摘要:新时代教育评价改革强调对“教育质量”问题的关注。“教育质量”概念来自多种传统,其模糊性、多样性、复杂性和内在冲突性令其难以有一个综合而统一的定义,但这也意味着其定义的开放性。当前教育质量话语以技术理性、经济学和管理学视角为主导,呈现出生产性、服务性及问责制等突出特征。这一话语有助于在宏观层面对教育系统进行决策与管理,但在诸多方面遮蔽和误解了教育者在实践层面关于“好教育”的理解。这意味着特定视角下的“高质量教育”未必自动就是“好教育”;在新时代教育评价改革背景下二者需走向连接与统一。由于长久以来教育评价体系专注于“可测量的”教育质量,导致人们过分专注于“可测量的”教育,进而忽视其以外的教育,而后者中存在构成“好教育”的重要部分。高质量教育与好教育要走向连接与统一,首先需要超越“可测量的”教育质量观。这为新时代教育评价改革提出了新的课题。
摘要:教育的高质量发展与生成式人工智能的迅猛发展需要人们对人类理解机制与人工智能的赋能性使用进行反思。人的理解有诸多因素起关键作用。观看在原印象、滞留与前摄的共同作用中,通过“视域”使人获得达致理解的“范型”;记忆作为意向性的滞留,使人的认知体系得以建立,其本身就是一种理解;而真正表征理解的表达展现着事物所承载的意谓而非事物的抽象概念解释,并言说“我”与世界的融合。因此,教学实践需要教师以图像还原知识情境,激发学生感性感知的生成;运用“触发”而非“重复”使记忆联结自我、获得稳定;同时,促进学生在对世界的意谓性言说中达致存在性理解。人工智能并非对教育与教师的替代,而是与教师、学生共同处于世界发生一认知发生一教育发生的构成境域中助力“世界一教育”的构成性运动,以人类认知的连续性、综合性与属我性助力理解的达成。由此,人工智能可作为多模态感知增强系统,增强学生具身认知;成为场景生成器,通过时空建构触发新旧内容联结;作为意义对话者,激发学生属我性表达。
摘要:在人工智能迅猛发展的背景下,培养学生的创新能力已成为教育改革的核心议题之一。2021年,我国“双减”政策提出了三项核心措施:减少家庭作业时间、限制校外学科类补习以及要求学校提供课后服务,那么这三项措施对儿童的创新能力发展和学业成绩产生了什么样的影响?对北京市小学生进行两期追踪调查,采用差分和拉索控制变量法(Difference&Lasso-control)的实证估计发现,减少家庭作业时间并提供学校课后服务显著促进了儿童创新能力的发展,同时对其学业成绩也有积极的提升作用,这表明创新能力与学业成绩可同时兼顾。然而,限制校外学科类补习虽然对儿童创新能力的影响不显著,但对低社会经济地位学生的学业表现产生了一定的负面效应。因此,建议继续推进家庭作业减负并优化学校课后服务,同时应关注校外培训机构管控引发的新的教育不公平问题。
摘要:混合学习的重要性日益凸显,在这一背景下,结合学生的学习行为进行成绩预测成为个性化教学指导的必要条件。然而,由于缺乏对混合学习过程数据的充分量化和利用,加之学习行为与成绩之间的非线性关系难以准确挖掘,当前的学生成绩预测模型在预测精度、实用性和可解释性等方面仍然存在诸多不足。本研究结合学生的线上和线下学习过程数据,融合协作学习模式,基于自动化机器学习(AutoML),构建面向混合学习成绩预测的智能模型。验证结果表明,AutoML预测模型在决定系数 (R2) 、均方根误差(RMSE)和平均绝对误差(MAE)三项性能指标上均优于对比模型,相对于传统的机器学习模型实现了最佳的预测精度与泛化能力。引入沙普利加和解释(SHAP),探究了不同变量对成绩预测结果的影响,结果表明:影响学生学习成绩的主要变量包括平时作业成绩、平台登录时长、协作发言质量和讨论参与时长等,先前知识水平和性别对成绩的影响不显著。本研究结果为教师及时掌握学生的学习动态、提供个性化反馈和干预提供了有力支持。
摘要:游戏化学习被认为具有培养小学生计算思维的潜力,但如何帮助学生将游戏内容与计算思维建立联系是目前游戏化教学面临的挑战。本研究以65名小学三年级学生为研究对象,基于计算思维要素设计概念支架,开展了为期6周的准实验研究,探究游戏前预先提供支架和游戏后延迟提供支架对小学生计算思维的影响,关注了不同性别学生计算思维的差异。通过对小学生图画作品进行单因素或双因素方差分析和认知网络分析发现:1)支架提供时机显著影响学生计算思维,且预先提供组总体得分更高,预先提供支架有效促进学生的计算思维,延迟提供组则激发学生迭代探索;2)女生计算思维总体得分显著高于男生,女生倾向于问题分解,男生关注迭代优化;3)支架提供时机和性别对计算思维的影响不具有交互作用。研究结论为游戏化学习中概念支架的设计和运用提供了参考,也为促进计算思维教育中的性别平等提供了见解。
摘要:如何有效评价并提升交互深度是提高在线讨论效果的关键。然而,当前缺乏有关交互深度评价的系统性研究以及可操作的评价方法或工具。本研究围绕“如何科学有效地评价交互深度”这一问题,以在线临场感框架为理论依据,构建了适用于智能化评价的评价模型,并以文本挖掘作为主要技术支撑,综合统计计算、机器学习、深度学习、大语言模型等多种方法,设计了交互行为维度下交互频度、持续度、关联度的统计计算算法,以及交互内容维度下文本语言可读性、话题相关性、情感特征、意义特征的智能计算算法,并开发了相应工具,能够实现实时、自动对单条帖子、个体、小组、群体在不同维度的表现进行相对评价。研究提出的评价方案综合考虑多维指标,且基于智能化技术对在线讨论客观数据进行实时挖掘,实现对交互深度的自动化评价,使评价指向深度学习且走向常态化实践,能够为在线讨论活动的优化提供有效、可行的支持。
摘要:高等学历继续教育是我国人力资本的重要来源,促进了经济增长,但是它对我国经济增长率的贡献究竟是多少,目前缺少相应的实证研究。本研究沿用舒尔茨计算方法,基于柯布—道格拉斯生产函数,计算得出21世纪以来我国高等学历继续教育对经济增长率的贡献比例年均为 3.867% ,也即约1/26的经济增长率是由高等学历继续教育贡献的。其中,高等学历继续教育专科对经济增长率的贡献比例年均为 1.147% ,高等学历继续教育本科对经济增长率的贡献比例年均为 2.720% 。该计算结果存在难以避免的四类偏差。计入这些偏差,2023年高等学历继续教育对经济增长的年度贡献值在3万亿元左右的可能性是存在的。高等学历继续教育对经济增长率贡献较高的一个重要原因是,21世纪以来网络教育的兴起,它获取了互联网时代的数字红利,促进了数字经济。《教育强国建设规划纲要(2024—2035年)》要求建设人人皆学、处处能学、时时可学的学习型社会,发展高等学历继续教育对学习型社会建设具有重要意义。