IPTR：教研新范式

中圖分類號：G434 文獻標識碼：A

教師是教育強國建設的第一資源，其專業發展水平直接關乎教育質量的提升。教研工作作為促進教師專業成長的核心機制，發揮著不可替代的作用。然而，長期以來，以經驗分享、LICC（Learning、Instruction、Curriculum、Culture）[1]范式等為代表的傳統教研活動，盡管在特定范圍內取得了一定成效，但普遍面臨諸如目標設定模糊、診斷過程主觀性強、反饋時效性不足、難以規模化滿足教師個性化需求等瓶頸問題[2-4]，已難以適應新時代對教師專業發展提出的更高要求。

隨著智能時代的到來，教育數字化轉型已成為全球趨勢。我國高度重視這一趨勢，并出臺了一系列重要文件指引方向。2018年的《關于全面深化新時代教師隊伍建設改革的意見》要求教師主動適應人工智能等新技術變革；2019年發布的《關于加強和改進新時代基礎教育教研工作的意見》強調要探索信息技術背景下的教研模式改革；《教育強國建設規劃綱要（2024—2035年）》更是提出要“以教育數字化開辟發展新賽道”在教師發展領域，這些政策共同指向一個核心問題：如何運用人工智能等新興技術，突破傳統教研在效率、規模與精準性上難以兼顧的困境，從而賦能教研體系，實現高質量、個性化與規模化的協同發展？

在此背景下，教育部教育技術與資源發展中心（中央電化教育館）（以下簡稱“資源中心\"）于2021年啟動了“智能研修平臺應用試點工作”。該項目旨在依托人工智能技術，探索構建一種新型教研范式——智能精準教研，以期深度賦能教師專業發展和區域教研創新。歷經四年（2021—2024年）的大規模實踐探索，該試點工作已覆蓋全國28個省（區、市）的108個試點區（縣）和276所試點學校，積累了豐富的實踐經驗和海量過程性數據。本研究正是在此基礎上，旨在系統回應前述核心議題，達成以下研究目標：

1.理論構建：基于試點實踐與相關理論，系統構建“智能精準教研”的理論框架，界定其核心內涵、基本特征及關鍵要素。

2.實踐提煉：總結并分析在四年試點中被驗證有效的智能精準教研實踐方法論，包括系統化的教學診斷方法、動態發展的教師畫像體系以及創新的教研活動與組織模式。

3.生態建構：提出支撐智能精準教研可持續發展的GEBUS多元協同生態系統模型，并探討其內在機制與文化重塑。

一、形態演進與理論基礎

（一）教研形態的演進：從傳統走向智能精準

從信息技術賦能教研變革的視角審視，我國基礎教育教研形態大致經歷了四個相互關聯又具明顯特征的階段（如表1所示）。

表1教研形態演進

1.傳統教研（20世紀中葉前）

這一階段主要形式包括面對面的聽評課和集體備課。這種方式便于直接的經驗交流和人際互動，但其局限性也很明顯，如評價標準主觀性強、過程依賴個體經驗、缺乏客觀數據支撐、反饋可能滯后且難以系統化[5]。雖然之后引入了課堂觀察量表等工具[以提升客觀性，但人工采集分析效率低下、數據維度單一的問題依然存在。

2.網絡教研（21世紀初）

依托互聯網技術，突破時空限制，衍生出虛擬教研室[]、教師工作坊[8]、在線實踐社區[9]等多種形態。其貢獻在于促進了資源共享、擴大了參與范圍、增強了交流便捷性[1]。然而，網絡教研并未從根本上解決診斷精準性、反饋個性化的問題，有時甚至流于形式或產生新的信息過載。

3.精準教研（約2019年）

隨著大數據、教育數據挖掘技術興起，以數據驅動為核心特征的精準教研應運而生。2019年胡小勇、林梓柔首先提出精準教研的概念，其進步在于強調利用多模態數據（如行為數據、評價數據）進行分析，為教學改進提供客觀依據[\"]，推動教研從“經驗主導”向“數據循證\"轉變。但精準教研在實踐中存在大部分研究都停留在理論層面、部分數據分析常停留在淺層描述統計、多模態數據融合分析能力不足、難以兼顧個性化支持與規模化應用等問題。

4.智能精準教研（約2021年）

本研究聚焦的智能精準教研，是在精準教研基礎上，通過人工智能（AI）技術的深度賦能實現的質的飛躍。智能精準教研概念首次由李陽、曾祥翊于2021年提出，其核心突破在于利用AI技術（如計算機視覺、語音識別、自然語言處理）對課堂教學行為、師生互動、課堂話語等多模態數據進行自動化、深度的融合分析[12]，構建人機協同的分析解讀與干預機制，將機器的計算智能與人類的教育智慧相結合[13][14]，致力于在技術平臺支撐下，實現個性化教師發展支持與規模化教研應用的有機統一。

盡管已有研究開始關注AI在教研中的應用，但現有文獻中，對于“智能精準教研”作為一個整體性概念的系統理論構建、基于大規模長期實踐驗證的有效模式提煉、以及支撐其可持續發展的生態系統研究仍顯不足。

（二）智能精準教研的理論基礎：多元理論的整合視角

智能精準教研并非單一理論的產物，而是建立在對多個相關理論的汲取、整合與超越之上，形成其獨特的理論根基。

1.技術整合理論。Puentedura的SAMR模型[15描述了技術整合的層次。智能精準教研不僅體現了替代和增強（如AI自動記錄行為數據替代人工觀察），更實現了修改（如異步、遠程診斷改變教研流程）和重新定義。AI的深度分析能力（如揭示隱藏的教學模式、預測潛在問題）從根本上重新定義了教學診斷與反思的方式，提供了人類觀察難以企及的視角與深度，這是對SAMR模型最高層次的實踐。

2.人機協同理論。Licklider“人機共生”的遠見[在智能精準教研中得以深化。這里的核心是“人機共創”（Human-AICo-creation），而非簡單的交互。AI作為強大的“認知伙伴”，承擔繁瑣、復雜的數據處理與模式識別任務，提供可視化證據和初步建議；而教師、教研員等人類主體則憑借教育經驗、教學智慧和情境判斷力，進行深度解讀、意義建構和最終決策。這種動態互補、智能增強的協作范式是智能精準教研區別于純技術驅動或純人類主導模式的關鍵。

3.循證教育理論。強調教育決策應基于最佳證據[17]。智能精準教研通過采集分析課堂過程性、多模態數據（行為、互動、話語、評價等），提供了比傳統研究更豐富、客觀、及時的教學“證據”。它將循證的理念從宏觀研究引人微觀的日常教研活動，推動教研診斷與干預從“經驗依賴\"轉向“多維證據支撐”，提升了教研的科學性與精準性。

4.教師發展理論。Kolb的經驗學習圈理論（具體經驗 $$ 反思觀察 $$ 抽象概念化 $$ 積極實驗）[18]為教師在實踐中學習提供了經典模型。智能精準教研構建的“備課上課 $$ 智能化教學觀察 $$ 數據驅動的診斷與反思 $$ 循證干預”閉環[19]，正是對該模型的智能化升級與具體化。AI工具極大地豐富和深化了“觀察、診斷與反思\"環節，多維數據使教師對自身教學（具體經驗）的理解更客觀、全面。

綜上，智能精準教研的理論基礎體現為一種整合性視角，它以技術整合理論解釋AI賦能的深度，以人機協同理論明確核心運行機制，以循證教育理論強調決策的科學依據，以教師發展理論錨定最終價值旨歸。這些理論相互交織，共同構成了智能精準教研的理論骨架。

二、智能精準教研的理論框架

基于前述對教研形態演進的梳理、核心理論基礎的辨析以及四年大規模試點實踐的深度反思，本研究嘗試構建\"智能精準教研\"（IntelligentPrecision TeachingResearch，IPTR）的理論框架。該框架旨在闡明IPTR的理論定位、核心內涵、基本特征及其內在邏輯，并揭示其關鍵教研要素的深刻轉型。

（一）理論定位

智能精準教研的理論定位超越了單純的“數據驅動\"或“技術賦能”。與側重利用數據改進教學決策的“精準教研”相比，智能精準教研更強調“人機協同”在數據分析與意義建構中的核心作用。它聚焦于解決教研活動中“精準性”不足的核心問題，并致力于破解“效率、規模、精準”的固有困境。從理論譜系看，IPTR深度融合了人機協同理論、循證教育思想、AI增強的經驗學習理論以及教育大數據理論，關注其在復雜教育系統中的運行，形成了一個獨特的理論綜合體。其本質可以概括為一種以數據循證為基礎、以人機協同為核心機制、以精準賦能教師個性化與規模化專業發展為價值旨歸的、自適應、開放性的教研新形態與生態系統。

（二）核心內涵

本研究將智能精準教研（IPTR）界定為：智能精準教研（IPTR）是教育數字化轉型背景下，以大數據、人工智能等新一代信息技術為支撐，通過數據驅動的智能感知、智能分析與人機協同診斷，旨在全面提升教學研究活動的數據化、智能化、精準化、個性化與規模化應用水平，進而重塑教師專業發展路徑、優化教育決策機制、并系統賦能教育高質量發展的新型教研范式與實踐體系。

為了將此理念付諸實踐，“資源中心”組織實施了“智能研修平臺應用試點工作”，旨在實踐IPTR這一新型教研范式。該試點工作在實踐層面，對智能精準教研給出了更具操作性的界定：在教育數字化轉型背景下，基于集成化智能研修平臺，對課堂教學行為數據、評價數據以及課堂話語等多模態數據進行智能采集、分析與綜合，通過可視化表征教師教學行為特征和教學能力水平，為教學診斷和教師畫像提供數據支撐，在教研大模型的支撐下實現人機觀察、診斷與干預協同的精準反思、精準幫扶、精準指導和精準監測，通過“數據化、智能化、精準化、個性化、規模化”協同構建智能精準教研模式和生態體系，實現個性化教研、常態化教研和規模化教研的有機融合，促進教師的高質量專業發展。比較而言，這一定義可視為在特定項目背景下對IPTR宏觀概念的一種具體化和可實施的闡釋。它明確了實施的技術載體（智能研修平臺）、聚焦的數據對象（課堂行為、主觀評價、話語數據）、關鍵的操作環節（智能分析、可視化、人機協同下的“四精”活動）以及“五化”協同的實踐目標（構建生態、融合多種教研形態），從而將頂層設計中的概念藍圖細化為實踐場域中可執行、可觀察的操作規程和預期成效，如圖1所示。本研究將在前述宏觀概念界定的指引下，結合并借鑒此操作性定義所揭示的實踐路徑與要素，展開進一步的探討。

圖1智能精準教研（IPTR）的核心內涵\"糖果\"圖

（三）基本特征及其內在邏輯：五位一體的協同互動1.數據化（Datafication）。以課堂教學全過程產生的多模態數據作為教研的核心證據來源，區別于傳統經驗依賴及早期精準教研側重于結果性或單一維度數據。這是實現精準的基礎前提。

2.智能化（Intelligence）。運用AI技術（行為識別、語音識別、NLP等）實現數據采集、分析處理乃至初步診斷建議的自動化與智能化[20]，極大提升教研效率和分析深度。這是實現精準與規模化的關鍵手段。

3.精準化（Precision）。核心在于人機協同下的精準診斷與干預[2I]。機器智能提供客觀數據與模式發現，人類智慧（教師、教研員）結合教育理論與教學情境進行深度解讀、歸因與專業判斷，實現超越單純數據或經驗的診斷精準性。這是IPTR的核心價值追求。

4.個性化（Personalization）。基于對教師個體差異（能力、風格、需求、發展階段等）的精準畫像與診斷，提供差異化的反饋、資源推薦與發展路徑規劃，支持教師的個性化反思與成長。這是精準化的具體落腳點。

5.規模化（Scalability）。借助技術平臺與標準化流程，能夠同時支持大規模教師群體的教研活動開展、數據分析與個性化服務[22]，突破傳統優質教研資源覆蓋面有限的瓶頸，實現優質教研機會的廣覆蓋與常態化。這是IPTR實現系統性影響力的保障。

這五個特征并非孤立存在，而是相互依存、相互促進。“數據化”是基礎，“智能化”是引擎，“精準化”是核心，“個性化”是目標，“規模化”是指歸。智能化的分析處理作用于數據化的證據，共同支撐精準化的診斷；精準化的診斷是實現個性化賦能的前提；而這一切又需借助技術平臺實現規模化應用，從而形成一個有機的整體。

（四）核心教研要素的轉型：動態交互的系統觀

IPTR的理論框架包含五個相互關聯、動態作用的核心要素：教研主體、教研證據、教研情境、教研模式、教研生態。在IPTR范式下，這些要素都展現出新的互動特征。

1.教研主體的多元化與協同化

傳統教研主體（教師、教研員、專家）關系相對固化，有時存在層級壁壘。IPTR則構建了一個包含教師（作為研究者和反思者）、同儕（作為學習伙伴）、教研員/專家（作為指導者和賦能者）、技術平臺/AI（作為認知增強的伙伴）在內的多元異質主體協同共同體。這種改變即體現了分布式認知和社會性建構的學習觀，又引入了人機協同的新維度，體現了AI不再僅僅是工具，而是參與意義建構的“類主體”。四年試點數據顯示，參與試點工作的教師參與率達 36% ，其中職初教師參與率達 42.98% 、骨干教師參與率達 27.50% ，教研員參與率達 45.67% ，名師工作室參與率達 45.98% ，新平臺的基于教研大數據的教研智能體也已經上線，形成了多元主體協同參與的新格局。

2.教研證據的循證化與多模態化

傳統教研高度依賴經驗與主觀判斷，證據形式單一且易失真。IPTR則將多模態數據（如智能研修平臺自動采集的教學行為客觀數據、同行/專家基于量規的教學質量評價的主觀數據、課堂話語實時轉錄的文本數據等）置于核心地位，構建了循證分析的框架。這不僅是證據形式的變化，更是認識論的轉變，強調教研決策應基于可觀察、可分析的多元證據。多模態數據的融合應用[23]，通過三角互證提升了教學觀察的全面性、診斷的精準性與改進的針對性。

3.教研情境的泛在化與融合化

傳統教研受限于固定的物理時空，組織形式較為單一。IPTR則依托智能研修平臺，構建了線上與線下融合、同步與異步結合、校內與校外聯通、開放交流與聚焦研討并存的泛在融合教研生態環境。這極大地拓展了教研的時空邊界，增強了靈活性、參與度和持續性。平臺不僅促進了跨越物理界限的學習共同體的形成與維系，而且支持了教研資源的開放共享與優質實踐的快速傳播。如試點學校通過平臺線上（或移動端）開展磨課活動、聽評課活動、優質課評選活動總覆蓋人數累計4.2萬，參與人數27.5萬人次，直觀體現了這一變革。

4.教研模式的數據驅動與迭代化

傳統教研流程相對固定、單向，反饋與改進環節可能脫節。IPTR則借鑒經驗學習圈理論和行動研究思想，并深度融入數據反饋機制，形成了“實踐（備課-上課）- 智能觀察與數據采集 $$ 人機協同診斷與反思 $$ 循證干預與改進 $$ 再實踐”的螺旋式迭代改進模式[24]數據在每個環節都發揮關鍵作用，驅動觀察、支撐診斷、指引干預、評價效果，使教研過程成為持續優化的動態系統。這種方式強調理論與實踐的緊密結合、基于證據的持續改進和教師作為研究者的主體性反思。如試點中形成的成都高新區“教研培”一體化智慧研修模式、徐州市礦山路小學“6sigma\"校本教研模式、淮西小學的“5A\"模式、楊亞伶名師工作室的“一心四環”教研模式等一大批區本、校本智能精準教研模式獲得了高度認可。

5.教研生態的系統化與協同化

智能精準教研不僅是一種教研方法，更需要一個完整的生態系統支撐其可持續發展。傳統教研生態往往存在條塊分割、資源壁壘、協同不足等問題，各主體間信息不對稱，合作動力不足。IPTR構建了一個包含政府（Government）、教研機構（Educational Institutions）、企業（Business）、高校（University）以及學校（School）的多元協同生態體系，簡稱“GEBUS生態”。這不僅是參與主體的擴展，更是生態關系與運行邏輯的根本變革。實踐數據顯示，與企業深度合作的區縣比例從2022年的44.9% 增長至2024年的 75% ，越來越多的高校如華中師范大學、揚州大學等參與到實踐中，成都高新區更是聯合多所高校、研究院與企業共同打造智能研修新生態。

三、智能精準教研的技術基座

智能精準教研的有效運行，并非僅僅依賴于先進技術的堆砌，而是構建在一個整合了人工智能、教育測量、數據科學等多領域知識，并與教育教學場景深度融合的社會-技術系統之上。該系統旨在為第二部分所述的理論框架提供強大的技術支撐，其核心技術環節包括多模態數據采集、數據分析與處理、可視化呈現、人機協同共創，并始終貫穿著對數據倫理與安全的考量（如圖2所示）。

（一）多模態數據采集：構建全面的課堂教學證據鏈

數據是精準的基石。智能精準教研的數據采集理論基于多模態學習與教育過程性評價思想，旨在全面、客觀、伴隨式地捕獲課堂教學的關鍵信息，解決傳統觀察“證據不足”和“證據片面性”的問題。核心數據類型包括：

1.課堂教學行為數據。理論基礎是課堂教學行為編碼與建模。平臺通過計算機視覺（肢體識別、人臉識別、位置識別）、語音識別等AI技術，自動識別并記錄師生在課堂中的關鍵行為及其時序。早期版本（如平臺V2.0）關注9種基礎行為（教師講授、板書、巡視、互動；學生聽講、舉手、應答、讀寫、互動）。平臺V3.0版本擴展至更細化的12種師生教學行為（如教師言語行為細分為講授、提問、反饋等），力求更精細地刻畫教學動態。

2.教學質量評價數據。理論基礎是課堂觀察理論與教育評價量規設計。聽評課教師（或同行、專家）通過平臺觀看課堂視頻（同步或異步），依據結構化的課堂觀察量規進行在線評價打分。量規的設計至關重要，應體現先進的教育理念和對優質教學的共識，并需經過信效度檢驗[25]。實踐中各試點單位設計了特色量規，如徐州市泉山區“小學語文素養課堂評價量表”等。數據的可靠性依賴于評價者的專業素養和對量規的理解一致性。

3.課堂話語文本數據。在平臺V3.0中新增話語分析維度，理論基礎是教育話語分析理論[26]。通過自動語音識別（ASR）和自然語言處理（NLP）技術，將課堂師生對話自動轉為文本，并進行結構化分析（如關鍵詞提取、提問類型分析、對話輪次統計等）。這為深入理解課堂交互模式、提問分析、語言運用特點提供了新的重要證據。

多模態數據的融合采集旨在構建一個更立體、更全面的課堂教學“數字鏡像”，但必須清醒認識到，這面“鏡子”并非完美無瑕，其反映的“真實”是經過技術棱鏡折射和選擇性的呈現。

（二）數據分析與可視化：讓數據說話，洞見教學規律

數據分析與可視化基于教育數據挖掘和教育信息可視化理論，旨在從海量多源數據中提取有價值信息并以直觀形式呈現，輔助用戶理解教學現象、發現問題、做出決策。智能研修平臺提供多種核心可視化圖表，包括教學行為分布圖/時序圖、課堂互動S-T曲線、教師教學風格Rt-Ch圖等，幫助教師反思課堂時間分配、師生互動、教學風格等問題。

平臺還提供學生行為變化曲線（參與度、表現度、關注度）、教學能力矩陣圖/雷達圖、課堂話語分析（詞云圖、提問類型分析、師生對話分析）等多種可視化工具，幫助教師了解學生學習狀態、自身教學優勢與待改進領域，以及反思課堂用語準確性、提問啟發性（對話長短分布）和對話深度廣度（“四何\"問題分布）等。

（三）人機協同與優勢互補：智能精準教研協同機制

當然，任何數據圖表都只是對復雜教學現實的簡化表征，而非事實本身。有效的解讀絕不能脫離具體的教學情境和教育理論。智能分析結果應被視為“提示”而非“結論”，是激發反思的“催化劑”而非最終的“判決書”。人機協同是智能精準教研區別于純粹技術驅動或人類主導模式的核心機制。其實質是在教研任務中，實現人類的領域知識、情境理解、價值判斷與機器的計算能力、數據處理、模式識別優勢互補、協同增效。

1.觀察協同。機器（AI）負責全面、客觀、不知疲倦地捕捉和記錄多模態數據；人類（教師/教研員）則基于專業經驗和教學目標，進行有焦點、有深度的觀察，并對機器記錄的數據進行意義解讀。

2.診斷協同。機器基于算法提供數據驅動的問題初步定位（如“講授時間占比過高”“學生互動頻率偏低”）；人類則結合具體情境、學生反應和教育理論進行深度歸因分析，做出專業判斷（如“講授時間長是因為內容難點需要細致講解”或“互動少是因為問題設計缺乏啟發性”）。

3.干預協同。機器可基于教師畫像和問題診斷，智能推薦相關的學習資源、教學策略或優秀課例；人類則結合教師的個體差異、發展意愿和現實條件，提供精準的指導、情感的支持和個性化的發展規劃[27]

實現有效的人機協同，需要持續的技術優化（提升AI的“智商”和“情商\"），更需要加強對人的賦能（提升教師的數據素養和協同能力）。同時，確保技術是賦能而非取代教師，尊重教師的專業自主權和情感需求。技術的持續發展需要迭代優化，更需要與教育實踐的深度融合，確保技術真正服務于教研質量的提升和教師的專業成長。

四、智能精準教研的實踐方法

智能精準教研不僅是一種理論范式，更是一套在四年大規模試點實踐中生成、驗證并不斷優化的實踐方法論體系。它將第二部分所述的理論框架具體化為可操作、可推廣的實踐路徑，體現了IPTR如何重塑傳統的教研活動方式。本文從四年的試點實踐工作中提煉出系統化的教學診斷方法、動態發展的教師畫像體系以及創新的教研活動與組織模式。

（一）系統化的教學診斷方法論：從經驗判斷到循證診斷的升華

教學診斷是撬動教學改進的關鍵支點。IPTR對傳統診斷（常依賴個人經驗或單一視角）進行了深刻改造，形成了一套更具協同性、科學性、循證性和迭代性的方法論，旨在實現對教學問題的深度理解與精準定位。

1.診斷主體的協同性：構建“四位一體”的多元解讀共同體

診斷主體協同的核心在于克服單一主體的認知局限。實踐中構建了主講教師（自診反思）、同儕教師（互診借鑒）、教研員/專家（專診引領）與智能平臺（數據賦能）“四位一體”的診斷共同體。平臺提供的共享數據成為不同主體有效對話的“通用語言”和“循證焦點”。這種結構的核心價值在于不同主體優勢互補，從而實現對教學問題更全面、深人、平衡的理解[28]

2.診斷過程的科學性：遵循“循證探究”的系統化流程

診斷過程科學性體現在將其結構化、規范化，提升邏輯性、嚴謹性與可重復性。實踐中普遍形成了“定位問題（基于數據發現異常） $$ 分析原因（結合情境回溯探源）$$ 反思研討（多元主體循證對話） $$ 提出改進建議（具體可行且可追蹤）”的系統化診斷流程，如徐州市的“智能精準教研五步診斷法”，該流程強調問題定位基于證據，原因分析多維歸因，反思研討強調對話，改進建議強調行動導向與追蹤，內嵌持續改進的循環迭代機制。

3.診斷依據的多維性：實現“數據、經驗與理論”的三角互證

診斷依據多維性旨在轉變傳統診斷依賴經驗的模式，確立以多維證據為核心的循證決策依據體系。實踐模式整合了多個維度，包括基于AI的客觀行為/話語數據分析結果，基于標準化量規的同行/專家主觀質量評價，結合教學設計、教材分析、學生反饋等情境信息的深度解讀，以及參照相關教育理論與學科教學知識的專業判斷。通過數據、經驗、理論的三角互證，顯著提升了診斷結論的信度和效度，例如成都高新區的“課堂循證三診斷”模式就體現了這種綜合運用。

（二）教師畫像構建與應用體系：深化理解，賦能成長

教師畫像是IPTR中理解教師差異、促進其個性化發展的重要方法論工具。它超越了傳統評價的靜態、總結性局限，提供了一種多維、動態、發展性的視角。

1.畫像的理論內涵與價值

畫像的本質利用多源數據（行為、評價、話語、成果、背景等）對教師專業特征（知識、能力、行為風格、發展需求等）進行的可視化、模型化表征[29]。其核心價值體現在從“評價”轉向“理解”，實現對教師的“精準認知”，為后續“精準賦能”奠定基礎。相較于評分或等級，畫像更側重揭示個體的獨特性、描繪發展軌跡、診斷潛在優勢與短板，具有重要的認知、診斷、發展與管理價值。其動態性體現在能追蹤教師變化，發展性體現在服務于持續改進。

2.畫像類型與構建方式

試點實踐探索中形成了兩種不同需求的畫像類型體系，成長畫像與群體畫像。成長畫像聚焦于教師個體的縱向發展歷程。它通過在一定時間跨度內持續追蹤并整合同一位教師的多維度數據變化，揭示其穩定的教學風格、持續的改進努力與發展軌跡。成長畫像的核心價值在于其形成性與發展性，它不僅旨在識別教師相對穩定的教學風格、優勢領域與潛在的知識/技能短板，更著力于揭示其在專業發展道路上付出的持續努力、取得的具體進步以及可能的發展趨勢與軌跡。群體畫像描繪特定教師群體的共性特征與差異分布[30]，這里的“群體”可以依據多種維度界定，如特定學科、特定地域或特定研修項目。群體畫像旨在揭示該集體在教育理念、教學行為偏好、專業能力構成、面臨的普遍困境與挑戰等方面的共性特征、內部差異性以及與參照標準（如區域平均水平“常模”、專家標準）的對比情況。它能夠為區域或學校層面的師資隊伍建設現狀提供客觀的“全景圖”或“雷達掃描”，精準定位群體性的優勢與短板，從而為制定科學的教師培訓規劃、優化教研活動組織、均衡配置教育資源提供強有力的數據支撐。

2024年區域畫像顯示，泉山區智能研修平臺用戶以年輕本科教師為主，輔以資深教師，使用動機主要為解決教研實際問題。用戶普遍認可平臺價值（“精準”“智能”“高效”），常用功能為備課與聽評課，教學行為統計等工具受青睞。區域趨勢顯示課堂“教師主導時間”趨穩，混合型課堂增多，教學趨向多元互動。教師評課能力隨平臺使用提升，評價趨于一致，但也需關注學科差異對量表適用性的影響及區域內學校表現差異。以W老師為例，成長畫像顯示教師依托平臺實現了顯著進步：課堂互動從教師主導轉為師生深度互動，教學方法更多樣；課堂話語更有序且具引導性；提問策略從低效轉向高質、高思維層級；課堂結構更優化，內容、形式、流程、氣氛均有改善。主客觀評價同步印證了成長，評分上升，同行評語從指出不足轉為積極肯定，反映了平臺對教師教學能力提升的有效促進作用。

（三）教研活動的創新：行動邏輯、實踐形態與組織支撐

IPTR催生了教研活動模式與組織形態的創新，這些在實踐中被證明行之有效的模式，本身也構成了其方法論體系的重要組成部分，體現了理論在實踐層面的多樣化呈現。

1.教研行動模式

試點中涌現的各類活動，其底層邏輯可歸納為三種相互關聯的行動模型：（1）循環發展模型，基于經驗學習圈理論，強調“實踐—數據觀察—反思診斷一改進提升一再實踐”的螺旋式上升，體現了持續改進的方法論；（2）場景化實施模型，強調將教研活動嵌人真實的教學場景（如常態課、研究課），聚焦解決教學中的真問題，體現了情境學習和問題本位的原則；（3）問題驅動模型，以識別和解決教師/群體面臨的核心教學難題為導向組織系列教研活動，體現了行動研究的核心思想。

2.教研創新模式

實踐中形成了兩大類模式。一是賦能型模式，在現有教研框架（如備課、聽評課）內，深度融人智能技術優化關鍵環節，提升效能。例如，泉山區“三備兩研一反思\"模式利用平臺進行數據化備課與反思，淮西小學“5A”模式利用平臺實現隨時隨地的觀評課。此類模式體現了漸進式改良的方法論。二是超越型模式，重構教研流程與結構，創造出全新的教研形態。例如，成都高新區“基于證據的智慧研修模式”整合了診斷、畫像、指導、評價全流程。此類模式體現了突破式創新的方法論。在試點工作中， 50% 的區（縣）構建區本智能精準教研模式、 54.21% 的學校構建校本智能精準教研模式。

3.教研組織模式

伴隨活動模式創新，組織模式也發生變革，走向開放、協同、網絡化。（1）從集中到分布式：利用技術平臺實現隨時隨地、線上線下融合的靈活參與，體現了彈性化、網絡化的組織原則；（2）從單一到多元協作：構建多方參與（教師、教研員、專家、技術人員）、協同共治的教研共同體（如“三段七步”聯校智能精準教研模式），體現了系統性、合作性的組織思想；（3）從封閉到開放共享：推動跨校、跨區域資源（課例、報告、量規等）流通與經驗交流（如區域教研聯盟、平臺資源庫），體現了生態化、共享化的組織理念。

五、智能精準教研的生態系統

智能精準教研并非孤立的技術應用或單一的教研活動，其有效運行和可持續發展，高度依賴于一個多元主體協同、機制健全、文化適宜的教研生態系統。缺乏健康的生態支撐，IPTR可能僅是曇花一現的“盆景”，難以成為促進區域教育高質量發展的“風景”。本研究基于試點實踐，對GEBUS模型進行了擴展與深化，提出了GEBUS多元協同生態系統的理論模型，并分析了其內在機制及必要的文化重塑。

（一）GEBUS多元協同生態系統

1.GEBUS主體角色闡述

借鑒并擴展GEBUS 模型[31]，我們將IPTR生態系統的核心主體及其關鍵角色功能定義為：政府（G-Govermment）：宏觀規劃、政策創設、經費投入、標準引導、環境營造；教研機構（E-EducationalInstitutions）：專業引領、標準研制、區域統籌、師資培訓、質量監控；企業（B-BusinessEnterprises）：技術平臺研發與迭代、運維服務保障、技術創新支持、應用培訓協同；高校（U-Universities）：前沿理論供給、研究方法支撐、高端人才培養、效果評估研究、創新模式探索；中小學校（S-Schools）：實踐主陣地、模式創新應用、校本研修組織、教師發展基地、需求反饋源頭，相關的教師或研究者是實踐最終執行者、反思者、研究者、創新者，是生態系統活力的源泉與最終受益者。

2.GEBUS運行機制與邏輯

GEBUS權責關系與互動機制體現在生態系統的健康運行依賴于清晰的權責劃分、順暢的互動機制（縱向聯動、橫向聯通）和健康的共生邏輯。構建健康的GEBUS生態系統，對于IPTR從試點走向規模化、常態化和可持續發展至關重要。它能有效整合多元資源（政策、資金、技術、人才、智慧），克服單一主體局限，促進跨界創新與知識流動，構建長效運行與推廣機制。如試點中 60% 的區縣制定了智能精準教研的政策支持文件、 75% 的區（縣）和 87% 的學校制定應用試點工作整體規劃方案、 58% 的區（縣）和 33% 的學校制定了支持智能精準教研的經費保障制度、 98% 的區（縣）已經建設了智能精準教研支持環境、 75% 的區（縣）、 38% 的學校與企業開展深度合作、 25% 的區（縣）與高校開展合作。

3.GEBUS協同運行中的問題及解決路徑

GEBUS在試點實踐中也遇到一些協同障礙，針對這些問題，我們總結了相關問題的解決路徑，

第一，主體協同障礙問題。主要表現為校企合作目標不一致，教育注重公益性而企業追求商業利益；高校研究與一線實踐需求脫節；教師參與被動化。對于該問題有效的解決路徑是建立利益協調機制，平衡各方訴求。徐州泉山區實施“政府購買服務結合企業技術賦能”模式，解決了公益性與商業化矛盾；高校設立“一線教研問題庫”，讓研究源于實踐，如揚州大學與試點區的“需求—研究一應用\"閉環模式；激勵教師參與可將智能精準教研與職稱評定、績效考核掛鉤等。

第二，資源配置不均問題。主要表現為不同區域、學校間技術基礎、經費投入、人力資源差異顯著。解決這個問題的關鍵在于實施梯度發展戰略，根據區域和學校發展水平分層推進。構建聯盟共享模式，如江蘇省泉山區創建的區域教研聯盟，通過“強校帶弱校”結對幫扶機制，使優質資源共享流動。

第三，可持續性隱憂問題。主要表現為過度依賴項目經費或特定領導推動、平臺運維升級成本高、教師長期參與動力不足。為了解決這個問題，需要強化制度化保障，將智能精準教研納入教育常規工作，部分學校發布智能精準教研常態化實施辦法來確保了工作連續性。通過示范引領、成果應用，培育教師內生動力。如在三年的試點工作中，我們一共打造了22 個領航試點工作區、33所領航試點工作校、41個創新應用團隊、32名卓越教研員及88名卓越教師，大大提升了教師的參與積極性。

（二）教研文化的重塑與創新

1.從經驗依賴到循證探究文化

其核心轉變在于倡導“用數據說話、憑證據改進”，教研決策更多基于客觀分析而非個人感覺或資歷權威。如聽評課從“印象式\"轉向“數據式”。培育這種文化需要克服教師對數據的“焦慮感”或“不信任感”；提升全員數據素養（不僅是技術操作，更是解讀與應用能力）；建立鼓勵使用數據的激勵機制。同時要警惕“唯數據論”傾向，強調數據必須與教育經驗和專業智慧相結合。

2.從封閉保守到開放、協作、共享文化

借助技術平臺和生態構建，打破校內、區域壁壘，推動形成開放、協作、共享的新型教研文化[32]。開放體現為資源流通與邊界拓展；協作體現為多元主體平等對話與團隊攻關；共享體現為成果便捷獲取與經驗高效傳播。同時，需要打破制度性障礙（如評價體系對個體競爭的強調）；克服“教會徒弟餓死師傅”的保守心態；建立信任機制和知識產權保護機制；營造心理安全的交流氛圍，鼓勵教師分享真實的困惑與嘗試，如試點中“泉山課例共享”等實踐就是積極的探索。

3.從被動接受到主動探究與創新文化

IPTR要求教師成為自身實踐的研究者和改進者，主動利用數據和工具進行反思與探究，勇于嘗試新的教學策略。但也需要改變“等、靠、要”的習慣；激發教師的內生動力和專業自主性；提供試錯空間和容錯機制；將教研與教師的真實需求和專業發展路徑緊密結合。

六、結語

“智能研修平臺應用試點工作”依托不斷迭代升級（從V1.0至V3.0）的智能研修平臺，在全國28個省的眾多區域和學校（“百區千校”）中推廣“智能精準教研”的新理念。在智能精準教研的理論框架的指導下，構建“政-企-校”協同的GEBUS智能精準教研體系，通過行政推動、專家引領、平臺升級、廣泛培訓和示范創新等一系列措施，探索出集智能化、精準化、規模化與個性化于一體的教師專業發展新范式，并成功培育了一批領航單位和個人，積累了寶貴經驗，為平臺的規模化應用奠定了堅實基礎。另一方面，四年的試點周期雖長，但對教師專業發展產生的長期、深遠影響，以及對教師職業倦怠、專業自主性、數據隱私與倫理風險等潛在負面效應的全面評估，尚需更日后長時間對IPTR開展追蹤研究。

參考文獻：

[1]

[6]崔允.論課堂觀察LICC范式：一種專業的聽評課[J].教育研究，2012，33（5） ：79-83.

[2]

[5]王曉芳.校本教研的現狀、困境與路徑[J].教學與管理，2017，（28）：33-36.

[3]李淼浩，曾維義.基于數據的校本教研助力教師專業發展研究[J].中國電化教育，2019，（4）：123-129.

[4]韓江萍.校本教研制度：現狀與趨勢[J].教育研究，2007，（7）：89-93.

[7]李海.虛擬教研活動的個案研究及啟示[J].中國電化教育，2009，（1）：85-87.

[8]張思，劉清堂等.認知學徒制視域下教師工作坊研修模式研究[J].中國電化教育，2015，（2）：84-89.

[9]楊卉.教師在線實踐社區研修活動設計——以同儕互助網絡研修活動為例[J].中國電化教育，2011，（9）：43-48.

[10]馬立，郁曉華等.教師繼續教育新模式：網絡研修[J].教育研究，2011，32（11） ：21-28.

[11][29]胡小勇，林梓柔.精準教研視域下的教師畫像研究[J].電化教育研究，2019，（7） ：84-91.

[12][31]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.

[13］穆肅，陳孝然等.教師專業發展視域下智能教研平臺功能分析[J].現代遠距離教育，2024，（2）：23-32.

[14][20]劉清堂，何皓怡等.基于人工智能的課堂教學行為分析方法及其應用[J].中國電化教育，2019，（9）：13-21.

[15]PUENTEDURA RR. SAMR-A research perspective[EB/OL].http：//hippasus.com/rrpweblog/archives/202O/01/SAMR_AResearchPerspective. pdf，2024-08-05.

[16]LICKLIDERJCR.Man-computer symbiosis[J].IRE transactions on humanfactorsinelectronics，196O，（1）：4-11.

[17]ARTHURJ，DAVISONJ，PRINGR.EducationMatters：6O yearsof theBritishJournal of Educational Studies[M].London：Routledge，2O12.191-202.

[18]KOLB A Y，KOLB D A.Learning styles and learning spaces：Enhancingexperiential learning in higher education[J].Academy of management learningamp;education，2005，（2）：193-212.

[19][24]張思，張津銘.數字循證教研：內涵、理念與推進路徑[J].中國遠程教育，2024，44（9）：54-64.

[21][25]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.

[22][30]孫發勤，許曉曦等.智能精準教研背景下教師群體畫像實踐研究[J].中國電化教育，2024，（10）：112-119.

[23]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，（11）：114-120.

[26]宋宇.課堂對話領域研究熱點與前沿趨勢探究[J].全球教育展望，2020，49（12）：27-40.

[27][32]陳鋒娟，章光瓊等.精準教研的內涵特征、價值取向與發展路徑[J].中國遠程教育，2024，44（3）：68-78.

[28]鄭欣欣，曾媛等.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——基于定性比較分析方法[J].中國電化教育，2023，（10）：111-119.

作者簡介：

孫發勤：副教授，碩士生導師，研究方向為教育大數據、教育數據挖掘與學習分析。曾祥翊：研究員，博士，研究方向為教育信息化理論與應用、教師專業發展信息化。馮銳：教授，博士生導師，研究方向為新媒體開發與應用、教育信息化建設、學習科學與技術設計。