​观点 | 如何让在线教育更科学？

谈起科学，小时候我一直有一个困惑：种红薯的时候到底要不要翻秧？直到30多年后我才靠百度圆满解决了这个问题：水分充足的地方就要多翻秧，避免它滋生枝叉；水分少的地方就不要翻秧，以便叶子也可以从土壤中更多吸收水分。我在想，如果我小时候掌握了科学知识，就应该把红薯地分成多块，这块不翻秧，那块翻一次，那块翻两次；这块浇水，那块不浇水，然后比较产量……由此想到，老农种地多半叫凭经验，而袁隆平种地就叫靠科学。

再来看一个教材的例子，有一天我翻了一下小学一年级的语文教材，想重温一下童年。突然发现 a o e三个人混的太惨了，三十多年前我读小学一年级的时候，它们三个就印在一页上，三十多年后，除了黑白变成彩色以外，它们还印在一页上，居住面积真的没有一点提高。当然，我不是闲得无聊才谈这个问题的，大家回头看看小孩子们在幼儿园看的绘本，都是特别简单的画和特别简单的文字。一夜之间，他们就要看印的满满的教材。你们说 a o e到底应该印在一页上还是印在三页上呢？有出版社编辑跟我讲，说印在三页上真不行啊，教材太贵，国家承担不起。我说别哄我了，我们已经成为世界第二大经济体，给孩子们买不起几本教材？！编辑又说，教材太厚学生背不动啊，我说这还有一点道理，但是将来采用数字教材、电子书包了，印在一页上和印在三页上有什么区别吗，到时候你们准备印在一页上还是三页上呢？

其实啊，a o e印在一页上还是印在三页上确实没有那么重要，只是想通过这件事情提醒大家，在教育领域，是否还有很多问题需要更坚实的实证研究证据支持？比如说，这个时代到底该学习哪些课程？采用平板电脑常态教学对孩子们的视力、智力等各方面到底有什么影响？一个班到底多少个孩子效果最好？教室里刷成什么颜色学习体验最好？投影的亮度到底多少效果最佳？视频讲课和面对面讲课到底有什么差异？……

仔细想想，我们教育里是否还有很多事情真的靠的是经验。当然，不是说经验不重要。如果我们非要坚持一定要研究透彻才能开始教育，恐怕我们今天还在丛林里、在山顶洞里生活。不过北大计算机系黄铁军教授曾经讲过一个观点：人类先有了飞机，然后才有了空气动力学理论。当然，有了空气动力学以后，飞机可以飞得更快更高了。黄老师这个理论是针对科学与技术的关系讲的。但是对我们刚才讨论的问题也有启发，人类先有了教育行为，然后才慢慢有了教育理论，但是有了教育理论后，或许就可以教育的更好，这是一个螺旋式发展的过程。照这个思路去想，我们全国成千上万的教育研究者是否应该逐渐地、慢慢地将每一个教育行为的理论基础夯实呢，这样我们是否就可以更加理直气壮地说就要印在一页上或三页上呢？

学习科学（Learning Sciences）是国际上近30年发展起来的关于跨学科的研究领域，涉及教育学、信息科学、认知科学、脑科学、生物科学等重要研究领域。国际学习科学领域的知名专家索耶（R·Keith·Swayer）在《剑桥学习科学手册》一书中指出，“学习科学是一个研究教和学的跨学科领域。它研究各种情境下的学习——不仅包括学校课堂里的正式学习，也包括发生在家里、工作期间、场馆以及同伴之间的非正式学习。学习科学的研究目标，首先是为了更好地理解认知和社会化过程以产生最有效的学习，其次便是为了用学习科学的知识来重新设计已有的课堂及其他学习环境，从而促使学习者能够更有效和深入地进行学习。”简而言之，学习科学主要就是研究：“人究竟是怎么学习的，怎样才能促进有效地学习？”

为什么会在近30年提出学习科学？为什么特别强调这点？原因是这样的：大家都知道有个学科叫认知科学或者是认知神经科学。认知科学已经好几十年历史了，但是后来有一批认知科学学者发现，在实验室做了几十年研究，对真实情境中的教学，比如说课堂教学几乎没有产生太大的实质性影响。比如说实验室研究，确实做的很深入，文章影响因子也很高，但是普通老师根本不看也不用，所以他们就出来了，往课堂教学走了一步。这个时候正好赶上人工智能、计算机的崛起，这两批人一合作就提出了一个学科叫学习科学，希望在脑心智和真实情境教学之间架起桥梁。当然，也有人担心这个桥是不是太长，还是搭不起来，不过可喜的是，近年来功能磁共振成像技术（fRMI）、人工智能和大数据等先进技术的发展，使学习科学产生了突破性的发展，这座桥似乎真的看到希望了。

学习科学的研究内容比较广泛，我和裴蕾丝、吴善超于2018年发表的《学习科学的历史溯源、研究热点及未来发展》一文中将学习科学未来的发展方向归结为三类：（一）学习基础机制研究。这类研究比较偏脑科学，但是要和真实情境教学结合起来。研究人员借助先进的认知神经科学研究技术，可以从微观的神经联结层面研究真实情境中的教与学过程，从认知功能与结构相结合的综合视角，研究特定教育干预对学习过程的影响；（二）学习环境设计研究。这类研究比较偏教育技术，比如关注如何在已有的基础研究成果上，将这些成果转化为可以直接应用于真实教育情境的干预方案，如学习媒介设计、物理环境设计、学习交互设计；（三）学习分析技术研究。此类研究指的是利用人工智能、大数据技术对海量的学习行为进行分析评价研究。

学习科学实际上是一个比较广泛的研究领域，具体研究可以说是包罗万象，但是其中比较引人瞩目的一类研究是和脑科学相关的学习基础机制研究。比如华盛顿大学Patricia Kuhl主持的一项研究显示，双语学习能够改变脑白质的微观结构。与只学习一种语言的同龄人相比，一出生就处于双语环境中的婴儿和儿童，具有更高的认知灵活性和控制注意的能力，这个研究结果可以帮助解答很多父母包括教育研究者对孩子要不要从幼儿时期就开始学习双语的疑惑。另外一类比较引人瞩目的研究是和人工智能、大数据、信息技术等相关的学习环境设计和学习分析技术研究。比如加拿大西蒙菲莎大学的Phil Winne教授近期专注于发掘大数据对于学习者在网上自主学习的支持，并设计了一个用于追踪和支持网上自主学习的在线工具nStudy，它能够针对所收集的大数据进行及时整合、分析和筛选，并将结果有针对性地反馈给学习者，以帮助学习者及时、有效的调整自主学习过程。匹兹堡大学Lauren Resnick教授所创立的学习研究所（Institute for Learning; http://ifl.pitt.edu）作为美国知名教师培训和教学促进机构，已开始尝试使用课堂讨论分析工具Classroom Discourse Analyzer（CDA）帮助中小学老师反思和提高课堂讨论效果。

学习科学自提出以来，欧美发达国家和地区都非常重视，许多国家已经将学习科学确立为新的教育政策的关键基础，将人类学习的重要研究成果作为课程决策与行动的基础，在广泛领域得到实际应用。香港大学也将学习科学和脑科学、新材料并列为十六个需要重点发展的学科。2017年9月，在国家自然科学基金委与教育部联合推动下，以“连接未来：教育、技术与创新”为主题的第186期双清论坛在浙江大学胜利召开，与会领导专家一致认为，要结合中国实际，加强教育科学基础研究，注重自然科学与人文社会科学相结合，共同推进教育改革发展。在第二年的国家自然科学基金会指南中，设置了教育大数据分析、认知工具等多个促进教育科学研究的代码，而其中多个代码也是和学习科学直接相关的。目前，清华大学、北京师范大学、华东师范大学、东南大学等诸多高校都在如火如荼的开展学习科学研究。我们北大学习科学实验室也在2017年7月份启动了“人是如何学习的，中国学生学习特征研究及卓越人才培养”（简称为中国学习计划）研究项目，我们也是希望和社会各界努力合作，真的希望去揭示人究竟是怎么学习的，怎么促进有效的学习。（希望各界多支持多参与我们的研究计划，让我们能够团结海内外的优秀研究人员，共同围绕学习，展开长期全面的研究工作。）

从前面的论述中，可以看出学习科学算是教育科学的基础学科，另外，从学习科学的起源可以看出，学习科学的诞生和信息技术有脱不开的关系，因此学习科学和在线教育具有紧密的联系。可以说，在线教育的理论、设计、开发、应用和评估研究的每一部分，都可以看到学习科学的身影，学习科学都发挥着重要的支撑作用。

如果我们去看看期刊上发表的学习科学研究，大体上可以看到这样几类研究：在线学习成效研究、在线学习行为研究、在线学习影响因素研究，在线学习技术研究。当然，你可能还会注意到，到很多人在研究以MOOC为代表的在线学习，这主要是因为最近几年MOOC比较热，而且MOOC中的数据都记录下来了，比较容易获取和分析。但是，我们一再强调，尽管MOOC为代表的在线视频教学在当前的在线教育中很重要，但是在线教育不等于直播，不等于录播，也不等于MOOC，还有各种各样的在线教育方式，比如基于BBS开展的在线异步学习也属于在线教育。

前面我们说过，学习科学的主要研究可以分为学习基础机制研究、学习环境设计研究和学习分析技术研究。其实，在这三个方向都和在线教育有关系，不过考虑到在线教育的特点，学习环境设计研究和学习分析技术研究目前开展的比较多一些，下面展开介绍一下：

（一）学习环境设计研究

在学习环境设计领域，诸多学者开展了各种卓有成效的研究，探索如何利用移动学习、VR/AR、游戏化学习、模拟仿真等新技术，为学习者创建富有吸引力的学习环境，支持更多的创新的学习方式。比如Hempel等人2019发表的论文中，介绍了他们虚拟仿真学习平台应用到医学教育中的研究，结果表明，虚拟仿真学习平台有助于培养医学生和年轻专业人士的个人职业技能。Jeno等人2017年发表论文中介绍了他们把用移动学习软件应用到生物课程中的研究，结果发现使用移动软件要比使用传统课本有更好的学习成就和动机。至于游戏，我们实验室之前做了大量的研究，致力于把脑科学和小学数学学习结合起来，也开发了几款教育游戏（www.mamamgame.net）。在高等教育领域，Berns 等人曾经把3D英语游戏应用到课堂学习中。香港大学教育学院Huang和Hew2018年的研究中，虽然没有用纯粹的游戏，但是把游戏的点数、徽章、排行榜元素应用到了大学的课程中。

其实，整个教育技术学科包括其他兄弟学科基本上都在进行学习环境设计研究，虽然也有研究说没有证据证明信息技术能够提升成绩，比如说我们前面文章中谈到的“非显著差异现象”，但是我们能看到的是技术正在稳步进入课堂中。

（二）学习分析技术研究

所谓学习分析，简单的说，就是对学习过程中产生的学习行为等数据进行分析，以便了解学习者的学习行为轨迹、学习行为特征、学习偏好等，从而更有针对性地为学生提供帮助。其实 “学习分析”的核心概念最早出现在20世纪60年代的计算机支持管理、计算机人机交互和网络科学等领域。直到2011年，学习分析才在教育领域引起广泛关注。2011年美国新媒体联盟（New Media Consortium）《地平线报告》发布，该报告将学习分析技术视为影响教育发展的新兴技术。也是在2011年，学习分析成为一个相对独立的研究与实践领域，乔治·西蒙斯发起并组织了第一届学习分析与知识国际会议（Learning Analytics and Knowledge, LAK），并在会上提出学习分析的定义：“学习分析旨在测量、收集、分析、报告学习者及其学习情况的相关数据，以促进对学习过程的理解，并对学习及其发生的环境进行优化。”

这些年，各位学者们做了大量的关于学习成效比较、学习行为分析、影响因素的研究。比如我们很想知道线上、线下学习和混合学习的差异，中南大学许建平老师等人2018年的论文研究了基于MOOC的混合式学习在大学生理课程中的应用，发现能够显著提升成绩。再比如说我们比较喜欢同步在线教学，那么到底同步（比如直播）还是异步（比如录播）好呢？Bernard、Abrami和Lou等人对315项研究进行了元分析，他们发现异步在线教学的结果有明显优势，而同步在线教学的结果有明显劣势。

当然，还有更多的研究，在分析学习者在线学习行为以及影响在线学习成效的因素，比如成亚玲和谭爱平2020年新发表的论文中对于在线开放课程学习质量进行的研究中，发现投入度高的学习者其学习参与度越高，学习成绩越好。当然，学习分析未必都要对MOOC进行研究，香港大学教育学院陈高伟教授等人就基于BBS讨论区的帖子进行过研究，研究结果发现研究发现在线互动过程中的评价、发表新观点以及提出问题等互动方式能有效增强学习效果和学生互动的积极性。此外，首都师范大学王陆教授、华东师范大学顾小清教授等人近年来采用社会网络分析等方法对在线学习进行了大量研究，发表了许多研究成果。通过这些研究成果，可以看出学习投入高，主动性强是好的学习效果的保障。

以上这些学习分析研究对于教师究竟有什么用呢？顾小清等人2010年曾谈到：对于教师来说，学习分析是优化其教学的工具，教师可以利用学习分析来获得有关学生的学习绩效、学习过程以及学习环境的信息，这些信息可以为教师从教学改进角度提供依据。比如说通过在线学习平台，收集学生答题情况，教师可以知道班级学生在各题目上的正确率，方便老师判断学生对各知识点的掌握情况；依据在线学习平台的记录，教师可以收集学生上课过程中与老师的互动情况，由此判断学生上课的积极性。或者更加直接地，通过学生在平台上学习的时长、登录的次数、答题数量、看的课程视频数量等来判断学生在家学习的认真情况。

对于学生来说，学习分析也是实现自我评估的工具。通过学习分析得到的自我分析报告，可以帮助学生了解自己的优势和不足。比如在Classin教学软件中，上完课之后学生的学习报告，里面涉及到活跃度、出勤和获得奖励情况等。有些涉及答题的学习软件中，会为学生提供“错题集”功能，这些都是有助于学生了解自己优劣势情况，帮助学生实现自我查缺补漏的工具。

过去的学习分析研究，主要是在高等教育领域，因为研究者比较容易利用MOOC、Moodle平台上的的学习行为数据。而现在，受疫情影响，全国各地的中小学生都开始了网上学习，学生的学习行为都被记录了下来，老师们最初因不熟悉线上教学而产生的忙乱期也已经度过了。接下来老师们或许可以借鉴已有研究中的学习分析经验来开展自己课堂中的学习分析，以便优化自己的教学。

学习分析似乎很神奇，那么究竟怎么做学习分析呢？已有研究中主要采用的学习分析技术有五类，分别为：预测、聚类、关系挖掘、社会网络分析和文本挖掘。

预测是依据学习者的一些学习行为来预测学习者的表现。比如简单举个例子：在一群学生中，已知有部分成绩好（考试成绩超过85分）的学生每次上课都会发言，并且做作业的正确率在85%以上，那么老师可以根据这个条件来预测剩下学生的成绩。

聚类是根据数据的相似性将数据聚合为不同的簇（类），让同一簇里的元素尽可能相似，而与其他簇里的元素尽可能相异。如依据学生的一些特性，包括学习行为、人口学特征等给学生归类。有研究就基于学生在课程材料，视频，论坛和考核这几方面的投入行为，聚类得到了五类学习者：不感兴趣学习者，随意学习者，绩效偏爱者，探险家和成就者。

关系挖掘是从关系数据中挖掘有意义的模式，可以是空间上的共现关系，也可以是时间上的序列关系。常见的关系挖掘包括关联规则挖掘，序列模式挖掘，相关挖掘和因果数据挖掘。如最近在教育研究领域使用较多的滞后序列分析就是序列模式挖掘中的一种。该方法可以检验一种行为出现之后另外一种行为出现的概率及其统计学意义上的显著性。我们可以据此发现学生一些特别的行为序列模式，如学生的回溯行为。

社会网络分析主要是针对互动关系，测量、评价师生/生生之间彼此分享、传递和接受的内容。在各种计算机工具的辅助之下，通过网络图的方式来展现个体之间的交互结构。简而言之，用一个个节点来代替社交中的个体，通过连线代替个体之间的交互。在这个分析中，可以看到整体的社交网络结构，也能够发现其中重要的个体，如在交互中的核心人物、桥梁人物或意见领袖。

文本挖掘指的是从一些文本数据（如论坛中的帖子、对话消息、课程笔记等）中发现有意义的规律、趋势和模式。它可以从课程评价支持、学习者知识能力测评、学习共同体分组、学习行为危机预警、学习效果预测和学习状态可视化等6个方面来辅助教育教学实践。关于学习分析技术，西安交大郑庆华教授、华中师范大学刘三女牙教授、北京师范大学郑勤华教授等人有丰富的研究成果，大家有兴趣可以展开学习。

上述的方法都是教育研究者通过各种前端或后台数据来对学生进行学习分析的办法。对于一线教师来说，可能不太熟悉方法，也不一定能拿到数据，那么在这种情况下，一线教师可以怎么开展简易的“学习分析”呢？其实，无论采用什么方法来做学习分析，其本质就是利用一切可获得的、可反映学生学习行为的数据，来反推学生的学习过程，从中发现问题，找出规律，再针对性地给予反馈。

首先，可以采用 “抓典型，树榜样”的方法。已知班级中哪些学生成绩好，分析他们在学习中，存在的一些共性学习行为或习惯。比如说学生观看直播课程时的积极性（迟到早退情况、互动频次、互动内容等），提交作业的时间、提交作业的次数等，根据这个可以作为简单判断其他学生学习效果的依据，同时可以分享这些学习行为/习惯给其他学生，以期能够提升他们的学习效果。需要注意的是，在实际的预测、聚类等分析中，我们要采用的学习行为指标都需要不断的调整，那么一线老师们在自己的分析中，这些“共性的学习行为/习惯”也是需要不断摸索得到的。

其次，可关注学生的学习行为路径。换而言之，学习流程。有的同学采用的是“预习→提问→针对问题听课→复习→写作业”的学习流程，而有的同学则是“听课→提问→写作业”这样的学习流程。学习流程虽然因人而异，但是学生可以了解尝试多一些学习流程，找到最适合自己的一种。

最后，可以根据学生在线上课堂的留言互动等来看学生对于课堂参与的积极性。喜欢刷屏的学生是极其活跃的学习者，在线上都一言不发的学生可能是边缘性学习者，老师们都要给予关注。

当然，对于一线教师来说，虽然也鼓励大家独立或者和专家合作开展学学习技术、学习分析等学习科学研究，但是更多的时候，主要需要考虑的是如何应用学习科学。

关于应用学习科学，其实现在市面上也有非常多的书，从脑科学、心理学、教育学、教育技术学等各个角度在谈如何将教学更科学。其中我觉得梅耶教授撰写、浙江大学盛群力教授翻译的《应用学习科学》挺好的，写得很好，翻译的也很好。其实梅耶应该是把他过去在多媒体学习方面的研究成果拓展了一下，告诉大家怎样把学习科学应用到课堂教学中。还有一本书《聪明教学七原理》，我记得是匹兹堡大学教师发展中心的老师们写的，初衷是给大学老师们看的，不过，很多中小学老师也说挺有帮助。当然，国内外还有很多优秀的著作，这里不再一一罗列。

这些年我们和北京教育学院朝阳分院、北京市海淀区教科院等区域一起，努力开展提升教师学习科学素养项目，致力于将学习科学知识和课堂教学深度整合起来。三年来，老师们付出了艰苦的努力，进行了卓有成效的探索，也取得了丰硕的研究成果。下面就结合我们的研究心得体会，并参考其他文献，给老师们提出“基于学习科学的在线教学八建议”，不过，因为我们的研究还在进行中，这些建议还很初步，仅供大家参考。

建议1：科学制作多媒体课件

关于多媒体课件的制作放在当下讨论似乎已经是“过时”了，但是越是“老土”的东西可能越有效。我国自教育信息化改革以来，从幻灯片到微课，多媒体课件已经成为了课堂中的不可或缺的支撑素材，课件不仅是承载学习内容的显性媒介，更是发展学生知识储存方式和思维方式的隐形催化剂，多媒体课件的重要性不言而喻。随着信息技术的可操作性的提高，以及互联网提供的海量的开放的数字资源，可供教师选择的素材呈现出了多样性。当下，多媒体课件的制作对于很多教师已经不存在技术上的障碍了。但是，如何将已有的素材与教学内容合理地组织成适合学生学习的课堂教学媒介，这仍然是一个值得深入思考的问题。

梅耶提出的多媒体学习理论等其他学者的研究成果为课件的制作提供了很多可参考的理论依据。多媒体教学中的很多原则和策略都一样适用于当下的教学情景，譬如多媒体教学原则强调要排除无关认知加工（1）聚焦要义：去除无关材料（2）提示结构：突出关键材料（3）空间临近：解释图示的文本与对应图示的位置应尽量靠近，还有很多原则与策略就不再一一例举了 。这些已有的研究成果还是应当重视起来。在制作课件时，要考虑在线教育的特殊性，学生基本都坐在“第一排”，所以在线教学课件和普通课件可能还不太一样，比如字体略小一些也许是可以接受的。

另外，在线教育中调动学生的参与感非常重要。脑科学研究成果告诉我们：新异性刺激有助于触发注意力的觉醒和定向系统。除了适当使用文字、声音、图片、视频，并力求符合多媒体认知原则，还可以利用新异刺激比如视频、动画、奖励等手段吸引学生注意力，同时可以采用情境变换促进学生的注意和记忆。

建议2: 分块呈现教学内容

在线教学应该小步子进行，采取分块呈现教学内容。根据注意力方面的研究成果，学生一般能集中注意力的时间只有15-20分钟 。而在线教学的形式需要学生一直面对屏幕，影响学生注意力的因素变得更为复杂，除了注意力，画面的清晰程度以及音质，都将对学生的注意力产生干扰。如何高效利用学生可集中注意力的时间展开教学成为了在线教学的当务之急。

面对如此大规模的在线教学，如何开展行之有效的教学任务是对每一位教师的挑战。小步子开展教学可以从以下几个层面入手。（1）对于录播课（MOOC），可以拆分成微课。（2） 对于普通直播课（1-3小时的课程），将学习内容分成15-20分钟左右的模块，模块之间可以用放视频、提问、讨论等其他内容调节过渡一下。（3）在线教学中师生采用概念图组织知识，清晰地呈现核心概念以及核心概念之间的联系。（4）要善于使用重复和总结。脑科学研究表明，大脑总在寻求新知识与已有知识息之间的相似模式和关联，这也启示我们要根据学生的认知水平和可接受程度，对教学内容切片并进行有机的重组。

建议3：恰当呈现教师形象

大规模的在线教育，迫使许多老师当上了“主播”，这也是很多老师第一次直面镜头中自己的形象，并且细致到面部表情。教师形象呈现方式是在线教育中的一个值得关注的问题 。关于教师形象呈现对学生的学习效果的影响，研究者做过一些研究。皮忠玲2014年的论文中提到，在视频学习中，学习者平均会花费 62.3%的时间用于注视教师图像，用于注视学习内容的时间仅占37.7% 。Ramlatchan等人2020年的研究中指出，在网络课堂中，通过展示教师和教学内容，可以在教师可信度和即时性之间建立一种平衡。

对于如何呈现教师形象，目前还没有清晰的定论。但是纵观已有的研究，确定的是教师形象呈现对于学生的学习会产生一定的影响。虽然，教师形象会占据学生一定的注意力，但是，对于学生的学习情绪、学习感受等产生一定的积极作用。

所以，如果条件请到高水平的“导演”，在直播或录播的时候可以动态切换内容，根据学生的需要恰当呈现教师形象和学习内容。如果没有条件动态切换，那就在屏幕上呈现教师形象吧。

建议4：注重促进教学互动

在教学中，互动是一个非常行之有效的手段，相关研究很多。建构主义学习理论、社会文化历史理论、社会学习理论（班杜拉）等，都很强调互动的作用。但是，在线教育和传统的课堂教学的环境差异还是很大的，这导致了互动的形式和方式都发生了重要改变，如何在原有的基础和经验之上，进行适应现有的学习环境的教学互动仍然是重难点问题。

许多研究表明，学习发生在学生之间的知识分享和同伴之间的互动。Robinson等人2018年的研究也指出，学生在线讨论，可以提高学生在线学习的质量，学生可以受到同伴的积极参与的影响。在线教学要充分发挥网络平台的优势，调动学生之间进行交流和分享。在教学过程中，要注重直播录播界面设计，譬如注意看着摄像头；注重有效提问，善用言语互动；注重利用学习平台进行深度讨论，促进有效认知互动；注重在线教育中的“个性化学习”特点；注意给学习者“及时反馈”。另外，可以尝试给予学生更多的展示分享时间，以此倒逼学生进行更为有效的自主学习。关于这一部分内容，也可以参考之前的一篇文章《如何促进在线教育中的互动》。

建议5：促进深度学习

互联网的“快餐”风格似乎难以让学习者深度思考。有人认为，在线教育很难做到面授课堂的线上搬家，达到面授课一样的学习深度，主要原因在于在线教育没有留给学生更多的时间去独立思考，没有留给学生更多的机会去集体研讨和相互启发。如何能够让学生在线学习中更加深层次的思考和学习呢？

（1）必不可少的是设定问题，在探究问题中学习。早有研究者发现，不是被动的看纸质或口头提供的信息，而让学习者对提问思考产生信息，那么对这个信息的回忆效果就会显著改善。可见，问题情境中学习者的思考加工对于学习更有效果。在线教学中，教师不仅仅需要讲解基础概念，更需要提供思考问题。

（2）通过知识生成促进深度理解。为什么生成知识有利于深度理解呢？生成知识和观点的过程需要更多的认知努力，而不仅是接受信息，而且，我们在互联网中可以看到太多现成的资料和无需费力就可以找到的答案，相比而言，需要个人去创造性生成的信息会更容易显得与众不同，也就会被记住的越好。比如在搜索引擎上可以很快查出关于某一术语的解释，看过之后可能很快忘记，但是如果需要你自己下一个定义，那么对于这个术语的理解就更深入，也会被保持的更好。因此在线教学中需要诱发学生生成信息和知识。

（3）通过设定探究任务，促进学习者的主动学习行为。具有主动学习特征的“学习行动”会让学习者有更强的控制感，有助于主动学习和记忆的长久保持。探究任务中，对知识的学习是由浅入深的过程，也是学习者发现问题和解决问题的过程，而关键在于教师发布的探究性任务是否贴近生活、跨学科、在难度和复杂度上递进。在线教学中，教师可以提供探究问题和资源列表，学生自主学习后完成自主探究任务。

建议6：创新应用学习技术

生活中我们经常提长板理论，在线教育中也是如此，一定要找到在线教育的特点并发挥其优势：在线教育中可以天然地使用各种新技术，并可以积累更多丰富的学习者行为数据，因此，学习也拥有了新型的方式。

回顾经典的学习理论，建构主义学习理论认为学习是学生主动建构的，是对信息的主动加工和处理，而不是被动地接受。多媒体学习的认知理论的基础是双通道模型，即人有言语和图示两个单独的加工通道，用言语和图示两种编码结合起来构建心理表征，比只有一种编码的效果更好。并且我们更容易记住一些用图呈现的信息。体验学习理论认为知识并非是通过单纯的讲授传递给学习者的，而是通过边做边学的方式获得的。只有反复经历探究、发现、反思、运用等几个阶段，才能真正掌握并且熟练运用相应的知识。情境学习理论强调在真实情境中呈现知识和应用知识，学习具有社会性和实践性，其本质就是社会协商。综上可以发现学习终归是学生自己主动的加工建构，是通过体验和做中获得的，是社会情境中习得的，而通过多媒体手段可以呈现丰富的多形式的信息，利用信息技术也能够创建更富吸引力的学习环境，从而可以更能激发学习者的学习动机。

（1）使用MOOC、微课、翻转课堂等创新学习方式。MOOC提供了让学生自主学习的平台，其系统的知识体系和课程作业、讨论答疑帮助学生掌握一门课程，而微课和翻转课堂给予学生通过自主学习获得知识建构的机会。

（2）利用移动学习、VR/AR、游戏化学习创设学习环境。对于学习环境的创设上，VR/AR以其仿真和沉浸性独占优势，当然，在技术门槛难以达到的情况下，用幻灯片、视频、讲故事等方式依然可以为学生创造真实情境，激发学生的学习动机。

（3）利用大数据、学习分析、人工智能实现个性化自适应学习。现今自适应学习和个性化学习已经不再虚无缥缈或仅仅停留在理论层面了，大数据挖掘学习分析为发现学习者特征和学习差异提供基础，人工智能为向学习者推送适合学习者自身水平的资源。当然，并非每个老师都需要实现这样的技术，可以先用成熟的产品，比如使用能够智能匹配个人水平的背单词的APP。

建议7：激发学习者积极情绪

我们的大脑像一个照相机，能够对一些具有情绪性的事件拍下照片，创造出永久记忆，这是因为情绪人们对那些引起积极情绪的信息或消极情绪的信息的记忆在持久性上好于那些中性情绪信息的记忆。根据脑科学研究成果，积极情绪能影响认知连接的广度，提升学习者的注意广度、整体性思维。并且积极情绪影响人们的整体理解，使得个体在认知和创造性思考任务中表现得更好。

社会情绪学习理论则认为儿童学习理解和管理情绪，建立维持良好人际关系的社会情绪学习对认知有促进作用，学业与社会情绪学习联合会经过大量的实证研究证明了社会情绪学习对学业成绩和认知能力有积极促进作用。在线教学隔着屏幕难以在同一空间与教师和同伴共同活动，如何激发学习者的积极情绪呢？

（1）可以采取很多有趣的活动，比如手势、击掌、放松练习等。具身认知理论认为，身体的活动、运动体验决定了我们的认识，让学习者在接受在线教育中肢体参与，在体验中感悟和理解。而且这样有趣的有仪式感的活动可以让学习者产生更多的融入感。在一个学习任务之后让学生站起来走走做点锻炼喝点水，提高血液中的氧含量，保证大脑的能量来源。

（2）积极的语言如过程性的鼓励，使用幽默手段。对于过程和努力的表扬和鼓励有助于促进学习者成长型思维的形成，比如赞扬“你在这道题的创新解法可见你肯定很努力很善于思考”。而幽默具有很多益处，比如让体内内啡肽升高，让人精神欢快，能够引起人的注意，创造良好的学习氛围。

建议8：善用游戏化（Gamification）思维

游戏化思维应用游戏设计和理念，增强了学习者的参与感和沉浸感，帮助学生在主动认知加工的过程中学习。基于内在动机理论、心流理论、发现学习理论、强化学习理论等，游戏化学习理论也得到日益丰富，我们又经过长期的研究和思考，后来逐渐总结出了游戏的三层核心教育价值：依次为游戏动机、游戏思维和游戏精神。我们2019年在高教出版社出版的《游戏化教学法》教材系统论述了游戏化和如何开展游戏化教学。在在线教育中善用游戏化手段开展教学，对于增加学习者的学习动机，促进学习者的参与感，帮助学习者全身心投入学习。具体可以怎么做呢？

（1）在教学过程中使用适当的游戏（包括传统游戏和电子游戏），比如可以采用在线教育游戏PK的活动设计，让学生一起进入游戏化的答题情境中，在竞争和合作中学习。

（2）在教学过程中使用点数、徽章、排行榜等游戏化元素或机制。当前有很多游戏化课堂管理平台，教师可以在课程中采纳，及时记录学习的进步，激发学生继续探究的动力。

（3）将教学活动设计为游戏，比如设计为闯关游戏等。学科学习中有很多经典的游戏，可以在线组织学生玩学科游戏，或者教师可以根据游戏的设计方法，根据内容的规则将学习活动设计为一个游戏。

关于游戏化思维，因为是我的一个主要研究方向，比较熟悉，所以我下一篇文章计划展开专门讲讲。

在文章的最后，我想再强调一下之前说过很多的次的话：“教育发展急需加强基础研究，基础研究可从学习科学开始！”学习科学不仅对于在线教育有意义，对于疫情之后的传统教育更有意义，不管是研究者、学习者还是管理者，都应该高度重视。

最后还是祝疫情早日结束，好让我们的学习、生活、工作都更科学。

【作者：尚俊杰  校对：郭艳玲  审核：时华伟】