从知识到行动：实现教育机会均等的承诺*——美国AERA 2017年会述评

胡艺龄 祝嘉钰 顾小清

（1.华东师范大学 上海数字化教育装备工程技术研究中心；2.华东师范大学 教育信息技术学系，上海 200062）

从知识到行动：实现教育机会均等的承诺*
——美国AERA 2017年会述评

胡艺龄1、2祝嘉钰2顾小清1、2

（1.华东师范大学 上海数字化教育装备工程技术研究中心；2.华东师范大学 教育信息技术学系，上海 200062）

2017年4月27日-5月1日，美国教育研究协会（American Educational Research Association，AERA）年会在圣安东尼奥市召开，年会的主题是“从知识到行动：实现教育机会均等的承诺”。大会研究专题广泛而新颖，其中就教育技术领域而言，可以从教与学、技术、测评三个视角对年会上涉及的相关内容进行全面解读，并从理论研究、技术发展和研究方法三个方面对当前研究热点及趋势进行概述与分析，呈现教育技术领域的最新动态与热点研究，旨在为该领域自身发展与跨领域合作提供一定借鉴和指导。

AERA 2017；教育技术；学习技术；游戏化学习；学习分析；评价

一、会议概述

2017年4月27日至5月1日，美国教育研究协会 （American Educational Research Association，AERA）2017年会在美国德克萨斯州圣安东尼奥市召开，来自世界各地的15000多名教育研究者参加了此次会议。

AERA作为国际教育领域中最具影响力的会议，其内容涵括当前教育领域研究的重点和热点，并且为与会学者提供了多种利于交流和沟通的活动。此次年会依旧设置了教育管理、组织和领导力、课程研究、学习与教学、测量和研究方法、咨询和人力发展、历史和史学、社会情境下的教育研究、学校研究和评估、职业教育、高等教育、教学和教师教育、教育政策与政治等12个专题（Division）及其53个分区（Section）。专题之下包含有1080场主题各异的报告（Session）、149个特别兴趣小组 （Special Interest Group，SIG）。此外，还设置了特邀报告、论文汇报、海报展示、圆桌会议、工作小组交流和研讨会等形式，共计开展活动2562场，参与交流与分享的与会者超过15200人。

本届年会的主题是“从知识到行动：实现教育机会均等的承诺”（Knowledge to Action:Achieving the Promise of Equal Educational Opportunity）。其目的是在当下重新讨论教育机会均等的真正内涵和实现条件，反思方式与方法，寻求将相关的学术研究转化为实践的切合途径，从而真正推进教育公平。这种诉求来源于两个方面：一方面，目前法律、体制模式和社会惯例发生的巨大变化，为实现教育机会均等提供了有利条件，教育需要迫切地考虑如何将研究、理论和政策转为切实操作；另一方面，过去多年来推进的教育公平导向的实践是否走在正确道路上，人们在改善教育机会上是否比过去做得更好？这些都是当前教育发展需要进一步反思和确定的问题。

因此，在这一变革的大环境下，教育的研究不能再停留于问题本身，而应该在于如何将知识和学术研究转化为真正的公众意愿、实践措施和应对政策；在于如何验证和评估施行方案的有效产出与产出效率；在于是否基于过去的实践寻求新的实践路径。在这个过程中，不可忽视的参照背景是全球化、信息化。所以，如何利用飞速发展的技术，辅助解决教育面临的困境，是当前尤为重要的课题。

教育技术学作为教育专业的交叉学科，天然跨越了教育与技术领域之间的屏障，其关注点始终聚焦于如何将技术用于对教与学的改善。因此，基于本届AERA年会所设置的多个研究主题，我们将立足教育技术视角，围绕“技术应用”的核心，从技术对教与学的影响、技术本身的发展与应用、技术在教育测评和评估中的作用三个方面，对本次会议中教育技术相关内容进行解读，并对年会呈现出的教育技术研究动态加以分析，旨在为教育技术领域的自身发展与跨领域合作提供一定借鉴和指导。

二、教育技术相关研究主题概述

（一）技术对教与学的影响

技术的发展直接推动了教学方式的变革。教学作为技术整合和教师实践的直接体现，是教育实现变革的根本途径，因此，我们将从技术支持的一般领域的教学设计、特定领域的教学设计和技术整合的教育应用三个方面，对年会上提出的教学领域相关课题和研究进行综述。

1.一般领域的教学设计

改进传统课堂的教学方式仍然是目前学术界研究的重点。从最初的基于问题的学习 （Problembased Learning）、基于探究的学习 （Inquiry-based Learning）、基于项目的学习（Project-based Learning，PBL），到目前广受关注的基于游戏的学习（Gamedbased Learning），教学设计的目的逐渐拓展，从最初的知识传递，转向提升学生在真实情景中应用知识的能力；如何在教学过程中培养学生发现问题、解决问题的能力以及发展学生的批判性思维等高阶思维，成为优化教学设计的主要目标。

（1）基于项目的教学设计。基于项目的教学设计已经发展多年，密西根大学Joseph教授认为，过去很多K-12学生在进行PBL时，大多发展的是浅层科学知识（Superficial Science Knowledge），而不是可用的知识（使他们能够解决实际问题、做出决策和产生新的想法的知识）[1]。这是因为人们常将“学”与“做”独立开来进行教学，因此，他与Miller基于情境学习（Situated Learning）理论，共同提出了PBL教学设计的六个关键设计特征：

①通过一个驱动性问题、一个现象或困难来开启学习；②聚焦于让学生了解真实世界这一学习目标；③通过参与科学与工程实践（Scientific and Engineering Practice）获得对问题的解答；④参与到与其他同学、教师及社区同伴的协作活动中，以获得对驱动性问题的探索；⑤设计支架以帮助学生理解复杂的想法及开展超越现有能力的活动；⑥创造体现问题解决的有形制品来作为思维能力的外显表征。其中，如何形成驱动性问题是设计的关键；如何在PBL教学中引入能够支撑学生进行科学思考和促进理解能力发展的认知工具，仍有待进一步讨论。例如，Nordine等人尝试在教授能量的科学课堂中引入有形模型，学生在构建和优化有形模型的过程中，会对自己的想法进行反思，从而加深其对抽象的核心科学原理的理解[2]。

除此之外，在传统关注知识习得的基础上，Miller也开始探索PBL是如何为学生激活、评估和构建知识库（Funds of Knowledge）提供语境的。他认为[3]，最佳的基于项目的教学设计应该在以解决本地问题为目的的语境下，使学生能够基于自身的知识和文化背景进行知识建构。PBL的宗旨是促进学生在建构和评估知识的过程中，积极地开展共同实践。当学生在解决本地问题时，其想法来自于他们的生活经历和先验知识，这些经历和知识产生于他们的家庭、社区或者其他社会关系。PBL提供一个桥梁，衔接了家庭和学校，贯穿了文化背景和科学，使学生能够基于自身的文化背景和批判性思考能力来解释真实的世界，进而也提升了他们的意义建构能力。Kosturko等人的研究也证实了这一点，学生在进行一项熟悉的本地相关的项目时，能力会有显著提升[4]。

虽然PBL的环境设计能够为每个学生都提供参与机会，但是良好的研究结构（如，小组协作工作、真实的项目情景），并不意味着活动对学生就有吸引力。Ward认为，教师只有成为共同参与学习的角色，才能引导学生进入“全情投入”（All-in）的状态：一方面，这种实践需要教师充分利用自己在教学实践和教学内容方面的专业性；另一方面，这种新的创造性的实践往往意味着打破学校现有语境（The Grammar of Schooling），及打破教师的舒适区[5]。因此，除了PBL的环境设计，如何通过提升教师的PBL信念来实现最佳教学效果，也是关注的热点之一。

Bielik等人认为，PBL教学要想获得实质性的学习效果，需要教师对PBL功能进行概念化理解，学习并制定如何将教学转向PBL的策略[6]。他们提出了一个三维度的学习计划，包括模拟PBL教学法的教学模式 （Model Teaching Designed to Experience PBL Pedagogy）、行动中的实践与设计原则以及分享课堂经验。通过培训，教师们展示围绕驱动问题展开的PBL；通过分享想法和实践协作性质的任务，使课堂支持多样性问题，为边缘化的学生提供学习机会；通过关注学生的学习，引导他们提问和运用证据，进而使三维度的学习在教学中得到充分体现。从这些研究中可以看出，对基于项目的学习的研究，正从关注传统的知识习得，向PBL环境的打造以及PBL教师的信念转变。

（2）基于不确定性问题（Uncertainty Problem）的教学设计。这是目前探究式学习课堂关注的另一个内容，不确定性问题作为突破传统良构课堂的新尝试，受到越来越多的关注。当参与者将自己定位为不确定性时，他们会致力于阐明不确定的因素，并驱动他人一起承担不确定性[7]，Wagh和Gouvea的研究也证实了这一点。即学生在探索过程中遇到不确定性问题，有助于其认知框架的形成。例如，在一节使用计算机建模的物理实验课中，学生构建的物理模型在模拟情景中输出意料之外的结果时，形成了课堂中的不确定性问题状态，学生通过探索和解决不确定性问题，能够建立起自己的认知框架。但是这些认知框架并不稳固，容易受到外在线索的影响，如助教意外地解决了不确定性问题，这一行为会引起学生对不确定性问题的态度变化。因此，学生在自由探索阶段面对不确定性问题时，教师需要进行及时干预来减少混乱和其它问题[8]。

Watkins等人进一步将教师在不确定性出现时刻，应采取的行为细分为五个阶段：①问题产生阶段，教师需要改变已有的教学计划，为学生自行解决不确定性问题提供空间；②问题表达阶段，教师需要引导学生确定和阐明他们的不确定性，共同提出一个可以被探索的问题，而不是让学生独自完成问题的表达；③问题参与阶段，通过探索，使不确定性问题从个人层面转向公共层面 （From the Individual to Public Spheres），教师需要构建新的教学结构（如，小组讨论）来帮助班级共同解决问题；④问题解决阶段初期，教师需要为学生规划参与的角色，例如，问题的解决者，或友善的评论者，让学生以不同的角色参与到不确定性问题的解决中；⑤问题解决阶段后期，教师帮助学生发现有用的资源，确定有建设性的想法，如，概念等[9]。

Hayes等人采用质性分析的方式，从学生角度，对遇到不确定性问题时的表现进行了更深入的研究，结果表明：学生对于不确定性问题的反应取决于学生的能力（例如，验证想法的空间）、相关智力水平、动机与兴趣。该研究为在课堂中引入不确定性问题提供了指导，当教师采用这种教学方式时，需要注意规避会引起学生回避问题的因素，确保学生对自己能够解决问题有足够信心[10]。

2.特定领域的教学设计

（1）基于空间思维能力培养的教学设计。空间思维能力已经被证明是科学、技术、工程、数学（Science， Technology， Engineering and Mathematics，STEM）领域取得成功的基础。就目前而言，空间思维的教学仍然是一个难点，而有效的认知工具是帮助理解这类特定领域知识的重要途径。如，Stull团队在研究中将三维分子模型作为一种提升学生空间思维能力的方式，对其在有机化学课堂中的应用进行了探究，并总结出认知工具在提升空间思维能力中的作用：①增强空间思维。具现化对象的空间特征（Externalize Spatial Representation），减少了对工作记忆的要求；②减少误解。提供多重表征，让学生意识到自己想象中的误区，从而建立更完整的心理模型；③支持积极的学习（Support Enactive Learning）。表征难以想象的过程，让学生将新信息与预先存在的知识进行整合[11]。

Congdon团队从减少误解角度出发，探索在线性测量的课堂中，引入手势作为认知工具。一方面，手势辅助使得学习者能够直接与物理环境进行互动；另一方面，手势计数可以加深学生对单位长度的理解。尽管手势作为有效的认知工具提供了理解上的支架，但实验结果表明，这种方式对新手来说，可能依然缺乏辅助理解的语境。这意味着基于空间思维的教学，对学习者的先验知识也存在一定水平的要求[12]。

除了辅助认知的工具，支持信息呈现的工具也出现在相关课堂中。例如，Mutis等人在建筑工程与管理 （Construction Engineering and Management）课堂中应用无人机系统（Unmanned Aerial System）实时传回远程的现场场景，在课堂中实现实时的可视化，以增强学生处理复杂视觉—空间信息的能力；并通过在一个视图中整合所有的视觉信息，来消除视觉切换造成的注意力分散[13]。

（2）基于阅读素养提升的教学设计。另一个受关注的是听说读写能力在STEM方面的提升。一系列学者对如何提升科学写作素养提出了设计方案：从理论和概念两方面提供科学写作的模型。例如，Miller等人对2878篇关于科学课堂写作任务的文献进行梳理，筛选出37项，根据内容类别、认知和内容进行分类，探究如何将写作任务与内容领域教学（Content-area Instruction）相结合，为中学生的内容领域学习和知识获取提供帮助[14]。

一些学者从教师教育角度出发，关注教师在课堂写作教学策略中所需素养、态度和信念。Drew团队的研究报告展示了美国一项关于科学教师的国家调研，并基于学科素养的模型，设计了一个科学写作的框架（Disciplinary Writing in Science），提出科学教师应该在课堂中开展写作任务，将之作为“做科学”的基础要素[15]。Hodges等人研究了职前教师对写作和教授写作的信念，他们指出，有效的模型和有质量的引导者是职前教师能够应用写作策略进行有效教学设计的关键[16]。

此外，也有研究从技术的角度展开。Kendeou团队为了提升小学低年级学生的阅读能力，开发了一个基于技术的早期语言理解干预系统 （Technology -based Early Language Comprehension Intervention，TELCI），该工具的设计思想是通过提升核心语言理解能力和推理能力来提升阅读理解能力。作为一款自动化的软件应用程序，TELCI提供了四项主要模块：学习视频中的核心词汇；阅读合适的视频；回答网上的推论问题；在答完每个问题后提供相应的支架和反馈[17]。

3.技术整合的教育应用研究

技术在教学过程中的应用是教育技术研究的主要关注点，在“沉浸式学习环境的应用研究”、“计算机和互联网在教育中的应用”等SIG的投稿中，教育研究者对技术创造的教育变革实践给予了充分关注，这些研究可以概括为技术在课堂中的应用，以及技术在网络教育中的应用。

（1）技术在课堂中的应用。课堂是教学最为主要的场所，也是技术整合最为困难的部分。比起以往的会议，本次年会更多地关注从教师教育角度来解决技术在课堂应用中的难题，课堂的关注点回归教师。

从技术增强课堂的角度出发，在当今参与式文化的背景下，教师是解决学生数字鸿沟（Digital Gap）的重点。而已有研究表明，教师教育与“教师能够在教学中有效利用技术”之间存在着长期差距（Persistent Gap）。Mc Bride提出21世纪教师教育需要满足以下要求：在理解和选择技术工具的过程中，教师需要具备相应的知识和经验；教师对技术需要有自己的认知和想法[18]。Gretter通过综述官方文档和分析73名教师问卷，提出数字化背景下教师教育需要着重关注在线专业发展、技术相关概念、技术教学法，以及教学与学习技术的可供性等四个方面[19]。

从技术提升课堂的角度出发，Watkins团队为了探究课堂上哪些因素构成真正的“做科学”，利用视频分析法、知识分析法和互动分析法，开发了一种动态分析法（Approach to Analyze the Dynamics），对学生在科学课堂上的视频进行分析。通过对16节科学课堂视频的分析，归纳出真正“做科学”的课堂应该具备三种现象：一是发现自己不理解。学生认为自己不理解某种现象或者想法，这是概念性、认知论和社交动态综合的结果；二是阐述问题。在大多数情况下，学生努力识别、澄清和激发自我在理解中的矛盾或差距；三是认知的烦恼。在所有用于分析的视频中，当学生观察到矛盾时会表现出烦恼的情绪[20]。

从技术应用于课堂的角度出发，Hershkovitz团队对教师在技术整合的课堂中所应用的教学策略进行了调查，被试为三名1:1课堂英语教师，采集了5-6节课的课堂视频数据，从中观察教师的教学策略、物理位置和师生之间的互动。对数据进行定量观察分析后的结果表明，1:1课堂在课堂管理方面与传统课堂有显著不同，教师提供了更多以学生为中心的活动，并且更倾向于在物理上远离黑板和讲台。但是，教师与学生之间的互动在统计学上没有表现出显著差异[21]。

（2）技术在在线教育中的应用。在线学习已经不仅仅是普通的MOOCs，而更多体现为嵌入到物理课堂的混合式教学应用中。部分研究者关注应用于在线教学的工具，例如，过去很多教师使用传统白板进行教学，传统白板与教师在画面上呈左右结构，学生的注意力在白板和教师的脸部之间来回切换，增加了学习负担；而采用透明白板时，其位于屏幕和教师的面部之间，学生的视线可以只专注于教师写在白板上的内容。因此，与传统白板相比，透明白板遵循了多媒体学习的原则，顾虑到学生在多媒体环境下注意力易于分散的特点[22]。

随着层出不穷的在线学习工具涌入教学，越来越多的研究者发现，真正决定在线学习效果的关键因素是教师自身的数字素养（Digital Competence）和技术教学法知识内容 （Technological Pedagogical Content Knowledge，TPCK），以及他们的信息化接受意愿。通常基于问题的学习是教师广泛采用的一种在线学习教学模式，但这种教学模式产生的庞大数据，常常使得教师无法辨识真正有效的讨论内容或行为。

Yuxin Chen就仪表盘如何帮助教师提高在线学习评价效率展开了研究，在为期两周的在线问题解决学习过程中，教师通过系统提供的学生活动信息仪表盘，实现对群体对话的质性和量化分析，可视化的结果帮助教师快速定位活动走向情况，及社交网络中的学生角色和交互关系，为基于问题的学习的效果评估及教学设计修正提供了及时反馈。在后续的教师访谈中，也反应出这类教育数据挖掘及可视化工具尚存在不足，比如，由于仪表盘对整体对话线程及学生产出数据的反馈更直观，而使得教师忽略了学生对资源的使用情况等细节信息；同时，仪表盘的视觉效果更多地传达了活动的整体情况，而较难展示个别学生的学习进展；社交网络能够反映学生在活动中的交互及强弱关系，但无法预测和判断有困难的个别学生[23]。可以看到，不断成熟的技术在催生出更多元化应用的同时，智能化成为当前教与学过程中更迫切的需求。

（二）新兴技术与环境

1.虚拟现实和增强现实

在近几年的 AERA年会上，增强现实技术（Augment Reality，AR）和虚拟现实技术（Virtual Reality，VR）都是研究者关注的新兴技术热点，而今年，这些技术已然从新兴技术进入到用于提升学习效果的应用技术层面。顺应大会主题 “从知识到行动”，AR和VR作为兼容性和可能性非常广的技术，被应用于各类教育实践。

增强现实技术在科技素养的培养方面展现了极大潜力。Shih-Jou Yu团队开发了一个基于AR的在线可穿戴设备，用于探究该设备是否能够更好地改善学习者的情境兴趣，包括新颖性、挑战性、注意力需求、探索意图、即时享受和总体兴趣等。实验以博物馆为场所，对比组使用音频指南，实验组使用AR在线可穿戴设备。结果显示，实验组大幅提高了情境性兴趣和即时性享受，从而反应出AR在线可穿戴设备对提升非正式课程的学习兴趣具有作用[24]。

过去，AR技术也因其超越现实的感官体验特征被应用于历史学科的学习，例如，使用位置感知的移动增强现实技术能够呈现不同时期的历史遗迹，但对于这种AR系统能否提升学习的有效性，一直以来都缺乏足够的实证依据。为此，Harley团队开发了一个提供引导性信息和反馈的新系统MTL Urban Museum，该系统借鉴了 Van Drie的历史推理框架[25]、Krathwohl修正后的布鲁姆分类[26]和教学提示方面的研究[27]。相比一种较简单、以对比为提示的控制条件，Harley等人研发的以新的扩展提示和反馈条件（The New Extended Prompt and Feedback Condition）为控制条件的系统，能获得更好的学习结果。同时，除了学习表现外，在整体趋势上，使用该系统的学习者的学习乐趣和好奇心体验的均值水平都较高，无聊和沮丧体验的均值水平都较低[28]。

由于AR和VR提供了沉浸式的环境，因此，为基于具身认知理论（Embodied Cognition Theory）的情景模拟提供了良好的实践场。Dubovi与同事探索了基于VR技术的护理教育效用，他们通过设计的三维虚拟空间 PILL-VR （Pharmacology Inter-Leaved Learning-Virtual-Reality），对学生进行药物管理程序的训练学习。通过对比实验发现，实验组在概念知识和程序知识的掌握上显著优于控制组，意味着VR能为技能实践及训练提供支持，这对培养学生的专业知识至关重要[29]。

具身认知理论同样有助于学生理解复杂的概念，比如，化学键和价的概念。Zohar团队设计了一款基于VR技术的ELI-Chem环境，来呈现在遇到吸引力和排斥力的同时与原子发生相互作用的反应场景，通过对14名高中生进行使用系统的前后测，可以捕获到他们的手势和发音。结果发现，通过该环节，学生对化学键的认识，从简单地认为化学键是一种固定的像磁铁一样的球体，转变为科学地认识原子是在引力和斥力的平衡中保持稳定移动的一种状态，借助于VR技术，复杂概念的理解变得更容易实现[30]。此外，Danish等人也提出，让年龄较小的学生理解复杂概念还有两种方法：一种是以第一人称视角扮演系统中的角色；另一种是通过计算机模拟的程序，以第三人称视角观察系统内发生的所有活动。Danish等通过使用BeeSim电子玩偶 （BeeSim Electronic Puppets）和BeeSign模拟电脑，来检验这两种方式对学生参与学习影响的差异，并论证其有效性[31]。

2.深度学习

在基于问题的学习得到广泛应用的同时，深度学习也成为教育研究热点之一。基于问题的学习营造的复杂语境为学生进行深度学习提供了良好环境，然而在实践中，学生的参与大多仍停留在浅层，如何促成深度学习是当前有待解决的问题之一。

Dede团队从营造深度学习环境角度出发，设计了一门基于探究的生态科学中学课程，为学生提供了沉浸式的虚拟学习环境（Immersive Virtual Learning Environment）。该课程的辅助系统EcoXPT为学生提供了两种学习工具：（1）室外实验系统Mesocosms，用于在受控环境下检测自然环境，为学生营造真实的探究场景；（2）追踪器tracer，用于显示目标物质在环境中移动的化学标记，为学生探究提供支架。该研究表明，提供了支架工具的沉浸式实验，有助于学生进行复杂问题的探究[32]。

从实践深度学习的设计角度出发，Derry团队通过两项基于设计的研究（Design-based Research），从不同角度探究如何在实践中促进深层知识的构建。第一个实验考察了课程设计与科学之间的认识论差异。通常科学内容会以学习支架形式融入所设计的学习活动中，但教师和学生往往不能良好地应用支架，且作为支架的桥梁知识也没有在课程内容中得到支持。设计性的课程要求教师具备深刻、灵活的科学知识和能够了解学生思维的分析能力，这对教师提出了非常高的要求；第二个实验关注如何在课堂中开展有效协作（Orchestrating Effective Collaborative Learning）[33]。

从学生行为表征深度学习的角度出发，在基于问题的以人为中心的机器人 （Human-centered Robotics）课程中，Gomoll团队通过对课程参与者进行结构化访谈，并关注受访者在访谈过程中的手势使用，探索了访谈结构和学生手势行为在表征深度学习方面的角色。访谈的编码框架包含三类：（1）探究，把面试看作是构建解释的机会；（2）口试，把面试看作是产生正确答案的机会；（3）专家面试，把面试看作是分享自己想法的机会。通过分析得知，探究框架和专家面试框架为学生提供了更多的支持来表征知识，并且手势展示了在对普通受众（即为每位教师工作的机器人）的编程和设计中使用度数单位的理解。这一研究揭示了肢体动作（Embodied Action）如何支持学生在访谈中表现出的专家取向和探究取向，并为深度学习提供了另一个观察角度[34]。

3.游戏化学习

游戏化 （Gamification）是通过把游戏相关的元素、机制及框架整合到非游戏的情景中，产生出营造的沉浸场景，并展现出特定的四种学习欲望：探索的欲望、竞争的欲望、社交的欲望和获利的欲望。在此次年会上，我们看到基于游戏的学习不仅被用于学科相关的教学设计，而且更多的研究者将其应用于促进学生高阶思维的发展。例如，Meihua Qian对基于游戏的学习与创造力之间关系的研究进行了元分析（Meta-analysis），其中近2/3的研究认为，基于游戏的学习是提升创造力的有效途径。值得注意的是，大多数得到积极结果的研究都是采用研究者自行设计的严肃游戏，而非已有的教育类游戏或者商业类娱乐游戏。该分析结果表明，基于设计的游戏在实证检验中表现良好[35]。另一项基于设计的阅读游戏进一步印证了这一观点，通过对比实验发现，使用游戏进行训练的学生，在阅读技能、对读写技能重要性的认知、职业准备度和自信等四个方面均有所提升[36]。

根据应用目的的不同，游戏化学习也可分为情境体验游戏、平行实境游戏、跨学科系统游戏、在线教育游戏等。因此，关于游戏有哪些特质更能吸引学生，Clark团队通过对典型教育游戏是否能够作为课程的常规性补充工具和资源的研究，得到了有价值的结论。他们选取55个经典教育游戏作为可供选择的工具进行相关测试，最后发现，当游戏具备选择多样性（Multiple-choice）、提供开放式反馈的事实结果（Open-response Factual Outcomes），以及具有证据深度（Evidentiary Depth）等特征时，将获得更高的参与度[37]。

除了游戏的类型和特征之外，研究者也关注游戏应用的学科或领域内容。本次年会专门为游戏在社会科学领域的应用设置了专题研讨。而目前，商业领域最成功的两款游戏均为社会科学主题，这意味着基于游戏的学习这一教学设计类型在社会科学领域的教学方面有着巨大潜力，但是将“可能”转化为“实践”仍存在着距离。

Jackson团队在实验中应用了 “Fate of World”、“Get Water！”、“Defcon”和“Trouble Lands”四个游戏来探索如何开展社会科学的游戏应用。通过观察、访谈、焦点小组等质性方式和问卷、概念地图、测试等量化方式收集各个维度的数据，试图解决：（1）如何产生社会性的影响和知识转移；（2）如何区分有意义的学习，而不仅仅是学习游戏系统或信息本身；（3）如何监控复杂交互中批判性思维和协作技能的发展；（4）如何收集支持性材料以及论证游戏如何有助于学习的依据；（5）如何比较基于游戏的学习与基于其他媒体的学习；（6）如何在沙盘游戏中说明非统计学意义和多种形式的学习结果等[38]。Squire团队在一项应用游戏学习的社会科学相关主题的课堂实践中，借鉴了关键场所探究法和兴趣驱动的学习法，通过角色扮演类游戏使学生感知到自己成为了有效学习的参与者[39]。

（三）评估与评价

测评和评估是检验实践的重要依据之一，无论是技术在教学中的应用，还是教育机会均等实践的施行，都需要以评估结果作为依据。通过对此次会议的梳理可以发现，针对对象的不同，教育研究者们的关注点大致可以分为三个层次：其一是传统评估的转向——从问责制转向能力素养提升；其二是基于学习分析技术的元认知能力评估；其三是基于自适应测试的评价。

1.传统评估的转向

技术的发展促成了传统评估的转向，体现在内容、目的和粒度上。在信息化社会中，教育目标和职业需求对学生的技能要求从批判性思维、沟通交流等可量化的传统教育成果转变为一系列拓展技能，包括广泛的综合技能、非认知因素和跳出认知—非认知分类的因素（如，创造力、毅力、社会文化素养等）[40]。Russell等人针对测评目的提出，传统的问责制测评逐渐转向“为优化教与学服务”的测评，为优化而进行的测评对于教师和员工而言更具包容性，也能够为校方提供更多维、更充分的信息，成为提升教与学的有效方式[41]。测评从问责制向能力素养提升的转变也催生了对学生个人进行测评的需求，新兴的多样化学习方式，大量的学习资源和学生个体对测评结果的应用，使得针对机构层面所进行的综合性测评数据不足以提供充分的信息。而面向学生个体层面的数据，能够更有利于服务优化教学这一目的[42]。

随着测评逐渐成为现代教育的一项基础构成，学者和从业者纷纷主张建立测评文化。比如，Fuller等人收集了2015年春季管理学院825名教师的教职工测评文化调查问卷，利用主成分分析，建立了一个高等教育教师对评估文化的认知模型，包括以下六个正、反面因素：（1）在帮助学生学习时对数据的使用；（2）为测评提供结构性的支持；（3）对结果的分享倾向；（4）测评的责任感；（5）因学生对考试的恐惧，测评是否反映真实水平的问题；（6）对测评结果信效度的质疑[43]。

大规模的调查发现，学生在教育测评中的表现不仅影响教师的日常教学决策[44]，也影响教育决策[45][46]，因此，测评的重要性毋庸置疑。美国正在开发基于国家共同核心标准（Common Core State Standards）的测评，并希望能够在所有州推行。一致的测评标准和测评内容能够为大学准入、职业准备等提供更有效的信息。目前，新开发的测评已经进入实验阶段，并被应用于四个大型的国家评估中 （包括PARCC和 Smarter Balanced）。相关的研究关注到：（1）所开发方法的优缺点及面临挑战[47][48]；（2）应用方法的技术和结果[49]；（3）建立测评的判准基准。Herman认为，建立测评标准的挑战在于测评如何能够充分地体现深度学习，并以诺曼·韦伯的四级知识深度（Four-level Depth of Knowledge）框架为判断依据，对权威的国家和国际测试在深度学习方面的测评质量进行了验证[50]。

2.学习分析技术

评价的变革很大程度上也受到教育大数据的影响。相较于学习分析技术初期研究者对学业成就表现的关注，此次会议的与会学者从元认知的视角，展开了更实用的行为分析探讨。虽然依托于学习技术提供了细粒度的学生行为记录，但在线学习是一种需要较多自我调节的学习 （Self-regulated Learning，SRL）过程，SRL的复杂性使得一般的登录数据不足以推断学生在完成学习任务过程中的认知和元认知事件。因此，很多研究者通过整合出声思维、眼动跟踪、面部识别、课堂录像、事后报告和语境元数据等多个视角，对轨迹数据进行了三角互证。他们在数据分析的思路上有一条共同的主线，即应采用异质数据的综合分析以获得更有效的推论。

利用跟踪数据捕获在线学习中的有效事件，用以预测学习者的学业表现，是当前在线学习中较为普遍的一类研究。研究者大多是对学习管理系统（Learning Management System）中的日志文件展开分析与研究，而Vosicka与同事认为，日志数据记录的事件虽是确定的[51]，但促发事件的目的却不然。因此，只能将事件数据视为一种粗糙数据，必须通过融合更多的动态和偶然数据 （Dynamic and Contingent Data）来建模，以表征元认知加工等微过程。他们通过对生理解剖课的学生进行为期两个学期的在线日志数据和自我报告分析，来探究跟踪事件的结构效度，实验涉及的资源包括：大纲、教学笔记、练习题、学习指南、课程成绩等，及被试对资源使用原因的描述。开放式数据使用定性分析法，闭合式数据则统计选项频率。结果表明，资源的使用数据不足以成为论证特定自我调节行为的证据，但事件的元数据和模式、共同事件或事件序列能够提升对SRL过程跟踪的有效性。

然而，这些多模态的数据存在收集难、分析难的问题。为了解决这一难题，Liu与Stamper开发了工具STREAMS[52]，主要使用camtasia收集音频、电脑屏幕视频和学生面部视频，并与日志文件整合成为结构化的多模态数据流。该工具被用于一项协作学习任务的诊断，在小组活动中评估个体的贡献度，并推断学习过程中学生的情感状态。STREAMS工具通过补充和验证跟踪性数据中的tag事件，为SRL的研究提供更精确的状态刻画。

不同于Vosicka将学生的自评报告结合在线登录数据对元认知行为进行分析，Moos等人对回顾性报告的精确性存疑，因此，转而采用并发性的学习事件追踪方法。例如，将出声思维法 （Think-Aloud Protocols）融入自我调节行为分析中[53]。在此基础上，Moos认为，在缺乏动机测量数据的情况下，出声思维无法解释认知和元认知过程之间的动态交互过程，因此，这种思维表达并没有表现出捕捉动机事件的能力。所以，需要在补充动机测量的手段基础上，整合基于SRL当前理论与出声思维的反思，形成一套新的编码方案来对学习价值进行判断。

可以看到，对于在线学习过程中的自我调节行为分析，普遍的困惑来自于有效的元认知与监控策略方面。北卡罗莱纳州立大学的Taub与同事认为，采用浸入式学习（Immersive Learning），例如，游戏化学习环境 （Game-based Learning Environments，GBLEs）及追踪技术（Tracking Technology）能提升元认知过程分析的有效性[54]。他们在研究中创设了游戏化学习环境并捕获眼动数据，采用眼动数据与日志数据相结合的方式，来评估被试在“水晶岛”（Crystal Island）这一基于游戏的学习环境中的元认知表现，并基于信息加工理论 （Information Processing Theory）对自我调节事件过程中的监控与控制行为进行评估。被试通过收集线索、阅读资料完成相关评估（概念矩阵），并与非玩家角色进行交互、评估关键变量以及诊断工作表记录进度来完成游戏。最后通过多层次建模（Multi-level Modeling），研究者发现，表现最好的一类被试所具有的特征是：阅读资料数量较少，但对已选资料访问频繁，并在与评估相关的内容和概念矩阵上注视时间较短。这表明，被试在选择阅读内容时使用了内容评估（Content Evaluations）这一策略，并在选择阅读材料时采用了某种监控策略（Monitoring Strategy）。Taub等还建议未来应该继续组合更多的方法，发挥以多通道数据来论证元认知监控的有效性。

3.自适应测量

自适应技术一直以来都有着机器学习与心理测量两个研究范式，并因此具有两条不同的研发技术路线。在此次年会上，研究者更多地聚焦于心理测量范式，展开了对自适应测试技术（Computerized Adaptive Testing，CAT）的广泛讨论。CAT是应用项目反映理论（Item Response Theory，IRT）在心理、教育领域中进行测评的有效方式。与传统测试相比，它能够通过统计的方式规避学生个人因粗心算错或者侥幸猜对等因素，根据被试能力水平自动选题，并做出最终的能力评估。

在CAT测评宏观能力水平基础上，更进一步的是认知诊断计算机自适应测试 （Cognitive Diagnosis Computerized Adaptive Testing，CD-CAT）。CD-CAT是CAT与心理学领域认知诊断相结合的产物，根据已有的知识图谱结构，能够对被试在各个知识点上的掌握情况进行细致的考察。因此，项目池（Item Pool），即抽取测评题目的题库，是CD-CAT的核心之一，项目池的设计直接影响测评对被试知识点掌握情况评估的精确程度，也影响选题策略等模块。Kaplan团队比较了三种不同项目池设计对选题算法性能的影响，结果表明，当项目池仅由同时考察多个属性的项目 （即一道题考察了4到5个属性）组成时，要达到目标精度就需要更长的考试长度。这说明，CAT的项目并不是考察的属性越多就能够为能力值提供越多的信息[55]。

除了对测评技术提升的关注之外，项目功能差异（Differential Item Function，DIF）也是研究的重点之一。存在DIF指的是同一道题对不同考生来说难度或区分度会有所差异，这是传统考试中导致考试不公平的重要因素之一，也是CAT和CD-CAT试图解决的问题。其中，文化差异是造成DIF最常见的因素。有研究表明，非英语母语的学生在大规模学术考试中的表现不如英语为母语的学生[56]；蒙大拿州（Montana）的学者也发现，历史上本地学生在标准化科学测试中的成绩低于同龄人，并认为文化偏见是可能存在的影响因素[57]。

在对广泛应用的CAT进行优化研究的同时，也有研究者试图探索新的可能性。Wang Shiyu等人提出了一个新的CAT框架，试图在保证测试准确、有效和可信的情况下，为被试提供自由修改答案的权利[58]。Jeon等人在IRT的基础上提出了一种新的国际模型——项目反映树模型 （Item Response Tree or Branching Model）。该模型比IRT更为灵活，将不同的评判标准作为树的一个分支，能够在一个模型内兼容不同的判准类型，因此，模型能够解释内部认知或决策的心理过程，而不仅仅是反应这些过程的结果[59]。这一模型提供的灵活框架，被应用于对潜在特性测量有更高精度要求的研究中，例如，Bockenholt应用该框架来探索问卷设计的选项格式是否影响被试的潜在特性测试[60]。

三、国际教育技术研究热点趋势

回顾本次会议的热点研究我们可以发现，教育技术的发展热点也随着技术的更新而呈现三大趋势，分别是STEM跨学科教与学的发展、基于游戏的隐形测评及大规模测试的数字化、探究式测评趋势。

（一）STEM跨学科的教与学

在现实世界中，解决社会问题和环境问题不是在孤立的领域展开，而是在STEM领域的交界处进行的。这些交界处就是不同学科领域的交叉和重叠，使得跨学科整合得以实现。本次会议中学者们普遍认为，STEM代表着一种教育理念，重点在于让学生勇于尝试不同的想法，学会提出观点和分享观点，重视学习和探究的过程，而不是学习结果。因此，未来的趋势势必是在综合化和情景化问题解决过程中，引导学生去关注生活世界，并用自己的行动去改变或影响社会，而不再像以前那样注重某一具体学科的发展。故技术支持的STEM跨学科教与学，即在探究问题的建构、设计、制作、评估环节中，将数学、工程、科学的学习与应用融为一体。

（二）基于游戏的隐形测评

游戏正在以超乎我们想象的创造力改变着这个世界，而游戏化学习也成为未来学习的主要趋势。在本次年会上，游戏化学习成为焦点话题，很多学者就游戏的设计、开发、应用及评价等从多视角展开了热烈讨论。总体来说，基于游戏的学习较多得发生在STEM学科，例如，基于游戏化学习的比例推理能力培养[61]，将游戏化学习与空间视觉表征相结合来促进数学学习能力[62]等等。除了设计与应用之外，基于游戏的隐形测评引起许多学者的兴趣[63]。相较于传统测试脱离知识和技能的应用背景，基于游戏的隐形测评通过创设探究式测评环境，并配以不易察觉的证据收集方式，成为评估复杂技能的有效方法。这类评估方式能限制潜在的霍桑效应 （指个体由于意识到自己正在被别人观察，出于一定目的和心态而改变自己原有行为倾向的现象），从而提供更为真实准确的能力评价。

（三）大规模测试的数字化、探究式测评趋势

现代测试理论认为，测评是观察、解释、认识相合作的结果，数字化测评则在这三个阶段都提供了技术上的便利和支持，在教育中扮演着越来越突出的角色，针对测评的研究也逐渐趋于多元化。从测评形式来看，测评的形式从传统测评逐渐转向新一代测评；从测评内容来看，学习科学研究关注到知识和能力测评的另一个层面——非认知因素，有学者认为学习分析领域的发展提供了一个新方法来整合非认知领域中的一般测评，这拓展了测评的方法论（Methodology）[64]。

近年来，美国国家教育进展评估（NAEP）已经向全面数字化评估发展，实践内容包括交互式计算机任务（Interactive Computer Tasks，ICTs）和实践操作任务（Hands-on Tasks，HOTs）两方面。ICTs通过模拟情景来测评学生的科学问题解决能力，这一测试允许学生通过科学调研来展示技能；HOTs则为可操作的物理性任务，这一测试让学生可以在复杂问题环境下展现自己的规划和调研能力，将知识真正应用于现实世界。目前，NAEP已经完全迁移到电子化的环境下 （Digitally based Assessments），ICTs和 HOTs都可以通过触屏设备进行数据的录入和管理。数字化工具在现今教室中已成为不可或缺的部分，NAEP正在探索使用包括触屏设备在内的新技术方法来衡量学生的知识和能力，在以证据为中心的指导下，合理构建技术，增强科学评估[65]。

四、总结

由美国教育研究协会主办的AERA年会，自1933年的第一届开始，已有84年历史，是世界教育领域最具规模和影响力的会议。其关注的主题从最初的本土“教育实践方法”、“教育研究动态”，发展到迈入21世纪后的“全球教育民主与公平”，直至今年的“从知识到行动：实现教育机会均等的承诺”。可以看到，年会的格局与思路愈发清晰，各方教育工作者汇聚一堂，希望进一步将学术研究转化为更切实的实践。

随着数字化时代的来临，学习中的社群合作、互动智慧、分享共创、多终端协同已成常态化趋势。教育技术在年会主题中越来越多地被提及，并作为很多研究的核心力量贯穿于教与学的各个环节。本次年会也从每一个环节上呈现了教育技术专业的最新发展：

首先，在教学设计方面，除了基于问题、基于探究、基于建模等教学模式之外，基于项目的学习在与深度学习整合的基础上呈现了新的规则与实践，而不确定性问题的教学设计也为探究式学习出现困惑提供了解决方案；除了关注基础学科的教学策略及技术应用之外，研究者们也对STEM与高阶思维培养方面的教学设计展开了大胆尝试，其实践从课堂延续到课下，从线上发展到线下，实现了技术的深度整合及基于证据的教学调整。

其次，从新兴学习技术的视角，重点展现了虚拟现实技术、增强现实技术、深度学习及游戏化学习等热点技术及其应用。

最后，从评估与评价的角度，对当前技术支持的评估转向进行了探讨，发现从传统的问责制转向了能力素养的提升；在教育数据挖掘方面，学习分析技术继续扮演着重要角色，研究者从关注学业成就的影响发展到对更具体的自我调节等元认知行为的分析，期望获得关于在线学习更真实、细致的诊断；对于数据的挖掘，研究者们共同呈现出对多元、异质数据的青睐，可穿戴设备的融入使得多模态的数据也不断融入到评价中；受人工智能（AI）技术发展的影响，自适应测评技术也受到研究者们的广泛关注，并在经典模型基础上不断发展出更先进的算法、模型及应用。

[1]Joseph K S，Miller E.Design principles and theoretical foundation of project-based learning[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[2]Nordine J，Kubsch M.Supporting three-dimensional energy learning in a project-based approach that emphasizes modeling energy transfers between systems[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[3]Miller E.Using project-based learning to leverage elementary students’home and cultural resources in sensemaking[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[4]Kosturko L，Hoffmann K F，Bissette R，Sabourin J，Crossland C，Nietfeld J L.Authentic purpose and audience:utilizing local contexts to enhance project-based learning[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[5]Ward S，Adams C M.In the service of student engagement:teachers going“all in”[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[6]Bielik T，Young L，Pinnie K R，Peek-Brown D.Crafting student engagement for secondary science:teachers’perspectives on features of project-based learning[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[7][9]Watkins J，Manz E.Characterizing how teachers respond to uncertainty to support scientific activity in classrooms[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[8]Wagh A，Gouvea J S.Shifting dynamics between students’epistemological framing and encounters with uncertainty[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[10]Hayes R，Gouvea J S，Wagh A，Simon M.Variable responses to uncertainty in an undergraduate biology lab:a case study[C]//Texas.: Annual Conference of the American Educational Research Association，2017.

[11]Stull A T，Padalkar S，Hegarty M.Augmenting spatial thinking with molecular models in stem[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[12]Congdon E，Levine S C.Making measurement mistakes:how actions and gestures can rectify common student misconceptions[C]//Texas.: Annual Conference of the American Educational Research Association，2017.

[13]Mutis I，Antonenko P.Empowering learning through remote visualizations using unmanned aerial systems:perspectives of education and industry experts[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[14]Miller D M，Mc Tigue E M，Scott C E.Writing tasks in contentarea instruction for secondary students:a systematic review of the literature[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[15]Drew S V，Olinghouse N，Faggella-Luby M N.A disciplinary perspective on writing instruction in science class[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[16]Hodges T S，Mc Tigue E M，Matthews S D，Weber N D.Solutions for effective writing:developing preservice teachers’beliefs about writing through teacher preparation programs[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[17]Kendeou P，Mc Master K L，Christ T，White M J.Technology-based early language comprehension intervention（telci）:making the case for language comprehension[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[18]Mc Bride C.Developing digital pedagogues:redesigning preservice teacher education with 21st-century literacies in mind[C]//Texas.: Annual Conference of the American Educational Research Association，2017.

[19]Gretter S.Teaching and learning with technology:preparing 21stcentury educators[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[20]Watkins J，Hammer D，Radoff J，Phillip A M.What contributes to students“doing science”in classrooms?[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[21]Hershkovitz A，Shamaly A.Exploring the dynamics of the 1:1 classroom[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[22]Stull A T，Fiorella L，Mayer R E.Learning from online lectures in stem:effects of transparent whiteboards[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[23]Chen Y，Hogaboam P，Kazemitabar M A，Bodnar S，Sarmiento J P，Sherman R K，Hmelo-Silver C E，Lajoie S P，Goldman R.Analysis of an instructor dashboard to support learning and facilitation in an online problem-based learning environment[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[24]Yu S，Sun J C，Chen O T.The effect of augmented reality-based online wearable guides on university students’situational interest[C]// Texas.:Annual Conference of the American Educational Research Association，2017.

[25]Drie J V，Boxtel C V.Historical reasoning:towards a framework for analyzing students’reasoning about the past[J].Educational Psychology Review，2008，20（2）:87-110.

[26]Krathwohl D R.A revision of bloom’s taxonomy:an overview[J].Theory Into Practice，2002，41（4）:212-218.

[27]Zwaan R A，Magliano J P，Graesser A C.Dimensions of situation model construction in narrative comprehension[J].Journal of Experimental Psychology Learning Memory&Cognition，1995（21）:386-397.

[28]Harley J M，Tressel T，Jerrell A，Lajoie S P，Pipe L.Fostering historical reasoning and positive emotions with location-based augmented reality and tour guide prompts[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[29]Dubovi I，Levy S T.Caring for patients in the pharmacology interleaved learning-virtual reality（pill-vr）hospital to bridge the theory-practice gap in higher education[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[30]Zohar A，Levy S T. “Repulsion is hard to understand!”learning about chemical bonding with the eli-chem simulation[C]//Texas.: Annual Conference of the American Educational Research Association，2017.

[31]Danish J A，Peppler K A，Thompson N，Thoroughgood L.Beesim: remediating students’engagement with honeybees collecting nectar from a first-and third-person perspective[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[32]Dede C J，Grotzer T A，Metcalf S J，Kamarainen A M，Tutwiler M S. Ecoxpt:learning through experimentation in an immersive virtual ecosystem[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[33]Derry S，Leonard M J，Anderson J L，Barber-Lester K J， Minshew L.Fostering deep learning in middle school design-based science: findings，challenges，and recommendations from two studies[C]// Texas.:Annual Conference of the American Educational Research Association，2017.

[34]Gomoll A S，Hmelo-Silver C E，Sabanovic S，Francisco M.Embodiment and framing:key pieces of deep learning in one student interview[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[35]Qian M，Clark K.Game-based learning and creativity:a review of recent research[C]//Texas.:Annual Conference of the American E-ducational Research Association，2017.

[36]Hoxie A E，Lee A，Guagliardi N.Research-driven game design: translating literacy and motivation research into practice[C]//Texas.: Annual Conference of the American Educational Research Association，2017.

[37]Clark D，Tanner-Smith E，Hostetler A L，Fradkin A，Polikov V. Substantial integration of typical educational games into extended social studies curricula[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[38]Jackson R，Sheepy E，Fennewald T，Waddington D I.Triumph and failure:methodological lessons for the study of learning in social science games[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[39]Squire K D，Mathews J.Public participation in democracy through games[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[40]Oliveri M E，Markle R E.Expanding skills in higher education assessment[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[41]Russell J A，Markle R E.Assessment for improvement[C]//Texas.: Annual Conference of the American Educational Research Association，2017.

[42]Markle R E.Student-level assessment[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[43]Fuller M B，Skidmore S T，Bustamante R M，Martirosyan N M.An empirically derived faculty model of assessment culture in higher education[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[44]Rick S.Assessment literacy for educators[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[45]Berliner D C.Assessment literacy for educational policy makers[C]// Texas.:Annual Conference of the American Educational Research Association，2017.

[46]James P W.Assessment literacy for parents[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[47]Gong B.An example next-generation alignment methodology for next-generation tests:rationale，developmental process，lessons learned[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[48]Michaels H R.Implementing lessons learned from the first administration of the high-quality assessment evaluation methodology[C]// Texas.:Annual Conference of the American Educational Research Association，2017.

[49]Polikoff M S.Evaluating the evaluation:what worked and didn’t work in the new alignment methodology?[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[50]Herman J L.Setting quality benchmarks for next-generation assessments:lessons learned in assessing deeper learning[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[51]Vosicka L，Bernacki M L.How well do logged events represent students’learning processes?Aligning students’reports with trace data[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[52]Liu R，Stamper J.Structured transactional event analysis of multimodal streams（streams）:a tool for validating trace-based inferences about learning behavior[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[53]Moos D C.Concurrent think-alouds:using trace data to understand self-regulated learning[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[54]Taub M，Mudrick N V，Azevedo R，Millar G C，Rowe J，Lester J. Using eye-tracking and log file data as indicators of metacognitive monitoring and cognitive learning strategies with game-based learning environments?[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[55]Kaplan M，Ayan C.Item pool designs for cognitive diagnosis computerized adaptive testing（cd-cat）[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[56]Barber-Nelson S，Trumbull E，Huang C K.Exploring the role of cultural factors in the performance of english learners on science assessments[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[57]Dupuis J，Abrams E D.Examining cultural bias in standardized science test items[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[58]Wang S，Fellouris G，Chang H.Computerized adaptive testing with response revision:a model-based approach utilizing all response data[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[59]Joen M，Boeck P D B.Generalized item response tree models for psychological assessments[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[60]Bockenholt U.Measuring response styles in likert items using item response tree models[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[61]Vrugte J，Jong T，Vandercruysse S，Wouters P，Oostendorp H V，E-len J M.Faded worked examples facilitate knowledge acquisition in prevocational computer game-based mathematics education[C]// Texas.:Annual Conference of the American Educational Research Association，2017.

[62]Ke F，Clark K.Interactive，visual-spatial representation of math story problems via an architectural game-based learning platform[C] //Texas.:Annual Conference of the American Educational Research Association，2017.

[63]Shute V J.Using log file data as evidence of problem-solving skill in technology-rich environments[C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[64]Hagood D.Assessing noncognitive domains with learning analytics [C]//Texas.:Annual Conference of the American Educational Research Association，2017.

[65]Scalise K.Transitioning naep science to a digitally based assessment [C]//Texas.:Annual Conference of the American Educational Research Association，2017.

Knowledge to Action:Achieving the Promise of Equal Educational Opportunity: A Review of 2017 AERA Annual Meeting

Hu Yiling1，2，Zhu Jiayu2&Gu Xiaoqing1，2
（1.Shanghai Engineering Research Center of Digital Education Equipment，East China Normal University；2.Department of Education Information Technology，East China Normal University，Shanghai 200062）

Knowledge to Action:Achieving the Promise of Equal Educational Opportunity is the theme of 2017 American Educational Research Association（AERA）Annual Meeting，which was held in San Antonio of the United States.On the basis of reviewing the topics in this conference，the relevant contents related to the educational technology can be comprehensively interpreted from the three perspectives of teaching and learning，technology and evaluation，which can help us understand the front-end ideas in the field of educational research，so as to provide reference and guidance for the development of educational technology and the collaborate of cross-disciplinary.

The 2017 AERA annual meeting;Educational technology;Learning technology;Game-based learning;Learning analysis;Assessment

G420

A

1672-0008（2017）05—0003—12

2017年7月5日

责任编辑：吕东东

本文系2016年度教育部人文社会科学研究青年基金项目“协作问题解决能力在线测评研究”（项目编号：16YJC880085）的研究成果。

胡艺龄，博士，上海数字化教育装备工程技术研究中心、华东师范大学教育信息技术学系讲师，研究方向：在线学习行为分析；祝嘉钰，华东师范大学教育信息技术学系在读硕士研究生，研究方向：教育测量；顾小清，教授，华东师范大学教育信息技术学系主任，研究方向：教育信息化理论与实践、学习技术系统及其用户行为。