聚焦技术创新 回归学习本质*——AECT 2021年会综述

陈蕙若 程 醉 钟 琳 徐心皓 唐恒涛 王小雪

（1.南佛罗里达大学 教育学院，美国佛罗里达坦帕 33613；2.深圳大学 教育学院，广东深圳 518060；3.南伊利诺伊大学 教育与人文服务学院，美国伊利诺伊卡本代尔 62901；4.密苏里大学 信息科学与学习技术学院，美国密苏里哥伦比亚 65211；5.南卡罗莱纳大学 教育学院，美国南卡罗莱纳哥伦比亚 29208；6.佛罗里达湾岸大学 教育学院，美国佛罗里达迈尔斯堡 33965）

一、大会主题讨论会（Keynote：InnovatingAECT）

本次大会将以往的大会主题演讲改为主题讨论会，由来自中佛罗里达大学 （University of Central Florida）的AECT 执行董事艾伦·瓦格纳（Ellen Wagner）教授主持，携同俄克拉荷马大学（University of Oklahoma）的葛迅（Xun Ge）教授、戴顿大学（University of Dayton）的艾莉森·卡尔-切尔曼（Alison Carr-Chellman） 教授和来自Lumen Learning 在线教育资源平台的大卫·韦力（David Wiley）博士，共同就“数字化转型对学习的影响”（Wagner，et al.，2021） 进行了讨论。他们从学术成长和工作两个方面分享了对“创新”的理解，讨论了如何通过创新回归学习本质。

瓦格纳教授认为，创新的目的是为了更好地、有效地解决问题。发现问题和解决问题的过程本身就是创新的过程。她鼓励大家用发展的眼光看待创新，在启动一个创新项目的同时，必须预想到其最终的成果。她同时指出，我们需要提高自身对创新的敏锐度；当现有方法无法解决问题时，需敏锐地提出创新性的方法来解决问题。

卡尔-切尔曼教授从行政管理角度，分享了她对创新的看法。她强调了两点：第一，创新要从基层抓起。她指出，每一个管理人员的职业生涯都是有限的；若要在有限的任期完成创新工程，就必须得到下属的积极配合与参与，其整个过程就是团队协作创新的过程。由于社会和技术的飞速发展，今天的创新过程面临着诸多跨学科、跨领域、多元性和复合性的问题。这就要求我们以团队协作的形式，聚合多学科、多专业的知识和技能之优势来解决问题。而要创新性地解决这些问题，也必须以团队协作的形式来应对日益复杂问题的挑战。在新形式下的创新过程中，团队各机构层面的协调尤为重要。同时，行业的创新应由下而上，让基层人员充分了解创新项目的意义、 他们在这个项目中的重要性以及其不可或缺性，这是创新项目顺利进行的关键因素。有了基层人员的支持和积极响应，即使管理层有所改变，也不会对该创新项目造成巨大影响。第二，强调决策透明化的重要性。在她看来，一切决策讨论过程必须透明化，这样才能有利于建立各部门之间的信任。为了更好地创新，目标、政策、方略的透明化是团队协同创新的前提与保障。只有机构组织上下目标一致，政策、方略透明，团队协同创新才有可能取得成果。过程透明化也可以让各部门更好地了解自身职责与合作方的职责，并在此过程中建立相互信任，从而保证该创新项目得以顺利进行。

与此同时，本场讨论会还提出了“未来学习生态系统”（the Future Learning Ecosystem） 这一新概念，并强调其对整个教育领域的指导作用。所谓“未来学习生态系统”是指一个整体的、终身的、个性化的学习范式。随着科技的不断发展，以人为本的个性化教育受到越来越多的关注，学习不仅发生在正规的课堂教学当中；而且，也大量发生在课堂之外。新技术使得学习不再受时间、地点、年龄、场域等限制，我们应该意识到传统的、以教室为单位的模式，已不能满足当代学习者的教育与发展需求。如同世界经济论坛提出的“教育4.0 全球框架”（王永固，等，2020）一样，“未来学习生态系统”是智能化、高度数字化时代发展的必然，它反映了一种教育转变与创新。即从脱节的、偶发的、固定的学习体验，转向个人量身定制、跨越不同地点、媒介和时间段的终身学习连续体。学习不再被视为一个单一的事件，而应该被视为一个系列的事件，它是个人持续成长的终身经历。因此，我们应该根据不同学习者的个人特点、技能、兴趣和需求，精心设计并进行个性化的定制式教育，从而满足不同学生持继、不断发展的学习愿望。教育工作者应该明确教学和信息技术方法必须能促进其深度学习，从而加快学习从理论知识到实际应用的转换。

专家们指出，“未来学习生态系统” 的建立不是某一团队能够单独完成的工程，它需要得到教育工作者、政策制定者、政府、学习者、教学设计师等各方及团队的大力支持与协作。只有各相关部门、利益群体的目标一致、沟通顺畅、政策透明，才能共同建立完整的、健康的未来学习生态系统，从而满足并促进智能化时代学习者个性化、多样化的学习需求。

二、大会专题报告（Featured Research Session）

（一）首要教学原理评价的有效性与创新学习分析 （Innovative Learning Analytics for Evaluating Effectiveness of First Principles of Instruction）

本场专题报告由印第安纳大学 （University of Indiana）的泰德·弗里克（Ted Frick）教授、弗吉尼亚理工大学 （Virginia Tech） 的赛苏尔·达勒（Cesur Dagli）博士和独立研究员罗德尼·迈尔斯（Rodney D.Myers）带来。在报告中，研究人员展现了如何运用时间模式分析方法（Analysis of Patterns in Time，APT）结合定性和定量实验，捕捉学生学习过程的时间图，并演示了APT 如何通过大数据产生高质量且易于分析的过程与证据，以验证首要教学原理的有效性。

报告展示了印第安纳大学在线学术规范性方面教程及测试 （Indiana University Plagiarism Tutorials and Tests，IPTAT）三项研究中的其中一项，旨在评估首要教学原理的有效性。该研究运用“谷歌分析4”（Google Analytics 4，GA4） 针对IPTAT测试中172000 名学生学习过程的时间模式进行分析。旨在回答：（1） 当学生选择以首要教学原理为指导的IPTAT 教学时，能在多大程度上熟悉防止剽窃的相关知识？ （2）“谷歌分析4 ”（GA4）能否用来做时间模式分析（APT）？ 如果可以，该如何分析？ 该研究通过对自2021年1月1日到3月25日期间收到的来自全球186 个国家学生IPTAT 的学习记录，进行了详细地分析。研究结果表明：学生在使用一个或多个以首要教学原理为指导的网页学习教程时，他们所取得的成绩是使用原有网页教程学习成绩的4 倍以上。在此实验中，研究团队也总结出运用“谷歌分析4”软件的优势：作为片段重叠分析工具（segment overlap analysis tool） 相比于通用分析软件（Universal Analysis），“谷歌分析4”更易于操作，也能够更快速、更准确地根据预设命令，将分析材料分解为所需的片段，并能帮助研究者节约大量时间。

（二）在数字化学习中探索学生的挫败感：数字文本学习挫败感量表的开发与验证（Understanding Student Frustration with E -learning Materials：Development and Validation of an E-text Frustration Scale）

本场专题报告由肯特州立大学（Kent State University）的艾琳娜·诺瓦克（Elena Novak）和伊尔凯尔·索尔特尔克 （Ilker Soyturk）、 西肯塔基大学（Western Kentucky University） 的克里·麦克丹尼尔（Kerrie McDaniel）和杰里·达迪（Jerry Daday）带来。他们指出，数字图书使书本内容更引人入胜、阅读更为灵活，并且可以根据个人喜好进行设定。然而，数字图书技术同样可引起学习者的沮丧情绪。该研究通过开发数字文本学习过程中的挫败感量表，以分析本科生对数字教科书的学习态度。

这里的挫败感，主要是指与计算机使用经历相关的负面情绪。比如，电脑死机、网页崩溃、网络延迟等，都可能引起学生负面的数字化使用经历。研究人员发现，这种挫败感常出现于人机交互领域。随着越来越多的数字化教科书和电子设备在课堂上的运用，对此进行深入研究很有必要。该研究将罗素（Russell，1980） 教授提出的情绪环状模型（Circumplex Model of Affect）和目标理论（Goal Theory）作为理论指导，据此分析了导致大学生产生挫败感的原因。情绪环状模型表明，所有的情绪都落在效价（Valence）和唤醒度（Arousal）两个垂直维度所构成的空间周围（如图1 所示），学习者的情绪在任何时刻都处于环状空间的某一个点。挫败感是学习者在面对意想不到的认知或技术挑战时所经历的消极情绪。而目标理论表明，目标承诺会直接影响个人绩效，挫败感则是在实现目标过程中所遇到阻碍的结果。

图1 情绪环状模型

该研究通过了解学生在本科生物课中对数字化教材的挫败感，发现引起挫败感的原因，从而建立数字文本挫败感量表（E-text Frustration Scale，EFTS），并验证该量表的可行性和准确性。研究人员还进一步挖掘数字文本挫折感与数字文本认知负荷、 动机和态度之间的关系。这一研究历时两个连续学期，分为定性研究和定量研究两个部分。在定性研究中，研究人员运用调查问卷采访了1121 位生物专业的本科学生，通过内容分析方法，最终建立了由11 个选项组成的7 分制数字文本挫折感量表。定量研究是用以发现导致数字文本挫败感产生的具体因素。

研究结果表明，学生的认知负荷越高，其感受到的数字文本挫败感也越高。高挫败感会降低学生的学习动力。数字化教科书的人机互动、技术本身以及数字文本本身，是导致学生产生数字文本挫败感的三个主要因素。为此，研究提出了四个降低数字文本挫败感的方法：（1）最小化与学习无关的活动；（2）明确数字文本与学习目标之间的关联性；（3）提升学生学习数字文本的满足度；（4）让学生对成功完成课程报以期望。研究同时指出，学生对数字文本的焦虑程度还与学生的学术准备和个人背景相关。在面对数字文本时，绩点低的学生比绩点高的学生更容易有挫败感，女学生比男学生更容易感到焦虑。

（三） 工程设计中的个人能动性：在真实的认知实践中把握好标准和限制之间的平衡 （Agency in Engineering Design：Understanding the Tradeoff Between Criteria and Constraints in Authentic Epistemic Practices）

本场专题报告由南卡罗莱纳大学（University of South Carolina） 的唐恒涛博士和来自北卡罗来纳州立大学（North Carolina State University）的江师雁博士带来。迄今为止，STEM 相关学科的劳动力依然缺口，已成为制约美国经济增长的主要因素。因此，迫切需要通过将工程设计（Engineering Design）纳入中小学课程，以培养未来的工程师。工程设计不仅能让学生掌握工程概念的知识，还能让学生具备解决真实工程问题的能力。工程问题通常没有唯一的答案，需要根据真实问题的情况不断完善解决方案，其解决方案往往需要考虑一些非工程因素的限制。为了寻找工程问题的最优化解决方案，学生需要在标准和限制之间进行权衡，并掌握相关的能力。

个人能动性被定义为学生在学习环境中有效执行有意义的行为所具备的自由度和控制度。米勒等人（Miller，et al.，2018）讨论了让学生作为认知代理，参与问题解决过程的潜在机会与培训途径。在工程设计实践中培养学生的个人能动性，对于学生能否在限制和标准之间做好权衡，以优化工程问题的解决方案，日益显示出重要性。

这项研究邀请来自美国东北部一所公立中学四个科学班的83 名七年级学生参加实验，由一位X男老师任教。在实施项目之前，X 参加了专业发展研讨会。并由两位研究生在这项研究中担任参与者/观察者，其主要任务是收集数据并在需要时向学生提供反馈。这一实验在由“美国未来智能研究中心”开发的计算机辅助工具上进行。实验收集了学生在平台上的一个互动数据和设计作品，通过利用机器学习和数据可视化分析，发现学生在解决现实性的工程学问题时，具有多种策略或结果。

这项研究的初步结果，对探讨学生个人能动性在解决工程学问题过程中的作用，具有重要意义。尤其是如何充分发挥学生的个人能动性，并兼顾问题的标准和限制来优化问题的解决方案，该研究还提出了一些可行性的对策。

（四）国际华人教育技术学会特别报道：从神经认知的角度理解教与学 （SICET Keynote：A Neurocognitive Perspective）

国际华人教育技术学会特邀北京师范大学认知神经科学与学习国家重点实验室的卢春明教授，做了“从神经认知的角度理解教与学”的专题报告。报告着重分析了三个问题：（1）为什么需要从神经科学角度来研究教与学的过程？（2）教师如何将神经科学方面的研究应用在教学中？（3）学习者如何积极地通过教授者的大脑活动来获取知识？

首先，大脑在学习中是如何运转的，一直是教育技术学和教育神经学关注的问题。课堂学习是个社交学习的过程，在课堂中，学生和学生、学生和老师一直在以互动社交的形式进行学习。在这一社交学习环境中，其场域与结构如图2 所示：

图2 社交学习场域与结构

卢教授指出，如何理解学习变化的过程很重要。以前人们会通过行为的变化来理解学习是如何发生的。但在学习过程中，学生大脑中的认知过程一直在变化，因此，从神经科学的角度来看待这个现象非常重要。之前很多实验研究都是在动物身上进行的，许多学者认为有些学习类型是灵长类动物所独有的，且社会性学习 （Social Learning） 比非社会性学习（Asocial Learning）更有效。但他认为，社会性学习与非社会性学习其实并不一样，通过直接交互和感官参与的学习与纯抽象概念的学习也不一样，社会性学习可以有选择性增进集体记忆的效果。

研究课堂中的学习肯定不能只看一个人的大脑，因为课堂教学是一种社交互动过程。该研究提出了一个社交互动三层模型（如图3）。第一阶段是语言和非语言交流，在这个阶段会出现知识的共享呈现以及人际的预见性信息编码。第二阶段是达到人际互相理解。第三阶段是建立个人间的联结，例如，学生之间、学生和教师之间的联结。

图3 社会互动的分层结构模型

尽管许多教学理论都提出，在进行教学之前教师预测学生的知识状态可提高教学效果，但对教与学过程神经机制是如何工作的知之甚少。这种 “预测—传递假设”，尚未经过任何神经影像学研究的验证。为此，卢教授研究团队提出了教学效果预测的模型（如图4），并将其应用在预测教学效果中。发现更好的教学效果，与教师的右颞顶叶交界处（TPJ）与学生的前颞上皮层（aSTC）之间存在相关，即与更高的时滞人际神经同步（INS）有相关性。因此，可以在教学过程的早期阶段通过时滞人际神经同步 （INS）现象，预估教学成果的质量。这些研究发现，为关于教学的“预测—传递假设” 提供了关键的神经证据，并表明INS 现象在成功教学中发挥着重要作用。

图4 有效教学过程的预测性模型

三、创新式研究演讲（Innovate!Sessions）

（一）创新式研究演讲1：将计算机科学融入小学生的素质教育（Integrating Computer Science in Literacy for Elementary Students）

在本场创新式演讲中，来自印第安纳大学（Indiana University） 研究团队的杰克布·卡瑞索（Jacob Koressel）、蒂尔诺扎·卡迪若娃（Dilnoza Kadirova）、马修·布朗（Matthew Brown）以及安妮·欧腾布瑞特-勒弗特维奇（Anne Ottenbreit-Leftwich），详细介绍了他们在小学教育实践中如何融入计算机思维，以及如何培养计算机科学素养的实例和经验。自从华人计算机科学家周以真（Jeannette M. Wing，2006）提出计算思维以来，培养青年一代的计算思维和计算机科学素养，便成为世界各国重要的教育发展目标。在美国，培养K-12 学生的计算机知识与计算思维，得到了广泛的社会响应和相关机构的大力支持。在报告中，研究者在已有关于科学、 技术、 工程及数学（STEM）的教学研究基础上，提出要把计算思维与具体学科教学进行整合。即需要将计算机科学的概念、原理与素质培养，与文化修为加以有效整合。为此，需要对在职教师及师范生提供相关的培训及学习资源。

报告者“现身说法”，在会议现场向参会者介绍了三个能让小学生在适龄活动中感受计算思维的教学案例，并且邀请现场参会者以小学教师的身份参与到活动中来。

第一个例子，是关于向5 至7 岁孩子介绍排序网络及排序算法的活动，这样的活动可在教室、操场等方便地进行。研究者在现场布置了一个活动空间，让6 名参与者在始发处站成一排，两两配对并排序，各自呈现手中的一部分图片故事； 每次排序结束后，参与者就进入下一层并根据上次的排序结果，重新两两配对并再排序……重复几次之后，参与者发现，自己左右的其他参与者都有了变化，这时把从左至右6名参与者手中的图片串起来，会形成一个完整的故事。该活动结束后，研究者讲解了这个活动和计算机科学的联系，即算法、抽象和模式识别之间的关系。以算法为例，若要给低龄小学生以传统的方式讲解什么是算法，几乎是一件不可能完成的任务。但通过参与这个活动，小学生们有意或无意地知道了通过对故事各个部分发生先后的多次比较，一个被打乱顺序的故事可以重新被组织起来，这就是一种算法。

第二个例子，研究者带领参会者操控可以预设前后左右和行进步数的蜜蜂机器人，在活动板上达成既定的目标任务，以此介绍如何通过这样乖巧的小玩具，培养小学生对序列、调试等概念的理解。

第三个例子，是关于如何用流行的图形模块化编程学习软件ScratchJr，以帮助小学生创造他们自己的故事，并以此培养学生理解事件触发、序列、循环（looping）等基本概念。

在报告最后，杰克布·卡瑞索等再次强调了如何从素质教育及文化修为的视角来理解计算思维，并且解析了二者之间的联系。譬如，在编撰一个故事的时候，要如何讲究过程和序列； 怎样在叙事的过程中，将描述事物、刻画人物和描写动作等的文字，应用到故事的前言后语和起承转合的各个部分等。进而对在职教师和师范生在开展计算思维及计算机科学素养方面的培训活动，提出了一些策略与要求：对在职一线教师而言，需要在繁忙的工作中平衡计算思维培训的时间和空间，比如，如何最大化利用时间和资源，如何整合其它STEM 学科等； 对师范生来讲，需要了解在在校学习中需要用什么资源来进行计算思维及计算机科学素养方面的教育，哪些计算机科学的概念和方法适合于师范生的日常学习等。

（二）创新式研究演讲2：危机管理：有效使用危机管理框架以提高教学弹性 （Crisis Management：Using Crisis Management Framework to Improve Teaching Resilience）

本场创新式演讲由来自宾夕法尼亚州立大学（Penn State University） 的爱德华·格兰茨（Edward Glantz）、克里斯·加姆拉特（Chris Gamrat）和丽莎·伦茨（Lisa Lenze）带来。他们首先介绍了危机管理框架中危机前、危机中、危机后三个阶段的特征。他们认为，危机管理可在危机前、危机中或危机后三个阶段中的任何一个阶段开始，它是一个持续的过程，而不是一次性行为。因此，危机管理的三个阶段可以重复发生。

但在危机前阶段进行规划效果最为理想，其价值在于：（1）创造性地识别和制定计划以应对潜在危机；（2）检测新出现的危机信号。前者在于把握确定规划的机会；后者触发了防止危机升级的反应。危机后阶段也会对危机前的规划产生影响，包括危机恢复、缓解利益相关者的担忧；还需要收集相关数据，发现可能被忽视的重要事件以及改进危机的应对计划等。另外，研究者还进一步对比了机构危机管理和教学危机管理的差异（如图5）。

图5 机构和教学危机管理的对比

他们认为，机构危机管理侧重于对严重/异常事件的妥协，而人们在很大程度上忽视了教学危机的管理。教学危机的影响虽然低于机构危机管理，但发生的频率更高。更为严重的是，低风险的教学危机有可能从常规影响升级为严重影响。所以，需要将机构和教学危机管理相结合，以最低的成本提供尽可能广泛的危机管理覆盖。为此，他们提出了五步危机评估法（如图6）：识别危险、记录危害影响、创建危害控制、与教学团队一起审查控制、审查或更新风险评估。最后，还需要对如何应对危机作出有效规划，包括预防、准备、应对和修订。例如，直接向教师提供白板标记，降低课堂上没有标记的可能性；做好准备工作以识别脆弱性，选择、 培训危机管理团队和发言人，不断完善危机沟通系统等。

图6 五步危机评估法

（三）创新式研究演讲3：游戏化课程：提高自我调节学习技能和动机的游戏化课程（EdApp）设计与应用 （Gamified Curriculum：Implementation of a Gamified Curriculum （EdApp） to Increase Self-Regulated Learning Skills and Motivation）

本场创新式演讲由来自南卡罗来纳大学的塔米·科尔斯基 （Tammi D. Kolski） 和坎迪斯·布鲁德（Candace Lisek Bruder）博士带来。该报告主要探讨了游戏化课程的实施如何以及以何种方式影响学困生的自我调节学习技能、学习动机，以及游戏化课程对其学习体验过程的影响。并介绍了一门用于提高学生自我调节学习和积极性的游戏化课程EdApp。

这项为期七周的实验研究，分析了10 名学困生的自我调节学习技能（如，目标设定、战略规划、任务策略、自我指导、寻求帮助和元认知监控）和学习动机（包括选择、控制、协作、成果）。实验收集了定性和定量数据，包括学习和学习策略清单（LASSI）工具、期刊上的反思作业、 最终的自我反思学习Quest、游戏化元素和学习管理系统（LMS）指标等。

定量分析数据是通过LASSI 前测和后测分数、李克特量表（Likert Scale）和教师设计的最终自我反思学习任务多项选择题，以及学习所获得的游戏化元素数量而收集。定性数据是通过六项发表在期刊上的反思研究和作为学生自我反思学习任务（包含开放式/自由回答问题/提示）等方式收集。定性分析发现：（1）学生的学习心态和学习习惯有所改善；（2）游戏化课程可用于激励学生投入学习；（3）学生认为游戏化课程使学习更容易。分析量化数据的结果表明，尽管LASSI 中只有一个分量表的自我测试被发现具有统计学意义，但在各种游戏化元素与信息处理、专注和使用学术资源等分量表之间，普遍存在相关性。此外，调查结果也表明，学生认为游戏化课程有助于改善其认知思维、学习习惯和动机。

（四）创新式研究演讲4：设计和促进有效的在线讨论方式 （Designing & Facilitating Effective Online Discussion）

本场创新式演讲由来自弗吉尼亚理工大学的丽贝卡·克拉克-斯托尔坎普（Rebecca Clark-Stallkamp）和贝克大学（堪萨斯州）（Baker University.Kansas）的琳达·威利（Linda Wilkey）带来。近年来，随着疫情带来的大规模在线学习需求与应用驱动，在线讨论论坛——特别是线程在线讨论 （Threaded Online Discussions）在许多同步和异步的在线课程学习中得到广泛地使用。他们认为，在线学习作为在学习管理系统绑定课程中促进知识构建的一种方式，需要与社区调查（Community of Inquiry，COI，如图7）框架相结合。

图7 社区调查（COI）框架

COI 框架的基本观点，反映了“协作建构主义”的教与学进展。他们进一步分析了COI 框架的三种存在：社会存在、认知存在和教学存在。社会存在是指“一个人在中介传播中被视为‘真实’的程度”。社会参与始于教师邀请学习者相互建立联系和关系，教师必须有意识地设计在线学习活动，从而在学习社区内建立社交方面的存在感。认知存在是指“学习者能够通过持续的沟通以构建意义的程度”。讨论板通常用于在在线交流中开展对话并促进认知存在。教师可提出问题、构建情景，或要求学习者反思阅读材料、活动，这些提示通过邀请学习者与同龄人进行持续的沟通，来增强认知存在感。即使在异步在线讨论中，教师所塑造的环境对学习结果的影响也较大。与此同时，讨论提示必须与学习目标密切相关，并鼓励持续的交流，学习者必须认识到讨论是学习的核心和基础。教师也必须对讨论“质量”（内容、长度和写作习惯等）设定明确的要求，并加以动态管理。

但他们也指出，就教师对讨论的评估而言，教师不应“通过过度评估和个人干预来构建话语权”。否则，学习者可能会认为处于教师的控制之中，并削弱了通过在线参与而可能增长的信任。另外，在设计在线讨论时，学习活动应该产生有意义和长期的结果，学习者借此构建自己对所讨论内容的理解。为此，作为在线学习过程的一部分，为了促进在线讨论能更好地建构有意义的学习过程，COI 框架应作为在线讨论设计的基础性理论。

四、特别报道：人工智能在教育领域中的应用探索

人工智能技术在教育领域中的应用，作为本次大会的一大热门话题，在多个分论坛都有相关的学术报告或研讨。比如，技术融合学习分论坛中的“共同创建人工智能在教育领域中的道德规范”（Co-developing Ethical Principles for AI in Education）、设计与发展分论坛中的“为高中学生和老师设计人工智能 课 程”（Designing an Artificial Intelligence Curriculum With High School Teachers and Students）以及新兴学习科技分论坛中的“在线学习环境中基于人工智能的动机指标”（Artificial Intelligence-based Motivation Indicator （AIMI）in Online Learning Environment）等。限于篇幅，这里着重介绍三个具有代表性的学术报告。

（一）在线学习环境中构建基于人工智能的学习动机指标系统（Artificial Intelligence-based Motivation Indicator（AIMI）in Online Learning Environment）

来自迈阿密大学（University of Miami）的金南珠（Nam Ju Kim）博士和佐治亚州立大学（Georgia State University）的金闵奎（Min Kyu Kim）博士，与大家分享了他们团队如何运用人工智能技术构建学习动机指标系统（AIMI），并通过大量的人员测试验证该系统准确性的研究报告。

近年来，由于疫情的影响，许多学校被迫转为线上教学。在线学习环境的特殊性，容易削弱学生的学习动机，从而导致在线课堂生源的流失。他们认为，及时且准确地评估学生的学习动机，对有效解决这一问题十分重要。但目前没有任何令人满意的方法用以检测学生的在线学习动机，大多数研究都是通过课后调查问卷等来测算学生的学习动机。但这种调查方式无法准确知晓哪些特定学习任务或内容，能够增强或削弱学生的在线学习动机。

首先，他们基于人工智能技术构建了学习动机指标系统（AIMI），它有助于研究人员解决上述问题且确保分析结果的准确性。AIMI 系统利用学习者当前的情绪作为衡量动机水平的基础，因为许多研究证实了情绪起伏会严重影响学习动机。比如，一些研究发现，人工智能（AI）算法可以通过用户的面部情绪，准确地识别情绪状态且准确率较高。如果人工智能能够从大数据中识别出学习者情绪和动机之间的隐藏模式，就有可能通过情绪来测算学习动机。

其次，他们把AIMI 系统分为两个部分： 建立AIMI 训练模型和AIMI 测试模型。研究通过两个步骤建立AIMI 训练模型：（1） AIMI 系统通过对学习者面部表情的测算，并将其与特定的情绪相联系。该研究采用卷积神经网络 （Convolutional Neural Network，CNN）人工智能算法，将面部表情分为七种类型（生气、厌恶、害怕、开心、悲伤、惊讶和平静）。（2）为AIMI 系统提供测试数据，以美国西部山区一所公立高中153 名学生的视频录像和问卷调查作为分析样本：在50 分钟的在线课堂学习中，记录这153 名学生的面部表情。使用AIMI 系统分析视频，并根据学生的面部表情变化，识别其情绪变化的顺序。课程结束后，学生可观看视频回放；若AIMI 系统检测到学生明显的情绪变化，相应的问卷就会自动弹出。学生需要如实回答根据ARCS 模型设计的三个相关问题。为了检测AIMI 系统的准确性，该研究进一步建立了AIMI 测试模型，对1025 名不同阶段（从幼儿园到高中）的学生进行测试，利用AIMI 系统追踪学生面部表情变化，实时检测学生情绪。

最后，学生需要完成关于学习动机的调查问卷，研究人员会将问卷结果与AIMI 系统的检测结果进行对比，以评估该系统的准确程度。结果表明：AIMI系统的对情绪和动机关联的检测准确度非常高。当学生的消极学习动机出现时，系统会自动向教师报告该学生处于高风险学习状态。教师以此改善其在线教学方式，从而为学生提供个性化的学习支持。

他们的研究还发现，AIMI 系统可以大大提高在线学习的质量。教师可以通过该系统，准确识别哪些学习内容、活动和教学方法，能够显著提升学生的学习积极性。进而有针对性的对课程内容进行调整和改进，以提高学生的整体学习体验。

（二） 用于助教培训的虚拟人人工智能研究：设计和开发案例 （Artificial intelligence in virtual humans for teaching assistant training：A design and development case study）

来自佛罗里达州立大学（Florida State University）柯峰峰 （Fengfeng Ke） 教授研究团队的戴志普（Chih-Pu Dai）等，做了题为“用于助教培训的虚拟人人工智能研究：设计和开发案例”报告。在该报告中，具体阐述了柯教授团队所设计和开发的AI 集成虚拟人（virtual humans） 如何用于研究生助教的培训，展示了人工智能虚拟人在教育领域中的巨大应用价值。他们采用了跨学科（认知科学、心理学、教育学、教学设计、计算机等）方法，把较成熟的、具有高准确度的机器学习算法，集成到经过用户测试的高保真虚拟人设计之中，以实现在虚拟环境中培训研究生助教的目标，也可以说把“元宇宙”用于教育。

长久以来，在诸如“第二人生”（SecondLife）这样的虚拟环境之中，其固有的低级脚本语言始终是人机交互应用于现实的一大障碍。为此，该研究团队在开发虚拟人时，将机器学习通过虚拟环境与外部的通信注入到环境之中，以尽量消除这类障碍。他们利用贝叶斯分类器这一监督型机器学习算法，基于纵向设计、跨学科方法的研究思路，开发了集成了人工智能技术的虚拟人，用以在虚拟环境中培训研究生助教的教学知识和技能。

为了避免单一数据来源所带来的偏差，该研究采用多个来源的数据搜集，让数据能够相互印证：项目会议（98 小时）、纸面原型设计会议（20 小时）和功能原型用户测试会议（16 小时）。研究过程以设计和开发动态、交互式的对话虚拟人为目标展开：

（1）通过查阅有关学习和个体差异的文献以及对大学生群体进行的建模，来描绘所设计虚拟人的特征，并且通过建模产生了代表认知和动机的七个特征。当应用在虚拟培训环境中时，基于这些特征提炼了学生潜在学习状态的四个主要类别 （情感、认知、元认知和行为）。使得研究生助教在参与虚拟培训时，这些特征和潜在状态，会根据研究生助教在虚拟环境中的行为而动态变化。

（2）虚拟人与参与培训的研究生助教之间的交互过程，主要由该研究所使用的虚拟现实平台中自带的Linden Scripting Language（LSL）与平台之外的高级编程语言——PHP 脚本语言、Python 和知识库之间的通信技术来驱动。为了有效分析研究生助教的教学行为，系统通过朴素贝叶斯分类器，启动监督型机器学习的情感分析算法：首先，使用Twitter 数据库进行测试；然后，使用来自教学角色扮演类课程的75145 个教学脚本进行培训。这一个机器学习的结果，使得研究生助教在该虚拟培训环境中的教学方式，达到了99.4%的分类准确率。

（3）在原型设计和用户测试环节，研究团队专注于测试虚拟人和参加培训的研究生助教之间互动的保真度、可行性和可用性。培训活动的结果表明：在其搭建的虚拟教学培训环境之中，虚拟人和参与培训的助教们之间的互动，通常在语意上是有意义的，而且这样的互动也真切地模拟了现实中的教学体验。这一研究，对未来如何利用“元宇宙”来进行师资培训，具有较好的借鉴价值。

（三）TraceMe + 教学代理= Morgan： 利用人工智能进行个性化学习 （TraceMe + Pedagogical Agent = Morgan：Personalized Learning With AI）

当前，在线课程的结构常采用饼干切割的方式将课程模块化。学习者在各个模块中来回切换学习路径，成为预测和评估其学习效果的重要信息来源。为此，佐治亚理工学院职业教育学院（GTPE）的法提玛·沃兹（Fatimah Wirth）博士与法国国家科学研究中心、法国国立大学的阿莱·米尔（Alain Mille）教授以及法国里昂第一大学的皮尔-安东尼·潺平（Pierre-Antoine Champin）教授等合作，使用专利软件TraceMe 来收集佐治亚理工学院职业教育学院课程中的学生学习路径数据。该研究通过利用学习管理系统中每个课程页面的javascript，追踪学习者在一个在线课程会话中的活动路径，并追踪学生如何浏览课程菜单和课程中的内容。他们认为，通过追踪学习者在在线课程中的路径，能够发现学习者在课程中所遇到的各种问题。而这些问题可能是由于网页导航、指示或课程内容本身所造成。因此，在对数据进行编码时，研究者需要充分挖掘、发现这些变化的趋势或主题特征，以帮助教学管理者和软件设计师，改进在线课程结构、内容和导航的设计与呈现，从而提高在线课程的质量。

五、主要分论坛的研讨与学术活动

（一）组织培训与绩效分会（Organizational Training& Performance ，OTP）

组织培训和绩效分会在本次年会中，共举行了13 场演讲。主题涵盖了教学设计与项目管理、教学流程改进、组织绩效和数字鸿沟、专业发展和教学设计、基于实践的学习设计、微学习、领导力发展和变革管理等。组织培训和绩效分会的演讲者，从组织绩效和改进的不同角度，充分讨论了教育技术实践中的成效和相关问题。其中，由来自博伊西州立大学（Boise State University）的康顾（Gu Kang）、堪萨斯大学（University of Kansas）的芭芭拉·比切尔迈耶（Barbara·Bichelmeyer） 和威斯康星大学麦迪逊分校（University of Wisconsin-Madison） 的金娜英（Nayoung Kim）所带来的“用机器学习方法预测联邦公共卫生人员的感知组织绩效 （A Machine-learning Approach to Predicting Perceived Organizational Performance in the Federal Public Health Workforce）”这一报告，受到与会者的关注。

康顾等采用了分类树模型，对感知组织绩效的预测因素进行了识别，并且依据在考虑抽样权重后的感知组织绩效，对联邦公共卫生雇员进行重新分组和分层。该研究的数据来自2018年联邦雇员观点调查（FEVS），这是一项对43029 名联邦雇员的全国代表性调查，涉及10 个子机构。在评估了FEVS 的复杂调查设计后，使用描述性统计来分析分类变量。即根据通用、无偏、交互检测和估计（GUIDE）分类树模型，用于识别感知组织绩效的预测因素，并将其机构视为高绩效与低绩效的联邦公共卫生员工的子组，进行再分层。研究发现，大约81.8%员工认为他们的机构绩效高，而4.7%的员工认为他们的机构绩效低； 有13.5%的员工报告了对组织绩效持中立态度。该研究确定了与公共卫生和公共服务员工POP相关的因素，将高、中和低风险进行亚组分类，并针对那些高危亚组制定了有针对性的干预措施。

他们指出，利用机器学习分类决策树模型，可有效确定以绩效为导向的文化和组织满意度，而这两个是最重要的分裂变量并关联其他变量（如，以任务为导向的领导角色、 工作安全和工作场所安全等），同时可明确公共卫生和公共服务员工的低POP。强调了在为HRM 实践建模以改善公共卫生和公共服务员工的POP 时，可识别风险因素之间复杂的相互作用，并为高风险和中等风险亚组制定有针对性的干预措施的价值。根据这项研究结果，公共卫生和公共服务机构的领导和管理人员，应该培养一种以绩效为导向的文化。进而根据员工的表现来认可表现较好的人，从而提高员工的POP。与此同时，可以设计或应用干预措施，来减轻与维持与有机污染物风险亚组密切相关的风险因素。采取有针对性的干预措施，提高干预措施的成本效益，以便领导者和管理者将更多资源分配给有风险的亚组，以提高他们的POP。这一研究将有助于提升更有效的、可持续的人力资源管理实践效果，并提高组织的可持续性。

（二）远程教育分会（Distance Learning，DDL）

在本次年会中，远程教育分会共举办了96 个活动，包括42 场平行会议，10 场分组讨论和创新式研究演讲，30 个圆桌讨论以及14 个海报成果展示。该分会有多个精彩的学术报告值得关注。

第一个是来自佛罗里达大学 （Florida University）的罗布·摩尔 （Rob Moore，2021； Moore，2019）教授带来的“探索在线学习中的自主学习：系统文献综述 （Exploring Heutagogy in Online Learning：A Systematic Review）”的报告。摩尔教授介绍了从在线学习自主学习的系统文献综述中所获得的结论（Hase& Kenyon，2000）：在世界范围内，学习者正在寻找新的方法来加强学习，而自主学习提供了一种可以有效促进终身学习的教学方法。该文献综述包括33篇于2000 至2019年间发表的学术文章。

该研究发现：（1）自主学习更加关注技能的发展，可以突破时间的束缚，让学习者更加沉浸于学习过程中；（2）人本主义和建构主义是自主学习的主要理论支撑，因为学习者是教育的核心，他们是通过对现在和过去的知识和体验来建构学习；（3）技术与自主学习之间的相互作用非常重要，Web2.0 的技术可以起到支持自主学习的作用；（4）自主学习经常出现在工作环境和非正式学习环境中，使得学习者可以在学历教育和职业发展之间建立桥梁；（5）高校需要构建并展现和自主学习之间的联系，改进课程设计中自主学习的内容，重构学习评估，让学生产生自主学习的积极性，进而不断提高技术在改进学习环境中的积极价值。

第二个是来自田纳西州沃尔斯特州立社区学院（Walters State Community College）的艾瑞卡·斯蒂文斯（Erika Stevens）博士，做了题为“社区学院教师对在线外语课程的态度与新冠疫情影响之间的关系（Attitudes of Community College Faculty Toward Online Foreign Language Courses and the COVID-19 Effect）”这一主题报告。

由于新冠疫情的冲击，几乎所有学科都必须转变为在线教学。在此状况下，一些研究发现，注册外语学习的学生人数一直在降低，这导致在线外语课程一再被推迟。该现象说明学生对在线外语课程学习存在着不小的疑虑。那么，从事外语教学的教师对在线外语教学是什么态度？ 他们如何面对新冠疫情对在线教学的冲击？斯蒂文斯博士的这项研究，旨在通过应用理性的行动方法 （Reasoned Action Approach）来检测在线外语课程中有哪些因素，可以用于预测教师在指导学生时的行为。她通过对两所社区大学中101 位外语教师的问卷调查与分析，发现大部分教师对在线外语教学持怀疑态度。首要原因是在线方式对外语教学效果的影响，例如，在面对面教学中学生对教师的模仿等活动是语言学习不可或缺的，而在线外语教学环境很难让学生参与到这些互动中来。其次是教师对在线外语教学这种教学方式缺乏足够信心。由于疫情影响，教师们不得不接受在线外语教学这种教学方式，但大部分教师认为，人与人之间的线下交流和互动更适合外语教学。

（三）学习投入分会（Learner Engagement Division，LED）

学习投入分会旨在提高新技术对学习者参与度的影响，并积极促进和发展创新性的教学策略，以提高学习者的学习参与度与积极性。在本次大会中，学习投入学会共举办了23 场活动，包括5 场平行会议，5 场创新式研究演讲，9 个圆桌讨论以及4 个海报成果展示。其中，来自夏威夷大学的（University of Hawaii）梁彼得（Peter Leong）博士、阿丽亚娜·艾克尔伯格 （Ariana Eichelberger） 博士、 柏宋戈（Seungoh Paek）博士所带来的题为“学习统计，不！将新的参与策略纳入开放教育资源 （OER） 的统计教科书中（Learn Statistics，oh no! Incorporating New Engagement Strategies into an OER Statistics Textbook）”的报告，引起了广泛关注。

近年来，随着物价上升与教科书费用的逐年上涨，学生会不由自主地感到焦虑，也对学生学习统计学造成不小的心理负担。该研究结合基于问题的学习方法（PBL）创建了开放式的教育资源（OER：Open Educational Resources），并加入互动考核机制用以减轻学生的学习负担。OER 统计教材的价值在于精心设计“问题”，逐步引导学生检查和理解数据，从而确定哪些数据的分析最符合他们的学习需求，并做出恰当的分析以及有效综合分析结果。

该研究发现，通过开发与运用OER 统计教材，有效地吸引了学生的注意力和提升了学习积极性，学生在课外也愿意学习统计学。与教材相配套的互动考核，不仅能帮助检测学生对所学知识的理解程度，也为教师追踪学生的学习进度，提供了有效依据。从学生的反馈来看，研究团队所设计的OER 统计教材，得到了学生的广泛认可。大部分学生反映，该教材缓解了学习统计学的紧张情绪，让他们更加自信。教材中的举例分析和数据分析演示，也让学生更容易理解和运用所学的统计学知识。

（四） 国际华人教育技术学会 （Society of International Chinese in Educational Technology，SICET）

AECT 2021 国际华人教育技术学会分论坛有几大亮点：其一，分论坛演讲报告主题都是教育科技领域内的热门话题，包括教育技术研究回顾与趋势、教育技术领域的职业发展、 如何提高学习者积极性以及技术增强的学习环境等；其二，特邀报告来自北京师范大学的卢春明教授，深刻阐述了神经科学与教育技术领域以及学习设计过程之关系（详见前文）；其三，分论坛的所有报告都安排在北美和亚洲的非睡眠时间段内，得到了两地老师、同学的积极参与。

（五）专题特别报道：名称包含什么？我们依然延用“教学设计”，还是采用别的名称？ （What’s in a name? Are we still Instructional Design or something else?）

本专题特别报道由来自南阿拉巴马大学（University of South Alabama） 的盖尔·戴维森-希弗斯（Gayle V.Davidson-Shivers） 博士、 西佛罗里达大学（University of West Florida）的南希·黑斯廷斯（Nancy B. Hastings）博士、爱达荷州立大学（Idaho State University）的约翰·科瑞（John H Curry）博士以及佛罗里达大学的马修·施密特（Matthew Schmidt）博士共同带来，他们组织了一场有关“教学设计”概念变化及意义的精彩讨论。

本次讨论是在领域核心概念名称变化的背景下展开。众所周知，“教学设计” 一词已经延续使用了80 多年。从2012年开始，领域内就有将“教学设计”变更为“学习设计”（Learning design）的讨论。那么，一个领域内象征“身份”的核心概念、名称的更改，会带来什么样的问题？在本次专题讨论中，研究者们讨论了这个名称变化是如何发生的，教学设计和学习设计之间是否确实存在差异，以及该变化将会带给本领域及其专业人士什么样的潜在影响。

对此，黑斯廷斯博士认为，“教学设计”就是以学生为中心的设计，它应用各类研究、理论和实践依据，来设计有效的学习体验，重点在于策略和方法。由于教学设计包含了所有的学习经验，因此，“教学设计”已经包含了“学习设计”的概念。她认为，名称的改变对AECT 会员以及行业内的从业人来说，虽然影响不大，但当要将其介绍、分享给领域外的人时，什么样的名称能让他们更好地理解，我们还需要做更多扎实的工作。她指出，学习和教学这两个概念完全不同；教育和教学的概念也不一样。教学是特指用于支持学习的设计，而教育则是一个更宏观的概念。

科瑞博士则认为，教学设计和学习设计这两个概念是可以互换的。他从传统的教学设计专业毕业的角度出发，认为教学设计的价值在于追求有效果、有效率、更吸引人的教学过程和教学体验，概念的互换并不是太大的问题。但他同时也指出，学术界可能会改变定义，业界同样会有自己的一套定义，关键看如何对接或达成相互理解。

施密特博士认为，“学习设计” 应区别于传统的“教学设计”概念。他所在的佛罗里达大学就将专业名称从“教育技术”改为“学习设计”。他认为，重点应该关注于学习体验的全过程以及媒体是如何支持这个过程。不能因为同源，就简单的将“教学设计”和“学习设计”这些概念等同起来。“教学设计”是一个带有行为主义意味的概念，这和“学习设计”以学生为中心的概念，两者有着很大的区别。

六、结语与展望

在疫情的持续影响下，2021 注定成为继2020年后又一个不平凡之年。2021年的AECT年会以“回归学习本真”为主题，深入探讨了教育技术对学习过程本身的影响，体现了教育技术研究者对教育科技领域的初心和反思精神，强调了以学习而非技术为主导的学科价值观。我们通过这次年会的参与与综述的撰写，深刻地感受到一些新的变化与进展：

从会议形式上，AECT 2021 首次全面采用复合式会议模式，以确保能到现场的和受各种因素影响只能远程参加的与会者们，可以流畅分享和相互交流。复合型会议模式，也对处于不同时区的与会者们更加友好。最大程度地降低时间和空间的限制，为世界各国的学者、学生和其他感兴趣的观众，提供了极大的便利，提高了国内外研究者对年会的参与度。当然，这种复合型会议模式对大会的组织能力提出了极大的挑战，包括技术支持、人员协调等。

从会议内容上，人工智能的教育应用与相关研究依然是一个热点。比如，使用人工智能（AI）技术来预测组织绩效、实现教育评估的公平性、设计与开发虚拟人等相关研究。特别是利用机器学习捕获和分析教与学中的信息，并将其转换为结构化的知识库，以拓展其在各个领域的不同用途：比如，教师可以通过机器学习来节省非课堂活动的时间，使用虚拟助手在家中帮助学生进行远程学习。机器学习还可以促进个性化学习，使教师能够更好地了解学生的学习进度或创建适合学习者特定需求的定制化课程。总之，AI+教育乃至“元宇宙”中的教育应用研究等，在未来将会继续得到教育技术领域研究者的关注，并从不同角度进行深入探索和研究。

会议的另一个热点是技术焦虑（Technology Frustration）与身心健康问题（Wellness Series）。因疫情影响，很多学校都被迫移至线上授课，这对学生和老师来说都是不小的挑战。在本次年会中，许多学者都在关注网络技术和科技对使用者身心健康的影响。比如，长时间面对电脑工作和学习，很容易导致使用者的身心疲惫、焦虑，情绪起伏不定，甚至社交能力减退等不良影响。因此在本次大会中，与会者们广泛探讨了如何帮助在线学习者设立身心平衡点，保持身心健康，平衡线上线下的工作和生活。目前，疫情虽然得到了一定的控制，但这种突发事件所造成的影响是长远的，教育工作者也应该与医务工作者一样，随时做好准备，从而有效应对各种突发事件。