在全球数字化浪潮的推动下，教育数字化转型已成为世界各国教育改革的重要趋势。我国政府高度重视教育数字化发展，《教育部2022年工作要点》要求深入实施教育数字化战略行动，加快推进教育数字转型和智能升级。2022年底教育部发布《教师数字素养》教育行业标准，强化新时代教师队伍建设。与此同时，新一轮基础教育课程改革正在深入推进。2023年，教育部办公厅印发《基础教育课程教学改革深化行动方案》，强调要充分利用数字化赋能基础教育。该方案提出，要推动数字化在拓展教学时空、共享优质资源、优化课程内容与教学过程、创新学生学习方式、精准开展教学评价等方面的广泛应用，构建数字化背景下的新型教与学模式，提高教学效率和质量。在这一背景下，教育界对数字化和深度学习的关注日益增强。深度学习强调学生主动建构意义、理解核心概念、发展高阶认知技能的过程。相应地，深度教学要求教师引导学生进行高阶思维、问题解决和知识迁移。［1］然而，当前的教师评价体系仍然侧重于传统的教学指标，难以全面反映教师在促进学生深度学习方面的表现，特别是在数字化环境中的教学能力。因此，构建一个适应数字化转型背景、聚焦深度教学的教师评价框架成为当前教育评价改革的重要课题。
一、研究进展
本节系统回顾深度学习与深度教学、数字化教学环境特征以及深度教学评价研究的相关文献，为构建新的评价框架奠定理论基础。
1. 深度学习与深度教学
深度学习的概念源于20世纪70年代的高等教育研究。马尔顿与萨尔约在其开创性研究中首次区分了表层学习和深层学习两种学习方式。他们发现，采用表层学习方法的学生倾向于被动接受信息，只关注记忆和重复；而采用深层学习方法的学生则积极寻求理解，努力将新知识与已有知识和经验联系起来。［1］这一发现为后续的深度学习研究奠定了基础。恩特威斯特等学者进一步发展了深度学习的概念，强调深度学习不仅仅是一种学习方法，更是一种学习取向，涉及学生对学习的态度和动机。［2］比格斯和唐提出了“建构一致性”的概念，强调教学目标、教学活动和评估方法之间的一致性对促进深度学习的重要性。［3］这些研究都指出，深度学习的核心特征包括对意义的主动建构、对核心概念的深入理解以及高阶认知技能的发展。
在中国的教育实践中，深度学习被视为培育学生核心素养的重要途径。李松林等进一步阐述了深度学习的特征，包括知识的主动建构、高阶思维的运用、学科核心概念的理解等。［4］这些研究为理解深度学习在中国教育改革中的重要性提供了本土化的视角。相应地，深度教学作为促进深度学习的教学方式，对教师提出了更高的要求。郭元祥强调深度教学要求教师创设真实的学习情境，提供适当的支持和挑战，引导学生进行高阶思考和问题解决。［5］哈蒂的元分析研究指出，教师的教学策略对学生学习成果有显著影响，其中促进深度学习的策略如元认知策略、反馈等尤为重要。［6］这些研究都强调了教师在促进深度学习中的关键作用。
2. 数字化教学环境的特征
随着信息技术的快速发展，数字化教学环境已成为现代教育的重要特征。科林斯和哈尔沃森指出，数字技术正在重塑学习的本质，创造了新的学习可能性。［7］这种环境具有以下主要特点。
第一，学习资源的丰富性和可获得性显著提高。开放教育资源和大规模开放在线课程极大地扩展了学习机会。这些资源突破了传统教学的时空限制，使学生能够随时随地获取所需的学习材料。第二，学习时空的扩展性得到了极大的增强。西门子提出的连通主义学习理论强调，在数字时代，学习不再局限于固定的教室和时间。［8］通过在线学习平台和移动设备，学生可以根据自己的节奏和需求进行学习，实现真正的个性化学习。第三，学习过程的个性化和自适应性大大提高。智能学习系统能够根据学生的学习表现和需求，自动调整学习内容和难度，提供个性化的学习路径。这种自适应学习大大提高了学习的针对性和效率。第四，师生互动和生生互动方式变得更加多样化。混合式学习环境为师生之间、学生之间的交流提供了新的渠道。这些工具不仅促进了即时交流，还支持异步讨论和深度协作。第五，学习数据的实时性和可分析性显著增强。学习分析技术能够帮助教育者更好地理解和优化学习过程。通过实时记录和分析学生的学习行为数据，教师可以及时了解学生的学习状况，进行精准的教学干预。
这些特征为深度教学提供了新的可能。例如，丰富的数字资源和虚拟仿真技术可以帮助教师创设更加真实和复杂的学习情境；自适应学习系统可以为学生提供个性化的脚手架支持；学习分析技术则为过程性评价提供了强大的工具支持。然而，这些特征也对教师的教学能力提出了新的要求，如何在数字化环境中有效实施深度教学成为一个重要的研究课题。
3. 深度教学评价
随着深度学习理念的推广，对教师深度教学能力评价的研究逐渐受到学者们的关注。这些研究为理解和评估教师如何促进学生深度学习提供了不同的视角和方法。
沃伯顿提出了一个评估高等教育教师深度教学能力的框架。该框架包括三个主要维度：认知维度（如促进高阶思维）、情感维度（如激发学习兴趣和动机）和管理维度（如组织有效的学习活动）。［9］这个框架强调了深度教学不仅涉及认知挑战，还包括情感支持和有效的课堂管理。在中小学教育领域，塞德尔和沙韦尔森通过元分析研究，确定了几个与深度教学相关的关键因素，包括领域特定的学习活动、目标导向和社会支持等。［10］他们的研究为评估教师深度教学能力提供了实证基础，强调了教学过程涉及多个方面。针对数字化教学环境，雷德克和约翰内森提出了一个评估教师数字化教学能力的框架，其中包含了促进深度学习的元素。［11］该框架强调了教师利用数字技术促进学生深度认知参与、协作学习和自主学习的能力，为在数字化背景下评估深度教学提供了新的视角。
但这些研究仍存在以下不足：首先，大多数现有研究仍然基于传统课堂教学环境，未充分考虑数字化环境带来的新特征和新挑战；其次，许多研究提出的评价指标过于宏观和抽象，缺乏可操作性；最后，现有研究往往关注深度教学的某些方面，如教师的提问技巧或课堂组织能力，而缺乏对深度教学全过程的系统考察。这导致评价框架难以全面反映深度教学的本质特征，特别是在数字化教学环境中的表现。
二、深度教学评价框架
本研究构建了一个包含三个核心维度的深度教学评价框架：问题情境创设、脚手架搭建和过程性评价。这三个维度相互关联，共同构成深度教学的核心要素，适用于数字化教学环境，能为教育研究者和实践者提供一个全面、系统的工具，以评估和提升数字化背景下的深度教学实践水平。
1. 问题情境创设
问题情境创设维度立足于情境认知理论，强调学习应嵌入真实的社会和物理环境中。在数字化背景下，这一维度特别关注教师利用新兴技术创设真实复杂问题情境的能力。有效的问题情境不仅能激发学习动机，还能促进知识的深度理解和迁移应用。
教师应能设计贴近现实、多维度的问题情境，使学生能在真实语境中应用所学知识。例如，在生物学课程中，利用虚拟实验室技术模拟基因编辑实验，让学生面对伦理、技术和社会影响等多方面的复杂问题。在历史课上，教师可以利用虚拟现实技术重现历史场景，让学生身临其境地体验历史事件，从而更深入地理解历史背景和人物动机。
基于维果茨基的最近发展区理论，教师需要根据学生的认知水平设计合适的问题。在数字化环境中，自适应学习系统可以根据学生的实时表现动态调整问题难度。例如，在数学教学中，智能题库系统可根据学生的解题表现自动推送难度适中的问题，既保证了挑战性，又避免了认知负荷过重。
此外，教师需要设计能引导学生进行深入探究、逻辑推理和批判反思的问题。这一设计理念与建构主义学习理论相呼应，强调学习是学生主动建构知识的过程。数字化工具如在线思维导图、协作平台等可以支持这一过程，帮助学生形成可视化形象思维过程，促进深度理解。例如，在文学分析课上，教师可以利用在线协作工具，组织学生共同分析一部文学作品的主题、结构和写作技巧，通过小组讨论和集体智慧的碰撞，深化对作品的理解。
问题情境创设还应注重协作对话与共建促进。社会建构主义理论强调知识是在社会互动中共同建构的。教师应能创设促进学生合作学习和对话交流的情境。在线讨论论坛、实时协作工具等数字平台可以打破时空限制，扩展学习共同体的范围，为协作学习提供新的可能。例如，在跨文化交流项目中，教师可以利用视频会议工具，让处在不同地区的学生进行实时对话，共同探讨全球性问题，从而培养学生的国际视野和跨文化交流能力。
最后，强调技术与教学内容的整合，这一观点在数字化教学环境中尤为重要。教师需要不断提升数字素养，有效利用和整合各种数字资源和工具创设问题情境，如开放教育资源、数字媒体库等，丰富教学内容和形式。
在数字化时代，问题情境创设为深度学习提供了前所未有的可能性。虚拟现实、增强现实等新兴技术使得跨越时空的沉浸式学习体验成为可能，而人工智能和大数据分析则为个性化问题设计提供了支持。然而，技术本身并不能保证有效的学习。教师需要深入理解学科知识、教学法和技术的交叉融合，才能创设出既富有挑战性又贴近学生认知水平的问题情境。
2. 脚手架搭建
在数字化环境中，有效的脚手架应该是动态的、个性化的，能够随着学生能力的提升而逐步调整。教师搭建脚手架的能力可从任务复杂性的合理简化、关键任务特征的问题化凸显、智能技术辅助能力以及认知负荷与思维发展的平衡等方面进行评价。
在任务复杂性的合理简化方面，教师需要能够进行隐性思维外显化建模、运用学科语言对问题进行分析建模、提供及时指导，以及根据学生素养调整任务难度。数字化工具如思维导图软件可以帮助教师将复杂的思维过程可视化，促进学生对专家思维方式的理解和内化。例如，在复杂的科学实验设计中，教师可以通过在线思维导图工具，展示实验设计的各个步骤和考虑因素，帮助学生理解科学研究的系统思维过程。
关键任务特征的问题化凸显问题设计能力和认知冲突创设能力。问题导向学习（PBL）强调通过设计开放性、真实性的问题来促进学生的深度学习。数字化任务设计工具为教师提供了将复杂问题分解为关键子问题的新手段，有助于引导学生逐步深入。认知冲突创设能力源于皮亚杰的认知失衡理论，强调通过制造适度的认知冲突来促进学生的认知发展。例如，在物理教学中，教师可以利用虚拟实验室设置一些违反直觉的现象，如磁悬浮，激发学生的好奇心和探究欲望。
智能技术辅助能力是数字化时代教师不可或缺的素质。学习分析技术和自适应学习系统可以根据学生的学习表现和需求，自动调整学习内容和进度。例如，在数学教学中，智能系统可以分析学生的错误模式，识别其概念理解的薄弱环节，并推荐有针对性的学习资源和练习。这种个性化支持不仅提高了学习效率，还能有效减少学生的挫败感，保持学习动力。
在实施脚手架搭建时，教师需要注意认知负荷与思维发展的平衡。这包括界定问题空间、激发学生的学习兴趣，以及提供必要的问题解决指导和专业知识支持。教师应该明确学习目标，围绕目标去选择和设计问题情境，确保问题所涵盖的知识点和素养点都在教学目标之内。同时，问题解决的学习情境要尽可能贴近学生的生活实际，激发他们的兴趣和好奇心。
脚手架搭建在数字化教学环境中呈现出动态性和精准性的新特征。智能自适应系统的发展使得实时、个性化的学习支持成为可能。然而，技术化的脚手架也带来了新的挑战，如何平衡算法推荐和教师判断，如何避免过度依赖导致学生自主性降低，都是值得深入探讨的问题。
3. 过程性评价
过程性评价是深度教学中不可或缺的环节，它强调在学习过程中持续评估学生的学习状况，及时提供反馈和调整教学。在数字化环境中，这一维度特别关注利用技术手段实现精准、及时的评价。
多元数据采集能力是实施过程性评价的基础。数字化时代为教师提供了丰富的数据采集工具，如学习管理系统、电子档案袋等。教师需要熟练运用这些工具，收集学生学习过程中的多维度数据，包括学习行为数据、作业完成情况、在线讨论参与度等。形成性评价理论强调评价不仅是为了判断学习结果，更是为了促进学习过程。多元数据的采集使教师能够全面了解学生的学习状况，为精准评价和个性化教学奠定基础。
数据分析与解释能力是过程性评价的关键。教育大数据的兴起要求教师不仅能收集数据，还能从中洞察学生的学习模式和需求。教师需要运用数据分析工具，如学习分析软件、可视化工具等，从海量数据中提取有价值的信息，理解学生的学习轨迹和特点。这包括理解和解释各种数据指标，如教师提问和学生答问的SOLO分类、师生互动（S-T和Rt-Ch分析）、课堂言语动态比等。通过数据分析，教师可以更精准地把握学生的学习状况，为后续的教学决策提供依据。
及时反馈能力在过程性评价中至关重要。哈蒂和蒂姆伯利的反馈理论强调，有效的反馈应回答三个问题：我要到哪里去？我现在在哪里？下一步该怎么做？［12］数字化环境为即时反馈提供了便利，如自动化反馈系统、在线互动平台等。教师需要能够有效利用这些工具，基于数据分析结果为学生提供及时、个性化的反馈。同时，反馈的方式和内容应根据学生的个体特点和学习阶段进行调整，以最大化反馈的效果。
学生自评互评引导能力也是过程性评价的重要组成部分。元认知理论强调学生应意识到自己的学习过程，并能对自己的学习进行监控和调节。教师需要设计和实施有效的自评互评活动，培养学生的元认知能力。数字化工具如在线同伴评价系统、反思日志平台等为此提供了支持。教师应引导学生学会使用这些工具，培养他们的自我评价和同伴评价能力，促进自主学习能力的发展。
过程性评价在数字化时代正经历着从“评价学习”到“促进学习”的范式转变。大数据和学习分析技术为持续、全面的学习过程监测提供了技术可能，但也带来了数据伦理和隐私保护的新问题。未来的过程性评价可能会更加注重学习生态系统的整体性，将正式与非正式学习、学校内与学校外的学习经历统合起来，形成对学生学习的全景式理解。同时，如何培养学生的自我评价能力，使他们成为自己学习的积极管理者，也将成为过程性评价的重要目标。在这个过程中，教师角色将从评价的执行者转变为学习的促进者和评价的设计者，这对教师专业发展提出了新的要求。
三、深度教学评价的实施策略
在数字化转型的背景下，本研究提出了一套以学习进阶理论为指导的深度教学评价实施策略。这些策略紧密结合了深度教学评价的三个核心维度，旨在全面评估教师的深度教学能力，同时探索数字技术在教育评价中的创新应用潜力。
1. 问题情境创设的进阶评估
评估教师创设高质量问题情境的能力是深度教学评价的关键环节。首先，建立一套基于学习进阶理论的问题情境评价标准。这套标准应涵盖问题的认知层次、复杂度、真实性和与学习目标的一致性等方面。例如，可以参考SOLO分类法等知识水平划分理论，评估教师设计的问题是否能够促进学生高阶思维的发展。评价者可通过课堂观察、教案分析和师生访谈等多种方式，全面评估教师设计的问题情境。在课堂观察中，要特别关注教师如何引导学生从简单概念理解逐步过渡到复杂问题解决。
其次，开发数字化的问题情境分析工具。这类工具可以运用自然语言处理技术，对教师设计的问题进行自动分析，评估其认知层次和对深度学习的促进程度。通过分析问题中的关键词和语义结构，判断问题是否涉及批判性思考、创造性思维等高阶认知技能。通过这种方式，可以更客观、高效地评估教师创设问题情境的能力，并为教师提供即时反馈。
此外，建立同行评议机制。组织教师定期参与问题情境设计研讨会，通过互评和专家点评，提高评价的全面性和专业性。这不仅是评价的过程，也是教师专业发展的机会。在研讨会上，可以设置不同学科和年级的问题设计专题，鼓励教师分享创新的问题设计方法和成功案例。
2. 脚手架搭建的动态评估
评估教师提供脚手架支持的能力需要关注支持的及时性、针对性和适应性。首先，设计脚手架支持观察量表，包括支持类型（如认知支持、元认知支持、情感支持）、频率、持续时间等维度。评价者可通过系统化的课堂观察，记录和分析教师提供脚手架支持的模式和效果。特别关注教师是否能根据学生的反应灵活调整支持策略，以及是否能适时减少支持，促进学生的独立思考。
其次，利用学习分析技术开发动态评估工具。这类工具可以通过分析课堂互动数据，评估教师脚手架支持与学生学习需求的匹配度，及其支持的动态调整能力。通过分析教师—学生对话记录，评估教师提问和反馈的质量，以及这些互动如何推动学生思维的深化。特别关注教师如何根据学生的学习进展适时调整或撤除支持，体现“适时退出”的脚手架原则。
此外，通过学生反馈和学习成果分析来评估脚手架支持的有效性。可以设计学生问卷或访谈，了解学生对教师支持的感知和评价。问卷可以包括诸如“教师的支持是否帮助你更好地理解难点”“教师的引导是否激发了你的深入思考”等问题。同时，分析学生在教师支持下的学习进阶情况，例如比较有无教师支持时学生解决复杂问题的能力差异，作为评估教师脚手架支持能力的重要依据。
3. 过程性评价的多维分析
评估教师实施过程性评价的能力需要关注评价的全面性、持续性和对学习的促进作用。首先，建立过程性评价实践档案系统。要求教师记录其使用的评价方法、频率和反馈方式，评价者可通过分析这些档案，了解教师过程性评价的全面性和系统性。档案内容可以包括教师使用的评价工具（如评分量规、概念图、学习日志等）、评价实施的时间点、评价结果的分析和应用等。
其次，开发基于数据挖掘的评价行为分析系统。这类系统能通过分析教师在学习管理系统中的操作日志、评语内容等，自动生成教师过程性评价行为的特征报告，如评价的频率、深度和个性化程度。系统可以分析教师反馈的质量，评估反馈是否具体，是否指出了学生的优点和需要改进的地方，以及是否提供了明确的改进建议。
此外，通过多元证据评估过程性评价的效果。这包括分析学生的学习进展数据、收集学生和家长的反馈，以及考察教师如何利用评价结果调整教学。要特别关注教师是否能够基于过程性评价的结果，为学生提供有针对性的学习建议和支持。例如，评估教师是否根据评价结果调整了教学进度、内容或方法，是否为不同学生制定了个性化的学习计划等。
通过这些策略的实施，预期能够构建一个更加科学、全面的教师深度教学评价体系。这个体系不仅能够准确评估教师的深度教学能力，还能为教师的专业发展提供有力支持。评价结果可以用于制定有针对性的教师培训计划，或者为教师提供个性化的专业发展建议。
（参考文献略）
作者：张丽
来源：上海教育评估研究
