《基础教育创新驱动力报告》是美国学校网络联合会的一项新举措，旨在解决教育技术领导者所面临的关键性挑战——为改变学生学习体验和学习环境做出正确的战略决策，促进学生在数字世界中健康成长。本系列报告中的第一份报告《基础教育创新驱动力（挑战篇）》，发布于2019年1月。第二份报告《基础教育创新驱动力（趋势篇）》，发布于2019年4月。

    《基础教育创新驱动力报告（技术篇）》是新媒体联盟系列中的第三份报告，侧重于数字转型的挑战与机遇。该报告聚焦两个技术——混合学习以及分析和自适应技术，为教育改革提供更多可能性。

    ——编者

    今天，学生借助于数字化学习平台来推动个性化学习和自主学习，教育工作者也可以节省出更多时间对学生进行个性化指导。在这一过程中，技术起着决定性作用。技术可以为教育工作者和学生提供关于学习、需求、兴趣等方面的可行性指导，可以为学生适时提供精准的学习资源，同时也可以为学生提供个性化学习路径，培养学生的数字化熟练度、专业度及自主学习等能力，最终使学生受益。

    《基础教育创新驱动力报告》系列就探索了挑战、趋势和技术推动因素，旨在创建一个系统的、数字化的生态系统，使学习者在个性化和联通学习环境中充分发挥自身潜力。学校网络联合会委托国际咨询委员会（以下简称“委员会”）的100多名杰出的教育技术专家，针对挑战、趋势和技术推动进行研究、判断、排序并加以分析。

    《基础教育创新驱动力报告（技术篇）》是新媒体联盟系列中的第三份报告，侧重于数字转型的挑战与机遇。该报告提出，前五项驱动技术分别为移动设备、混合学习、云基础架构、扩展现实、分析与自适应技术。美国学校网络联合会基础教育创新驱动力咨询委员会认为，这些技术驱动因素可以帮助教育工作者解决几乎所有的困难并促进技术创新。

    目前，混合学习处于全球关注状态，是个性化教学的最佳技术。分析与自适应技术仍处于基础教育广泛采用的早期阶段，正在迅速发展。这些技术提供了很多以学习者为中心和差异化教育体验的前景，更好地为学生的数字世界体验做准备，也为教育工作者提供了很好的机会，他们不但能够有效地吸引学生，还可以与学生开展合作。与此同时，这两项技术也对教育工作者提出了更高的要求，都要求教育工作者在精湛的技术与人文关怀和专业知识之间取得平衡。

    技术驱动1—混合学习

    数字化变革 使学生在数字世界中个性化成长

    这项技术成为推动基础教育创新的核心内容——转变教学方式，将学习体验进行数字化变革，使学生在数字世界中健康成长。委员会认为，混合式学习可以克服当下最艰难的挑战，使教育变得具有战略意义，并能够促进最新的发展趋势，特别是在个性化指导、基于数据的实践以及将学生作为创造者等方面的教育趋势。越来越多具有效能的数字技术出现在学校和学生的生活中，有效地增强了将这些技术融入到教学的吸引力，同时提高了对世界的认识也逐渐成为现实，甚至成为学习知识、合作、创建和解决问题的基础。

    混合学习是一种正规教育项目，一部分学习是通过网络进行的，学生可以主导自己的时间、地点、路径或进度；一部分学习是在实体教学地点进行的；课程或专业的路径为学生提供了综合的学习体验。

    在过去的十年中，混合学习出现了更多精细的教学方式。在2016年，克里斯滕森研究所推出了一个在线混合学习资源中心“混合学习宇宙”，确定了七种常见的混合学习模型。其中，学习中心走班模型是学生按照学习中心固定的时间表轮换上课，其中至少有一个学习中心是在线学习中心；实验室走班模型是在线学习中心要设置专用计算机实验室；个人走班模型是学生根据教师或数据算法设计个人时间表变换学习中心；翻转课堂模型是学生通过在线课程和讲座在家学习，教师利用课堂时间为学生提供基于教师指导的实践项目；选课模型是除了选择面对面课程之外，学生还选择在线课程或选择带有在线教师的课程；多样化的虚拟课程模型是学生在校外完成大多数在线的课程作业，同时参加学校要求的面授学习课程；灵活课程模型是学生按照课表开展在线学习活动，在学生学习课程的具体内容过程中，教师以灵活的方式为学生提供支持与指导。教育工作者可以采用其中一种混合学习模式或将多种模式进行组合，将数字技术融入到教学中，为学生提供灵活的选择。

    对此，谷歌认证的混合学习开拓者、指引者以及混合学习相关书籍的主编凯特琳·塔克提出，混合学习是“通向个性化的桥梁”。但她同时指出，“混合学习”不是“个性化学习”的同义词。基础教育在线学习国际协会则称，“教师利用混合学习，尤其是自适应学习项目和工具支持模式，为学生适时提供相匹配的学习内容”。这是个性化学习模式的核心部分。“学校应该以学生为中心，利用技术的力量为学生创造更具吸引力、更高效以及以成功为导向的学习环境”。

    今天，个性化学习已经离不开数字技术的支撑。当教师和学生有效运用学习过程中可及时操作的信息时，混合学习的个性化才成为可能。教师可以根据学生个人的学习需求和喜好，指导他们利用数字资源学习。在混合学习中，教师经常在不同的时间和空间为小组或个人的学习任务提供更多的机会，可以对特定学生开展有针对性的干预和促进，能够给予那些最需要的学生一对一的关注。

    在某种程度上，混合学习的普及意味着对纯在线课程需求的减少，应该在在线学习与师生面对面的社交互动之间做好平衡。人际交往有助于学生发展沟通、协作和团队合作技能。虽然学生能够在数字世界中获得更多的选择和自主权，但除了同伴间的对话和自我反思之外，学生更受益于教师的当面指导和支持。

    此外，有证据表明，社交和情感技能是学习更复杂认知技能的基础。混合学习项目不应忽视学生发展这些技能的机会，涉及到自我展示和自我管理、了解社会现状、管理情绪和解决冲突。蒂芙尼·怀科夫（Tiffany Wycoff）是《混合学习在行动》一书的作者之一，也是“推动学习创新”的联合创始人，她提出，社交和情感支持是“混合学习的真正紧迫性”，将教师作为导师和“第一反馈者”，可以支持走班模式，并将技术作为学生与教师沟通的重要途径。

    通过混合学习，教师可以应对当前教育中一系列的挑战。例如，在美国，与数字学习合作的地区和学校正在使用混合学习项目支持各种教育目标，包括提供职业和技术教育、解决公平问题、降低辍学率、为需要帮助的学生提供服务等。

    技术驱动2—分析与自适应技术

    机器学习和数据分析 提供量身定制的学习内容

    分析与自适应技术是公认的可以在教育实践方面产生巨大影响的支持技术。数据分析可用于追踪学生成绩及学生的其他成长指标。自适应技术在学生学习期间产生重要作用，通过机器学习和人工智能的数据分析为学生提供量身定制的学习内容，从而加强和推动学习。它有助于教师克服障碍，并加速创新。数据分析和自适应技术相结合可以作为学生自主学习的强大推动力量。

    在教育领域还未涉及数字技术之前，学校系统和教育工作者就有很多的数据需要整理，包括学生信息、考试成绩、教师成绩册以及对学生学习的观察数据等。在线学习平台也产生了大量数据，而数据分析通过特定系统、软件和算法可以将人们从烦琐的数据筛选中解脱出来。这些技术可以合成来自多个系统的数据，从广泛的数据中辨别出有意义的模式指标，并将数据分析的发现结果和可视化数据（图表、列表、地图）进行融合。分析技术可以生成基于数据并面向教育工作者和学生的可操作的信息，例如，及时推荐学习资源和活动，使学生按照个性化的学习路径努力。

    自适应技术支持数据分析和个性化学习。自适应技术基于对不同学习任务学生的参与和成功完成情况的监控，及时调整学生的学习过程，为学生提供“前车之鉴”。一旦学生设定学习目标，当他们对概念的理解摇摆不定或遇到更具挑战性的内容时，自适应技术就可以马上帮助学生。学生因此能够追踪自己的学习进度，开发自我监控的能力并充分参与到他们学习过程中。

    例如，多米尼加共和国正在进行自适应技术的试点，为儿童今后取得学业成功做准备。圣多明各的一些欠发达地区的学校使用数学软件评估学生的学习水平，然后提供自适应数学练习，教师亲自提供支持服务，并在他们的课上强化练习。通过系统跟踪，早期的结果显示，即使是成绩不好的学生也有实质性的进步。

    对于教师们一直抱怨的标准测评管理和学生成绩数据发布之间时间滞后的问题，数据分析可以轻松解决。分析技术为一组选中的学生指标提供了多个静态、反思性检查。日趋复杂的数据分析与纵向数据集、大数据、机器学习和人工智能相结合，及时提供学生学习信息，主要涉及学生学习过程中的形成性评估数据。实时动态更新可以使这些数据与教师的日常实践相关联。

    此外，数据分析还可以为教师提供对未来的预见。通过使用已有的相似数据进行建构和测试模型，能够估算个人未来的成果或未来成果的概率。