面向智慧课堂的灵活深度学习支架设计研究

彭红超 祝智庭

摘要：学生在智慧课堂中灵活地深度学习需要学习支架的护航，对此，该研究关注促进深度参与学习、注重采用高级学习方略、追求高阶知能发展、基于理解为迁移而学四大深度学习特征，聚焦学习任务、学习活动、学习进程、教学决策四方面的灵活性，按照教育设计研究方法的流程，研制了一种指导教师设计深度学习支架的工具，这个工具包括六大部分的设计方案，能够为学生提供“习得知能”“理解意义”“迁移应用”三个层面的目标导航，可视化任务的难易分布以及学习的进程与路线，呈现富有弹性和支持性的学习任务。经过12个月的教师试用反馈、六次迭代修正以及11名优秀教师的评估，研制的工具达到了可交付使用的质量要求。希望此工具能够为教师设计高质量的学习支架，有成效地护航学生深度学习提供有价值的方案和参考。

关键词：智慧课堂；深度学习；学习支架；学习架构；灵活性

中图分类号：G434 文献标识码：A

本文系国家社会科学基金“十三五”规划2019年度教育学一般课题“面向工作胜任力的教师培训精准测评体系研究”（项目编号：BCA190083）、中央高校基本科研业务费项目华东师范大学青年预研究项目“智慧教育中教师与AI协同的教学决策策略研究”（项目编号：2021ECNU-YYJ030）研究成果。

历经蛰伏期、萌动期、新兴期后，深度学习已成为信息化教学的诉求与趣旨。纵观深度学习四十余年的发展史发现，深度学习的灵活性诉求问题始终没有得到解决[1]。对此，本团队展开了系列研究，构建了灵活性表达模型——学习架构[2]，以及这一架构下，灵活深度学习的设计框架[3]。这两项成果为教师开展智慧课堂中灵活的深度学习设计提供了方法策略。本研究作为后续研究，试图研制一种指导教师设计灵活深度学习支架的工具，以便为学生在智慧课堂中自主、灵活地深度学习提供有效支持。

一、灵活深度学习概述

深度学习自1976年由马顿（Maton）和赛尔乔（S lj ） 首次提出以来[4]，历经四十余年的发展，现在已经成为一种基于理解、追求迁移应用的有意义的学习，它通过促使学生深度参与学习、适性地采用高级学习方略来促进高阶知能的发展、实现这些知能在全新情境中的应用或新高阶知能生成[5]。这种追求导致学习任务具有高度的复杂性，学生学习新知能时会遇到相当大的挑战[6]。所以，在深度学习中学生往往需要能够根据需要随时回顾所学、反复思考并修正自己的想法，才能形成稳固的理解（Robust Understanding），促成高阶知能的生成与迁移应用[7]。由于反思回顾的不确定性，外加主动选择工具、资源的多样性，学习进程的差异性，深度学习应该是灵活的。

（一）灵活深度学习理念

与从低阶知能到高阶知能发展的“爬坡式”学习[8]以及创造能力驱动的“下冲式”学习不同，灵活深度学习（Flexible Deep Learning，简称FDL）主张反复交叉式学习，即对于同一内容在不同的时间以及不同的情境中，以不同的目标从不同的角度进行多次交叉的灵活学习[9]，本质上，这是一种认知灵活性。

FDL（灵活深度学习）关注学习任务、学习活动、学习进程、教学决策四方面的灵活性[10]，其中，活动是完成任务产生的行为，进程是活动的编列，决策是对进程的模式判定，以解决学生存在的问题。具体讲，学习任务的灵活性通过有效性和趣味性之间的协调来实现，前者旨在提高效率，让课堂有更多的时间培育高阶知能及其迁移应用，后者旨在促进学生参与，让学生有更大的深度加工知识的意愿；学習活动的灵活性通过自主性和指引性之间的协调来实现，前者可以激发和维持学生采用探究、合作等深度学习策略[11]，后者能够为学生攻克难点保驾护航；学习进程的灵活性通过无序性和有序性之间的协调来实现（当每位学生均按照自己的顺序学习时，进程会呈现一种无序性），前者为学生个性化学习提供条件，后者为教师统一化教学提供可能；教学决策的灵活性通过数据驱动决策与数据启发决策之间的协调来实现，前者挖掘大数据背后的相关关系，以此提供重现性服务，后者结合经验推究数据背后的因果关系，以此提供生成性服务。本团队研制的深度学习架构模型提供了借助技术实现这些灵活性的设计蓝图，如通过设置花边任务[12]来调节任务的灵活性，设置冗余任务来调节进程的灵活性。

（二）灵活深度学习设计框架

深度学习架构下的FDL设计框架采用“学习目标—评估证据—学习任务”的逆向顺序设计教学，共有八大步骤，如图1所示。

第一步为智慧课堂环境分析，主要从学情分析、互动支持、适性推送、即时反馈四个方面分析教师所在的智慧课堂能够为灵活的深度学习提供支持；第二步为明确目标，关注从课标中筛选出目标后，如何细化与归类，细化方面，采用“整体-部分”策略细化层次结构清晰的目标，采用“演绎”策略细化层次结构不清晰的目标；归类方面，将布鲁姆认知目标应用层分为执行和实施两部分，并按照“实施”及其以上层级为深度目标的原则分类；第三步确定评估证据，绩效评估采用G.R.A.S.P.S.工具进行设计[13]，传统化的标准评估采用DarlingHammond高质量评估原则设计[14]。

第四步至七步是设计学习任务环节。其中，任务设计关注基础任务、本真任务、注重知能深度的挑战Ⅰ型任务和注重知能广度的挑战Ⅱ型任务的设计以及反思任务的设计。前四类任务配有多样的学习方略、选必做（包括选做、选择性必做、必做）等属性、隐式提示等学习建议、以及趣味主题与情境等，这些主要用于创设学习任务与活动的灵活性。反思任务侧重同一知识或概念的多情境化，以促使学习者形成稳固理解（Robust Understanding）。编列制定一步主要负责确定反思任务的分布与冗余数量，以实现学习进程与任务的灵活性（分布与冗余数量会造就学生按自己偏好或需求学习时，不定期回到原有概念或知识的学习，从而导致学习路径和路径上的任务各不相同）。

第八步决策预设关注教学决策的灵活性。按照优势互补的人机协同原则，教师与人工智能进行人在旁路、人在回路、人在领路的协同决策[15]（三种协同决策教师的参与度不同，外在体现为教师与机器决策的灵活更替），其中教师数据启发决策部分分三步走：按照联想定律筛选数据[16]、按照逻辑推理法探寻线索、按照穆勒五法探求原因[17]。

二、灵活深度学习的支架需求

FDL设计框架为教师设计智慧教育中灵活深度学习提供了支架，但是这个框架并没有提供如何为学生提供适切的学习支持的方法，它对于护航学生成功地深度学习是力不从心的。

支架对促进深度学习具有重要作用。研究发现，学生在掌握必要的问题解决过程之前，支架不应该消减，对于初学者而言，他们更需要一套更加完整的支架，用更长时间来支持他们解决问题的表现[18]，然而专注为深度学习提供完整的支架方案的研究却很少。在为数不多的研究中，斯坦福大学教授Wiggins和McTighe等人的研究最为系统，他们基于早期的成果——逆向设计理念研制的UbD（Understanding by Design）教学模板具有深度学习的身影[19]。不过，这个模板的使用对象是教师，不适合直接为学生服务。借鉴逆向设计理念，Green等人开发了一套支架式作业任务工具，该工具可为学生“由良构的算法问题逐步迁移到劣构的应用问题”提供支架[20]，实验结果表明，这个支架工具不但促进了经济学理论的深度学习，也增强了学生后续学习课程的迁移能力。然而，这一工具面向的是学生作业，而不是课堂学习。因此，如何为学生在智慧课堂中灵活地深度学习提供系统性的学习支架，仍存在很大的研究空间。

三、研究问题与方法

本研究关注促进深度参与学习、注重采用高级学习方略、追求高阶知能发展、基于理解为迁移而学四大深度学习特征，聚焦学习任务、学习活动、学习进程、教学决策四方面的灵活性，来研制一种指导教师设计支持学生在智慧课堂中灵活深度学习的工具——FDL支架设计工具。为此，需要解决如下两个问题：

问题1：FDL支架设计工具如何体现灵活深度学习的理念？

问题2：如何保证FDL支架设计工具的质量？

本研究采用教育设计研究方法，分初始、开发、评估三个阶段展开[21]，初始阶段形成FDL支架设计工具的原型，开发阶段修订为最终成品，评估阶段测评成品的质量。

四、研究参与者

教育設计研究强调主要目标用户要参与到研究中。鉴于此，本研究先后邀请了6所智慧教育实验学校中的11名优秀任课教师[22]，请其参与FDL支架设计工具的试用与最终的质量评估工作。另外，本研究也邀请了2位教育技术专家与笔者组成三人组，审核教师设计的学习支架的质量。受邀教师涉及五个学科，他们均有一年以上的智慧课堂教学的经验，且教学质量均得到过校领导的认可与肯定。而受邀的两位专家参与过灵活深度学习设计框架原型的构建，他们熟知灵活深度学习支架的设计理念，可确保评估的效度。

五、研究过程设计

（一）初始阶段

此阶段主要基于FDL的理念，对本团队研制的灵活学习设计框架及说明进行演绎推理，构建FDL支架设计工具原型。大致按三个环节开展：第一环节，确定FDL支架需要包含的组成模块；第二环节，设计每个模块的呈现样态；第三环节，对每个模块如何使用进行说明。

（二）开发阶段

将研制好的FDL支架设计工具原型及其使用说明发给先后受邀的11名优秀教师，并通过微信视频通话或ZOOM平台进行两次一对一地远程培训。培训后，教师按照使用说明设计具体一节课的深度学习支架，并记录好设计过程中遇到的问题。设计好的学习支架，先由专家1或专家3审核，再由笔者审核，并以批注的形式标出支架存有的问题及修改建议。评估后的学习支架返回给教师进行修正，如此往复，直到没有任何问题为止。

此过程，笔者还进行：解答教师遇到的问题，必要时给予指导；梳理教师反馈或反映出的有关FDL支架设计工具的问题；针对这些问题，及时修正FDL支架设计工具的原型。

新邀请的教师使用最新修订的FDL支架设计工具及其使用说明，修订版原型通过专家1与专家3的认证后才会发给新邀请的教师。

（三）评估阶段

按照教育设计研究的理念，FDL支架设计工具在投入使用前，需要提供令人信服的证据证明其质量。为此，该阶段邀请了上述11名教师来评估上阶段结束后形成的最新版FDL支架设计工具。评估采用开放式调查问卷，平均用时17分钟左右。这些教师对工具有深度认知，可以保证较高的效度。

为提高问卷的信效度，本研究采用高质量干预标准框架（此框架是评估教育干预工具原型的常用标准，涉及相关性、一致性、实用性、有效性四方面）设计其结构，按照Wiersma和Jurs提出的11项参考准则编制其题项[23]，并额外邀请了10名教师进行试测，完成了表述等方面的修正[24]。

六、研究结果

（一）原型框架

FDL支架设计工具原型，如表1所示，包括基本信息、学习目标、评估证据、推荐的学习环境/资源、学习进程图谱、学习任务六部分的设计。

1.基本信息

基本信息主要包括小组、建议用时等七个要素，在智慧课堂平台中，这些要素是精准分析学习者画像、智能提供个性化服务的关联信息。另外，小组作为同伴互助的基本单位，是深度学习重要手段，此处标明学生隶属的小组，有利于事前增进组员间的人际关系，确保分组学习的有效性。建议用时用于标明学生完成学习单可以花费的合理时间，放在此处的好处是可以避免教师设计过量的学习任务，也有助于学生事前做好时间安排。

2.学习目标

学习目标分为总目标和细化目标，其中，总目标界定课标对这节课的要求，细化目标是其在布鲁姆认知目标中的映射。按照设计框架中的理念，目标分为浅表和深度两层，鉴于理解在深度学习中的重要地位[25]，将它从浅表目标层中分离出来，形成习得、理解、迁移三层不同深度的细化目标。习得层针对基础知识与基础技能，旨在让学生知道并能够熟练操作，理解层针对理解和理解后才能回答的审辨性问题，迁移层针对使用所学能够独立解决的问题，这类问题常常发生于课堂外的情境或需要的知能未课堂中培养过。

3.评估证据与推荐的学习环境/资源

证据评估中的绩效部分是深度学习的主要评估成分[26]，它关注学生完成任务的过程表现及其结果，是一个结构化的报单或报表（不是一个简单的分数）。无论绩效部分还是“其它”部分，证据的设计均应从预评估的知能的实质内涵（即构念）出发，来确定学生应具备的反应水平，以保证证据的有效性[27]。目前，中小学存在数个同质设备或平台并行使用的现象，因此，需要将推荐的学习环境/资源作为独立部分，以便于教师列出本节课适切的线上环境、混合环境、线下环境和学材、习材、创材。其中，学材用于知识的传授、习材用于知识的内化、创材用于知识的外显和迁移。

4.学习进程图谱

学习进程图谱是绘制任务分布的策略，用于促使学生事前了解学习任务的难易分布以及过程中自己学习的进展与路线（与学习活动和学习进程两方面的灵活性有关）。这里用二维直角坐标系作为“地标”，其中，表征知能广度的横轴衡量完成任务所需知能的水平，表征知能深度的纵轴衡量完成任务所需知能的数量，如表1中学习进程图谱部分的右侧图示所示。教师绘制任务分布时，将任务号标到对应位置，并用虚线界定每类任务的区域（便于教师判定该堂课的任务难度是否合理、学生根据难易分选择更适合自己的任务），学生学习时，按照自己的实际顺序将任务号连接起来，形成学习进程路线。

教师绘制各类任务区域的策略如下：第一步，绘制虚线（1）（2）来确定本节课任务的最大深度和广度的边界；第二步，绘制虚线（3）（4）来确定本真任务的区域（本真任务直击深度学习关注的高阶知能及其迁移应用）；第三步，绘制虚线（5）确定挑战Ⅰ型任务的区域；第四步，绘制虚线（6）来确定基础任务的区域；第五步，绘制虚线（7）来确定反思任务以及挑战Ⅱ型任务的区域。图中的有向虚曲线表示常规的学习路径，此路径符合多数学生由简到难的认知习惯。各类任务的界定如表2所示。

5.學习任务

虽然灵活深度学习注重学习任务的灵活性（在灵活深度学习中，学生可以自主选择学习任务以及决定完成它们的顺序），但这并不意味着教师可以“灵活地”设计它们，否则会事倍功半。

（1）设计顺序

遵照逆向设计策略[28]，依次设计本真任务、挑战Ⅰ型任务及部分挑战Ⅱ型任务（关键任务部分，必不可少）、基础任务，这样本真任务的难点可作为设计挑战Ⅰ型及部分Ⅱ型任务的导向、挑战Ⅰ型及部分Ⅱ型任务涉及的核心知能可作为设计基础任务的导向，这让每类任务更有“寓意”：后设计的任务为先设计的任务提供支架。这种设计顺序有助于避免任务比例不均衡的问题，特别是避免基础任务过多，而本真任务过少。

设计好上述三类半任务后，接下来依次设计反思任务和另一部分挑战Ⅱ型任务。在灵活深度学习中，此部分的挑战Ⅱ型任务多作为拓展任务，并非必不可少，可在最后根据课容量大小决定设计多少。在此之前，教师须着重设计反思任务，此类任务需要提供多角度反复思考的机会（用于增强学生对知能的理解），而教师在设计上述三类半任务时，容易发觉可以反思的角度和需要反思的内容，这有利于设计高质量的反思任务，特别是对于教学经验较少的新教师。

按此顺序设计任务，并不表示也须按此顺序排列，根据认知发展理念，学习任务最好按照从简到难的顺序排列，但这只是参考，因为学习进程灵活性要求学生须能够根据自己的需求随意挑选下一个要完成的任务。对于反思任务，它们应该散落在其他任务中，这是实现学习进程灵活性的关键。

（2）呈现样态

按照灵活深度学习的要求，学习任务需要按照任务主体、要求、类别、学习指引四部分结构组织，如表3所示，这些部分均是需要学生与之交互的元素，且与学习的灵活性密切相关。其中要求（即是否可选做）是实现任务灵活性、进程灵活性的基础，学习指引（如设备支持、指引/提示，等）是实现活动灵活性的基础，它们均需单独呈现给学生，便于学生做出正确的主动选择（如，选择完成哪类任务、选择是否接受学习指引）。学习指引单独出现，还有个特殊用意：方便单独做隐式处理，如用特殊油墨遮住。这是考虑到，对初学者而言深度学习任务具有一定的难度，学习指引能够增加它们成功的概率，但并非所有学生都需要这种提示（这是活动灵活性的表现）。

任务主体借助丰富的媒体技术来表征，以促进学生深度认知加工信息。简单讲，即是利用图、文、声、像及其交互等多媒体技术来表征学习任务。比如（1）采用图文并茂的方式表征，图文必要时加粗、换色、通过超链接关联其他图文声像；（2）采用文声或文像共现的方式表征，必要时在声、像中增加交互控件或互动问题，如视频及其解说、视频打点；（3）采用语音以对话的形式表征；（4）虚拟人物提问，并配上表情、手势等肢体语言。这些表征方式均是已得到验证的能够促进深度学习的有效方式[29][30]，也是协调任务趣味性与有效性，即任务灵活性的有效手段。但富媒体表征理应遵循一致性、冗余控制、信号表征、时空临近、分块呈现、双通道等原则，否则会适得其反[31]。

（二）试用反馈

11名教师并非均按照最初的FDL支架设计工具原型进行设计，这种迭代修正方式的好处是：每次对原型的修正，均会在其他教师试用的时候得到验证。11名教师的具体试用情况如表4所示，总计进行了45次修正、使用了7个设计工具版本。由于新邀请的教师开始试用时，已经在试用的教师迭代修正任务可能并未完成，因此，新版本设计工具中得到修正的问题，并非仅来自于上一版本，也可能来自于更早版本。

通过近12周的试用，共得到27条质量问题的反馈，如习得知能中的基本技能与迁移应用混淆、反思任务仅提供了一个思考维度等等，这些问题涉及八大方面，基本涵盖了设计工具的各个部分：布局、学习目标、评估、资源与环境、任务要求、任务表征、学习指引、进程图谱。由于向教师推送的修改建议并非每次都有效，因此同一名教师也可能会出现两次甚至多次同一问题。经过验证的有效建议将保留下来，以形成最终的、可交付评估的框架及说明。

（三）修正结果

1.布局的修正

布局方面共做了两处修正，第一，采用“一任务一记录（一个记录即是表格的一行）”解决学习任务各要素容易错乱的问题；第二，将“推荐的学习环境/资源”与“学习进程图谱”两个模块左右并行分布，解决图谱设计阻断教学设计连续性的问题。

2.学习目标修正

学习目标方面将“习得”“理解”“迁移”三层细化目标修为“水平1：习得知能”，“水平2：理解意义”，“水平3：迁移应用”，并分别补充说明“能够知道（知是何Know-What）”“能够执行（知如何Know-How）”“能够理解（知洞见KnowInsight）”“使用所学可独立地解决（知何为KnowActions）”，以精准引导教师设计正确的深度学习目标。

3.评估、环境与资源的修正

这方面出现的所有问题，如评估标准缺少等级水平、推荐的资源没有指明出处等，均是由于相应的界定/说明缺失导致，对此，新版本做了对应的补充。

4.任务要求与表征的修正

此处做了三处修正，第一，去掉了令人费解的选择性必做符号“「」”；第二，补充了两个原则，以解决由于逆向设计策略导致不同任务间容易相互“粘连”的问题（这会大幅降低学习进程的灵活性）：（1）不将其他任务的主题、情境、行为、要求作为本任务的前提条件，（2）不使用承上启下的过渡性词汇与短句；第三，补充如下所示图例，以解决教师只从一个思考维度设计反思任务的问题（这也会大幅降低学习进程的灵活性）。

如下页图2所示，假如曲线表示某位同学的学习路径，每个序号均是一个学习任务，其中（4）（7）是关于“吨”概念的反思任务，（10）（12）是关于“速度”概念的反思任务。当学生均按照自己喜欢的顺序学习时，路线中的序号顺序就会变得各不相同。但（4）（7）的存在，使得学生无论按照何种顺序学习，都会回到对“吨”概念的反思。所以，反思任务可以让无序的学习变成迭代学习的顺序，可以发现这种任务至少要两个以上才可以，并且这些任务需要散落在不同地方，以减少学生一次性完成所有反思任务的可能。另外，（4）与（7）应该提供不同的思考维度，如“1吨=__kg”和“如果一袋大米50斤，那么1吨=__多少袋大米”，否则，后做的反思任务不会引起学生新的思考与认识。

容易发现，如果想让无序的学习进程对教师而言显得更有序，多思考维度的反思任务就应该更多[学习进程灵活性的重要表现手段]。

5.学习指引、进程图谱的修正

学习指引方面出现的所有问题，如在指引处直接给出了任务答案，均是由于界定/说明缺失所致，对此增补了响应说明。进程图谱方面，鉴于教师反映任务的坐标位置已经能够凸显出各个任务的难度分布，因此去掉了绘制各类任务区域设计任务。修正后的FDL支架设计工具核心模块如表5所示。

（四）質量报告

FDL支架设计工具共经历了1次大修、5次微修。11名教师对最终本版的评估表明，此工具具备的良好相关性、一致性、实用性和有效性。具体如下。

1.相关性评估

相关性的平均得分4.45（标准误.137）、标准差.45，表明FDL支架设计工具具有良好的内容效度，能够很好地体现灵活深度学习的理念。

指导教师设计灵活深度学习支架方面，教师认为“设计工具的说明清晰、明确，能够让我清楚知道每一步如何设计，“需要设计到什么程度”，这表明设计工具具有良好的可操作性，不过，“教师需要多次练习才能熟练掌握设计工具的使用”。

促进学生灵活学习方面，教师认为设计工具“能够为学生提供较大的灵活学习的机会”，“让学生能够按照自己喜欢的顺序或学力学习”，“并能引导他们逐步掌握与运用知能”，但老师依然担忧“学生的自主能力有限，太多的选择会影响课堂教学效率”。

促进教师灵活教学方面，教师认为“设计工具对促进灵活地教学很有帮助，并且运用灵活”，“学习任务具有较强的操作性，能够为学习提供较好的支持，我会比较放心让学生自主学习、合作探究”，不过，“需要教师透彻理解教学内容、熟练运用教学策略”。

2.一致性评估

一致性平均得分4.64（标准误.152）、标准差.50，表明FDL支架设计工具具有良好的结构效度，即有很好的设计逻辑。

这方面，教师的反馈基本一致：“设计工具提供了良好的框架”，“设计流程完整、连贯、简洁”，特别是“学习进程图谱，它能够让教师和学生对任务分布和学习过程有一个整体把握”。不过，“这种学习支架会使得课堂流程稍显繁琐”。

3.实用性评估

实用性平均得分4.28（标准误.195）、标准差.65，表明理论上讲FDL支架设计工具能够很好地应用到智慧课堂环境的教学中。

教师认为，“设计工具能够很好地体现智慧课堂的学习活动”，甚至有教师反馈“设计工具完美地匹配了我校的智慧課堂”，不过这种实用性是受智慧课堂环境水平影响的：“我校的智慧课堂个别功能繁琐，会影响设计工具的实用性”。

4.有效性评估

有效性平均得分4.36（标准误.152）、标准差.50，表明理论上讲，FDL支架设计工具能够很好地促进学生深度学习。

教师认为，“设计工具注重绩效评估、挑战任务和真实任务的设计，这有助于促进学生高阶能力的发展”，并且还在“提供自主学习、个性化学习、探究学习的机会”的同时“注重引导学生走向成功”。另外，“反思任务为学生提供了多任务多角度地反复思考的机会，这能有效让学生深度理解知识，促进迁移应用”。

总体而言，“设计工具有良好的操作性，有助于将灵活深度学习的理念落实到课程中”，“使用这样的设计工具，我会比较有信心实现深度学习的教学目标”。不过，有教师也认为“设计工具是否适用于所有科目有待商榷”，并且，教师们“需要多次练习使用，才能将它的优势发挥出来”。

七、结语

本研究基于灵活深度学习理念，按照教育设计研究的方法与流程研制了一种FDL支架设计工具。该工具能够有效指导教师为学生设计学习支架，以护航其在智慧课堂中灵活地深度学习。经过多轮迭代与修正，FDL支架设计工具具备了良好的相关性、一致性、实用性和有效性，达到了交付使用的基本条件，后续，本研究团队将会将此工具投用于智慧教育实验校中，进行实际效用的探索，并研发聚焦具体学科的设计工具与案例。

参考文献：

[1][5] 彭红超，祝智庭.深度学习研究：发展脉络与瓶颈[J].现代远程教育研究，2020，32（1）：41-50.

[2][10] 彭红超，祝智庭.学习架构：深度学习灵活性表达[J].电化教育研究，2020，（2）：17-24.

[3] 彭红超，祝智庭.面向智慧课堂的灵活深度学习设计框架研制[J].现代远程教育研究，2021，33（1）：38-48.

[4] Marton F， S lj R.On qualitative differences in learning： I-Outcome and process [J].British journal of educational psychology，1976，46（1）：4-11.

[6][20] Green G P，Bean J C，et al.Deep learning in intermediate microeconomics：Using scaffolding assignments to teach theory and promote transfer [J].The Journal of Economic Education，2013，44（2）：142-157.

[7] Griffith B A，Frieden G.Facilitating reflective thinking in counselor education [J].Counselor Education and Supervision，2000，40（2）：82-93.

[8] 曾明星，吴吉林等.深度学习演进机理及人工智能赋能[J].中国电化教育，2021，（2）：28-35.

[9] 刘儒德.论认知灵活性理论[J].北京师范大学学报（社会科学版），1999，（5）：61-66.

[11] Harter S.Pleasure derived from optimal challenge and the effects of extrinsic rewards on childrens difficulty choices [J].Child Development，1978，49（3）：788-799.

[12] Garner R，Gillingham M G，et al.S.Effects ofseductive details on macroprocessing and microprocessing in adults and children [J]. Cognition and instruction，1989，6（1）：41-57.

[13] Mctighe J.How Can Educators Design Authentic Performance Tasks （Part 3） [EB/OL].https：//blog.performancetask.com/howcan-educators-designauthentic-performance-tasks-part-3-5817561ae422，2021-05-22.

[14] Darling-Hammond L，Herman J，et al.Criteria for high-quality assessment [M].Stanford：Stanford Center for Opportunity Policy in Education，2013.

[15] 祝智庭，韩中美等.教育人工智能（eAI）：人本人工智能的新范式[J].电化教育研究，2021，42（1）：5-15.

[16] 彭红超，祝智庭.人机协同的数据智慧机制：智慧教育的数据价值炼金术[J].开放教育研究，2018，24（2）：41-50.

[17] 刘江.逻辑学：推理和论证[M].广州：华南理工大学出版社，2004.

[18] Tawfik A A，Law V，et al.The effect of sustained vs. faded scaffolding on students argumentation in ill-structured problem solving [J]. Computers in Human Behavior，2018，（87）：436-449.

[19] Wiggins G，Wiggins G P，Mctighe J.Understanding by Design（2nd ed） [M].Alexandria：Association for Supervision and Curriculum Development，2005.

[21] Plomp T，Nieveen N.An introduction to educational design research[A].Plomp T，Nieveen N.Proceedings of the seminar conducted at the East China Normal University，Shanghai （PR China） [C]. The Netherlands：SLO·Netherlands institute for curriculum development，2007.93-95.

[22] van den Akker，Branch R M，et al.Design Approaches and Tools in Education and Training [M].The Netherlands：Kluwer Academic Publishers，1999.

[23] [美]維尔斯马，[美]于尔斯.袁振国译.教育研究方法导论（第9版）[M].北京：教育科学出版社，2016.

[24] [美]麦克米伦，[美]舒马赫.曾天山泽.教育研究：基于实证的探究（第7版）[M].北京：教育科学出版社，2013.

[25] 李利，顾卫星等.混合学习中大学生教学情境感知对深度学习的影响研究[J].中国电化教育，2019，（9）：121-127.

[26] 周文叶，陈铭洲.指向深度学习的表现性评价——访斯坦福大学评价、学习与公平中心主任Ray Pecheone教授[J].全球教育展望，2017，46（07）：5-11.

[27] 彭红超，祝智庭.以测辅学：智慧教育境域中精准教学的核心机制[J].电化教育研究，2017，（3）：94-103.

[28] Johnson C，Hill L，et al.Using Design-Based Research to Develop Meaningful Online Discussions in Undergraduate Field Experience Courses [J].International Review of Research in Open and Distributed Learning，2017，18（6）：36-53.

[29] 李洪修，李美莹.基于虚拟现实环境的深度学习模型构建[J].中国电化教育，2019，（9）：68-73.

[30] Schmidt-Weigand F，Scheiter K.The role of spatial descriptions in learning from multimedia [J].Computers in Human Behavior，2011，27（1）：22-28.

[31] Mayer R E.Multimedia learning（2nd ed） [M].New York：Cambridge University Press，2009.

作者简介：

彭红超：助理研究员，博士，研究方向为多模态支持的教师发展专业化、技术赋能的智慧学习生态、精准教学、深度学习、数据智慧。

祝智庭：教授，博士，博士生导师，研究方向为教育信息化系统架构与技术标准、信息化促进教学变革与创新、技术使能的智慧教育、教育数字化转型、面向信息化的教师能力发展、技术文化。

A Design Research on the Scaffolds of Flexible Deep Learning for Smart Classroom

Peng Hongchao， Zhu Zhiting

（School of Open Learning and Education， East China Normal University， Shanghai 200062）

Abstract： Students flexible deep learning in a smart classroom needs the escort of learning scaffolds. In this regard， focused on the four major characteristics of deep learning a） deeply involved in learning， b） adopting advanced learning strategies， c） focusing on the development of high-level knowledge and abilities， and d） based on understanding and pursuing transfer）， based on the flexibility of the four core elements of learning and teaching（learning task， activity， path， decision-making）， and adopt educational design research methods， our efforts were made to develop a tool for guiding teachers to design deep learning scaffolds. The tool includes a six-part design solution for these kinds of scaffolds. It can provide students with three levels of goal navigation： “acquiring knowledge and skills”， “understanding the meaning of what learning” and “transferring and applying what learned”. It can visualize the distribution of the difficulty of tasks and the process/route of learning. It also can present flexible and supportive learning tasks to students. After 12 months of trial and feedback from teachers and six iteration revisions， the tool we developed is proved to meet the deliverable quality requirement， which is confirmed by the evaluation of 11 excellent teachers. It is hoped that this tool can provide valuable solutions and references for teachers to design high-quality learning scaffold and effectively escort students deep learning.

Keywords： smart classroom； deep learning； learning scaffold； learning architecture； flexibility

责任编辑：宋灵青