雙師課堂課程開發(fā)引論：緣起、主題與方法

黃甫全 伍曉琪 唐玉溪 陳思宇 曾文婕

[摘? ?要] AI教師與真人教師聯(lián)袂執(zhí)教的雙師課堂課程開發(fā)已成為重要課題。從緣起、主題與方法三個層面進行考察發(fā)現(xiàn)，當前國內(nèi)外雙師課堂課程開發(fā)活動，主要聚焦于“AI教師的選用與開發(fā)”“雙師課堂課程開發(fā)”和“雙師課堂課程開發(fā)的學習效應”三大主題。文章創(chuàng)新性地采納超學科哲學范式，采取整體主義行動研究方法論，采用融通性混合方法，結合邏輯分析、技術建模、行動研究、量化方法和質性深描技術等，系統(tǒng)地探索與建構AI教師的選用模型、AI教師開發(fā)的關鍵技術、雙師課堂深度學習模型、雙師課堂課程開發(fā)整體模式、AI整合性課目學習知識研究方式、雙師課堂課程開發(fā)促進深度學習的效應以及雙師課堂課程開發(fā)促進深度學習的內(nèi)在機理，以期為雙師課堂課程的適切開發(fā)提供新思路。

[關鍵詞] AI教師; 增值式概念模仿學習模型; 雙師課堂; 課堂課程開發(fā); 學習促進

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

一、引? ?言

人工智能（Artificial Intelligence， AI）是21世紀以來發(fā)展最快的高新科技。隨著教育機器人的應用，越來越多的AI教師，亦稱機器人教師（Robot Teacher），進入學校課堂與真人教師聯(lián)袂執(zhí)教，悄然孕育智能化時代的雙師課堂[1]。2016年，美國頒布的《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》提出，在教育應用中“研發(fā)更有效的人類與人工智能協(xié)作方法”[2]。國務院2017年印發(fā)的《新一代人工智能發(fā)展規(guī)劃》提出，“利用智能技術加快推動人才培養(yǎng)模式、教學方法改革”[3]。國務院于2019年2月印發(fā)《中國教育現(xiàn)代化2035》，明確提出2035年我國教育現(xiàn)代化的目標之一是建成“智能化校園”和“智能化教學”[4]。因而，人工智能發(fā)展的國家戰(zhàn)略對雙師課堂課程開發(fā)的研究產(chǎn)生了巨大推力，而AI教師進課堂的快速擴展則催生了迫切需求。

二、雙師課堂課程開發(fā)的歷史緣起

機器人進課堂任教已經(jīng)有30年歷史。1991年，德雷柏（Draper T W）和克萊頓（Clayton W W）設計和實施了機器人與真人分組教孩子認識鳥兒的對比研究，結果顯示機器人教師與真人教師一樣受到孩子歡迎[5]。隨后AI教師任教的案例越來越多，發(fā)表的研究論文也迅速增加。2019年10月30日，在WoS數(shù)據(jù)庫中使用“TI=（robot AND teacher）”查詢到98篇文章。例如：AI教師RoboThespian與真人教師聯(lián)袂執(zhí)教科學課[6]。華南師大團隊于2018年正式提出并闡釋了AI教師和智能課程概念，并首次展示了雙師課堂[7]。

近年來，人們分別研究了雙師課堂課程開發(fā)的有關課題，包括AI教師的教師人格開發(fā)、AI教師教學資源開發(fā)、師生對AI教師教學能力的感知、AI教師支持自閉癥障礙（ASD）兒童學習的效果、AI教師發(fā)揮不同作用對學生情感學習的影響、AI教師對學生自我效能感和學習態(tài)度的影響[1，8-11]。已有研究表明，AI教師應用在所有學科教育中均顯著有效[12]，而且，AI教師在鄉(xiāng)村學校課堂發(fā)揮作用已被人們寄予厚望[13]。

已有相關文獻初步研究了雙師課堂課程開發(fā)及其學習效應的許多內(nèi)容，顯露出了幾個方面的發(fā)展動態(tài)與緊迫問題：其一，已有研究凸顯AI教師的社交特性，提出了AI教師人格開發(fā)與AI教師受眾的感知、要求與態(tài)度乃至倫理訴求[14]?？墒沁@些研究主要采用方便原則，使用傳統(tǒng)機器人數(shù)學模型與算法，以改善AI教師的社會交互性能;采取簡單的調查方法，了解AI教師受眾的感知性喜好特點[15]。所以，優(yōu)質AI教師的選用模型和開發(fā)技術尚不清楚。因此，亟待開發(fā)數(shù)學模型方法，建構起科學的AI教師選用模型，研制出持續(xù)交互型AI教師開發(fā)的關鍵技術。其二，已有研究涉及了各個層面使用AI教師的課程開發(fā)，設計與使用了計劃方案（Program）、課案（Lesson Plan）及其組織與結構，建構了雙師課堂課程開發(fā)路徑。不過這些研究主要站在人工智能研發(fā)立場，僅僅把AI教師當作課堂環(huán)境中的教學技術工具以增加學習效應。所以，AI教師作為具有人格的主體融入課堂后，雙師課堂課程開發(fā)的概念、結構與功能尚不清楚。因此，亟待開發(fā)行動研究方法論[16]，建構和驗證雙師課堂課程開發(fā)的操作模式與有效策略。其三，已有研究發(fā)現(xiàn)了AI教師在各個學科教育中的有效性，并且分別驗證了AI教師在課堂中促進學習動機、學習投入和學習結果的顯著效應。盡管如此，已有文獻幾乎都是分散而零星地考察AI教師在學習動機的某一個方面、學習投入的某一層面或學習結果的某個部分的效果，而且囿于人工智能視角僅僅使用試驗性研究方法與技術。所以，雙師課堂課程開發(fā)對學習的影響及其機制尚不清楚。因此，亟待使用適宜的方法，探明雙師課堂課程開發(fā)促進學習的整體效應及其內(nèi)在機理。

三、雙師課堂課程開發(fā)的熱點主題

雙師課堂課程開發(fā)旨在顯著促進學生學習以提高教育質量。文章從AI教師的選用與開發(fā)、雙師課堂課程開發(fā)及其學習效應驗證三個方面入手，對已有研究主題進行介紹。

（一）AI教師的選用與開發(fā)

AI需要精心篩選并加以適宜開發(fā)，才能進入課堂成為AI教師。最早的德雷柏和克萊頓，精心選擇了當時最好的機器人來教幼兒認識鳥類，對比了人類教師、運動AI和靜止AI教學時孩子的注意力狀況，發(fā)現(xiàn)孩子對人類教師和運動AI的教學關注度基本相當，而對運動AI的教學關注度顯著高于靜止AI[5]。后來，研究者精心打造了類人機器人羅博維（Robovie）[17]和知名機器人軟銀老子（SoftBank NAO）進課堂擔任教師[18]。有專門的研究表明，幾乎所有AI教師都具有顯著的社交特性，都有類人特征，如頭、眼睛、嘴、胳膊或腿，這就設定了人們對機器人具有社交能力的期望[19]。華南師范大學團隊經(jīng)過調查和論證，挑選了國內(nèi)研發(fā)的兩款教育機器人進課堂任教，分別為阿凡達i寶和城市漫步小E（二代）。

AI教師的社會行為必須結合交互環(huán)境和任務精心加以設計，以便強化教育互動。大量的研究集中在針對特定使用者的個性化交互上，使用動態(tài)貝葉斯網(wǎng)絡、模糊決策樹和隱性馬爾可夫模型（Hidden Markov Models）等計算技術對學生的知識和學習進行建模[20]。實際上，挑選適宜的AI進課堂任教后，不少研究都對AI教師進行了專門的技術開發(fā)。例如：今井（Imai M）等人通過研究人機交互中情境話語的生成，設計了一個語音生成系統(tǒng)Linta-Ⅲ。通過聯(lián)合注意機制，Linta-Ⅲ可以在話語描述中省略情景中明顯的信息[17]。麥克唐納（McDonald S）和豪威爾（Howell J）把學生組織起來一起開發(fā)AI教師，探索出了“建模—試用—評價”三階段開發(fā)模式[21]。筆者團隊經(jīng)過幾年摸索，厘清了人工神經(jīng)網(wǎng)絡深度學習（Artificial Neural Network Deep Learning，ANNDL）技術開發(fā)路徑，選擇了增值式概念模仿學習建模（Incremental Learning of Concepts by Imitation，ILoCI）和GPU增強型脈沖神經(jīng)網(wǎng)絡（GPU-enhanced Neural Network，GeNN）代碼生成平臺。事實上，AI教師的教學能力開發(fā)，已廣受關注，并凸顯神經(jīng)計算路徑。有人指出，AI教師在課堂環(huán)境中所遇不可預知，從而開發(fā)了“用于AI運動軌跡學習與再現(xiàn)的混沌元啟發(fā)式算法”，并進行了實驗驗證[22]。總之，AI教師教學能力開發(fā)面臨著嚴峻的技術挑戰(zhàn)。

（二）雙師課堂課程開發(fā)

課程開發(fā)歷久彌新，AI教師的誕生催生了雙師課堂課程開發(fā)的嶄新課題。對此，研究者們已經(jīng)分別或綜合地開展了許多研究工作，獲得了一批成果，主要涉及雙師課堂人機交互、課堂課程開發(fā)、深度學習和課目學習知識研究。

雙師課堂人機交互主題（Human-Robot Interaction，HRI）在過去、現(xiàn)在乃至將來，均為研究熱點。最早的一項雙師課堂專門研究努力嘗試以一種適宜的方式，讓AI教師與孩子進行個性化的、生動的社會性交互。研究者進行了為期兩周的實地測試發(fā)現(xiàn)，在第一周之后，AI教師沒能讓大多數(shù)孩子保持興趣，然而，在第一周后與AI教師保持交互的孩子的英語水平有所提高[5]。于是，AI教師與兒童的“持續(xù)交互”（Long-Term Interaction）研究興起。有學者專門進行了一項“關于促進持續(xù)交互的社交性機器人研究”，明確提出AI教師應該具備的主要特征為“持續(xù)吸引使用者”，并概括了AI教師持續(xù)互動研究的主要發(fā)現(xiàn)，提出了持續(xù)互動領域未來的研究方向[23]。事實上，在雙師課堂里，師生交互與人機交互共在。有研究綜述了2005年至2016年間發(fā)表的專題研究文獻，凸顯了“技術與師生互動”主題，技術顯著促進了師生交互，提升了師生協(xié)作[24]。有研究考察了AI教師促進課堂教學中的師生交互、生生交互與學生專家交互[25]。研究者深入地聚焦“機—生—師交互（Interactions between the Robot，Children and Teachers，IRST）”主題，研究了AI教師NAO走進三所幼兒園課堂所提供的啟示，考察了AI教師、學生和真人教師之間交互所取得的成功和面臨的挑戰(zhàn)[26]。

雙師課堂生—機—師交互需要課程開發(fā)，也就是所謂的課程創(chuàng)新（Curriculum Initiative）。在課程開發(fā)過程層面，已經(jīng)形成了豐碩的成果。其中，廣為引用的有“‘三階段十四環(huán)節(jié)的課程研制過程原理”[27]。有研究直接關注到了雙師課堂的課程開發(fā)，結果表明，人們歡迎AI作為一種工具，在課堂上配合課程要求，滿足學生的學習與發(fā)展需要[26]。還有研究指出，引進AI教師需要開發(fā)課程，并進行了系統(tǒng)的課程開發(fā)，所開發(fā)出的資源包括課程方案、教育材料、STEM課程、編程課程、AI課程以及STEM工具箱[28]。

已有研究觸及了深度學習與課目教育學知識研究。在科學課堂教學中與表層學習方式進行的比較研究[29]，揭示了深度學習方式的五大特征，分別為生成性思維、本質性解說、本質性提問、元認知活動和任務型方法。一項圍繞創(chuàng)新性博客制作任務開展的研究表明，引進AI能顯著地促進深度學習效果[30]。大學里的研究亦表明，將社交性媒體整合到大學課程中可以支持深度學習方式[31]。筆者團隊引進學習神經(jīng)科學所揭示的學習的神經(jīng)介導機理，提出了深度學習的文化介導作用模型[32]。

而雙師課堂課程開發(fā)中的課目教育學知識研究，涉及課堂課程、教師教育創(chuàng)新與課目教育學知識及其復雜關系[33]。有研究深入考察了美國創(chuàng)建的課目教育學知識（Pedagogical Content Knowledge，PCK）和德國建立的課目教學論（Fachdidaktik），并加以整合提出了課目教育學知識研究（PCK Study，PCKS）的功能整合性模型，嘗試觀照好教學論三角（Didaktik Triangle）的教師、課目和學生[34]。有研究者在此基礎上提出了教學與教師教育的識知原理，建構了研究性教學與教師教育建構整合模型[35]。還有學者遵循新世紀“學習中心”轉向，創(chuàng)新了“課目學習知識”（Learnable Content Knowledge，LCK）概念，提出了課目學習知識研究（LCKS）新領域[36]。

（三）雙師課堂課程開發(fā)的學習效應

人們對AI教師如何提升人類學習一直興趣盎然。研究表明，AI輔助學習比其他媒體更友好，在激勵學生學習方面尤其有效[6]。人們開展的有關研究涉及學習效應的許多方面，分別考察了學習動機效應[37]、學習投入效應[38]和學習結果效應[30]。

對已有相關研究的深入考察表明，AI教師對學生學習動機具有顯著積極的影響[39]。已有研究數(shù)據(jù)顯示，學生對AI教師充滿好奇[26]。有專題研究通過對教師的訪談，表明了AI教師對學生學習動機的積極貢獻[38]。實驗研究結果表明，在基于AI教師的學習系統(tǒng)中，學生更富有學習動機，對四種動機因子注意力、相關性、自信心以及滿意度進行測量顯示，滿意度和相關性是最高的動機因素[37]。

研究者對AI教師的學習投入效應研究有兩個聚焦點，分別為“有哪些學習投入”和“如何促進學習投入”。專門對師范生使用AI教師的學習投入進行的研究分析表明，師范生主動而用心地參與AI教師的教學活動，學習投入得到了總體改善，情感投入（如興趣、享受）顯著提高，進而促進行為和認知投入[40]。有研究者開發(fā)了一個六階段建構主義教學模型，有效促進了學生的多元學習交互[25]。有文獻綜述系統(tǒng)匯集了促進學生學習投入的AI教師的主要特征，如外貌、持續(xù)性與增值行為、情感交互與同理心以及記憶與調適[23]。還有研究表明，AI教師借由促進學習投入而顯著提升了學生的學習結果[6]。

AI教師在課堂教學中促進學生的學習結果，是眾多研究都加以考察的主題。有研究結果表明，AI教師顯著地促進了學生基礎知識或專業(yè)知識的習得[30]。有研究文獻用真實數(shù)據(jù)闡明，AI教師有效改善了學生的學習態(tài)度[6]。有研究探討了AI教師促進學生心智發(fā)展的效果，結果顯示，顯著促進了學生的計算技能、科學思維和自我效能感的發(fā)展，有效促進了學生的認知發(fā)展，包括觀念、想象、記憶以及問題解決能力的發(fā)展[41]。

四、雙師課堂課程開發(fā)的新型方法

雙師課堂課程開發(fā)研究是一個新興領域，需要開發(fā)新型適切性方法。透視上述已有研究成果所觸及的新型問題，里面醞釀著一系列的研究課題，迎接這些新型共性問題的挑戰(zhàn)，需要采納超學科哲學范式（Transdisciplinary Philosophy-of-Science-Paradigm），采取整體主義行動研究方法論，采用融通性混合方法（Integrated Mixed Methods，IMMs），結合邏輯分析、技術建模、行動研究、量化方法和質性深描技術等。

（一）超學科哲學范式

21世紀以來，超學科范式與哲學聯(lián)姻，創(chuàng)生了超學科哲學范式。眾所周知，科學技術發(fā)展應用，形成了流行的學科范式。數(shù)不勝數(shù)的學科的發(fā)展與局限，相繼催生了跨學科、多學科與超學科。進入新世紀，超學科范式越來越繁榮，不斷超越跨學科范式（Interdisciplinary Paradigm）和多學科范式（Multidisciplinary Paradigm）。隨著超學科范式的哲學基礎、元理論基礎和方法論基礎的持續(xù)夯實，年輕而著名的科學哲學家婺亞娜（Uher J）率先彰顯個體研究領域（Research on Individuals），提出了超學科哲學范式[42]。

在雙師課堂課程開發(fā)中，需要超學科哲學范式。課程與教學研究，從嚴格意義上講，屬于一種特殊的個體研究。因為是個體研究，又受到科學傳統(tǒng)的客觀性限制，所以超學科哲學旨在引領雙師課堂課程開發(fā)研究者超越傳統(tǒng)局限。婺亞娜指出：“探索個體的科學家，因為本身就是個體，因而并不獨立于研究對象，從而遇到了深刻的挑戰(zhàn);特別是人類中心主義、民族中心主義和自我中心主義偏見以及各種推理謬誤的高寒風險?！盵42]對此，個體研究的超學科哲學范式（Transdisciplinary Philosophy-of-Science Paradigm for Research on Individuals，TPS-Paradigm），竭力張揚批判性，旨在通過探索和明確正在形成的哲學預設，以及該領域所使用的元理論和方法論，來應對這些挑戰(zhàn)。

在唯心主義與唯物主義對立哲學浸淫中，教育學和心理學長期流行“腦心”二元論。大腦是心理的物質基礎，心理是大腦的精神功能，教育是培養(yǎng)人的社會活動。在這樣的傳統(tǒng)推理中，物質、精神與社會割裂了，大腦、心理與教育割裂了，神經(jīng)科學、心理學和教育學亦各有城池，老死不相往來。這對于教育學特別是課程與教學論，是一個根本性的偏見和推理謬誤的高寒風險。超學科哲學彰顯出了“大腦—心智—教育（Brain-Mind-Education）”的融合實在（Hybrid Reality）。雙師課堂課程作為具體化的學習經(jīng)驗，并不是一種抽象割裂的社會活動，而是個體“知識習得—行為養(yǎng)成—心智發(fā)展—大腦成長”相繼相融的特殊生命活動。

事實上，生命現(xiàn)象是由不同層面現(xiàn)象（如形態(tài)、生理、行為和心理）的事件之間緊密相互作用的可證實功能發(fā)展而來。而各種現(xiàn)象事件的相互作用如此錯綜復雜，以至我們的意識思維都無法將其直接表征出來。當然，意識思維本身并不是有機體生命發(fā)展的重要前提，相反，它只出現(xiàn)在高度復雜的有機化自組織層面?，F(xiàn)象出現(xiàn)在個人感知和日常思維中的方式是針對它們對個人生活的功能，而不是針對科學意義上準確的區(qū)分和分析。我們想要科學地探索雙師課堂課程開發(fā)中的這些現(xiàn)象，面臨著特別的挑戰(zhàn)。對此，婺亞娜指出：“要把握這些挑戰(zhàn)，三個元欲求是首要的。”[43]

第一個元欲求是充分認識到元理論屬性就是所研究的不同種類的現(xiàn)象。應用超學科哲學范式，可以清理和確立雙師課堂課程開發(fā)研究的三個元理論標準：在內(nèi)在性/外在性意義上的空間定位（例如課堂教學環(huán)境）、時間延伸（包括課程設計、實施與評價）及其物質性—非物質性（如AI教師的結構與功能），進而可以定義并區(qū)分所探索的七種現(xiàn)象：形態(tài)、生理、行為、心靈、符號表征、人工修飾的外觀和情境。這些元理論屬性像閃爍的繁星，可以構思為不同種類的現(xiàn)象，細節(jié)化為系列特異點，既讓雙師課堂課程開發(fā)的感知獲得認識它們的路徑，又讓它們的信息轉換為其他種類現(xiàn)象獲得機會，進而讓雙師課堂課程開發(fā)研究獲得科學的方法論。

第二個元欲求是將方法論與所研究現(xiàn)象的元理論屬性相匹配。采用超學科哲學加以分析，可以闡明任何科學研究所通用的一般原則。事實上，對某些特殊現(xiàn)象的元理論性質的深入分析和考慮，亦可用于新方法論和新方法的有針對性的開發(fā)之中。毫無疑問，在交叉融合創(chuàng)新中的教育研究，尤其是雙師課堂課程開發(fā)，需要能夠對個體進行有效調查的工具。只有當被研究的現(xiàn)象和事件的性質以及它們在被研究個體的現(xiàn)實生活中共同出現(xiàn)的模式被了解和系統(tǒng)化時，才能設計出能夠進行有效調查的工具。教育學者流行的思辨范式與心理學家所遵從的標準化測驗方法，融入神經(jīng)科學的“個體化”實驗范式和人工智能的設計范式，由此生成的新方法論和新方法，就需要與元理論屬性相匹配了。

五、結? ?語

探究雙師課堂課程開發(fā)，有重要的學術價值和實踐意義。一方面，能夠創(chuàng)新雙師課堂、雙師課堂課程開發(fā)、雙師課堂深度學習、AI教師教育和雙師專業(yè)發(fā)展等新概念，研發(fā)AI教師的選用標準與開發(fā)技術，豐富雙師課堂課程開發(fā)與深度學習、AI整合性課目學習知識研究的理論與模型，深入理解智能課程促進學習的作用機制，為深入認識學習、教學、課程、教師與人工智能的交互關系提供一個新立場;另一方面，相關研究可為智能課堂課程與教學方式創(chuàng)新，師德高尚、教學能力卓越的AI教師研發(fā)，雙師課堂發(fā)展的體制建立與政策創(chuàng)新，提供科學的理論指導。

[參考文獻]

[1] EDWARDS A， EDWARDS C， SPENCE P R， et al. Robots in the classroom： differences in students' perceptions of credibility and learning between "teacher as robot" and "robot as teacher"[J]. Computers in human behavior， 2016， 65（12）： 627-634.

[2] National Science and Technology Council. The national artificial intelligence research and development strategic plan[EB/OL]. （2016-11-24）[2019-11-12]. http：//www.360doc.com/content/16/1015/ 20/37334461_598685262.shtml.

[3] 國務院.新一代人工智能發(fā)展規(guī)劃[EB/OL].（2017-11-28）[2019-11-12].http：//www. gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[4] 國務院.中國教育現(xiàn)代化2035[EB/OL].（2019-06-29）[2019-11-12].http：//www.gov.cn/ zhengce/2019-02/23/content_5367987.htm.

[5] DRAPER T W， CLAYTON W W. Using a personal robot to teach young children[J]. The journal of genetic psychology， 1992， 153（3）： 269-273.

[6] VERNER I M， POLISHUK A， KRAYNER N. Science class with RoboThespian： using a robot teacher to make science fun and engage students[J]. IEEE robotics & automation magazine， 2016， 23（2）： 74-80.

[7] 尹睿，黃甫全，曾文婕，等.人工智能與學科教學深度融合創(chuàng)生智能課程[J].開放教育研究，2018，24（6）：70-80.

[8] EDWARDS B I， CHEOK A D. Why not robot teachers： artificial intelligence for addressing teacher shortage[J]. Applied artificial intelligence， 2018， 32（4）： 345-360.

[9] MITNIK R， NUSSBAUM M， RECABARREN M. Developing cognition with collaborative robotic activities[J]. Journal of educational technology & society， 2009， 12（4）： 317-330.

[10] SAADATZI M N， PENNINGTON R C， WELCH K C， et al. Small-group technology-assisted instruction： virtual teacher and robot peer for individuals with autism spectrum disorder[J]. Journal of autism and developmental disorders， 2018， 48（11）： 3816-3830.

[11] PARK I W， HAN J. Teachers' views on the use of robots and cloud services in education for sustainable development[J]. Cluster computing， 2016， 19（2）： 987-999.

[12] TOH L P E， CAUSO A， TZUO P W， et al. A review on the use of robots in education and young children[J]. Educational technology & society， 2016， 19（2）： 148-163.

[13] BROADBENT E， FEERST D A， LEE S H， et al. How could companion robots be useful in rural schools？[J]. International journal of social robotics， 2018， 10（3）： 295-307.

[14] 陳思宇，黃甫全，曾文婕，等.機器人可以教知識無法培育價值觀嗎[J].中國電化教育2019（2）：29-35.

[15] 劉三女牙，柴喚友，劉盛英杰，等.人工智能驅動教育技術發(fā)展的中德視角——2019年中德雙邊研討會綜述[J].電化教育研究， 2019，40（8）：105-113.

[16] 黃甫全，左璜.當代行動研究的自由轉身：走向整體主義[J].教育學報，2012，8（1）：40-48.

[17] IMAI M， ONO T， ISHIGURO H. Physical relation and expression： joint attention for human- robot interaction[J]. IEEE transactions on industrial electronics， 2003， 50（4）： 636-643.

[18] BELPAEME T， VOGT P， VAN DEN BERGHE R， et al. Guidelines for designing social robots as second language tutors[J]. International journal of social robotics， 2018， 10（3）： 1-17.

[19] BELPAEME T， KENNEDY J， RAMACHANDRAN A， et al. Social robots for education： a review[J]. Science robotics， 2018， 3（21）： 1-9.

[20] BAXTER P， ASHURST E， READ R， et al. Robot education peers in a situated primary school study： personalisation promotes child learning[J]. Plos one， 2017， 12（5）： 1-23.

[21] MCDONALD S， HOWELL J. Watching， creating and achieving： creative technologies as a conduit for learning in the early years[J]. British journal of educational technology， 2012， 43（4）： 641-651.

[22] MITIC M， VUKOVIC N， PETROVIC M， et al. Chaotic metaheuristic algorithms for learning and reproduction of robot motion trajectories[J]. Neural computing and applications， 2018， 30（4）： 1065-1083.

[23] LEITE I， MARTINHO C， PAIVA A. Social robots for long-term interaction： a survey[J]. International journal of social robotics， 2013， 5（2）： 291-308.

[24] HARPER B. Technology and teacher-student interactions： a review of empirical research[J]. Journal of research on technology in education， 2018， 50（3）： 214-225.

[25] JUN W. A study on development of robot-based teaching-learning model for improving creativity[J]. Journal of internet computing and services，2015，16（5）：99-105.

[26] CROMPTON H， GREGORY K， BURKE D. Humanoid robots supporting children's learning in an early childhood setting[J]. British journal of educational technology， 2018， 49（5）： 911-927.

[27] 黃甫全.現(xiàn)代課程與教學論[M].北京：人民教育出版社，2014：183-202.

[28] TAKACS A， EIGNER G， KOVACS L， et al. Teacher's kit-development， usability， and communities of modular robotic kits for classroom education[J]. IEEE robotics & automation magazine， 2016， 23（2）： 30-39.

[29] CHIN C， BROWN D E. Learning in science： a comparison of deep and surface approaches[J]. Journal of research in science teaching， 2000， 37（2）： 109-138.

[30] PEGRUM M， BARTLE E， LONGNECKER N. Can creative podcasting promote deep learning？ The use of podcasting for learning content in an undergraduate science unit[J]. British journal of educational technology， 2015， 46（1）： 142-152.

[31] SAMUELS-PERETZ D， CAMIEL L D， TEELEY K， et al. Digitally inspired thinking： can social media lead to deep learning in higher education？[J]. College teaching， 2017， 65（1）： 32-38.

[32] 黃甫全，李義茹，曾文婕，等.精準學習課程引論——教育神經(jīng)科學研究愿景[J].現(xiàn)代基礎教育研究，2018，29（3）：5-14.

[33] MATHERSON L H， WILSON E K， WRIGHT V H. Need TPACK？ Embrace sustained professional development[J]. Delta kappa gamma bulletin， 2014， 81（1）： 45-52.

[34] VAN DIJK E M， KATTMANN U. A research model for the study of science teachers' PCK and improving teacher education[J]. Teaching and teacher education， 2007， 23（6）： 885-897.

[35] 潘蕾瓊.課目教育學知識研究的模型與主題——新興教學與教師教育的認識論原理初探[J].教育研究與實驗，2016，34（2）：34-40.

[36] 曾文婕.教學改革的中國邏輯[J].全球教育展望，2018，47（8）：3-8.

[37] CHIN K Y， HONG Z W， CHEN Y L. Impact of using an educational robot-based learning system on students' motivation in elementary education[J]. IEEE transactions on learning technology， 2014， 7（4）： 333-345.

[38] OZDEMIR D， KARAMAN S. Investigating interactions between students with mild mental retardation and humanoid robot in terms of feedback types[J]. Egitim ve bilim-education and science， 2017， 42（191）： 109-138.

[39] CEJKA E， ROGERS C， PORTSMORE M. Kindergarten robotics： using robotics to motivate math， science， and engineering literacy in elementary school[J]. International journal of engineering education， 2006， 22（4）： 711-722.

[40] KIM C M， KIM D， YUAN J. Robotics to promote elementary education pre-service teachers' STEM engagement， learning， and teaching[J]. Computers & education， 2015， 91（12）： 14-31.

[41] JAIPAL-JAMANI K， ANGELI C. Effect of robotics on elementary preservice teachers' self-efficacy， science learning， and computational thinking[J]. Journal of science education and technology， 2017， 26（2）： 175-192.

[42] UHER J. Conceiving "personality"： psychologist's challenges and basic fundamentals of the transdisciplinary philosophy-of-science paradigm for research on individuals[J]. Integrative psychological and behavioral science， 2015， 49（3）： 398-458.

[43] UHER J. Interpreting "personality" taxonomies： why previous models cannot capture individual-specific experiencing， behaviour， functioning and development. major taxonomic tasks still lay ahead[J]. Integrative psychological and behavioral science， 2015， 49 （3）： 600-655.

[44] MCTAGGART R. Reductionism and action research： technology versus convivial forms of life[C]// BRUCE C， RUSSELL A. Proceedings of the Second World Congress on Action Learning： Reflecting the Philosophy of Collaborative Change in Government， Industry， Education and the Community. Brisbane： ALARPM， 1992： 47-61.