有組織教研:人工智能環境下教師研修的有序進化

吳南中 陳恩倫 吳云

[摘?要]?傳統教師教研形式因客觀性不強、持續性不夠、銜接性不足，與時代所需要的高質量教研相悖，影響了教師的專業發展?；谏鷳B進化理論，建構以人工智能技術為教師提供選題、過程支持、資源制度、工具輔助和協同機制的有組織教研模式，以提升教研與教師的個體適配，形成有組織的多主體行動網絡，并在有序原理和整體原理的框架下，建構了智能技術支持的教師有組織教研運行模型。有組織教研的關鍵問題是教師動態需求的系統捕獲、內容進化的智能控制、自適應路徑的有效調節、研修空間的適應性調整、語義關聯的建立，并形成面對理論與實踐沖突、轉化機制異化、主體與相關要素不適切等問題的處理機制。要實現人工智能支持的有組織教研，需要按照有組織教研的運行建立設計人工智能元平臺，布局大數據采集平臺，開發教育人工智能的算力，并在制度和理念的雙向演進中通過實踐進行優化，實現人工智能下教師研修模式的迭代。

[關鍵詞]?人工智能; 教師教研; 有序進化; 有組織教研; 行動網絡

[中圖分類號] G434?[文獻標志碼] A

[作者簡介]?吳南中（1984—）男，湖南新化人。教授，博士，主要從事教師教育、教育大數據研究。E-mail：yiqizou@126.com。

一、引??言

2018年8月，我國發布《關于開展人工智能助推教師隊伍建設行動試點工作的通知》。此后，“智慧研修”相關研究與實踐多見于各類成果中，盡管在各類平臺中聲稱建構了智慧教研，但“在已有的教師研修活動中，往往將大量的培訓資源直接推送給教師，缺乏對實際課堂教學過程的深度剖析和反思，直接影響教師研修培訓的效果和質量”。智慧教研活動對于教師而言，只能是“硬規定”多于“軟約定”。不可否認的是，人工智能從工具、空間、資源、教學與評價上改進了教與學的過程，形成了新的研修內容、要求和組織形式，但目前討論的模式與教師一體化發展訴求中的持續優化、終身提升和階段銜接遞進偏離。這與人工智能還處于早期階段有關，“各種程序化的算法與復雜的研修行為始終存在差距，面向人的數據之復雜遠遠超越了現有數據的收集體系”，“文檔資料的真實性、算法偏見、算法歧視等困擾基于人工智能教研的發展”。除了算法問題還有算力問題，“所有谷歌計算機服務器用來模擬大腦認知，也達不到一個普通人腦的神經元的數量和關聯度”。另外，失去人為調控的人工智能輔助的教研，容易導致教研的“無監管”狀態，也難以激發系統活力。通過人工智能引導教研朝向有組織形態進化，再配套人工智能技術本身的進化，逐步塑造以人工智能為基本環境的教研生態，協同資源進化、數據捕獲、算法優化和算力提升等因素的配合，優化教師教研效果，是本研究的主要目標。

二、人工智能環境下教師教研的“無序”表征

及其進化形態

（一）人工智能環境下教師教研“無序”發展表征

1. 教師發展科學性需求所帶來教研客觀性不強

按照舒爾曼團隊建構的教師知識分類學說，教師知識涵蓋了學科知識、學科教學知識和課程知識，其中學科教學知識是一種隨著實施條件和技術空間變化的整合體，比如米什拉等在科學教學知識的基礎上提出了整合技術的學科教學知識（TPACK），隨著“互聯網+”的深入，又形成了學科教學知識、整合技術的教學法知識、整合技術的學科內容知識和整合技術的學科教學知識等，不同類型的知識需要不同的教研方式。同時，教師研修的需求也與教師的客觀經歷有著密不可分的聯系。作為“在一定的理論支持下探究教學過程、解釋教學現象以及解決教學問題的活動”的教研，是在一定理論支撐下對教學過程問題客觀性的探索。然而，在當前人工智能環境下，教師教研目標籠統、形式固化、內容老套、評價形式化造成了教師教研的隨意化。通過對重慶41所學校的教研記錄文本材料進行研究發現，有的教研活動時間甚至成為工作布置時間、黨建學習時間“技術教研”等。如此，教研活動淪為教師生活的規定形式，沒有以客觀性滋養教師主動性，反而成為教師的負擔。

2. 教師發展終身提升需求所帶來的持續性不夠

教師是一個需要持續發展的專業群體。教師需要通過教研從現實問題解決和未來發展趨向中找到發展主題、課程、資源，并形成教師專業發展目標。教研活動通常是以專業、學科、年級為載體建立教研組織，分學期或者年度建立教研計劃。由于組織機制存在缺陷，比如教研組織者的工作得不到相應回報，是一種接近奉獻性的工作;教研活動呈現周期性特征，需要照顧新進教師的接受力，造成主題低水平重復現象嚴重;同時，教研活動中領軍人員缺乏，在教研深度上存在問題，沒有將教學中出現的重要現象知識化、結構化，許多優秀的教學創意如同“曇花一現”，缺乏持續的跟蹤和優化。

3. 教師發展階段層次需求所帶來的銜接性不足

“教師的職業生涯發展過程具有階段性，這種階段性不僅表現為其專業成長存在一個從生手到熟手的過程，還存在身心特征、社會身份以及生活閱歷等方面的變化”，是“持續超越自我以獲取新生”的過程，具有明顯的階段性特征。不同階段具有不同的培訓訴求，比如職業發展早期，需要教學技能的教研活動，幫助教師迅速適應教學生活。教研活動的組織形式、實施方式缺乏對教師教研階段性需求的關注，教師在教研過程中收益偏差顯著，難以實現階段性變遷所支持的持續發展。

（二）技術支持的教師教研的進化形態

按照生態學理論，一個完整的生態系統是整體性、開放性、動態平衡性和可持續進化性聚于一體的系統。從生態視角審視教師教研，可以看到在“互聯網+”的環境和不斷興起的人工智能及其整合的“富技術”支持下，進化出了以下幾種典型的教研模式。

1. 自組織進化教研

自組織系統是一個組織指令來自內部的進化模式。教師自組織進化教研是教師在教師責任、參與、開放和新技術支持下涌現出來的教師發展模式，主要受到人工智能的支配。教師自組織教研模式的核心特征包括：一是根據自身環境對自身組織的教研行為和結構進行調節，二是根據外部需求進行自我更新，三是自身動力來源于實踐問題，四是形態結構隨個體的參與形成和退出消失。

2. 區域協同教研模式

區域協同教研指的是借助信息技術的連接力量，將區域內更多學校的教師組織起來，針對鄉村學校、小眾學科、高階互動等問題形成的教研模式。區域協同教研模式的核心特征包括：一是針對區域內關注的問題進行教研活動;二是根據階段性任務進行主題更新;三是成員之間是多重目標的聚合，比如既有學校層面的合作目標，也有區域政府的發展目標;四是作為典型的外部驅動的教研模式，通常依靠外部組織來持續其發展的生命歷程。

3. “互聯網+教研”模式

“互聯網+教研”模式指的是依托互聯網的便利性條件，將多個主體組織起來開展教研的模式，蘊含了教研組織主體、形式、模式的變遷，包括了多種組織形態，比如視頻直播教研、遠程協作教研、基于信息證據教研等?！盎ヂ摼W+教研”模式的典型特征包括：一是教研組織關系的扁平化，二是教研形式的在線化，三是教研內容的廣泛化，四是教研迭代的自動化。

三、人工智能環境下有組織教研模式及其

框架設計

（一）人工智能環境下有組織教研及其內涵

有組織教研的概念起源于有組織基礎科研，是指“在政府組織、集中投入、體現國家意識的科研組織形式，主要由科學家和科學團隊瞄準重大方向的研究領域和研究問題”。教學常態下的教研本身是一種有組織的行為考察優質中小學，幾乎都是有組織教研的范本，有的甚至將其作為立校的法寶，有的嘗試在數據賦能驅動下，建構精準教研模式。在人工智能視域下，通過對教師能力的全方位捕捉，協助教師形成專業發展的規劃，并通過智慧大腦，整合多種教研資源和多個教研團隊，實現教研活動、教師個體和教研組織的協同，促使教師實現自適應發展。

基于此，人工智能環境下有組織教研模式可以定義為：依托人工智能的技術能力，在教師的自覺參與和主動公開數據的條件下，有組織地為教師專業發展提供教研選題、過程支持、資源支持、工具選擇和協同機制，建構教師成長的相互關聯、階段遞升和主題一致化的支持體系和研修迭代模式，破解教師教研過程中客觀性不強、持續性不夠、銜接性不足的問題，形成教師能力、教研活力等多因素有序進化的科研形態，蘊含了教師研修中教師的主動參與、數據共享、智能支持、協同組織、多重異構、迭代演進等特征。

（二）有組織教研模式的運行思路

1. 基于人工智能建構多主體行動網絡

從組織形態看，教師可以異質性組網，也可以同質性組網，還可以圍繞特定人物、任務、主題進行研修活動組建：從空間來看，教研可以在實體環境中、虛實融合環境中和在線環境中，或者是在多種不同的情境中轉換;從條件來看，教研內容可以借助視頻、人工智能、過程性數據，徹底解除時間的線性約束和資源的稀缺狀態，可以在不確定性和無計劃性以及倒敘時間的情境下開展教研?？傊?，教師可以針對實踐情境，轉化和重建教研的秩序、結構和形式，形成人工智能時代的特質化行動網絡。

2. 多物種的競爭與合作實現協同進化

由于支持教師研修活動的資源、空間、路徑等都被當成“有機體”進行建構，其教研相關的“關鍵物種”處在內部競爭和外部合作的狀態，并被人工智能標記，形成了動態的、可無限拓展的語義關聯。比如針對才開啟職業生涯的教師的相關有效資源進行標記，在教師研修過程中，這類資源可以有效服務剛入職教師，當有更好的資源或者是更具有個性特征的資源時，這類資源通過競爭關系逐步進化。教研生態中的“關鍵物種”還支持行動主體的主動編輯，比如教師通過智能研修平臺完成某主題研修后，根據自身的實踐反思，進行內容的迭代，形成“自組織進化”狀態。

3. 數據作為關系建構基礎性物質進入生態網絡

數據在教師研修生態中的作用體現為三個方面：一是揭示相關關系。在數據的關系下，資源、空間、路徑與教師研修的相互關系通過結構模型形成語義關聯，并沉淀為關系數據庫。二是解釋教師成長的過程。人工智能通過挖掘教師過程性的數據，為教師通過何種教研活動實現何種成長，并計算后續能力的形成需要何種活動提供了可能，教師研修的客觀性需求得到數據作為直接證據。三是幫助教師形成基于證據的反思。通過數據的可視化，教師可以明確自身的研修進程，也可以協助教師應用研修結果，最終滿足自身通過專業成長充盈生命的目的。

（三）有組織教研進化模式的框架設計

按照人工智能環境下有組織教研的整體思路，參考模型學關于模型建構的形象化表達特征，在有序原理和整體原理之上，本研究探索人工智能環境下有組織教師教研的系統要素與整體作用方式，嘗試建立基于生態理論的有組織教研模型，核心模塊如圖1所示。

1. 以人工智能云服務平臺為核心的基礎架構

人工智能云服務平臺是指以整體生態的運行規則為基礎的教研環境，類似于自然生態系統的氣候規律和自然關系，主要依靠算法、算力和數據作為支撐。其中算法可以賦能和規范教師研修行為，協助教師選擇學習空間、設計研修方式、選擇和調整研修路徑、參與研修活動并予以反饋;算力是對智慧研修中各類復雜數據予以計算能力上的支持;數據是教師教學來源數據、門戶學習數據、社交學習數據以及各種穿戴設備和數字終端產生的相關數據。人工智能云服務平臺提供的是教師教研的各種可能性的資源和途徑，就如自然生態系統給人提供了多種食物來源，但選擇何種食物取決于人的慣習、環境、教育等因素。

2. 基于人工智能的教師教研團隊形成

教研的組織性首先體現為教師團隊的組織性，教師教研團隊的建構是根據教師的實踐問題、當前階段、發展需求等多要素進行整體考慮基礎上的推薦設計，并在覆蓋面上形成開放的整體狀態，最大程度支持教師多方位參與。按照教師主動性發揮和自覺性覺醒的要求，人工智能算法不能直接規制教師的團隊選擇，只能為主題進行標識、開出新的主題等，引導教師團隊參與。

3. 基于人工智能的教研任務生成

從有組織教研的角度看，教師教研需要形成科學、客觀和有針對性的教研任務，滿足教師持續性成長的需要。從目前的技術進展來看，依靠人工智能生成系統化的教研任務還存在困難，人工智能技術的核心作用是協助教師準確捕獲現象，幫助教研的組織者從現象匯總中提煉問題，并進行相關性挖掘，以形成精準的教研任務。比如重慶工商職業學院通過開發“3+3大數據生態圈”，建構全方位獲取教學數據的平臺，教師在教研活動中窺探自身問題，有教師通過數據顯示教學參與度不高的問題，挖掘出本課程的前一階段是體育課程，進而開展研修，建構了一套適應“身心轉場”架構中從“低水平關注”到“深度學習”的教學實施方案。

4. 人工智能主要通過教師、資源、空間和途徑的進化服務教師教研活動

人工智能助力教研的組織優勢在于通過人工智能精準獲取教師畫像、有序控制資源進化、智能調整教研空間、科學優化教研途徑，實現教師研修參與的“組織約束”。從教師來看，人工智能支持教師成長的過程和對教師成長全方位數據的獲取，為教師研修提供更加準確的信息，為教師與資源、教師與空間、教師與途徑、教師與團隊的關聯進化提供了基礎。從資源來看，通過廣泛聚集教學現象、解決教學問題的案例等實質性的證據，以及教師在研修過程中主動參與教研內容的編輯、標識和其他優化，促使教研資源更加豐富，并按照資源的質量進行分層分類，以便與教師層次進行聯動。從空間來看，在人工智能環境下，教師由于突破了傳統的物理空間，需要借助“空間交互實現教師教學知識的積累和教學能力的提升”，通過虛實融合、在線VR、元宇宙技術等，為教師教研塑造與之配套的教研空間。從途徑來看，包括了參與教研的方式和參與教研整體歷程的規劃。前者體現為對不同途徑的智慧推薦，如實體參與、虛擬參與等;后者體現為整體發展的一致性、協同性和銜接性機制的建構，是“教研與人”的貼適性進化，幫助教師找到恰當的內容、方法和資源。

5. 人工智能通過工具支持、功能支持和調節供給的進化塑造整體生態位

人工智能在教師教研中的作用主要是通過工具供給、功能支持和調節供給的形式作用于教師教研方式、內容、途徑和結構的變化。其中工具供給的進化主要體現在借助人工智能的技術支持，形成多種具有工具價值的支持手段，比如學習分析工具、教師發展路徑工具、自我定位工具等，這些工具在算法、數據的支持下，幫助教師查找問題和尋求科學的發展定位。功能支持主要是人工智能平臺供需適配、關系建構和系統整合等相關的功能，比如對人與資源的適應性調整功能中，找到教師發展所需要的配套資源;通過平臺建構個體與個體之間的關系等。調節供給指的是情緒調節、空間塑造、階段銜接等調節教師研修過程的技術支持，主要是服務教師教研過程中的舒適體驗和持續成長。工具供給的優化、功能的拓展與深化和調節供給的能力提升，促進了教師研修水平整體生態位的提高。

四、人工智能環境下有組織教研的技術設計

人工智能的組織性在于通過人工智能算法，識別和界定出教師教研過程中的問題群、問題集，通過網絡平臺的優勢力量，實現資源的系統調動，解決教師教研過程中的“失序”問題。同時，借助這種關聯進化，促使內容體系、路徑規劃、教研空間形成主題資源生態圈，支持教研的有序化，實現教研助推教師專業發展。

（一）有組織教研的關鍵問題

1. 動態需求的系統捕獲

在教師研修需求的獲取中，一方面，是根據教師的普遍成長規律進行有效組織和引導;另一方面，需要準確感知教師的當前需求，將教師的“關鍵事件”的動態性與教師發展的規律性進行結合，同時發揮組織引領性，塑造有組織教研的動態模式。

2. 內容進化的智能控制

在當前學習資源的進化過程中，主要是通過“人工審核+熱點排序”的方式來控制資源的進化。在人工智能環境下，主要是通過多能效平臺的教師參與，對其標記、操作、評論、訂閱等，形成內容的有序分類，并在使用過程中，通過匯集教師、專家等相關評論，結合教師學習成效與學習體驗的感知，形成資源相應內容的優化，實現資源版本的更迭，建構更高質量的學習資源。

3. 自適應路徑的有效調節

教師在教研過程中會產生資源支持、問題探索、專家支援、數據分析、信息探索等需要，也會在特定的關鍵事件和關鍵節點中需要對自身的教研情況進行提煉和總結。人工智能平臺需要逐步探索如何捕捉這些事件發生的時機，并結合資源情況、空間情況和教師教研進程決定，引導相關專家和已有研究者參與到團隊中，幫助教師在解決問題中不斷進化。

4. 研修空間的適應性調整

學習空間原指用于學習的場所，后在建構主義理論的支持下，被賦予了學習者“主動性、社會性和個性化”等建設隱喻，體現了空間的“數據支持、非線性特征、智慧性形態和碎片化特性”。研修空間是教師以自主學習為主、團隊協同的學習空間。人工智能通過技術支持、資源供給和專家指導的協同，降低教師提升的心理焦慮和認知負荷，讓教師在研修過程中能與自身狀態、現實問題進行互動，并保持學習活力和思維敏銳力的過程。

5. 語義關聯的建立

人工智能通過捕捉教師參與過程中的內外聯動因素，幫助其在資源使用過程中建立與其他資源的關聯關系，包括前驅關系、包含關系、等效關系、上下位關系等，這些關系的建立在于幫助教師在研修過程中更好地調動資源并形成相互配合，形成有序的知識鏈、能力鏈，更好地改善教研能效。

（二）有組織教研進化的技術邏輯架構

團隊為了強化人工智能組織進化的能力，嘗試從根源性、機制性、適切性三個層次進行問題分析，并建構從內在規定性變量、支撐性變量和實踐性變量去梳理問題的引發因素，進而建構如圖2所示的邏輯框架，實現現象、規則與邏輯推理的互動，從問題分析與總結的框架中為技術的選擇與平臺的開發奠定基礎。

1. 理論與實踐沖突

實踐過程中出現理論與實踐的沖突需要進行有針對性的引導，并需要明確是否定性為根源性問題，進行內在規定變量的調整，實現自身的進化。從內在規定性出發，體現為教師參與教研的價值性、教研組織的意義性和“技術+教研”的基礎性因素的梳理，按照理論與實踐沖突所觸發的語義標記，定義優先級關系并進行適當調整。

2. 轉化機制異化問題

人工智能所提供的空間、資源和路徑規劃沒有完成個性化轉化，不適應當前教師的行動，教師作為具有自我意識的主體，在轉化過程受到認知、權衡、選擇和取舍的動態作用，使發展的內在邏輯支撐出現異化，這就需要明確轉化機制的問題。需要通過機制調整人工智能算法，不斷優化教師參與教研的動態機制。

3. 主體、內容、方法和路徑的不適切問題

在過程中沒有觸及溯源性問題和機制性問題，教研主體的自我發展需要與內容、方法和路徑進行關聯性調整，形成與教師發展的階段性、問題針對性和個體性相配套的場進化域，進而不斷提升適應性。

（三）有組織教研進化場域的核心技術

1. 語義基因

語義基因是一種表征學習資源語義特征的技術，核心是通過對學習資源背后的知識結構，進行概念描述、權重分配和關系建構，實現語義連接，達到資源分類和聚合的方法。通常來說，通過資源的標簽可以大致獲取資源的內在特征，這也是教研資源調整以實現進化的有效方式。

2. 詞頻調節

詞頻調節指的是按照下載頻率、引用頻率、學習時長等形成的資源標識方法，實現資源的排序與分類。兩種技術的綜合應用旨在發揮人工智能在語義基因上的準確優勢，來彌補純粹頻次建構的排序方式，方便教師教研中資源的高效選擇。

3. 規則推理

規則推理指的是定義人工智能的學習方式，將教師在教研過程中的表現、資源、空間等與教師發展階段性特征進行比較的自動化處理，用于推斷教師教研中相關信息的支撐度以及教師對相關信息的信任度，并以此建構教師研修的語義庫。

4. 關聯規則挖掘

完成關聯信息配對之后，通過模糊數據模型為教師進行類別畫像，形成不同類別教師的關系資源庫，并建立與之配套的空間標識、路徑標識，引導教師在關聯資源中得到成長。同時，對教研不適應的教師進行識別，判斷是何種關聯規則的沖突，依此調動配套資源、空間，并在分區域的科層組織中，配套專門的人工干預機制，形成教師的有序進化鏈。

五、人工智能環境下有組織教研的實現保障

（一）從制度與理念上支持實踐

首先，需要從制度上保障人工智能助力教師成長和教研整體進化?；谌斯ぶ悄艿慕萄屑夹g邏輯是通過人工智能捕捉教研規律，進行教研活動的改造進而塑造教研的形態。通過建構新形態下的教研制度，以制度的規則、標準的研制等，促進基于人工智能的教研制度建構，是改變教師參與認知的有效方式。其次，需要從理念上深化對教研進化的理解。從人工智能視角看教研，人工智能技術促進了教研關系的調整、內容的重塑和方式的轉變，使基于現實證據和復雜情境的教學創新成為可能。理解了人工智能助力教研的理念，開展了相關的研究并展開實踐，是整體環境逐步進化的基礎。

（二）人工智能元平臺的設計

一是精準定義平臺供需方，賦予多元參與者開放參與的權力。二是定義搭建元平臺的技術標準。通過技術對研修主題和任務進行分類，定義各類標準，實現與便利技術、與人之間的聯動，內容包括選用何種技術開發元平臺，背后的規則庫、模型庫和知識庫以及關聯關系等標準的建構。三是定位平臺的決策環境。智慧平臺的決策環境可以分為默頓系統和牛頓系統，默頓系統的優勢是通過大數據和小規則支持決策系統的生存，關注邊界數據的挖掘;牛頓系統兼顧小數據與大規則的環境。從可進化技術的角度講，通過默頓系統的開發，可以在拓展數據的同時提升規則的可靠性，服務教師持續化發展。

（三）布局大規模數據采集平臺

人工智能助力教研生態形成的“能量”在于數據，只有數據才能“喂飽”各類算法，通過算法的逐代更迭，才能實現模型的精準。在大數據采集體系中，從三個層面開展數據采集：一是對教學過程的數據系統化采集。在教研過程中，視頻、事件、發生的情境和學生動態回應是基礎性的數據，對其進行可視化改造和整合性推進可以有效提升教師找準問題的能力，也是交流的主要證據和支撐;二是教研過程數據的采集。教師參與教研活動的過程數據是優化教研組織的有效手段，也是觀察教師成長的依據;三是教師相關的全方位數據采集，如學習數據、搜索數據等，這些數據在建構完整的教師畫像中起到輔助作用。

（四）開發教育人工智能的算力

在人工智能中存在算力約束。從決策有效性邏輯來看，模型越復雜，涉及的范圍越廣，其算力需求越復雜?！八泄雀栌嬎銠C服務器用來模擬大腦認知，也達不到一個普通人腦的神經元的數量和關聯度?！彼懔μ嵘年P鍵在于三個層次：一是算法的優化。算法的優化主要在于規律性的關聯關系確立和模型的優化。規律性關聯關系可以逐步模塊化，形成基本語義，在教研需要的時候實現模塊化調度，減少算力的占用;模型的優化在于關鍵事件、關鍵信息的準確獲取和相關關系的邏輯捕獲，實現用更少信息作更多、更科學的判斷。二是數據的優化。從數據的類型看，主要是結構化數據、半結構化數據和非結構化數據。優化半結構化數據和非結構化數據的處理并存儲，是減少算力的有效辦法。三是算力的共享。通過算力上云的方式，實現算力共享，也是提升算力的有效形式。

六、結??語

人工智能環境下的有組織教研是既具有理論可行性，又具有實踐操作性的教研形態，在有組織教研的框架下，配套人工智能技術的進步、數據的逐代積累、算法的逐代優化，尤其是生成式人工智能的應用，可以有效提升教研工作的個體適配和整體效率。但這種轉化需要長期的努力，也可能會在短期內難以取得實質進展，比如制度環境對教師共享數據的約束、人機協同教研機制不順暢等，這就需要理念、制度、條件等全方位的配套，通過有意義的迭代來最終實現。

[參考文獻]

[1] 劉清堂，鄭欣欣，吳林靜，等.基于經驗學習圈構建AI支持下的教師研修模式[J].電化教育研究，2021，42（10）：114-120，128.

[2] 鮑傳友，曾汶婷.“硬規定”與“軟約束”：中小學教研之困及其化解對策——基于學校管理者的視角[J].教育科學，2022，38（4）：22-28.

[3] 吳南中，黃治虎，曾靚，等.教育大數據生態圈構建：“3+3”模型的邏輯與實踐[J].中國遠程教育，2019（7）：77-85.

[4] 顏士剛，趙益寧.“智慧教育”辨析[J].電化教育研究，2023，44（8）：12-17，25.

[5] 楊欣.魔法與科學：人工智能的教育迷思及其祛魅[J].教育學報，2021（2）：18-31.

[6] SHULMAN L S. Those who understand： knowledge growth in teaching[J]. Educational researcher，1986，15（2）：4-14.

[7] KOEHLER M J， MISHRA P. What is technological pedagogical content knowledge？[J]. Contemporary issues in technology and teacher education，2009，9（1）：60-70.

[8] NIESS M L. Investigating?TPACK： knowledge growth in teaching with technology[J]. Education computing research，2011，44（3）：299-317.

[9] 胡軍哲.讓教研成為一線教師生存常態[J].中國教育學刊，2010（3）：58-60.

[10] 張俊超，劉獻君.優秀高校教師成長與發展的規律性特征探究[J].高等教育研究，2014，35（8）：68-76.

[11] 閻光才，牛夢虎.學術活力與高校教師職業生涯發展的階段性特征[J].高等教育研究，2014，35（10）：29-37.

[12] 郭曉琳.治理視野下的校長勝任力研究[D].上海：華東師范大學，2020.

[13] 趙雪梅，鐘紹春.生態視域下“三個課堂”助力鄉村教育振興：價值意蘊、運行機理、發展路徑[J].電化教育研究，2022，43（7）：48-55.

[14] 陳忠.教育的價值與社會系統自組織[J].上海師范大學學報（哲學社會科學版），1989（1）：111-115.

[15] 魏同玉.區域協同教研：鄉村“微型學?！毙１窘萄械男掳l展[J].教育理論與實踐，2017，37（5）：32-34.

[16] 陳玲，張俊，汪曉鳳，等.面向知識建構的教師區域網絡協同備課模式研究——一項基于學習元平臺的實踐探索[J].教師教育研究，2013，25（6）：60-67.

[17] 胡小勇，徐歡云.“互聯網+教研”形態研究：內涵、特征與趨勢[J].電化教育研究，2020，41（2）：10-16，31.

[18] 潘教峰，魯曉，王光輝.科學研究模式變遷：有組織的基礎研究[J].中國科學院院刊，2021，36（12）：1395-1403.

[19] 汪維富，毛美娟，閆寒冰.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.

[20] 周鵬，李環，郭美一，等.網絡學習空間中教研交互評價模型及方法研究[J].電化教育研究，2020，41（5）：52-58.

[21] 陳衛東.未來課堂的空間設計：以學習者為中心[J].中國信息技術教育，2012（10）：76-81.

[22] 吳南中.混合學習空間：內涵、效用表征與形成機制[J].電化教育研究，2017，38（1）：21-27.

[23] 楊現民，余勝泉.學習資源語義特征自動提取研究[J].中國電化教育，2013（11）：74-80.

[24] 楊欣.魔法與科學：人工智能的教育迷思及其祛魅[J].教育學報，2021（2）：18-31.

Organized Teaching and Research： Orderly Evolution of Teacher Training in

An Artificial Intelligence Environment

WU Nanzhong，?CHEN Enlun，?WU Yun

（1.College of Teacher Education， Southwest University， Chongqing 400715;

2.The Primary School Attached to Southwest University， Chongqing 400715）

[Abstract]?The traditional form of teachers' teaching and research is contrary to the high-quality teaching and research required by the times because of the lack of objectivity， continuity and connection， which affects teacher professional development. Based on the evolutionary theory of ecology， this study constructs an organized teaching and research model that provides teachers with topic selection， process support， resource system， tool assistance and collaborative mechanisms with artificial intelligence technology. In order to enhance the individual adaptation of teaching and research to teachers and form an organized multi-subject action network， an organized teaching and research operation model for teachers supported by intelligent technology is constructed under the framework of the ordering principle and the overall principle. The key issues of organized teaching and research are the systematic capture of teachers' dynamic needs， the intelligent control of content evolution， the effective regulation of adaptive paths， the adaptive adjustment of the training space， the establishment of semantic association， and the formation of a processing mechanism to deal with problems such as conflicts between theory and practice， the alienation of the transformation mechanism， and the incompatibility between the subject and related elements. To realize the organized teaching and research supported by artificial intelligence， it is necessary to establish an artificial intelligence meta-platform in accordance with the operation of organized teaching and research， layout a big data collection platform， develop the arithmetic of educational artificial intelligence， and optimize it through?practice in the two-way evolution of the system and the concept， so as to realize the iteration of teacher training models under artificial intelligence.

[Keywords]?Artificial Intelligence; Teachers' Teaching and Research; Ordered Evolution; Organized Teaching and Research; Action Network