智能时代教师学习的十大难题

张志祯 徐雪迎 李英杰 吕雅楠

【摘 要】

进入智能时代，尽管已有多种形式的智能机器承担了教学任务，但在弱人工智能时期智能教学系统的作用与应用有限。人类教师不但能够创造“学习的条件”，而且能够创造“让‘学习的条件’起作用的条件”。教师还将继续活跃在三尺讲台上。教师专业学习与持续发展对于教育质量提高仍然至关重要。厘清教师专业学习的难题，是智能时代教师教育体系构建、教师教育项目设计和相关智能技术产品研发的基础性工作。本研究在长期教师教育研究、实践与文献梳理的基础上，提出了六类十个教师专业学习的难题，即目标的抽象变动难题，理论的迁移难题，技术的整合难题，教学实践的行动、理解与表达难题，教师教育的前见、连续与反馈难题，以及教师个人的动力难题。基于对教师学习难题的系统分析，对教师个人学习及其支持、教师教育项目设计与教学原则以及促进教师学习的智能技术产品研发提出了对策建议。

【关键词】  教师专业学习;教师教育;教师专业发展;智能技术;理论;技术整合;教学实践;教师教育信息化

【中图分类号】   G451.2         【文献标识码】  A       【文章编号】  1009-458x（2022）2-0001-12

在“越来越多的事情人类将做不过机器”（吴军， 2016， p.364）的智能时代开启之际，与教师相关的研究与实践呈现出两个似乎截然相反的方向：一方面积极探索人工智能技术直接教学生的可能性，比如“机器人教师”的研究，如曾文婕等（2021）、张务农等（2021）;另一方面积极探索、推动教师教育变革，促进教师学习，如陈时见等（2021）倡导建立教师教育学，又如2021年教育部教师工作司实施第二批人工智能助推教师队伍建设行动试点（教师函〔2021〕13号），其着力点仍在改进教师培养培训，帮助教师适应智能时代的教育发展需求。

这两个看似矛盾的方向实际上都源于对智能技术挑战的反应。两者都认同智能技术对于“教”的影响将至为深远;都认为智能技术要在正规教育系统中大规模发挥作用，不管是独立地教，还是辅助教师教，都不是直截了当的“技术应用”，而是需要探索的系统变革。但两者中，前者更多指向未来，后者更多指向现在。智能技术自身还处于发展中，其可能性边缘在不断扩展，对教育系统的潜在影响难以估量。但是，我们无法用明天的技术解决今天的问题，在研究未来的同时，更要重视研究改进现在，利用现有的技术帮助教师提升专业能力，在这个过程中创造教育的真正未来。

一、智能时代大幕拉开，人类教师

仍活跃在讲台上

人类对于教学自动化的追求，早于数字计算机与人工智能的发展。早在1927年，普莱西就设计出了能够开展个性化教学的机械设备，称为“教学机器”，甚至希望可以开启一个新产业（普莱西， 1979）。20世纪60年代末开始探索利用人工智能技术实现适应性教学（Collins & Grignetti， 1975）。半个多世纪后，人工智能技术支撑的教学系统已经能够提供辅导、教练、评价等多种教学功能（张志祯， 等， 2019b）。但是，世界范围内人类教师仍主导着课堂教学活动，因此首先应分析人类教师仍然活跃在课堂上的原因。

（一）人工智能技术无意识、无常识，难以实现有效的教學辅导

今天的人工智能技术没有自我意识，机器不知道自己在干什么（吴军， 2016， p.365）。智能机器缺乏常识，不理解语义，经常会犯一些令人惊诧的错误（米歇尔， 2021， p.281）。当前令人印象深刻的机器翻译、语音识别是借助统计语言模型实现的（吴军， 2014， pp.27-40），以其为基础的聊天机器人难以维持多轮次会话，即使限定在某一特定领域的自然语言辅导教学也非常艰难：由于难以恰当地处理学生的主动提问，对话辅导系统中学生的主动提问最终几乎完全消失（Graesser， 2016）。与导购、客服等服务不同，教学辅导要求精准反馈，要求能够有策略地回答学生的开放性问题，模糊、无关的回应会误导学生，无意识、无常识的智能机器难以开展有效的辅导对话。

（二）智能教学系统的作用与应用有限，智能技术远未颠覆学校教育

能够监控学生问题解决过程，动态给出指导、反馈的智能教学系统，只能在特定知识技能类型学科起作用（主要为数学、物理、计算机编程等理工学科）。即使对于Cognitive Tutor这样的成功范例，尽管研究与大范围实践证实了其教学有效性，它却并不是学生学习的主要途径，学生一周仅有1～3个学时用其学习，其他时间仍是常规的课堂教学（Koedinger & Aleven， 2016）。致力于“用视频重新发明教育”的可汗学院后来将网络教学系统升级为智能教学系统（胡姣， 祝智庭， 2021），在运行实体学校（Khan Lab School）时，也采取了与Cognitive Tutor类似的方法：大部分时间开展常规课堂教学，小部分时间利用智能教学系统学习（Brown， 2019; Reich， 2020， p.5）。当前，在学校大规模应用的智能技术，并未改变学校的系统结构，只是将某些环节自动化了，比如自动判卷、试卷分析、外语口语评分等。比如，大规模应用的ASSISTments，主要用于学生完成家庭作业，并不试图去改变课堂教学的结构（Heffernan & Heffernan， 2014）。至于实体“机器人教师”参与课堂教学，受到设备能力的限制，这类研究还处于初期探索阶段，离常规实践还很遥远。

（三）教师不但需要创造“学习的条件”，还需要创造“让‘学习的条件’起作用的条件”

这里的“学习的条件”专指加涅所说的学习的外部条件，即教师安排的、促进学生学习的外部教学事件。对于课堂教学而言，教师不仅仅要创造“学习的条件”，还要通过各种课堂管理手段让学生能安心坐在课桌前，即还需要创造“让‘学习的条件’起作用的条件”。对于后者，目前的智能技术是无能为力的。在一些信奉者的表述中，学生利用智能教学系统开展学习，似乎并不需要额外的组织管理，但事实表明学生需要具备相当的自主学习能力、知识技能储备，需要有约束力、无干扰的学习环境，学习才能发生，才可持续。这是Reich所说的大规模学习技术的“马太效应”，即在没有专门的社会力量干预的情况下，它们只会锦上添花，很难雪中送炭，不但不能缩小学习成就的差距，实现教育成就平等，反而会增加不平等（Reich， 2020， p.148）。

国际国内的信息化教育实践表明，未经简化的教育无法由技术应用决定。“信息迷”，即信息技术教育应用的热情“布道者”，对于信息技术决定论的热切信奉是经不起推敲的。只有经过层层简化，信息技术才能“决定”教育。信息迷通常把教育简化为学校教育，把学校教育简化为教学，把教学简化为知识教学，把知识教学简化为知识传递，把知识传递简化为信息传输。简化到最后，学生如水桶，信息如水，教学即灌水，如此这般信息技术才可能是决定性的。显然，事实并不如此。因此，目前依托弱人工智能技术的“机器人教师”、智能教学系统都无法大范围“教”，还需要人类教师在讲台上面操劳，而且可能要操劳很久。

二、教师学习难题：智能时代接力信息时代

参考刘捷（2002， pp.84-102）对于教师专业化发展阶段的划分，从教师学习正规化程度的角度可将教师学习大致分为四个阶段：阶段一为“教师学习的非正规化阶段”（农业社会到工业社会早期），这一时期教师学习的发生取决于教师个体或某一特定组织的内部要求，偶然性、随意性较大。例如，《学记》记载“教然后知困……知困，然后能自強也。故曰：教学相长也”（转引自：高时良， 2016， p.57）。阶段二为“职前教师学习正规化阶段”（工业社会中后期到信息社会早期），即教师培养的正规化，标志性事件是17世纪末法国设立了世界上第一所师资培养学校（刘捷， 2002， p.94），世界各国纷纷效仿，建立了师范院校体系，进而建立了教师资格认证制度。阶段三为“在职教师学习正规化阶段”（信息社会），即在职教师教育、教师继续教育或者教师专业发展的正规化。在这一时期，我国建立了较完备的国家、省级、地市、学校多级教师继续教育培训体系（陈向明， 等， 2013）。同时，对于教师职业生涯的研究也表明教师的教学能力是逐步发展起来的，在没有外部要求与支持的情况下，教师自发的非正式学习结果高度不确定、差异很大（如：Hoekstra， et al.， 2009; 佐藤学， 2003， pp.245-246）。也是在这一时期，反思性实践者、实践共同体、教师实践知识等理论的提出为教师学习研究增加了新的维度。阶段四为“教师个人主动学习阶段”（20世纪末到现在），研究关注点从教师专业发展转向教师专业学习。Fullan（2007）认为真正有实践影响力的是教师的“主动发展（developing）”，而多数专业发展活动却将教师置于“被发展（developed）”的境地;陈向明（2013）认为教师学习“更注重从教师真实的学习体验出发，理解教师针对自己工作中的具体问题、与教师同行和外来专家共同建构知识的过程”。

在教师教育领域，教师学习（teacher learning，或learning to teach，即学会教学）作为一个术语得到普遍认可的时间并不长。在20世纪90年代之前，教师学习的研究内嵌于教师生涯发展、教师知识研究和教师培训项目评估研究之中（张敏， 2008， p.183）。Feiman-Nemser（2008）认为学术领域明确采用“教师学习”这一术语，表明研究者在思考教师专业教育与个体专业发展时思路的重要转换。教师学习认可教师自下而上的个体主动学习的价值，暗示了自上而下的补偿性与强制性教师专业发展活动的低效。

我们对于教师学习难题的关注受到Darling-Hammond（2005， p.359）的启发，该研究提出了师范生学会教学的三大难题，即“学徒观察难题”“践行难题”“复杂性难题”，将其作为教师学习与发展的突破点。我们在后续研究中开展了广泛的文献综述，并结合教师教育实践开展了系列实证研究（如：田兰， 2015; 王晶晶， 2018; 陈晶， 2018; 陈玉姣， 2016; 张志祯， 等， 2016; 田兰， 等， 2015; 田兰， 张志祯， 2015），提出了教师学习的五个困难（张志祯， 2017， pp.26-28），即“教学的复杂性，导致行知难题”“理论的有限性，导致迁移难题”“长期的课堂生活，导致学徒观察难题”“课程与教学的条块分割，导致学习经验连续性难题”“有限资源与组织文化，导致反馈难题”。这五个“困难”，前三者源自教学实践的本质、教学理论的本质和学习者的特点，后两者源于教师教育和学校组织的问题。这一提法已具备了一定的内部结构，但仍存在两个问题：一是内容不完善，要素的完备性及其之间的关系还需要推敲;二是采用列表形式呈现，未能反映“困难”之间的逻辑关系。

鉴于智能时代教师队伍质量仍是教育质量最重要的影响因素，且智能技术对教师学习提出了新的挑战，我们结合智能时代对教育教学的要求、教师教育领域的理论与实践、智能技术特点等对教师学习难题做了重新梳理，形成了智能时代教师学习的十大难题。

三、教师学习的十大难题

教师学习的十大难题分属目标、理论、技术、教学实践、教师教育和教师个人六类，其结构见图1。目标指教师教育的培养目标，即培养胜任教学的专业人员。理论指教育教学、心理学等“条件性知识”（辛涛， 等， 1999）。技术指能够支持学与教活动的科技手段，如无特别说明专指现代信息技术，即以数字计算机为核心的多媒体、互联网与人工智能技术。教学实践为广义的教学性实践工作，包括课程、教学与评价，核心为课堂教学。教师教育指职前教师培养、入职和在职教师专业发展（继续教育）等多种类型的教师学习机会。教师个人就是教师自己，特意用“个人”一词，意在表明尽管应重视教师的职业身份，但更应突出教师是一个“完整的人”，应重视教师的主体性。

六类难题的总体特点与关系概述如下：①目标、理论、技术难题外在于教师的实践与学习活动，也外在于教师教育项目（Teacher Education Program）。目标是教师和教师教育者努力的方向，理论、技术是达到目标可以凭借的资源。技术整合难题指如何将现代信息技术应用于教学与学习，以提高学与教的效果、效率与效益，体现了技术对教育的直接影响。②教学实践与教师教育难题，都和教师个人直接相互作用。目标、理论和技术，通过教师教育对教师产生影响。教学实践的三个难题是一个问题的三个侧面，其根源都在于课堂教学活动的复杂性。行动难题是“本体”，另外两个难题是从它派生出来的。理解与表达密切交织，难解难分，但毕竟是两个方向：前者是输入，偏分析;后者是输出，偏综合（至少是分析后需要综合呈现）。对“教师即研究者”的强调、教师在专业共同体中成长以及开展教师教学反思，都需要以教学实践的表达为基础，而且职前培养与在职培训都对这一问题重视不够、培养措施不足，因此特意强调这一难题。③教师个人与学习动力是教师学习的核心，尽管教师学习尤其是在职教师学习，通常是有组织的，其结果与过程具有社会性（张志祯， 2017， p.25），但教师学习是知情意行合一的“全人”学习，学习情境与机会具有多样不连续性，需要教师在动力的驱动下主动整合，学习才可能有效。

（一）难题1：目标的抽象变动难题

目标反映出教师应具备怎样的知识、技能与态度倾向。抽象是指目标的表达通常比较概括，不容易具体化。变动是指教师学习的目标受到教育与社会发展变革的影响，一直处于动态变化过程中，不稳定。不管是教师教育的总体目标，还是教师个人某一阶段的发展目标，都具有抽象变动的特点，给教师学习造成了独特的挑战。

从教师教育的发展看，“理想”的教师是一个历史范畴。陈时见（2011， pp.43-50）认为教师培养目标历经“圣者型”教师、“技术员型”教师、“专家型”教师和“实践反思型”教师四个阶段。培养目标的变化不但意味着学习内容、过程与方法需要调整，也意味着学习观、教学观、理论与实践观念、实践教学（如案例分析、见习、实习、研习等）的学时比重与开展方式等多方面的变化。

从教师个体发展来看，教师教育领域目前普遍认可教师入职后需要持续的在职学习才能成为高效的专业人员。“无论多么理想的职前教育，都无法直接向中小学输送合格教师，优秀的、称职的教师必须也只能在实践中产生。”（丛立新， 2011， p.42）教师职业生涯发展研究表明教师的实践能力结构、关注点、学习需求等会经历不同的发展阶段（刘捷， 2002， p.128）。这意味着教师个人在其职业生涯中应持续监控个人专业发展状态，应根据实际情况灵活设定个人学习与发展目标，并选择最有效的学习方法与策略。

当前，无论是国内还是国外，持续教育变革是常态，因此即使成熟阶段的教师也不断面临教学观念与行为更新的需求。比如，近几年我国各级各类教育都受到“中国学生发展核心素养”颁布、STEM教育、智能教育、教育评价改革（尤其是高考改革）等观念或举措的深刻影响。从课程的角度看，教师是国家课程的创造性实施者，课程标准的变化意味着教师需要专门的培训与学习。在科技与经济社会快速发展的今天，各国通常会定期更新课程标准。我国2017年颁布了最新的高中阶段课程标准，在2020年又推出了修訂版;2011年颁布的义务教育阶段课程标准，也将有新版本推出。此外，一些重大公共突发事件可能也需要教育系统做出响应，“非常态”教学的形式可能与常态教学差异很大，需要教师快速学习适应。比如，2020年春为应对突如其来的新冠肺炎疫情所开展的大规模在线学习，迫使广大教师短期内学习、适应在线教学（吴怡君， 陈丽， 2021）。

总体而言，宏观、微观层面教师学习目标的变动不居与表达的抽象概括，是教师个人、教师教育项目设计者面临的现实难题。

（二）难题2：理论的迁移难题

理论迁移指利用教育理论理解、解决教育教学实践问题。理论与实践的关系问题历来是专业教育的核心问题。舍恩将专业实践情境分为两类：一类是“坚硬的高地”，可借助外在知识与技术应对、处理;另一类是“湿软的低地”，具有复杂、模糊、易变等特点，外在知识与技术失效，需要实践者“在行动中反思”“在行动中认识”，结合情境和主体特点生成解决方案（舍恩， 2007， p.39）。大多数教学情境是“湿软的低地”，理论的迁移应用不是直截了当的，需要教师创造性地理解与运用。

关于教师这一专业的理论基础是否牢靠，历来有不同的观点，但教育与心理理论难以直接应用于实践却是共识。舒尔曼（Shulamn， 2014， pp.366-367）用一个研究发现在教育实践中的曲折命运说明了理论应用的复杂性。他所引用的研究发现是“课堂提问中，增加等待时间会促进学生深度思考，提高学生回答的创造性和多样性”，基于此发现的教学建议明确而具体：区分问题类型（有些问题不值得等待），某些问题提问后延长等待时间即可。在培训中能够熟练应用这一规则的教师，回到学校后很快就又恢复快节奏的教学，即提问后不给学生足够的等待时间。舒尔曼详细分析了教师不遵循这一规则的心理、社会原因，凸显了实践逻辑与学术逻辑的差异与错位。

绝大部分教学理论都是理解和诠释指向的，而不是行动指向的，而且远比这一发现模糊、宽泛，难以转换为清晰的教学行为规则。美国国家研究理事会（2006， p.77）认为社会科学中的理论可以预测将来，但更经常是用来解释过去发生的事情，理解过去有时虽然能够预测未来，但仅仅是大概预测，不精确;社会科学研究结论的确定性更低，研究结果更具有不肯定性和尝试性。因此，教师教育课程中抽象的原理性知识，对于教师在实践情境中快速行动的需要，其价值有限（Korthagen， et al.， 1999），即教育理论的有限性导致理论的迁移应用难题。

（三）难题3：技术的整合难题

技术整合于教学，在宏观上属于教育信息化范畴。教育信息化是我国教育事业发展的重要内容，是学校的基本工作任务。技术整合导致的教师学习难题主要表现为：

首先，技术整合需要教师发展新的专业素养结构。现代信息技术进入教学领域催生了“整合技术的学科教学法知识（TPACK）”模型的提出。该模型认为教师有效地使用技术进行教学需要具备复杂的知识结构，即学科内容知识、教学法知识、技术知识、学科教学法知识、整合技术的学科内容知识、整合技术的教学法知识和整合技术的学科教学法知识（董艳， 等， 2014）。TPACK模型对职前与在职教师学习的目标、内容产生了广泛的影响。此外，新技术与新应用模式持续涌现，对教师素养结构不断提出新的要求。如智能教学设备、新“双师课堂”、精准教学等，要求教师具备数据分析能力（李兆义， 等， 2019）和与智能机器合作的能力（闫志明， 等， 2020）。

其次，信息技术自身的不稳定性进一步加重了教师的学习负担。不稳定性指信息技术产品一直处于发展中，与其他类型产品不同的是，其更新很可能会导致已购置的产品失去使用价值（张志祯， 齐文鑫， 2021）。信息技术的不稳定性源自产业底层的“摩尔定律”与从业者引以为豪的一往无前的创新精神，但是对于应用者这并不完全是好消息。技术的不稳定性大大缩短了教师信息技术技能的“保鲜期”，仅仅为了跟上技术更新换代，就需要持续付出时间与精力学习，而学习内容与教学需要很可能是全然无关的。

最后，教师还需要有意抑制信息技术的负面影响。在谈及技术整合时，倡导者通常不会“一分为二”地看问题，会有意无意地只谈论积极的方面。为了学生的福祉，为了教学质量与效率，教师对技术应用可能的负面影响不可不警觉。利用信息技术设备（尤其是联网的在线设备），除了可能会引发学生视力等生理层面风险外，还可能会进一步提高教学的不可控与不确定性，影响学生的注意、记忆等基本认知过程（李芒， 黄琳， 2021），并提高了泄露学生隐私信息等安全与伦理风险。

（四）难题4：教学实践的行动难题

舒尔曼系统地研究了教师和医生的专业实践，他认为课堂教学“也许是迄今人类发明的最为复杂、最具挑战性、要求最高、最细微、最令人惧怕的活动……只有在自然灾害时期，在急诊室里，医学才能达到日常课堂教学的复杂水平”（Shulman， 2014， p.363）。佐藤学（2003， p.154）认为课堂教学活动是三种对话同时交织进行的，即同客体世界状况的对话（认知层面）、同课堂内外他者的对话（社会过程）和同自身的对话（自我内在过程），是认知性、技术性、社会性、伦理性等多层次综合性实践。课堂教学的复杂性造成教学实践的行动难题，因此职前教师教育普遍重视见习、实习等多种形式的实践学习活动，重视培养学生实践行动能力。

课堂教学的复杂性主要体现在：①学习过程的内隐性与因果多元性。学习效果往往取决于学生头脑中发生了什么，具有内隐性，准确感知学生学习状态需要敏锐的观察力和设计恰当的活动。影响学习的因素多样，学习结果多元，教育影响具有滞后性，导致影响教学效果的因素难以辨别。②学生的多样性与差异性。在课堂教学中，教师面对的是学生群体，需要明确学生在知识经验、兴趣动机、学习能力等方面的差异，以确定如何适应学生的差异，最大限度促进所有学生学习。同时，还应尝试将学生的多样与差异转换为同伴学习资源，显然并非易事。③学科知识选择与表征的复杂性。教师需要考虑如何表征知识才能使学生理解，同时又需要保证其学科意义准确，即教师应掌握学科教学法知识（Shulman， 1986）。智能时代更重视培养学生的一般能力（张志祯， 等， 2019a），对教学的开放性与灵活性要求更高，教師还需要设计任务情境、选择内容，即教师的任务更重、更难。④教学行为的效率与创新的辩证关系。教学中教师是责任人、行动者，即使有复杂性这个拦路虎，教师也必须在一定时间内做出决策、开始行动。通常需要忽略部分复杂性，形成教学常规，来提高行动效率。负责任的教师需要对忽略掉的“复杂性”保持敏感，后续利用教学常规化所节省的时间，有意创新教学，弥补为效率牺牲的学生学习机会，即在必要的时候需要暂时牺牲效率，来尝试新的教学方法。维持效率与创新之间的平衡也是个难题。

（五）难题5：教学实践的理解难题

教学实践的理解可以分为现象描述、分析解释和价值判断三个层次。现象描述指能够用教育教学概念和术语客观、准确地描述教学，明确教学目标、内容、过程与方法、技术手段以及学生表现。分析解释指能够厘清课堂中所发生的活动及其效果，能够正确地分析教学活动的要素，明确其动态多元的因果关系网络，正确评价学与教行为的有效性。价值判断指能够结合教学之外的信息对教学活动促进学生发展的长期与短期价值、对教育改革精神和理念的落实情况、对相关教师的学习示范价值等做出判断，并且能够给出判断的依据和论证过程。

对课堂教学而言，达到准确、全面的理解绝非易事，主要原因是课堂教学活动本身的动态多元和影响因素的多样性与不可见性。Borich（2006， pp.18-23）认为课堂教学具有动态性、即时性、非连续性和社会性四个特点。动态性指教室里各种事件的发生过程不是凝滞的，而是即现即逝的，具有流动性。即时性指教师需要对课堂上瞬息万变的事件快速做出回应，教学活动不喜欢“真空”，预期的反馈不出现时短时间的等待就足以让班级陷入混乱，学生的注意力游移、涣散。非连续性指教学进程经常会被一些突发事件打断，教师与其说是教学，倒不如说是在维系教学过程的连续性。社会性指教学是一个团体活动行为，即使形式上表现为一对一的交流，学生也会意识到班集体的存在，在课堂上学生很少把自己视为孤立的个人。四个特点综合起来，导致课堂教学动态多元，包含丰富的信息，支持多角度解读，全面理解在认知上极具挑战性。进一步加剧理解难题的是影响课堂教学活动的主要因素是不可见的，且多在课堂之外，比如宏观的教育改革环境、学校的文化与要求、教师的诉求、学生的兴趣与知识经验等。

公开课是我国中小学常见的一种教研活动。其过程通常是：上课，教师介绍背景与目的、设计思路、教学实施情况的自我感受与分析，学科、教学等多种身份的专家或教师同行分析点评，讨论交流。对照前面的分析，这样复杂的流程是为了先让参与教师有机会自行观察，形成自己的描述、解释和判断，再通过与授课教师介绍的背景信息（“不可见”的因素）整合，调整自己的观察理解，最后再与不同身份专家的“眼光”对照、讨论，进而达成共识。可以说，这样的公开课教研活动，就是从活动组织层面应对课堂理解之难的策略。

Erickson（2007）对于有经验的教师、新教师观看课堂教学视频的行为分析发现：有经验的教师借助叙事性解释框架选择、组织信息，形成观点与解释，框架的主要成分为：①对于课堂教学“应该如何”的叙事性期待;②对于教育中时间的感觉，尤其是学年、学期、单元、天等单位教学时间节奏的把握;③对于教室外影响的关注，即会考虑学校、家庭等因素对于教学的影响。新教师缺乏理解框架，虽然能够发现具体的教学方法或者教学行为，但是无法形成对于教学实践的一致的、整合性的叙事性理解。

视频技术在教师教育中得到广泛应用，主要是帮助教师发展对教学的分析理解能力。这在一定程度上也折射出教学实践理解难题在教师教育中受到的关注。

（六）难题6：教学实践的表达难题

紧随理解之难的是表达难题。霍普金斯（2009， p.134）①在2002年就呼吁发展更复杂的语言来谈论教学实践，这一呼吁反映了教学实践的表达难题。以集体讲授教学为例，表达之难在于一节40分钟左右的课，发生了太多多边互动事件（教师与班级、教师与个别学生、学生与学生、学生与学科内容、教师与学科内容，等等）。其中有教师预设的，有生成的;活动事件受到以往互动历史的影响，其原因、结果都是多元的，有长期的，有短期的。可以从教师、学科知识建构、课堂气氛、文化公平、信息技术运用、课堂管理、学生问题行为、教学行为与学生学习的因果关系等多种角度解读。这么复杂、动态、多元的一节课如何表达出来才算准确、全面、客观？——这个开放的问题实际上是没有答案的，明确“表达”目的后，才有可能做到相对“准确、全面、客观”。

为解决这一难题，课堂教学研究者开发了众多表达教学实践的方法，但也都仅适合特定的场合，且有些方法在时间、方法复杂度上要求很高，教师难以掌握、运用。这些方法有些属于课堂观察系列，如聚焦描述、检核表、系统观察、图示等（霍普金斯， 2009， pp.76-93）;有的以教师开展实践研究的方法为名，如案例法、叙事法、课例研究等;有关注新媒体使用的，如视频案例、网络案例等。总体而言，可以分为定性描述和定量描述两类。定性描述有利于揭示案例的复杂情境与意义，但难于概括、比较;定量描述容易实现跨案例的概括、比较，但难以保留情境信息。不管定性还是定量，每一具体的描述表达，总是只能从特定视角出发，这意味着损失掉了其他视角的信息。相比而言，视频是能够保留课堂教学过程丰富性的呈现形式，虽然也存在信息取样等问题，但依然是表达课堂教学实践的有效媒介（张志祯， 2017， p.44）。

（七）难题7：教师教育的前见难题

前见指在某次学习活动开始前，教师已经具有的对于教学的观念、知识、经验与技能的总和。

几乎每位职前教师在开始教师教育课程学习之前，就已经有了十几年的课堂学习经验，已经形成了有关学习、教学和课程的个人观念，即前见。Lortie称其为“学徒观察”（转引自：Darling-Hammond， et al.， 2005， p.367）。学徒观察的问题在于往往只能零散、表面化地了解和模仿教师的外显行为，不参与教学目标选择的事前准备和教学过程的事后分析，无法体会教学的复杂性。因此，师范生需要作为参与者，系统地观察、体验、分析幕后发生的事情，摆脱学生时代对教学的前见，以教师身份重新认识教学。

前见也可能成为在职教师学习的绊脚石。已有的教学经验与观念会成为教师理解教学现象、选择教学理论与方法的“过滤器”，但过滤掉的仅仅是教师“认为（潜意识或者显意识）”不重要的，这可能导致教师对新颖教学处理的教育价值的错误判断。因此，前见难题有时需要教师努力“去学习或遗忘（unlearn）”，即放弃或改变不良的教育观念或教育行为，这往往比学习新的东西更难（Darling-Hammond， et al.， 2005， p.363）。先前知识经验和行事方式，有时会成为教师身份认同的一部分，“去学习”会带来更复杂的情感反应。

（八）难题8：教师教育的连续难题

杜威强调有教育价值的经验应具有连续性，“经验的连续性原则意味着，每种经验既从过去经验中采纳了某些东西，同时又以某种方式改变未来经验的性质”（杜威， 2005， p.256），教师职业生涯中的学习经验却以“不连续”而久被诟病。王玉秋（2006， pp.65-67）的分析表明学习经验的不连续性贯穿教师教育的全过程：师范生在专业学习过程中经验的不连续;教师专业发展中经验的不连续;教师专业发展中生活经验、处事经验与教学经验之间的不连续。

当前各级各类教师专业发展活动在教材或资料层面已经有了极大改善，但教师培训仍存在“九龙治水、条块分割”现象（陈向明， 王志明， 2013）。多头并管的好处是可以发挥各自的优势，形成多样化生态，但运作层面难以整合不同培训的目标、内容与方法，难以克服割裂、重复问题。在学校和教师个体没有自主选择权的情况下，这一难题难以破解。只能通过强调教师个人的主动性、选择性和经验整合能力对抗外在的不连续性与碎片化。

（九）难题9：教师教育的反馈难题

发展教学这样复杂的认知技能，练习必不可少，而练习需要有效反馈。Willingham（2009）认为与实践不同，高效的练习需满足三个条件：以提升表现而非完成任务为目的;准确及时的反馈;花时间从事与活动无直接关系的活动，如教师学习评价方法、练习如何发声等。但对于教师教育而言，在职前教师大班额、在职一线教师编制紧张的情况下，为教师提供专门练习的机会并不多。

我国的三级教研体系一定程度上缓解了这一问题，能做到全学科、全员覆盖，但由于教研员数量有限，从有效指导时间看平均下来每位教师的机会并不多。中小学广泛采用的师徒制，在组织层面保证了反馈的机会，对新教师适应教学工作、提升教学水平发挥了巨大作用，但也存在师傅的“脚手架”功能难以充分发挥、教师共同体的促进作用受到限制、新教师进行创造的机会减少和师傅促进新教师发展的动力不足等问题（毛齐明， 等， 2011）。美国有关注教育的基金会将“缺少反馈”视为阻碍美国教师提升专业能力的重要因素，并计划为美国公立学校的每间教室提供一台摄像机供教师们自我反馈（Gates， 2012）。

因此，如何为教师提供有针对性的反馈，帮助教师全面、客观认识专业自我，突破个人经验局限，整合理论与实践，仍然是非常有挑战性的难题。

（十）难题10：教师个人的动力难题

学习动力能够激发、维持教师学习行为，是教师学习的关键。因此，职前与在职教师的学习动力均已有研究者关注，如刘琳娜等（2019）、梁军萍等（2018）和李继秀（2014）。

教师学习动力是一个复杂系统，包括职业吸引力、社会支持力、个体内驱力和组织推动力四个要素（刘琳娜， 刘加霞， 2019）。十大难题中的“动力”特指个体内驱力，即“教师由于意识到自身的学习需要而产生的一种内在学习动力，这是一种植根于教师内心深处，不需要任何外力便能够驱动其为自我成长而努力学习的动力”（刘琳娜， 刘加霞， 2019）。

有关教师学习动力的调查表明当前教师的学习动力不容乐观，且表现出年龄、地区间的显著差异。李继秀（2014）的调查表明教师学习的内生动力不足，表现在教师对学习的目的没有清醒的认识，只是应付外在的要求，或看成是一种福利;这样的学习效果可疑。刘琳娜和刘加霞（2019）的研究表明，随着年龄的增长，教师学习动力水平越来越低，40岁以上教师动力最弱;农村教师学习动力多来源于个体内驱力和职业吸引力，组织推动力最低，即农村教師几乎感受不到学校组织力量对自己专业发展的支持;城市教师在个体和职业要素上均处于最低水平，但在组织要素上水平较强，即城市学校对教师学习的支持力度和投入较大。

四、智能时代应对教师学习难题的对策建议

分析教师学习的难题是为了应对这些难题，以更好地促进教师学习。用“应对”，而非“解决”，是因为这些难题并不是能够一劳永逸地解决暂时性、阶段性问题，而是会随实践发展不断变化并且表现出新的特点的“持久”问题。随着智能时代发展，这些难题也将表现出新的特点，人们应对难题的工具箱（知识的、实践的与技术的）也会更加丰富。下面基于前文的分析，从教师个人、教师学习支持、教师教育以及智能教育产品研发等层面提出对策建议。

（一）教师个人应重视自己的需求与经验，提升技术素养，成为适应性专家

对教师学习难题的分析表明，智能时代教师工作仍是极具挑战性的。鉴于教师个人在教师学习中的核心位置，为了保持持续的学习动力，建议教师关注、重视自己的需求与经验;为了发展终身学习的能力，建议教师有意提升技术素养，力争成为适应性专家。

教师应关注、重视自己的成就与情感需求。在智能时代，教学工作仍然建立在与学生深度互动、长期人际关系和对知识与学习的深度理解、准确表达与灵活交流的基础上，而且要处理复杂、动态的社会事件，不太容易受到智能技术的威胁，是比较“安全”的岗位。但是，教学是需要高度认知与情感投入的工作，如果没有更高的成就（职业）目标，如果教学过程中没有感受到积极的情感回报，即教学无法满足个人的成就与情感需求，很容易产生职业倦怠，自然会丧失学习的动力。

教师应珍视个人经验，将其作为重要的专业发展资源。从前文对于教学实践的行动、理解难题的分析中可以看出，教学高度依赖教师对自己、学生与情境的理解，即依赖于教师的实践性知识。实践性知识不等于经验，而是经验的“反思与提炼”（陈向明， 2011， pp.230-231）。同时，教师也要认识到自身经验的局限性，保持开放的心态，接受理论知识、他人经验的启发。

教师应有意提升技术素养。有关教师在智能时代应具备的技术素养，讨论已有很多，这里仅强调三点：①要明确教学中拟采用的智能技术“教”的优势与局限，对其进行全面测评，明确其表现后才能让学生使用。有些智能教学产品的适应性很强，对其评价可以借鉴评价学生的方法。②要留意“自动化”对任务工作性质的影响。未来更多教学任务会由机器完成，这似乎是必然的。这时要警惕工作“外包”给机器后工作性质的变化，不要让自己变成旁观者，丧失对任务的参与感和亲身体验。③要关注如何利用新技术变革自己的专业学习方式，扩展学习资源与空间，在采用新技术促进学习方面，教师应该比学生更早“尝螃蟹”。

教师应以成为适应性专家为专业发展目标。教育教学改革没有止境，教师应以成为适应性专家为目标，不断超越自我。适应性专家均衡效率与创新，保持开放心态，自我批判，容忍不确定性和暂时的专业低效（Darling-Hammond， et al.， 2005， pp.363-366）。适应性专家同时也应该是专家学习者，即在学习新知识时首先尝试理解新知识，而不急于将之与原有知识联系（直接同化），是就新知识本身的组织来形成新结构（胡谊， 2006， pp.178-179）。此外，教师应重视一般文化知识的学习，注意拓展视野，从各个领域汲取知识与动力。在我们的传统文化中本来就有刚健向上、积极进取的基因，比如《大学》中提及远古商汤崇尚“苟日新，又日新，日日新”，周人更以“周虽旧邦，其命维新”（转引自：陈晓芬， 等， 2011， p.254）提醒自己时时除垢自新。

（二）支持教师学习，技术不应是解决方案，但应是方案的有机组成部分

在设计支持教师学习的方案时，一定要设计成为“社会—技术”的综合解决方案，技术只能起到支撑社会活动、组织社会资源的作用，不能只提供技术层面的解决方案。在智能时代，任何现实难题的解决，似乎都难以绕过信息技术、智能技术。但教师学习，尤其是在职教师的学习，不管是个体，还是共同体，都首先需要组织、制度的支持，否则会难以为继。对教师学习而言，信息技术可能会改变资源的提供、组织、获取与使用方式，但其本身并不是资源。教师校本小组学习最基本的资源是时间，而时间只能由组织制度来安排。

所建构的“社会—技术”体系，应充分尊重教师个人的主体性，主要反映在：在教学前，充分了解教师的发展需求、工作与学习经验以及重要“前见”;在教学目标设定方面，教师应有参与的机会，且目标设定应有利于教师长期发展或者能够帮助教师解决当前教育教学的问题;在教学设计时，既要考虑学习，又要考虑“去学习”，即改变教师以往的错误观念或者做法;在教学过程中，给教师个体表达、重构相关经验的机会，将不同教师多样化的经验、差异转换为学习资源;在教学后，跟踪教师实践，根据需要给予后续支持，巩固学习成果。

要充分利用已有社会支持体系，优先考虑增强、优化已有社会支持系统。我国已经有相当完备的教师学习支持体系，如继续教育体系（学历的与非学历的，如国培、省培、校本培训）、三级教研体系、学校的“师徒结对”等，需要关注如何融入技术以增强、变革已有的教师学习支持机制，进而思考如何创新教师学习形式。智能技术开发者与研究者应主动深入日常教学教研实践，主动促进技术与教师的日常工作和生活相结合，批判反思技术体系与应用方式存在的问题，而不是仅仅抱怨教师顽固守旧，抱残守缺，只能按已经习惯的方式行事。

（三）教师教育应尊重教师的主体地位，关注“实践理性”与“技术理性”的可能冲突

在教学中尊重教育对象的主体地位知易行难。但在生产生活中充斥“自主”决策、行动的智能机器的时代，个体的主体性培养更为重要。教师应该是学生发展、发挥“主体性”的榜样。智能时代教师教育对教师主体地位的尊重，需要提高到这个层面上去认识。对教师主体性的尊重，体现在教师个人和教师群体两个层面，前者在前一小节做了分析，这里仅分析后者。

尊重教师群体的主体性，意味着需要充分认识、尊重教师的实践性知识，关注“实践理性”与“技术理性”的差别。这里“实践理性”之所以加引号是因为它并不是严格的康德意义上的实践理性，而是指教师在必须要行动的实际场景中，快速甚至下意识做出决策时，对于当前情境的感知、理论、社会伦理等方面的综合，它包含有意思考与直觉，包含理性与感性，包含个体责任与人际关系，以及手段与目的整合、行动与情境整合。而技术理性指手段与目的分离、效率优先，认为技术手段不包含伦理意味的思维方式。在教师教育中，所采用的信息技术、智能技术是科技与资本合作的产物，通常蕴含着追求手段效率、追求定量化的技术理性;某些教育教学模式往往也是技术理性的产物。这些与日常教学中教師的行动总是蕴含道德伦理与情感意蕴，重视人际关系，重视不可量化的长期影响而非短期可见影响的做法、思维方式，是相矛盾的。在教师教育的教学中调和这两种文化并不容易，但非常值得尝试。

（四）智能技术可着力应对“教学实践的理解难题”和“教师教育的连续难题”

在智能时代，自然期待智能技术有助于教师学习难题的应对。智能技术的着力点应该放在教学实践类与教师教育类难题的应对上。目标、理论、技术类难题主要受到智能技术的间接影响。教师个人的动力难题，更多要靠教师个人的价值取向与学校、社会制度解决，主要是社会问题，智能技术无法直接起作用。

进一步分析教学实践与教师教育类别下的难题可以发现，“教学实践的理解难题”的探索对行动难题、表达难题都有帮助，而且有助于“教师教育的反馈难题”解决途径的形成;“教师教育的连续难题”在某种意义上包含了“前见难题”，即连续性高的教师学习机会，需要考虑教师的前见，以其为出发点。

“教学实践的理解难题”解决的理想状态是技术能够“理解”教学场景与活动，发现教学过程中学生学习状态、效果与教学行为、事件、环境之间的因果关系。这是一个涉及机器视觉、自然语言理解、多模态数据分析等多领域技术的极具挑战性的难题，尽管已有了一些探索（如：骆祖莹， 2018），但目前解决方案的信度、效度、环境的适应性等还存在较大问题。如果在机器视觉、自然语言处理、多模态数据分析等相关领域实现技术突破，机器有能力提供识别教学行为、发现教学行为问题、发现有价值的教学活动片段等，对于为教师提供及时和有针对性的反馈、帮助教师理解和表达课堂教学行为意义重大，进而会极为有助于教师教学能力的提高;对之的合理运用，可能会导致课堂教学研究与教学评价的巨大改进。这对于学习缺少组织支持的农村教师（刘琳娜， 刘加霞， 2019）意义更为重大。但是，需要未雨绸缪地指出，在智能技术能够在某种意义上“理解”课堂教学活动之后，用其帮助教师发展课堂理解力或者反思教学实践时，不应过度简化任务，基于视频分析的研究表明教师理解力的发展需要足够真实复杂的场景与活动（Erickson， 2007）。

“教师教育的连续难题”的应对难点主要在理论、管理和伦理层面。在技术层面，在测评、管理、跟踪教师的学习发展状态与需求，匹配推荐学习资源与培训项目，以提高学习机会的针对性方面，现有的技术就有很大潜力可挖。理论层面的难点是，要形成清晰、合理的教师专业能力框架，目前已有很多研究成果可以借鉴。管理与伦理层面的问题更为棘手，尤其是教师个人、机构单位、运营平台对于数据与数据产品服务的所有权、控制权如何分配;如何避免行政权力入侵专业权力;如何避免形成性评价数据被用于做出损害教师利益的决定，而非诊断与支持教师学习与发展，等等。

（五）教师教育项目应注意审查智能技术的运用对于项目内部一致性的影响

Hammond-Darling等（2009）对美国优秀教师教育专业的多个案分析表明，内在一致性是教师教育有效性的基本条件。但对于教师教育项目而言，其内部一致性（培养目标、教育理念、课程设置、各类型的教学活动与评价等要素之间能够相互配合，而不是彼此冲突或者互不相干）是极大的挑战。对于在职教师而言，由于专业发展活动来源的多样性，活动间的一致性更难以保证。

教师教育项目内部一致性主要取决于项目设计，主要是理念、目标、课程开发与实施的管理问题。为应对智能时代挑战而仓促开展的变革，通常会加剧这一问题。

仓促变革可能降低项目内部一致性的原因主要有以下两点：一是项目成员对于智能技术及其影响的认识可能存在差异，因此在相关目标、方法上难以形成共识;即使有共识，变革可能也是逐步展开的，在这个过程中降低一致性是难以避免的。二是变革很可能需要引入一些智能环境、资源、平台等产品或服务，这些智能产品可能蕴含特定的教育理念，比如課堂教学分析系统中蕴含对某些行为（如教师直接讲授）的偏好;或者让某些教学行为更加便利，比如自动阅卷系统可能鼓励使用选择、填空题目;或者教师/学生综合素质评价的指标体系、指标的计算方式赋予某些指标更高的权重等。智能产品多为“黑箱”，其运行原理不清晰或者难以解释说明，遑论根据需求修改定制。这样的产品可能会降低项目的内部一致性。因此，为了保证教师教育项目的效果，需要在引入智能技术时对其做全面测评。

五、结语

智人引以为傲的大脑是智能技术的真正发源地。大脑是长期进化的产物，具有多层叠加的结构。大脑外层是负责高级认知活动的部分，只有高等生物才具有。外层包裹着负责呼吸、吞咽、消化和心跳等基本生命功能的部分（安德森， 2012， p.18）。利用人类大脑结构简单地类比信息化教学活动，可以认为，师生人际互动、人际关系是教学活动的基本内核，它很可能永远无法被替代，或者说这一层一旦被替代，它就已经不是我们今天所理解的教学活动了，已经变成一种新型活动，只是恰巧用了“教学”这个词。信息技术、智能技术的应用，就如同晚期进化出来的大脑外层一样，叠加、附着在师生人际互动之上，只有如此，这个活动才仍是教学活动——若果真如此，这里所讨论的教师学习难题就更有价值了。

认为弱人工智能时期人类教师仍会稳稳地站在学校的讲台上，是基于对当前技术能力、适应性教学系统应用历史与现状以及教师工作任务的分析而得出的合理结论。这并不意味着我们不希望智能技术有突破，不希望智能机器能够承担更多的教学任务。教学工作十分繁忙，中小学教师已经不堪重负。我们和斯加鲁菲一样，希望真正的智能机器早一点诞生（斯加鲁菲， 2017， p.209），好真的能够分担教师们的负担。

[参考文献]

约翰·安德森. 2012. 认知心理学及其启示[M]. 秦裕林，程瑶，周海燕，徐玥，译. 北京：人民邮电出版社.

陈晶. 2018. 技术增强环境下科学探究教学中教师的实践性知识研究[D]. 北京：北京师范大学教育学部.

陈时见. 2011. 教师教育课程论：历史透视与国际比较[M]. 北京：人民教育出版社.

陈时见，李培彤. 2021. 教师教育学的概念建构与价值意蕴[J]. 教育研究（7）：27-36.

陈向明. 2011. 搭建实践与理论之桥：教师实践性知识研究[M]. 北京：教育科学出版社.

陈向明，王志明. 2013. 义务教育阶段教师培训调查：现状、问题与建议[J]. 开放教育研究（4）：11-19.

陈向明. 2013. 从教师“专业发展”到教师“专业学习”[J]. 教育发展研究（8）：1-7.

陈晓芬，徐儒宗. 2011. 论语 大学 中庸[M]. 北京：中华书局.

陈玉姣. 2016. 网络课例研究模式的构建与实践研究[D]. 北京：北京师范大学教育学部.

丛立新. 2011. 沉默的权威：中国基础教育教研组织[M]. 北京：北京师范大学出版社.

董艳，桑国元，蔡敬新. 2014. 师范生TPACK知识的实证研究[J]. 教师教育研究（3）：36-43.

杜威. 2005. 我们怎样思维[M]. 姜文闵，译. 北京：人民教育出版社.

高时良. 2016. 学记[M]. 北京：人民教育出版社.

胡姣，祝智庭. 2021. 技术赋能的教学微创新：教师教育智慧的实践场[J]. 中国电化教育（8）：99-109.

胡谊. 2006. 专长心理学：解开人才及其成长的密码[M]. 上海：华东师范大学出版社.

霍普金斯. 2009. 教师课堂研究指南（第三版）[M]. 杨晓琼，译. 上海：华东师范大学出版社.

李继秀. 2014. 教师学习方式转变：动力结构分析及其建构[J]. 教师教育研究（2）：78-82.

李芒，黄琳. 2021. 为何必须禁止手机进课堂？[J]. 电化教育研究（10）：5-11.

李兆义，杨晓宏. 2019. “互联网+”时代教师专业素养结构与培养路径[J]. 电化教育研究，40（7）：110-120.

梁军萍，武有祯. 2018. 论职前教师学习力的不足与提振[J]. 教育理论与实践（19）：40-43.

刘琳娜，刘加霞. 2019. 复杂科学视域下教师学习动力研究[J]. 中国教育学刊（9）：92-96.

刘捷. 2002. 专业化：挑战21世纪的教师[M]. 北京：教育科学出版社.

骆祖莹. 2018. 课堂教学自动评价 从理论到应用[M]. 北京：北京师范大学出版社.

毛齐明，岳奎. 2011. “师徒制”教师学习：困境与出路[J]. 教育发展研究（22）：58-62.

美国国家研究理事会. 2006. 教育的科学研究[M]. 曹晓南，程宝燕，刘莉萍，等，译. 北京：教育科学出版社.

梅拉妮·米歇尔. 2021. AI3.0[M]. 王飞跃，李玉珂，王晓，张慧，译. 成都：四川科学技术出版社.

皮埃罗·斯加鲁菲. 2017. 智能的本质[M]. 任莉，张建宇，译. 北京：人民邮电出版社.

普莱西. 1979. 一架以练习材料进行自动教学的机器[M]//普莱西，斯金纳，等. 程序教学和教学机器. 刘范，等，译. 第2版. 北京：人民教育出版社：57-64.

唐纳德·A. 舍恩. 2007. 反映的实践者：专业工作者如何在行动中思考[M]. 夏林清，译. 北京：教育科学出版社.

田兰，张志祯. 2015. 教师专业眼光的内涵与发展途径[J]. 当代教师教育（1）：35-40.

田兰，张志祯，陈玉姣. 2015. 視频促进师范生微格教学反思效果研究[J]. 现代教育技术（10）：54-60.

田兰. 2015. 视频俱乐部中教师专业眼光的发展特点研究——以数学教师为例[D]. 北京：北京师范大学教育学部.

王晶晶. 2018. 通用技术教师学科教学知识的发展研究[D]. 北京：北京师范大学教育学部.

王玉秋. 2006. 对我国中小学教师生存状态的反思[D]. 上海：华东师范大学教育学系.

吴军. 2014. 数学之美[M]. 第2版. 北京：人民邮电出版社.

吴军. 2016. 智能时代：大数据与智能革命重新定义未来[M]. 北京：中信出版社.

吴怡君，陈丽. 2021. 疫情期间我国中小学在线教学模式与创新特征研究——基于教学交互视角的挖掘与分析[J]. 中国远程教育（2）：17-26，76-77.

辛涛，申继亮，林崇德. 1999. 从教师的知识结构看师范教育的改革[J]. 高等师范教育研究（6）：12-17.

闫志明，付加留，朱友良，段元美. 2020. 整合人工智能技术的学科教学知识（AI-TPACK）：内涵、教学实践与未来议题[J]. 远程教育杂志，38（5）：24-27.

张敏. 2008. 教师自主学习调节模式及其机制[D]. 浙江：浙江大学理学院.

张务农，贾保先，曾强，常晟. 2021. “代具”还是“代替”？人工智能究竟能否取代人类教师的哲学省思. 教师教育研究（1）：14-21.

张志祯，陈玉姣，田兰. 2016. 职前教师教育中微格课例研究模型的构建与实践[J]. 中国电化教育（6）：121-126.

张志祯. 2017. 教师教育中的视频教学策略[M]. 北京：清华大学出版社.

张志祯，张玲玲，李芒. 2019a. 人工智能教育应用的应然分析：教学自动化的必然与可能[J]. 中国远程教育（1）：25-35，92.

张志祯，张玲玲，徐雪迎，刘佳林. 2019b. 人工智能的教学角色隐喻分析——以人工智能教育应用领域高影响力项目为例[J]. 中国远程教育（11）：24-37，57，93.

张志祯，齐文鑫. 2021. 教育评价中的信息技术应用：赋能、挑战与对策[J]. 中国远程教育（3）：1-11，76.

曾文婕，周子仪，黄甫全. 2021. 人工智能与课堂教学深度融合的新路向——以“AI全科教师主讲课堂开发”为例[J]. 教师教育学报（4）：38-47.

佐藤学. 2003. 课程与教师[M]. 钟启泉，译. 北京：教育科学出版社.

Borich， G. D. 2006. 教师观察力的培养：通向高效率教学之路[M]. 么加利，张新立，译. 北京：中国轻工业出版社.

Darling-Hammond L. 2009. 有力的教师教育：来自杰出项目的经验[M]. 鞠玉翠，译. 上海：华东师范大学出版社.

Shulman， L. S. 2014. 实践智慧：论教学、学习与学会教学[M]. 王艳玲，王凯，毛齐明，等，译. 上海：华东师范大学出版社.

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：张志祯，博士，副教授，硕士生导师;徐雪迎，硕士研究生。北京师范大学教育学部教育技术学院（100875）。

李英杰，高级教师，北京市西城区教育研修学院（100035）。

吕雅楠，哈尔滨师范大学教育科学学院（150000）。

责任编辑 刘 莉