在数字世界中学习：能力需求与过程本质

[摘 要] 在数字技术教育利用率上升、数字化学习常态化、数字素养成为一种关键能力的教育数字化转型背景下，未来学习数字化成为必然趋势。PISA（2025）《在数字世界中学习测评框架》明确了“在数字世界中学习”的定义，基于社会建构学习观聚焦学生运用计算化工具进行问题解决和自我调节学习过程，构建了“一外一内、两主六小”的能力模型，提出了反映学习过程本质的“四阶段”任务模型，开发了展现“数据驱动”过程性、“学生档案”综合性为代表的证据模型。PISA（2025）《在数字世界中学习测评框架》展现出交互式建模、复杂能力导向、重视过程性评估、揭示学习过程本质等特点，将对培养和评价学生数字化学习能力产生巨大影响，借鉴其理念经验，有助于推进和完善我国青少年学习的数字化转型。

[关键词] 在数字世界中学习； 教育测评； 数字素养； 问题解决； PISA

[中图分类号] G434 [文献标志码] A

[作者简介] 首新（1987—），男，重庆人。副教授，博士，主要从事科学学习测评研究。E-mail：346532216@qq.com。谭舒予为通信作者，E-mail：615769503@qq.com。

一、引 言

随着全球数字化进程不断加快，教育数字化成为必然趋势，但数字技术本身并不能保证有效且深入的学习效果，起关键作用的是学生面对数字环境时应具备的在数字世界中学习（Learning in the Digital World，LDW）的能力。相应的，面向数字学习的评估成为教育评价的重要方向。在此背景下，经济合作与发展组织主导的国际学生评估项目（Programme for International Student Assessment，PISA）发布《PISA（2025）在数字世界中学习测评框架》（简称PISA（2025）LDW测评），拟在2025年评估15岁青少年在数字世界中学习的能力。本研究以此框架分析其LDW测评过程，以期为我国基础教育学习数字化转型提供参考。

二、背景：在数字世界中学习已成为时代特征

（一）数字技术教育利用率上升

得益于以大数据、云计算、人工智能等为代表的数字技术的快速发展，教育数字化转型中对数字技术的重视度不断增强，数字技术教育利用率也不断上升。早在2002年，欧盟就开始关注教育数字化，发布了《电子学习行动计划》（The E-learning Action Plan），提倡借助信息技术为学习者提供高效、便捷的学习方式[1]。近10年，各国逐步调整教育政策，全面推进教育数字化转型，数字技术教育利用率达到空前时期，如美国在2017年发布了第5轮《国家教育技术计划》，建设理念从“迎接技术素养的挑战”转向“重塑技术在教育中的角色”，多角度与时俱进地实现信息技术融入教育[2]。数字技术的教育运用强化了教育信息化设施建设，利用新技术和新方法评估学习者在数字化学习环境中的适应性、表现力等也成为新的评价视角。

（二）数字化学习常态化

数字技术正在从根本上改变学习方式[3]，一方面，数字技术为学习者提供了极大的自主权，塑造了学习者与学习资源互动的新方式，深刻影响着人们理解现实世界的方式；另一方面，数字技术将科学探究数字化、虚拟化、类情境化，实现了既注重学习效率又关注真实情境问题解决的教育目标。在数字化学习中，计算化工具（Computational Tools）成为学习者建构新想法、寻找新思路的有效形式，学习者可以运用计算化工具不断完善模型、程序等进而迭代形成最佳问题解决方案，这从根本上扩展了学习者探索、试验新想法的方式。反过来，计算化工具又为创设更积极且真实的学习体验提供了切实可行的媒介。因此，利用数字技术促进学习和进行问题解决成为学习者未来参与社会事务、解决日常生活问题的必备技能。目前，随着数字化学习的常态化，随之而产生的数字化学习管理、自我调节等问题得到关注，这也成为PISA（2015）LDW 测评的一个重要方面。

（三）数字素养成为一种关键能力

善于运用计算化工具建模、分析数据，逐步形成计算思维，进而作出正确的决策，是学习者具备数字素养的行为表现。目前，数字素养的内涵已不局限于数字环境中的知识和经验，还包括随着数字化学习环境而产生的大量复杂技能、情感和价值观。数字素养也从强调理解信息、运用信息、预测信息转向关注数字化环境中的复杂认知、学习调节和价值观。特别是当前从出生就与网络信息紧密联系的数字原住民学习者，其应用数字媒体、整合数字资源进行学习的能力对其未来成为合格数字公民的影响极为重要。目前，在线学习、混合式学习已成为新常态，学习者必须具备相关数字化学习的知识、技能和端正态度，即具备良好的数字素养，以支持未来在更为复杂的数字环境中终身学习。

三、理论发展：数字世界中学习映射

学习过程本质

（一）社会建构学习观下的数字化学习

社会建构主义主张学习是一个高度情境化的过程，强调社会背景和互动在学习中的重要性。数字化学习环境为社会建构学习提供了新的场景，当技术允许学习者构建和操纵计算机化人工模型（Computational Artefacts）时，主动、互动、合作学习便在数字化环境中发生了。通过在数字环境中进行建模学习和使用模拟工具进行情境学习，学习者能够在更大规模、更多样的时间线上处理数据，创作出反映新知识的实体模型，从而更深入地理解和掌握新知识。PISA认为，技术学习（Learning through ICT）带来了全新的学习方式，充分体现了社会建构学习所强调的积极、能动和参与式学习体验。在技术增强的数字化学习环境中，数字技术还扮演了类似于“更有知识的（More Knowledgeable）”同伴，可以逐步帮助学习者推进问题解决、重拾信心。因此，技术可以增强以学生为中心的探究，包容学生在探究过程中的错误，也在迭代中不断反思和完善，促进学生逐渐成长为独立的、具有自我调节学习品质的学习者[4]。

（二）PISA对数字世界中学习的定义

基于社会建构学习理论和上述对数字化学习特征的描述，PISA将“在数字世界中学习”定义为：使用计算化工具并实践，进行知识构建和问题解决的迭代和自我调节学习过程的能力[4]。从其定义可以发现，PISA（2025）LDW测评旨在展现学生利用计算化工具进行知识构建和解决实际问题的过程中，自我调节学习能力的水平，以及在处理问题过程中灵活应对新信息和变化的能力。第一，强调了数字化问题解决不是简单地将现有知识复制到不熟悉的问题环境中，而是利用计算化工具发展自己的知识以达到特定目标的过程。在PISA（2025）LDW测评中，学生需充分运用外部资源提供的工具和机会，使新学到的知识融入自身的知识体系。第二，凸显了数字化学习中自我调节的重要性，要求学习者面临不熟悉的数字化环境时，积极投入其中参与学习。第三，重视通过数字化建模来让学习者构建新知识，并运用知识，预测模型中变量的演变趋向，或者实现模型的自动化。

四、能力创新：“一外一内、两主六小”的

能力模型

OECD专家组将LDW解构为两方面能力，分别是计算机化问题解决实践，即将计算思维与探究学习协同起来，使用计算化工具探索实践，运用计算思维解决问题的能力；自我调节学习，即对数字化学习过程认知、表现、参与度、动机和情感等进行监测、调整和评估，有效管理自己学习过程的能力。为了便于指导测评，将“计算机化问题解决实践”进一步细化为“实施实验”“分析数据”和“建构和调试计算机化人工模型”三个子维度，“自我调节学习”则进一步细化为“监控进展并调整”“评估表现”和“保持动机和任务参与度”三个子维度，由此形成“一外一内、两主六小”的PISA（2025）LDW能力模型（如图1所示）。内部核心部分是计算机化问题解决实践过程，主要与认知相关，可用测试题评估；外部包裹部分是自我调节学习过程，主要与情意、态度、意志等非认知因素相关，一般可用描述性方式分析。该模型为测评规划、测试维度选择、测试题研制以及评分标准制定提供了理论依据。

注：计算机化问题解决实践采用表现性评估；自我调节学习过程采用偏描述性评估（非表现性评估）。

图1 PISA（2025）LDW能力模型

（一）为何提出“计算机化问题解决实践”作为“一外”认知能力

“计算机化问题解决实践（ Computational Problem-solving Practices）”是PISA（2025）LDW测评提出的全新概念，通过评估学生能够在多大程度上使用计算化工具探索系统、表达想法、构建一个可由计算机执行的问题解决方案，从而展现其计算机化问题解决能力。“计算机化问题解决实践”以科学探究为表现形式，以计算思维为内核，通过运用计算化工具，学习者可以将新想法转化为计算机系统能够理解的有形形式，建立可视化外部模型和问题解决方案[6]。

计算机化问题解决实践包括三个子维度（实施实验、分析数据、建构和调试计算机化人工模型）。实施实验、分析数据子维度与传统探究过程无异，只不过前者更强调运用计算化工具开展实验和数据分析，体现了计算思维的有形过程。PISA（2025）LDW测评最大的创新是提出“建构和调试计算机化人工模型”。将想法转化为可由计算机执行的指令是计算思维的核心，也是数字化问题解决的基本要求[7]。这一建模过程涉及对具体问题的计算机化重构，即将问题转化成适合计算的、模块化的、能进行独立测试的增量开发过程[8]。为了精准指导评估，PISA进一步归纳出建构和调试计算机化人工模型的5个行为表现：识别子目标并独立解决各部分问题，以相同的计算过程识别/发现重复性的模式，使用控制流结构（如重复和条件语句）实现具有概括性的问题解决序列，创建某系统的抽象表示模型并由计算机执行，能调整、调试算法和计算模型。

（二）“自我调节学习”作为“一内”非认知能力

由于数字环境的开放性、多元化和去中心化，潜存大量非结构化信息，探索变得更为复杂，分散注意力的机会也增多，因此，自我调节学习的重要性不可忽视。但学生常常缺乏对探究学习所需元认知的理解[9]，因此，PISA（2025）LDW测评关注学生是否有目的地进行行动，能否通过寻找并解释来自环境的反馈来识别和纠正错误理解。

自我调节学习包括三个子维度（监控进展并调整、评估表现、保持动机和任务参与度），其含义与传统学习过程基本无异，但由于其处于数字化情境下、置于计算化工具运用中而具有新的特征。第一，“监控进展并调整”是指监控自身对问题的理解并识别知识差距，系统地测试、调试计算机化人工模型，能根据学习环境的反馈及时采取相应行动。第二，“评估表现”包含两个方面，一方面是评估自身学习进展，另一方面是评估学习过程中所建立的计算机化人工模型的质量。第三，“保持动机和任务参与度”体现在三个方面：避免长时间不参与学习或者盲目学习；收到计算机负面反馈后不放弃，努力适应、改进数字学习中的计算机化人工模型；经历负面情感状态（如沮丧、无聊），能及时自我调整。

五、内容创新：反映学习过程本质的任务模型

PISA（2025）LDW测评建立了两类任务模型，一类是创建数字学习环境的通用模型，另一类是为反映学习过程本质的任务模型。

（一）在通用层面构建数字化学习物理环境

所谓通用，即为完成所有测试任务所架构的计算机环境。PISA建立了操作计算化工具的工作空间（Computational Tools and A Workspace），学生在此可运用计算化工具（如模块化编程工具、概念图构建器、流程图工具、模拟化系统）执行相关计算化处理。一方面，计算化工具可以帮助被测者在缺乏相关知识的情况下也能进行直观学习（如拖动式模块编程）。另一方面，计算化工具可用于生成数据来验证假设、作出预测，或者控制模拟系统发展。每个计算化工具都能帮助学生构建一个可执行的计算机化人工模型，促进学生以数字化的呈现方式理解现象或解决问题。计算机环境还可记录人机交互“事件”（PISA称之为事件数据模型，Event Data Models），如任务时间、试题完成度、资源使用情况、模型使用/编辑/添加情况等。交互“事件”中生成的过程数据也是任务模型的一部分，用于收集证据规则规定的所有相关信息。

（二）在单元层面凝练四阶段，反映学习过程本质

单元层面即具体的LDW测试任务，PISA单元任务设置了不同的计算化工具，但每个单元任务均包括四个相同阶段，贯通整个任务过程，如图2所示。

图2 PISA（2025）LDW测评单元任务四个阶段

阶段一是介绍（Intro）+展示（Show），用于精确地评估学生先验知识。其主要目的，一是通过展示已有知识水平，评估学生通过任务学习获得的知识量；二是激发后续交互式测验所需的关键概念和技能。

阶段二是学习（Learn），学生通过嵌入式教程，开展交互式、支架式的任务学习，获得新知识或明确变量之间的关系。此阶段包含多项交互性、开放性、互动性的学习任务。虚拟人物KIM引导学生熟悉操作环境之后，学生将使用计算化工具完成3～4个开放式任务。完成任务过程也是学习过程，学生将学习、理解并掌握单元任务背景下的关键概念和技能，为应用阶段做好准备。

阶段三是应用（Apply），此阶段要求学生将上一阶段所学概念和技能应用到一个扩展的、开放的新任务情境中。PISA进一步指出，精心研制的单元任务具有“低地板（Low Floors）”“高天花板（High Ceilings）”特征，形成了较大试题空间，计算机代理的支架式帮助和提示一直伴随测验过程，所有学生都能在应用阶段取得一定的进展。

阶段四是反思（Reflect），此时学生已完成认知任务，系统设置了自评问卷，学生需要如实回答他们在任务中的表现、努力程度、情感投入等，收集自我调节学习过程证据。值得注意的是，不仅仅是在反思阶段，从学习阶段开始，每完成一个任务，界面都会弹出对话框，询问学生任务完成情况，学生选择之后，可以查看自我解决方案与标准答案异同，从而进行比较。

可见，四个阶段体现了“学生基于已有知识经验，运用一系列资源和数字化模型来学习新知识，然后运用所学新知识解决新情境中的类似问题”这一过程，反映出学习过程本质。同时，学生还将收到学习反馈，以便于他们监控、调整学习过程。在这种开放式学习环境下，学生不仅要学以致用，正确完成认知任务，还要时刻监控、调节和评估自己在每个序列任务上的进展，调整在四个阶段任务上的投入，制定解决复杂问题的策略。

六、结果创新：展现在数字世界学习过程的

证据模型

捕捉过程是PISA（2025）LDW测评的又一创新。为获取测试过程和结果数据，PISA制定了详尽的证据规则，由此构成了证据模型，既可以描述学生作答反应（如作答时间、点击次数等），还可以监测学生答题过程（如分析数据、调试模型等），形成能力评估的多维信息。基于证据模型，PISA创新了结果报告形式，针对“计算机化问题解决实践”能力，PISA将依据成绩水平，仍采用传统形式进行报告；针对“自我调节学习”能力，PISA将开发“档案（Profiles）”进行报告，档案数据来自测验过程的学生自我调节学习信息。

（一）摘取计算机化问题解决实践过程证据以反映认知能力

评估计算机化问题解决实践能力的证据来自任务完成度以及学生所构建的计算化模型适配度。PISA采用部分评分方法建立规则对任务完成度进行评分，即在没有完成任务的情况下，只要学生能朝着问题解决的方向努力，也会获得部分分数。建立部分评分指标可将能力模型的各个方面映射为不同水平，形成具有进阶性、过程性的立体能力维度，进而精准诊断学生计算化问题解决过程及其对相关概念的理解和运用情况。

因任务情境和计算化工具的差异，单元任务的证据规则也不同。PISA列举了“模块化编程”案例，该案例要求学生编程，让小乌龟将网格四周的石块放置到网格中央。并非完成该任务就能获得满分，或者未完成任务就不给分，只有学生拖动语句模块后，正确使用“while”循环语句和“functions”重复函数，且实现了目标，才能获得满分。若未能完成任务，但正确使用了“while”和“functions”语句，或者即使实现了目标，但未正确使用“while”和“functions”语句，都将只获得部分分数。

（二）生成自我调节学习档案以反映非认知能力

评估自我调节学习过程的证据规则包括两类，一类是能力模型中的自我调节学习指标，另一类是单元任务中的投入度。两类指标结合了理论驱动和数据驱动的方法。例如，针对“监控和调整”指标，理论假设学生完成任务后能花一定时间检查，不正确的话能及时作出调整，那就证明其有较好监控和调整能力。因此，在每个任务结束时，学生有机会将其结果与标准答案（一般是虚拟代理或专家的解决方案）比较，并以比较时长（是否超过20秒）来判定监控过程。同时，PISA也指出，这些基于理论的证据规则仍需要广泛验证，因为过程信息并不像结果数据那么直截了当地反映能力水平，如学生不操作时，很难区分出其是在反思还是由于某种原因脱离了任务（即并没有反思或者学习）。因此，PISA还会采用序列挖掘、回归分析、动态贝叶斯网络模型等数据驱动方法分析自我调节学习的过程信息。

最终，PISA会合并两类证据，据此建立多类表征学生不同自我调节学习水平的“学生档案”，用这一报告形式更好地阐明过程信息。“学生档案”实际上代表了不同类别的自我调节学习者，如“积极的学习者（Engaged Learners）”档案中的学生能够有效使用学习资源，根据计算机反馈采取正确行动；若学生没有执行符合逻辑的操作，问题解决进展缓慢，那么其可能被归类为“困惑的猜测者（Confused Guessers）”档案中。

七、案例创新：从学习过程四阶段评估

“一外一内”两能力

PISA提供了名为“保护（Conservation）”的LDW测试单元样题[10]，围绕“介绍＋展示—学习—应用—反思”四个阶段说明了单元任务的一般顺序和任务类型。样题创设的情境是学生通过构建计算化模型来学习海洋生态系统中几种动物之间的生存关系，并运用所学新知识预测另外一些动植物之间的关系。样题内容与学习过程四个阶段的对应关系，如图3所示。在“介绍+展示”阶段，样题设置了5个有关动物关系的前测项目，考查其阅读和理解图表的能力，基于数据的推断、预测能力。这个阶段中学生无法获得学习资源或反馈。在“学习”阶段，设置了3个任务，学生必须学习如何将“海龟—鲨鱼”种群报告中的信息整合到计算化模型中运行并展示结果，学会解释基于模型生成的可视化信息，并进行多次模拟试验，直到模拟结果与真实数据模型一致或达到某一目标。学生不知如何操作时，还可以点击页面右上角“示例”，查看相似任务的解决方案，以支持和推进问题解决进程。在“应用”阶段，共2个任务，与计算机化问题解决实践能力三个维度对应。任务1是对“学习阶段”所学知识的运用，任务2引入新变量“鲷鱼捕捞率”，学生必须正确地将变量“鲷鱼捕捞率”添加到模型中（“建构和调试计算机化人工模型”），测试不同的捕捞率（“进行实验”）对珊瑚生存的间接影响，根据多次模拟结果确定为保证珊瑚种群生存的鲷鱼最大捕捞率（“分析数据”）。在“反思”阶段，会呈现一些简短的自我评估题目，题目具有通用性，反映对测评任务过程的自我反思、调节、监控等。

图3 样题“保护（Conservation）”单元任务框架

八、测评特征：从LDW媒介依托到学习过程

本质揭示

（一）基于数字化建模创建计算机交互式测试环境

PISA（2025）LDW测评单元任务均镶嵌于含有丰富学习资源和试错空间的数字化环境中，学生需在此环境中运用计算化工具进行学习，然后回答相关问题。PISA在2015年便关注计算机交互式协作问题解决，被测者通过与2～3名虚拟代理的对话内容来表征个体的协作问题解决能力。PISA（2025）LDW测评创设了丰富的数字化环境，学生不仅要学习如何使用计算化工具，还要学会运用计算化工具创建复杂的计算机模型或通过模拟来收集和分析数据，其所述问题解决过程已与计算机环境完全契合在一起，称之为计算机化问题解决实践，这是对信息技术、虚拟现实、智慧教育等逐步渗入日常生活和学习的积极回应。借助计算化工具开展探究实践，不仅能模拟复杂现象，亦可进行现实生活中无法实现的实验[11]，充分体现了数字学习环境的优越性。以计算化工具为媒介、计算思维为核心、建模模拟为路径的探究已成为学习与测评的新样态。

（二）建构明晰的能力模型支持复杂能力评估

测评学生在数字世界中的学习过程是教育测评的新兴主题，既要考虑运用计算机如何测，又要凸显计算化工具的使用，还要揭示学习过程的特征（如应用/迁移）。在数字世界中学习的能力既涉及计算思维、ICT素养、计算机使用熟悉度等，又涵盖传统问题解决能力、学习策略、元认知等，是一种多元、繁复、难测量的能力。OECD专家组通过多轮论证将青少年在数字世界中学习过程解构为两大能力组块，同时根据计算化工具的差异将单元任务设计成不同类别（如模拟、编程等），建立了明晰、可操作的能力模型。这虽不能全面考虑数字世界中学习所触及的能力要素，却能为后续编制测试题、制定评分标准提供理论依据和操作标准，实现新情境、新形势下对复杂技能的测评。PISA也指出，虽然“检索和评估在线信息的能力”是数字化学习的重要方面，但PISA（2025）LDW测评将不会衡量这一能力，而是将测评重点放在运用计算化工具进行科学探究和问题解决实践、自我调节学习两个方面。这种取舍得当、明晰适用的能力模型具有较强的指导性和操作性，让单元任务指向明确，提高了测试题的靶向性和准确度。

（三）整合数字化环境，开发学习过程测评新范式

问题解决和自我调节学习都是教育心理学领域经典概念。数字化环境中的问题解决需要学习者运用计算化工具，将想法或方案转化为有形的计算形式。这些运用计算化工具生成的有形形式能够解释学生在问题解决过程中处于何种阶段以及问题解决程度，计算机化问题解决是一种新形式的问题解决。自我调节学习源于班杜拉的研究，在开放的数字环境中，学习总是受到其他资源的影响，大量的数字资源和信息可能会分散学习注意力，学习者需要主动地运用与调控元认知、动机与行为达到学习目标，数字世界中的自我调节学习过程对构建和调试计算化人工模型、解释信息、基于反馈采取措施、纠正错误等至关重要。

由于数字环境的开放性，在数字世界中学习具有复杂多变、交错多维的特点，较难实施既体现字数化环境特征又兼顾学习过程本质的测评。PISA（2025）LDW测评明确给出了“在数字世界中学习”的定义，建立了“一外一内、两主六小”的能力模型，确定了反映学习过程本质的任务模型，针对学习者在数字世界中学习的具体表现，形成证据模型。最终，建立起运用计算化工具进行问题解决和自我调节学习的测评新范式。

（四）采用进阶的方式，展现在数字世界中学习过程本质

PISA（2025）LDW测评试题分四个阶段评估学生计算机化问题解决能力和自我调节学习能力，其中，“介绍+展示”阶段旨在呈现学生已有知识经验；“学习”阶段旨在教会学生使用计算化工具来学习新知识；“应用”阶段注重使用计算化工具和所学新知识解决新情境中的问题；“反思”阶段是让学生回忆学习过程的感受，监测自我调节学习过程。四个阶段充分模拟现实实践中获得知识、理解知识和应用知识的学习过程，这一过程以“学习进阶”思想为基础，倡导知识由浅至深的积累与提升。学习进阶的每一阶段均有期望目标并附有相应挑战，学生经过努力或者基于先前阶段的学习能够完成任务。PISA（2025）LDW测评沿用了上述学习进阶范式，并且还提供了灵活自由的学习空间、伴随式的任务反馈以及实时的进度报告，学生可以基于前一阶段的知识进行学习运用，也可以查阅示例方案或根据反馈及时调整。可见，PISA（2025）LDW测评既抓住了进阶式学习的本质，使得新测评与传统学习理论紧紧契合在一起，又展现了数字化学习的新特征，对传统学习过程测评有了新发展。

九、研究启示

可以预见，PISA（2025）LDW测评将在世界范围内对教育测评、教学改革、数字化学习产生重要影响，将引领新一轮教育数字化变革趋向，其对我国基础教育数字化学习与评价改革提供了诸多启示。

第一，超越课堂知识，推进计算机化问题解决能力的培养。超越知识，发展能力是素养导向的教育。PISA一直坚持素养导向的测评，在数字世界中学习的能力是数字化背景下核心素养的新表现形式。问题解决能力在PISA（2025）LDW测评中以一种新形式呈现，学生需要运用计算化工具建构/调试计算机化人工模型进行问题解决，由于测试单元任务是进阶性的，且涉及多个内容领域，反映出数字化环境下多学科问题解决的需求。因此，我国基础教育除了聚焦学生形成学科知识结构，还要充分利用数字化媒介开展计算机化问题解决学习，持续推进整合性教学，让学生既有数字化学习熟悉度，又学会整合不同学科知识进行问题解决，以适应未来社会计算机化问题解决的要求。

第二，重视问题解决过程的非认知能力，促进对学习过程的监控和调节。一直以来，PISA试图更为真实地展现认知与非认知能力共同作用于情境测试过程，且越来越关注非认知能力在整个问题解决过程中的作用。PISA（2025）LDW测评所关注的“自我调节学习”是一种面对复杂情境的重要非认知能力，能促进学生保持动机和参与度，增强学习效率和准确性。但有研究显示，我国学生更倾向于充当任务的“执行者”，不太重视对自身学习过程的监控与反思[12]。因此，我国基础教育在强调认知过程中使用科学方法、应用科学思维进行学习时，还应嵌入对学习过程的调节、阶段反思，提升能动参与度，有意识地强化非认知能力的培养。

第三，联合数字化和情境化，发展高阶复杂能力。随着教育与信息技术的不断融合，在数字世界中学习成为与现实世界学习并行且同等重要的形式，虽然二者有所差异，但是学习过程本质是一样的。PISA在定义“在数字世界中学习”时强调使用计算化工具进行知识建构和问题解决，这彰显了其与现实世界学习最大的不同，突出了建模、模拟、迭代的调试与实践。因此，我国基础教育也应更多地开发模拟探究、虚拟实践等具有交互功能的学习资源，实现技术与教学过程融合，形成新的学习方式。技术能增强学习，改变学习，进而重构学习，让观察、实验、推理、计算、测试等过程呈现新的表现形式，发展与真实世界中学习无异的高阶复杂能力。

[参考文献]

[1] EUROPEAN COMMUNITIES. The eLearning Action Plan[EB/OL]. （2021-03-28）[2024-03-01]. https：//eur-lex.europa.eu/LexUriServ/LexUriServ.do？uri=COM：2001：0172：FIN：EN：PDF.

[2] 陈松云，何高大. 新技术推动下的学习愿景和作用——2017《美国国家教育技术计划》及启示[J]. 远程教育杂志，2017，35（6）：21-30.

[3] 祝智庭，胡姣. 教育数字化转型的实践逻辑与发展机遇[J]. 电化教育研究，2022，43（1）：5-15.

[4] TUBIN D. Typology of ICT implementation and technology applications[J]. Computers in the schools， 2006（23）： 85-98.

[5] OECD. PISA 2025 Learning in the digital world framework [EB/OL]. （2023-10-21） [2024-03-07]. https：//www.oecd.org/media/oecdorg/satellitesites/pisa/PISA%202025%20Learning%20in%20the%20Digital%20World%20Assessment%20Framework%20-%20Second%20Draft.pdf.

[6] VALENTE J， BLIKSTEIN P. Maker education： where is the knowledge construction？ [J]. Constructivist foundations， 2019（14）：252-262.

[7] 冯友梅，王昕怡，刘晓蕊，等. 计算思维不是什么：论计算思维的边界及其何以成为信息技术学科的立足之本[J]. 电化教育研究，2023，44（1）：84-90.

[8] WEINTROP D， BEHESHTI E. Defining computational thinking for mathematics and science classrooms[J]. Journal of science education & technology，2016（25）：127-147.

[9] DEDI■ Z. Metacognitive knowledge in relation to inquiry skills and knowledge acquisition within a computer-supported inquiry learning environment[J]. Psychological topics， 2014（23）：115-141.

[10] OECD. PISA 2025 LDW unit conservation （interactive） [EB/OL]. （2023-10-21） [2024-03-14]. https：//conservation.netlify.app/.

[11] 吴斓，董艳，郑娅峰，等. 基于计算机的协作问题解决能力评估研究：问题与建议[J]. 电化教育研究，2022，43（10）：65-71.

[12] 首新，田伟，李健，等. 基于过程数据的人机“虚拟代理”协作问题解决测评研究——以PISA中国四地区为例[J]. 现代教育技术，2023，33（10）：86-97.

Learning in the Digital World： Competency Requirements and Nature of Process

—A Review of PISA （2025） LDW Assessment

SHOU Xin1， ZHANG Mengdie1， TAN Shuyu2， CAI Qiyong2

（1.Science Education Research Center， Chongqing Normal University， Chongqing 401331;

2.Chongqing Academy of Education Science， Chongqing 400015）

[Abstract] In the context of the digital transformation of education， where the utilization of digital technology in education is on the rise， digital learning has become normalized， and digital literacy has become a key competency， the digitalization of learning has become an inevitable trend in the future. The PISA Learning in the Digital World assessment framework has clarified the definition of "learning in the digital world" and focused on students' use of computational tools for problem-solving and self-regulated learning from a social constructivist perspective. It has also constructed a competency model， proposed a "four-stage" task model reflecting the nature of the learning process， and developed an evidence model that presents the "data-driven" process and the comprehensiveness of "student portfolio". The PISA Learning in the Digital World assessment demonstrates the characteristics such as interactive modeling， complex competency orientation， the focus on formative assessment， and the revelation of the nature of learning process， which will have a great impact on the cultivation and assessment of students' digital learning ability. Drawing on its concepts and experience will help to advance and improve the digital transformation of Chinese Adolescent Learning.

[Keywords] Learning in the Digital World; Educational Assessment; Digital Literacy; Problem-solving;PISA

DOI：10.13811/j.cnki.eer.2024.11.016

基金项目：2023年度教育部人文社会科学研究项目“科技自立自强目标下中小学生原始创新素养培育及支持服务体系研究”（项目编号：23YJC880092）