在數字世界中學習：能力需求與過程本質

[摘 要] 在數字技術教育利用率上升、數字化學習常態化、數字素養成為一種關鍵能力的教育數字化轉型背景下，未來學習數字化成為必然趨勢。PISA（2025）《在數字世界中學習測評框架》明確了“在數字世界中學習”的定義，基于社會建構學習觀聚焦學生運用計算化工具進行問題解決和自我調節學習過程，構建了“一外一內、兩主六小”的能力模型，提出了反映學習過程本質的“四階段”任務模型，開發了展現“數據驅動”過程性、“學生檔案”綜合性為代表的證據模型。PISA（2025）《在數字世界中學習測評框架》展現出交互式建模、復雜能力導向、重視過程性評估、揭示學習過程本質等特點，將對培養和評價學生數字化學習能力產生巨大影響，借鑒其理念經驗，有助于推進和完善我國青少年學習的數字化轉型。

[關鍵詞] 在數字世界中學習； 教育測評； 數字素養； 問題解決； PISA

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 首新（1987—），男，重慶人。副教授，博士，主要從事科學學習測評研究。E-mail：346532216@qq.com。譚舒予為通信作者，E-mail：615769503@qq.com。

一、引 言

隨著全球數字化進程不斷加快，教育數字化成為必然趨勢，但數字技術本身并不能保證有效且深入的學習效果，起關鍵作用的是學生面對數字環境時應具備的在數字世界中學習（Learning in the Digital World，LDW）的能力。相應的，面向數字學習的評估成為教育評價的重要方向。在此背景下，經濟合作與發展組織主導的國際學生評估項目（Programme for International Student Assessment，PISA）發布《PISA（2025）在數字世界中學習測評框架》（簡稱PISA（2025）LDW測評），擬在2025年評估15歲青少年在數字世界中學習的能力。本研究以此框架分析其LDW測評過程，以期為我國基礎教育學習數字化轉型提供參考。

二、背景：在數字世界中學習已成為時代特征

（一）數字技術教育利用率上升

得益于以大數據、云計算、人工智能等為代表的數字技術的快速發展，教育數字化轉型中對數字技術的重視度不斷增強，數字技術教育利用率也不斷上升。早在2002年，歐盟就開始關注教育數字化，發布了《電子學習行動計劃》（The E-learning Action Plan），提倡借助信息技術為學習者提供高效、便捷的學習方式[1]。近10年，各國逐步調整教育政策，全面推進教育數字化轉型，數字技術教育利用率達到空前時期，如美國在2017年發布了第5輪《國家教育技術計劃》，建設理念從“迎接技術素養的挑戰”轉向“重塑技術在教育中的角色”，多角度與時俱進地實現信息技術融入教育[2]。數字技術的教育運用強化了教育信息化設施建設，利用新技術和新方法評估學習者在數字化學習環境中的適應性、表現力等也成為新的評價視角。

（二）數字化學習常態化

數字技術正在從根本上改變學習方式[3]，一方面，數字技術為學習者提供了極大的自主權，塑造了學習者與學習資源互動的新方式，深刻影響著人們理解現實世界的方式；另一方面，數字技術將科學探究數字化、虛擬化、類情境化，實現了既注重學習效率又關注真實情境問題解決的教育目標。在數字化學習中，計算化工具（Computational Tools）成為學習者建構新想法、尋找新思路的有效形式，學習者可以運用計算化工具不斷完善模型、程序等進而迭代形成最佳問題解決方案，這從根本上擴展了學習者探索、試驗新想法的方式。反過來，計算化工具又為創設更積極且真實的學習體驗提供了切實可行的媒介。因此，利用數字技術促進學習和進行問題解決成為學習者未來參與社會事務、解決日常生活問題的必備技能。目前，隨著數字化學習的常態化，隨之而產生的數字化學習管理、自我調節等問題得到關注，這也成為PISA（2015）LDW 測評的一個重要方面。

（三）數字素養成為一種關鍵能力

善于運用計算化工具建模、分析數據，逐步形成計算思維，進而作出正確的決策，是學習者具備數字素養的行為表現。目前，數字素養的內涵已不局限于數字環境中的知識和經驗，還包括隨著數字化學習環境而產生的大量復雜技能、情感和價值觀。數字素養也從強調理解信息、運用信息、預測信息轉向關注數字化環境中的復雜認知、學習調節和價值觀。特別是當前從出生就與網絡信息緊密聯系的數字原住民學習者，其應用數字媒體、整合數字資源進行學習的能力對其未來成為合格數字公民的影響極為重要。目前，在線學習、混合式學習已成為新常態，學習者必須具備相關數字化學習的知識、技能和端正態度，即具備良好的數字素養，以支持未來在更為復雜的數字環境中終身學習。

三、理論發展：數字世界中學習映射

學習過程本質

（一）社會建構學習觀下的數字化學習

社會建構主義主張學習是一個高度情境化的過程，強調社會背景和互動在學習中的重要性。數字化學習環境為社會建構學習提供了新的場景，當技術允許學習者構建和操縱計算機化人工模型（Computational Artefacts）時，主動、互動、合作學習便在數字化環境中發生了。通過在數字環境中進行建模學習和使用模擬工具進行情境學習，學習者能夠在更大規模、更多樣的時間線上處理數據，創作出反映新知識的實體模型，從而更深入地理解和掌握新知識。PISA認為，技術學習（Learning through ICT）帶來了全新的學習方式，充分體現了社會建構學習所強調的積極、能動和參與式學習體驗。在技術增強的數字化學習環境中，數字技術還扮演了類似于“更有知識的（More Knowledgeable）”同伴，可以逐步幫助學習者推進問題解決、重拾信心。因此，技術可以增強以學生為中心的探究，包容學生在探究過程中的錯誤，也在迭代中不斷反思和完善，促進學生逐漸成長為獨立的、具有自我調節學習品質的學習者[4]。

（二）PISA對數字世界中學習的定義

基于社會建構學習理論和上述對數字化學習特征的描述，PISA將“在數字世界中學習”定義為：使用計算化工具并實踐，進行知識構建和問題解決的迭代和自我調節學習過程的能力[4]。從其定義可以發現，PISA（2025）LDW測評旨在展現學生利用計算化工具進行知識構建和解決實際問題的過程中，自我調節學習能力的水平，以及在處理問題過程中靈活應對新信息和變化的能力。第一，強調了數字化問題解決不是簡單地將現有知識復制到不熟悉的問題環境中，而是利用計算化工具發展自己的知識以達到特定目標的過程。在PISA（2025）LDW測評中，學生需充分運用外部資源提供的工具和機會，使新學到的知識融入自身的知識體系。第二，凸顯了數字化學習中自我調節的重要性，要求學習者面臨不熟悉的數字化環境時，積極投入其中參與學習。第三，重視通過數字化建模來讓學習者構建新知識，并運用知識，預測模型中變量的演變趨向，或者實現模型的自動化。

四、能力創新：“一外一內、兩主六小”的

能力模型

OECD專家組將LDW解構為兩方面能力，分別是計算機化問題解決實踐，即將計算思維與探究學習協同起來，使用計算化工具探索實踐，運用計算思維解決問題的能力；自我調節學習，即對數字化學習過程認知、表現、參與度、動機和情感等進行監測、調整和評估，有效管理自己學習過程的能力。為了便于指導測評，將“計算機化問題解決實踐”進一步細化為“實施實驗”“分析數據”和“建構和調試計算機化人工模型”三個子維度，“自我調節學習”則進一步細化為“監控進展并調整”“評估表現”和“保持動機和任務參與度”三個子維度，由此形成“一外一內、兩主六小”的PISA（2025）LDW能力模型（如圖1所示）。內部核心部分是計算機化問題解決實踐過程，主要與認知相關，可用測試題評估；外部包裹部分是自我調節學習過程，主要與情意、態度、意志等非認知因素相關，一般可用描述性方式分析。該模型為測評規劃、測試維度選擇、測試題研制以及評分標準制定提供了理論依據。

注：計算機化問題解決實踐采用表現性評估；自我調節學習過程采用偏描述性評估（非表現性評估）。

圖1 PISA（2025）LDW能力模型

（一）為何提出“計算機化問題解決實踐”作為“一外”認知能力

“計算機化問題解決實踐（ Computational Problem-solving Practices）”是PISA（2025）LDW測評提出的全新概念，通過評估學生能夠在多大程度上使用計算化工具探索系統、表達想法、構建一個可由計算機執行的問題解決方案，從而展現其計算機化問題解決能力。“計算機化問題解決實踐”以科學探究為表現形式，以計算思維為內核，通過運用計算化工具，學習者可以將新想法轉化為計算機系統能夠理解的有形形式，建立可視化外部模型和問題解決方案[6]。

計算機化問題解決實踐包括三個子維度（實施實驗、分析數據、建構和調試計算機化人工模型）。實施實驗、分析數據子維度與傳統探究過程無異，只不過前者更強調運用計算化工具開展實驗和數據分析，體現了計算思維的有形過程。PISA（2025）LDW測評最大的創新是提出“建構和調試計算機化人工模型”。將想法轉化為可由計算機執行的指令是計算思維的核心，也是數字化問題解決的基本要求[7]。這一建模過程涉及對具體問題的計算機化重構，即將問題轉化成適合計算的、模塊化的、能進行獨立測試的增量開發過程[8]。為了精準指導評估，PISA進一步歸納出建構和調試計算機化人工模型的5個行為表現：識別子目標并獨立解決各部分問題，以相同的計算過程識別/發現重復性的模式，使用控制流結構（如重復和條件語句）實現具有概括性的問題解決序列，創建某系統的抽象表示模型并由計算機執行，能調整、調試算法和計算模型。

（二）“自我調節學習”作為“一內”非認知能力

由于數字環境的開放性、多元化和去中心化，潛存大量非結構化信息，探索變得更為復雜，分散注意力的機會也增多，因此，自我調節學習的重要性不可忽視。但學生常常缺乏對探究學習所需元認知的理解[9]，因此，PISA（2025）LDW測評關注學生是否有目的地進行行動，能否通過尋找并解釋來自環境的反饋來識別和糾正錯誤理解。

自我調節學習包括三個子維度（監控進展并調整、評估表現、保持動機和任務參與度），其含義與傳統學習過程基本無異，但由于其處于數字化情境下、置于計算化工具運用中而具有新的特征。第一，“監控進展并調整”是指監控自身對問題的理解并識別知識差距，系統地測試、調試計算機化人工模型，能根據學習環境的反饋及時采取相應行動。第二，“評估表現”包含兩個方面，一方面是評估自身學習進展，另一方面是評估學習過程中所建立的計算機化人工模型的質量。第三，“保持動機和任務參與度”體現在三個方面：避免長時間不參與學習或者盲目學習；收到計算機負面反饋后不放棄，努力適應、改進數字學習中的計算機化人工模型；經歷負面情感狀態（如沮喪、無聊），能及時自我調整。

五、內容創新：反映學習過程本質的任務模型

PISA（2025）LDW測評建立了兩類任務模型，一類是創建數字學習環境的通用模型，另一類是為反映學習過程本質的任務模型。

（一）在通用層面構建數字化學習物理環境

所謂通用，即為完成所有測試任務所架構的計算機環境。PISA建立了操作計算化工具的工作空間（Computational Tools and A Workspace），學生在此可運用計算化工具（如模塊化編程工具、概念圖構建器、流程圖工具、模擬化系統）執行相關計算化處理。一方面，計算化工具可以幫助被測者在缺乏相關知識的情況下也能進行直觀學習（如拖動式模塊編程）。另一方面，計算化工具可用于生成數據來驗證假設、作出預測，或者控制模擬系統發展。每個計算化工具都能幫助學生構建一個可執行的計算機化人工模型，促進學生以數字化的呈現方式理解現象或解決問題。計算機環境還可記錄人機交互“事件”（PISA稱之為事件數據模型，Event Data Models），如任務時間、試題完成度、資源使用情況、模型使用/編輯/添加情況等。交互“事件”中生成的過程數據也是任務模型的一部分，用于收集證據規則規定的所有相關信息。

（二）在單元層面凝練四階段，反映學習過程本質

單元層面即具體的LDW測試任務，PISA單元任務設置了不同的計算化工具，但每個單元任務均包括四個相同階段，貫通整個任務過程，如圖2所示。

圖2 PISA（2025）LDW測評單元任務四個階段

階段一是介紹（Intro）+展示（Show），用于精確地評估學生先驗知識。其主要目的，一是通過展示已有知識水平，評估學生通過任務學習獲得的知識量；二是激發后續交互式測驗所需的關鍵概念和技能。

階段二是學習（Learn），學生通過嵌入式教程，開展交互式、支架式的任務學習，獲得新知識或明確變量之間的關系。此階段包含多項交互性、開放性、互動性的學習任務。虛擬人物KIM引導學生熟悉操作環境之后，學生將使用計算化工具完成3～4個開放式任務。完成任務過程也是學習過程，學生將學習、理解并掌握單元任務背景下的關鍵概念和技能，為應用階段做好準備。

階段三是應用（Apply），此階段要求學生將上一階段所學概念和技能應用到一個擴展的、開放的新任務情境中。PISA進一步指出，精心研制的單元任務具有“低地板（Low Floors）”“高天花板（High Ceilings）”特征，形成了較大試題空間，計算機代理的支架式幫助和提示一直伴隨測驗過程，所有學生都能在應用階段取得一定的進展。

階段四是反思（Reflect），此時學生已完成認知任務，系統設置了自評問卷，學生需要如實回答他們在任務中的表現、努力程度、情感投入等，收集自我調節學習過程證據。值得注意的是，不僅僅是在反思階段，從學習階段開始，每完成一個任務，界面都會彈出對話框，詢問學生任務完成情況，學生選擇之后，可以查看自我解決方案與標準答案異同，從而進行比較。

可見，四個階段體現了“學生基于已有知識經驗，運用一系列資源和數字化模型來學習新知識，然后運用所學新知識解決新情境中的類似問題”這一過程，反映出學習過程本質。同時，學生還將收到學習反饋，以便于他們監控、調整學習過程。在這種開放式學習環境下，學生不僅要學以致用，正確完成認知任務，還要時刻監控、調節和評估自己在每個序列任務上的進展，調整在四個階段任務上的投入，制定解決復雜問題的策略。

六、結果創新：展現在數字世界學習過程的

證據模型

捕捉過程是PISA（2025）LDW測評的又一創新。為獲取測試過程和結果數據，PISA制定了詳盡的證據規則，由此構成了證據模型，既可以描述學生作答反應（如作答時間、點擊次數等），還可以監測學生答題過程（如分析數據、調試模型等），形成能力評估的多維信息。基于證據模型，PISA創新了結果報告形式，針對“計算機化問題解決實踐”能力，PISA將依據成績水平，仍采用傳統形式進行報告；針對“自我調節學習”能力，PISA將開發“檔案（Profiles）”進行報告，檔案數據來自測驗過程的學生自我調節學習信息。

（一）摘取計算機化問題解決實踐過程證據以反映認知能力

評估計算機化問題解決實踐能力的證據來自任務完成度以及學生所構建的計算化模型適配度。PISA采用部分評分方法建立規則對任務完成度進行評分，即在沒有完成任務的情況下，只要學生能朝著問題解決的方向努力，也會獲得部分分數。建立部分評分指標可將能力模型的各個方面映射為不同水平，形成具有進階性、過程性的立體能力維度，進而精準診斷學生計算化問題解決過程及其對相關概念的理解和運用情況。

因任務情境和計算化工具的差異，單元任務的證據規則也不同。PISA列舉了“模塊化編程”案例，該案例要求學生編程，讓小烏龜將網格四周的石塊放置到網格中央。并非完成該任務就能獲得滿分，或者未完成任務就不給分，只有學生拖動語句模塊后，正確使用“while”循環語句和“functions”重復函數，且實現了目標，才能獲得滿分。若未能完成任務，但正確使用了“while”和“functions”語句，或者即使實現了目標，但未正確使用“while”和“functions”語句，都將只獲得部分分數。

（二）生成自我調節學習檔案以反映非認知能力

評估自我調節學習過程的證據規則包括兩類，一類是能力模型中的自我調節學習指標，另一類是單元任務中的投入度。兩類指標結合了理論驅動和數據驅動的方法。例如，針對“監控和調整”指標，理論假設學生完成任務后能花一定時間檢查，不正確的話能及時作出調整，那就證明其有較好監控和調整能力。因此，在每個任務結束時，學生有機會將其結果與標準答案（一般是虛擬代理或專家的解決方案）比較，并以比較時長（是否超過20秒）來判定監控過程。同時，PISA也指出，這些基于理論的證據規則仍需要廣泛驗證，因為過程信息并不像結果數據那么直截了當地反映能力水平，如學生不操作時，很難區分出其是在反思還是由于某種原因脫離了任務（即并沒有反思或者學習）。因此，PISA還會采用序列挖掘、回歸分析、動態貝葉斯網絡模型等數據驅動方法分析自我調節學習的過程信息。

最終，PISA會合并兩類證據，據此建立多類表征學生不同自我調節學習水平的“學生檔案”，用這一報告形式更好地闡明過程信息。“學生檔案”實際上代表了不同類別的自我調節學習者，如“積極的學習者（Engaged Learners）”檔案中的學生能夠有效使用學習資源，根據計算機反饋采取正確行動；若學生沒有執行符合邏輯的操作，問題解決進展緩慢，那么其可能被歸類為“困惑的猜測者（Confused Guessers）”檔案中。

七、案例創新：從學習過程四階段評估

“一外一內”兩能力

PISA提供了名為“保護（Conservation）”的LDW測試單元樣題[10]，圍繞“介紹＋展示—學習—應用—反思”四個階段說明了單元任務的一般順序和任務類型。樣題創設的情境是學生通過構建計算化模型來學習海洋生態系統中幾種動物之間的生存關系，并運用所學新知識預測另外一些動植物之間的關系。樣題內容與學習過程四個階段的對應關系，如圖3所示。在“介紹+展示”階段，樣題設置了5個有關動物關系的前測項目，考查其閱讀和理解圖表的能力，基于數據的推斷、預測能力。這個階段中學生無法獲得學習資源或反饋。在“學習”階段，設置了3個任務，學生必須學習如何將“海龜—鯊魚”種群報告中的信息整合到計算化模型中運行并展示結果，學會解釋基于模型生成的可視化信息，并進行多次模擬試驗，直到模擬結果與真實數據模型一致或達到某一目標。學生不知如何操作時，還可以點擊頁面右上角“示例”，查看相似任務的解決方案，以支持和推進問題解決進程。在“應用”階段，共2個任務，與計算機化問題解決實踐能力三個維度對應。任務1是對“學習階段”所學知識的運用，任務2引入新變量“鯛魚捕撈率”，學生必須正確地將變量“鯛魚捕撈率”添加到模型中（“建構和調試計算機化人工模型”），測試不同的捕撈率（“進行實驗”）對珊瑚生存的間接影響，根據多次模擬結果確定為保證珊瑚種群生存的鯛魚最大捕撈率（“分析數據”）。在“反思”階段，會呈現一些簡短的自我評估題目，題目具有通用性，反映對測評任務過程的自我反思、調節、監控等。

圖3 樣題“保護（Conservation）”單元任務框架

八、測評特征：從LDW媒介依托到學習過程

本質揭示

（一）基于數字化建模創建計算機交互式測試環境

PISA（2025）LDW測評單元任務均鑲嵌于含有豐富學習資源和試錯空間的數字化環境中，學生需在此環境中運用計算化工具進行學習，然后回答相關問題。PISA在2015年便關注計算機交互式協作問題解決，被測者通過與2～3名虛擬代理的對話內容來表征個體的協作問題解決能力。PISA（2025）LDW測評創設了豐富的數字化環境，學生不僅要學習如何使用計算化工具，還要學會運用計算化工具創建復雜的計算機模型或通過模擬來收集和分析數據，其所述問題解決過程已與計算機環境完全契合在一起，稱之為計算機化問題解決實踐，這是對信息技術、虛擬現實、智慧教育等逐步滲入日常生活和學習的積極回應。借助計算化工具開展探究實踐，不僅能模擬復雜現象，亦可進行現實生活中無法實現的實驗[11]，充分體現了數字學習環境的優越性。以計算化工具為媒介、計算思維為核心、建模模擬為路徑的探究已成為學習與測評的新樣態。

（二）建構明晰的能力模型支持復雜能力評估

測評學生在數字世界中的學習過程是教育測評的新興主題，既要考慮運用計算機如何測，又要凸顯計算化工具的使用，還要揭示學習過程的特征（如應用/遷移）。在數字世界中學習的能力既涉及計算思維、ICT素養、計算機使用熟悉度等，又涵蓋傳統問題解決能力、學習策略、元認知等，是一種多元、繁復、難測量的能力。OECD專家組通過多輪論證將青少年在數字世界中學習過程解構為兩大能力組塊，同時根據計算化工具的差異將單元任務設計成不同類別（如模擬、編程等），建立了明晰、可操作的能力模型。這雖不能全面考慮數字世界中學習所觸及的能力要素，卻能為后續編制測試題、制定評分標準提供理論依據和操作標準，實現新情境、新形勢下對復雜技能的測評。PISA也指出，雖然“檢索和評估在線信息的能力”是數字化學習的重要方面，但PISA（2025）LDW測評將不會衡量這一能力，而是將測評重點放在運用計算化工具進行科學探究和問題解決實踐、自我調節學習兩個方面。這種取舍得當、明晰適用的能力模型具有較強的指導性和操作性，讓單元任務指向明確，提高了測試題的靶向性和準確度。

（三）整合數字化環境，開發學習過程測評新范式

問題解決和自我調節學習都是教育心理學領域經典概念。數字化環境中的問題解決需要學習者運用計算化工具，將想法或方案轉化為有形的計算形式。這些運用計算化工具生成的有形形式能夠解釋學生在問題解決過程中處于何種階段以及問題解決程度，計算機化問題解決是一種新形式的問題解決。自我調節學習源于班杜拉的研究，在開放的數字環境中，學習總是受到其他資源的影響，大量的數字資源和信息可能會分散學習注意力，學習者需要主動地運用與調控元認知、動機與行為達到學習目標，數字世界中的自我調節學習過程對構建和調試計算化人工模型、解釋信息、基于反饋采取措施、糾正錯誤等至關重要。

由于數字環境的開放性，在數字世界中學習具有復雜多變、交錯多維的特點，較難實施既體現字數化環境特征又兼顧學習過程本質的測評。PISA（2025）LDW測評明確給出了“在數字世界中學習”的定義，建立了“一外一內、兩主六小”的能力模型，確定了反映學習過程本質的任務模型，針對學習者在數字世界中學習的具體表現，形成證據模型。最終，建立起運用計算化工具進行問題解決和自我調節學習的測評新范式。

（四）采用進階的方式，展現在數字世界中學習過程本質

PISA（2025）LDW測評試題分四個階段評估學生計算機化問題解決能力和自我調節學習能力，其中，“介紹+展示”階段旨在呈現學生已有知識經驗；“學習”階段旨在教會學生使用計算化工具來學習新知識；“應用”階段注重使用計算化工具和所學新知識解決新情境中的問題；“反思”階段是讓學生回憶學習過程的感受，監測自我調節學習過程。四個階段充分模擬現實實踐中獲得知識、理解知識和應用知識的學習過程，這一過程以“學習進階”思想為基礎，倡導知識由淺至深的積累與提升。學習進階的每一階段均有期望目標并附有相應挑戰，學生經過努力或者基于先前階段的學習能夠完成任務。PISA（2025）LDW測評沿用了上述學習進階范式，并且還提供了靈活自由的學習空間、伴隨式的任務反饋以及實時的進度報告，學生可以基于前一階段的知識進行學習運用，也可以查閱示例方案或根據反饋及時調整。可見，PISA（2025）LDW測評既抓住了進階式學習的本質，使得新測評與傳統學習理論緊緊契合在一起，又展現了數字化學習的新特征，對傳統學習過程測評有了新發展。

九、研究啟示

可以預見，PISA（2025）LDW測評將在世界范圍內對教育測評、教學改革、數字化學習產生重要影響，將引領新一輪教育數字化變革趨向，其對我國基礎教育數字化學習與評價改革提供了諸多啟示。

第一，超越課堂知識，推進計算機化問題解決能力的培養。超越知識，發展能力是素養導向的教育。PISA一直堅持素養導向的測評，在數字世界中學習的能力是數字化背景下核心素養的新表現形式。問題解決能力在PISA（2025）LDW測評中以一種新形式呈現，學生需要運用計算化工具建構/調試計算機化人工模型進行問題解決，由于測試單元任務是進階性的，且涉及多個內容領域，反映出數字化環境下多學科問題解決的需求。因此，我國基礎教育除了聚焦學生形成學科知識結構，還要充分利用數字化媒介開展計算機化問題解決學習，持續推進整合性教學，讓學生既有數字化學習熟悉度，又學會整合不同學科知識進行問題解決，以適應未來社會計算機化問題解決的要求。

第二，重視問題解決過程的非認知能力，促進對學習過程的監控和調節。一直以來，PISA試圖更為真實地展現認知與非認知能力共同作用于情境測試過程，且越來越關注非認知能力在整個問題解決過程中的作用。PISA（2025）LDW測評所關注的“自我調節學習”是一種面對復雜情境的重要非認知能力，能促進學生保持動機和參與度，增強學習效率和準確性。但有研究顯示，我國學生更傾向于充當任務的“執行者”，不太重視對自身學習過程的監控與反思[12]。因此，我國基礎教育在強調認知過程中使用科學方法、應用科學思維進行學習時，還應嵌入對學習過程的調節、階段反思，提升能動參與度，有意識地強化非認知能力的培養。

第三，聯合數字化和情境化，發展高階復雜能力。隨著教育與信息技術的不斷融合，在數字世界中學習成為與現實世界學習并行且同等重要的形式，雖然二者有所差異，但是學習過程本質是一樣的。PISA在定義“在數字世界中學習”時強調使用計算化工具進行知識建構和問題解決，這彰顯了其與現實世界學習最大的不同，突出了建模、模擬、迭代的調試與實踐。因此，我國基礎教育也應更多地開發模擬探究、虛擬實踐等具有交互功能的學習資源，實現技術與教學過程融合，形成新的學習方式。技術能增強學習，改變學習，進而重構學習，讓觀察、實驗、推理、計算、測試等過程呈現新的表現形式，發展與真實世界中學習無異的高階復雜能力。

[參考文獻]

[1] EUROPEAN COMMUNITIES. The eLearning Action Plan[EB/OL]. （2021-03-28）[2024-03-01]. https：//eur-lex.europa.eu/LexUriServ/LexUriServ.do？uri=COM：2001：0172：FIN：EN：PDF.

[2] 陳松云，何高大. 新技術推動下的學習愿景和作用——2017《美國國家教育技術計劃》及啟示[J]. 遠程教育雜志，2017，35（6）：21-30.

[3] 祝智庭，胡姣. 教育數字化轉型的實踐邏輯與發展機遇[J]. 電化教育研究，2022，43（1）：5-15.

[4] TUBIN D. Typology of ICT implementation and technology applications[J]. Computers in the schools， 2006（23）： 85-98.

[5] OECD. PISA 2025 Learning in the digital world framework [EB/OL]. （2023-10-21） [2024-03-07]. https：//www.oecd.org/media/oecdorg/satellitesites/pisa/PISA%202025%20Learning%20in%20the%20Digital%20World%20Assessment%20Framework%20-%20Second%20Draft.pdf.

[6] VALENTE J， BLIKSTEIN P. Maker education： where is the knowledge construction？ [J]. Constructivist foundations， 2019（14）：252-262.

[7] 馮友梅，王昕怡，劉曉蕊，等. 計算思維不是什么：論計算思維的邊界及其何以成為信息技術學科的立足之本[J]. 電化教育研究，2023，44（1）：84-90.

[8] WEINTROP D， BEHESHTI E. Defining computational thinking for mathematics and science classrooms[J]. Journal of science education & technology，2016（25）：127-147.

[9] DEDI■ Z. Metacognitive knowledge in relation to inquiry skills and knowledge acquisition within a computer-supported inquiry learning environment[J]. Psychological topics， 2014（23）：115-141.

[10] OECD. PISA 2025 LDW unit conservation （interactive） [EB/OL]. （2023-10-21） [2024-03-14]. https：//conservation.netlify.app/.

[11] 吳斕，董艷，鄭婭峰，等. 基于計算機的協作問題解決能力評估研究：問題與建議[J]. 電化教育研究，2022，43（10）：65-71.

[12] 首新，田偉，李健，等. 基于過程數據的人機“虛擬代理”協作問題解決測評研究——以PISA中國四地區為例[J]. 現代教育技術，2023，33（10）：86-97.

Learning in the Digital World： Competency Requirements and Nature of Process

—A Review of PISA （2025） LDW Assessment

SHOU Xin1， ZHANG Mengdie1， TAN Shuyu2， CAI Qiyong2

（1.Science Education Research Center， Chongqing Normal University， Chongqing 401331;

2.Chongqing Academy of Education Science， Chongqing 400015）

[Abstract] In the context of the digital transformation of education， where the utilization of digital technology in education is on the rise， digital learning has become normalized， and digital literacy has become a key competency， the digitalization of learning has become an inevitable trend in the future. The PISA Learning in the Digital World assessment framework has clarified the definition of "learning in the digital world" and focused on students' use of computational tools for problem-solving and self-regulated learning from a social constructivist perspective. It has also constructed a competency model， proposed a "four-stage" task model reflecting the nature of the learning process， and developed an evidence model that presents the "data-driven" process and the comprehensiveness of "student portfolio". The PISA Learning in the Digital World assessment demonstrates the characteristics such as interactive modeling， complex competency orientation， the focus on formative assessment， and the revelation of the nature of learning process， which will have a great impact on the cultivation and assessment of students' digital learning ability. Drawing on its concepts and experience will help to advance and improve the digital transformation of Chinese Adolescent Learning.

[Keywords] Learning in the Digital World; Educational Assessment; Digital Literacy; Problem-solving;PISA

DOI：10.13811/j.cnki.eer.2024.11.016

基金項目：2023年度教育部人文社會科學研究項目“科技自立自強目標下中小學生原始創新素養培育及支持服務體系研究”（項目編號：23YJC880092）