智能精準教研中學校支持服務對教研效果影響的組態研究

摘要：智能精準教研成為推動教師專業發展數字化轉型的實踐路徑，其中學校支持服務是智能精準教研活動有效開展的保障。以往研究較多關注變量的凈效應，無法挖掘學校支持服務與智能精準教研效果之間復雜的非線性關系。學校支持服務各要素對智能精準教研的作用機制尚不明確。因此，研究依托教育部教育技術與資源發展中心（中央電化教育館）智能研修平臺應用試點工作，利用定性比較分析方法，探索學校支持服務作用于智能精準教研的多重并發路徑。通過文獻梳理將學校支持服務分為技術環境、行政支持、發展機會、合作機制四個維度，其中行政支持細分為保障制度和規劃方案，合作機制分為與企業的合作及與教科研機構或高校的合作。研究發現，有效的智能精準教研的產生存在多種途徑或多種因果關系，并據此提出五條影響智能精準教研效果的學校支持服務的要素組合，從而為提升教師隊伍數字化建設的服務水平提供現實方案。

關鍵詞：智能精準教研；學校支持服務；定性比較分析

中圖分類號：G434 文獻標識碼：A

本文系2022年人工智能助推教師隊伍建設行動試點專項項目“智能教學與研修模式創新”（項目編號：CCNUAIFE2022-03）、教育部教育技術與資源發展中心（中央電化教育館）智能研修平臺應用試點工作研究成果。

一、引言

以數字為杠桿撬動教育領域的整體變革是建設數字中國的重要部分。“推進教育數字化”成為黨的二十大報告中的重要教育部署。教師是教育數字化的主要部分。正如習近平同志在講話中強調“教師是教育工作的中堅力量”[1]。優質學校的共性在于優秀的教師隊伍[2]。而如何推動教師隊伍數字化建設成為當前亟待解決的問題。傳統研修形式既不能實現教師需求的精準分析，也無法對課堂教學進行精準診斷和個性化干預。精準化和個性化是數字化轉型對教師隊伍建設提出的新要求，而智能精準教研作為一種以精確定位問題，準確實施干預為核心的新型教研形式[3]，是實現教師隊伍數字化建設的有效路徑。為推進教師隊伍建設改革，有關部門和各地區積極探索智能精準教研的實踐路徑和成功經驗，其中較為典型的是教育部教育技術與資源發展中心（中央電化教育館）于2021年啟動的“智能研修平臺應用試點工作”，在全國范圍遴選試點工作區/校，從培訓、研究、應用等各方面推動智能精準教研活動的開展。

加強智能精準教研的服務水平和保障機制是智能精準教研活動開展的首要任務。國家先后頒布《關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見》[4]《新時代基礎教育強師計劃》[5]等多個文件，強調提升教師隊伍管理服務水平，建立靈活的服務體系。教師隊伍的數字化轉型作為一項系統性的戰略，要綜合考慮基礎設施、資源建設等多個方面從而保障轉型升級的可持續發展[6]。當前關于智能精準教研的研究還停留在理論探索和模型構建階段，主要原因在于智能精準教研活動強烈依賴技術支持、激勵機制、頂層設計等方面而難以有效開展[7]。同樣的結論也在一項面向全國25省（市）35個縣（區）的大規模網絡問卷調查中得到證實，該調查發現各地區/學校組織結構清晰，且重視教研活動的開展，但存在組織機制不健全、管理制度缺乏整體設計等服務體系的問題[8]。中小學校是開展研修活動的主陣地，因此，如何升級學校支持服務，實現學校支持服務要素的精準配置，從而保障高質量精準教研活動的開展是當前教育研究領域的熱點和難點。

當前關于學校支持服務的研究大多采用結構方程模型等定量分析方法探討學校支持的有效性[9-11]，強調了學校支持服務的重要性。然而，傳統的定量分析方法難以回答智能精準教研的效果受到學校支持服務中哪些要素的共同影響、如何影響等問題。為解決這些問題，本研究在“智能研修平臺應用試點工作”的支持下，以參與試點工作的學校為研究對象，利用定性比較分析方法（Qualitative Comparative Analysis，QCA），探究學校支持服務各要素與教研效果之間的匹配機理和效應，進而提升教師隊伍數字化建設的服務水平。

二、文獻綜述

（一）智能精準教研及研究動向

智能精準教研作為大數據時代的一種新型教研形態受到教育領域的廣泛關注。研究者紛紛從不同角度提出智能精準教研的概念。胡小勇等人認為智能精準教研的愿景是教師專業發展，強調對多模態數據的采集、應用和分析[12]。這一概念被國內學者廣泛引用[13-15]。也有研究者在“人工智能+教育”的視域下探討智能精準教研。如李陽等人強調利用人工智能技術，通過課堂數據和評價數據賦能教學行為診斷和干預的精準化[16]。楊欣認為借助人工智能技術可以推動教研變革，提高教師的高級智慧[17]。盡管現有研究對智能精準教研理解的側重點不同，但均強調了智能精準教研的基礎在于數據。此外，也有不少研究已經認識到一些保障教師研修質量的關鍵因素，如充足的資源、可行的工作量、專業發展的機會、領導支持等[18]。因此，本研究認為智能精準教研是在數據的基礎上，在支持服務的保障下，利用人工智能技術實現精確定位問題，準確實施干預的教研活動。

關于智能精準教研的研究主要有兩種取向。第一種研究取向是注重智能精準教研的內在要素及其關系。如胡小勇等人為解決教師隊伍龐大、教研需求復雜這一結構性難題，提出了“3融1主N創”的區域教研模型[19]。王超等人提出適用于智能課堂的精準教研模式，強調挖掘研修中的行為數據、交互數據及數據間的關系[20]。張雪等人從大數據驅動的視角，根據新手教師、勝任教師、成熟教師三種教師群體的研修需求，構建精準教研模式[21]。第二種研究取向是注重智能精準教研的外在要素。根據障礙模型[22]，智能精準教研的第一重障礙就是開展研修活動的外在條件，如為開展研修活動所提供資源、政策、資金、技術等方面的支持。如楊麗娜等人關注教研資源，通過分析教師對教研資源的需求，基于TPACK模型構建了教研資源的智能推薦模型[23]。張妮等人在大規模問卷調研的基礎上，設計了支持精準教研的PAST模型，強調教師教研空間的設計要結合資源、評價機制、過程及管理等多種要素[24]。

綜上所述，相關研究為本研究的開展奠定了堅實的理論基礎。已有研究也從資源、教研空間等多個方面探討了智能精準教研的外在要素，然而，并未關注到組織管理層面，仍需要大量研究探討智能精準教研的開展效果及其影響因素。已有研究表明，教研中所提供的學校管理、基礎設施、培訓及技術是影響教研效果的重要因素[25]。因此本研究擬遵循第二種研究取向，關注智能精準教研的外在因素，從組織管理的視角出發，探索學校支持服務對智能精準教研效果的影響，旨在挖掘能夠有效促進智能精準教研的支持條件及其組態。

（二）智能精準教研與學校支持服務

劉勝男等認為學校支持服務是指為提升教學效果，學校所采取的一系列相互獨立又具有內在聯系的舉措[26]。可塑的、動態的學校支持服務有利于教師專業發展[27]。正如Porter和Graham所建議的，學校應該為教師提供強大的基礎設施、技術支持和培訓支持[28]。

近年來，關于學校支持服務的研究越來越多。從學校支持服務的要素上來看，觀點各異，但多次提到基礎設施、管理制度、培訓及外部支持等是影響教師開展研修活動的關鍵要素，因此，本研究根據技術環境、行政支持、發展機會、合作機制、研究方法五個方面對部分文獻進行了編碼，結果如下頁表1所示，可知技術環境、行政支持、發展機會、合作機制在6篇文獻的學校支持服務的要素中均出現了3次及以上。因此，本研究基于智能精準教研的概念及特征，結合“智能研修平臺應用試點工作”項目的實際開展情況，綜合考慮學校支持的相關研究，將學校支持服務分為技術環境、行政支持、發展機會、合作機制四個維度，認為學校支持服務是在行政支持下，以技術環境為基礎，與學校以外的機構緊密合作，并向教師提供充足的發展機會，最終提高智能精準教研效果的一系列既相互獨立又具有內在聯系的服務機制。

以下就這四個維度進行分別論述。（1）技術環境。人工智能等新技術的更新迭代，使教研組織者盲目開展活動，導致教研遭遇“技術化”阻礙，參與的教師也面臨著較大的技術壓力。而學校提供適當的技術支持可以通過影響教師的自我效能感而負面影響教師的技術壓力[29]。技術支持是開展智能精準教研的基礎和必要條件。無論是在科學層面還是在學校實踐層面，技術支持都需要持續探究[30]。“智能研修平臺應用試點工作”項目中學校所能提供的技術支持主要是配置智能研修平臺的智能錄播教室[31][32]。（2）行政支持。在智能精準教研中決定因素的另一個層面是學校的制度和政策。學校的行政支持能夠顯著影響教師的信念[33]。有研究表明，學校的激勵政策對于教師的技術整合能力是非常重要的[34][35]。具體可行的規劃方案也被認為是智能精準教研成功的前提條件[36]。（3）發展機會。研修活動中，管理者可以通過提供更多的支持、指導和培訓以及幫助教師自我提升的機會來促進教師的積極參與[37]。為教師提供更多的培訓機會可以促進教師的創新能力[38]。（4）合作機制。與外部伙伴的合作對于促進教師使用技術來說至關重要[39]。教研活動的開展需要外部教科研機構、高校和企業的支持[40]。與外部教科研機構、高校和企業建立長期穩定的合作機制是智能精準教研的基本任務之一[41][42]。

從研究方法上來看，如表1所示，當前關于學校支持服務的研究所采用的研究方法以結構方程模型、回歸分析等量化分析方法為主，驗證了學校支持服務的有效性，為本研究奠定了基礎。然而，傳統的量化分析方法將學校支持服務看作一個整體變量或將其要素看作單獨的變量，但是，學校支持服務的要素之間是相互影響的[43]。正如Seashore等[44]所指出的，大多數學校變量單獨考慮，對學生的學習、教師的教學影響很小。為了獲得更大的影響，需要在相關變量之間創造協同作用”。而結構方程模型、回歸分析等方法在揭示這種協同作用或研究相關要素的最佳組合方面存在限制[45]。

QCA方法具有殊途同歸、多重并發和非對稱性的特點，以集合論和布爾代數為數學基礎，能夠挖掘出同等效果的變量組合[46]。因此，本研究使用QCA，從構型的角度，從技術環境、行政支持、發展機會、合作機制四個維度探究影響智能精準教研效果的學校支持服務的組態。其中行政支持細分為保障制度和規劃方案；合作機制細分為與企業的合作，與教科研機構/高校合作。

三、數據構建與研究方法

（一）數據構建

1.數據收集

本研究依托教育部教育技術與資源發展中心（中央電化教育館）所開展的“智能研修平臺應用試點工作”。該工作從2021年3月開始至今，已遴選兩批試點區和試點校。2022年12月，教育部教育技術與資源發展中心（中央電化教育館）發布《關于組織開展智能研修平臺領航試點工作區（校）等遴選工作的通知》[53]，采取自主申報+省級推薦+專家遴選的方式選拔領航試點工作校。經省級推薦，共有34個試點校參與最后階段的專家遴選，最后，共選拔7所領航試點工作校[54]。

對于學校支持服務，本研究主要采用問卷調查和材料評審相結合的方式。問卷首先由兩名教師專業發展方向的博士共同設計，之后由多名教研領域的專家共同評審并提出意見，再由兩名博士統一修改，進行兩輪迭代修訂后形成問卷初稿。在正式調研之前，選擇孝感區的兩所試點校進行小范圍測試，通過與被試者的交流最終形成了正式問卷，保證了問卷的效度。本研究首先在QQ群中面向這34所試點校發放學校支持服務問卷，之后通過電話征詢的方式一一確定問卷的真實性。去除信息缺失的問卷后，共保留有效問卷23個（有效率67.65%）。在這23個試點校中，小學13所，初中5所，完全中學2所，高中1所，九年一貫制學校1所。教師參與智能精準教研活動的平均比例為76.77%。

本研究的結果變量為教研效果，以是否為領航試點工作校來衡量。領航試點校評審標準由智能研修平臺應用試點工作組初步設計，并經過由華中師范大學、華南師范大學、揚州大學等多名高校專家及處在教研一線的多位教研員所組成的專家組的多輪討論完善，分為頂層設計、環境建設、組織實施和成果成效四部分，專家組一致認為該標準定位明確，分類合理、指標設置完整、內容描述清晰，研制過程嚴謹，對推動智能精準教研工作具有良好的導向性。三名專家分別根據領航試點校評審標準依據34所試點校的評審材料對其進行打分，最后通過線上會議的形式討論確定領航試點校。在23個有效樣本中有7所領航試點校。

2.測量與校準

通過梳理學校支持服務的相關文獻，本研究將智能精準教研的學校支持服務分為技術環境、行政支持、發展機會、合作機制四個維度。在技術環境層面，依據劉清堂等人對智能精準教研環境的定義[55]，認為智能精準教研的技術環境是安裝了支持智能精準教研的設備及平臺的智能錄播教室。因此本研究通過調查智能錄播教室支持的程度來考察技術環境，以李克特五級量表的形式測量。對于技術環境的校準，采用直接校準法[56]，依據Pappas等人的研究，將完全隸屬、中間點和完全不隸屬的閾值可以分別設置為原始數據的80%、50%和20%[57]。在行政支持層面，分為保障制度和規劃方案兩個維度。保障制度是指學校為保障智能精準教研活動順利開展而指定的規章制度和激勵考核政策。規劃方案是指學校所制定的智能精準教研活動的規劃方案。這兩個維度均在問卷中以二分選項的形式（是/否）測量。若選擇“是”，則賦值為“1”，若選擇“否”，則賦值為“0”。在發展機會層面，有研究指出，開展智能精準教研的學校急需要在平臺/設備的操作及應用方面的培訓[58]，因此本研究中，發展機會指本校組織開展智能精準教研工具/平臺的操作及應用的培訓，與技術環境的校準方法相同。在合作機制層面，分為兩個維度與企業的合作，與教科研機構或高校的合作。同樣以二分選項的形式進行調查，若選擇“是”，則賦值為“1”，若選擇“否”，則賦值為“0”。

本研究的結果變量為智能精準教研效果，以是否為領航試點工作校來衡量，若為領航試點工作校，則賦值為“1”，否則賦值為“0”。

（二）研究方法

20世紀80年代，美國學者Ragin從組態的視角提出QCA[59]。QCA利用集合理論并使用布爾代數（形式化邏輯）來研究復雜的社會現象，適合探索多個復雜條件和給定結果之間的關聯[60]。使用QCA可以探索教育領域的因果機制[61]。有研究者認為學校作為一個復雜的系統，需要更多的研究利用QCA探究學校支持服務的要素組合[62]。原因在于QCA在以下三個方面有助于開展學校支持相關的研究[63]。首先，QCA遵循整體性原則，重點是與結果相關的變量組合，而不是關注單個變量[64]。其次，QCA遵循等效性，即一個系統可以從不同的初始條件和通過多種路徑達到相同的最終狀態[65]。等效性在組織研究中受到相當大的關注，為解釋幾種不同的組合均可以導致有效的結果提供了理論基礎[66]。第三，QCA遵循因果不對稱性，即期望結果的出現與不出現的原因是不一樣的[67]。綜上所述，QCA的這些特性可以使我們更全面的理解學校支持服務與教學、學習的關系[68]。

雖然QCA在教育領域獲得了越來越多的關注，在教育組織和學校支持的研究中尚未得到廣泛應用。因此，本研究利用QCA，深度解析提升智能精準教研效果的條件組態。

四、研究結果

（一）必要條件檢測

在組態分析前，首先要對各變量進行必要性分析，查看是否存在提升智能精準教研效果的單一條件。使用一致性分值來判斷前因條件與結果變量之間是否存在充分或必要關系，若一致性分值大于0.8，則認為該前因條件是導致結果產生的充分條件，若大于0.9，則認為該前因條件是導致結果產生的必要條件[69]。如表2所示，所有前因條件的一致性均小于0.8，不足以單獨提升智能精準教研的效果。由此可知，智能精準教研受到學校支持服務多方面的影響，需要組合多個要素進行組態分析。

（二）組態分析

組態分析包括兩部分：構建真值表和標準分析。在構建真值表時，為了增加樣本覆蓋度，將頻數閾值設為1，一致性閾值為0.8。在此基礎上對真值表進行標準分析，軟件給出三種結果：復雜解（Complex Solution）、簡約解（Parsimonious Solution）和中間解（Intermediate Solution）。簡約解中的條件為核心條件，僅存在中間解而未存在簡約解則為邊緣條件。依據張寶建等人的研究[70]，本研究以中間解為主。QCA給出了五組的條件組合，如表3所示。構型1、2、3可產生良好的教研效果，總體一致性為0.9，大于0.8的門檻值；總體覆蓋率為0.6886，表明三組構型共解釋了68.86%的樣本。構型4、5可產生非領航試點工作校，總體一致性為0.9947，大于0.8的門檻值；總體覆蓋率為0.4901，表明兩組構型共解釋了49.01%的樣本。

對這五條組態構型的具體分析如下：

構型1：智能精準教研的成功是由規劃方案和合作機制兩個方面共同作用的結果（一致性=1.000>0.8；原始覆蓋率為0.2857，表示可以解釋28.57%的領航試點工作校樣本）。在規劃方案指引下，學校通過與企業、與教科研機構或高校建立三方合作體系，提高智能精準教研的效果。通過調研發現，學校主要在智能錄播教室環境技術解決方案方面及常態化學情數據智能采集、分析、解讀等技術支持服務方面獲得企業支持；主要在試點工作頂層設計方面獲得教科研機構或高校專家的專業化支持。

構型2：智能精準教研的成功是在技術環境、規劃方案、發展機會三種要素共同作用下促成（一致性=0.8424>0.8；原始覆蓋率為0.2671，表示可以解釋26.71%的領航試點工作校樣本）。學校通過制定切實可行的規劃方案，部署可滿足教研需求的技術環境，向教師提供充足的培訓機會。如典型案例HY學校，依據應用試點工作要求和學校發展目標，制定有特色的應用試點工作規劃和方案，建立管理、業務、技術分工協作的組織管理體系，技術環境達到省級智慧校園的標準，多次開展基本應用培訓及種子教師的培訓，智能精準教研活動按照規劃方案分階段有序推進。

構型3：智能精準教研的成功是由技術環境、保障制度、與教科研機構或高校合作三個方面共同作用的結果（一致性=0.8440>0.8；原始覆蓋率為0.4243，表示可以解釋42.43%的領航試點工作校樣本）。說明，在技術環境的基礎上，在制度保障下，與教科研機構或高校合作在智能精準教研活動中起著重要的指導引領作用。如案例HC學校，已完成智慧教室全覆蓋，并與借助區域研修平臺開展智能精準教研活動，在此過程中，制定了一系列激勵制度，并與高校專家開展密切合作。

構型4與構型5：學校在技術環境無法滿足智能精準教研日常開展的情況下，僅與企業或僅與教科研機構或高校一方合作，不會提升智能精準教研的效果。構型4側重僅與企業合作，未與教科研機構或高校合作的學校教研效果欠佳（一致性=1.000>0.8；原始覆蓋率為0.3125，表示可以解釋31.25%的非領航試點工作校樣本）。構型5強調未建立良好的技術環境且未與相關企業合作，僅與教科研機構或高校合作的效果也不甚理想（一致性=0.9093>0.8；原始覆蓋率為0.3138，表示可以解釋31.38%的非領航試點工作校樣本）。

通過構型分析發現，構型1、3、4、5均強調學校要與企業，與教科研機構或高校建立穩定的合作機制。構型3、5認為要在堅實的技術基礎上構建三方合作體系的重要性。構型1、2均強調規劃方案的重要性，不同的是構型1更加強調合作機制和規劃方案的共同作用，而構型2則強調技術環境、規劃方案和發展機會三要素的協同作用，而不強調合作機制。

（三）原因分析

在23個有效樣本中選取符合某構型的若干個典型案例進行深入剖析。

對于構型1中，選取了兩個典型案例進行深入分析，發現這兩個案例均屬于第一批試點中學，自參與試點工作以來，率先成立校長帶頭的組織規劃小組，結合本校具體情況，在線上線下相結合的混合式研修過程中逐步構建獨特的校本教研策略，形成一套教研體系。其次，這兩所學校均注重種子教師的培養，首先開展種子教師智能精準教研的專題培訓，在此基礎上由學科教研員和種子教師牽頭開展面向全校教師的培訓。第三，這兩所學校均注重與企業、專家的緊密合作，并且將企業、專家納入教研共同體，參與智能精準教研的全過程。企業主要負責技術支持和軟硬件支撐，且會在教研中參與教師討論，及時回答教師關于智能研修平臺的疑問；專家則除了頂層設計之后，深度參與智能精準教研，回歸到課堂中聽評課，在整個教研過程中起著指導和引領的作用。此外，這兩所學校均基于智能研修平臺建立了本校的校本教研資源庫，其中GZ學校共積累研修活動視頻125個，量表矩陣分析報告54份。

對于構型2，同樣選取了兩個典型案例進行深入分析，發現這兩個案例同構型1中案例相似，均屬于第一批試點學校。首先，在技術環境層面，兩所案例學校均積極建立智能錄播教室，部署智能研修平臺，其中BT學校新建智能錄播教室30間足以支撐學校智能精準教研的常態化開展。其次，在規劃方面，同構型1中案例，均構建校長牽頭的組織規劃小組，結合本校情況，制定規劃方案和領導小組工作方案。在發展機會方面，均率先培養種子教師，如HY學校實施梯隊進階的提升模式，由學校骨干教師組成第一梯隊，10年教齡以上的普通老師組成第二梯隊，5年以內的新進教師組成第三梯隊。兩所案例學校均注重常態化培訓，如BT學校每周舉辦一次智能精準教研案例分享活動。

對于構型3，選取了3個典型案例，其中和構型1中一個典型案例LW學校重復，和構型2中一個典型案例BT學校重復，新納入HC學校。分析這三所典型案例的共同特征發現，HC學校同LW學校、BT學校一樣，屬于第一批試點校。首先，從技術環境來看，三所學校的智能錄播教室均支持本校智能精準教研常態化的開展，其中HC學校和LW學校在本校技術環境建設的基礎上，積極對接區域智能精準教研平臺，與其他學校開展同步課堂、同步教研、同步培訓、資源共享等區域教研活動。其次，在保障機制方面，三所學校積極通過開展優質課評選活動，制定本校的智能精準教研考核方案、智能研修平臺運行管理辦法等方法激勵教師參與智能精準教研活動。此外，三所學校均注重與高校專家的合作，如HC學校和高校的專家團隊合作開展線上課堂教學行為觀察活動，專家團隊積極參與連續兩次的磨課活動，指導11位年輕教師基于數據分析診斷課堂。

對于構型4，選取了5所典型學校，深入分析這些案例在開展智能精準教研活動中存在的不足。首先，在保障制度方面，五所學校中有兩所學校結合本校情況發布了智能研修平臺的管理制度，然而這五所學校均未建立和實施具體可行的激勵措施，導致教師參與智能精準教研活動的積極性不高。其次，在合作機制方面，這五所學校均與企業建立合作，如SH學校邀請企業的技術人員開展平臺或工具的培訓，除SH學校，其余幾所學校均未詳細說明企業在智能精準教研中所提供的支持。在這五所學校在所提交的材料中均未提及與教科研機構或高校的合作。

對于構型5，選取了5所典型學校，在技術環境方面，這些學校普遍反映該校的技術環境無法支撐智能精準教研的常態化開展，其中四所學校仍在著力于擴充網絡帶寬、增添計算機設備等基礎建設，顯然遠不能滿足智能精準教研的技術需求。此外，在合作機制方面，這5所學校均注重與教科研機構或高校的合作，而忽視了企業的支持。如DY學校邀請市教科研中心的教研員參與優質課的評選活動；PT學校階段性的邀請高校專家考核教研活動，對教研現狀進行評價反饋。

五、結論及建議

學校支持服務與智能精準教研效果之間的關系是復雜的、非線性的，因此傳統量化分析方法是遠遠不夠的。本研究引入QCA，以因素組態為分析單元，探索學校支持服務與智能精準教研的非線性因果關系。QCA具有整體性、等效性及因果不對稱性的特點，使研究結論更加科學客觀[71]。通過分析以上五條等效因果鏈，得出影響智能精準教研效果的學校支持服務的要素組合。研究結論表明，學校支持服務中沒有一個單一的要素可以單獨造成成功的精準教研，這一點揭示了智能精準教研成功或失敗的產生存在多種途徑或多種因果關系。這與以往采用回歸分析、結構方程模型等量化分析方法不同，以往研究并未關注到要素的組合作用。本研究的結論為學校提供了開展智能精準教研的有效實踐路徑。此外，隨著智能技術與教育教學的深度融合，教師面臨著越來越大的技術壓力和事務壓力[72]，良好的支持服務配置可以在一定程度上幫助教師“減負增效”。綜上所述，為提高智能精準教研的效果，本研究提出幾條實踐路徑。

（一）加強技術環境建設，打造智能精準教研的數字基座

技術環境是開展智能精準教研活動的前提，學校應保證智能精準教研技術環境的建設，為開展智能精準教研活動打造堅實的數字基座。首先教師專業發展數字化轉型的關鍵在于數據[73]，智能精準教研的技術環境要支撐教學數據和研修數據的伴隨式收集和智能化分析，為教育教學、教師研修的精準定位和動態監測提供數據支撐。多模態教學數據的收集和分析有助于準確定位教師需求，開展針對性、個性化研修，同時，對研修過程性數據、總結性數據的智能分析有助于及時調整研修進程。其次，要打破數據壁壘，實現數據資源跨區域、跨層級、跨平臺的互聯互通，與國家智慧教育公共服務平臺等對接，實現數據資源的充分、精準、靈活使用。另外，傳統研修方式難以支撐大規模、留證式的研修，隨著技術的變革和新冠肺炎疫情的影響，線上線下深度融合的混合式研修成為教師研修的“新常態”，因此，精準教研的技術環境要支持線上線下相結合的混合式精準教研活動的開展，實現物理空間和網絡空間的融合。

（二）優化管理機制，推動智能精準教研頂層設計的優化和升級

智能精準教研的效果在很大程度上依賴于教研活動的精準化管理[74]，學校應主動利用人工智能等新技術優化教研管理機制，實現教研的精準管理和決策，推動教研頂層設計的優化和升級。首先，技術環境的基礎上，學校應做好頂層設計工作，基于教研數據、教學數據等開展循證式管理和決策，制定切實可行、符合校情的規劃方案，提高規劃方案的精準性和個性化。同時，本研究強調規劃方案和發展機會的共同作用，智能精準教研作為一種新型的教研形態，教師的接受和適應需要更多的常態化培訓。通過分析可知，大多優秀案例均采用梯隊進階的提升模式，注重種子教師的培育，由種子教師帶動全體教師。此外，如何有效評價智能精準教研的效果成為教研的難點，本研究發現試點校的獎懲制度較為標準化和粗粒度，難以真正發揮對教研活動的推動作用。因此，學校應在技術環境的基礎上，通過建立教師個體或群體畫像等方法，自動收集、保存、分析、評價教師的教學能力和研修狀態，與專家、教研員等相結合，構建多元參與的數字化教師評價體系[75]，實現對研修效果的全面、精準評估。

（三）構建協同創生的合作機制，創新智能精準教研生態體系

研修共同體是智能精準教研的重要支撐要素[76]。學校應堅持協同創生，聯合行政部門、企業、高校等多方構建教研共同體，創新智能精準教研的新生態。本研究表明，與專家、企業的淺層合作，未深入到精準教研活動中的合作機制并不能達成滿意的效果，因此學校應注重與專家、企業的緊密合作，與企業的技術人員、高校的專家等形成教研共同體，共同參與智能精準教研活動的開展過程，行政部門應結合大數據實施精準管理和決策，為智能精準教研的開展提供有效的前期規劃、中期保障和后期評價，技術人員應全程跟蹤，確保出現技術問題時提供及時幫助，專家則應與參研教師緊密結合，切實參與到研修的每一個環節。

智能精準教研是智能時代教師專業發展的重要方式，為教師教學能力的有效發展提供新途徑。學校支持服務是有效開展智能精準教研的保障，涉及到技術環境、行政支持、發展機會、合作機制等多個維度，本研究利用QCA總結影響智能精準教研效果的學校支持服務的要素組合，為智能精準教研的落地實施提供保障。智能精準教研具有復雜性、動態性等特點，受到多種因素的影響，未來研究可引入區域支持、學校特征等要素，探究智能精準教研的影響因素。

參考文獻：

[1] 新華社.把保障人民健康放在優先發展的戰略位置，著力構建優質均衡的基本公共教育服務體系[N].人民日報，2021-03-07 （01）.

[2] 做“經師”和“人師”的統一者——二論深入學習習近平總書記在中國人民大學考察時的重要講話精神[N].光明日報，2022-04-27 （01）.

[3][7][20] 王超，顧小清等.多模態數據賦能精準教研：情境、路徑與解釋[J].電化教育研究，2021，42（11）：114-120.

[4] 教科信[2021]2號文件，教育部等六部門發布《關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見》[Z].

[5] 教師[2022]6號文件，教育部等八部門關于印發《新時代基礎教育強師計劃》的通知[Z].

[6] 周全.數字化轉型賦能基礎教育高質量發展路徑研究——以國家級信息化教學實驗區為例[J].中國電化教育，2022，（11）：53-60

[8][41] 曾祥翊，李陽等.智能時代的教師專業發展：支持區域研修組織管理的PASA模型及應用案例[M].北京：科學出版社，2022.1-39.

[9][29][49] Dong，Y.，Xu，C.，Chai，C.S.，et al.Exploring the Structural Relationship Among Teachers’ Technostress，Technological Pedagogical Content Knowledge （TPACK），Computer Selfefficacy and School Support [J].The Asia-Pacific Education Researcher，2019，29（2）：147-157.

[10][50] 武向榮.義務教育教師工作滿意度影響因素的實證研究[J].教育研究，2019，40（1）：66-75.

[11][26][52] 劉勝男，郭嘉欣等.學校支持服務體系對鄉村青年教師教學創新的影響機制研究[J].教師教育研究，2022，34（1）：78-85.

[12] 林梓柔，胡小勇.精準教研：數據驅動提升教師教研效能[J].數字教育，2019，5（6）：42-46.

[13][16][31][73] 李陽，曾祥翊.人工智能賦能教研高質量發展：智能精準教研的理論框架、實踐藍圖與發展脈絡[J].中國電化教育，2022，（11）：99-107+122.

[14][23] 楊麗娜，陳玲等.基于TPACK框架的精準教研資源智能推薦研究與實踐[J].中國電化教育，2021，（2）：43-50.

[15] 汪維富，毛美娟等.精準教研視域下的教師評課反饋分析模型研究[J].電化教育研究，2022，43（1）：122-128.

[17] 楊欣.人工智能助力教研變革的價值與邏輯[J].電化教育研究，2020，41（11）：27-32+86.

[18] Toropova， A.，Myrberg，E.， Johansson，S..Teacher Job Satisfaction：the Importance of School Working Conditions and Teacher Characteristics [J].Educational Review，2020，（8）：1-27.

[19] 胡小勇，曾祥翊等.信息化教研賦能教師集群化高質量發展的創新與實踐[J].電化教育研究，2022，43（2）：5-10+18.

[21] 張雪，王麗麗.教育大數據驅動的精準教研模式研究[J].中國成人教育，2021，（2）：27-33.

[22] Nikolopoulou，K.， Gialamas，V..Barriers to the integration of computers in early childhood settings：Teachers’ perceptions [J]. Education Information Technology，2015，20（2）：285-301.

[24] 張妮，劉清堂等.支持教師區域研修的PAST模型構建及應用研究[J].中國電化教育，2020，399（4）：93-101.

[25][47] Drossel，K.，Eickelmann，B.， Gerick，J.Predictors of Teachers’ Use of ICT in School-the Relevance of School Characteristics，Teachers’ Attitudes and Teacher Collaboration [J].Education and Information Technologies， 2017，22（2）：551-573.

[27] Ye，Y.， Singh，K..The Effect of Working Condition on Math Teacher Effectiveness：Value-added Scores and Student Satisfaction in Teaching [J].Educational Research for Policy and Practice，2017，16（3）：1-13.

[28] Porter，W.W.， Graham，C.R.Institutional Drivers and Barriers to Faculty Adoption of Blended Learning in Higher Education [J].British Journal of Educational Technology，2016，47（4）：748-762.

[30][32][55][58] 劉清堂，鄭欣欣等.中小學智能精準教研的需求調研與發展策略[J].中小學教師培訓，2023，（2）：22-27.

[33][38] Inan，F.A.，Lowther，D.L.Factors Affecting Technology Integration in K-12 Classrooms：A Path Model [J].Education Technology Research Development，2010，58（2）：137-154.

[34] 張妮，劉清堂等.國際視野下在職教師培訓的比較及對教師專業化發展的啟示——基于四國個案及文獻觀察[J].現代遠距離教育，2018，180（6）：34-41.

[35][40] Shihkua，H.，Ping-Yin， Kuan.The Impact of Multilevel Factors on Technology Integration：the Case of Taiwanese Grade 1-9 Teachers and Schools [J].Education Technology Research Development，2013，61：25-50.

[36] Gulbahar，Y..Technology Planning：A Roadmap to Successful Technology Integration in School [J].Computers Education，2007，49（4）：943-956.

[37] Longman，S.M.D..A Comparison of the Perceptions of Technostress Experienced by Teachers versus Technology Used by Teachers in Elementary Education in a Southeastern School District [D].Louisiana： Southeastern Louisiana University，2013.

[39][48] Eickelmannz，B..Supportive and Hindering Factors to a Sustainable Implementation of ICT in Schools [J].Journal for Educational Research Online，2011，3（1）：75-103.

[42] 張妮，劉清堂等.信息技術支持下的區域研修現狀及發展研究——基于全國25省（市）35縣（區）的調研[J].中國電化教育，2019，93（10）：109-116.

[43] Sebastian，J.，Allensworth，E.， Stevens，D.The Influence of School Leadership on Classroom Participation：Examining Configurations of Organizational Supports [J].Teachers College Record，2005，116（8）：1-36.

[44][45][62][63][68] Seashore Louis，K.，Dretzke，B.， Wahlstrom，K. How does Leadership Affect Student Achievement Results from a National US Survey [J].School Effectiveness and School Improvement，2010，21（3）：315-336.

[46][64][67] Ragin，C.C..Redesigning Social Inquiry：Fuzzy Sets and Beyond [M].London and Chicago：University of Chicago Press，2008.213-219.

[51] 蔡永紅，龔婧.學校創新支持與教師教學創新的關系——基本心理需要滿足的中介作用[J].教育學報，2019，15（2）：48-57.

[53] 教育部教育技術與資源發展中心（中央電化教育館）.關于組織開展智能研修平臺領航試點工作區（校）等遴選工作的通知[EB/OL].https：// www.ncet.edu.cn/zhuzhan/xgwztztg/20221012/5712.html，2022-10-12.

[54] 教育部教育技術與資源發展中心（中央電化教育館）.關于公布智能研修平臺應用領航試點工作區（校）等推薦結果的通知[EB/OL].https：//www.ncet.edu.cn/zhuzhan/xgwztztg/20221228/5718. html，2022-12-28.

[56][66] Fiss，P.C..Building Better Causal Theories：A Fuzzy Set Approach to Typologies in Organization Research [J].Academy of Management Journal，2011，54（2）：393-420.

[57] Pappas，I.O.，Mikalef，P.，et al..Value Co-creation and Trust in Social Commerce：An Fsqca Approach [A].Twenty-Fifth European Conference on Information Systems [C].Guimar es，Portugal，2017.2153-2168.

[59][69] Ragin，C.C.Set relations in social research：Evaluating their consistency and coverage [J].Political Analysis，2006，14（3）：291-310.

[60] Kintz，T.，Lane，J.，Gotwals，A.，et al.Professional Development at the Local Level：Necessary and Sufficient Conditions for Critical Colleagueship [J]. Teaching and Teacher Education，2015，51（1）：121-136.

[61] 陳向東，楊德全.組態視角下的教育研究新路徑——質性比較分析（QCA）及在教育技術中的應用分析[J].遠程教育雜志，2020，38（1）：28-37.

[65] Katz，D.， Kahn，R.L..The Social Psychology of Organizations （2nd ed.） [M].New York：Wiley，1978.30.

[70] 張寶建，張曉空等.感知價值、認知過程和行為意向：MOOC學習行為的構型分析[J].中國遠程教育，2019，536（9）：72-82+93.

[71] 何文濤，李夢晴等.協作學習異常行為對知識點學習效果影響的組態研究——基于模糊集定性比較分析（fsQCA）[J].遠程教育雜志，2022，40（6）：34-42.

[72] 趙健.技術時代的教師負擔：理解教育數字化轉型的一個新視角[J].教育研究，2021，42（11）：151-159.

[74] 任友群，馮曉英等.數字時代基礎教育教師培訓供給側改革初探[J].中國遠程教育，2022，571（8）：1-8+78.

[75] 劉清堂，鄭欣欣等.基于經驗學習圈構建AI支持下的教師研修模式[J].電化教育研究，2021，42（10）：114-120+128.

[76] 劉清堂，盧國慶等.活動理論支持的區域同儕研修模式構建及實踐探索[J].中國電化教育，2021，（1）：118-127.

作者簡介：

鄭欣欣：在讀博士，研究方向為教師專業發展。

曾媛：碩士，研究方向為教育信息化應用、專題教育數字化資源建設。

曾祥翊：研究員，博士，研究方向為教育信息化理論與應用。

陳鋒娟：在讀博士，研究方向為教師專業發展。

劉清堂：教授，博士，博士生導師，研究方向為學習分析技術、知識挖掘與知識服務、教師專業發展。

A Histological Study of the Impact of School Support Services on the Effectiveness of Teaching and Research in AI-based Precision Teaching Research

—Based on a Qualitative Comparative Analysis

Zheng Xinxin1， Zeng Yuan2， Zeng Xiangyi2， Chen Fengjuan1， Liu Qingtang1

（1.Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan 430079， Hubei； 2.Center for Educational Technology and Resource Development， Ministry of Education， P.R.China （National Center for Educational Technology， NCET， Beijing 100031）

Abstract： AI-based precision teaching research has become a practical path to promote the digital transformation of teachers’professional development， in which school support services are a guarantee for the effective implementation of AI-based precision teaching research. Previous studies have focused more on the net effect of variables and have been unable to explore the complex nonlinear relationship between school support services and the effectiveness of AI-based precision teaching research. The mechanism of the effect of each element of school support services on AI-based precision teaching research is not clear. Therefore， this study relies on the pilot application of the intelligent training platform of the Center for Educational Technology and Resource Development and uses a qualitative comparative analysis method to explore the multiple concurrent paths of school support services acting on AI-based precision teaching research. Through literature combing， this study divides school support services into four dimensions： technical environment， administrative support， development opportunities and cooperation mechanism， with administrative support subdivided into guarantee system and planning programme， and cooperation mechanism divided into cooperation with enterprises and cooperation with textbook research institutions or universities. The study finds that there are multiple pathways or multiple causal relationships in the production of effective AI-based precision teaching research， and accordingly proposes five combinations of elements of school support services that affect the effectiveness of AI-based precision teaching research， thus providing realistic solutions to enhance the level of services for the digital construction of the teaching force.

Keywords： AI-based precision teaching research； school support service； qualitative comparative analysis

收稿日期：2023年4月9日

責任編輯：趙云建