循證教師教育中證據(jù)智能進(jìn)化：內(nèi)涵及其控制機(jī)制

摘 要：循證教師教育實現(xiàn)了教師教育過程中理論與實踐的深度交融，已成為教師教育的發(fā)展趨勢，其關(guān)鍵是依托證據(jù)建構(gòu)證據(jù)為本的教師教育實踐，其中證據(jù)是指有效開展教師教育的信息載體。在智能時代，循證教師教育的證據(jù)優(yōu)化需要借助人工智能等技術(shù)，發(fā)揮技術(shù)在輔助制證、輔助取證、輔助用證等方面的優(yōu)勢，并在使用效果上形成“眾智”效應(yīng)，通過“人機(jī)協(xié)同”對證據(jù)的科學(xué)性、實用性和對應(yīng)情境予以標(biāo)識，形成動態(tài)的、可無限拓展和優(yōu)化的語義關(guān)聯(lián)，實現(xiàn)證據(jù)、人與情境的交互，使證據(jù)在具體循證教師教育實踐中不斷優(yōu)化。構(gòu)建循證教師教育證據(jù)優(yōu)化的運行機(jī)制需要應(yīng)用智能技術(shù)，配合算法、存儲和使用反饋等支持性條件，形成證據(jù)的內(nèi)容優(yōu)化、范疇拓展和關(guān)聯(lián)優(yōu)化?；诖嗽O(shè)計了循證教師教育證據(jù)智能進(jìn)化的技術(shù)實現(xiàn)架構(gòu)，以期為證據(jù)管理和平臺優(yōu)化提供可行的參考框架。

關(guān)鍵詞：循證教師教育；人工智能；證據(jù)；智能控制；信息化

一、問題的提出

隨著知識的爆炸式增長和數(shù)字化技術(shù)的廣泛應(yīng)用，社會環(huán)境在不斷變化，對人提出了越來越多的能力要求，并折射到教育教學(xué)之中，課程的綜合化、復(fù)雜化、情境化明顯。隨著在線教育、虛擬現(xiàn)實技術(shù)等不斷嵌入教育內(nèi)部，尤其是ChatGPT（自然語言生成模型）的出現(xiàn)，將Transformer結(jié)構(gòu)和“回歸+Prompting”訓(xùn)練模式進(jìn)行有效結(jié)合（張志禎 等， 2023），將自然語言處理的研究和實踐提升到新高度，改變了傳統(tǒng)的知識生產(chǎn)模式和教學(xué)運行邏輯，給本來已經(jīng)復(fù)雜的教學(xué)情境增加了“人機(jī)高層次交互”的內(nèi)容，教師教學(xué)面臨著較過往更具挑戰(zhàn)性的復(fù)雜環(huán)境，亟待教師教育進(jìn)行變革以予以支持。本研究中教師教育是指教師一體化教育理念下的教師教育，包括教師職前教育、崗前教育和職后教育，是專業(yè)計劃和自主提升的綜合，是正式學(xué)習(xí)和非正式學(xué)習(xí)的整合。產(chǎn)生于醫(yī)學(xué)領(lǐng)域的循證教學(xué)逐漸引入教師教育領(lǐng)域，回應(yīng)了人工智能時代的兩個重要議題：一是促進(jìn)教師的終身學(xué)習(xí)和開放心態(tài)形成；二是強(qiáng)化教師作為專業(yè)人員的專業(yè)認(rèn)同，為人工智能時代的教師發(fā)展建立底層自信，“在保障專業(yè)自主的基礎(chǔ)上，規(guī)避完全基于經(jīng)驗的倫理風(fēng)險”（Davies， 1999）。

循證教師教育提出之后，受到國內(nèi)外教育研究工作者的高度關(guān)注。美國在2002年就著手搭建教育教學(xué)領(lǐng)域的證據(jù)庫，支持教師開展循證的基礎(chǔ)性材料獲?。钗牡?， 2010），中國也建立了“Campbell中國聯(lián)盟”，嘗試建立包括教師教育在內(nèi)的循證社會科學(xué)數(shù)據(jù)庫（包國憲 & 劉強(qiáng)強(qiáng)， 2021）。然而，作為一個代表科學(xué)精神在教育領(lǐng)域滲透的實踐框架，循證教師教育有著相對固定的實施步驟：一是發(fā)現(xiàn)教育教學(xué)中的特殊問題；二是知道獲取證據(jù)的方式；三是批判性地理解證據(jù)；四是對證據(jù)進(jìn)行分層分類的研究；五是按照證據(jù)的現(xiàn)實關(guān)聯(lián)性進(jìn)行應(yīng)用（Murray， 2002， pp.12-15）。由于傳統(tǒng)教育研究中成果的豐富度和實踐的貼近度都難以與實踐問題形成強(qiáng)相關(guān)（宋萑 & 徐淼， 2022），并且較之于醫(yī)學(xué)針對特定問題的循證邏輯，教育的循證邏輯更加復(fù)雜，體現(xiàn)為教育目的、空間、群體等都會對教育過程產(chǎn)生極其復(fù)雜的影響，循證教師教育實踐面臨著發(fā)展困難，也正因如此，盡管循證教師教育理念提出多年，但具體到教師教育的實踐中卻反響相對平淡（Mieusset et al.， 2009）。

循證教師教育在實踐中推進(jìn)困難的原因是多方面的，從證據(jù)角度看，盡管教師教育領(lǐng)域的論文不計其數(shù)，但本身受研究對象的模糊性和實踐方式的復(fù)雜性所限，像醫(yī)學(xué)群體那樣通過醫(yī)療個案研究和小范圍實驗形成研究成果并得到發(fā)表平臺支持的證據(jù)缺乏；散見于平臺的課例研究、教學(xué)研討案例缺乏成果的共享平臺和優(yōu)化機(jī)制，教師難以把握證據(jù)的可靠性，無法知曉其是不是契合所面臨教學(xué)問題的“最佳證據(jù)”，即體現(xiàn)相關(guān)性、充分性和真實性這三個評價條件（Puustinen et al.， 2018）。教師在教研過程中產(chǎn)生了一些具有積累意義的教研問題，但由于缺乏收集證據(jù)的意識，導(dǎo)致在實踐層面產(chǎn)生的案例也難以有效整合和提煉。因此，從證據(jù)上形成突破，建立證據(jù)的進(jìn)化支持體系，借助人工智能，通過算法和眾智知識管理等技術(shù)，將知識地圖、動態(tài)學(xué)習(xí)路徑框架等進(jìn)行整合，設(shè)計循證教師教育中的證據(jù)優(yōu)化運行機(jī)制，促使證據(jù)系統(tǒng)有序進(jìn)化，使證據(jù)成為落實循證教師教育理念的基礎(chǔ)性條件，是本研究嘗試探討的問題。

二、循證教師教育中的證據(jù)：內(nèi)涵及其價值

（一）循證教師教育的證據(jù)

“循證教師教育”來源于“循證實踐”，指的是以“證據(jù)為本”的教師教育實踐過程?！把C實踐”的關(guān)鍵是證據(jù)的來源及其可靠性，是依托信息載體所承載的科學(xué)知識進(jìn)行實踐的模式，對人文社科領(lǐng)域而言，是對傳統(tǒng)思辨模式的挑戰(zhàn)。

“循證實踐”的概念最早產(chǎn)生于“循證醫(yī)學(xué)”，其理念產(chǎn)生于16～17世紀(jì)的歐洲工業(yè)革命（胡艷 等， 2020）。然而，“循證實踐”作為一個專門的詞匯，起源于英國流行病學(xué)家Archie Cochrane（1972， pp.23-25）的專著《療效與效益：健康服務(wù)中的隨機(jī)反應(yīng)》，他在該書中提出：“由于資源有限，應(yīng)當(dāng)使用已被證明有明顯效果的醫(yī)療措施”，“通過嚴(yán)格隨機(jī)對照試驗獲取的證據(jù)才是可靠的”，后逐漸形成了醫(yī)學(xué)領(lǐng)域的循證實踐。醫(yī)學(xué)循證實踐對于證據(jù)有兩條基本的理念：一是“基于最新、有效和可靠的研究結(jié)果”（Trinder & Reynolds， 2000，p.9）；二是實踐者、對象、證據(jù)的完美結(jié)構(gòu)需要接納服務(wù)對象的經(jīng)濟(jì)、精神、利益和偏好等，使實踐具有針對性。Moore（2006）對于醫(yī)療中的證據(jù)提出了三條標(biāo)準(zhǔn)：質(zhì)量（針對避免偏差）、大小（針對信息量）和效度（針對信息是否契合）。從醫(yī)學(xué)中的“循證”來看，證據(jù)指的是醫(yī)療方案在實效性、情境性和科學(xué)性等方面的表現(xiàn)，是系統(tǒng)研究和實踐檢驗的結(jié)果。

“循證”實踐模式逐步引入教育學(xué)科，比如在奧巴馬政府時期出臺的《讓每個學(xué)生成功法》，嘗試通過“循證”的方法篩選出有效的教育項目，并對證據(jù)進(jìn)行分層：第一級為來自實驗研究的“強(qiáng)有力”證據(jù)；第二級為來自準(zhǔn)實驗研究的“中等”證據(jù)；第三級為來自相關(guān)研究的“有前景”證據(jù)。隨后，美國聯(lián)邦政府又將“質(zhì)性研究”的證據(jù)納入“第四級”。然而，與醫(yī)學(xué)領(lǐng)域以對癥治療的直接效果為證據(jù)不同，教育領(lǐng)域的證據(jù)使用通常以“實現(xiàn)更好的教育”為目標(biāo)，體現(xiàn)為不僅要在學(xué)業(yè)成績上“實施有效”，還需要與價值觀、知識觀和所處的時代背景相契合。簡而言之，在教育領(lǐng)域，“好的成績”并不代表“好的教育”。同時，與醫(yī)學(xué)領(lǐng)域長期以論文為主要交流對象不同，教師循證實踐參考的對象既有論文，也有案例、課例、研修反思等顯得更零碎的證據(jù)。對這些證據(jù)的有效管理和科學(xué)利用有助于提升循證教師教育證據(jù)的覆蓋度和廣泛度，體現(xiàn)了循證教師教育需要遵循個性、服務(wù)實踐的特殊要求。因此，循證教師教育中的證據(jù)可以從形式上分為論文類證據(jù)、案例類證據(jù)和實踐類證據(jù)，其中論文類證據(jù)主要是以教研、科研類論文的形式存在；案例類證據(jù)指的是課例、教例、研修記錄等在具體教學(xué)和理論實踐化過程中形成的總結(jié)性材料；實踐類證據(jù)指的是教師組織教學(xué)、學(xué)生學(xué)習(xí)討論、實踐反饋等以視頻形式或者借助特定情境感知工具主動采集的證據(jù)（吳南中 等， 2023）。教研科研論文是循證教師教育主要的證據(jù)來源，案例和實踐證據(jù)既是重要的證據(jù)來源，也是教研科研類證據(jù)的基礎(chǔ)。從證據(jù)內(nèi)容來分，循證教師教育證據(jù)也可以分為三類：一是關(guān)于“教”的證據(jù)，指的是以教師專業(yè)實踐為研究對象產(chǎn)生的證據(jù)；二是關(guān)于教“教”的證據(jù)，指的是在教“教師”的過程中產(chǎn)生的證據(jù)；三是學(xué)“教”的證據(jù)，指的是教師在實踐過程中和學(xué)生在學(xué)習(xí)過程中反映出教師學(xué)習(xí)教學(xué)實踐的相關(guān)證據(jù)。三類證據(jù)的形式、載體、內(nèi)容和屬性見表1。

（二）循證教師教育證據(jù)的價值

1. 證據(jù)是有效指導(dǎo)教育實踐的條件

循證教師教育的有效性是指依托證據(jù)有效性來提升教師教育質(zhì)量和優(yōu)化教師教育效率。“循證教育意味著個人的教學(xué)和學(xué)習(xí)專長與經(jīng)由系統(tǒng)研究的最佳外部證據(jù)結(jié)合。”（王爭錄 等， 2022）也就是用獲取的研究證據(jù)來取代、拓展教師個人經(jīng)驗和判斷的基礎(chǔ)，同時用生成的證據(jù)來檢測教師、學(xué)生及其教與學(xué)成效，將教師接受教育的過程和自身的教學(xué)實踐建立在科學(xué)嚴(yán)謹(jǐn)?shù)淖C據(jù)之上，提升教師教育的質(zhì)量和效益。

2. 證據(jù)是廣泛推廣有效教學(xué)的載體

傳統(tǒng)的教育研究更多被研究者賦予了啟蒙作用，忽視了其工程模型的架構(gòu)（Trinder & Reynolds， 2000），而真正作為研究對象的課例、案例等內(nèi)容卻缺乏有效的研究和呈現(xiàn)，造成因信息不對稱形成的理論與實踐的差距，影響有效教學(xué)的推廣（任友群， 2022）。循證教師教育通過有效整合和優(yōu)化證據(jù)提高了證據(jù)推廣能力，并在開展循證教師教育的過程中培養(yǎng)了循證教育的行動網(wǎng)絡(luò)，促進(jìn)了更多人實踐循證理念，極大提升了地區(qū)乃至更大范圍內(nèi)的學(xué)習(xí)質(zhì)量，降低了區(qū)域信息鴻溝。以鄉(xiāng)村教育為例，缺乏對各類有效教學(xué)模式進(jìn)行分析的證據(jù)，鄉(xiāng)村教師很難理解人工智能推動的教學(xué)形態(tài)變革對自身教學(xué)體系的沖擊，很容易擴(kuò)大了城鄉(xiāng)差異。教師養(yǎng)成循證的習(xí)慣，可以幫助他們梳理基于自身實踐的教學(xué)模式創(chuàng)新，提高其批判和創(chuàng)新能力，教師本身就是研究者的理念得到進(jìn)一步強(qiáng)化。

3. 證據(jù)是科學(xué)引導(dǎo)教育研究的依據(jù)

從表面看，教育科學(xué)應(yīng)該是一門應(yīng)用科學(xué)，存在的價值是服務(wù)教育實踐。從實踐看，教育理論與實踐的割裂，尤其是教育研究過程中偏重思辨的研究范式，以及教育實踐本身由于面向?qū)ο蟮膹?fù)雜性導(dǎo)致的實踐效果的不穩(wěn)定性，各種“證據(jù)”中呈現(xiàn)的教育現(xiàn)象很難重現(xiàn)，導(dǎo)致教育科學(xué)成為一門“自娛自樂且缺乏質(zhì)量的學(xué)科”。循證教師教育通過認(rèn)定、使用和優(yōu)化證據(jù)的過程，引導(dǎo)教育研究者和教育實踐者關(guān)注實踐問題的解決，關(guān)注科學(xué)的計量方法和條件控制“準(zhǔn)實驗”，探究真正具有指導(dǎo)意義的知識，加快教育學(xué)的科學(xué)化進(jìn)程。

4. 依托證據(jù)強(qiáng)化教師教育實踐權(quán)威

教師教育質(zhì)量一直是師范專業(yè)備受質(zhì)疑的問題，主要體現(xiàn)為師范教育課程的廣泛性和短期效果不明顯。有學(xué)者（胡艷 等， 2020）甚至認(rèn)為“教師是天生的而非培養(yǎng)的”。形成這種觀念的主要原因是教育科學(xué)的理論模糊性及其與教育實踐的現(xiàn)實問題之間無法有效聯(lián)動。比如人們都知曉綜合課程的優(yōu)越性，但其很難在“應(yīng)試”的教學(xué)評價中得到支持，導(dǎo)致在實踐中將綜合課程進(jìn)行拆分，又回到服務(wù)考試的傳統(tǒng)課堂路線上來。教師在職前實習(xí)中也能感受到，實習(xí)教師很快發(fā)現(xiàn)教育理念難以解決教育實踐問題，教師教育的權(quán)威性在內(nèi)部就開始瓦解?？梢越柚C據(jù)的權(quán)威性和科學(xué)性在理論與實踐之間搭建橋梁，在提升理論指導(dǎo)實踐能力的基礎(chǔ)上，強(qiáng)化教師教育實踐權(quán)威，幫助教師篤定選擇有效的教學(xué)模式，提升其專業(yè)認(rèn)同感。

三、循證教師教育領(lǐng)域證據(jù)智能進(jìn)化機(jī)理

（一）證據(jù)智能進(jìn)化的內(nèi)涵及其行動隱喻

“進(jìn)化”是一個源于生態(tài)學(xué)的詞匯，核心是通過發(fā)展、變化來適應(yīng)外界環(huán)境及其變化（楊現(xiàn)民， 2015）。本研究中“證據(jù)進(jìn)化”指的是循證教師教育中，通過證據(jù)的內(nèi)容調(diào)整、范疇擴(kuò)展、關(guān)系建構(gòu)等實現(xiàn)最優(yōu)證據(jù)的生成。在教育實踐中，作為一種以“更好的教育”為實踐對象的系統(tǒng)化行動探索，尋求進(jìn)入智能技術(shù)所塑造的教育復(fù)雜情境后，通過正向循環(huán)模式，找到復(fù)雜變遷過程中的解決辦法并逐代優(yōu)化。在這個邏輯下，尋求教師教育中的“最佳證據(jù)”是發(fā)展循證教師教育的當(dāng)然選擇。從現(xiàn)實條件看，由于教師教育者對教師專業(yè)發(fā)展的干預(yù)措施缺乏蘊含具體特征的全面證據(jù)支持，循證教師教育實踐要求教師獨立生成和反思教育實踐的證據(jù)（Acker， 1999， p.44），這種證據(jù)是教師得以專業(yè)發(fā)展和創(chuàng)新的關(guān)鍵（Hewitt et al.， 2003）。從證據(jù)生產(chǎn)方式看，證據(jù)的迭代過程主要是依靠實驗研究和行動研究。比如美國教育部懷特赫斯特提出將隨機(jī)對照實驗、準(zhǔn)實驗研究、前后測對照關(guān)系作為最有價值的證據(jù)（宋萑 & 徐淼， 2022）；而行動者行動研究的相關(guān)證據(jù)，是應(yīng)用持續(xù)不斷的循環(huán)探究來支持特定情境和本土化情境中面臨的問題和找到的有效的解決辦法（歐內(nèi)斯特·斯特林格， 2017， p.108）。實踐中，由于人工智能等數(shù)字技術(shù)在教師教育和教師實踐中的融入，教師教育的全過程形成了一種難以全面控制的場景，導(dǎo)致傳統(tǒng)以研究論文為載體的證據(jù)無法應(yīng)對各種技術(shù)塑造的新場域中所呈現(xiàn)的教學(xué)問題，類似于自然界生命體的“獲能不足”，需要對教師教育的證據(jù)進(jìn)行迭代優(yōu)化和類型拓展。

循證教師教育的證據(jù)智能進(jìn)化是指發(fā)揮人工智能技術(shù)在資源獲取、過程配套、結(jié)果改進(jìn)、內(nèi)容生成等方面的優(yōu)勢，以“輔助制證、輔助取證、輔助用證”等形式（吳南中 等， 2023），促進(jìn)教師教育者和教師群體自身主動參與證據(jù)生產(chǎn)過程，并在使用效果上形成“眾智”效應(yīng)，以“人機(jī)協(xié)同”的形式對證據(jù)的科學(xué)性、實用性和對應(yīng)情境予以標(biāo)識，形成動態(tài)的、可無限拓展和優(yōu)化的語義關(guān)聯(lián)，實現(xiàn)“證據(jù)、人與情境”的交互，使證據(jù)在具體的使用環(huán)境中不斷優(yōu)化，并生成新證據(jù)。具體包括如下行動隱喻：一是人工智能技術(shù)的有效嵌入。最近大型語言模型呈井噴之勢，比如Meta發(fā)布了大型語言模型LLaMA，OpenAI發(fā)布了ChatGPT，都嘗試使用公開數(shù)據(jù)集訓(xùn)練來生成內(nèi)容，具有強(qiáng)矯正和反饋能力，在支持教師制證、取證和用證方面能力更強(qiáng)。二是知識管理理念的嵌入。知識管理是智能時代數(shù)字化資源的組織方式，以知識圖譜（宋宇 等， 2023）、知識元（張濤 & 張思， 2020）、學(xué)習(xí)元（余勝泉 等， 2021）等為代表，核心是對證據(jù)進(jìn)行語義化處理，按照證據(jù)的類別與層次屬性進(jìn)行歸類，支持證據(jù)的有效檢索。三是證據(jù)生產(chǎn)模式的變化。傳統(tǒng)教師教育中使用的證據(jù)主要依托實驗研究和行動研究產(chǎn)生，而ChatGPT、大數(shù)據(jù)、霧計算等在教師教育中接入，通過其與學(xué)習(xí)者、學(xué)習(xí)平臺等協(xié)同，能創(chuàng)造一種“人機(jī)協(xié)同”研究方式，形成教師教育證據(jù)生產(chǎn)的“第三空間”。比如基于大數(shù)據(jù)的學(xué)習(xí)分析可以揭示學(xué)習(xí)者的過程狀態(tài)對學(xué)習(xí)成效的影響（吳南中 等， 2019），穿戴設(shè)備、情境感知設(shè)備收集的數(shù)據(jù)可以揭示身體反應(yīng)與學(xué)習(xí)效果之間的關(guān)系等（吳南中 等， 2020）。這些證據(jù)比教師教育領(lǐng)域的實驗研究和行動研究所產(chǎn)生的證據(jù)更有說服力，在證據(jù)質(zhì)量、容量、效用等方面具有優(yōu)勢和更大的發(fā)展空間。

（二）證據(jù)的智能進(jìn)化類別及其邏輯

智能技術(shù)支持循證教師教育已經(jīng)有實例，比如俄羅斯在適應(yīng)性、跨學(xué)科和協(xié)同方法的框架下，利用數(shù)字技術(shù)，形成專門的教師自適應(yīng)智能環(huán)境（Vlasova et al.， 2019），但智能技術(shù)如何服務(wù)循證教師教育中的證據(jù)進(jìn)化鮮被集中討論。分析智能技術(shù)作用于證據(jù)從產(chǎn)生到使用的過程，循證教師教育中智能技術(shù)應(yīng)用于證據(jù)進(jìn)化可以歸為以下三個類別。

1. 證據(jù)的內(nèi)容進(jìn)化

證據(jù)的內(nèi)容進(jìn)化是指在人工智能等技術(shù)支持下，實現(xiàn)學(xué)習(xí)過程中教師學(xué)習(xí)能力變遷的精準(zhǔn)數(shù)據(jù)反饋，結(jié)合循證教師教育等科學(xué)精神帶來的價值理念，在實踐中對證據(jù)進(jìn)行修正與完善，使證據(jù)內(nèi)容本身更貼近教師教育實踐。

證據(jù)的內(nèi)容進(jìn)化主要包括三個方面：一是借助技術(shù)進(jìn)行證據(jù)內(nèi)容深度挖掘，實現(xiàn)證據(jù)內(nèi)容進(jìn)化。人工智能等技術(shù)強(qiáng)化了對相關(guān)關(guān)系的捕獲和預(yù)測能力，研究者可以更加理性地認(rèn)識教師教育的本質(zhì)。比如“感知學(xué)習(xí)者在學(xué)習(xí)過程中的情感變化、認(rèn)知能力變化、知識結(jié)構(gòu)變化和技術(shù)技能變化及其影響因素，從而了解教育及其相關(guān)現(xiàn)象所表現(xiàn)出的邏輯鏈條、客觀規(guī)律和復(fù)雜關(guān)系”（吳南中 & 夏海鷹， 2017）。突破“傳統(tǒng)的認(rèn)知論只顧及高級水平的認(rèn)知，看不到認(rèn)知的建構(gòu)過程”（皮亞杰， 1995， p.26）的制約，教師教育過程中的深層次、全方位、連貫性變化有望通過技術(shù)得到全方位“揭示”，提高了教師教育證據(jù)生產(chǎn)的科學(xué)化水平。二是發(fā)揮智能技術(shù)對證據(jù)使用情況的跟蹤能力，促使教師教育證據(jù)內(nèi)容迭代。在實踐中，由于智能技術(shù)自身不斷迭代，其與教師教育融合的進(jìn)程不斷加速，傳統(tǒng)教師教育證據(jù)面臨內(nèi)容不足問題的同時，還面臨著情境不適應(yīng)的問題。在智能技術(shù)的支持下，可以實現(xiàn)基于標(biāo)識的證據(jù)使用成效跟蹤，基于反饋機(jī)制進(jìn)行教師教育證據(jù)的“靶向改進(jìn)”。三是通過智能技術(shù)塑造的“眾智參與”實現(xiàn)內(nèi)容進(jìn)化。在循證教師教育中，參與者通過標(biāo)識、校正、補(bǔ)充等方式，形成了類似于維基百科按照熱點并輔以人工推薦的方式進(jìn)行綜合排序基礎(chǔ)上的優(yōu)化（郝雨 & 李燦， 2016），促使后續(xù)的教師教育研究和實踐依據(jù)的是針對當(dāng)前問題的“最優(yōu)證據(jù)”，以此支持教師教育證據(jù)的進(jìn)化。

2. 證據(jù)的范疇進(jìn)化

證據(jù)的范疇進(jìn)化是指借助智能技術(shù)，根據(jù)時代需要，拓展教師教育研究和實踐的范疇，使證據(jù)覆蓋的教師教育應(yīng)用場景更加廣泛，以支持教師的教和學(xué)。主要包括三個方面：一是借助智能技術(shù)形成教師教育新范疇的證據(jù)。數(shù)智技術(shù)的融入形成了許多新的教師教育場景，比如利用虛擬現(xiàn)實技術(shù)形成的“虛擬微格實訓(xùn)室”，如何有效利用便成了教師教育過程中的新問題。二是借助技術(shù)拓展教師教育證據(jù)的邊界。比如借助腦電技術(shù)促使教師教育過程中的學(xué)習(xí)分析更加科學(xué)。三是借助智能技術(shù)深化教師教育本體證據(jù)。通過智能技術(shù)準(zhǔn)確獲取教師在教育實踐過程中的狀態(tài)數(shù)據(jù)，形成學(xué)習(xí)模式與身體反應(yīng)之間的聯(lián)系（馮曉英 等， 2021），實現(xiàn)基于身體信號的“計量”“計算”，強(qiáng)化教師教育過程中“人”的證據(jù)，以支持教師教育改革。

3. 證據(jù)的關(guān)聯(lián)進(jìn)化

教育是情境性很強(qiáng)的活動，因此，循證教師教育實踐中的最佳證據(jù)是指與待解決問題的情境最為契合的證據(jù)。這突破了醫(yī)學(xué)循證實踐中證據(jù)內(nèi)容的“方法”科學(xué)性標(biāo)準(zhǔn)，需要進(jìn)行證據(jù)的關(guān)聯(lián)管理，即證據(jù)與有效情境的關(guān)聯(lián)。關(guān)聯(lián)進(jìn)化就是關(guān)聯(lián)管理的進(jìn)化，指的是循證教師教育中證據(jù)在進(jìn)化過程中不斷與實踐事件建立關(guān)系并逐漸個性化、整體優(yōu)化的過程，體現(xiàn)為證據(jù)與情境關(guān)聯(lián)關(guān)系的優(yōu)化。比如同樣的“數(shù)學(xué)速算”教學(xué)過程，線上線下融合的學(xué)習(xí)情境適合采用建構(gòu)的方法，而線下教學(xué)的學(xué)習(xí)情境更適合采用競爭、比較與分析的方法。這種關(guān)聯(lián)的進(jìn)化有助于找到證據(jù)的最優(yōu)呈現(xiàn)方式和適用的環(huán)境，實現(xiàn)教師教育過程中證據(jù)的最大功用。

（三）循證教師教育領(lǐng)域證據(jù)智能進(jìn)化的控制機(jī)理

證據(jù)的智能進(jìn)化控制是指在智能環(huán)境下，配合算力、存儲等基礎(chǔ)性條件，按照證據(jù)的內(nèi)容進(jìn)化、范疇進(jìn)化和關(guān)聯(lián)進(jìn)化的方位，借助算法，采用“眾智”協(xié)同的形式，促使循證教師教育中的證據(jù)向更貼近問題及其應(yīng)用情境的方位改進(jìn)、調(diào)整和優(yōu)化。

1. 內(nèi)容進(jìn)化的有序控制機(jī)理

內(nèi)容進(jìn)化的控制機(jī)理主要是通過證據(jù)內(nèi)容的補(bǔ)充、迭代和信息完善，實現(xiàn)證據(jù)優(yōu)化，具體方法包括語義基因方法、社會信任模型和有效標(biāo)識控制。語義基因方法是指提取證據(jù)信息，形成能反映證據(jù)表達(dá)意義的單元，完成對證據(jù)本體的語義描述，以此區(qū)分教師教育中證據(jù)的類型、層次和關(guān)聯(lián)情境，實現(xiàn)證據(jù)內(nèi)容管理，促使研究者和使用者根據(jù)教師教育新的內(nèi)容和發(fā)現(xiàn)進(jìn)行深化、迭代、修正的研究與實踐。社會信任模型是指按照教師教育過程中證據(jù)的信任關(guān)系建構(gòu)可計算的信任評估方法，用于評價教師教育中證據(jù)的可信度。例如按照親身體驗、實踐觀察、理論推導(dǎo)、間接分析和自身感受區(qū)分教師教育證據(jù)提供專家的權(quán)威度，按照準(zhǔn)實驗、質(zhì)性研究、思辨研究進(jìn)行方法權(quán)威度區(qū)分，以“專家權(quán)威度×方法權(quán)威度”作為信任評估方法對證據(jù)進(jìn)行分類，促使最新的教師教育研究與實踐建立在最為權(quán)威的證據(jù)基礎(chǔ)之上。有效標(biāo)識是指在使用證據(jù)的過程中對證據(jù)使用效果、范疇信息、情境信息等進(jìn)行標(biāo)識的方法。這些標(biāo)識信息為證據(jù)進(jìn)化提供信息指引。

2. 范疇進(jìn)化的有序控制機(jī)理

范疇進(jìn)化的有序控制主要是教師教育中證據(jù)類型拓展、邊界拓展、深度拓展的進(jìn)化控制，其基本原理是：在教師教育中引入智能技術(shù)，支持教師教育模式拓展、實踐范圍拓展和實踐層次拓展，不斷形成新的教師教育證據(jù)范疇。首先，支持教師教育研究者開發(fā)教師教育新場景，比如基于大數(shù)據(jù)技術(shù)開拓計算教師教育學(xué)，形成教師教育研究與實踐的新范疇。其次，支持教師教育者通過驗證新證據(jù)，對證據(jù)進(jìn)行迭代更新和使用范圍補(bǔ)充。教師教育者是循證教師教育證據(jù)的“轉(zhuǎn)譯者”，他們通過證據(jù)的試點性使用拓展證據(jù)的使用范圍，比如培養(yǎng)教師信息素養(yǎng)的過程中，以“實操”為主的課程比“理實一體化”課程更有效，這種證據(jù)可以應(yīng)用到培養(yǎng)教師數(shù)據(jù)素養(yǎng)的過程中來。最后，支持一線教師通過教育實踐活動完成證據(jù)的更迭。一線教師是教師教育證據(jù)的直接受益者，其實踐成效是證據(jù)有效的主要標(biāo)志，獲取教育實踐信息可以有效促進(jìn)證據(jù)的內(nèi)容迭代。

3. 關(guān)聯(lián)進(jìn)化的有序控制機(jī)理

關(guān)聯(lián)進(jìn)化是指在循證教師教育實踐過程中，教師教育者對證據(jù)的標(biāo)識信息進(jìn)行關(guān)系計算和基于規(guī)則的技術(shù)推理，開展語義信息內(nèi)部關(guān)聯(lián)管理，促使情境、層次、人和證據(jù)之間的適切度優(yōu)化和聯(lián)動，以技術(shù)關(guān)聯(lián)、眾智關(guān)聯(lián)、效果反饋關(guān)聯(lián)的優(yōu)化，強(qiáng)化循證教師教育中實踐與證據(jù)的聯(lián)系。技術(shù)關(guān)聯(lián)是指通過JENA等框架中的推理技術(shù)、GPT模型中的語義識別技術(shù)等，以教師教育證據(jù)的標(biāo)識信息為基礎(chǔ)編寫各種關(guān)聯(lián)規(guī)則，實現(xiàn)證據(jù)與教師教育循證實踐的關(guān)聯(lián)優(yōu)化。眾智關(guān)聯(lián)是指支持研究者、行動者和實驗者對證據(jù)使用情況進(jìn)行描述，以熱度、效度、新度等多項指標(biāo)對教師教育證據(jù)進(jìn)行系統(tǒng)判斷，有效描述教師教育實踐中與證據(jù)相關(guān)的基礎(chǔ)數(shù)據(jù)。效果反饋關(guān)聯(lián)是指對教師教育實踐中證據(jù)的使用情況進(jìn)行關(guān)聯(lián)，主要是對應(yīng)用場景等證據(jù)進(jìn)行定義，完善證據(jù)相關(guān)標(biāo)識信息，支持循證教師教育實踐。以上關(guān)聯(lián)關(guān)系還需要建立聚合算法，自動對主題證據(jù)及其關(guān)系鏈進(jìn)行整合，形成具有強(qiáng)語義相似關(guān)系的證據(jù)圈，為特定條件的循證教師教育提供有序證據(jù)支持。

四、循證教師教育的證據(jù)智能進(jìn)化

系統(tǒng)架構(gòu)設(shè)計

盡管國內(nèi)在循證教學(xué)方面建立了Campbell中國聯(lián)盟等組織機(jī)構(gòu)（包國憲 & 劉強(qiáng)強(qiáng)，2021），但還沒有建立起與循證教師教育直接相關(guān)的證據(jù)庫?，F(xiàn)有大型數(shù)據(jù)庫，比如中國知網(wǎng)等，還沒有具備整合多類證據(jù)的條件，比如缺乏視頻形態(tài)案例的接入基礎(chǔ)。借助國內(nèi)推進(jìn)教育數(shù)字化轉(zhuǎn)型的契機(jī)，通過建設(shè)國家智慧教育公共服務(wù)平臺“教師研修”板塊的工作任務(wù)，嵌入內(nèi)含證據(jù)智能進(jìn)化控制機(jī)制的循證教師教育證據(jù)系統(tǒng)，與教師智慧研修和生涯管理形成聯(lián)動，是推進(jìn)循證教師教育的有效途徑。

（一）循證教師教育證據(jù)智能進(jìn)化支撐性技術(shù)梳理

1. 證據(jù)的組織策略

在循證教師教育實踐中，證據(jù)的組織方式分為客體范式、行為范式、交流范式和認(rèn)知范式?？腕w范式是對循證教師教育證據(jù)的屬性關(guān)系進(jìn)行聚類序列化，以元數(shù)據(jù)、分類和主題組織證據(jù)的呈現(xiàn)體系，能精準(zhǔn)檢索但信息繁雜，尤其是面對教師教育本身的復(fù)雜情境容易導(dǎo)致信息標(biāo)識的適應(yīng)程度差。行為范式是對循證教師教育證據(jù)中所描述的行為進(jìn)行類屬關(guān)系梳理，這種模式局限于對寬泛行為的梳理，比如教的行為、學(xué)“教”的行為，難以適應(yīng)深層次教師教育證據(jù)體系管理。交流范式是指建立教師與計算機(jī)進(jìn)行交互查詢證據(jù)的組織模式，能實現(xiàn)對教師的需求、能力、偏好進(jìn)行診斷，形成語義拓展，對教師證據(jù)使用情境與內(nèi)容的關(guān)聯(lián)度進(jìn)行分析。認(rèn)知范式是在交流范式基礎(chǔ)上增加知識節(jié)點形成的組織范式，這種知識節(jié)點稱為“知識元”，通過“知識元”可以對教師教育證據(jù)形成網(wǎng)狀知識關(guān)聯(lián)管理。從循證教師教育證據(jù)進(jìn)化需求來看，采用知識元架構(gòu)比較容易實現(xiàn)教師與證據(jù)的聯(lián)動，尤其是在證據(jù)回溯、標(biāo)識和高水平迭代優(yōu)化中有優(yōu)勢，故本研究嘗試以認(rèn)知范式作為循證教師教育證據(jù)組織技術(shù)框架。

2. 證據(jù)的進(jìn)化控制技術(shù)

按照內(nèi)容進(jìn)化、范疇進(jìn)化和關(guān)聯(lián)進(jìn)化機(jī)理，以最優(yōu)證據(jù)的三大標(biāo)準(zhǔn)：質(zhì)量、大小和效度建構(gòu)呈現(xiàn)邏輯并對教師教育的參與者進(jìn)行引導(dǎo)。從內(nèi)容進(jìn)化技術(shù)來看，可以借助提示、引導(dǎo)和強(qiáng)制淘汰的方式對教師教育證據(jù)庫進(jìn)行優(yōu)化，比如對超過三年的證據(jù)進(jìn)行標(biāo)識，對與現(xiàn)行教師教育教學(xué)內(nèi)容不匹配的證據(jù)進(jìn)行標(biāo)識或者淘汰；也可以借助自適應(yīng)推薦技術(shù)，根據(jù)教師教育證據(jù)使用者的個體情況（研究偏向、身份、興趣等）進(jìn)行有針對性的引導(dǎo)，促使其參與到教師教育的證據(jù)優(yōu)化中來。內(nèi)容進(jìn)化主要是針對證據(jù)的質(zhì)量進(jìn)行改進(jìn)，尤其是通過智能技術(shù)支持教師教育研究者輔助教師教育證據(jù)生產(chǎn)。范疇進(jìn)化主要是通過技術(shù)賦能的方式支持證據(jù)生產(chǎn)領(lǐng)域拓展，比如圍繞知識元開展證據(jù)網(wǎng)絡(luò)建構(gòu)，支持教師圍繞知識元進(jìn)行證據(jù)補(bǔ)充或者優(yōu)化；借助ChatGPT模型，按照證據(jù)獲取需求進(jìn)行算法訓(xùn)練，形成基于問題和個性化需求的信息沉淀，輔助教師拓展新的證據(jù)生產(chǎn)領(lǐng)域。從關(guān)聯(lián)進(jìn)化來看，可以采用依據(jù)主題證據(jù)圈和有序證據(jù)鏈建構(gòu)資源聚合的算法，對證據(jù)的相關(guān)要素進(jìn)行關(guān)聯(lián)管理，加強(qiáng)證據(jù)與現(xiàn)實問題之間的連接。

3. 證據(jù)的可視化技術(shù)

可視化技術(shù)是通過可視化工具（例如文本可視化工具、XML可視化工具、WPF樹可視化工具、數(shù)據(jù)集可視化工具、HTML可視化工具、位圖可視化工具等）對證據(jù)庫的相關(guān)標(biāo)識進(jìn)行直觀表達(dá)，實現(xiàn)人與證據(jù)信息的簡明對接，實現(xiàn)機(jī)器的高算力與人的強(qiáng)理解力互補(bǔ)（趙玨 等， 2022）。例如對缺乏規(guī)范摘要和關(guān)鍵詞的文本進(jìn)行核心內(nèi)容提取，對循證教師教育實踐中的證據(jù)使用情況進(jìn)行數(shù)據(jù)集轉(zhuǎn)換和呈現(xiàn)，形成類似“汽車駕駛艙”的產(chǎn)品，強(qiáng)化教師教育相關(guān)證據(jù)的檢索和使用。

（二）循證教師教育領(lǐng)域證據(jù)智能進(jìn)化的技術(shù)架構(gòu)

從循證教師教育證據(jù)進(jìn)化的邏輯來看，建設(shè)證據(jù)系統(tǒng)需要滿足四方面要求：一是對證據(jù)進(jìn)行分類分層；二是對證據(jù)進(jìn)行有效標(biāo)識；三是為證據(jù)應(yīng)用提供支持；四是輔助證據(jù)生產(chǎn)。平臺技術(shù)架構(gòu)的核心是將證據(jù)智能進(jìn)化的技術(shù)和機(jī)理嵌入建設(shè)過程之中，實現(xiàn)對教師教育證據(jù)的有效優(yōu)化?；诖耍狙芯繄F(tuán)隊嘗試將教師教育外部數(shù)據(jù)的整合利用與內(nèi)部證據(jù)的分層分類、有效標(biāo)識、規(guī)范應(yīng)用和輔助生成進(jìn)行聯(lián)動，形成包括基礎(chǔ)層、算法層、應(yīng)用層在內(nèi)的整體技術(shù)架構(gòu)，具體如圖1所示。

1. 基礎(chǔ)層：圍繞證據(jù)存儲和交互規(guī)則建構(gòu)運行數(shù)據(jù)體系

基礎(chǔ)層主要解決循證教師教育實踐中證據(jù)運行的數(shù)據(jù)規(guī)范問題，包括證據(jù)標(biāo)準(zhǔn)、交互標(biāo)準(zhǔn)和循證教師教育的相關(guān)數(shù)據(jù)。證據(jù)標(biāo)準(zhǔn)主要是證據(jù)存儲的標(biāo)準(zhǔn)。對于教師教育而言，由于教師職業(yè)需要面向復(fù)雜實踐工作和持續(xù)性個體成長，其循證實踐的證據(jù)具有多樣性、復(fù)雜性、情境性等特征，需要建立一個包容性的框架，支持論文、案例、課例等多種證據(jù)的接入和調(diào)用，核心包括標(biāo)識規(guī)則、數(shù)據(jù)規(guī)則和接口規(guī)則。交互標(biāo)準(zhǔn)是指證據(jù)使用過程中的數(shù)據(jù)獲取標(biāo)準(zhǔn)，包括行為規(guī)則、評價規(guī)則和迭代規(guī)則。行為規(guī)則主要定義使用者將證據(jù)納入系統(tǒng)存儲內(nèi)容的行為；評價規(guī)則定義使用者參與評價證據(jù)的方式以及評價之后存儲證據(jù)的方式；迭代規(guī)則是使用者在交互過程中對證據(jù)進(jìn)行迭代的規(guī)則，核心是判斷為有意義的迭代才能進(jìn)入證據(jù)庫，保證循證教師教育證據(jù)隨著實踐的推進(jìn)不斷優(yōu)化。循證教師教育的相關(guān)數(shù)據(jù)包括內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)。內(nèi)部數(shù)據(jù)是指循證教師教育實踐和研究中產(chǎn)生的相關(guān)數(shù)據(jù)，系統(tǒng)主要支持證據(jù)的內(nèi)容完善、迭代和擴(kuò)展，同時也服務(wù)教師循證教學(xué)模式的拓展；外部數(shù)據(jù)是指循證教師教育中與證據(jù)相關(guān)的外部數(shù)據(jù)，比如情境數(shù)據(jù)，教師的生活數(shù)據(jù)、社交數(shù)據(jù)和學(xué)習(xí)數(shù)據(jù)等。這些數(shù)據(jù)為開展教師分析和教師學(xué)習(xí)過程分析提供支持，同時也服務(wù)教師的專業(yè)發(fā)展。

2. 算法層：按照證據(jù)優(yōu)化控制邏輯進(jìn)行整合處理

算法層主要是以程序輸入和數(shù)據(jù)支持的形式解決證據(jù)存儲、優(yōu)化和拓展的問題，服務(wù)循證教師教育證據(jù)的提取、使用和生產(chǎn)，相當(dāng)于算力和存儲力之上的智慧大腦，負(fù)責(zé)對證據(jù)內(nèi)容、范疇和關(guān)系進(jìn)化進(jìn)行智能控制。算法層包括證據(jù)管理算法、證據(jù)進(jìn)化控制算法和證據(jù)生成算法。證據(jù)管理算法是支持循證教師教育運行的基礎(chǔ)性條件，包括分類、分層、聚類和時序等算法，主要解決證據(jù)的存儲問題。證據(jù)進(jìn)化控制算法是對內(nèi)容、范疇和關(guān)聯(lián)進(jìn)行系統(tǒng)引導(dǎo)的算法，例如內(nèi)容控制方面的語義基因提取、社會信任模型和有效標(biāo)識等，保證證據(jù)內(nèi)容不斷優(yōu)化。證據(jù)生成算法通過呈現(xiàn)算法、管理算法、跟蹤算法、迭代算法等實現(xiàn)證據(jù)生存基礎(chǔ)的優(yōu)化。比如呈現(xiàn)算法主要對證據(jù)產(chǎn)生的方式、權(quán)威度、時序度、標(biāo)識和反饋情況等參數(shù)進(jìn)行統(tǒng)一處理，按照進(jìn)化控制的邏輯形成矩陣關(guān)系、語義聚類和神經(jīng)網(wǎng)絡(luò)等不同具體規(guī)則，設(shè)計觸發(fā)條件，確保證據(jù)與教育情境對應(yīng)，形成“最佳證據(jù)”。

3. 應(yīng)用層：按照可視化界面進(jìn)行證據(jù)應(yīng)用交互

應(yīng)用層主要依托可視化技術(shù)與循證教師教育者“見面”，包括取證界面、用證界面和制證界面。在取證界面，由于教師可能面向教學(xué)實踐、學(xué)習(xí)問題和研修問題等多種實踐困境，循證教師教育系統(tǒng)可以為教師教育者提供多種取證的檢索方法，主要包括問題檢索（針對直接的教學(xué)問題）、知識檢索（針對教學(xué)問題所對應(yīng)的知識元）、行為檢索（針對具體的教學(xué)行為）、方法檢索（包括兩類：一類是針對應(yīng)用特定的方法，例如“勾股定理的生成式教學(xué)、《背影》的情境教學(xué)”；另一類是研究的方法，例如通過實驗、田野觀察等方法形成的證據(jù)）等。用證界面是直接呈現(xiàn)證據(jù)的界面，是與循證教師教育者交互的證據(jù)信息資料，包括內(nèi)容呈現(xiàn)（證據(jù)的摘要、使用等，例如證據(jù)是在什么樣的教學(xué)問題驅(qū)動下，利用了何種教學(xué)方法，解決了教師教育的何種問題）、時序呈現(xiàn)（相關(guān)證據(jù)產(chǎn)生的時間標(biāo)識）、關(guān)聯(lián)呈現(xiàn)（類似主題的內(nèi)容）、評價呈現(xiàn)（使用證據(jù)的相關(guān)評價），以上都需要按照數(shù)據(jù)可視化的邏輯形成標(biāo)準(zhǔn)，支持使用者便利跟進(jìn)和教師便利獲取。制證界面是按照證據(jù)形成、傳輸和優(yōu)化的邏輯形成的界面，包括類屬引導(dǎo)（用于傳輸）、方法引導(dǎo)（各類信息的表述）、關(guān)系引導(dǎo)（相關(guān)證據(jù)的情況）、知識引導(dǎo)（知識元的邏輯）。同時，這些界面還可以使用可視化技術(shù)對證據(jù)進(jìn)行內(nèi)容分析，支持和引導(dǎo)循證教師教育者在過往證據(jù)的基礎(chǔ)上根據(jù)自身的循證實踐對證據(jù)進(jìn)行優(yōu)化。

（三）證據(jù)智能進(jìn)化的保障性條件建設(shè)

在循證教師教育證據(jù)優(yōu)化進(jìn)程中，對于多元主體圍繞“最優(yōu)證據(jù)”進(jìn)行查找、利用和優(yōu)化的過程，不僅需要從時間上形成長遠(yuǎn)的規(guī)劃，也需要建立持續(xù)的保障條件，支持證據(jù)的智能進(jìn)化。

1. 算法的迭代優(yōu)化

在證據(jù)智能進(jìn)化體系中，算法扮演基礎(chǔ)性角色。算法的主要作用是根據(jù)教師循證教育過程中的證據(jù)需求和情境，系統(tǒng)描述并有效呈現(xiàn)相關(guān)證據(jù)，并按照進(jìn)化的方向進(jìn)行算法的優(yōu)化，使結(jié)果更加滿足教師教育的需要。從人工智能的現(xiàn)實進(jìn)展來看，教育領(lǐng)域的算法相對落后，難以滿足復(fù)雜的循證教師教育情境的要求。因此，循證教師教育的推進(jìn)首先需要算法研究的團(tuán)隊，其次是配置算法開發(fā)、訓(xùn)練、應(yīng)用所需要的軟硬件，保證相關(guān)算法得到充足的訓(xùn)練，以確保相應(yīng)的效果。

2. 數(shù)據(jù)的逐代累積

在循證教師教育體系中，獲取全面的數(shù)據(jù)是確保算法運行有效的關(guān)鍵，ChatGPT就是建立在1，450億個參數(shù)基礎(chǔ)上“大力出奇跡”的典型。按照大數(shù)據(jù)的理論，積累的數(shù)據(jù)越多，反映教師教育不同要素與證據(jù)之間關(guān)聯(lián)性的能力就越強(qiáng)。因此需要建立起“拓展+深化”的數(shù)據(jù)積累機(jī)制：在拓展維度，主要是完善教師教育培養(yǎng)的多維數(shù)據(jù)，例如教師校外數(shù)據(jù)；在深化維度，主要是累積循證教師教育過程中的數(shù)據(jù)，有效存儲并進(jìn)行迭代優(yōu)化。

3. 算力的網(wǎng)絡(luò)共建

“算力”是云計算技術(shù)的重要概念，主要指數(shù)據(jù)處理能力，海量證據(jù)進(jìn)入循證教師教育系統(tǒng)，尤其是視頻等證據(jù)和個體操作數(shù)據(jù)的接入，需要提升算力為其發(fā)展提供保障。算力的提升關(guān)鍵在于五個方面：一是計算速度，與芯片、服務(wù)器相關(guān)；二是算法，與內(nèi)在結(jié)構(gòu)的復(fù)雜性相關(guān)；三是存儲量；四是通信能力，比如帶寬、網(wǎng)絡(luò)可靠性；五是服務(wù)能力，比如服務(wù)器配置能力等。（呂廷杰 & 劉峰， 2021）“所有谷歌計算機(jī)服務(wù)器用來模擬大腦認(rèn)知，也達(dá)不到一個普通人腦的神經(jīng)元的數(shù)量和關(guān)聯(lián)度?！保钚?， 2021）在教育領(lǐng)域，依靠單一教師培養(yǎng)單位難以滿足循證教師教育中優(yōu)化證據(jù)的算力需求，通過構(gòu)造不同教師教育參與主體的云、邊、端協(xié)同計算體系，形成共享機(jī)制，對分散在“網(wǎng)絡(luò)孤島中的算力”進(jìn)行整合，是解決目前算力不足的有效方式。

4. 參與的范疇擴(kuò)散

證據(jù)智能進(jìn)化并不是證據(jù)自身完全依托智能技術(shù)自己進(jìn)化，而是在廣泛參與的機(jī)制下，強(qiáng)化人與證據(jù)之間的聯(lián)結(jié)形成系統(tǒng)證據(jù)，并支持教育工作者就有疑問的證據(jù)進(jìn)行深化和拓展研究，其關(guān)鍵在于制證、取證、用證之間形成多層次互動。因此，需要建立機(jī)制促進(jìn)循證教師教育參與的范疇擴(kuò)散，具體包括三種機(jī)制：一是激勵機(jī)制，即為鼓勵相關(guān)主體參與到循證教師教育中來所采取的物質(zhì)、精神激勵及其相互作用關(guān)系。激勵機(jī)制作用機(jī)理的核心是與教師自覺發(fā)展的內(nèi)生動力形成互動關(guān)系，促使教師參與循證教師教育體系。二是制約機(jī)制，即通過建構(gòu)規(guī)制性的制度并持續(xù)運行，約束教師參與循證教師教育。例如將循證能力作為聘用教師教育者的考察指標(biāo)之一，約束相關(guān)主體參與到循證教師教育體系中來。三是功能機(jī)制，即借助循證教師教育直接、快速和針對性的功能，促使行動主體主動建構(gòu)證據(jù)的運行體系。例如將雜志更多版面用于發(fā)表實證取向的文章可以有效支持證據(jù)的生產(chǎn)。

五、結(jié)語

在人工智能時代，知識教育的價值進(jìn)一步削弱，如何促進(jìn)批判性思維等高階能力的培養(yǎng)成為教育發(fā)展的目標(biāo)。然而，對這種高層次能力的評價始終是難事，需要教育實踐者將目光轉(zhuǎn)向循證教育，以工程思維、計算思維、人機(jī)協(xié)同思維等進(jìn)行系統(tǒng)培養(yǎng)。也正因如此，美國、英國等國家都將循證教師教育作為重要的教師培養(yǎng)載體。然而，證據(jù)的系統(tǒng)性、科學(xué)性和復(fù)雜性需求與現(xiàn)有研究范式和實踐范式的沖突越發(fā)嚴(yán)重，教師需要的證據(jù)與教育體系供給的證據(jù)無論在數(shù)量上還是質(zhì)量上都存在巨大差距?；谌斯ぶ悄艿燃夹g(shù)的證據(jù)智能進(jìn)化理念為證據(jù)的生產(chǎn)、優(yōu)化和迭代提供了思路，在理論上可以彌補(bǔ)證據(jù)這一短板。然而，作為一項系統(tǒng)工程，不僅需要平臺的支持，還需要通過機(jī)制建設(shè)支持教育工作者的系統(tǒng)投入。需要指出的是，盡管智能技術(shù)在證據(jù)進(jìn)化中的介入有效降低了證據(jù)生產(chǎn)、優(yōu)化和迭代的難度，但這種結(jié)合并沒有從根本上降低證據(jù)進(jìn)化對人的要求，也無法替代深度理解和轉(zhuǎn)譯過程中人的作用。因此，要實現(xiàn)證據(jù)的進(jìn)化，核心是實踐者的主動行動，即實踐者在智能技術(shù)的支持下與證據(jù)全生命周期聯(lián)動，實現(xiàn)從理念到行動的擴(kuò)散。

參考文獻(xiàn)

包國憲，& 劉強(qiáng)強(qiáng). （2021）. 中國國家治理中的循證邏輯：理論框架與研究議程. 南京社會科學(xué)（1），75-83.

馮曉英，郭婉瑢，& 黃洛穎. （2021）. 智能時代的教師專業(yè)發(fā)展：挑戰(zhàn)與路徑. 中國遠(yuǎn)程教育（11），1-8，76.

郝雨，& 李燦. （2016）. 全媒重構(gòu)格局中電視與新媒體融合路徑深層探尋. 現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報）（4），118-121.

胡艷，劉佳，趙蘭，& 王紅燕. （2020）. 教師教育領(lǐng)域的循證實踐：價值與挑戰(zhàn). 教師教育研究，32（6），1-7.

呂廷杰，& 劉峰. （2021）. 數(shù)字經(jīng)濟(jì)背景下的算力網(wǎng)絡(luò)研究. 北京交通大學(xué)學(xué)報（社會科學(xué)版），20（1），11-18.

歐內(nèi)斯特·斯特林格. （2017）. 行動研究：協(xié)作型問題解決方案（第4版）（郭蔚欣 譯）. 北京師范大學(xué)出版社.

皮亞杰. （1995）. 發(fā)生認(rèn)識論原理（王憲鈿 等 譯）. 商務(wù)印書館.

任友群，馮曉英，& 何春. （2022）. 數(shù)字時代基礎(chǔ)教育教師培訓(xùn)供給側(cè)改革初探. 中國遠(yuǎn)程教育（8），1-8，78.

宋萑，& 徐淼. （2022）. 教師教育者循證實踐與教師教育證據(jù)迭代. 教育科學(xué)，38（3），8-14.

宋宇，肖菁，湯娜，劉冰曼，& 賈琛琛. （2023）. 知識圖譜如何賦能課堂教學(xué)評價？——以小學(xué)階段優(yōu)質(zhì)數(shù)學(xué)課“平行與垂直”為例. 現(xiàn)代教育技術(shù)，33（1），83-90.

王爭錄，張博，& 吳尚燃. （2022）. 大數(shù)據(jù)時代循證教師教育實踐.高教發(fā)展與評估，38（3），11-20，117-118.

吳南中，黃治虎，曾靚，謝青松，& 夏海鷹. （2019）. 教育大數(shù)據(jù)生態(tài)圈構(gòu)建：“3+3”模型的邏輯與實踐. 中國遠(yuǎn)程教育（7），77-85.

吳南中，李少蘭，& 陳明建. （2023）. 人工智能支持的教師循證教育：理論架構(gòu)與行動網(wǎng)絡(luò). 電化教育研究，44（5），36-43.

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

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

楊文登. （2010）. 循證實踐：一種新的實踐形態(tài)？ 自然辯證法研究，26（4），106-110.

楊現(xiàn)民. （2015）. 泛在學(xué)習(xí)環(huán)境下的學(xué)習(xí)資源有序進(jìn)化研究. 電化教育研究，36（1），62-68，76.

楊欣. （2021）. 魔法與科學(xué)：人工智能的教育迷思及其祛魅. 教育學(xué)報（2），18-31.

余勝泉，王琦，汪凡淙，& 萬海鵬. （2021）. 泛在學(xué)習(xí)資源組織和描述框架國際標(biāo)準(zhǔn)研究——暨學(xué)習(xí)元的國際標(biāo)準(zhǔn)化研究. 中國遠(yuǎn)程教育（7），1-9，76.

張濤，& 張思. （2020）. 教育大數(shù)據(jù)挖掘的學(xué)習(xí)者模型設(shè)計與計算研究. 電化教育研究，41（9），61-67.

張志禎，張玲玲，米天伊，& 丘詩萍. （2023）. 大型語言模型會催生學(xué)校結(jié)構(gòu)性變革嗎？——基于ChatGPT的前瞻性分析. 中國遠(yuǎn)程教育（4），32-41.

趙玨，張勝，& 樊國偉. （2022）. 數(shù)智校園中大數(shù)據(jù)可視化技術(shù)賦能教育管理. 現(xiàn)代教育技術(shù)，32（11），67-75.

Acker， S. （1999）. Realities of teachers’ work： Never a dull moment. A & C Black.

Cochrane， A. L. （1972）. Effectiveness and efficiency： Random reflections on health services. Nuffield Provincial Hospitals Trust.

Davies， P. （1999）. What is Evidence-based Education？ British Journal of Educational Studies， 47（2），108-121.

Hewitt， J.， Pedretti， E.， Bencze， L.， Vaillancourt， B. D.， & Yoon， S. （2003）. New applications for multimedia cases： Promoting reflective practice in preservice teacher education. Journal of Technology and Teacher Education， 11（4）， 483-500.

Murray， J . （2002）. 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. University of London.

Mieusset， J. L.， Schrems， A.， Abraham， M.， Arion， V. B.， & Brin-ker， U. H. （2009）. Stepwise insertion of carbenes into C-H bonds： The casse of foiled carbenes. Tetrahedron， 65（14）， 765-770.

Moore， R. A. （2006）. Evidence-based policy making. Clinical Chemistry & Laboratory Medicine， 133（6）， 678-682.

Puustinen， M.， S?ntti， J.， Koski， A.， & Tammi， T. （2018）. Teaching： A practical or research-based profession？ Teacher candidates’ approaches to research-based teacher education. Teaching and Teacher Education， 74， 170-179.

Trinder， L.， & Reynolds， S. （2000）. Evidence-based practice： A critical appraisal. Blackwell Science.

Vlasova， E. Z.， Avksentieva， E. Y.， Goncharova， S. V.， & Aksyutin， P. A. （2019）. Artificial intelligence-The space for the new possibilities to train teachers. Espacios， 40（9）， 17.

Intelligent Evolution of Evidence in Evidence-based Teacher Education： Connotation and Its Control Mechanism

Abstract： Having a deep integration of theory and practice during the teacher education， evidence-based teacher education has become a development tend in teacher education. The key part is to rely on evidence to establish evidence-based teacher education practices.

Evidence here refers to the information carrier for effective teacher education. In the era of intelligence， the evidence optimization of evidence-based teacher education needs AI and other technologies to give full play to the advantages of technology in helping evidence production， selection and use and forming a “crowd intelligence” effect on the use effect. The “human-machine cooperation” will differentiate the scientific nature， functionality and corresponding cases of evidence to form a dynamic semantic link that can be infinitely expanded and optimized， and thus realize the “evidence-man-case” integration， which will keep optimizing evidences in specific practice cases. The construction of teacher education running mechanism needs the application of intelligent technology to develop content optimization， scope expansion and connection optimization of evidence， coupled with the supporting conditions such as algorithms， memory and usage feedback. Based on this， a technical implementation architecture of evidence intelligent evolution is designed to provide a feasible reference framework for evidence management and platform optimization in evidence-based teacher education.

Keywords： evidence-based teacher education; artificial intelligence; evidence; intelligent control; informatization