數據循證賦能學習設計的系統模型與關鍵過程

[中圖分類號]G434 [文獻標志碼]A

一、引 言

“學習設計\"（LearningDesign）概念指向一系列有計劃的設計行為，通過“在特定背景下應用方法、資源和理論框架來實現特定的教學目標\"，同時“記錄了學習任務和教學方法的順序\"2，具有可重用性和可轉移性等特征，與技術增強研究領域密切相關。伴隨著循證教學改進的需求轉向與教育技術發展，學習分析（LearningAnalytics）研究正式出現，可定義為“學習分析就是測量、收集、分析和報告學習者及其學習情景的數據，了解和優化學習及其發生的情境，并強調將教育數據轉化為對實際行動的調節，促進學與教的優化\"，經過多個階段的研究迭代，學習分析由單純的“技術研究取向”逐步轉向融合學習設計的“設計分析研究取向”，旨在支持并服務于學習設計的目標向度。同時，數智屬性成為人類社會文明進程中的時代應然，基于豐富的教育數據和人工智能的智能特性揭示新的教育規律、探討既有規律對于教育實踐所具有的新作用形式正在成為教育研究的新需求。由此，智能技術支持下的學習分析能夠為建立完整的學習數據驅動鏈提供強有力支撐，從而推動學習設計走向循證。實現數據循證賦能學習設計的本質價值是什么？如何洞悉學習設計與學習分析深度融合的具體樣態？教師如何能夠在具體課堂教學中踐行循證學習設計行動？這些問題亟待進行探索與解決。但是，就當前研究而言，尚且缺乏對于學習分析與學習設計深度交互機制的整合性探討，同時難以從教師行動視角來支撐教師循證學習設計實踐。

因此，本研究在澄清數據循證賦能學習設計價值的基礎上，以完整的教師學習設計行動為界線，系統構建了數據循證賦能學習設計系統模型以及落地的關鍵過程，為教師適應數智化時代教學變革提供操作指引。

二、數據循證賦能學習設計的三重價值意蘊

智能時代學習設計創新的關鍵特征之一是數據驅動的學習設計循證決策支持，即“以教學實踐為基礎、以數據證據為導向的持續性創新和迭代發展\"。以數據循證賦能學習設計，學習設計本身實現了基于循證改進的決策閉環，進而通過個體學習分析提供個性化學習支持，逐步促進學生深度理解，同時，作為支持教師探究學習的路徑推進教師專業發展。

（一）學習設計視角：打通學習設計閉環，實現循證改進

學習設計研究者認為，設計的學習活動與學生投入的學習活動不同。前者是設計者的預期，關注的是“為了什么而設計”；后者是“學習者完成設計任務時正在經歷什么\"。完整的學習設計應當同時關注這兩點。以往學習設計研究集中在“概念化學習設計原則，而沒有評估設計過程之后會發生什么\"，導致教師理想化地認為“設計即有用”，設計與評估、設計與再設計之間存在阻隔，學習設計脫離學生學習實效，成為“空中樓閣”。而數據循證通過源于真實學習情境的學習數據驅動實現了對學習設計的轉變，打破了“設計即有用\"的迷思，轉向“有用而設計”，以實際效度決定學習設計走向。在這一過程中，學習分析支持學習設計完成對實際學習活動的洞察，形成由數據驅動的“設計一實施—評估—再設計”的循證決策閉環。至此，學習設計轉化為動態聯結教與學的“切實之舉”。

（二）學生發展視角：聯動個體學習分析，促發深度理解

數智化時代，對知識的深度理解已經代替淺層的知識獲取成為新的學習要求[1，新的學習要求帶來了學習設計變革的需求—回歸學生視角。“與其他設計職業如建筑學、工程學和繪畫藝術學一樣，教育設計者必須考慮到他們的‘顧客'的需要\"，即根據學生個體的真實學習變化進行針對性的學習安排，有意識地引導其由符號世界向意義世界走去。然而，基于教師經驗的傳統學習設計缺少對學習的個性化分析，較難對知識理解程度作出判斷，逐步偏離服務學生學習的教學本質。數據循證賦能的學習設計則聯動學習分析適應了這一變革需求，通過采集、處理、解讀學習數據，對個體學習行為進行持續化解構，構建個性化的學習者畫像與學習反饋全貌，教師不斷依據源于個體的真實性學習證據對學習體驗進行“靶向\"干預和引導，提供適宜的、個性化的學習支持，由此才可能促發學生對于知識的深度加工，最終走向對知識的深度理解。

（三）教師成長視角：支持教師探究學習，推進專業發展

教師對學生學習的探究（TeacherInquiryofStudentLearning，簡稱TISL）已經形成了一種教師學習和專業發展的形式[。為了使學習分析能夠促進學習設計過程，教師需要基于自己的教學實踐，以有意義的方式理解和使用學習分析[13]。數據循證賦能的學習設計將“經驗性備課和標準化的授課過程\"轉變為教師主導的、基于探究的動態實踐過程，給予教師發展空間，為支持教師探究，推進專業發展提供了可靠的路徑，有利于實現角色轉變。一方面，作為學習設計師，借助真實的學習數據觀測學生的學習過程，在數據的解讀過程中探索學習設計與學習效果之間的內在聯系，在優化改進學習設計的過程中挖掘并洞察學習規律;另一方面，作為學習設計研究人員，在洞察學習規律的基礎上持續應對學習設計的多元挑戰，探索學習設計的隱性知識與實踐框架，培養專家思維與專業成長內部動機，逐步完成向專家型教師轉變的身份構建。

三、數據循證賦能學習設計的系統模型建構

數據循證賦能學習設計的關鍵問題在于如何基于數據驅動實現學習設計與學習分析之間的深度交互？基于此問題，本研究建構了數據循證賦能學習設計的系統模型，命名為“Data-EDT”，如圖1所示。通過“證據系統”（EvidenceSystem）、“學習設計系統”（LearningDesignSystem）、“智能技術系統\"（IntelligentTechnologySystem）三重系統交互作用以展現學習設計與學習分析的動態關系。雅尼斯·迪米特里亞迪斯（YannisDimitriadis）指出，基于“支持學習的設計”（DesignforLearning）理念的學習設計環路包含“學習設計概念化、編輯、應用三個關鍵環節\"4，研究基于數據驅動理念對此學習設計環路進行重組，將學習分析分別納入設計過程兩端形成包括“設計診斷—設計過程及實施一設計評估”的完整學習設計系統，同時納入證據系統和智能技術系統為嵌人雙向數據驅動，促進學習設計循證改進提供可用的支點。

（一）證據系統：通過數據流通，形成推動學習設計由經驗主義走向循證主義的引擎

“證據系統\"作為數據流通層，整體展現學習數據的雙向流通場景，是循證學習設計理念的核心表征。該系統以“學習設計形成前\"和“學習設計實施后”為劃分階段，分別構成“學前\"設計證據與“學后\"設計證據，二者在動態融合中構成了循證學習設計的“設計證據集”，表明了如何能夠持續性實現證據更新以支持學習設計系統的循環改進，是推動學習設計由經驗主義走向循證主義的引擎。

1.“學前\"設計證據：構成學習診斷與預估

在當輪學習設計開始前，通過對學習者進行預診斷而形成學習者畫像，對應學習設計系統的“設計診斷\"階段。“學前\"設計證據是對學習者先驗學習水平的檢驗、分析與判斷，把控學習者原有學習能力與目標之間的距離，從而初步考量學習設計的復雜程度，形成輔助當輪學習設計的設計支架，便于教師對總體設計進行預估，以防學習設計超出學習者的“最近發展區”，形成知識深度理解的阻礙。

2.“學后\"設計證據：實現設計檢驗與改進

當輪學習設計實施后，對學習數據進行深度解讀，基于新的證據形成新的設計路徑，對應學習設計系統的\"設計評估\"階段。“學后\"設計證據是對學習者的學習過程及結果的評估，將學習分析與學習設計有效聯結，精準判斷學習設計與學習體驗之間的差距，進而檢驗出學習設計的實際效度；同時，作為設計循環迭代的原動力，為下一輪學習設計改進與優化提供數據驅動的方法論指導，賦能教師改善設計細節，探尋設計優化路徑，支持學習設計成為科學化的循證決策閉環。

（二）學習設計系統：承載數據動能，促發學習設計與學習分析之間的深度交互

“學習設計系統\"是整個循證學習設計的主體環路，在承載數據動能的基礎上系統體現學習設計與學習分析之間的深度交互作用，揭示數據循證賦能學習設計的生成邏輯。以數據驅動為內在特征，整個系統分化為“設計診斷”“設計過程及實施”“設計評估”三個貫連的設計階段，在數據流出與證據流入的動能轉化中構建了整合的循證學習設計環路

1.設計診斷

“設計診斷\"承載的功能在于，基于“學前\"設計證據對具體教學情境展開前期分析與探究，為之后的設計過程指引設計方向。基本流程為：（1）設計前測，根據預期教學目標與內容等選取合適的前測方式，對學習者的先驗學習水平展開測試；（2）收集數據，系統科學地收集測試數據，并排除無效數據；（3）學情診斷，通過對各類數據進行整合分析，建立有關學習者學情的診斷報告；（4）前期分析，在學情診斷與學習設計之間建立聯結，通過分析與探究，形成支持學習設計進一步概念化的“學前\"設計證據，為進人下一設計階段作好前端工作準備。

2.設計過程及實施

“設計過程及實施”是整個學習設計系統的核心階段，依靠證據系統實現循環迭代，由“概念化”“編輯\"與“實施\"三個階段組成。經歷前期分析之后，教師進入學習設計概念化階段。學習設計必須先被概念化，然后才能被用作一個過程，從而產生明確和可共享的學習設計輸出[，需要對學習設計展開理論分析，建立設計理論框架，包括“分析教學情境、定義學習目標、確定學習活動模塊、反思設計支持學習的哪些內容，如何加以設計\"等。其次，進入編輯階段。編輯是生成學習設計的完整定義的過程，其中包括學生打算遵循的活動流程和相關資源。基于概念化階段的設計思考，教師對學習設計展開詳細描述，這些構想形成了學習設計的原型，產生學習設計產品。最后，進入學習設計的實施階段，依據真實學習情境展開設計原型的具身化分析，并進入設計的具身化實踐，以發揮學習設計對學習的支持性作用。

3.設計評估

“設計評估\"用以檢驗、判斷設計實際效度，也是學習設計依靠數據驅動形成循證閉環的關鍵環節。學習數據流入后，在學習分析方案指導下完成系統的數據轉化，建立學習過程的反饋全貌，產出“學后\"設計證據，證據回流到設計系統的上一階段，為循環迭代提供持續性動力。

學習分析需要集成到學習設計中，但是學習設計不應僅僅因為學習分析在數智化學習環境中可用而盲目引入學習分析，而應仔細考量納入學習分析的目的及其在學習設計中與特定目標和任務相關的作用。由此凸顯了“學習分析方案\"的重要性，其基于學習設計理論框架而形成，用以指導設計評估過程，能夠有效解決學習分析難以支持學習設計決策的問題，包含數據采集方案、數據處理方案、數據解讀方案以及數據應用方案（見表1），有助于識別數據痕跡和學習結果之間是否產生有意義的模式和關聯。

那么，在學習分析方案支持下，數據轉化為設計證據經歷了怎樣的過程以驅動學習設計走向循證改進？曼迪納契（Mandinach）等提出“從數據到知識的連續體”模型作為數據驅動型決策——DDDM（Data-DrivenDecisionMaking）的實踐模式[18]，具體展現如何將數據轉化為信息，并最終轉化為知識的連續性過程。以該模式為引領，將數據轉化過程進一步聚焦于學習設計層面，產生了由“設計數據—設計信息—設計知識一設計證據\"構成的學習設計評估連續體（見表2），逐級體現學習數據的抽象化過程，最終指向學習數據的最高階形態一設計證據。該連續體是一個雙向流通的迭代過程，而非簡單線性過程，在進入下一形態后，教師可根據實際評估需求隨時返回任一形態進行反向求證，不同形態之間通過交叉互證提升了設計證據的科學性，進而保障其有效支持學習設計決策。

表1

學習分析方案的特征描述

（三）智能技術系統：依托技術賦能，形成發揮數據動能的外部支持條件

智能技術擴展了循證教育的研究邊界，作為當代循證教育局限性的現代解決方案，使教育更接近“個性化\"愿景[9]。“智能技術系統\"是循證學習設計得以有效發揮數據動能的支持條件，分別以智能預診斷、智能支持與服務、智能評估與改進作為技術底托，支撐“學習設計系統\"科學運行，同時促進證據系統的科學化生成，為學習設計與學習分析實現深度交互作用奠定技術性保障。

1.學習設計的智能預診斷

“智能預診斷\"利用智能技術對學習者進行個性化建模，用以支持設計診斷，對學習設計用戶形成預估，減少設計盲點，提升精準性。由于循證意識缺乏及技術限制等因素，教師難以借助技術對設計進行科學的預診斷，導致學習設計“困頓\"于學習之外。當前，新一代智能技術已促發教育變革，這一設計局限將實現扭轉，體現為“關注學習者知識、認知、情感、交互等方面的發展狀況，利用知識圖譜、認知診斷、情感計算、場景感知等技術，實現對學習者的深層次建模分析\"[20]。通過這種深層次的設計診斷，學習者的個性學習特征得到了更多元的挖掘，充分利用了數據之間的互補性，深化且豐富“學前\"設計證據的內容向度，為教師初步構建適宜的學習設計提供證據支持。

2.學習設計的智能支持與服務

“智能支持與服務\"在設計過程及實施中，使用學習設計工具以及學習工具，依據教師需求和學習需求分別對設計本身以及學習過程提供支持，一方面，有效引導教師適應學習設計環路并展開設計創新；另一方面，則為學習者深入理解知識創設腳手架，降低認知資源負荷。在設計層面，研究者普遍認可現有的學習設計工具應為設計過程的所有階段提供支持，并且已經產生了大量可用的研究成果，例如，OpenGLM[21]和WebCollage[22]發揮著為設計提供更高的靈活性、搭建共享性社區等功能，教師需要轉變學習設計的思維方式，以開放性、探究性思維來積極適應智能技術帶來的學習設計改變。在實施層面，適宜的智能學習工具能夠顯著提升學習設計的實際效度。在匹配學習設計的基礎上，教師需協助學習者靈活利用智能學習工具，將認知能力的不足外包給智能技術、智能系統從而幫助學習者實現深度學習[23，滿足多樣化學習需求。

3.學習設計的智能評估與改進

“智能評估與改進\"使用學習分析技術、大數據技術、AI技術等支持學習數據的采集、處理、解讀以及應用這一連續的評估過程，降低教師設計評估的心理畏懼與操作難度，輔助教師基于可靠的結果進行下一步設計實踐。其中，學習分析技術占據核心，通過采集、分析學習者學習過程中及學習評估后產生的全方位數據，有效支撐教師開展數據支撐的動態學習設計[24。目前，應用較多的學習分析技術包含面向學習全貌的“多模態學習分析技術”面向學習周期的“時間序列分析”面向交互學習的“社會網絡分析\"等。合理利用技術將助力學習數據的挖掘與深度使用，使學習設計逐步走向數據循證。

四、數據循證賦能學習設計落地的關鍵過程：基于設計的視角

教師轉變學習設計角色對于促進數據循證賦能學習設計的落地尤為關鍵，亟須突破在傳統經驗性學習設計中的“領導者”角色，而轉變為具有探究性的“學習設計師\"角色，同時期望在學習設計的循環迭代中學會反思，發展研究意識與研究能力，成為“學習設計研究人員”，實現雙重角色生成。然而，教師使用數據的期望水平與教師在真實情境中的實踐水平總存在一定的差距，亟須建立可行的實踐路徑協助教師實現角色重塑。

為此，以教師行動為視角，以設計研究（Design-basedResearch）為方法指導，在遵循設計研究“診斷—設計—實施—評估—再設計\"循環迭代式的學習設計環路中，概括揭示了四個前后聯結、動態交互的關鍵性過程，如圖2所示，以此回答如何支持教師循證學習設計實踐的問題。

需要強調的是，四個過程之間并非直線性連接的關系，教師實現角色生成的過程是基于前三個過程多次疊加而最終演化出的結果，利用了設計研究的循環迭代性，映射出教師探究性素養由量的累積最終達到質變的生成性特征。

（一）前期準備：教師與研究者協作共創設計產品的過程

在這一協作過程中，研究者與教師共同生成了設計的產品，在理論上為后期設計實踐作好前期準備。就研究者而言，將以兩種指導性身份為教師提供協助：一是作為技術性指導者，主導設計學習分析方案并協助教師在評估過程中結合技術工具進行使用，為教師提供操作方案；二是作為理論性指導者，整體把控研究思路并協助教師深度理解各個研究階段，彌補理論性知識的空缺。就教師而言，則存在兩個層面的職責：一是精心編制學習設計。教師發揮“直接接觸學習者”“熟悉學習內容”“理解學習目標與進度”等實踐優勢，針對性地對學習設計進行概念化與編輯，形成學習設計方案；二是聚焦自身學習與專業發展。教師應當時刻關注研究者如何設計學習分析方案、如何統攝設計思路以及如何推進設計進展，以學習者的身份將其內化，彌補自身專業發展的技術性及理論性知識缺失，為終期實現角色轉變積累能力。

（二）中期實踐：教師在真實學習情境中的設計實施過程

設計研究特別強調了整個研究要以真實情境為基礎，這一特征尤其體現在設計實施過程，涉及兩個方面的作用。一方面，對學習設計來說，為有效支持學習設計決策提供可用的情境性證據。通過賦予學習數據情境性與真實性，應用情境數據，保證了學習分析能夠與學習者的學習行為產生實質性的關聯，有效弱化教師基于經驗性數據判斷學習行為的弊端；另一方面，對教師來說，真實情境為教師實現角色轉變提供了環境條件，數據循證賦能學習設計不是一種既定的設計模板，而是基于教師行動，受到真實教育情境影響的動態系統，要求教師必須深人學習者所在的真實學習環境，在多元情境變化中真實地感受、行動，由此才有可能打破惰性從而參與設計，真正從教師主體內部提升設計能力。

（三）后期反思：教師基于設計評估的自我深度反思過程

教師進行自我反思是一種生成性的過程，體現了教師在反思的基礎上進一步創新自我的教育實踐和學習，通常必須以實踐為前提2。由于缺乏對設計效度的實際考察，教師往往受困于自我滿足的設計誤區，忽視了從根本上對自我進行深度反思，而這恰恰是教師尋求專業發展，促使角色轉變的關鍵。在數據循證賦能學習設計中，設計評估對源于真實學習情境的多元學習數據展開采集、處理、解讀和應用，通過發揮數據的客觀性、全面性、豐富性優勢讓教師直面學習設計的多重問題，為教師進行自我深度反思提供了前提條件。同時，設計評估作為持續性動力助推教師對自身設計理念、知識、思維等展開進一步審視與探究，從而厘清自身已有的認知誤區，提升研究意識并深度發掘專業發展空間，由此才可能使教師角色轉變實現質的飛躍。

（四）終期生成：教師基于設計迭代的雙重角色生成過程

教師實現角色轉變的過程內隱于學習設計的循環迭代中，伴隨著循環迭代的層層遞進而發生。在迭代前期，教師作為新手設計師的身份進入學習設計過程，由于研究意識缺乏以及研究素養的缺位，教師角色難以在短期內實現轉變，此時經歷第 m 次迭代后，教師仍以“設計\"角色為主；隨著迭代循環的加深，教師獲得了設計經驗以及數據智慧等素養的顯著提升，在經歷第n次迭代這一量變轉化為質變的“關節點\"后，逐漸轉變為自身學習設計中的研究者，具備了“研究\"角色，完成了向“設計與研究\"的角色轉變，以學習設計師和學習設計研究人員的雙重身份主導數據循證賦能學習設計，同時實現教師探究學習的專業發展愿景。

五、結束語

當前，智能技術進駐教育領域，為改進教育實踐提供了動力因素。在這一大環境下，數據正逐漸進入學習設計研究視野，成為驅動學習設計創新的核心要素，“如何有效支持教師基于真實性的學習數據實現學習設計的循證改進”成為數智化時代學習設計研究及設計分析研究亟須探索和突破的難點。立足于這一研究難點，具體針對“學習設計與學習分析之間如何實現深度交互并在數據驅動下實現循證改進？”的問題進行了探究，以系統模型初步揭示了數據循證何以賦能學習設計過程，并進一步揭示了基于設計研究的關鍵過程以支持教師的設計實踐。然而，由于數據循證賦能學習設計涉及多重研究領域，技術工具、理論方法等還處于磨合階段，仍然有很多研究問題亟待研究者探索和解決，期望進一步真正打通學習分析與學習設計的聯結，支持學習設計在數據驅動下實現循證改進與創新實踐。

[參考文獻]

[1]MORY，CRAFTB.Leamingdesign：reflectionsuponthecurrentlandscape[J].Research inlearming technology，2012，20

[2]LOCKYERL，HEATHCOTEE，DAWSON S.Informingpedagogicalaction：aligninglearninganalyticswith learningdesign[J].

Americanbehavioral scientist，2013，57（10）：1439-1459.

[3]陳明選，周亮，趙繼勇.學習設計與學習分析的聯結：現狀、挑戰與實現路徑[J].開放教育研究，2022，28（6）：27-36.

[4]沈書生.數智賦能教育轉型;構建與社會發展相適應的實踐樣式[J].電化教育研究，2025，46（2）：5-11，18.

[5]焦晨東，黃巨臣.從數字崇拜到數字正義：人工智能時代的教育研究新范式[J].電化教育研究，2025，46（4）：19-25.

[6]黃洛穎，馮曉英，郭璐文，等.智能時代學習設計創新：理念、著力點與關鍵技術[J].開放教育研究，2024，30（1）：55-64.

[7]LAURILLARDD，KENNEDYE，CHARLTONP，etal.Using technologytodevelopteachers asdesignersofTEL：evaluatingthelearning designer[J]. British journal of educational technology，2018，49（6） ：1044-1058.

[8]蔡慧英，顧小清.聯結學習設計與學習分析：教師技術創新教學的突破口——訪西班牙巴利亞多利德大學雅尼斯·迪米特里亞迪斯教授[J].開放教育研究，2020，26（1）：4-13.

[9]RIENIESB，OETENELLTeimpactofleaingdesigonstudentbehaviour，satisfactionandpeformane：acoss-stiutionalcomparison across 151 modules[J]. Computers in human behavior，2016，60：333-341.

[10]陳明選，周亮.數智化時代的深度學習：從淺層記憶走向深度理解[J].華東師范大學學報（教育科學版），2023，41（8）：53-62.

[1]格蘭特·威金斯，杰伊·麥克泰格.理解力培養與課程設計：一種教學和評價的新實踐[M].么加利，譯.北京：中國輕工業出版社，2003：12

[12]MORY，FERGUSONR，WASSONB.Editorial：learningdesign，teacherinquiryintostudentleaingandlearnng analytics：aalfor action[J]. British journal of educational technology，2015，46（2）：221-229.

[13]羅陸慧英.連接學習設計和學習分析的國際努力[J].開放教育研究，2020，26（2）：49-52.

[14] POZZIF，ASENSI-PEREZCJI，PERSICOD.Thecase for multiplerepresentations inthe learning design lifecycle[M/GROS B，KINSHUK，MAINA M.Thefuture of ubiquitous learning： learning designsfor emerging pedagogies.Berlin，Heidelberg：Springer，2015：171-196.

[15]DOBOZYE.Typologiesofleaingdesigandtheintroductionofa\"LD-Type2\"caseexample[J].Leangpapes，11，27：-11.

[16]ASENSIOPEREZJI，DIADSY，POZZIF，etal.Towards teachngasesign：exploringtheinterplaybetweenfullecylelearning design tooling and teacher professional development[J]. Computers amp; education， 2017，114：92-116.

[17]GASEVIcD，KOVANOVIc V，JOKSIMOVIcS.Piecing thelearninganalyticspuzle：aconsolidated modelof afieldofresearchandpractice[J]. Learning：research and practice，2017，3（1） ：63-78.

[18]MANDINACHEB，HONEYM，LIGHTD.Atheoreticalframework fordata-drivendecision making[CY/Anual MeetingoftheAmerican Educational Research Association， San Francisco，CA：AERA，2Oo6：39-52.

[19]張惠麗，溫恒福.從“群體決策”到\"個性化分析”——基于智能技術的循證教育范式轉型[J].電化教育研究，2025，46（4）：33-39，57.

[20]黃濤，王一巖，張浩，等.智能教育場域中的學習者建模研究趨向[J].遠程教育雜志，2020，38（1）：50-60.

[21]DERNTLM，NEUMANNS，OBERUEMER P.Propelingstandards-bsedsharingandreuseininstructionalmodelingomitis：theopengraphical learning modeler（OpenGLM）[CV/201 IEE1thInterational ConferenceonAdvancedLearning Techologies.New York，NY：IEEE，2011：431-435.

[22] VILLASCLARAS-FERNANDEZ E，HERNANDEZ-LEO D，ASENSIO-PEREZ JI，et al. Web collge：an implementation ofsupport for assessment design in CSCL macro-scripts[J]. Computers amp; education，2013，67：79-97.

[23]劉德建，費程，劉嘉豪，等.智能技術賦能按需學習：理論進路與要素表征[J].電化教育研究，2023，44（4）：17-25.

[24]馮曉英，王瑞雪，曹潔婷，等.國內外學習科學、設計、技術研究前沿與趨勢——2019\"學習設計、技術與學習科學”國際研討會述評[J].開放教育研究，2020，26（1）：21-27.

[25]陳華仔，劉鐵芳.批判性、實踐性和生成性：反思型教師的成長邏輯[J].教師教育研究，2023，35（5）：35-42.

A System Model and Key Processes for Data-driven Evidence-based Learning Design

WANG Mingdi'， CHEN Xiaohan2 （1.Northwest Ethnic Education Development Research Center， Northwest Normal University， Lanzhou Gansu 73Oo7O; 2.School of Education Science， Northwest Normal University， Lanzhou Gansu 730070）

[Abstract] In the era of digital inteligence，the interaction between learning analytics and learning design has the potential to optimize the effectiveness of learning design，and data-based evidence can support and empower the transformation of learning design.In this context， how can learning design and learning analytics deeply interact to achieve evidence -based improvementthrough data-driven approaches？ To address this isue，the study explores the multiple values of implementing evidencebased learning design driven by data from three perspectives of learning design，student development， and teacher growth. Subsequently，a data-driven evidence-based learning design system model （DataEDT） is constructed. Through the interaction of three systems（\"evidence system\" \"learning design system\" \"intelligent technology system\"），the model demonstrates the dynamicrelationship between learning designand learning analytics，and reveals the key processes of implementation from a design perspective： the preparatory stage is \"the process of teachers and researchers collaboratively creating design products\"; the mid-term implementation stage is \"the process of teachers implementing plans in real learning contexts\"; the post-reflection stage is \"the process of teachers' in-depth self-reflection based on design evaluation'. And the final generation stage is \"the dual-role generation process through design iteration for teachers\"，which supports teachers'evidence -based learning design practice and thereby effectively promotes the transformation of learning design in the digital intelligence era.

[KeyWords] Data -driven; Learning Analytics; Evidence -based Learning Design; System Model; Critical Processes