基于经验学习圈构建AI支持下的教师研修模式

刘清堂 郑欣欣 吴林静 李小娟

[摘   要] 利用人工智能等新技术支持教师队伍发展是教育领域的研究热点。当前，教师教研活动的开展存在评价的客观性、深度性和针对性等问题，直接影响教师培训的质量。如何借助人工智能开展教师研修伴随式数据采集与过程性评价，服务于教师信息化教学能力的提升，成为学界关注的焦点之一。在经验学习圈理论的视角下，构建了AI支持下的教师研修模式（AISTTM），以具體经验获取—反思性观察—抽象概括—积极实践为基本研修环节，借助教研员点评目标达成度、观察教师评价教学表现、专家点评师生行为、主讲教师自评的多维评价方法开展研修活动。基于AISTTM，在宁夏回族自治区某试点学校开展同课异构的教师研修实践活动，证明了AISTTM能够通过循环的研修流程促进教师的专业发展，通过多维评价方法实现对教师的全方位评估。

[关键词] 研修模式; 人工智能; 经验学习圈; 同课异构

[中图分类号] G434            [文献标志码] A

[作者简介] 刘清堂（1969—），男，湖北仙桃人。教授，博士，主要从事智能教育、教师专业发展、学习分析及教育数据挖掘等研究。E-mail：liuqtang@mail.ccnu.edu.cn。郑欣欣为通讯作者，E-mail：2441896238@qq.com。

一、引   言

近年来，我国发布《关于开展人工智能助推教师队伍建设行动试点工作的通知》，强调在教育信息化背景下探索教研测评方式以及教研模式的变革，充分发挥5G、人工智能等新技术的助推作用，创新研修效果的评估方法[1]。

然而，在已有的教师研修活动中，往往将大量的培训资源直接推送给教师，缺乏对实际课堂教学过程的深度剖析和反思，直接影响教师研修培训的效果和质量[2]。为此，研究者聚焦课堂教学，并认为：课堂教学是信息技术与教育教学深度融合的主战场，为教师专业发展提供了丰富的研修资源。然而，课堂教学过程蕴涵的信息往往不能被准确、客观地识别与量化[3]。利用人工智能采集、分析和量化课堂教学信息，可以更为准确、快速、全面地分析师生教学互动过程，挖掘教师教与学生学的深层次联系[4]。如何充分利用人工智能技术分析课堂教学过程，提供客观性、针对性的教学分析数据，建立研修活动过程与课堂教学实践的桥梁，是智能时代教师研修活动的热点和难点。

经验学习圈理论（Experiential Learning Cycle）为破解教师研修过程中所存在的研修质量和效果不佳的问题提供了理论支持，为教师专业发展的持续性改进提供了一个新视角。本文基于经验学习圈理论，提出人工智能技术支持下的教师研修模式（AI-Supported Teacher Training Model，简称AISTTM），并将其用于研修活动中，从实践出发证明其有效性。

二、相关研究

当前教研活动的开展存在评价的客观性、深度性和针对性等问题，是目前教研活动开展的难点，也是广大一线教师、教研员以及管理者的共同诉求。本文梳理了近年来研究者提出的研修评价方法和研修模式，从而在文献综述和实践调研的基础上，创新研修评价方法，变革研修模式。

（一）教师研修评价

关于如何在教师研修中进行评价，很多学者提出了不同的方法。通过文献梳理，总结了两种常见的评价方法：过程性评价、总结性评价。过程性评价是教师提高专业发展水平的重要途径[5]，对研修过程中的情况进行评价，从而不断修正研修的路径，提高研修的效果。周文叶主张表现性评价在研修活动中是必不可少的[6];徐惠仁强调在研修中开展过程性评价，并建构了过程性评价机制[5]。总结性评估是根据研修目标，采用一定的评价方法来评定教研活动的效果。如威斯康辛大学柯克帕特里克提出的柯氏四级培训评估法，是总结性评估的有效工具，为教研活动的开展提供了层次化的评估方法[7]。

过程性评价、总结性评价均运用到了真实性评估的思想。真实性评估聚焦教师的日常工作情境（课堂），反映教师教学和研修的真实水平。真实性评估一般有两种：一种是量化评估，如采用FIAS师生言语交互分析法[8]、S-T行为分析法[9]等对课堂实录进行量化分析;另一种是质性评估，质性评估往往依托于一定的观察量表，如以色列VIDEO-LM（Viewing， Investigating，Discussing Environments of Learning Mathematics）项目中所提出的六棱镜框架[10]，教师专业发展项目TEAMS（Teaching Exploratively for All Mathematics Students）中采用的象限编码系统[11]等。提高教师专业发展要解决如何基于教师工作情境对教师教学进行真实性评估的问题，这就要求评估聚焦到教师的常态化课堂教学[11]。课堂是教育教学改革的主阵地，课堂教学可以直接体现教师的专业能力[12]。因此，对课堂教学进行观察、评价尤为关键。

在课堂观察与智能评价方面，传统的研究方法是现场观课或借助录像观课，利用人工来分析课堂中的师生行为无法进行深入的量化分析。人工智能支持下的课堂观察为解决这一难题提供了契机。刘清堂等构建了课堂教学行为智能分析模型，实现了对课堂录像的自动化计算、分析[13];邵一川等利用深度学习技术采集学生的课堂行为[4];孙众等构建了人工智能支持下的课堂教学分析框架[14]。当前人工智能技术主要应用于讲授、测验和练习等教学环节，而在教学评价、教学决策、教师研修等场景应用较少，因此，本研究在人工智能支持下，对课堂教学进行多元化分析，探索教与学的深层次联系，利用人工智能辅助教师进行研修。

（二）教师研修模式

国内外研究者开发了一些用来指导教师进行教学或研修的理论模型。Mishra和Koehler于2005年提出TPACK框架，强调了信息时代教师的知识结构[15]。王其云等于2008年提出PST（Pedagogy，Social Interaction，Technology）模型[16]，认为教学活动的设计关键在于教学法、社会性交互和信息技术。同年，Radcliffe提出PST（Pedagogy，Space，Technology）框架[17]，强调教学过程中要注重信息技术、教学法和学习空间三者的相互作用。张屹等提出APT（Assessment，Pedagogy，Technology）模型，提倡用多种评价方式对学生进行评估[18]。以上四个模型均注重评价、教学法以及信息技术等要素，侧重点、用途不尽相同。TPACK框架和APT模型多用于评价，TPACK框架侧重于评价教师的教学能力，而APT教学模型的目的是对学生进行评价，而非教师。教学法—社会交互—技术（PST）模型侧重于指导教师的教学活动，而教学法—空间—技术（PST）框架则侧重指导教师对学习空间的设计。

除了理论模型之外，实践领域也涌现出很多研修模式和实践案例。赵呈领等设计了基于五要素的混合式研修模式，该模式以线上线下平台为基础，以研修课程、研修活动为核心，将研修评估和研修管理贯穿研修的全过程[19]。徐晓东提出专家引领下现象为本的课例研修模式，论证了专家引领下教师研修新模式的有效性[20]，对本文构建AISTTM有借鉴意义。以上研修模式均注重研修的評价、专家的参与等要素，强调线上线下相结合的研修，为本研究提供了借鉴意义。然而，尚需要在评估维度体现信息技术的支持作用，在研修中关注师生的课堂行为。冯晓英等提出信息化环境下的教师培训NEI模式[21]，利用信息技术打造虚拟研修空间、研修支持工具和研修评价技术。张妮等将教学法、评价、空间和技术视为支持教师研修的核心要素，并据此构建了教学法—评价—空间—技术（Pedagogy-Assessment-Space-Technology，简称PAST）模型[22]。教师培训NEI模式与PAST模型均强调利用新技术支持教师研修中的评估，以及回归到真实的教学情境中进行研修，为AISTTM的研究提供了思路，然而，仍需要进一步考虑可持续的教师专业发展。

通过文献梳理及调研结果表明，目前研修活动的开展存在以下问题：（1）研修活动没有形成数据取之于课堂、用之于课堂的反馈回路;（2）研修活动往往局限在活动某个过程或环节，难以从整体上比较和分析研修的效果;（3）研修过程的评价方式仍趋于主观，评价数据缺乏客观性、深度性和针对性，多借助自我报告、问卷调查等方法进行分析。鉴于此，本文基于经验学习圈理论构建了AISTTM，在AI技术支持下，结合主观评价和客观教学数据，对教学过程，特别是师生互动过程进行深度剖析，提高教师研修的针对性和精准性。

三、基于经验学习圈的AISTTM构建

（一）理论基础：经验学习圈

1984年，美国著名教育家、心理学家大卫·库伯（David Kolb）发展了库尔特·勒温（Kurt Lewin）等人提出的经验学习理论，构建了经验学习圈理论，如图1所示。库伯提出的经验学习圈理论至今仍被认为是最具影响力、引用最多的经验学习理论[24]。

经验学习圈理论认为，一个完整的学习过程由获取具体经验（CE）、反思性观察（RO）、抽象概念化（AC）以及积极实验（AE）等四个环节组成。学习开始于学习者积极开展一项体验或活动（CE），在具体经验阶段之后，学习者有意识地反思经历（RO），在此基础上对所观察到的东西进行理论或模型的概念化（AC），最后测试概念化的理论、模型，进行新的体验。目的是帮助学习者经过获取具体经验等前三个环节的学习后，积极开展新的实践[25]。

经验学习圈理论被广泛应用于各种教学情境。车丽娜等人将经验学习圈理论用于培养教育硕士生的教学能力，提出了“三段交互式”的教学模型[26]。Kwon将经验学习圈理论和VR技术相结合，证明了VR技术可以使学习者将虚拟经验视为直接经验，从而提高其学习效果[27]。王陆等基于经验学习圈理论和学习型组织知识转换SECI模型，以课堂实践中的问题为引领，提出了教师网络研修活动设计的三层模型[25]。

大量研究证明，经验学习圈理论可以有效提升学习者的学习效果。然而，鲜有研究将经验学习圈理论用于支持教师的持续性发展。因此，本研究借鉴经验学习圈理论，设计流程为具体经验获取阶段—反思性观察阶段—抽象概括阶段—积极实践阶段的一套循环研修模式，其中最后的积极实践阶段也是下一轮研修的具体经验获取阶段。

（二）AISTTM的架构及内涵

本研究借鉴经验学习圈理论，构建AISTTM，如图2所示，由学科专家、教研员、学科教师组建研修共同体，基于教师最熟悉的专业情境，以AI支持下的课堂观察为核心，以观察教师评价教学表现、专家点评师生行为、教研员点评达成度、主讲教师自评等多维评价方法开展真实性评估保障研修的效果，在AI支持下解读课堂中师生行为所蕴涵的内隐特征，在课堂观察量表、课堂教学AI分析报告、反思报告、课程标准等研修工具的支持下，从教师日常的教学实践入手设计研修路线，在具体经验获取—反思性观察—抽象概括—获取新的经验的周期中发展教师实践性知识、改进教师教学行为，实现自评和他评相结合、个人反思与团队发展相结合、线上观评与线下评议相结合、主观评课与客观报告相结合。

总之，AISTTM的特征在于：（1）基于真实的课堂教学情境（最内圈）;（2）借助多维评价方法开展研修活动（最外圈）;（3）基于循环的研修流程（中间圈）促进教师持续性的专业发展。这样一套循环的研修流程并非是简单的重复，而是共同体研修的螺旋上升过程，通过AI技术实现对长期螺旋式研修过程的监控，刻画教师或研修共同体的专业发展路径，从而实现常态化监测与增值性评估。AISTTM在人工智能支持下为教师研修提供实证化的数据服务，支持主观报告和客观数据相结合的评价，循环提升教师的教学实践能力，以期实现教育信息化、规模化以及常态化应用。

（三）AISTTM中的多维评价方法

AISTTM以AI支持下的多维课堂评价方法为核心（如图3所示），专家、教研员、观察教师、主讲教师从不同维度，运用课堂教学AI分析报告、课堂观察量表、反思报告、课程标准等不同工具，实现基于课堂教学的多元化评价。在评价时，不同角色有不同的侧重点。专家从专业的角度将课堂解构，教研员以课标为基准，关注教学目标的达成，教师则关注教学设计和教学过程。

图3   AISTTM中的多维评价方法

AI技术可实现对课堂教学的过程性采集与即时性分析，生成课堂教学AI分析报告，包括师生课堂行为分布图、教学模式、课堂表现曲线、课堂参与度曲线以及关注度曲线。专家依据课堂教学AI分析报告进行点评，关注课堂中师生行为表现，在解读课堂教学AI分析报告的过程中建立起外显行为和内隐特征（如学生积极性、表现性等）之间的联系，保证了评价数据的客观性和深度性。教研员更加侧重于教学目标的达成度，以课程标准为基准进行观课。观察教师依据在线观察量表进行观评课，AI技术通过分析评课数据生成教师能力矩阵，实现教师能力水平的量化及可视化，观察教师侧重于评价教师的教学表现，从而可以快速直接地根据观察结果修改自己的教学设计、提高课堂教学效果。在此基础上，主讲教师依据AI分析报告，通过撰写反思报告进行自评。所有评价对象均为课堂实录，保证了评价数据的客观性和针对性。

（四）AISTTM中的研修流程

1. 具体经验获取

教师的具体经验是指教师在课堂教学中亲身体验或以观察者身份进行课堂观察而获得的经验，是真实的实践性知识[28]。在这一阶段，研修活动应该以课堂教学为情境进行教学实践与观摩，不同主体采用不同的课堂观察工具、方法或技术，是实践教学的主体实施阶段。研修教师采用现场观课（线下）和网络观摩（线上）相结合的方式，利用观察工具进行观课。在这一阶段，利用AI技术实现课堂教学的常态化伴随式数据采集，为教师提供课堂行为分析报告，实现教学过程的动态监测以及教学行为的智能化分析。

2. 反思性观察

经验之后进行反思是促进学习的有效途径[25]。在AISTTM的反思性观察环节中，专家依据教育理论，借助AI分析报告，对教学过程尤其是课堂中的师生行为进行深层次的分析、点评，为教师的互评、自评提供客观数据的支撑。在专家引领下，研修组教师通过线上线下相结合的方式开展研讨，对主讲教师的课堂教学作出评价，同时以主讲教师为角色模型，实现对自己教学的再认识。教研员则以课标为基准，考察教学目标的达成度。在研修共同体进行集体反思的基础上，主讲教师通过撰写反思报告开展自评。在这一阶段，AI不仅实现了教师能力的可视化，更是搭建起外显行为和内隐特征之间的桥梁，通过专家或教研员的解读，引领教师对课堂教学进行深层次的评价和讨论。

3. 抽象概括

抽象概括的目的是归纳上一阶段获取的具体经验，使其上升到理论层面。教师研修不仅要将理论知识用于实践，还要使在实践中获得的具体经验理论化，将具体经验抽象概括为实践性知识，从而使其具有更加普遍的指导意义[28]。在此阶段，研修共同体对反思性观察阶段获得的具体经验进行讨论、交流、归纳和提炼，在AI的辅助下，形成一系列教师如何教、学生如何学的实践性知识，构建外显行为和内隐特征相互映射的知识体系框架。在这一阶段，专家团队给予一定的理论指导，帮助教师提炼和抽象出合理的知识体系。

4. 积极实践

在积极实践阶段，将抽象概括获得的实践性知识应用于新的课堂教学情境。一方面，使实践性知识回归课堂，并得到检验和发展;另一方面，教师在新的教学情境中又经历了一个具体经验的获取过程，开启下一轮的研修活动。教师研修中的数据资源取之于课堂，通过对数据的分析、反思和教学设计方案的打磨，提升教师信息化教学能力，进一步将研修中的技能应用到课堂，改善和提升教学效果。

四、《怎样求合力》研修实践案例及分析

（一）案例背景

2018年起，宁夏回族自治區开展人工智能助推教师队伍建设行动试点[29]。2019年，S学校被确定为市级人工智能助推教师队伍建设行动试点学校。2020年11月，《人工智能助推宁夏教育高质量发展》下发，鼓励积极探索人工智能等新技术助推教师队伍发展的新模式和新路径[30]。然而，目前开展的教研活动依然存在反馈回路难形成、常态化教研活动难开展以及教研活动评价具有主观性等问题，基于AISTTM设计的研修活动以常态化循环研修为基础，形成研修活动的反馈回路，支持区域开展常态化教研，保证了研修评价的客观性、深度性以及针对性。

（二）教师研修活动设计

基于AISTTM设计研修活动，并在S中学进行了同课异构活动，包括四个阶段：准备阶段→具体经验获取阶段（教学实践）→反思性观察阶段（教师反思）→抽象概括阶段（研修总结）。

（三）研修活动的实施

1. 准备阶段

（1）组建研修团队

S中学物理教研组组长王老师作为教研员，同时邀请17名物理教师、3名学科专家参与研修，组成研修共同体。此外，邀请若干名区域教师参与研修以及1名技术人员提供技术保障。

（2）确定研修主题

本次研修以“如何突破思维定势——以《怎样求合力》为例”为主题进行教研活动。冯老师（学历：研究生，教龄：6年，年龄：31）和金老师（学历：本科，教龄：6年，年龄：30）作为主讲教师。

2. 具体经验获取阶段—教学实践

（1）个人初备

两位主讲教师结合课程标准、教材以及学生特点完成个人备课。在专家指导下，研修团队依据课程标准以及S中学物理教学的实情，从教学设计、教学实施以及教学效果三个维度，学生活动、教师素养、教学目标、教学内容、教学过程、教学方法、技术应用以及目标达成度等八个观察点制定百分制的观察量表。

（2）教学实践

主讲教师进行教学实践，在真实情境中授课。由于教室场景有限，观察教师聚集在教研室中，通过直播平台，采用观察量表进行同步观课和评课，区域教师借助网络教研App，利用观察量表进行线上观课和评课。

3. 反思性观察阶段—教师反思

课堂实践结束后，AI课堂行为分析系统对课堂场景进行采样并记录，生成反映学生行为（举手、应答、听讲、读写、生生互动）、教师行为（板书、巡视、讲授、师生互动）的课堂观察分析报告。

研修团队结合课堂行为分析报告等工具，对主讲教师的师生课堂行为、教学模式、学生参与度、课堂表现一致性及教师教学效果等进行对比反思，发现两名教师的优势和不足，给出适当的建议。

图4分别展示了金老师、冯老师课堂中学生行为和教师行为的占比分布，可以看出金老师课堂中的师生互动比例（38.74%）高于冯老师课堂中的师生互动比例（4.72%），表明金老师在授课时更加注重与学生的互动，然而在两位教师的课堂中，学生行为中的生生互动、举手、应答等主动行为的占比均较低;AI课堂行为分析系统依据Rt值和Ch值将教学模式分为混合型、练习型、对话型和讲授型四种，如图5所示，冯老师的课堂属于混合型，金老师的课堂属于练习型。通过参与度曲线、表现曲线、关注度曲线可知，在新课导入环节，冯老师可以较好地调动学生学习的主动性，参与度曲线与表现曲线均较高，在课中环节，两位老师的表现曲线均有了明显幅度的下降，表示学生行为比较离散，综合课堂录像可知，两位老师均在课中设置了活动环节。在课堂的最后环节，金老师课堂的表现曲线与学生参与度曲线均较高，而冯老师课堂的学生行为较为离散。

注：左为冯老师课堂，右为金老师课堂。

图4   课堂行为分布

教师对观察量表进行整理，结合AI形成的教师能力矩阵，讨论主讲教师在教学设计等三大维度、八大观察点的优势和不足。分析发现冯老师、金老师在“教师素养”“学生活动”两个观察点得分均较低。专家结合AI分析报告对主讲教师的课堂进行点评。教研员则从教学目标达成度进行评价。主讲教师在讨论的基础上撰写反思日志，完成个人自评。

4. 抽象概括阶段—研修总结

在教研员、专家的指导下，研修团队共同完成研修报告，形成一系列教师如何教、学生如何学的实践性知识体系，为下一轮研修奠定基础并安排下一轮教学实践。

本轮研修完成后，对部分参与研修的教师进行了访谈。结果表明，教师普遍接受AISTTM，认为AISTTM可以帮助提高研修的效果。如研修组组长王老师说：“通过这种方式进行研修，借助真实的课堂情境，教师们结合自身的教学行为进行反思，在线上线下充分互动，对课程理念的认识逐步深化，实现了从‘教到‘研的跨越，获得专业成长体验。”

五、研究小结

以人工智能等新技术创新教师教育方式是当前解决教师专业发展困境的途径之一。在此背景下，本研究基于经验学习圈理论构建了AISTTM，按照具体经验获取—反思性观察—抽象概括—积极实践的路线，采用教研员点评目标达成度、观察教师评价教学表现、专家点评师生行为、主讲教师自评的多维评价方法开展研修活动。将AISTTM进行应用实践，选择人工智能助推教师队伍建设行动中某所试点学校，以“如何突破思维定势——以《怎样求合力》为例”为研修主题，组建研修共同体，开展同课异构的研修实践活动。实践证明，AISTTM可以有效提高教师的信息化教学能力。AISTTM通过循环的研修流程促进教师的专业发展，使实践性知识来自课堂，应用到课堂，形成研修活动的反馈回路;通过长期持续性研修，一方面可以刻画教师自身的专业发展路径，实现对教师的增值性评估，另一方面将AISTTM用于支持同课异构或同课同构活动，可以实现同伴间的过程性评价，从而能够在整体上比较和分析研修的效果;利用AI实现教师研修伴随式数据采集与过程性评价，促进研修评价由过去单独的主观经验式或数据客观化向主观和客观相结合转变，提高了研修数据的客观性、深度性和针对性，使研修活动朝着信息化、智能化和多元化方向发展，为教学改革与创新提供新的思路。

然而，本研究依然存在着不足之处。首先，仅将AISTTM用于S中学物理学科的研修中，学校条件、学科内容、教师特征等均会影响研修效果;其次，未将学生、教师的个体因素纳入模型。因此，在下一步的研究中会继续将AISTTM用于实践，从而进一步证明AISTTM的有效性，同时细化课堂观察点，引入更多的观察视角，考虑学生、教师的个体因素，实现对课堂教学的全面评价，为教师研修提供更多的研究思路。

[参考文献]

[1] 教育部办公厅.教育部办公厅关于开展人工智能助推教师队伍建设行动试点工作的通知[EB/OL].（2018-08-08）[2021-04-18].http：//www.moe.gov.cn/srcsite/A10/s7034/201808/t20180815_345323.html.

[2] 王中男，崔允漷.教师专业发展为什么要学校本位——情境学习理论的视角[J].上海教育科研，2011（7）：10-14.

[3] 季诚钧，何菊芳，卢双坡.高校教师课堂教学行为分析[J].中国大学教学，2010（5）：17-20.

[4] 邵一川，李常迪，赵骞，曹勇，田力威.人工智能分析课堂行为特征助力教学改革[J].黑龙江畜牧兽医，2020（17）：153-158，172-174.

[5] 徐惠仁.浅谈教师教学过程性评价的价值与策略[J].上海教育科研，2012（7）：69-71.

[6] 周文叶.开展基于表现性评价的教师研修[J].全球教育展望，2014，43（1）：50-57.

[7] DONLOAD L K. Evaluation. ASTD Training & Development Handbook[M]. New York： McGraw-Hill， 1996：294-312.

[8] FLANDERS NA. Intent， action and feedback： a preparation for teaching[J]. Journal of teacher education， 1963（14）：250-259.

[9] 傅德榮.教育信息处理[M].2版.北京：北京师范大学出版社，2011.

[10] 章勤琼，谭莉.课堂录像促进教师专业研修：框架、应用及反思[J].全球教育展望，2019，48（1）：103-112.

[11] STEIN M K， CORRENTI R， MOORE D， et al. Using theory and measurement to sharpen conceptualizations of mathematics teaching in the common core era[J]. AERA open， 2017，3（1）： 1-20.

[12] 王陆，杨卉.基于真实性评估的教师专业学习与培训[J].电化教育研究，2010（10）：107-111，115.

[13] 刘清堂，何皓怡，吴林静，等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019（9）：13-21.

[14] 孙众，吕恺悦，骆力明，陈美玲，许林，施智平.基于人工智能的课堂教学分析[J].中国电化教育，2020（10）：15-23.

[15] MISHRA P， KOEHLER M L. Technological pedagogical content knowledge： a framework for teacher knowledge[J]. Teachers colledge record， 2006， 108（8）：1017-1054.

[16] WANG Q. A generic model for guiding the integration of ICT into teaching and learning[J]. Innovations in education and teaching international， 2008， 45（4）： 411-419.

[17] RADCLIFFE D. A Pedagogy-Space-Technology（PST） framework for designing and evaluating learning places[C]//Proceedings of the next generation learning spaces colloquium. Brisbane： The University of Queensland， 2008： 9-16.

[18] 张屹，白清玉，李晓艳，朱映辉，范福兰，谢玲.基于APT教学模型的移动学习对学生学习兴趣与成绩的影响研究——以小学数学“扇形统计图”为例[J].中国电化教育，2016（1）：26-33.

[19] 赵呈领，蒋志辉，李红霞.五要素视角下教师混合式研修模式构建研究[J].电化教育研究，2017，38（3）：110-115，122.

[20] 徐晓东，李王伟，赵莉.专家引领下现象为本的课例研修模式及其效果研究[J].电化教育研究，2020，41（10）：106-113.

[21] 冯晓英，宋琼，张铁道，等.“互联网+”教师培训NEI模式构建——基于扎根理论的研究[J].开放教育研究，2019，25（2）：87-96.

[22] 张妮，刘清堂，徐彪，罗磊，陈越，巴深.支持教师区域研修的PAST模型构建及应用研究[J].中国电化教育，2020（4）：93-101.

[23] KOLB D A. Experiential learning： experience as the source of learning and development[M]. Upper Saddle River： Prentice-Hall， 1984：31-61.

[24] SEAMAN J， BROWN M， QUAY J. The evolution of experiential learning theory： tracing lines of research in the JEE[J]. Journal of experiential education， 2017， 40（4）：1-21.

[25] 王陆，张敏霞.一种改进的基于教师凝聚子群的远程合作学习圈方法[J].电化教育研究，2011（4）：59-64.

[26] 车丽娜，徐继存，王敬政.基于“经验学习圈”的实践理性培养——论全日制教育硕士生“三段交互式”实践教学模式的建构[J].学位与研究生教育，2018（3）：13-18.

[27] KWON C. Verification of the possibility and effectiveness of experiential learning using HMD-based immersive VR technologies[J]. Virtual reality， 2019， 23（1）：101-118.

[28] 楊卉，冯涛.教师网络研修活动设计方法与技术[M].北京：北京师范大学出版社，2019.

[29] 宁夏回族自治区人民政府.自治区人民政府关于印发宁夏回族自治区“互联网+教育”示范区建设规划（2018年—2022年）的通知[EB/OL].（2018-11-22）[2021-04-18]. https：//www.nxeduyun.com/detail？ctid=068d 8f82ebdc40d9b8d4dec82a144e15.

[30] 中国教育新闻网.宁夏回族自治区教育厅：人工智能助推宁夏教育高质量发展[EB/OL].（2020-11-23）[2021-04-18].http：//m.jyb.cn/rmtzcg/xwy/wzxw/202011/t20201123_375898_wap.html.