大数据循证课例赋能知识建构与教学改进的研究

陈鹏 梁友明 叶虹

摘要：科学地设计、组织和实施，并在“循证理念”支持下开展课例研究，促进教师有效地进行知识建构，是中小学教师专业发展及教学策略与教学法创新所面临的重要挑战和机遇。该研究以XMSM项目为案例，探索大数据循证课例研究中教师知识建构的实践路线，并以基于大数据的知识发现方法与技术及扎根理论质性编码，分析循证课例研究中教师的知识建构特征和课堂教学行为改进情况。研究结果表明，大数据循证课例研究中的知识建构催生了教师教学策略与教学法的创新，赋能了面向深度学习的教学行为改进，以及助推了教师实践性知识的发展。大数据循证课例研究不仅优化了传统课例研究的过程和证据，也优化了教师知识建构的实践路向，为教师专业发展提供了强有力的内生性支持。

关键词：知识建构；循证实践；课例研究；大数据

中图分类号： G434 文献标识码：A

* 本文系科技部创新方法工作专项：“创新方法与教育创新融合发展研究与示范”（项目编号：2019IM030100）课题一“创新方法与教育创新融合的理论与模型研究”研究成果。

一、引言

教研是基础教育领域的重要活动[1]，随着新课程改革的推进，“教研必须先行”“教师成为研究者”的呼声越来越高，教研工作愈发成为教师组织学习的重要方式[2]。课例研究是促进教与学的有效途径[3]，开展课例研究能够促进教师知识建构，生成对教育教学有价值的知识、经验等，进而更好地指导教学实践、推进课程改革以及教师的专业发展。教师的“教”是为了促进学生的“学”，通过开展循证课例研究，促进教师的专业发展进而惠及学生的学业成长与进步，这与“双减”政策背景下课堂教学“提质增效”的目标不谋而合。

知识建构（Knowledge Building）是学习者主动建构自己的知识经验[4]，并在目标引导下进行新的认知创造的过程[5]，教师专业知识建构是教师基于教育实践不断超越和实现自我的过程[6]。当前中小学课例研究，一方面由于不同主体的知识水平和认知方式存在差异，跨界知识的传播与转移困难，难以发生有效的知识建构；另一方面由于教育实践的高度不确定性、优质研究证据的极度匮乏[7]，导致运用研究证据指导教师研究实践较为困难，在一定程度上也阻碍了教师知识建构。教师的教学行为决定着教学的质量，但教学行为的改进过程也往往会出现“无合作、无证据、无研究”等问题[8]，导致行为改进的效率低下。如何在课例研究中实现教师知识建构并促教学行为的改进，促进教师专业发展是当前迫切需解决的问题。

循证实践（Evidence-based Practice，EBP）发源于20世纪80年代的循证医学，强调基于科学的研究证据开展实践[9]，主张以理性为精神、以科学研究证据为依据做出决策与行动。循证实践在教育领域的应用还处于起步阶段[10]，其在重视程度、人员与数据支撑、研究过程等方面存在着现实困境[11]。大数据循证课例研究是在课例研究中纳入循证实践的理念，引导和推动教师综合运用基于大数据知识发现的多元化、高质量的证据评价并改进教学。通过数据挖掘获取大量的细节信息，将专业领域中的数据转变为知识[12]，从数据集中提取有用的模式，形成循证实践过程中知识传播、转移和创新的证据，能为知识建构提供支持。

本研究以XMSM“基于教育大数据的教学研究项目”（以下简称“XMSM项目”）为研究情境，探索大数据循证课例研究的实践路向，并运用多模态数据综合分析对大数据循证课例研究的教师知识建构特征和课堂教学行为改进情况，以期赋能教师专业发展。

二、文献综述与理论基础

（一）循证教育与循证课例研究

循证教育强调将证据有机整合，综合考虑时间安排、决策机构政策、伦理等现实因素的影响从而应用证据，并运用专业知识做出专业判断的原则和方法，与传统的依据教师经验、直觉做出教学判断和改进的基于观念的决策（Opinion-based）有着本质的区别[13]。随着人工智能、大数据技术的影响，近些年循证实践重回教育研究者的视野，成为提升教育实践科学化和高质量发展的有效途径[14]。

课例研究是改进课堂教学、促进学生学习的有效途径[15]，是教师专业发展的有效模式[16]。它是在实践中进行理论学习的教师教育模式，是一种反思性的实践[17]。循证课例研究以循证教育学[18]为理论指导，强调将证据进行有机整合并运用专业知识对课例进行专业地分析和判断[19]。在萨凯特（Sackett）的循证实践5A范式基础上[20]，袁丽提出了包括“提出问题、查找证据、评价证据、应用证据和基于观察证据的课例评价”的循证课例研究实践范式[21]。本研究综合已有研究，探索教师如何突破传统的基于直接经验、直觉等做出判断的实践，转向基于最佳证据的循环上升式实践，创造理论与实践的联结空间[22]，即如何通过循证课例研究促进教师专业发展。

（二）知識建构与教师知识建构

1.教师知识建构的内涵

知识建构由斯卡达玛亚（Marlene Scardamalia）和贝赖特（Carl Bereiter）在20世纪90年代提出，他们认为学习既是包括由外向内转移和传递知识，也是学习者主动建构自己知识经验的过程[23]，是在公共目标引导下进行新的认知创造[24]。教师知识是学科知识与教学知识的统一，是理论性知识与实践性知识的统一，也是显性知识与隐性知识的统一[25]。教师的实践性知识是默会的、基于个人的、基于情境的一种隐性知识，只有在共同参与实践过程中才能逐步形成[26]，不能通过“灌输”的方式而获得[27]。正如知识创生螺旋理论（SECI理论）提出的知识创造是在隐性知识与显性知识的交互过程中产生的，学习者将个体内在难以呈现的隐性知识与借助外显形式准确表达的显性知识进行不断循环的相互转换，从而创造和创新知识[28]。同时，知识建构是复杂的，是循环发展、螺旋上升的过程，因此在实践场中需深入融合个体与群体知识建构[29]。因此，本研究认为循证课例研究中知识建构的价值取向是以个体和组织间知识共享和知识转移为基础，在巩固和运用显性知识的基础上发展、完善、甚至是重构实践性知识，获得教师专业发展中的内生力量[30]。

2.经验学习圈的教师知识建构

大卫·库伯（David Kolb）提出的经验学习圈理论认为，学习者在具有共同目标、实践和经验的群体聚集而成的学习型组织中基于某一主题自由创建对话、交换思想[31]，其包括具体经验获取、反思性观察、抽象概括和积极实践四个阶段[32]。其中抽象概括到积极实践阶段是将显性知识碎片整合成新的显性知识的关键，也是教师显性知识建构的主要场域[33]。循证课例研究是教师在以改进课堂教学、发展实践性知识的共同目标聚集而成的研究组织中开展的教育教学研究。教师首先以其在教学实践中所获取的具体经验，提出研究问题；其次针对研究问题开展有意识的反思性观察、查找证据；然后对获取的证据进行评价，将反思结论抽象概括为教学理论或模型；之后教师应用证据，在实践中检验所得到的教学理论或模型；最后，基于观察证据的课例评价，教师对循证效果进行评价，开展新的体验获取具体经验。可见，循证课例研究中的教师知识建构，不仅是教师隐性知识与显性知识的相互转化过程，也是教师基于经验学习圈进行专业学习并获得专业发展的过程。

3.教师知识建构的层级

古纳瓦德纳（Gunawardena）在研究合作学习中的意义协商与知识建构时，利用扎根理论分析方法提出知识建构的交互分析模型包括信息分享层、深化认识层、意义协商层、新观点的检验与修改层和应用新知层[34]。教师的知识建构是隐性知识与显性知识的交互过程，本研究通过程序化扎根理论的资料分析方法，对教师的知识建构文本历经“贴标签、发现类属、类属的属性与维度划分”等步骤[35]，得到包括知识梳理、反思深化、知识协商、知识应用、知识优化的知识建构类属，其在一定程度上表征了循证课例研究中的教师知识层级。发生在经验学习圈中的教师知识建构，首先，教师获取具体经验，对专业学科内容及教学实践进行知识梳理；其次，通过反思性观察实现教师对理论与实践的反思深化；然后，基于反思与反馈知识协商为相应的教学策略与理论，在落实学生专业发展中进行知识应用，并在不断积极实践、应用新知螺旋上升过程中达到知识优化。

（三）大数据赋能循证课例研究

循证课例研究要求教师不仅要使用证据评价标准，而且还需借助一定的课堂观察技术与方法来规范循证过程，以保证证据的科学且有效[36]。基于大数据的知识发现为循证课例研究提供新契机，通过数据挖掘技术获取大量的细节信息，为知识管理与知识创生提供一种新视角、新方法和新技术[37]。大数据技术改变了以往教师很少根据数据证据决策改进教学的现状，促使课例研究从“基于经验”向“数据驱动”的转变[38]。课堂教学行为大数据能提供师生行为的可视化图景[39]。

当前，教师专业成长路径主要有两种：一是“自内向外”，通过促使实践性知识增长从而改变教师的教学行为[40][41]；二是“由外向内”，即通过教学行为改进，从而促进实践性知识的提升[42]。这两条路径都展示了课堂教学行为改进对于教师专业成长的重要性。然而，教师存在普遍的教学行为改进难点：如新手教师最难改进的是推理性问题等教学行为[43]，学生主动提问机会较少、教师问题设计缺陷、小组协作有效性差等问题依旧突出[44]。通过大数据解释课堂教学、教学设计及实施过程中的问题，帮助教师聚焦教学行为改进难点、形成基于数据的教学改进策略与方法，助力破解教学行为改进的难题，促进教师实践与理论之间的互动与转化，能生产出更多鲜活的、情境性的实践性知识[45]，从而提升课堂教学质量，赋能课堂教学的“提质增效”。本研究根据循证课例研究实践范式，设计课题组实践环节及流程，探索大数据循证课例研究中教师知识建构的实践路向与特征。

三、大数据循证课例研究中教师知识建构的实践路向

本研究以XMSM项目中子课题“基于大数据的小学数学深度教学实践与研究”为案例分析基于大数据循证课例研究的中小学教师知识建构。该项目旨在构建将教师专业学习与教学研究紧密结合的新型教师专业发展模式，实现以科研促进教学改进，以教学实践促进理论与实践的双向互动。综合循证實践范式及相关理论基础，研究提出大数据循证课例研究中教师知识建构的实践路向，如图1所示。

教师在循证课例研究的提出问题、寻找证据、评价证据、应用证据、循证效果评估的实践过程中，历经具体经验获取、反思性观察、抽象概念化以及积极实践的经验学习圈，知识建构分别达到知识梳理、反思深化、知识协商、知识应用、知识优化层级。循证课例研究以知识共享和知识转移为基础，个体与组织之间显性知识与隐性知识的不断交互，促进了知识的创生。

（一）获取经验提出问题，促进知识的社会化

循证课例研究起始于教师以教学实践中所获取的具体经验提出课例研究的研究问题。在该阶段，授课教师在课堂教学中获得具体经验，研修教师进入真实课堂教学情境运用课堂教学行为大数据的方法进行观课，获得具体经验。课题组教师互相分享各种信息、观点，针对具体经验进行描述、相互询问以明确研究问题，知识建构位于知识梳理层。通过基于具体经验的循证课例研究的问题提出，在交流和分享的过程中教师个体隐性知识向组织隐性知识转移，促进了知识的社会化。本研究中课题组教师梳理经验，确定的研究问题为“如何促进小学数学的深度学习”，研究目标是通过大数据的知识发现技术，对课堂教学行为进行分析，构建教学改进策略，促进课堂的深度教与学。

（二）反思观察寻找证据，促进知识的外化

循证课例研究的第二个环节为根据研究目标，寻找不同类型的证据，如政策型证据、研究证据、实践过程性证据。教师在获取具体经验之后开展有意识的反思性观察是促进学习的有效途径[46]。结合教育教学理论、课堂教学行为大数据的可视化分析，课题组教师对课堂教学进行反思，寻找解决研究问题的多样化证据，并利用收集到的证据进一步阐述，深化对问题的认识，知识建构达到反思深化层。寻找证据所开展的基于实践的反思促进了知识的外化，组织的隐性知识逐步向显性化转移。本研究中课题组教师寻找的政策性证据包括《数学学科核心素养》《小学数学课程标准》；研究证据包括深度学习理论、活动理论、教师实践性知识以及基于大数据的知识发现方法与技术[47]；实践过程性证据为现场课例及视频课例的课堂教学行为大数据。

（三）抽象概括评估证据，促进知识的组合化

循证课例研究的第三个环节为对反思观察获得的证据进行评估。在此阶段，课题组教师通过组内、组间的讨论与交流，对证据评估进而归纳、提炼形成一系列教学改进策略与教学法。在抽象概括的过程中，教师澄清或协商观点、冲突，提出建议等，知识建构达到知识协商层。本研究通过显性知识组合化的工具和支架，如知识建构小组和反思支持小组工作单、组间汇报专家点评及互评机制等，推动组织内碎片化的显性知识逐渐网格化，构建教师外显行为和内隐特征相互映射的知识体系框架，促进了知识的组合化。研究对知识建构小组和反思支持小组工作单，组内和组间汇报的文本进行扎根理论编码得到教师抽象概括的策略。

（四）积极实践应用证据，促进知识的应用

循证课例研究的第四个环节为应用证据开展积极实践。在此阶段，教师将抽象概括得到的教学策略与教学法应用于新的课堂教学情境，检验、修改所建构的新观点与知识，知识建构处于知识应用层级。教师通过具体的实践促进学生的发展，组织内显性知识也通过教师教学情境中的实践，逐渐内隐为教师个体隐性知识，促进了知识的应用，是知识实践、检验和创生的过程。课题组教师将循证生成的教学策略与教学法应用于课堂，一方面检验和修改策略，另一方面教师在教学实践中将开启下一轮的具体经验获取。

（五）效果评估获取新经验，促进知识的内化

循证课例研究的第五个环节为对循证效果进行反思和评价，检验和完善循证成果。课题组教师通过对教学策略与教学法的应用实践进而达成一致，形成研究的最佳解决方案，知识建构达到知识优化层级。通过对循证效果的评估促进了知识的内化，实现实践性知识持续往复螺旋上升。

四、大数据循证课例研究的知识建构分析方法

（一）大数据循证课例研究的证据数据

本研究通过收集多样化的、量化与质性相结合的证据以支持大数据循证课例研究开展（如表1所示），其中量化证据包括基于大数据的知识发现方法与技术对课例分析得到的课堂教学行为特征，以及实践性知识大数据分析得到的教师实践性知识水平；质性证据为通过对教师备课、反思和汇报的文本执行“贴标签、发现类属、属性的维度与分类划分”等步骤，运用程序化扎根理论逐步分析、归纳、总结得到的教学策略与教学法创新。

表1呈现了大数据循证课例研究的过程、研究证据来源及相关说明。本研究综合使用了访谈法、观察法、案例研究法等资料收集与分析方法，保证证据来源的多样性，以形成“三角互证”（Triangulation）。研究通过教学策略的生成、课堂教学行为的变化、实践性知识的发展来分析教师知识建构情况。

（二）基于大数据知识发现的分析维度

基于大数据的知识发现方法与技术为知识建构提供课堂教学行为、实践性知识的分析。

1.指向深度学习的基于课堂教学行为大数据

本研究运用课堂教学行为大数据的课堂观察方法与技术对课例分析得到教师教学行为的改变。课题组研究目标为促进学生的深度学习，其以学生高阶思维能力与反思能力，高水平主动式认知加工为主要表征[48][49]。基于课堂教学行为大数据的课堂观察方法与技术提炼出指向深度学习特征的课堂教学行为，即循证课例研究中的观测维度（如表2所示）。

2.基于大數据知识发现的教师实践性知识大数据

教师实践性知识是一个涵盖多方面、多种特征的概念，到目前为止没有明确的、具体的、系统的定义[50]。陈向明指出实践性知识是教师对教学经验进行反思和提炼后形成的，并通过自己的行动做出对教育教学的认识，包括教育信念、自我知识、人际知识、情境知识、策略知识和反思性知识[51]。由于实践性知识的模糊性、缄默性等特征，其获取和测量具有一定的难度。本研究根据陈向明提出的实践性知识分类，采用基于大数据的知识发现技术，对教师的教学设计、授课教师再反思本文进行计算机自动编码得到教师实践性知识水平。

五、大数据循证课例研究的教师知识建构特征分析

（一）知识建构催生教师教学策略与教学法的创新

研究将课题组的讨论与汇报录音、小组学习单通过扎根理论三级编码的分析得到课题组教师的教学策略与教学法创新，它们是循证课例研究中教师知识建构的结果和表征，也是教师教学行为改进的内因。经过分析得到，课题组教师生成了内容型策略、形式型策略、方法型策略、综合型策略、元认知策略和自我管理策略六种策略（如图2所示）。内容型策略以教学内容为中心，形式型策略以教学组织为中心，方法型策略以教学方法和技术为中心[52]。元认知策略指教师认识到研究中的不足，并集体调解使课题组朝良性方向发展的策略。自我管理策略指教师为实现目标而主动进行自我管理的策略[53]。

1.元认知策略

元认知策略能够促进课题组的良性互动和发展，保证其他策略应用的高效性。课题组提出“教师反思-集体反思-教师重建”的研讨流程，并明确研究方向，体现在：“注重教师实践性知识的培育，特别是人际知识的提升，其中教师与同事关系层面的研究应更为深入，以有效性提问当中的讨论后汇报的课堂实践研究为突破口，避免研讨形式大于内容”。具体细节上“注重单元整体设计，依据单元整体设计框架，对教师进行研讨分工，加强对教师的评价，质性与量化相结合，丰富评价语言；同时，每一次探究结束后要有充足的时间讨论”。

2.內容型策略

内容型策略包括目标设计策略、结构化策略及问题设计策略。教师提出目标设计原则，体现在：“目标设计要注重单元整体设计价值，强调‘如何学习和学会学习；要以学生形成必备品格和关键能力为前提，不局限于基础知识、技能，更要关注指向品格素养育人目标的落实；教学目标设计应具体化、外显化，可测量化，采用ABCD法制定教学目标”。

结构化策略指教学设计时针对知识内容结构教师所采用的策略。教师提出教学需要“寻找知识之间的相同结构，进行知识结构梳理，形成结构图或网络”，在此过程中“为了使结构设计更清晰可感，可用思维导图来梳理知识结构；将学生错误的学习方法和正确的学习方法直接进行比较，并将方法迁移到新的学习过程”，使课程的单一设计思维走向结构化思维。

问题设计策略是内容型策略中的重要部分，也是课堂能否成功的关键。教学由问题构成，教学的一切都可以说成是问题的衍生物[54]。问题设计需与学科领域特点相结合，并借助问题集、问题链、问题矩阵实现深度学习。教师认为：“当前问题设计偏简单，需结合学段、了解学情基础上设计问题；需有意识地控制问题数量，把握问题的丰富性与不可替代性的关系，并对照教学目标进行适度调整和增删；改变提问方式，提高问题的开放性”。

3.形式型策略

课题组建构的形式型策略主要是合作学习策略。教师从教学设计、教学过程等方面提出促进合作学习开展的策略，如 “从顶层考虑合作学习的设计，课堂中应有意识地成为学生合作学习的引导者、组织者及分享者；通过提供学习单、研讨支架提升学生的协作效能；给予学生充分思考、充分交流、充分汇报的时间”。责任分工和冲突管理都是合作学习的重要环节，教师认为“当前合作学习更多的是教师作为‘责任分工者和‘冲突管理者，而目标应该是培养学生成为‘责任分工者和‘冲突管理者”。要实现这种转变，“教师需适时介入，加强小组合作分工及汇报的引导，教师要避免过度‘控制课堂，使‘生生合作真正发生”。

4.方法型策略

课题组建构的方法型策略包括情境化策略、利用“错误”策略和对比策略。情境化策略“可以将游戏教学贯穿课堂始终，用情境串联所有的知识点，从生活中发现情境”。利用“错误”策略是指可依据错例整合提炼方法，善于“利用”学生的“错误答案”并追问，重视学生生成，“当学生出现偏差时，教师不能规避学生的错误，可采用动手操作、推导等，引导学生纠正错误；对于常错、易错题，教师可先不进行正误判断，学生自行或合作判断正误后，再经历纠错过程，实现深度思考；引导学生去对比，并在辨析比较中明确知识点关联”。

5.综合型策略

综合型策略是上述3种策略的集合，“策略的混合使用往往会收到更好的效果。要用知识串联设计主线，设计问题情境，聚焦模型结构，依托丰富素材，聚焦模型特点，借助方法对比，突破难点知识”。

6.自我管理策略

自我管理策略与元认知策略密切相关，自我管理主要由自我计划、调节和评价三大要素构成[55]。课题组教师建构的自我管理策略主要是课堂中的时间规划策略，属于“自我计划”的一部分。教师认为给予学生发现并提出问题、分析问题、解决问题的时间，但就会面临“学生充分探究与有限课堂时间之间的矛盾”。因此，当这种矛盾不可调和时，亦可采取“教师提出疑问，引导学生课后探究”的形式，将课堂学习延伸至课后，避免课堂超时。

（二）知识建构赋能面向深度学习的教学行为改进

教学行为改进是教师经验学习圈中抽象概括到积极实践的有效转化，也是循证课例研究中知识建构的重要特征。研究基于高阶思维能力与反思能力、高水平主动式的认知加工过程的数据，分析教师教学行为改进情况。

1.高阶思维能力与反思能力的数据变化情况及解释

对比两个学期34节课例的数据和全国常模数据（如图3所示），从教师提问的类型、教师回应方式以及师生间的对话深度可发现教师在学生高阶思维能力与反思能力培养上的教学行为变化。

从图3中可看到，教师的推理性问题降低，取而代之的是更多的指向高阶思维发展的创造性问题和批判性问题。此外，在纠正（解释）否定、追问以及对话深度方面的数据均上升。教师以问题设计作为撬动课堂变革的支点，在适应学生认知能力的前提下，依据最近发展区适度地增加高阶问题的比例。简单否定的比例下降而纠正（解释）否定的比例上升，表明当学生的答案出现认知偏差时，教师不再是单纯地说出答案的正误，而是通过纠正、解释，帮助学生再反思，通过扶放有度的教学逐步实现学生的自主知识建构。

2.高水平主动式的认知加工过程的数据变化情况及解释

学生的高水平主动式的认知加工过程，可通过观测小组学习活动中的成员参与、冲突管理、角色扮演、交互质量、责任分配以及交互知识建构层级等维度来分析。从图4中看到，第二学期的冲突管理、小组成员的参与、角色扮演、责任分配、交互的质量的数据均呈上升趋势。表明教师已经有意识地开展常态化的合作学习引导，对小组活动的任务分工、成员的角色扮演、责任分配等进行了设计；大部分学生都能积极参与小组学习，任务也能被绝大部分成员分担；学生能认真的倾听他人观点，具有一定的小组互动能力。积极有效的认知冲突管理对于群体合作具有建设性意义[56]，学生冲突管理能力有待加强，是教师下一步教学需重点改进的内容。

[21] 袁丽，胡艺曦等.论循证课例研究的实践：教师教育的新取向[J].教师教育研究，2020，32（4）：17-23+44.

[22] 王洁.课例研究：理论转化为实践的中介——以课例为载体的校本教学研修[J].教育发展研究，2006，（23）：50-53.

[25] 常海洋，杜静.新时代教师专业知识建构的理性审思[J].中国教育科学（中英文），2019，2（6）：130-136.

[27] 陈向明.实践性知识：教师专业发展的知识基础[J].北京大学教育评论，2003，（1）：104-112.

[28][47] 钟启泉.从SECI理论看教师专业发展的特质[J].全球教育展望， 2008，（2）：7-13+23.

[29] 马宁，崔志军等.以协同知识建构为核心的教师混合式研训效果研究——基于内容分析的方法[J].中国电化教育，2018，（9）：117-122+131.

[30][38][45] 王陆，郑志生等.大数据赋能循证课例研究中的知识治理[J].电化教育研究，2021，42（12）：5-12+20.

[31][46] 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.

[32] 刘清堂，郑欣欣等.基于经验学习圈构建AI支持下的教师研修模式[J].电化教育研究，2021，42（10）：114-120+128.

[33][39] 王陆，马如霞等.基于经验学习圈的不同教师群体教学行为改进特征[J].华东师范大学学报（教育科学版），2021，39（2）：61-74.

[34] GUNAWARDENA C N，LOWE C A，et al.Analysis of a Global Online Debate and the Development of an Interaction Analysis Model for Examining Social Construction of Knowledge in Computer Conferencing [J]. Journal of Educational Computing Research，1997，17（4）：397-431.

[35] 陳向明，王富伟.高等学校辅导员双线晋升悖论——一项基于扎根理论的研究[J]. 教育研究， 2021，42（2）：80-96.

[36] LEWIS C，PERRY R，et al.How Should Research Contribute to Instructional Improvement The Case of Lesson Study [J].Educational Researcher，2006，35（3）：3-14.

[37] 王陆，彭玏等.大数据知识发现的教师成长行为路径[J].电化教育研究，2019，40（1）：95-103.

[40] FULLAN M.The Meaning of Educational Change [M].Teachers College Press，Teachers College，Columbia University，1234 Amsterdam Ave，1982.

[41] HARRIS B M.Improving staff performance through in-service education [M]. Boston：Allyn and Bacon，1980.

[42] WOODS D.Teacher Cognition in Language Teaching：Beliefs，Decision-Making and Classroom Practice [M].Cambridge：Cambridge University Press，1996.

[43] 王陆，马如霞等.基于经验学习圈的不同教师群体教学行为改进特征[J].华东师范大学学报（教育科学版），2021，39（2）：61-74.

[44] 赵呈领，梁云真等.富媒体环境下职业院校课堂教学行为及特征研究[J].中国电化教育，2016，（2）：113-120.

[48] B.BIGGS.Individual differences in the study process and the quality of learning outcome [J].Higher Education，1976，（46）：4-11.

[49] 段金菊，余胜泉.学习科学视域下的e-Learning深度学习研究[J].远程教育杂志，2013，31（4）：43-51.

[50] 王陆，彭玏等.优秀教师的实践性知识特征——基于大数据的知识发现[J].课程.教材.教法，2019，39（2）：126-131.

[52] 袁振国.当代教育学[M].北京：教育科学出版社，1998.

[53] 钟志贤.面向知识时代的教学设计框架[D].上海：华东师范大学，2004.

[54] 朱德全.问题系统教学设计探究[D].重庆：西南师范大学，2002.

[55] 钟志贤，林安琪等.自我管理：远程自主学习的基本能力[J].远程教育杂志，2008，（4）：29-36.

[56] 张冬梅，王陆.认知冲突管理对合作学习质量的影响研究[J].中国电化教育，2021，（9）：131-136.

作者简介：

陈鹏：高级实验师，博士，硕士生导师，研究方向为教师专业发展、智能教育环境、知识科学与工程。

梁友明：在读博士，研究方向为智能学习支持环境、知识治理。

叶虹：高级教师，副校长，研究方向为数学教育、教师教育。

Research on the Knowledge Construction and Teaching Improvement in Evidence-based Lesson Study by Big Data

Chen Peng1， Liang Youming1， Ye Hong2

（1.College of Education， Capital Normal University， Beijing 100048； 2.Xiamen Siming Teachers Training School， Xiamen 361005， Fujian）

Abstract： Design， organize and implement the teaching and research activities based on lesson study and promote the knowledge construction of teachers during these activities， are the most important challenges for the professional development of primary and secondary school teachers. Taking XMSM project as an example， the study explored teachers knowledge construction route in the evidence-based lesson study， and analysis the characteristics of knowledge construction by big data and the qualitative coding of grounded theory. The results show that evidence-based case study of big data promotes the innovation of teaching strategies and pedagogy， the improvement of teachers classroom teaching behavior， and the development of practical knowledge. Evidence-based lesson study by big data optimizes the process and evidence of traditional lesson study， promotes teachers knowledge construction effectively， and provides theoretical and methodological support for teachers professional development.

Keywords： knowledge construction； lesson study； evidence-based practice； big data

責任编辑：赵云建