指向深度学习的智慧课堂教学设计

摘要：深度学习的实施需要智慧学习环境的支持。作为一种典型的智慧学习环境，智慧课堂可视为融合教学设计与深度学习理论的关键桥梁。聚焦智慧课堂教学场景，通过深入解读深度学习的内部机制与行为规律，构建由学习环境、学习分析、学习活动和学习评价组成的智慧课堂教学设计，可以支持深度学习的发生和核心素养的培养。

关键词：智慧学习环境；智慧课堂；教学设计；深度学习；问题解决

2024年，国务院政府工作报告明确指出要“大力发展数字教育”。作为数字教育发展的战略目标和行动纲领，教育数字化转型旨在基于数据这一关键驱动要素推动教育的系统性变革，助力数字化能力、数字化意识与数字化思维等育人目标的培养^[1]。智慧学习环境的构建是实施教育数字化战略行动的首要任务，它为教育数字化转型提供了数字底座。作为人才培养的主阵地，智慧课堂旨在在智慧学习环境的支撑下达成促进深度学习、培养核心素养的目标^[2]。换言之，智慧学习环境各要素是支持智慧课堂中深度学习达成的外部条件，深度学习则是培养与发展核心素养目标的生成路径^[3]。在智慧课堂中达成深度学习成为联结智慧学习环境与核心素养的关键桥梁。

作为融合教学理论和学习理论的系统性方法，教学设计旨在遵循教学一般规律的前提下，通过整合促进学习发生的内部机制和行为规律实现优化与创新^[4]。可以说，在教学设计与学习科学理论融合创新的趋势之下，智慧课堂的教学设计（包括学习环境设计、学习分析设计、学习活动设计和学习评价设计）成为发挥智慧学习环境要素功能、融合深度学习理论、达成深度学习目标和核心素养培养目标的重要途径之一。如何基于学习环境、学习分析、学习活动和学习评价等要素，设计指向深度学习的智慧课堂成为本研究亟待解决的核心问题。为此，本研究通过深入剖析深度学习理论，明确智慧学习环境对深度学习要素和教学设计要素的支持，构建指向深度学习的智慧课堂教学设计，指导常态化应用。

一、深度学习的重要支撑条件：智慧学习环境

从发生过程和达成结果的视角，研究者对深度学习的解读包括深度理解说、知识迁移说、学习体验说和高阶思维说。本研究认为深度学习是在问题解决活动中主动建构和协同创生的学习方式，具备主动、建构、真实、协作、反思、联通等特征。深度学习的核心在于学习的主动输出、而非被动输入，发生在人际交互和人机交互等问题解决活动当中^[5]。深度学习的发生机制并非一蹴而就，必须经历由浅及深的学习进程和由内向外的达成过程。基于深层动机、高阶思维、问题解决、切身体验、实践创新等深度学习的关键要素^[6]，笔者进一步梳理了深度学习的内部发生机制：深度学习是一个逐步进阶的过程，临界点在于深层动机的唤醒与高阶思维的生成。基于此，学生在问题解决过程中应用高阶思维，伴随切身体验，输出实践创新成果。作为深度学习的外部支撑条件，智慧学习环境可持续助力深度学习的螺旋进阶和有效达成。作为深度学习的内在育人目标，学生在文化基础、自主发展和社会参与方面的核心素养会在基于问题解决的深度学习过程中得到培养。

在智慧学习环境中，场景、数据、模型、资源、工具、服务要素的协同作用和场景感知、数据驱动、无缝衔接、人机协同、自主进化等特征功能^[7]可支持深度学习的有效发生。第一，智慧学习环境依托数字工具和交互式资源提供的人机与人际的交互式服务，可大幅度提升学生的心理资源投入度和对关键信息的敏感度^[8]，继而正向转化为自信心，强化学生的认知内驱力和社会存在感，激活学生的深层动机、支持他们开展主动学习。第二，智慧学习环境依托生成类工具、静态化资源，可提供苏格拉底式问答、感知—指导反馈等个性化服务，这样便能支持学生从浅层理解性学习逐步演化到深层关联性或创生性学习^[9]，帮助学生完成知识建构或完善认知体系，助力其高阶思维的进阶发展与不断运用。第三，依托协同编辑工具、评价反馈工具和学科任务单等静态化资源，智慧学习环境提供的支架性服务不仅可降低学生的认知负荷、帮助学生自主联结与应用新旧知识，而且可支持学生群体的协同知识建构，实现解决问题的目标。第四，智慧学习环境依托混合现实与增强现实等重构型工具和体验性资源提供高临场感的体验性服务，不仅可支持学生多重感官的参与、营造并延伸学生的切身体验，而且可以帮助学生在人机交互中运用身体动作与知觉经验参与问题解决、塑造新的知觉经验和感知体验，实现从“做”的体验中学习。智慧学习环境依托思维工具提供的支架性服务，可帮助学生通过甄别、审辨、反思、决策等行为整合或发散思维，系统化输出学生的结构化知识或实践性创新成果。

二、深度学习的达成路径——智慧课堂教学设计

纵观教学设计理论，我们可以发现系统化教学设计的共性要素通常包括教学目标、学情分析、教学内容、学习环境、教学策略与教学评价。本研究通过归纳整合教学设计的要素，将它划分为教学分析设计、教学活动设计与教学评价设计。教学目标、学情分析、教学内容等可归纳为教学分析要素。该要素具备客观属性，可依赖共性原则，结合国家课程标准与学科核心素养等开展定向设计。教学策略可概括为教学活动要素。该要素具备主观属性，可融合教师的教学理念与相关学习理论，选择适切的教学策略开展基于特定学习环境的活动设计。教学评价要素则可依托教学内容及教学目标设计，用以评估课堂教学效果和学生学习效果。

本研究首先聚焦智慧课堂教学场景，通过具象化设计课堂环境要素，明确它对教学设计各要素的支持作用。其次，在教学分析、教学活动、教学评价等教学设计要素中融入深度学习理论，构建以学习为中心的、指向深度学习的智慧课堂教学设计。可以说，指向深度学习的智慧课堂教学设计被拆解为两个关键步骤：智慧课堂设计和指向深度学习的教学设计。它包括四个设计要素：学习环境设计、学习分析设计、学习活动设计、学习评价设计。设计过程需解决两个核心问题：一是为了达成深度学习和核心素养培养的目标，智慧学习环境各要素需提供何种必要性支持；二是如何基于深度学习的目标导向设计学习分析、学习活动和学习评价。

（一）学习环境设计

本研究通过具象化设计智慧课堂场景中数据、模型、资源、工具和服务要素，明确它们对学习分析、学习活动、学习评价的支持作用，如表1所示。

数据模型：①学情数据是指基于问卷或自评表等工具捕获的定量或定性数据。学习者特征分析模型旨在识别学习者的认知层级（前概念水平）、学习风格、学习动机等学习者特征，支持确定最近发展区、规划教学路径。②行为数据是指基于平台系统或音视频工具伴随性收集的日志、身体姿态等外显行为数据和面部表情、眼动、语音语调等内隐特征数据。学习过程分析模型旨在诊断学习者的学习投入度、学习习惯等宏观的学习参与过程，支持教学进度调整和教学策略生成。③生理数据是指基于近红外、脑电、手环等设备收集的大脑神经信号、脑电、心电、皮肤电等生理信号数据。学习状态诊断模型旨在识别学生的情绪倾向性、专注度、临场感、认知负荷、心理资源投入等微观的感知体验状态，支持精准教学干预的实施。④结果数据是指活动完成后生成的人工制品或完成的作业测验等成果性数据。学习结果反馈模型旨在可视化学习者的知识关联和认知结构体系，预测学习群体的学业成绩、评价核心素养，支持人机协同教学决策的开展。

数字资源：①静态式资源是指权威的纸质资源或结构化程度较高的数字资源。②交互式资源是指支持师生与资源开展双向交互的数字资源。例如，师生通过涂抹、按压、手势等方式与资源开展功能交互，资源则呈现出视觉、听觉或触觉等多重感官的交互反馈结果。③体验式资源是指通过模拟真实场景或还原真实路径，增强学生的临场感，提升学生的感知程度和体验状态的AR/VR/MR资源。例如，虚拟现实资源“血液在人体的循环”可将学生置身于虚拟血管当中扮演白细胞的角色，让他们体验白细胞的工作与各种血细胞的功能（如图1）。④生成式资源是指以问题为导向，通过人际和人机交互生成的教学资源，包括基于主体交互协同生成的定向性资源和基于主体观点自主生成的定制性资源。例如，人际交互生成的文本类教学案例，人机交互生成的观点、图片、视频等教学素材或教学课件。

数字工具：本研究基于SAMR（Substitution、Augmentation、Modification、Redefinition）模型中技术在教学中的地位与作用等级^[10]，将数字工具划分为替代型工具、增强型工具、调整型工具和重构型工具四类。①替代型工具旨在替代教学中程序性、重复性和机械性等任务，帮助师生将心理资源投入更复杂的任务当中，提升教学环节的设计与实施效率。例如，电子白板和教学投屏等教学演示类工具，语文田字格生成器、数学口算出题器等学科效率类工具。②增强型工具旨在增强教学中技能性、规则性、知识性、复杂性等任务功能，降低师生的认知负荷，提升教学活动的直观性、交互性和高效性。例如，几何画板、NOBOOK、PHET虚拟实验室、Earth Space Lab（如图2）、文字处理软件等学科效果类工具。③调整型工具旨在调整和改进教学目标和活动任务，优化教与学路径、提升教与学效果。例如，自我评价表、Plickers即时反馈等评价反馈类工具，思维导图、概念图、象限图等知识建构类工具，知乎圆桌、Teambition等协同编辑类工具。④重构型工具旨在重构教育组织形式或教学模式、创造新的活动任务，例如，Classin、微助教、超视频平台等教学联通类工具，虚拟现实头盔和增强现实展台等真实情境类工具，ChatGPT、文生视频模型Sora等AI生成类工具。

智能服务：①支架性服务旨在通过提供学科效果类工具、评价反馈类工具、学科任务单等工具服务和推荐教学路径、反馈可视化分析结果等资源服务，支持学习活动的优化和教学进度的调整。②交互性服务旨在通过提供点击、拖曳、放大、手势动作、口语交互等功能服务，支持人机自然交互。例如，手势互动屏集成了手势环互动装置、大屏幕、交互程序等技术工具，支持通过手势动作与屏幕交互。③体验性服务旨在提供视觉、听觉、触觉、嗅觉、动觉等感官交互的功能服务，延伸学生的感知体验。例如，美国伊利诺伊大学香槟分校构建的交互仿真式行星天文学习空间（Meteor），将地面作为天体空间的虚拟仿真器，通过在学生脚踝处佩戴传感器，提供以自我运动模拟天体运动轨迹的服务（如图3）。④个性化服务旨在通过提供生成式资源与生成类工具等服务，支持个性化教与学。例如，学生运用文心一言等大模型辅助完成学科主题的教学设计创设任务。

（二）学习分析设计

学习分析设计旨在以深度学习特征和核心素养为目标导向，依托国家课程方案与课程标准、权威的学科教材与评价体系等，结合智慧学习环境的要素功能，设计教学目标、开展学情分析、组织学习内容，支持智慧课堂的学习活动设计。

教学目标设计旨在依托国家课程标准及学科教材，融合深度学习特征和学科核心素养，采用ABCD（Audience、Behavior、Conditions、Degree）教学目标陈述法（包括主体、行为、条件和程度），系统性开展由“ABCD+深度学习特征+核心素养”组成结构化设计，明晰通过何种具体行动达成何种水平、基于何种学习路径支持深度学习特征和学科核心素养。教学目标设计可遵循以下原则：①通过自主表现行动，提升学生的认知内驱力，唤醒深层动机、培养自我管理能力；②通过总结输出行动，逐步接近学生的最近发展区，发展高阶思维、培养科学精神；③通过学习共同体的协作参与行动，将个体认知冲突转化为群体认知冲突，开展问题解决、培养社会责任感；④通过开展做中学行动，延伸学生的身体体验，达成切身体验、培养乐学善学素养；⑤通过制作并生成人工制品活动，实现理论到实践的转化，培养实践创新素养。

学情分析设计旨在基于智慧学习环境中数据、模型、资源、工具与服务要素，分析学习者特征、量化知识结构、定位学习起点、规划学习路径，辅助教学目标和学习内容设计。学情分析设计可遵循以下原则：①课中将学生的心理资源唤醒程度可视化，分析学生认知内驱力的调节水平；②课前将学生群体的先验知识结构可视化，确定其最近发展区，定位学习起点、规划学习路径；③课前基于学习者特征和分布式结构构建学习小组，分析学生小组的社会交互网络；④课前设计符合学习者特征的交互式资源或体验性工具，量化学生群体的具身程度、延伸身体体验；⑤课后对活动成果进行内容分析和系统评价，并以知识图谱的形式反馈。

学习内容设计旨在依托课程标准和教材，结合智慧学习环境要素，开发并建立数字资源与教学重难点的映射关系，搭建课程的知识结构体系，支持学习内容的系统化整合与分布式呈现。学习内容设计可遵循以下原则：①空间型、技能型内容中运用体验式资源和调整型工具，唤醒深层动机、开展切身体验；②在真实问题情境中运用交互式资源和增强型工具，支持问题解决、达成高阶思维；③作品等产出成果中运用调整型、重构型工具和支架性服务，完成实践创新。

（三）学习活动设计

学习活动设计是依托相关学习理论和教学策略设计的一系列学习活动的总和，包括活动目标、活动任务、活动方式和活动成果。活动任务设计为其核心要素，可呈现出不同的学习活动序列。例如，体验式学习活动包括具体体验、观察反思、抽象概括、主动实践等序列^[11]。本研究依托深度学习关键要素的活动目标，遵循“浅层学习—临界点—深层学习”的内部机制，设计促进深度学习发生的复合型活动任务序列，结合智慧学习环境的要素功能，确定活动方式、输出活动成果，支持学生在问题解决中达成深度学习，如图4所示。

1.活动目标设计

本研究依托深度学习机制，设计深层动机、高阶思维、问题解决、切身体验和实践创新等活动目标的达成路径。即基于浅层学习活动唤醒深层动机、达成高阶思维，并将此视为深度学习发生的临界点和问题解决活动的开端。学生通过维持深层动机、运用高阶思维、伴随切身体验开展问题解决，输出实践创新成果。认知内驱力源于学生的好奇心和探究心理。活动通过激活学生的好奇心、维系正向情绪，提高学生的专注度和自信心，塑造和强化学生的认知内驱力，唤醒深层动机。最近发展区是指学生的实际发展水平与潜在发展水平的距离，是有效学习和因材施教发生的前提。在最近发展区内，通过设计由基础活动到复杂活动的学习支架，实现认知水平的逐层递进，达成高阶思维。具身交互是身体在场的体验性与建构性交互活动，通过搭建由体验型资源和调整型工具构成的沉浸式学习环境，拓展身体感知程度、延伸身体在场范围，营造切身体验。问题解决是学生在真实问题情境中通过社会互动和协商开展有意义的知识建构的过程。协作探究途径贯穿问题解决过程的始终^[12]。换言之，学习共同体在协作探究活动中开展社会建构，有效执行问题解决。实践创新是指通过问题解决活动生成实践性和创新性应用成果，培养学生的创新意识和实际问题解决能力。

2.活动任务设计

本研究依托深度学习机制，设计支持深度学习发生的学习活动序列，包括具体体验、自主调研、反馈调节等进阶型的浅层学习活动，问题表征、协作探究、增值体验、协同建构等螺旋上升型的问题解决活动，共享反思、应用生成等强化型的深层学习活动。

（1）浅层学习活动：唤醒深层动机、达成高阶思维。

具体体验是基于物理空间中实物及其关联资源的体验性学习活动，旨在通过具体感知和关联映射等方法创设情境，激活学生的经验、正向情绪和好奇心，提升认知内驱力、唤醒深层动机，支持学生积极、专注地投入自主调研活动。

自主调研是基于权威的静态资源或大模型、智能体等重构型工具开展的自主学习活动，旨在通过最近发展区设计基础性、综合性和复杂性等进阶型情境任务，支持学生基于选择注意力机制筛选整合资源、逐步完成任务，提高认知水平。

反馈调节是基于教师或数字工具的指导性、感知性反馈开展的自我调节活动，旨在通过IRF（Initiation-Response-Feedback）对话模式引导学生主动开展或感知他者（教师、同伴、工具）的生成式反馈信息，支持学生反思并调节调研结果，维系深层动机，达成高阶思维。

（2）问题解决活动：运用高阶思维，伴随切身体验，支持问题解决。

问题表征是基于思维工具、学科工具等开展的人机交互活动，支持学习共同体识别、分解复杂问题，明晰执行计划、定位症结所在，实现思维外显。

协作探究是基于在线交互平台和支架式服务开展的社会交互活动，支持共同体按照分解的问题和制订的计划开展社会交互和共同协商，运用学习支架拓展思路、发散思维，实现高阶思维的运用和意义建构的生成。

增值体验是基于体验式资源、可穿戴设备、具身智能体等重构型工具开展的具身交互活动，旨在通过沉浸式环境调动大脑及身体感知运动系统的协同参与，支持学生运用并塑造新知觉经验，深化知识体系、营造切身体验。

协同建构是基于知乎圆桌、Teambition等协作性工具开展的社会建构活动，支持学习共同体协商并整合协作探究和增值体验的成果，初步生成问题解决方案。

（3）深层学习活动：展示反思方案，输出实践创新。

共享反思是基于学习结果反馈模型、演示类和评价反馈类工具等开展的反思交流活动，通过展示并反馈问题解决方案的评价结果，定位问题解决过程的重难点，支持学生个体、同伴或教师经验的定向共享、补充、质疑、整合，提高问题解决过程和结果的平均留存率，实现对问题解决方案的高效反思与修订完善。

应用生成是基于编程开发与AI大模型等制作类工具、思维类工具等开展的实践创新活动，旨在通过应用相关工具执行完善后的问题解决方案，支持学生整合或发散思维，输出人工制品，达成实践创新应用。

3.活动方式设计

活动方式设计包括活动资源、活动工具、活动服务等环境支持和教师预设的活动规则设计。浅层学习活动旨在学情数据、生成式资源和交互性服务等支持下，采用人机自主交互等形式开展。问题解决活动旨在体验式资源、调整型工具、支架性服务和体验性服务等支持下，采用人机交互和组内人际交互的形式开展。深层学习活动在结果数据和调整型工具的支持下，采用组间人际交互等形式开展。

4.活动成果设计

活动成果是指活动表现、响应状态和取得的实际产物，包括学生的生理信号、人机交互行为、社会交互行为、身体动作行为等活动表现和习题的正确答案、课题的理性结论、探究的实践方案、项目的实际作品等学习成果。

（四）学习评价设计

学习评价设计旨在通过整合经验驱动的主观评价和数据驱动的客观评价，结合学生的活动表现、响应状态和实际产物等活动成果，评估深度学习的达成效果。一方面，教师可基于课堂教学目标和教学内容，自主构建问题解决活动的评价量规，采用学生自评和他人互评等形式，量化课堂学习表现。另一方面，心理参与度、身体参与度、社会参与度和认知参与度等参数可反映深度学习中深层动机、高阶思维、切身体验、问题解决和实践创新的达成效果（如图5）。心理参与度是指心理资源的唤醒程度，被用以评价深层动机。身体参与度是指建构性动作的参与程度，被用以评价切身体验。社会参与度是指人机与人际的社会交互程度，被用以评价问题解决。认知参与度是指基于理论观点、问题解决方案、实际作品等学习成果反映的认知水平和知识结构体系，被用以评价高阶思维和实践创新。

三、结语

融入深度学习理论在学习环境、学习分析、学习活动和学习评价四个方面开展设计，是指向深度学习的智慧课堂教学设计的关键。经过对数据、模型、资源、工具和服务等要素的具象化设计，学习环境可以由内而外地促进学习者内部动机、意义关联、知识重组、社会交互、外在体验等的强化。学习分析设计需要结合智慧学习环境的要素功能，开展教学目标设计、学情分析和学习内容组织。活动任务设计是学习活动设计的核心要素，结合智慧学习环境的要素，设计促进深度学习发生的复合型活动任务序列，可以支持学生在问题解决中达成深度学习。指向深度学习的学习评价设计是衡量智慧课堂教学设计成功与否的标准之一。通过分析智慧课堂教学设计的这些要素，本文为教师在智慧课堂环境下开展支持深度学习的常态化教学提供了理论指导和实践建议。

注：本文系国家社会科学基金教育学一般课题“基于人机智能协同的精准学习干预研究”（编号：BCA200080）、北京师范大学教育学一流学科培优项目“智能教育理论体系的构建和实践研究”（编号：YLXKPY-XSDW202204）的阶段性研究成果。

参考文献

[1]黄荣怀，杨俊峰.教育数字化转型的内涵与实施路径[N].中国教育报，2022-04-06（4）.

[2][7]武法提，杨重阳，李坦.智慧学习环境中的人机协同设计[J].电化教育研究，2024（2）：84-90.

[3][6]李松林，张丽.深度学习设计的框架与方法：核心素养导向的分析视角[J].中国教育学刊，2022（9）：46-49.

[4]赫根汉，奥尔森.学习理论导论[M].上海：上海教育出版社，2011.

[5]CHANGCJ，CHANGMH，CHIUBC，etal.Ananalysisofstudentcollaborativeproblemsolvingactivitiesmediatedbycollaborativesimulations[J].Computersamp;Education，2017（114）：222-235.

[8]刘哲雨，王志军.行为投入影响深度学习的实证探究：以虚拟现实（VR）环境下的视频学习为例[J].远程教育杂志，2017（1）：72-81.

[9]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（4）：43-51.

[10]ROMRELLD，KIDDERL，WOODE.TheSAMRmodelasaframeworkforevaluatingmLearning[J].OnlineLearningJournal，2014（2）：1-15.

[11]KolbDA.Experientiallearning：Experienceasthesourceoflearninganddevelopment[M].FTpress，2014.

[12]王兆雪，武法提.面向设计类问题解决能力的多模态数据测评研究：动因、要素、框架与发展路径[J].远程教育杂志，2022（5）：50-61.

（作者武法提系北京师范大学教授、博士生导师，数字学习与教育公共服务教育部工程研究中心主任；杨重阳系河北师范大学教育学院讲师）

责任编辑：李媛