分析優秀案例，提出“四知分析模式”，認為從學生的已知、未知、能知和想知4個方面進行學情分析是有效教學的基礎。馮曉英等引介了Henri的認知能力分析框架，將認知水平分為澄清、深入澄清、推理、判斷、策略等5個等級。進一步地，隨著我國“三維教學目標”的提出，有學者基于上海市靜安區的一線教學情況，在學情分析框架中加入了動機態度、方法習慣等。李慧強調了分析學習者情感的重要性。Wang則認為可以從行為、情感等方面進行學情分析。這些研究促使學情分析的理論框架日益完善，說明了教師應從行為、認知、情感等方面展開具體的學情分析。

可見，學情分析的理論框架首先萌芽于教育工作者對精準教學的憧憬。繼而，研究者出于對學生主體性和個體完整性的尊重，使學情分析的理論框架得以繼續擴展。在此過程中，一線教師的洞察和反思也發揮了重要作用。學情分析理論框架的形成過程呼應了教學理念的各方面變革，最終使學情分析的理論分析框架基本確立。

2技術支持的學情分析轉向

教育信息化推進了學情分析技術的發展，為學情分析理論的落地提供了有效支持。幾十年來，學情分析技術經歷了由延遲到實時、由單一到多維、由靜止到動態的變化。

早期，教師使用紙筆手動記錄學生的行為頻次、響應時間。這種方式不僅效率低下、準確性不足、維度有限，還為教師帶來了沉重的工作負擔。如，曹培英發現小學語文教師課前常用的3種學情分析方式包括聽讀一遍課文、設計兩類問題和訪談三名學生。同時，受到分析技術的局限，大多數教師只做課前或課后分析，忽視對學生課中變化的觀察和分析，學情分析缺乏完整性。陳隆升認為，學情分析應是對完整學習經驗的分析，包括學習起點、狀態和結果3個部分。徐夢杰和曹培英也提出，學情分析應是長期的連續體，課前、課上、課后都是教師進行學情分析的重要機會。課前分析前承上次課的課后學情，課后分析又下啟下次課的學情分析，學情分析是循環往復、不斷修正和完善的長期工作。但技術的落后使學情分析的理想與現實之間形成了一道鴻溝，教師無法達到“觀察—教學設計—觀察—反思和調整—觀察”的要求。此外，一些教師為避免繁重的學情分析工作，武斷地憑經驗進行學情分析。這使得整個教學過程依賴教師的想象，其實質仍然是教師中心的和低效的。這些缺陷導致早期的學情分析具有濃厚的理想化色彩，缺少實際作用。數據采集和分析技術的落后蠶食著學情分析的本質，學情分析與課堂教學本質上是分離和割裂的，學情分析陷于名存實亡的境地。

進入21世紀以來，隨著互聯網技術、傳感器技術、人工智能技術等飛速發展，教育與科技的聯系愈加緊密。2016年，祝智庭教授基于教育信息化對教育變革的帶動作用，提出精準教學需向新的版本轉變。這一版本以“個性化和數據驅動”為核心，追求教學的高效性。教育部2018年發布的《教育信息化2.0行動計劃》提出，教育信息化進入2.0版本是新時代的應有之義，要繼續推進“三通兩平臺（寬帶網絡校校通、優質資源班班通、網絡學習空間人人通，教育資源公共服務平臺、教育管理公共服務平臺）的落實。在浙江，《浙江省教育信息化三年行動計劃（2018—2020年）》明確要在３年內推動基礎教育精準教學的發展，并開設了300個基于技術的精準教學試點和1 000個基于技術的教與學方式變革試點。楊現民、田雪松等編著的《中國基礎教育大數據2016—2017：走向數據驅動的精準教學》一書則指出，未來的學情分析技術需向精準化、全過程、多維度數據采集與分析的方向發展。

在學界和政策的大力推動下，學情分析技術開始迅速發展。首先，在數據收集層面，教師可以使用各類新型設備實現對多模態數據的采集。這些學情數據不僅包含學生在線上、線下多種學習通道的表現，還包括學生在情感、個性、注意力等方面的內隱數據。在此基礎上，教師利用人工智能等技術實現數據的及時整合、反饋與預測，使課堂教學更能滿足學生的個性化和高效學習的需求。在這兩方面技術的支持下，學情分析片段化、主觀化的問題得以緩解，教師能夠基于更真實、更完備的數據來分析學生的完整學習經驗。

3學情數據采集方式的變革：多模態數據采集

學情數據采集是展開后續學情分析和預測的前提。數據的完整性、準確性能夠極大地影響學情分析的質量。新近形成的學情分析理論框架認為，教師需要從行為、認知、情感等多個方面分析學情，因而學情數據采集也應該是多方位的。隨著教育學、神經科學、信息技術等學科的交叉研究逐漸深入，多模態數據采集技術應運而生。多模態數據采集是指使用者用多種方式獲取行為數據、心理數據、生理數據等信息。其中，心理與生理方面的學情數據大多是合二為一的。因為心理數據通常內隱而不可測，而生理數據能夠將內隱的心理數據顯表化。

3.1行為數據采集

行為層面的數據采集起初表現為：教師進入課堂，依據事先制定的量表對學生行為進行觀察和編碼記錄。這種采集方式難度大，準確度低，且主觀性強，研究者很難在有限時間內有效觀察和記錄所有學生的學習行為。對此，早先主要有兩種解決方式：其一，每位研究者選擇一位學生重點關注，進行焦點學生學習歷程觀察；其二，研究者利用多媒體技術進行教學實錄，對視頻進行反復觀看，確證編碼的合理性。不過，這兩種方式都存在效率低下的問題，不利于研究者高效研究課堂教學的調整優化方式。隨著互聯網技術的發展，在線教學、混合式教學成為重要的教學形態，研究者可以利用在線課程平臺對學生的學習行為日志、交互信息進行批量采集和統計分析?；诖?，教育工作者可以對所有學生的集體性和個體性學習行為、學習成果等進行實時監控，并迅速做出反應。如，Crossley等對MOOC課程進行點擊流數據分析和自然語言處理（Natural Language Analysis，簡稱NLA），發現學生的學習行為（如觀看視頻、下載學習資料、論壇發言）可以較準確地預測學生的MOOC課程完成率。趙磊等發現中國大學MOOC平臺上的界面交互、內容交互、人機交互和參與考核等學習行為與學習成績顯著相關。這些研究都在學習行為數據采集的基礎上展開學情分析，并提出了相應的教學優化策略。

3.2心理與生理數據采集

心理與生理數據彼此相融。依托于生理心理學迅速發展起來的傳感等技術，教育工作者可以通過學生的生理信息，間接獲取其內隱的心理數據，這些數據可能涉及情緒、注意力、學習投入度等多個方面。相比于行為層數據的獲取，心理層和生理層數據的獲取更加復雜和深入，并且不容易受到教師或學生主觀意愿的干擾，具有更強的客觀性。相關的生物識別數據主要來自皮膚電反應（GSR）、腦電（EGG）、眼動（EM）、心率（HR）等。采集這些數據的設備大多具有輕便性、可穿戴性和非侵入性，教師可以據此方便快捷地獲取信息。

皮膚電數據能夠反映學生的情緒狀態。當人的情緒處于情緒喚醒狀態（緊張或興奮）時，汗腺會排出更多汗液，因此流經皮膚的微弱電流受到的電阻變小，皮膚電增強。皮膚電信號主要包括皮膚電導水平（SCL）和皮膚電導反應（SCR），其中皮膚電導水平變化較為微弱，且易受到個體個性特征的影響，而皮膚電導反應則變化幅度更大、變化速度更快。由于人體的手指、手掌和腳等部位的汗液分泌受到情緒的影響更大，數據采集者通常將傳感器置于這些部位。日本的一些學校率先在教育場景中收集皮膚電。其中，日本宮城教育大學團隊已經在實際課堂中使用皮膚電來展開教學研究。國內也已有學者投入皮膚電與學情分析的相關研究。如，白學軍和姚海娟使用無線生理記錄儀系統信號探測器等記錄被試的皮膚電，用于表征其時間壓力，據此發現創造性強的人受到時間壓力的影響更小。不過，皮膚電數據只能反映個體情緒喚醒的程度，不能揭示情緒的正負性。因此，單獨使用皮膚電數據進行學情分析是有限的，教師需要結合其他的數據采集方式，以完整地了解學生狀況。

腦電波則是大腦自發的神經電運動，常被用于了解個體的情緒和注意力。根據其頻率，腦電波可以被分為δ波、θ波、α波和β波4類。禹東川提出，β/θ的比值可以用于評定學生的注意力。與功能性磁共振成像、腦磁圖等腦信號獲取方式相比，腦電波價格相對低廉、時間靈敏度較高。同時，隨著可穿戴腦電儀器的研發，腦電波在教學環境中被逐步推廣。獲取腦電波的數據包括移動腦波儀、頭戴式無線腦電傳感器等。張琪提出，具備無線干電極的EEG/ERP系統尤其適合在各類學習場景中使用。已有學者將腦電波數據采集用于學情分析的相關研究。如，趙鑫碩等用Mindwave Mobile腦波儀采集被試的腦電信號，通過對這些信號做復雜數學運算，標記被試的專注度與放松度，發現移動設備上的課件字幕的呈現形式會影響學生的注意力和學習成績。

另外，眼動和心率也是重要的生物信息。教育工作者可以利用眼動儀測量學生眼球的運動，記錄其眼動軌跡、眼跳、注視等指標，從而實時了解學生的注意力情況?！熬酃鉄衾碚摗闭J為，學生傾向于在困難的地方注視更長時間。眼跳則是眼球在若干注視點之間跳動的情況，反映了個體對信息的加工難度與閱讀效率。目前，眼動已成為教學研究者獲取學情數據的主要方式之一。如，王玨等采集被試眼動中的首次注視時間、注視次數、總次數時間、回視次數以及瞳孔直徑，來表征其在多媒體閱讀理解中的初期加工、整體理解、深度加工和認知負荷，從而研究文章難度與呈現方式對被試多媒體閱讀的影響。心率方面，楊海茹團隊開發了可穿戴式心率信息監測系統；周聰聰等開發了腕戴式無線低功耗心率實時監測裝置。這些設備能夠輕松獲取學生的心率數據，方便教師了解學生的情緒波動、運動強度等方面的狀況，尤其適合用于體育類課程。

事實上，人類真實的學習與交流本身就是多種模態的混合，包括調用多種感官、涉及內在與外在的多個層次、表現出情緒和注意力多方面的波動等。通過可自動抓取的多源性數據的相互補充，教師可以更真實地還原學習者內在與外在的學習過程及其所處的學習情境，從而更好地滿足智慧學情分析的需求。多模態數據采集使學情的完整意義建構成為可能，據此研究者能夠探究更深層的學習機制，從而加快落實教學理念變革背景下的新型學情分析理論框架。

4學情數據的分析、預測和個性化：人工智能技術

人工智能（Artificial Intelligence，簡稱AI）概念是1956年由美國達特茅斯學院McCarthy J教授等提出的，其核心涵義是讓機器像人一樣認知、思考和學習。隨著人工智能技術被越來越普遍地運用于教學場景，這一技術被視為推動教育信息化的重要工具之一。國務院于2017年7月頒布的《新一代人工智能發展規劃的通知》，指出要推動人工智能在教學中的應用，為學生提供精準推送的教育服務，實現教育資源的定制化。

盡管人工智能技術中的人臉識別、語音識別等也可用于學情數據的采集，但它的主要用途是幫助使用者整合與分析已有數據，并基于模型結果做出預測，以支持學生個性化學習的需求。

基于人工智能技術的學情分析首先在學生學習的過程中實時追蹤和記錄學生的活動，提取學生的學習興趣、學習進度、知識盲區、認知風格等數據，形成學生個人畫像，在此基礎上再為學生推送合適的學習內容和渠道。在該模式下，自適應學習成為常態。學生個性逐漸取代學生共性，成為教學設計和實踐的基礎。目前，已有許多研究團隊研制出基于人工智能技術的學情分析系統。如，K12智能教育平臺“一起作業網”能夠追蹤學生的學習過程，分析其知識盲區，形成個性化學情診斷報告?？拼笥嶏w的智能教學系統和智能學習系統專門為師生提供學情分析服務。此外，兒童教育公司芝麻街（Sesame Street）運用認知系統Watson，根據每位學生的學習模式匹配個性化學習工具。在線學習工具LearnSmart則根據學生對關鍵概念的認知測試結果，為學生調整最適合的學習內容。應用人工智能技術分析學情并形成個性化學習方案已成為教育信息化2.0進程中學情分析的重要方法。

5學情分析變革的風險

5.1倫理風險

基于現代技術的智能學情分析有效提升了學情分析的精準性、實時性、完整性和個性化，但一些倫理風險也隨之產生。

首要的風險是，實時收集多維度的學情分析數據可能侵犯了學生的自由和隱私權。美國印第安納大學教育學院與信息學院雙職教授Curtis J B認為，學生一邊學習一邊被采集相關數據，像是處于高清攝像遍布的區域，難免會有被侵犯的感覺。對此，學校應將學生意見置于首位，將智能學情分析的利弊充分告知學生和家長，允許學生決定自己的學情是否被記錄和分析，避免以“提高教學效率”之名草率做出決定。然而，一些校外人員惡意盜取學情數據的事件說明，上述做法仍無法完全保護學生的隱私。龐茗月指出，便捷的個性化學習服務常是以泄露隱私為代價獲得的。如，2017年5月，澳大利亞Blackburn高中學生的個人信息、家庭信息、醫療信息等被惡意發布在公共網站上，影響惡劣。我國類似的學生信息泄露案例也不在少數。為此，建議學校嚴格評估教育科技公司和相關產品的資質，將相關事項明確地寫在合作條款中，同時安排專門團隊負責智能學情分析系統的安全維護。

第二項倫理風險是給學生貼上固化標簽。在過去學情數據局部化、片段化的時代，每一個學生都呈現出模糊性，這種模糊性實際上為學生的可塑性提供了空間。如今，當學生的一舉一動，乃至心理生理數據都被記錄在案時，學習者很容易被貼上標簽。這一方面可能會強化學習稟賦差的學生遭遇歧視的情況，阻礙這些學生的健康成長。另一方面，所謂的個性化推送只是利用過往數據的計算，忽略了學生作為真實的人的創造性和可變性。定制化學習方案在延長學生長板的同時，扼殺了其短板在未來發展的可能。對此，學校在培訓教師使用智能學情分析系統的過程中，應明確隨意公開學情數據的后果，同時充分告知教師學情數據的局限性。

第三項倫理風險則是對學生身體健康的危害。盡管許多學情記錄設備已盡量符合人體的生理特征，但日復一日的設備穿戴也可能對學生的視力、肌肉等造成負面影響。面對這些倫理風險，鄧國民認為應該在使用現代教育技術時，考慮系統創建者、教師、學生和監測員等利益相關者，斟酌有關福祉、是非善惡、公平正義、人權和尊嚴、自由自治、責任和問責的倫理問題，而不是簡單地以教學改革為名剝奪學生自由學習、健康成長的權利。因而，學校和教師需有節制地使用相關設備采集學情數據。

5.2教學風險

首先，教師信息素養的不足可能會阻礙學情分析變革的推進。目前，我國還有很多教師不具備高效使用網絡、移動設備等設施的能力，一些師范教育也沒有足夠重視師范生的信息素養培養。以往，優秀的學情分析依賴于教師的耐心、責任心、洞察力、應變力，現在則受到教師信息素養的影響。由于我國各地區經濟、教育發展的不平衡，一些中西部地區和鄉村的教師難以迅速掌握學情數據收集和分析的軟硬件，這可能會進一步導致我國教育發展的地域不均衡。對此，需要將信息素養培訓納入中高等師范教育和教師繼續教育中，同時配合國家扶貧攻堅項目，推進貧困地區的學校信息化建設。

此外，一些教師可能會誤解教育技術在教學中的作用，產生排斥或依賴心理。排斥者認為自己的教學能力會被機器取代，拒絕使用智能化學情分析技術。依賴者則甘愿做技術的附屬品，認為智能化的學情分析技術能夠使其脫身于繁雜的學情分析任務，因此懶散懈怠。這些都是教師不能適應人機協同的工作環境的表現。教師的數據素養不僅在于學會使用技術設備，更在于學會思考如何用技術優化教學、如何利用技術給予教師的“閑暇”和便利促進教學轉型升級，即形成較強的數據解讀能力、分析能力、問題解決能力和教學機智。

6結語

在教學理念變革的影響下，學情分析的重要性日益凸顯、發展方向愈漸明晰。學情分析框架從精準教學1.0版本出發，最終形成了涵蓋行為、認知、情感等方面的分析系統，呼應了教學理念的四方面變革。在教學理念與學情分析的理論互動中，技術的進步促使學情分析的理論框架加速落地。這主要體現在互聯網技術、傳感器技術等支持的多模態學情數據采集，以及人工智能技術支持的學情數據整合與分析、個性化資源推送上。目前，學情分析變革已取得顯著進展，但也伴隨著倫理和教學方面的風險。同時，許多研究的焦點仍停留在如何促進技術層面的更新換代，很少深思如何利用技術助推學習和教學模式的轉型。對此，學校、教師、企業、家庭等多方面有必要高效聯動，來推動教育信息化背景下學情分析的深度發展。如，學校需尊重學生的隱私權，同時嚴審教育科技公司資質、重視系統維護；教師需正確認識學情分析技術的優勢與局限，同時努力增強自身的信息素養，在此基礎上，進一步思考如何利用信息技術優化教學。

參考文獻

[1] 陳隆升.基于學情分析視角的課堂教學轉型[J].教育發展研究，2016，36（6）：69-76.

[2] 杜威.我的教育信條[M].楊小微，羅德紅，譯.上海：華東師范大學出版社，2015.

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

[4] 郭利明，楊現民，張瑤.大數據時代精準教學的新發展與價值取向分析[J].電化教育研究，2019（10）：76-81+88.

[5] 徐夢杰，曹培英.精準針對學生差異的學情分析研究[J].課程·教材·教法，2016，36（6）：62-67.

[6] 馮曉英，鄭勤華，陳鵬宇.學習分析視角下在線認知水平的評價模型研究[J].遠程教育雜志，2016，34（6）：39-45.

[7] 曹培英.學情分析的現狀、癥結與技術開發[J].現代教學，2014（5）：18-19.

[8] 李慧.面向學習體驗文本的學習者情感分析模型研究[J].遠程教育雜志，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] 楊現民，田雪松.中國基礎教育大數據2016—2017：走向數據驅動的精準教學[M].北京：科學出版社，2018.

[11] 呂巾嬌，劉美鳳，史力范.活動理論的發展脈絡與應用探析[J].現代教育技術，2007（1）：8-14.

[12] 鐘薇，李若晨，馬曉玲，等.學習分析技術發展趨向——多模態數據環境下的研究與探索[J].中國遠程教育，2018（11）：41-49.

[13] 陳靜靜.揭開學習的奧秘：焦點學生學習歷程的觀察與分析[J].教育科學，2020，36（3）：52-57.

[14] 張文梅，祁彬斌，范文翔.數據驅動的教學行為分析：現狀、邏輯與發展趨向[J].遠程教育雜志，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] 趙磊，鄧彤，吳卓平.基于數據挖掘的MOOC學習者學業成績預測與群體特征分析[J].重慶高教研究，2021，9（6）：95-105.

[17] 韓穎，董玉琦，畢景剛.學習分析中情緒的生理數據表征——皮膚電反應的應用前瞻[J].現代教育技術，2018，28（10）：12-19.

[18] 黎加厚.教學生理學：一門探索教學中人體生理信息的科學[J].教育研究，1992（10）：52-58.

[19] 董玉琦.把教學研究深入到生理信息的水平——日本GSR教學研究綜述[J].電化教育，1995（8）：46-47.

[20] 白學軍，姚海娟.高低創造性思維水平者的認知抑制能力：行為和生理的證據[J].心理學報，2018，50（11）：1197-1211.

[21] 禹東川.基于腦電的課堂注意力監測：構建“可視化”教學生態[J].中小學管理，2016（7）：18-19.

[22] 趙鑫碩，楊現民，李小杰.移動課件字幕呈現形式對注意力影響的腦波實驗研究[J].現代遠程教育研究，2017（1）：95-104.

[23] 張琪，武法提.學習分析中的生物數據表征——眼動與多模態技術應用前瞻[J].電化教育研究，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，張屹，李智曄.文章難度與呈現方式對多媒體閱讀的影響——基于H學院的眼動實驗分析[J].現代教育技術，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] 楊海茹，劉清堂，吳林靜，等.大數據時代生理信息分析的教育應用及趨勢[J].現代教育技術，2019，29（6）：34-40.

[28] 周聰聰，涂春龍，高云，等.腕戴式低功耗無線心率監測裝置的研制[J].浙江大學學報（工學版），2015，49（4）：798-805.

[29] 汪維富，毛美娟.多模態學習分析：理解與評價真實學習的新路向[J].電化教育研究，2021（2）：25-32.

[30] 陳凱泉，沙俊宏，何瑤，等.人工智能2.0重塑學習的技術路徑與實踐探索——兼論智能教學系統的功能升級[J].遠程教育雜志，2017，35（5）：40-53.

[31] 趙慧臣，馬佳雯，張娜鈺.人工智能支持下的教學設計框架與實施[J].中國教育信息化，2020（13）：7-13.

[32] 郝祥軍，王帆，祁晨詩.教育人工智能的發展態勢與未來發展機制[J].現代教育技術，2019，29（2）：12-18.

[33] 詹澤慧，霍麗名，姚佳靜，等.人工智能時代MOOC將如何發展：機遇與挑戰——與Curtis Bonk教授和Paul Kim教授的對話[J].中國電化教育，2019（2）：10-15.

[34] 龐茗月，胡凡剛.從賦能教育向尊崇成長轉變：教育大數據的倫理省思[J].電化教育研究，2019，40（7）：30-36.

[35] 李青，李瑩瑩.大數據時代學習者隱私保護問題及策略[J].中國遠程教育，2018（1）：29-36.

[36] 鄧國民，李梅.教育人工智能倫理問題與倫理原則探討[J].電化教育研究，2020，41（6）：39-45.

[37] 秦丹，張立新.問題與優化：課堂精準教學實踐的現實審視與反思[J].電化教育研究，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

[責任編輯 孫菊]

[收稿日期]2021-12-02

[作者簡介]*邵卓越（1998—），女，浙江紹興人。博士研究生，主要研究方向為教學論。