提高学生课堂认知深度是本科教育高质量发展的核心目标,如何对认知深度展开科学评价是关乎此目标达成的关键,也是深化本科课程教学改革的迫切需求.为此,首先基于经典认知深度评价理论,结合新兴多模态数据分析技术,搭建大学生认知深度多模态评价框架.其次,基于此框架开展实证研究:以Z高校教育技术专业课程"学习科学与技术"为例,通过智能录播系统、在线学习平台等工具从多维学习空间采集主题讨论、自我反思、思维导图、课堂问答、头部姿势等多模态学习数据,采用机器学习方法处理并分析学习数据,综合评价学生认知深度并进行反馈.结果显示,多模态数据支持的评价更能准确地反映学生认知深度,具有显著的以评促学效能,最佳数据源是自我反思、思维导图和课堂问答.

计算思维是个体认识世界的一种基本思维方式,已经成为中小学生学科核心素养的重要组成部分.针对在人工智能课堂中利用编程工具提升学生的计算思维提出了EACSI教学模型,即将人工智能课程教学分为五个阶段:项目体验、分析拆解、学习创作、合作分享、迭代改进.通过对武汉市某小学五年级学生开展实证研究,检验了该模型在人工智能教学活动设计中的有效性,为我国人工智能相关学科的教学研究提供了理论指导与实践参考.

具有跨学科和实践性等特征的STEM教育需要优质的学习环境作支撑,信息技术的发展与应用为STEM学习环境的搭建提供了有利条件,然而如何恰当选择信息化工具以充分发挥其在STEM学习中的优越性,是目前仍需探究的重要问题.文章在可供性理论的基础上,从教学法、社会交互、技术等要素出发,构建了技术工具教学可供性分析与STEM学习需求相匹配的STEM学习环境设计框架.基于该理论框架,以教学系统设计课程为实证研究案例,探讨在STEM学习环境设计过程中要素细节与实施过程,并检验该框架的实施效果,为信息技术与STEM教学的有效融合提供借鉴.