人工智能支持的教師循證教育：理論架構(gòu)與行動(dòng)網(wǎng)絡(luò)

吳南中 李少蘭 陳明建

[摘 ? 要] 教師循證教育由于架構(gòu)了教師教育理論與實(shí)踐的橋梁，備受研究者關(guān)注。然而，受實(shí)踐中提問不當(dāng)、制證不足、取證不力、成證不良和用證不能的桎梏而推進(jìn)緩慢，亟待突圍。文章以人工智能作用于教師循證教育的過程為分析框架，梳理教師循證教育中人、證據(jù)和教育教學(xué)實(shí)踐之間的多重關(guān)系，發(fā)揮人工智能在輔助制證、取證和用證上的作用，以此推動(dòng)教師循證教育的高質(zhì)量發(fā)展，并建構(gòu)了基于人工智能平臺(tái)、證據(jù)分類分層邏輯、內(nèi)容關(guān)聯(lián)管理和進(jìn)化機(jī)制為基礎(chǔ)的教師循證教育理論模型。在模型中，人工智能平臺(tái)通過證據(jù)分類和內(nèi)容管理，作用于教師證據(jù)獲取、使用和優(yōu)化的全程，最終通過人機(jī)協(xié)同的教師教育實(shí)現(xiàn)循證價(jià)值。要實(shí)現(xiàn)人工智能支持的教師教育，需要涵蓋人類行動(dòng)者和非人類行動(dòng)者的多元行動(dòng)網(wǎng)絡(luò)，以利益為“中介點(diǎn)”建構(gòu)循證教育聯(lián)盟，在有效利用人工智能促進(jìn)循證教育系列系統(tǒng)化、推進(jìn)循證教育正規(guī)化以及互動(dòng)廣泛化兩個(gè)支架上，形成理論與實(shí)踐的雙向演進(jìn)并逐漸擴(kuò)散。

[關(guān)鍵詞] 人工智能； 教師教育； 循證教育； 理論架構(gòu)； 行動(dòng)網(wǎng)絡(luò)

[中圖分類號(hào)] G434 ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 吳南中（1984—）男，湖南新化人。教授，博士，主要從事教師教育、教育大數(shù)據(jù)、學(xué)分銀行的研究。E-mail：yiqizou@126.com。陳明建為通訊作者，E-mail：397900902@qq.com。

一、引 ? 言

按照教師發(fā)展理論，教師職業(yè)是一個(gè)需要持續(xù)發(fā)展的專業(yè)群體，是從不成熟到逐漸成熟的持續(xù)、動(dòng)態(tài)過程。隨著教育領(lǐng)域?qū)處煂I(yè)的認(rèn)知不斷深化，形成了一套教師教育的理論體系，其中包括了三個(gè)核心的立場(chǎng)：一是掌握系統(tǒng)的教育專業(yè)知識(shí)，包括學(xué)科知識(shí)、學(xué)科教學(xué)知識(shí)和課程知識(shí)[1]；二是培養(yǎng)教師的專業(yè)倫理，通過倫理的約束和認(rèn)知的實(shí)踐，促進(jìn)教師自身積極參與專業(yè)能力提升；三是培養(yǎng)教師的終身學(xué)習(xí)能力和習(xí)慣，以應(yīng)對(duì)教師專業(yè)成長(zhǎng)的長(zhǎng)期化、終身性、具身性和個(gè)性化的挑戰(zhàn)，將教師教育從職前培養(yǎng)轉(zhuǎn)向職前職后一體化教育。也基于此，本研究所指的教師教育包括職前教育、崗前培訓(xùn)和職后教育，是教師接受正式教育和非正式教育，是個(gè)人主動(dòng)和組織供給雙向交匯的過程。

隨著人工智能、在線教育等嵌入到教育教學(xué)體系，教師面臨著更復(fù)雜的實(shí)踐場(chǎng)景和具有挑戰(zhàn)性的現(xiàn)實(shí)問題。由于醫(yī)生和教師都是面向人的職業(yè)，醫(yī)學(xué)領(lǐng)域興起的循證實(shí)踐逐步引入教師教育領(lǐng)域，從兩個(gè)方面回應(yīng)了當(dāng)前情境下教師教育的現(xiàn)實(shí)問題：一是促進(jìn)所培養(yǎng)的教師對(duì)終身學(xué)習(xí)、開放全納的態(tài)度建構(gòu)；二是形成了專業(yè)者認(rèn)同專業(yè)者的路徑，即以經(jīng)過認(rèn)可或者是評(píng)審?fù)ㄟ^的專業(yè)內(nèi)容，創(chuàng)造性地使用證據(jù)，解決教師在復(fù)雜情境中多種受限而無法作出準(zhǔn)確判斷的問題，提高了教師教育的實(shí)效。然而，由于循證教育需要教師做到以下幾點(diǎn)：一是能對(duì)教師學(xué)習(xí)和工作提出可回答的問題；二是知道如何獲取證據(jù)；三是能批判性的理解證據(jù)；四是能對(duì)證據(jù)進(jìn)行分層分類；五是能確定證據(jù)與教師需求和現(xiàn)實(shí)應(yīng)用環(huán)境的關(guān)聯(lián)性[2]。這些導(dǎo)致了教師循證教育的現(xiàn)實(shí)困境，“由于教育研究的成果豐富度和實(shí)踐貼近度與一線實(shí)踐問題關(guān)聯(lián)系不足；教師自身在現(xiàn)實(shí)情境中問題描述能力有限，解決問題的路徑依賴等現(xiàn)實(shí)原因”[3]，導(dǎo)致循證教育更多是一種理念層面的探索。

借助人工智能的算法優(yōu)勢(shì)、語(yǔ)義關(guān)聯(lián)建構(gòu)和動(dòng)態(tài)智能進(jìn)化，通過平臺(tái)形成證據(jù)與實(shí)踐的關(guān)聯(lián)關(guān)系建構(gòu)和證據(jù)內(nèi)容的自組織進(jìn)化，是教師循證教育擴(kuò)大影響的重要方式。對(duì)于教師而言，通過關(guān)聯(lián)關(guān)系的建構(gòu)，可以有效降低自身盲目檢索知識(shí)的壓力和負(fù)擔(dān)，直觀發(fā)現(xiàn)實(shí)踐所需要的“證據(jù)”。對(duì)于教師教育內(nèi)容而言，將已經(jīng)被實(shí)踐證明有效的證據(jù)通過人工智能搭建的外部聯(lián)系，提升其被發(fā)現(xiàn)和使用的概率，配合知識(shí)管理和組織策略，實(shí)現(xiàn)自身的成長(zhǎng)進(jìn)化能力，內(nèi)容從“靜止的資源”變成了“不斷迭代的機(jī)體”，被賦予了“生命體”特征，由此產(chǎn)生了多重境遇，比如提升了證據(jù)獲取的能力，證據(jù)自身在不斷真實(shí)化和可利用化，回應(yīng)了循證教育的應(yīng)用難題?？傊?，在人工智能的支持下，循證教育產(chǎn)生了新的活力，有望成為教師教育的根本支撐。

二、循證教育的緣起及其發(fā)展困境

（一）循證教育的概念及其緣起

隨著臨床流行病學(xué)的誕生、對(duì)照試驗(yàn)方法和統(tǒng)計(jì)學(xué)在醫(yī)院的應(yīng)用，通過可靠的證據(jù)來開展臨床實(shí)踐成為醫(yī)學(xué)工作者的選擇[4]。20世紀(jì)80年代開始，加拿大馬斯特大學(xué)醫(yī)學(xué)院開始利用循證的方式，作為臨床學(xué)習(xí)的內(nèi)容，開啟了循證醫(yī)學(xué)[5]。流行病醫(yī)學(xué)家大衛(wèi)·薩克特（David S）正式提出了“循證醫(yī)學(xué)”的概念及其主張，核心是通過審慎評(píng)價(jià)文獻(xiàn)，高效文獻(xiàn)檢索、文獻(xiàn)評(píng)價(jià)和正確使用證據(jù)，作為臨床醫(yī)生學(xué)習(xí)的內(nèi)容[6]。循證醫(yī)學(xué)形成了一系列證據(jù)效用的標(biāo)準(zhǔn)，將專家經(jīng)驗(yàn)、體外研究、動(dòng)物實(shí)驗(yàn)……隨機(jī)對(duì)照的臨床實(shí)驗(yàn)從低到高進(jìn)行排列，建構(gòu)了通過證據(jù)評(píng)估臨床問題的方法，并在其中考慮了患者的價(jià)值觀和偏好的問題[7]，嘗試解決了醫(yī)學(xué)實(shí)踐中經(jīng)驗(yàn)不可靠和新問題情境處理手段缺乏的問題，拉近了醫(yī)學(xué)研究與實(shí)踐的聯(lián)系，支持了醫(yī)生實(shí)踐決策。

在教育領(lǐng)域，劍橋大學(xué)教育學(xué)院戴維·哈格里夫斯（David H.Hargreaves）從醫(yī)學(xué)借鑒中提出了“循證教學(xué)”的概念，指的是將個(gè)體教學(xué)經(jīng)驗(yàn)與外部研究結(jié)合，形成最佳證據(jù)，指導(dǎo)實(shí)踐的過程[8]，受到了學(xué)者的關(guān)注。隨后，美國(guó)在《不讓一個(gè)孩子掉隊(duì)法案》中系統(tǒng)強(qiáng)調(diào)了基于科學(xué)研究獲得證據(jù)來推進(jìn)教育改革的方法，并在實(shí)踐中形成了證據(jù)的四個(gè)等級(jí)：實(shí)驗(yàn)研究、準(zhǔn)實(shí)驗(yàn)研究、有“前景”證據(jù)和質(zhì)性研究[9]。隨著計(jì)算教育學(xué)[10]、大數(shù)據(jù)教育等方法的推進(jìn)[11]，循證教育將“證”的“學(xué)術(shù)研究范疇”拓展到“證據(jù)、信息、案例”載體，認(rèn)為是一種依據(jù)證據(jù)中的數(shù)據(jù)和信息開展教學(xué)和研究的方法，包括了以證據(jù)開展政策制定、制度執(zhí)行和教學(xué)決策等內(nèi)容。由于教學(xué)面向的對(duì)象和醫(yī)學(xué)有差別，醫(yī)學(xué)解決的是具體“問題和癥狀”，教學(xué)所面對(duì)的是“更好的教學(xué)”。從“更好的教學(xué)”視角來看，不僅是“解決問題”的證據(jù)，而是需要在現(xiàn)有條件下形成更好的教學(xué)決策，是情境、時(shí)機(jī)、文化、過往經(jīng)驗(yàn)和先前基礎(chǔ)等相關(guān)因素共同作用的結(jié)果，也正是如此，造成了教師循證教育的困境。

（二）循證教育的發(fā)展困境

盡管循證教育嘗試通過量化建構(gòu)證據(jù)，并將證據(jù)應(yīng)用于教學(xué)、教研、教師教育者和其他教育行為的方式，受到教育者的廣泛關(guān)注，被認(rèn)為是教育從經(jīng)驗(yàn)、主觀、演繹和歸納等方法中逐漸走向以實(shí)驗(yàn)、量化、統(tǒng)計(jì)等“科學(xué)主義”的有效道路[12]。由于教育尋求“確定性的”“價(jià)值中立的”“事實(shí)性的”知識(shí)有一定難度，但教育是具有普遍規(guī)律性的事實(shí)幾乎是共識(shí)，那么循證教育就有發(fā)展的空間。也正是如此，國(guó)內(nèi)外循證教育得到了快速發(fā)展。比如中國(guó)建立了“Campbell中國(guó)聯(lián)盟”[13]，嘗試建立循證社會(huì)科學(xué)數(shù)據(jù)庫(kù)，但是離全面推進(jìn)循證教育還存在巨大的差距，主要體現(xiàn)在以下五個(gè)方面：

1. 提問不當(dāng)

循證教育的起點(diǎn)是教師教育中教師問題的提出，一個(gè)好的問題需要批判性思維的加持?！芭兴季S本質(zhì)就是一種疑問技巧”[14]，是循證教育的“鑰匙”和“解放力量”，也是教師發(fā)展的重要資源和現(xiàn)實(shí)技能，是思維和德性的組合，包括了解析問題、分析問題、評(píng)估問題、提出問題的能力。在實(shí)踐中，一方面，教師不能將教育教學(xué)中遇到的問題提煉為學(xué)術(shù)上可以回答的問題；另一方面，中國(guó)式教育研究追求規(guī)范、專業(yè)的學(xué)術(shù)話語(yǔ)，造成證據(jù)語(yǔ)境與教師實(shí)踐的偏離，教師提出的問題很難被理解。

2. 制證不足

從“證”的角度看，一是基于科學(xué)研究的方法使用不足，包括能力不足和評(píng)價(jià)導(dǎo)向等多方面原因，實(shí)證類研究嚴(yán)重不足；二是缺乏證據(jù)共享的平臺(tái)。教育類的實(shí)證通常為宏大話題，缺乏中觀、微觀層面的證據(jù)，更多具有鮮活支撐價(jià)值的證據(jù)隱匿在各類案例、總結(jié)材料、質(zhì)量評(píng)估平臺(tái)等地方，缺乏統(tǒng)一的管理。三是缺乏證據(jù)制作的工具和機(jī)制。由于教學(xué)中循證的內(nèi)容包括課題成果、資政報(bào)告、案例、學(xué)術(shù)報(bào)告、自身實(shí)踐，缺乏相應(yīng)的共享機(jī)制，在工具開發(fā)上缺乏動(dòng)力，導(dǎo)致證據(jù)制作供給體系不足。

3. 取證不力

“取證”即為獲取相關(guān)證據(jù)的能力，通常體現(xiàn)為信息素養(yǎng)、數(shù)字素養(yǎng)、數(shù)智素養(yǎng)[15]等表現(xiàn)形式。在數(shù)字化時(shí)代，各類證據(jù)散發(fā)于平臺(tái)、網(wǎng)頁(yè)和各類分享中，“取證”能力成為教師教育的重要內(nèi)容和評(píng)價(jià)標(biāo)準(zhǔn)。在《歐盟教師素養(yǎng)和資格共同原則》中就提出了“使用知識(shí)、技術(shù)與信息”相關(guān)的能力應(yīng)該納入教師的三個(gè)核心素養(yǎng)中[16]，從側(cè)面反映了教師的“取證”能力與時(shí)代需求的差距，這也是中國(guó)各種類型的培訓(xùn)中都加入信息技術(shù)內(nèi)容的普遍原因。

4. 成證不良

主要是指證據(jù)本身非良構(gòu)的知識(shí)，體現(xiàn)為：一是部分研究成果本身說服力不強(qiáng)。有的實(shí)證研究用規(guī)范的方法，證明了一個(gè)眾所周知的問題；有的缺乏研究方法的訓(xùn)練，導(dǎo)致證據(jù)本身存在問題；有的研究問題不存在，或者是一個(gè)假問題。二是各類研究生產(chǎn)低水平重復(fù)?，F(xiàn)行教育研究與實(shí)踐都存在一定的跟風(fēng)現(xiàn)象，比如課程思政概念提出以來，大家都研究課程思政，缺乏凝神靜氣地圍繞特定領(lǐng)域深度挖掘，導(dǎo)致各類成果低水平重復(fù)。三是缺乏內(nèi)容的進(jìn)化管理。教育問題是既有常規(guī)性又有特殊性，既有歷史性又有時(shí)代性的問題，比如，學(xué)習(xí)的效用問題、學(xué)習(xí)的深度問題等這些都是老生常談的話題，而新時(shí)代的學(xué)習(xí)風(fēng)格問題卻是伴隨互聯(lián)網(wǎng)及其相關(guān)技術(shù)的深度應(yīng)用展開的[17]，需要從內(nèi)容上完成進(jìn)化。缺乏內(nèi)容的進(jìn)化管理導(dǎo)致信息的無效，影響了循證教育的推進(jìn)。

5. 用證不能

指的是培養(yǎng)教師在使用證據(jù)時(shí)缺乏相應(yīng)的證據(jù)素養(yǎng)教育，導(dǎo)致有的證據(jù)很難被正確使用。一是“路徑依賴”明顯。表現(xiàn)為不根據(jù)實(shí)踐環(huán)境而盲目使用證據(jù)。教育是面向人的問題，同樣的現(xiàn)象背后可能會(huì)有多種原因。二是循證素養(yǎng)缺失。教師缺乏將證據(jù)合理遷移、轉(zhuǎn)化到實(shí)踐情境中的能力，缺乏循證教育的整體系統(tǒng)設(shè)計(jì)。三是循證過度。表現(xiàn)為過度依靠標(biāo)準(zhǔn)、案例等證據(jù)性要素，忽視了教育教學(xué)中“人”和“價(jià)值”的存在，造成“手段”與“目的”的對(duì)立。

三、基于人工智能的教師循證

教育內(nèi)涵及其行動(dòng)隱喻

（一）基于人工智能的教師循證教育內(nèi)涵闡釋

人工智能指的是用人工的方法，在機(jī)器人模擬、理解和拓展人的智能等方面，使機(jī)器能完成各種復(fù)雜任務(wù)[18]。核心是指通過機(jī)器模擬人的理解、分析、推理、學(xué)習(xí)等，替代人完成部分工作。在教育領(lǐng)域，人工智能通過賦能教育、創(chuàng)新教育和重塑教育等三重關(guān)系創(chuàng)造智能導(dǎo)學(xué)、自適應(yīng)調(diào)整、學(xué)習(xí)分析、人機(jī)協(xié)同教學(xué)等場(chǎng)景?；谌斯ぶ悄艿慕處熝C教育指的是將人工智能引入教師的循證教育，建構(gòu)人、證據(jù)、教育教學(xué)的多重關(guān)系，在教育教師或者幫助教師在教育教學(xué)過程中更加明晰問題、準(zhǔn)確找到證據(jù)、形成用證方法，核心包括：（1）通過人工智能幫助教師識(shí)別問題，明確問題的類型；（2）引導(dǎo)教師尋求證據(jù)；（3）通過人工智能分析問題，輔助教師判斷證據(jù)；（4）通過人工智能深度學(xué)習(xí)，對(duì)證據(jù)進(jìn)行分層分類；（5）輔助教師確定證據(jù)與教師現(xiàn)實(shí)問題和應(yīng)用環(huán)境的適應(yīng)性。

（二）教育人工智能的教師循證教育行動(dòng)隱喻

1. 輔助制證

探索關(guān)聯(lián)進(jìn)化的人工智能方法的應(yīng)用。輔助制證核心包括三個(gè)維度：一是利用人工智能輔助科研，形成高質(zhì)量的證據(jù)。通過人工智能技術(shù)的應(yīng)用和大數(shù)據(jù)體系、云計(jì)算的支持，有望打開教育從“輸入”到“輸出”之間的“黑匣子”，將學(xué)生的學(xué)習(xí)進(jìn)程進(jìn)行準(zhǔn)確描述，并挖掘其背后的課程、學(xué)習(xí)空間、學(xué)習(xí)評(píng)價(jià)等相關(guān)關(guān)系，為高質(zhì)量科研提供基礎(chǔ)性支持，服務(wù)教師的循證教育。二是依托人工智能開展教學(xué)改革，促使更具智慧的教學(xué)案例生成。人工智能利用數(shù)據(jù)和算法來理解環(huán)境，并根據(jù)現(xiàn)實(shí)需求服務(wù)學(xué)術(shù)，形成“包括全面感知學(xué)生的學(xué)習(xí)場(chǎng)所、靈活創(chuàng)新的學(xué)校布局和深度交互的網(wǎng)絡(luò)學(xué)習(xí)空間”[19]，為基于個(gè)性化理念、人本化理論和深度學(xué)習(xí)理念等教學(xué)改革創(chuàng)造了空間，可以從中激發(fā)教師教學(xué)改革活力，形成優(yōu)質(zhì)的教學(xué)案例，在算法的支持下，可將教師基于“靈光乍現(xiàn)”所產(chǎn)生的教學(xué)舉措進(jìn)行獲取，當(dāng)做教師循證教育所需要的“高質(zhì)量證據(jù)”。三是建立內(nèi)容的關(guān)聯(lián)進(jìn)化機(jī)制，促使內(nèi)容按照層次遞進(jìn)的方式來逐代提升。有學(xué)者從資源的優(yōu)化迭代過程中提出了資源的“有機(jī)體”概念[20]，并依托“學(xué)習(xí)元”形成了內(nèi)容進(jìn)化的系統(tǒng)設(shè)計(jì)，促成了相關(guān)的實(shí)踐[21]。在內(nèi)容進(jìn)化上，人工智能通過跟蹤證據(jù)的采納情況和使用過程，并建構(gòu)多元知識(shí)管理體系，可以有效為內(nèi)容進(jìn)化指明發(fā)展方向。

2. 輔助取證

建構(gòu)基于人工智能的可視化證據(jù)平臺(tái)?！拜o助取證”指的是通過人工智能將關(guān)聯(lián)數(shù)據(jù)和信息整合在統(tǒng)一標(biāo)準(zhǔn)中，并以可視化的形式展現(xiàn)在教師面前。具體包括：一是社會(huì)層面，通過聯(lián)通專門的社科學(xué)術(shù)平臺(tái)、大型知識(shí)數(shù)據(jù)庫(kù)，設(shè)計(jì)人工智能算法，將核心主題進(jìn)行聚集，幫助教師快速找到證據(jù)。二是在機(jī)構(gòu)（通常為學(xué)校）層面，通過整合校內(nèi)校外數(shù)據(jù)，借助智慧教室、智慧校園系統(tǒng)等，形成涵蓋學(xué)習(xí)、生活、社交的數(shù)據(jù)，配合情境感知和外部案例、學(xué)術(shù)成果，形成可視化的整合數(shù)據(jù)，為教學(xué)提供證據(jù)支持。三是在個(gè)人層面，主要體現(xiàn)為兩個(gè)方面：一方面，支持教師通過發(fā)表評(píng)論、寫筆記和作批注等方式，對(duì)證據(jù)進(jìn)行標(biāo)記，方便教師取證；另一方面，通過語(yǔ)義分析，形成日常語(yǔ)義與研究術(shù)語(yǔ)之間的聯(lián)系，幫助低教研素養(yǎng)教師快速找到所需要的切實(shí)證據(jù)。

3. 輔助用證

建立基于人工智能的引導(dǎo)用證技術(shù)路徑。人工智能的“輔助用證”體現(xiàn)在三個(gè)方面：一是提升“用證”的及時(shí)性。通過可視化技術(shù)，通過底層人工智能的學(xué)習(xí)，將相關(guān)證據(jù)按照主題、層次等排序方式，及時(shí)提供給教師。在重慶廣播電視大學(xué)“智慧駕駛艙”，可以將學(xué)習(xí)者相關(guān)的數(shù)據(jù)在教師屏幕中及時(shí)顯示，為基于證據(jù)的教學(xué)提供了便利[22]。二是提升“用證”的科學(xué)性問題。通過人工智能的分類，將時(shí)序、情境、事務(wù)標(biāo)識(shí)等形成關(guān)聯(lián)，建立科學(xué)的“用證”基礎(chǔ)。三是提升“用證”的靈活性。通過人工智能建立各類關(guān)聯(lián)關(guān)系，將教學(xué)方式的選擇與情境進(jìn)行精準(zhǔn)匹配，實(shí)現(xiàn)靈活用證。比如課題組過往對(duì)課堂的研究中發(fā)現(xiàn)，同一位數(shù)學(xué)教師，在一個(gè)班的氣氛總是比另外一個(gè)班好，通過挖掘整體數(shù)據(jù)發(fā)現(xiàn)，效果不好的一個(gè)班上每次上課之前的一節(jié)課是體育課，學(xué)生存在運(yùn)動(dòng)之后精力不濟(jì)的問題。因此，對(duì)關(guān)聯(lián)關(guān)系的挖掘，可以幫助教師更加靈活調(diào)整教學(xué)策略。

四、基于人工智能的教師循證教育的

技術(shù)方案及其模型建構(gòu)

（一）基于人工智能的教師循證教育關(guān)鍵要素及其技術(shù)方案

1. 人工智能運(yùn)行平臺(tái)

人工智能運(yùn)行平臺(tái)是循證教育的基礎(chǔ)性條件，相當(dāng)于“智慧大腦”，可以分為基礎(chǔ)層、算法層、感知層、認(rèn)知層和應(yīng)用層。其中基礎(chǔ)層主要是收集數(shù)據(jù)，核心是通過接口和數(shù)據(jù)標(biāo)準(zhǔn)的建立，完成對(duì)不同平臺(tái)的數(shù)據(jù)聚合和對(duì)自身數(shù)據(jù)的存儲(chǔ)，包括證據(jù)存儲(chǔ)平臺(tái)數(shù)據(jù)、知識(shí)管理數(shù)據(jù)、行為數(shù)據(jù)、評(píng)價(jià)數(shù)據(jù)等，其核心技術(shù)是數(shù)據(jù)清洗技術(shù)，主要功能是通過對(duì)半結(jié)構(gòu)化和非結(jié)構(gòu)數(shù)據(jù)進(jìn)行清洗、聚合和存儲(chǔ)；算法層指的是人工智能對(duì)數(shù)據(jù)的處理，包括傳統(tǒng)機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法。其中機(jī)器算法主要是貝葉斯算法、回歸算法、決策樹算法、線性算法、聚類算法等，深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等。感知層主要是通過感知終端實(shí)現(xiàn)語(yǔ)義信息進(jìn)和情景信息的感知，其感知數(shù)據(jù)本身是數(shù)據(jù)的來源，也是人工智能平臺(tái)與外界進(jìn)行交互的結(jié)構(gòu)層；認(rèn)知層主要是完成知識(shí)標(biāo)識(shí)方法、智能代理等建構(gòu)，實(shí)現(xiàn)自然語(yǔ)言的加工處理，在準(zhǔn)確獲取教師需求中發(fā)揮作用；應(yīng)用層主要是基于證據(jù)的教學(xué)科研場(chǎng)景的應(yīng)用模式開發(fā)，比如上課用的及時(shí)數(shù)據(jù)可視化平臺(tái)、教學(xué)準(zhǔn)備用的智能資源庫(kù)、教學(xué)科研用的知識(shí)架構(gòu)等，這些根據(jù)“循證”場(chǎng)景的拓展和深度應(yīng)用進(jìn)行有針對(duì)性的開發(fā)，形成一系列的相關(guān)應(yīng)用。

2. 證據(jù)分類分層邏輯

證據(jù)分類分層是按照證據(jù)的類別，通過人工智能的關(guān)聯(lián)規(guī)則學(xué)習(xí)，以分層聚類算法等，用機(jī)器將證據(jù)進(jìn)行可靠性分類。通常來說，可以按實(shí)驗(yàn)研究、準(zhǔn)實(shí)驗(yàn)研究、質(zhì)性分析、案例分享進(jìn)行可信度遞減的分類；按照時(shí)間順序進(jìn)行有效性分類；按照語(yǔ)義標(biāo)識(shí)（通過使用，產(chǎn)生的筆記、證據(jù)的使用等，標(biāo)識(shí)越完整、被越多的人使用并產(chǎn)生效果，可靠性越強(qiáng)）進(jìn)行分類；按照內(nèi)容對(duì)照分類（根據(jù)問題產(chǎn)生的學(xué)科層次、類別）等多層邏輯，形成呈現(xiàn)排序的權(quán)重規(guī)則并按照使用情況進(jìn)行實(shí)時(shí)調(diào)整，將證據(jù)分主題和層級(jí)進(jìn)行存儲(chǔ)，形成證據(jù)庫(kù)，并通過語(yǔ)義標(biāo)注技術(shù)進(jìn)行標(biāo)記，同時(shí)設(shè)計(jì)語(yǔ)義關(guān)聯(lián)計(jì)算和規(guī)則推理計(jì)算的相關(guān)算法，形成證據(jù)與應(yīng)用的快速聯(lián)動(dòng)。

3. 內(nèi)容關(guān)聯(lián)管理和進(jìn)化機(jī)制調(diào)節(jié)

內(nèi)容關(guān)聯(lián)管理主要是依托人工智能技術(shù)，從人工智能認(rèn)知層面依托自然語(yǔ)言處理、智能代表和知識(shí)表示方法，實(shí)現(xiàn)證據(jù)的識(shí)別；在滿足教師智能化、個(gè)性化和精準(zhǔn)化的“用證需求”下，對(duì)證據(jù)進(jìn)行基于情境的用戶關(guān)聯(lián)，實(shí)現(xiàn)證據(jù)與教師需求匹配；按照規(guī)則推理的邏輯實(shí)現(xiàn)個(gè)性化的證據(jù)推薦服務(wù)。內(nèi)容關(guān)聯(lián)管理的核心技術(shù)是用戶畫像技術(shù)，通過人工智能對(duì)教師信息的全方位獲取，形成教師的教育資源需求，通過語(yǔ)義關(guān)聯(lián)，實(shí)現(xiàn)證據(jù)與情景的匹配。內(nèi)容進(jìn)化機(jī)制調(diào)節(jié)指的是通過內(nèi)容的標(biāo)識(shí)支持，也就是通過證據(jù)使用者對(duì)內(nèi)容進(jìn)行二次加工，將證據(jù)的最新狀態(tài)進(jìn)行呈現(xiàn)，支持教師和研究者在此基礎(chǔ)上開展研究和探索，形成新的證據(jù)或者更加完善的數(shù)據(jù)。

（二）基于人工智能的教師循證教育理論模型建構(gòu)

依據(jù)上述關(guān)鍵問題，本研究按照課前教學(xué)設(shè)計(jì)、課中教學(xué)開展和課后教學(xué)研修的時(shí)序邏輯，探討基于人工智能的教師循證教育理論模型。

圖2 ? 教師循證教育理論模型

1. 人工智能平臺(tái)通過證據(jù)分類和內(nèi)容管理形成循證教育的基礎(chǔ)

對(duì)于教師教育而言，循證教育的關(guān)鍵是在于幫助教師少走彎路，在專業(yè)發(fā)展上節(jié)約精力，避免無謂消耗。在教師的循證教育模型中，人工智能平臺(tái)是基礎(chǔ)，循證教學(xué)理論是支撐，人工智能是整個(gè)運(yùn)行體系的“大腦”，主要是通過內(nèi)在算法的嵌入，解決證據(jù)的分類與分層問題、證據(jù)關(guān)聯(lián)規(guī)則和內(nèi)容進(jìn)化機(jī)制的問題。

2. 人工智能發(fā)揮作用的過程體現(xiàn)了證據(jù)的獲取、使用和優(yōu)化全程

在循證教學(xué)中，通過人工智能完成“輔助制證、輔助取證和輔助用證”的過程，其中循證教學(xué)能力和證據(jù)優(yōu)化在循證教學(xué)內(nèi)部扮演支撐角色。因此，循證教學(xué)需要教師循證能力和證據(jù)優(yōu)化的支持，教師是教師教育的主體，也是推進(jìn)教學(xué)實(shí)踐的主體，需要自身明確意識(shí)并形成循證能力；后者是支撐教師高水平?jīng)Q策的基礎(chǔ)，為循證教育提供科學(xué)決策依據(jù)。

3. 人工智能最終通過人機(jī)協(xié)同的教育得到應(yīng)用

從循證教育的范疇來看，覆蓋了課前準(zhǔn)備、課中施教以及課后反饋全過程。在課前準(zhǔn)備階段，通過人工智能對(duì)學(xué)生數(shù)據(jù)的全方位采集，完成學(xué)生理解；對(duì)課程建設(shè)和運(yùn)行過程中呈現(xiàn)的狀態(tài)予以可視化呈現(xiàn)，實(shí)現(xiàn)教師與課程之間的“視域融合”；證據(jù)體系本身也為教學(xué)設(shè)計(jì)提供了案例、成效分析和其他相關(guān)信息。在課中階段，人工智能的循證價(jià)值體現(xiàn)在循證教學(xué)，主要是依托學(xué)習(xí)分析、教學(xué)決策、教學(xué)優(yōu)化和學(xué)習(xí)支持服務(wù)發(fā)揮作用。學(xué)習(xí)分析指的是借助大數(shù)據(jù)平臺(tái)的信息采集，完成教學(xué)系統(tǒng)的可視化，幫助教師開展教學(xué)決策和調(diào)整；教學(xué)決策和教學(xué)優(yōu)化都是按照證據(jù)開展的教學(xué)實(shí)時(shí)調(diào)整方式，強(qiáng)化了“人機(jī)協(xié)同”教學(xué)；借助人工智能的可視化系統(tǒng)建設(shè)，為及時(shí)學(xué)習(xí)支持服務(wù)提供了條件。在課后階段，循證教育主要通過教學(xué)反思、教學(xué)研修和成果提煉發(fā)揮作用，教學(xué)反思指的是提供清晰的過程引導(dǎo)和問題挖掘；教學(xué)研修是提供完善的教學(xué)發(fā)生軌跡便于教師設(shè)計(jì)研修主題并開展工作；成果提煉指的是在教學(xué)中的相關(guān)教學(xué)成效進(jìn)行總結(jié)和反思所提煉的成果，比如教學(xué)案例、論文、課題等載體。

五、基于人工智能的教師循證

教育行動(dòng)網(wǎng)絡(luò)建構(gòu)

在人工智能支持的教師循證教育中，不僅是一條漫長(zhǎng)的“時(shí)間線”，其涉及教師的職前教育、崗前培訓(xùn)和職后教育；同時(shí)也是一個(gè)跨度巨大的“橫截面”，體現(xiàn)為多元主體圍繞對(duì)教師更好開展循證教育的支持，這種多元性不僅體現(xiàn)為“人的力量”，而且體現(xiàn)了人工智能等機(jī)械的力量，在拉爾圖的行動(dòng)者網(wǎng)絡(luò)理論體系中，稱之為“非人行動(dòng)者”[23]。組織運(yùn)行的關(guān)鍵是行動(dòng)者作為本體主動(dòng)行動(dòng)，建構(gòu)相互聯(lián)系的社會(huì)網(wǎng)絡(luò)，進(jìn)而實(shí)現(xiàn)組織運(yùn)行的目標(biāo)。人工智能與教師循證教育的結(jié)合，凸顯了人工智能作為“非人行動(dòng)者”的作用，需要建構(gòu)一個(gè)廣泛的“轉(zhuǎn)譯”網(wǎng)絡(luò)，支持循證教育的實(shí)現(xiàn)。

（一）促進(jìn)行動(dòng)主體從單一來源轉(zhuǎn)向多元來源

按照行動(dòng)者網(wǎng)絡(luò)理論的理解，核心行動(dòng)者在行動(dòng)網(wǎng)絡(luò)中通過建立共同目標(biāo)和設(shè)計(jì)強(qiáng)制通行點(diǎn)扮演組織、解釋和協(xié)調(diào)的作用[24]。從現(xiàn)有的循證教育體系來看，更為廣泛的循證教育網(wǎng)絡(luò)需要更多人群的主動(dòng)行動(dòng)：一是教育研究者。教育領(lǐng)域絕大部分研究者從個(gè)人興趣和思辨活動(dòng)中脫離出來，尋求“真問題”，以解決循證教育中“證”缺乏的問題，同時(shí)提高“證”的科學(xué)性和權(quán)威性，其中最為首要的問題是建立證據(jù)的質(zhì)量標(biāo)準(zhǔn)，為基于人工智能的證據(jù)聚類分層提供參考。二是人工智能專家。用人工智能技術(shù)支持教師循證教育，對(duì)教育工作者而言存在許多難題。比如，內(nèi)容管理的算法設(shè)計(jì)，多種算法的疊加和教育專家的加權(quán)處理都需要人工智能專家的參與，細(xì)節(jié)層面的內(nèi)容更是需要算法的訓(xùn)練學(xué)習(xí)。比如，筆者在做“3+3”大數(shù)據(jù)生態(tài)圈中“智慧駕駛艙”項(xiàng)目的表情獲取算法，邀請(qǐng)了惠普公司人工智能的首席科學(xué)家參與。三是廣泛的教師。教師是循證教育的受教育者，也是循證教育中證據(jù)的提供者。對(duì)于教學(xué)而言，優(yōu)秀的案例、優(yōu)質(zhì)的教學(xué)設(shè)計(jì)等都是有意義的證據(jù)，通過支持教師以實(shí)驗(yàn)、準(zhǔn)實(shí)驗(yàn)方式開展教學(xué)，為循證教育提供優(yōu)質(zhì)證據(jù)，同時(shí)驗(yàn)證循證教育的效果。所以，教師是推進(jìn)教師循證教育的重要行動(dòng)者。除此之外，由于人工智能平臺(tái)等相關(guān)支持性要素的建構(gòu)，需要信息技術(shù)類的軟硬件專家的支持，學(xué)生也是重要的行動(dòng)者。因此，教師循證教育的實(shí)現(xiàn)，多元化主體的建構(gòu)是基礎(chǔ)。

（二）以利益為“中介點(diǎn)”建構(gòu)循證教育網(wǎng)絡(luò)聯(lián)盟

行動(dòng)者之間要形成關(guān)系，實(shí)現(xiàn)連接，才能建構(gòu)有意義的討論和交互，才能實(shí)現(xiàn)科學(xué)與社會(huì)關(guān)系的整體性演進(jìn)，也稱之為“異質(zhì)性網(wǎng)絡(luò)”[25]。在循證教育的異質(zhì)性關(guān)系中，行動(dòng)者的利益并不一致，研究者遵循成果的快速而高質(zhì)量產(chǎn)出，成果能否被別人利用的關(guān)注度不高。而循證教育要求成果服務(wù)教師教育，滿足教師的發(fā)展需求。人工智能專家參與研究更多可能是項(xiàng)目驅(qū)動(dòng)和利益驅(qū)動(dòng)等，這些行動(dòng)者都需要改變自身擅長(zhǎng)的路線，形成利益聯(lián)盟。就教師教育而言，他們最大利益共同點(diǎn)是“更優(yōu)質(zhì)教師”導(dǎo)向下社會(huì)優(yōu)質(zhì)教育。具體來看，在“更優(yōu)質(zhì)教師”的愿景下，政府可以加強(qiáng)對(duì)于循證教育的立項(xiàng)，尤其是可以組織國(guó)內(nèi)“雙一流”大學(xué)聯(lián)合，共建基于循證教育的人工智能平臺(tái)，發(fā)揮其在資源組織和知識(shí)管理的主導(dǎo)地位；企業(yè)可以發(fā)揮人工智能的技術(shù)優(yōu)勢(shì)，在項(xiàng)目或者是資源支持下，開發(fā)新的算法，以人工智能技術(shù)實(shí)現(xiàn)證據(jù)的科學(xué)排序，實(shí)現(xiàn)精準(zhǔn)的證據(jù)推送和證據(jù)個(gè)性匹配；教師是循證工作的利益集成者，也是重要的行動(dòng)主體，需要通過自身行動(dòng)，成為網(wǎng)絡(luò)建構(gòu)的主動(dòng)者，發(fā)揮其在驗(yàn)證證據(jù)、生產(chǎn)證據(jù)和使用證據(jù)上的優(yōu)勢(shì)。學(xué)生也可以通過自身的數(shù)據(jù)共享，實(shí)現(xiàn)行動(dòng)者網(wǎng)絡(luò)的參與?？傊瑢?duì)于行動(dòng)網(wǎng)絡(luò)而言，節(jié)點(diǎn)數(shù)量越多，行動(dòng)關(guān)系越復(fù)雜，行動(dòng)行為越頻繁，網(wǎng)絡(luò)的密度、延展度和覆蓋度就能得到更大提升，產(chǎn)生的影響也越深遠(yuǎn)，行動(dòng)更可靠。

（三）有效利用人工智能技術(shù)促進(jìn)循證教育理論系統(tǒng)化

循證教育理論存在如下問題：一是循證教育的前提是“證據(jù)有用”，“證據(jù)有用”的基礎(chǔ)是普適性的教育建構(gòu)，實(shí)質(zhì)是對(duì)復(fù)雜性的教育現(xiàn)象挖掘出清晰的規(guī)律，對(duì)“理論其實(shí)就是對(duì)一個(gè)現(xiàn)象如何運(yùn)作以及為什么如此運(yùn)作的解釋或者解釋體系”的教育化[26]，而教育的復(fù)雜性和不可控性難以形成“標(biāo)準(zhǔn)工程”。人工智能的“輔助制證”已經(jīng)具備成為一種證據(jù)開發(fā)和研究范式的可行性，探索基于人工智能的理論研究成為教育領(lǐng)域的亮色，但還算不上成熟的教育理論，需要更多研究者參與的主動(dòng)建構(gòu)。二是循證教育需要面對(duì)自身被質(zhì)疑的立場(chǎng)，回應(yīng)差異化質(zhì)疑和量化教育判斷的理論。對(duì)循證教育的批判主要是將人作為“定量化”的對(duì)象來肢解，忽視人內(nèi)心活動(dòng)的問題，無法應(yīng)對(duì)個(gè)性化和大規(guī)模因材施教的教學(xué)改革行動(dòng)問題。筆者認(rèn)為，人工智能支持的循證改變了過往完全依靠證據(jù)的范式，提出了一種人機(jī)協(xié)同的處理模式，證據(jù)是教師認(rèn)知和實(shí)踐的基礎(chǔ)，但不是代表教師的決策。理論工作者需要在這個(gè)前提下，通過頂層的建構(gòu)和實(shí)施細(xì)節(jié)的模式化，回應(yīng)研究者的質(zhì)疑。三是循證教育需要在教學(xué)過程理論中形成系統(tǒng)的研究結(jié)果。循證教育的關(guān)鍵點(diǎn)在于教學(xué)過程，如何形成融合專業(yè)性和實(shí)踐性的教學(xué)過程證據(jù)，并在人工智能技術(shù)下進(jìn)行知識(shí)管理和資源優(yōu)化，建構(gòu)發(fā)展循證教育實(shí)效的教學(xué)法，進(jìn)而形成更多的成果，支持循證教育的發(fā)展。

（四）推進(jìn)循證教育的正規(guī)化和互動(dòng)的廣泛化

循證實(shí)踐實(shí)質(zhì)是服務(wù)教師教育和專業(yè)發(fā)展的資源庫(kù)，任何資源庫(kù)要得到持續(xù)的發(fā)展，正規(guī)化和廣泛化是不可避免的行動(dòng)內(nèi)容。

從正規(guī)化的邏輯來看，政府和學(xué)校是推動(dòng)循證教育實(shí)踐正規(guī)化的主要途徑。其中政府通過項(xiàng)目為循證教育體系提供資金，學(xué)校通過培養(yǎng)教師循證能力，提升研究實(shí)效，充實(shí)資源庫(kù)來源。作為教育治理領(lǐng)域的理念，循證正規(guī)化已經(jīng)在逐步推進(jìn)，比如，倫敦大學(xué)成立了英國(guó)政策與實(shí)踐信息協(xié)通證據(jù)中心[27]，美國(guó)教育科學(xué)研究所建立了“有效教學(xué)策略網(wǎng)”[28]，前文提到的中國(guó)Campbell聯(lián)盟等，但這些平臺(tái)的證據(jù)收錄都不夠全。需要從技術(shù)互動(dòng)導(dǎo)向的全局主義探索循證教育的正規(guī)化問題，比如，教師培養(yǎng)過程中的課程嵌入，教學(xué)研修中的證據(jù)導(dǎo)向，各類課程開發(fā)的證據(jù)實(shí)效性解釋等，并建立一系列制度和政策，實(shí)施自上而下的循證“規(guī)制”。

從廣泛化的邏輯來看，盡管人工智能的介入拓展了教師互動(dòng)的范圍，但這種結(jié)合沒有從根本上拓展教師循證教育的交互廣泛性，也就無法深入理解代理人對(duì)行動(dòng)者的主張予以轉(zhuǎn)錄性理解。因此，要實(shí)現(xiàn)循證教育的意義，需要行動(dòng)主體通過行動(dòng)網(wǎng)絡(luò)的主動(dòng)行動(dòng)，促使教育體系各要素在不斷發(fā)展、變化和創(chuàng)新中產(chǎn)生聯(lián)系，實(shí)現(xiàn)從理念到行動(dòng)的擴(kuò)散，進(jìn)而形成一種“循證”的文化和崇尚“理性”的空間場(chǎng)域，進(jìn)而不斷吸納參與者，豐富參與方式，滋養(yǎng)以循證教學(xué)為核心的教師循證教育體系。

[參考文獻(xiàn)]

[1] SHULMAN L S. Those who understand： knowledge growth in teaching[J]. Educational researcher， 1986， 15（2）： 4-14.

[2] MURRAY J. Between the chalkface and the ivory towers？： A study of the professionalism of teacher educators working on primary initial teacher education courses in the English university sector[D]. Institute of education， University of London， 2002.

[3] DAVIES P. What is evidence-based education？[J]. British journal of educational studies， 1999， 47（2）： 108-121.

[4] 柳春艷，楊克虎.西方循證教育學(xué)推演：理論、方法及啟示[J].電化教育研究，2022，43（3）：25-31.

[5] HOBGOOD C. Emergency medicine： an approach to clinical problem-solving[J]. Annals of emergency medicine，2003，42（3）：437-438.

[6] 陳露茜，蘇藝晴.循證教育溯源及其困境[J].清華大學(xué)教育研究，2022，43（4）：44-52，113.

[7] DJULBEGOVIC B， GUYATT G H. Progress in evidence-based medicine： a quarter century on[J]. The lancet，2017，390（10092）： 415-423.

[8] HARGREAVES D H. In defence of research for evidence-based teaching： a rejoinder to Martyn Hammersley[J]. British educational research journal，1997，23（4）：405-419.

[9] 柳春艷，丁林，楊克虎.“互聯(lián)網(wǎng)+”教育背景下的循證學(xué)習(xí)探究[J].電化教育研究，2020，41（7）：55-61.

[10] 劉三女牙，楊宗凱，李卿.計(jì)算教育學(xué)：內(nèi)涵與進(jìn)路[J].教育研究，2020，41（3）：152-159.

[11] 吳南中，夏海鷹.教育大數(shù)據(jù)范式的基本理念與建構(gòu)策略[J].電化教育研究，2017，38（6）：82-87.

[12] 楊甲睿，黃甫全.證據(jù)型教學(xué)決策在美國(guó)：興起、內(nèi)涵、策略及其啟示[J].電化教育研究，2013，34（4）：107-113.

[13] 包國(guó)憲，劉強(qiáng)強(qiáng).中國(guó)國(guó)家治理中的循證邏輯：理論框架與研究議程[J].南京社會(huì)科學(xué)，2021（1）：75-83.

[14] 岳曉東.批判思維的形成與培養(yǎng)：西方現(xiàn)代教育的實(shí)踐及其啟示[J].教育研究，2000（8）：65-69.

[15] 張春華，胡婷玉，楊會(huì)彥.教師基于信息技術(shù)開展精準(zhǔn)教學(xué)的過程及影響因素[J].電化教育研究，2022，43（4）：85-91.

[16] EC–European Commission. Common European principles for teacher competences and qualifications[J]. Retrieved august，2009 （22）： 2011.

[17] 王良輝，夏亮亮，何文濤.回歸教育學(xué)的精準(zhǔn)教學(xué)——走向人機(jī)協(xié)同[J].電化教育研究，2021，42（12）：108-114.

[18] TRIBUNEREVIEW T . What is artificial intelligence？[J]. Communications of the ACM， 2011（7）：1-4.

[19] 曹培杰.人工智能教育變革的三重境界[J].教育研究，2020，41（2）：143-150.

[20] 楊現(xiàn)民.泛在學(xué)習(xí)資源動(dòng)態(tài)語(yǔ)義聚合研究[J].電化教育研究，2014，35（2）：68-73.

[21] 楊現(xiàn)民，余勝泉.生態(tài)學(xué)視角下的泛在學(xué)習(xí)環(huán)境設(shè)計(jì)[J].教育研究，2013，34（3）：98-105.

[22] 吳南中，夏海鷹，黃治虎.基于大數(shù)據(jù)的智慧教室駕駛艙的設(shè)計(jì)與實(shí)踐——以重慶廣播電視大學(xué)為例[J].現(xiàn)代教育技術(shù)，2020，30（3）：101-107.

[23] 郭明哲. 行動(dòng)者網(wǎng)絡(luò)理論（ANT）[D].上海：復(fù)旦大學(xué)，2008.

[24] 吳瑩，盧雨霞，陳家建，王一鴿.跟隨行動(dòng)者重組社會(huì)——讀拉圖爾的《重組社會(huì)：行動(dòng)者網(wǎng)絡(luò)理論》[J].社會(huì)學(xué)研究，2008（2）：218-234.

[25] 賀建芹. 行動(dòng)者的能動(dòng)性觀念及其適當(dāng)性反思[D].濟(jì)南：山東大學(xué)，2011.

[26] JOHNSON R B， CHRISTENSEN L. Educational research： quantitative， qualitative， and mixed approaches[M]. Sage publications， 2019.

[27] 張琦.遵循循證原則 制訂教育政策[J].中國(guó)教育學(xué)刊，2007（7）：11-15.

[28] 柳春艷，李秀霞，楊克虎.發(fā)展中的循證教育學(xué)：多元特征與研究前景[J].圖書與情報(bào)，2018（3）：35-42.

Evidence-based Education for Teachers Supported by Artificial Intelligence：

A Theoretical Framework and Action Network

WU Nanzhong， LI Shaolan， CHEN Mingjian

（1. School of Mathematics and Statistics， Southwest University， Chongqing 400715;

2. Faculty of Education Science， Jiangxi Science and Technology Normal University，

Nanchang ?Jiangxi 330036； 3.Chongqing Academy of Education Science， Chongqing 400015）

[Abstract] Evidence-based education for teachers has attracted much attention from researchers because it has bridged the gap between the theory and practice in teacher education. However， it has been slowly developed due to the shackles of improper questioning， insufficient evidence preparation， ineffective evidence collection， poor evidence preparation and inability to use evidence in practice. Based on the analysis framework of the process of AI acting on teachers' evidence-based education， this paper combs out the multiple relationships between people， evidence and educational teaching practice in teachers' evidence-based education， and gives full play to the role of AI in auxiliary evidence preparation， auxiliary evidence collection and auxiliary evidence use， so as to promote the high-quality development of teachers' evidence-based education. It also constructs a theoretical model of teacher evidence-based education on a basis of the artificial intelligence platform， evidence classification and hierarchical logic， content association management and evolution mechanism. In the model， the AI platform acts on the whole process of teacher evidence acquisition， use and optimization through evidence classification and content management， and finally realizes evidence-based value through human-computer collaborative teacher education. In order to realize teacher education supported by AI， it is necessary to build an evidence-based education alliance with interests as the "intermediary point" through a multi-action network covering human and non-human actors， and form a two-way evolution and gradual diffusion of theory and practice on the basis of effective use of AI to promote the systematization of evidence-based education series and promote the normalization and interaction of evidence-based education.

[Keywords] ?Artificial Intelligence; Teacher Education; Evidence-based Education; Theoretical Framework; Action Network