學習進程研究的可視化分析

郭強 劉正光

摘要：學習進程理論是新興的學習理論，也是目前教育學研究的熱點之一。為了系統(tǒng)全面地梳理該領域研究，首先，對學習進程的要素、分類、及開發(fā)方法做了簡明介紹;其次，使用CiteSpace軟件對外文數(shù)據(jù)庫WebofScience（WoS）核心合集數(shù)據(jù)庫263項文獻進行了文獻計量學分析以探索研究現(xiàn)狀;最后，對未來研究提出了展望。

關(guān)鍵詞：學習進程;研究現(xiàn)狀;可視化分析

“學習進程”的概念發(fā)軔于“進步地圖”及“構(gòu)念地圖”，原本指在教學過程中對目標構(gòu)念（construct），即對教學內(nèi)容中涉及的概念做出連貫而充分的定義。[1]在此基礎上，美國國家科學院下屬的國家研究委員會將學習進程定義為“在較長時間單位內(nèi)兒童學習特定內(nèi)容時連續(xù)性發(fā)展的復雜思維方式”[2]，因此最初對學習進程的定義主要針對科學教育領域[3]。對學習進程的定義目前尚未有定論，但學界一致認同學習進程主要指學生在學習核心概念和原則的過程中，從初學水平到專家水平的發(fā)展和轉(zhuǎn)變過程。[4]相對其他學習理論而言，年輕的學習進程理論盡管在問世十余年間得到廣泛關(guān)注，但自身發(fā)展仍不完善和成熟，對教學的指導作用仍有待檢驗。因此，本文意在梳理學習進程理論的主要特征和研究現(xiàn)狀，并探究未來研究的方向。

一、學習進程的要素、分類及開發(fā)方法

學習進程在本質(zhì)上是假設性的，因此對學生的學習過程并不具有規(guī)定性。[5]盡管如此，學習進程的假設或者推論仍然必須建立在學生學習成就的實證研究基礎之上，而不能僅僅依靠教師的個人教學經(jīng)驗，或者邏輯分析[6][7]。學習進程通常由一個低錨點（loweranchor），數(shù)個中間水平，及一個高錨點（upperanchor）構(gòu)成[8]，低錨點指的是學生在課程開始前對特定學科領域內(nèi)主題持有的“日常思維”（informalreasoning），這些思維也叫做“迷思”（misconceptions），主要是由于不了解相關(guān)內(nèi)容而產(chǎn)生的錯誤感知;高錨點指的是經(jīng)過教學過程后學生對核心概念（coreconceptsorbigideas）的高水平掌握。因此，學習進程旨在構(gòu)建學科領域內(nèi)核心概念體系，以促動學生學習。

學習進程的范圍通常不應過大，應該聚焦于具體學科的細分領域，如“英語作為第二語言中的寫作”的學習進程，而非整個學科的學習進程，如“英語作為第二語言”的學習進程，可能就不具有操作性，失去具體的教學指導意義。學習進程的顆粒度是學習進程理論的另一個重要命題，教師應該使用具有一定精細顆粒度的學習進程，以便深入了解學生的學習成就，但目前并不存在，也不應該存在統(tǒng)一的顆粒度標準。[9]通常來說，顆粒度的精細程度取決于學科內(nèi)容的難度、時間跨度、課堂目標等因素，原則上是為了滿足教師和學生收集和研判學習信息的需求。

目前學習進程有兩種[10]，一種是效度驗證學習進程，采取隨時修正的效度觀論證學習進程的順序;另一種為演化學習進程，主要識別和描寫學習者到達高錨點（upperanchor）之前的內(nèi)容感知路徑。

就學習進程的開發(fā)方法而言，目前尚未有統(tǒng)一認識，但一致認同開發(fā)過程應包含兩大要點，分別是識別學習進程中的焦點，也就是識別核心概念，以及為學習進程提供實證支持[11]。因此開發(fā)過程由兩個階段構(gòu)成。

在第一個階段，即核心概念識別階段，一般結(jié)合“自上而下”和“自下而上”兩種方法[12]。在“自上而下”方法中，可以結(jié)合國家課程標準、課程大綱、相關(guān)文獻、外部考試測評標準等抽取核心概念，這個過程中鼓勵教師在教研室、教師發(fā)展中心等職業(yè)學習社群與同行共同完成。抽取出的核心概念經(jīng)三位以上相關(guān)課程教學專家審定后形成連貫結(jié)構(gòu)，即線性序列，至此高錨點刻畫完成。

在第二個階段，對低錨點進行刻畫，同時基于學生的學習現(xiàn)狀收集實證以便對學習進程進行效度驗證[13]，這個過程中可以使用半結(jié)構(gòu)化訪談、刺激回憶、反思日志等手段收集相關(guān)質(zhì)性證據(jù)進行三角驗證，以便準確刻畫特定微觀社會文化情景下學生的低錨點分布情況。在進行正式訪談之前，有必要采用預備訪談，訪談結(jié)果可以用來修改訪談問題，初步審定學習進程。基于學習進程的促學性質(zhì)，對學生抽樣時并不需要隨機化，一般采用方便抽樣，但為保證一定方差，需要在識別學生水平的基礎上抽選不同能力的學生。在一定數(shù)量的訪談后會達到數(shù)據(jù)飽和。但為保證方差變異，會繼續(xù)抽取少量學生。正式的訪談結(jié)果經(jīng)整理后，同樣可以考慮對初步審定的學習進程進行修改。如果開發(fā)的學習進程推廣性比較高，具有一定高利害性，則對學習進程進行嚴格的效度驗證，邀請兩位以上資深學科教學研究人員依據(jù)開發(fā)出的學習進程使用4分計量對學生的學習進程打分，即使用四個水平評估學生的學習進程，分別是“不明顯”（水平1），“初步”（水平2），“發(fā)展”（水平3），及“高級”（水平4）。使用Kappa系數(shù)計算評分員間信度，標準可以采用蘭迪斯（Landis）和科赫（Koch）在1977年提出的標準[14]，即0.41-0.60為中等信度，0.61-0.08為高信度，0.81-1.00表示評分員幾乎完全一致。

二、學習進程的研究現(xiàn)狀

為厘清學習進程的研究現(xiàn)狀，使用系統(tǒng)綜述方法[15]梳理文獻，系統(tǒng)綜述方法通常包含六個階段：

1）定義研究問題

2）確定綜述研究的類型

3）實施綜合性研究搜索

4）使用入選標準篩選文獻

5）批評入選文獻

6）整合入選文獻

在文獻梳理的基礎上，使用CiteSpace5.5.R2軟件對數(shù)據(jù)進行分析。CiteSpace可以幫助科研人員理解所在領域內(nèi)基本知識，發(fā)現(xiàn)經(jīng)典文獻和研究前沿[16]。本研究使用了WoS核心合集數(shù)據(jù)庫，該數(shù)據(jù)庫全面涵蓋了國際最重要的文獻索引以及較為全面的文獻信息，如研究人員間關(guān)系、論文索引等。檢索詞包括“l(fā)earningprogression”，“constructmaps”，“progressmaps”等。因為學習進程理論于2005年后開始正式形成，因此搜索將文獻限制在2005年后，設置文獻類型為Article。文獻入選的標準如下：

1）研究需為經(jīng)同行評議發(fā)表的期刊文章或者學位論文

2）研究需包含實證或者方法研究

3）研究背景可以為基礎教育，或高等教育

4）研究可以在任意學科領域

為保證數(shù)據(jù)準確度，對題目和摘要仔細閱讀以確保文獻達到入選，并排除重復項，最終得到有效文獻263項。

（一）學習進程研究時間分布圖譜

在WoS核心合集數(shù)據(jù)庫中，對學習進程的相關(guān)研究從2005年開始至今呈上升趨勢，如圖1所示。

學習進程理論在21世紀初開始發(fā)展，得到關(guān)注甚少，相關(guān)研究直到2009年后的五年內(nèi)才開始維持十幾篇論文的發(fā)表數(shù)量。2014年后，相關(guān)研究成倍增長，顯示出學界對其關(guān)注明顯增多。2017年開始，相關(guān)研究又開始新一輪的明顯增長，顯示出該領域研究仍呈上升趨勢。

（二）學習進程研究合作網(wǎng)絡分析

使用共同作者網(wǎng)絡分析學習進程研究中的作者合作情況。如圖2所示，CiteSpace分析結(jié)果顯示出260個節(jié)點，即260位比較活躍的學者，但這260個節(jié)點間只有346條合作連線，顯示出這些作者間的合作程度不高。且最多產(chǎn)的幾位作者，如安德森（CharlesWAnderson）和諾伊曼（KnutNeumann）等人與相鄰節(jié)點的合作連線比較微弱，顯示他們與合作者的合作關(guān)系并不特別強，更多的可能是偶然的合作，換句話說，本領域內(nèi)尚沒有出現(xiàn)強勢的合作團隊。值得注意的是湯姆森（KaterinavThompson）、蔡斯（MichaelChase）、馬巴查德（GiliMabachadr）等學者之間形成的合作關(guān)系相對更強一些，雖目前該團隊影響力有限，但也許未來該團隊的成果值得期待。

使用共同機構(gòu)網(wǎng)絡分析機構(gòu)間合作研究情況。如圖3所示，CiteSpace分析結(jié)果顯示出186個節(jié)點，即186所比較活躍的機構(gòu)，前五所機構(gòu)分別為密歇根州立大學、加州大學伯克利分校、俄亥俄州立大學、美國教育考試服務中心和普渡大學。其中密歇根州立大學以38篇論文遙遙領先，在此領域一家獨大。而其余機構(gòu)發(fā)表數(shù)量均為個位數(shù)以下，表明各機構(gòu)對該領域研究尚未深入。186個節(jié)點間有158條合作連線，顯示出機構(gòu)間的合作程度同樣不高。

（三）關(guān)鍵詞共現(xiàn)網(wǎng)絡及聚類分析

關(guān)鍵詞共現(xiàn)網(wǎng)絡分析可以展現(xiàn)研究熱點，揭示研究發(fā)展趨勢。如圖4所示，CiteSpace分析結(jié)果顯示出133個節(jié)點，及518條連線，其中出現(xiàn)頻次最高的十大關(guān)鍵詞分別為chemistry，argumentation，assessment，biology，classroom，children，achievement等，上述關(guān)鍵詞出現(xiàn)頻次均超過十次，且中心性都超過0.10，即在所有關(guān)鍵詞中影響力比較大。在此基礎上進行關(guān)鍵詞聚類分析，結(jié)果顯示聚類模塊值（ModularityQ）為0.78，聚類平均輪廓值（Silhouette）為0.49，這意味著聚類的結(jié)構(gòu)和類別都合理[17][18]。表1顯示了國際學習進程研究的九個主題分別是：1）中學化學;2）設計支撐性教學情景;3）基礎教育學習進程;4）缺失的核心知識;5）動作序列學習;6）學習進程理論;7）支持有效解讀;8）科學建模;9）天體運動。每個聚類的平均輪廓值都非常高，顯示出聚類內(nèi)部同質(zhì)性很高;同時，聚類之間的差別也很大，這也證明每個聚類的結(jié)果都是合理的。

表1顯示出在學習進程領域目前受到集中關(guān)注的學科有中學化學、動作序列、科學建模和天體運動，這表明科學教育在學習進程研究中仍然占據(jù)主導地位。這些學科在2010年后得到廣泛關(guān)注，至今不到十年時間，意味著向其他學科拓展的過程尚未大規(guī)模開展。其他聚類，如聚類1、3、6等印證了學習進程對教學過程的支持作用;聚類2和5反映出學習進程的整體應用和理論發(fā)展仍然在路上，尤其是2016年學習進程理論成為相關(guān)研究的主題，及2018年的支持有效解讀，表明學習進程理論的發(fā)展和普及均未完善。

從聚類內(nèi)部而言，聚類0主要聚焦于中學化學課程中學習進程的研發(fā)。如菲利普（Philip）和蒂姆斯（Tymms）于2011年在英國進行的一項研究中使用Rasch模型對30所中學的4450個學生的數(shù)據(jù)進行分析，從而對一個基于小規(guī)模訪談研發(fā)的物質(zhì)概念學習進程進行驗證[19]。聚類1主要關(guān)注使用學習進程對教學情景的支持和輔助作用。如伯蘭（Berland）和麥克尼爾（McNeill）于2010年合作的研究中對比了來自小學、初中和高中的科學課堂中的四個科學論證的學生習作樣本，以探索學生在不同年級和教學情景下科學論證方式的差異[20]。聚類2關(guān)注基礎教育中學習進程的研發(fā)和使用。如鄧肯（Duncan），羅蓋特（Rogat）和雅登（Yarden）三位學者于2009的研究中為幫助學生學習橫跨小學和初中兩個階段的現(xiàn)代基因?qū)W課程，對該課程的核心概念進行了梳理，確立了概念的學習進程，并對學生的學習成就進行了識別，對測評進行了相應的研發(fā)[21]。聚類3關(guān)注學習進程及相關(guān)測評中缺失的核心進程。學習進程中的核心進程的刻畫對教學有極其重要的指導作用，關(guān)乎到學生在學習中的定位，前進的方向，以及教師如何做出后續(xù)的教學決定。同樣，在學習進程中的測評的刻畫可以起到診斷作用。因此，核心進程在學習進程理論和實踐中的作用十分關(guān)鍵。布朗（Brown）和威爾遜（Wilson）在2011年進行的研究中論述了學習進程與測評的關(guān)系，在一所大學的理科教育情景中對學習進程及測評的連貫性和一致性進行了分析，并對測評的效度問題進行了探討[22]。聚類4關(guān)注動作序列學習。如薩維恩-列米歐（Savion-Lemieux），貝利（Bailey），及彭霍恩（Penhune）在2009年的研究中觀察6歲，8歲及10歲的兒童如何習得新的動作序列，并與成人的動作序列學習行為進行了對比[23]。聚類5中的研究可能代表了近來學習進程研究的重大動向，即在學習理論不斷發(fā)展的背景下對其相關(guān)理論進行反思和更新。如國際教育測評領域?qū)I(yè)期刊《教育應用測量》（AppliedMeasurementinEducation）于2018年第2期專題探討形成性評估與科學教育學習進程的關(guān)系，不少專家如美國科羅拉多大學博爾德分校教育學院的謝巴德（LorrieA.Shepard）、密歇根州立大學的阿隆佐（AliciaC.Alonzo）等或從宏觀角度，或從具體學科應用出發(fā)論述了學習進程中的測評問題[24][25]，進一步豐富了學習進程理論的內(nèi)涵。

近年來，形成性評估在我國強考試文化及高利害測試占主導的背景下開始得到重視，但由于資源限制、文化觀念等因素，形成性評估應用水平仍然亟待提升，而學習進程觀照下的測評則天然具備形成性特征，即滿足學生學習需求，提升學生學習表現(xiàn)，從這個角度，學習進程與形成性評估的結(jié)合可能會是學習進程理論發(fā)展中的一個重要方向，值得學界更多關(guān)注。聚類6的頂層關(guān)鍵詞“支持有效解讀”仍然與學習進程的測評問題相關(guān)，但更關(guān)注學習進程的學業(yè)診斷作用。測評的診斷與形成性既相互聯(lián)系又有區(qū)別，共同之處在于目的都是促學，但區(qū)別之處在于診斷測評更加關(guān)注分析學生的優(yōu)勢和不足，以及向教師提供相應的測評信息，而教師在形成性評估中會基于測評信息，做出新的教學決策和調(diào)整。因此，診斷測評既可以為一線教師提供測評信息，也可以為相關(guān)政策決策者，如學校、家長、地方教育管理機構(gòu)等方面提供特定階段學生的學習信息。學習進程對學業(yè)診斷的幫助在于可以在特定教學階段為學生提供更精準的學業(yè)能力刻畫，但要實現(xiàn)該目標，除了要保證學習進程刻畫的準確性，還需要對診斷測評信息進行準確解讀。如斯蒂德爾（Steedle）和沙維爾森（Shavelson）的研究就表明學習進程應用中對學生學業(yè)能力定位時的層面限制，即單層性的不足，這可能會進一步制約對測評信息的解讀，最終影響學習進程測評的效度[26]。該聚類結(jié)果也側(cè)面印證近年來課堂測評、形成性評估、及診斷性評估受到的重視程度增加，因此學習進程研究必須滿足相關(guān)測評的需求。聚類7和8均關(guān)注科學學科內(nèi)特定領域的學習進程的開發(fā)和應用。如普拉默（Plummer）和梅納德（Maynard）為幫助學生理解季節(jié)變化特別開發(fā)了相關(guān)天體運動的學習進程[27];舒瓦茨（Schwarz）等為幫助學生更好理解科學課程中的建模問題開發(fā)了相關(guān)學習進程[28]。

（四）作者共被引分析和期刊共被引分析

圖5顯示了學習進程研究領域225位作者形成的網(wǎng)絡。如表2所示，美國國家研究委員會的研究在目前引用率最高，這是因為在學習進程研究發(fā)展伊始，該委員會便在概念定義、研究方法規(guī)范、推動科學教育中的學習進程制定等方面發(fā)揮主導作用。另外，作為世界最大的科學和工程學協(xié)會的聯(lián)合體，以及期刊《科學》（Science）的出版方，美國科學促進會也扮演了類似的角色，在推進相關(guān)研究上不遺余力。其他兩位個人作者分別為來自澳大利亞教育研究委員會的亞當斯（RaymondJ.Adams），以及密歇根州立大學的阿隆佐（AliciaC.Alonzo）。這四位機構(gòu)/個人作者的中心性值都超過0.10，表明他們的研究對該領域起到了比較大的推動作用。

圖6顯示了高被引期刊的分布情況。在254個期刊中，被引頻次和中心值大于0.10的期刊只有三個，分別是《美國物理雜志》（AmericanJournalofPhysics）、《美國教育研究雜志》（AmericanEducationalResearchJournal）、及《美國生物教師》（AmericanBiologyTeacher）（見表3）。這意味著以上期刊在學習進程領域具有絕對的影響力。同時以上期刊的引文半衰期都在7以上，顯示出在該領域持久的影響力。

（五）文獻共被引分析

為探索學習進程領域核心知識基礎，進行了文獻共被引分析。進入綜述的253項文獻共引用9459項文獻，對9459項文獻的共被引分析顯示其中274項為高被引文獻，其中被引頻次最高，且中心性值超過0.10的文獻有三項，分別是：美國國家教育委員會發(fā)布的《K-12科學教育框架》[29]，該框架旨在為課程開發(fā)、教師培訓、課堂教學提供參考，引用頻次多達57次;杜施爾（Duschl）、孟（Maeng）和塞曾（Sezen）等對學習進程及教學順序的綜述文章[30]，引用頻次高達40次之多;以及阿隆佐（AliciaC.Alonzo）和斯蒂德爾（JefferyT.Steedle）對力和運動教學研發(fā)的學習進程的研究[31]，該研究在學習進程理論開始得到應用階段為類似研究提供了方法論參考，引用頻次為11次。三項文獻的引用突現(xiàn)度，均在4.0以上，意味著它們都極大推動了學習進程研究的發(fā)展。

對共被引文獻進行聚類分析以進一步明確知識基礎的主題，聚類模塊值為0.85，聚類平均輪廓值為0.44，顯示聚類的結(jié)構(gòu)和類別都合理（見圖7）。如表4所示，每個聚類的平均輪廓值都很高，顯示出每個聚類的結(jié)果都合理，同時，絕大部分聚類中的論文數(shù)量都在15個以上，意味著聚類的主題鮮明，研究主題的一致度很高。聚類0顯示的是學習進程理論關(guān)注的焦點之一：學習進程中學生核心概念發(fā)展的非線性特征。在假設性的學習進程中，刻畫在不同時間階段的核心概念可能并不會如預期發(fā)展。[32]聚類1代表了學習進程的驗證問題。Rasch模型是項目反應理論的模型之一，是驗證學習進程的最佳手段，該聚類結(jié)果顯示在學習進程理論發(fā)展初期，學習進程的驗證問題就得到重視。但至今基于大規(guī)?？v向數(shù)據(jù)的學習進程驗證研究仍然罕見。聚類2體現(xiàn)了教師對學習進程的感知。教師的感知在學習進程的開發(fā)和使用中都起到關(guān)鍵作用。聚類3顯示出作為學習進程理論基石之一的測評問題從一開始得到了相應的關(guān)注。聚類5說明作為開發(fā)和使用學習進程的最終目的，即促學，或者提升學生的學習成就，確實是相關(guān)研究的基礎之一。聚類14中出現(xiàn)的研究數(shù)量雖然明顯減少，但主要是以美國國家教育委員會推出的《將科學帶進學校：K-8階段科學課程教與學》為代表的政策性文獻。[33]因此該聚類仍然是學習進程研究的重要基礎。如《將科學帶進學校：K-8階段科學課程教與學》的引用突變度達到3.68，表明其在該領域起到了重要的推進作用。

三、結(jié)論與未來研究方向

作為新興的學習理論，學習進程近年來受到國際教育學界的重視。它可以1）比較精確地描述學習者一定時間段內(nèi)在特定學科領域由初學者向熟練掌握者的轉(zhuǎn)變過程;2）描述學習者學習過程中的典型迷思;3）為課堂測評提供有力支持;4）為利益相關(guān)者，如決策者、教師、學生、家長提供準確的學業(yè)能力刻畫。因此，學習進程理論的發(fā)展和應用必將極大促進未來的教育改革。本研究介紹了學習進程的主要特征，如構(gòu)成要素、分類、開發(fā)方法等，并使用CiteSpace對國際教育學界學習進程的研究現(xiàn)狀進行了系統(tǒng)梳理，接著分析了學習進程研究領域的合作網(wǎng)絡、研究熱點、作者和期刊共被引網(wǎng)絡、以及文獻共被引情況。以期幫助研究人員了解學習進程研究的總體情況。通過本研究，可以得出以下結(jié)論：

首先，學習進程的開發(fā)必須建立在特定學科的細分領域內(nèi)，因此必須依靠學科教學專家和一線教師對學科構(gòu)念進一步挖掘和厘清，同時應更加關(guān)注構(gòu)念之間的聯(lián)系和非線性思維發(fā)展的問題，明確構(gòu)念發(fā)展的連貫結(jié)構(gòu)。目前學習進程的研究熱點主要集中在有限的科學學科領域，在各個教育階段其他學科領域，如人文學科的學習進程研究亟待開展。相關(guān)學科構(gòu)念的刻畫研究應該在具體學科領域內(nèi)加快進行。

其次，學習進程的理論研究方興未艾，我國教育學界可以借鑒國際同行的學習進程研究成果，在強考試文化和高利害測評占主導的社會文化情景下在多學科領域開展學習進程的理論和實證研究，鼓勵原創(chuàng)研究成果，解決一線教學中的真實問題，豐富我國的教育和教學改革實踐。在理論建構(gòu)中應該加強與其他學習理論，如建構(gòu)主義理論、社會文化理論等的融合。

第三，應該對課堂測評與學習進程的互動和融合給予特別關(guān)注。課堂測評的三大功能，診斷性評估、形成性評估和終結(jié)性評估在學習進程的刻畫和實施中應該發(fā)揮積極作用，使測評成為學習進程的內(nèi)在部分。在形成性評估中，學習進程可以作為“認知透鏡”，幫助教師獲得學生的學習證據(jù)，厘清測評目標，將長期學習目標切分成短期目標。學習進程還可以幫助確定形成性評估的時間節(jié)點，使課堂測評的時機選擇更為合理?；趯W習進程的課堂測評將重要學習目標進行凸顯，強化了學習目標之間的聯(lián)系，教師能夠更加輕松解讀課堂測評收集的學習信息。因此，學習進程不僅可以直觀地顯示學生在特定學科領域內(nèi)的認知和思維發(fā)展過程，如果能夠與課堂測評有機結(jié)合，還可以將教、學和測有機結(jié)合，幫助教師及時調(diào)整后續(xù)教學。

第四，盡快加強使用大規(guī)?？v向數(shù)據(jù)對學習進程驗證的相關(guān)工作。目前的學習進程驗證主要使用橫斷面分析，而能夠反應學習進程后果效度的縱向數(shù)據(jù)的相關(guān)研究仍然十分匱乏。研發(fā)和使用學習進程的首要目的是促學，即提升學生的學業(yè)成就。因此，一個學習進程是否有效，在多大程度上有效，是否對所有群體的學生都有效，必須經(jīng)過大規(guī)?？v向數(shù)據(jù)的檢驗，相關(guān)研究亟待加強。

本文存在研究缺陷。由于篇幅限制，沒有對國內(nèi)學習進程研究進行綜述，未來研究可以進一步對比國內(nèi)外學習進程研究，展示國內(nèi)外研究熱點的異同。

參考文獻：

[1]WILSONM.ConstructingMeasures：AnItemResponseModelingApproach[M].Mahwah，NJ：LawrenceErlbaumAssociates，2005.

[2][8][33]NationalResearchCouncil[NRC].TakingSciencetoSchool：LearningandTeachingScienceinGradeK-8[M].WashingtonD.C，TheNationalAcademiesPress，2007.

[3]SMITHCL，WISERM，ANDERSONCW，KRAJCIKJ.ImplicationsofResearchonChildren'sLearningforStandardsandAssessment：AProposedLearningProgressionforMatterandtheAtomic-molecularTheory[J].Measurement：InterdisciplinaryResearchandPerspectives，2006（4）：1-98.

[4][7]CORCORANT，MOSHERFA，ROGATA.LearningProgressionsinScience：AnEvidenced-basedApproachtoReform（ConsortiumforPolicyResearchinEducationResearchReport）[R].NewYork：CenteronContinuousInstructionalImprovement，TeachersCollege-ColumbiaUniversity，2009.

[5]SHEPARDLA.LearningProgressionsasToolsforAssessmentandLearning[J].AppliedMeasurementinEducation，2018，31（2）：165-174.

[6]BAILEYAL，HERITAGEM.TheRoleofLanguageLearningProgressionsinImprovedInstructionandAssessmentofEnglishLanguageLearners[J].TESOLQuarterly，2014，48（3）：480-506.

[9]MOHANL，PLUMMERAJ.ExploringChallengestoDefiningLearningProgressions[A].InAlonzoAC，GotwalsAW（Eds.）.LearningProgressionsinScience：CurrentChallengesandFutureDirections[C].Rotterdam：SensePublishers，2012：138-147.

[10]DUSCHLR，MAENGS，SEZENA.LearningProgressionsandTeachingSequences：AReviewandAnalysis[J].StudiesinScienceEducation，2011（47）：123-182.

[11]PLUMMERJD.ChallengesinDefiningandValidatinganAstronomyLearningProgressions[A].InAlonzoAC，GotwalsAW（Eds.）.LearningProgressionsinScience：CurrentChallengesandFutureDirections[C].Rotterdam：SensePublishers，2012：76-99.

[12][13]KOBRINJL，LARSONS，CROMWELLA，GARZAP.AframeworkforEvaluatingLearningProgressionsonFeaturesRelatedtoTheirIntendedUses[J].JournalofEducationalResearchandPractice，2015，5（1）：58-73.

[14]LANDISJR.KOCHGG.TheMeasurementofObserverAgreementforCategoricalData[J].Biometrics，1977（33）：159-174.

[15]PETTICREWM，ROBERTSH.SystematicReviewsintheSocialSciences：APracticalGuide[M].Oxford，UK：Blackwell，2006.

[16]CHENC.CiteSpace：APracticalGuideforMappingScientificLiterature[M].NewYork：NovaSciencePublishers，2016.

[17]NEWMANME.FastAlgorithmforDetectingCommunityStructureinNetworks[J].PhysicalReviewE，2004（69）：661-667.

[18]ROUSSEEUWPJ，KAUFMANL.FindingGroupsinData[J].SeriesinProbability&MathematicalStatistics，1990，34（1）：111-112.

[19]JOGNSONP，TYMMSP.TheEmergenceofALearningProgressioninMiddleSchoolChemistry[J].JournalofResearchinScienceTeaching，2011，48（8）：849-877.

[20]BERLANDLK，MCNEILKL.ALearningProgressionforScientificArgumentation：UnderstandingStudentWorkandDesigningSupportiveInstructionalContexts[J].ScienceEducation，2010，94（5）：765-793.

[21]DUNCANRG，ROGATAD，YARDENAALearningProgressionforDeepeningStudents'UnderstandingsofModernGeneticsAcrossthe5th-10thGrades[J].JournalofResearchinScienceTeaching，2009，46（6）：655-674.

[22]BROWNNJS，WILSONMAModelofCognition：theMissingCornerstoneofAssessment[J].EducationalPsychologyReview，2011，23（2）：221-234.

[23]SAVION-LEMIEUXT，BAILEYJA，PENHUNEVB.DevelopmentalContributionstoMotorSequenceLearning.ExperimentalBrainResearch[J]，2009，195（2）：293-306.

[24]SHEPARDLA.LearningProgressionsasToolsforAssessmentandLearning[J].AppliedMeasurementinEducation，2018，31（2）：165-174.

[25]ALONZOAC.ExploringtheLearningProgression-formativeAssessmentHypothesis[J].AppliedMeasurementinEducation，2018，31（2）：101-103.

[26]STEEDLEJT，SHAVELSONRJ.SupportingValidInterpretationsofLearningProgressionLevelDiagnoses[J].JournalofResearchinScienceTeaching，2009，46（6）：699-715.

[27]PLUMMERJD，MAYNARDL.BuildingaLearningProgressionforCelestialMotion：AnExplorationofStudents'ReasoningabouttheSeasons[J].JournalofResearchinScienceTeaching，2014，51（7）：902-929.

[28]SCHWARZCV，REISERBJ，DAVISEA，et.al.DevelopingaLearningProgressionforScientificModeling：MakingScientificModelingAccessibleandMeaningfulforLearners[J].JournalofResearchinScienceTeaching，2009，46（6）：632-654.

[29]NationalResearchCouncil.AFrameworkforK-12ScienceEducation：Practices，CrosscuttingConcept，andCoreIdea[M].Washington，DC：NationalAcademiesPress，2011.

[30]DUSCHLR，MAENGS，SEZENA.LearningProgressionsandTeachingSequences：AReviewandAnalysis[J].StudiesinScienceEducation，2011，47（2）：123-182.

[31]ALONZOAC，STEEDLEJT.DevelopingandAssessingaForceandMotionLearningProgression[J].ScienceEducation，2009，93（3）：389-421.

[32]HERITAGEM.LearningProgressions：SupportingInstructionandFormativeAssessment[M].Washington，DC：CouncilofChiefStateSchoolOfficers，2008.

（責任編輯 賴佳）