本文发表于《数字教育》2025年第2期（总第62期）特稿栏目，页码：1-7。
作者简介：
周佳玉（1995— ），女，江苏徐州人，博士研究生，研究方向为信息化教学设计；
沈书生（1968— ），男，江苏海安人，教授、博士生导师，研究方向为信息化教学设计、教师教育技术能力提升等，系本文通信作者。
摘要：数字化转型下的课堂教学变革强调技术思维与实践思维的共同变化，其中包括基于原有生态的局部转型和新生态的系统转型两大阶段。以数字化的教学过程为抓手，以数字化人才培养目标为导向，共促新时代背景下学习生态的构建。AIGC类产品一经问世，便对已有教学结构形成了挑战。对此，需超越二元话语，构建教师、学生、人工智能的三元协作关系，聚焦从知能到心智的思维培养，加速教学数字化变革进程。课堂教学转型应关注学生差异性和智识创造性，呈现出学习场景具身化、学习过程数据化、教学决策科学化和学习空间联通化的特征。
关键词：课堂教学数字化；教学数字化；教学变革
教育数字化转型战略牵引教学数字化转型，推动了教育生态系统的深刻变革。教学数字化着眼于整个教育系统的转型规划及质量提升，具有系统性和引领性。相比之下，课堂教学数字化则专注于课堂内部的技术应用，旨在构建数字化学习生态系统、优化课堂教学过程并服务学生学习。课堂教学数字化不仅涉及学习内容和流程的数字化，还强调教育技术与教学实践的深度融合，依托云计算、大数据、物联网和人工智能等技术，推动“教学范式”向“学习范式”的全面转型。总之，它不仅是传统教学模式的补充，更重新构建了教学本质，有助于推动教育模式的创新和提升教学质量，满足新时代教育发展的需求。
一、课堂数学数字化转型内涵
(一)本质透析：立足课堂教学数字化转型的必然性与偶然性探讨
课堂教学数字化转型的本质在于技术发展与教育需求的双重驱动。一方面，数字化转型是教育发展的必然需求；另一方面，它又受到数字化技术发展与应用的影响。
从必然性角度看，技术推动课堂教学转型是一种不可避免的趋势。作为人类社会的产物，技术揭示了人与物关系的建立，并通过应用反哺实践。技术的演变不仅反映了人类对客观世界的认知深度，还改变了人类的生活方式。数字化技术（如大数据、云计算、人工智能等）正通过模拟、延伸、拓展人类的思维与智能，重塑人与世界的联系。这些技术的持续创新与渗透推动了社会的系统性变革，教育作为社会系统的子系统，必须积极迎接数字技术的来临。如果试图规避数字化引领的生活世界，将不能满足人才发展的需求。
从偶然性角度看，数字化与课堂教学的融合是一个充满不确定性的发展过程。数字化技术的研究并非出于对教育领域的特殊关注，而是源自科技行业与市场需求。随着数字技术的普及和成本降低，教育界才逐渐开始探索其在教学中的应用，例如计算机管理、在线课程、多媒体教学等。最初此转型并非基于明确的战略计划，而是偶然的探索结果。然而，随着数字技术在其他领域的成功应用和在教育领域的兴起，教育界开始重新评估数字化转型的潜在价值。
综上所述，课堂教学数字化转型的本质在于必然性和偶然性的交织。技术进步和教育需求的互动推动了这一转型，但技术应用的具体路径则受到多种偶然因素的影响。理解数字化转型过程中的必然性与偶然性，有助于把握其在教学运用中的发展趋势。
(二)关注发展：探究从局部优化到系统重构的演进路径与内在逻辑
教育数字化在发展过程中更强调技术思维和实践思维的共同变化，既要反映技术在教学中的适用场景，也要体现技术与教学融合的创变属性。因此，可以将课堂教学的数字化发展划分为两个阶段：基于原有生态的局部转型和基于新生态的系统转型。两者相互促进、迭代更新，共同适应教学变革下复杂的学习生态系统。
基于原有生态的局部转型，即运用技术改善教学表征形式，主要体现在以下两方面：一是将教育信息进行数字化转换，二是通过机器学习模型对教育信息进行自动化处理。该阶段的教育数字化转型主要针对“现有教学功能”的数字化，旨在为教育对象提供更好的数字支持服务，优化现有组织流程和丰富教学样式。然而，这一转型并未对教育产生本质性影响。
基于新生态的系统转型，即融合多种技术重构课堂教学新样态。首先，利用先进工具收集认知主体在学习过程中产生的综合教育数据，分析这些数据以寻找相关规律，从而实现精准教学。其次，数字空间与实体空间实现无缝衔接与转移，科学部署教学活动，灵活贯穿虚拟与现实两个时空。这一阶段的转型着重于“教学系统生态”的数字化，通过多个数字化项目组合推进，实现对原有组织流程或结构框架的突破性创新。
(三)聚焦方针：实现从技术与课堂融合到学习过程与结果的全面贯通
数字化转型下的教学变革并非横空出世，而是传统信息化技术演进过程的自然延续。随着人工智能等技术的融入，新型数字化组织结构迅速崛起。教育系统因其复杂性，对技术的融入持谨慎态度。学界围绕课堂教学数字化展开了诸多讨论，其中“过程观”与“结果观”两种观点最具代表性。
持“过程观”的学者关注技术与教学深度融合的过程，认为转型成功的关键在于如何处理人与机器的工作关系。为此，袁振国[1]提出了从人机互动到人机融合的转型方向，强调突破原有路径依赖，应用技术创设新型应用场景。谢幼如[2]主张形成以全数据赋能、全场域融合和全要素协同为基准，推动自动化、精准化、智能化的课堂教学新样态。
持“结果观”的学者重视以素养为导向的数字创新人才培养。保罗·基尔斯特[3]将数字素养定义为理解并使用各种数字资源及信息的能力，随着数字经济和转型时代的来临，其概念内涵被丰富和拓展。在2021年印发的《提升全民数字素养与技能行动纲要》中，伦理道德等综合素质被纳入数字素养的考核范畴。黄荣怀[4]指出，数字素养指向数字时代所需的正确价值观、必备品格与关键能力，是赋能学习者健康成长的活力因子。
关于课堂教学转型问题，有的研究者从教育的意图和行动出发，有的则从教育者的现状和问题出发，由此导致观点的多义性。有研究者强调，教育概念是现实存在和应然要求的混合物，应同时具备描述性与规范性[5]。教与学的高质量发展受“目的”和“手段”的双重制约，且过程与结果具有一致性，因此，不能单纯将课堂教学数字化转型归于“结果”或“过程”。数字时代的学习方式变革为学生培养提供了新手段，数字人才需求为技术应用提供了新思路[6]。因此，应以数字化“教学过程”为抓手，以数字化人才“培养目标”为导向，共同构建终身学习生态系统。
二、课堂教学转型的关键要素
(一)重构教学关系：二元共生转向三元协作
随着技术融入教育，教育工作者从独立个体转变为复合教育者，这预示着人工智能对话机器人、教师、学生三者教育关系的重新构建[7]。内容生成式人工智能（Artificial Intelligence Generated Content，简称AIGC)能够模拟人类处理信息的形式，迅速生成相关内容，具有强大的自然语言解读和文本生成功能，其核心特征包括超量级的模型训练、泛数据源语义联结、基于用户问题的知识生产和偏好微调。随着算法算力的持续升级迭代，ChatGPT4.0、文心一言等新一代技术产品强化了知识增强、多模态生成和行业应用功能，实现了更高的认知水平。这些技术正在以无界的方式迅速融入全社会，并得到了各领域的积极响应。在教育领域，这些技术通过语言交互的外部形式对学习者进行内部刺激，提升和改善学习者的认知水平与学习行为。
过去对教学关系的讨论，无论是教师中心还是学生中心，实际上都是对人与人之间关系的探究。新一代人工智能技术更贴近人的生活世界，甚至已经成为新生态的构成要素。学生凭借技术支持，逐渐减少对教师的依赖，传统二元教学关系遭到挑战。教育的最终目的是促进学生知能与心智的双向发展，因此，除了传授知识，教师还需要协助学生心智成长。AIGC产品的出现或许可以替代教师作为知识传播者的工具属性，但教师对学生的精神性引导作用却无法被取代。作为连接学生与教师的“中介物”，技术将重塑教育格局，变革人才培养目标与方式。在此背景下，师生关系也需要适应和转变。
超越二元话语，构建教师、学生、人工智能的三元协作关系。只有明确学习中不同主体的责任分工，才能激发学习活力，促进学习的持续发生。沈书生等[8]将AIGC产品看作独立于个体的外脑，通过与学习主体的相互作用，共同构成学习个体的复合脑。通过外部刺激，学习个体借助人工智能产品与认知客体持续交往，直至完成自我构建。教师将其视为引导学习者与客体交往的信息工具，通过认知冲突激活学习主体的内在动机，促进学习者与外部世界建立连接，强化学习过程。在此过程中，教师还需要承担向导、引导、先导、开导的责任。借助AIGC类产品，学习者可以进行模仿学习、自主学习，甚至创新学习。智用教育技术，保持健康稳定的学习状态，持续激活学生的内在学习力，是新型教学关系的美好愿景与发展目标。
(二)聚焦思维培养：知能形成转向心智提升
思维是课堂教学活动的核心，是借助已有知识和经验成功解决某个具体问题所表现出的个性心理特征[9]。过去受限于学习条件与评价形式的制约，对学习者思维能力的培养逐渐异化为对其理解力和记忆力的考查。停留在理论层面的学习和思考并不能实现人的全面发展和成长。思维培养重视意义的学习过程，强调个体的主观能动性与主体责任意识，以任务形式为载体，将学科知识与核心素养转化为具体的行动应用，促进学习者知能、心智的双向发展。
学习的发生指向学习个体与外部环境持续的意义建构，完备的学习事件包含了从知能生成到心智提升的双向过程。从心理学角度出发，知能结构是外部客体作用于个体后生成的综合认识的总和，心智结构是综合运用已有认识解决外部问题的特有认识的总和[10]。在学习事件的设计中，知能的培养是为了让学习个体更好地认识外部世界，在与认知客体进行交互的过程中可以及时提取关键信息，提高学习效果。个体运用已学知识能否解决现实问题是检验知能形成的重要指标。心智培养是为了让学习个体更好地适应、改造外部世界，在与认识客体交往的过程中发现问题，综合应用已知信息解决复杂问题。如果说知能是个体面向已知世界生成的概括思维，心智就是面向未来世界生成的分析思维与创新思维。由此可见，心智的培养指向学习个体高阶思维的提升，而知能面向低阶思维的培养，二者的具体区别见表1。
三、课堂教学转型的实现路径
(一)刺激个体多感官参与，建立具身认知
具身认知理论认为，人们通过肢体动作和感觉体验，可以建立对外部世界的理解。该理论指导下的教学强调将知识转换为身体经验，再通过身体感知运动加深对知识的理解。感官作为人们感受外部事物刺激的主要通道，能够帮助学习者将抽象的概念与知识转化为具体的经验，从而建立基于真实世界的更为具象的实践认知。多感官参与与具身认知相辅相成，共同为学生提供丰富的学习体验，促进学生认知的全面发展与实际应用能力的提升。结合数字化技术在教学中的真实应用，多感官参与的课堂教学可分为两个维度：基于多样化资源的视听系统参与和基于移动体感交互设备的知觉系统参与。
一是基于多样化资源的视听系统参与。这个维度强调将真实世界的“物理信息”映射在数字世界中，对其进行整理、融合、分析与运用。在这一系统中，文本、图像、声音和视频被集成、整合到特定的学习情境中，贯通整个教学环节，人以信息化的方式存在于技术所搭建的生活世界，以具身的方式展现身体体验和精神体验的相互转化[11]。以视觉、听觉为主的感官参与侧重“场”的搭建，这里的“场”既包含具有居所属性的“空间场”，又包含具有主体意识的“心理场”。这一系统利用多种形式的信息资源构建拟真的学习场景，提供身临其境的学习方式，刺激学习者的中枢神经系统，进而激发学习者的心理活动。从呈现方式来看，数字化转型下的教学路径不再是多种传播媒介的嫁接，而是运用融合传播手段实现教学内容与现实场景的重构，在丰富传播内容、拓宽传播路径的同时，实现以学生为中心的学习环境的构建。
二是基于移动体感交互设备的知觉系统参与。生理体验与心理状态存在紧密的联系，通过具体的身体感知活动可以有效提升个人的认知水平。有关研究表明，学习个体在进行学习活动时，会同时受到自身反应变化和外部环境变化的双重刺激，可以更好地进行深度学习[12]。过去，知觉系统在课堂中的参与多局限于物理、化学等实验类课程，且参与方式较为单一。体感交互设备赋能下的课堂教学，根植于具体的学习情境，借助设备建立肢体动作与学习内容之间的关联性，激发学生的运动感知与协调能力，可以实现从经验中积累知识、在活动中学习的目标。
(二)关注教学全数据，强化教师循证意识
打破以经验为主的教学研究范式，增强对教学证据的再认识。教师在进行课例探究时，将个人教学经验与外部证据有机结合，不仅拓宽了专业成长路径，也促进了实践教学。受限于专业发展与科技水平，传统教师通常依赖教学指南或向经验丰富的教师请教；新时代的教师则可以使用观察工具将课堂活动转化为可量化的“单元”，通过多种途径收集教学证据，构建完整的证据链，为教学改进提供科学依据。教学中的“证据”来源于教学活动过程，主要分为基于认知主体的数据和基于认知行为的数据。它是一种能够促进教育质量发展、激发教育潜能的数据集合体。
一是关注指向认知主体外显行为的数据，掌握学习个体的基本学情与发展轨迹。这类数据可总结为具有高度概括性的结果数据，能够反映学习者的外显行为表征。通过收集学习者的个人信息、学业成绩和家庭作业等数据，教师可以识别学生在学习过程中的困难与问题，并提供有针对性的支持与辅导。此外，这些数据还可以用于评估教学策略的有效性，基于不同学习个体对相同活动的结果反馈，为教师调整教学计划提供可靠依据。不仅如此，教师还可以利用即时的动态信息反馈，灵活调整教学行为。
二是关注指向认知主体内隐行为的数据，分析学习个体的思维模式与学习策略。这类数据可以概括为具有深度内联性的过程数据，能够反映学习者内隐行为的变化。通过收集学习者在学习过程中的答题轨迹、交互记录和学习资源使用情况等数据，教师可以深入了解学生的认知活动和思维过程，从而帮助学生优化学习行为和提升认知策略。这些数据随着系列教学事件的开展不断更新，而数据的生长性同时也反映了学生思维变化的发展性。综上所述，教学全数据不仅关注学生的学习结果，也重视学生在学习过程中的行为表现。教育者应从结果和过程两个方面入手，综合考虑学习活动中的制品输出和学习者行为，以全面提升教学效果。
(三)智能处理全数据，赋能教师科学决策
基于循证的课堂设计立足于提供多视角、多维度的观察视野，强调用整体性的思维看待教学，关注教学过程中的所有细节。将细节转化为可视化的数据信息进行针对性研究，有助于提高教学决策的科学性和有效性[13]。明晰教学决策过程中人与机器之间的权责分配，可以更好地在实际教学过程中交互使用适配的决策类型。从人与机器的角色关系入手，可以划分为人工决策、机器决策、人机协调决策3种类型。
人工决策是指教师在教学过程中凭借个体经验和专业判断进行的决策行为，具有高度的灵活性与创造性。本研究侧重探讨在数字化转型背景下技术支持的教学智能决策行为，因此对人工决策不做过多讨论。
机器决策在教学中的应用体现在以人工智能为抓手，形成教学数据的自动化处理。人工智能的本质就是将复杂的问题通过相关算法无限解剖，将复杂的非线性的结构分解成多个可理解的线性结构，尤其是对基于规则推理、逻辑运算的程序化工作，可以依据既定算法进行自动化的决策[14]。在具体的教学实践中，教师可以借助相关机器执行人工智能技术的认知功能，获得输入内容的结果反馈。机器执行的自动化教学决策可以替代教师重复性的烦琐教学任务，并在一定程度上提高了决策结果的准确性。人工智能在帮助教师实现减负增效的同时，还可以更加专注于掌握学生问题链，探究深层教学规律，促进高效认知的发生。除此之外，人工智能技术还可以全方位自动化地收集学习探究过程中所产生的伴随性数据，形成具有认知特征和思维特征的学生个体学习档案。
人机协同决策以教学过程中产生的海量数据为逻辑起点，适应性的协同机制为运行准则，由人工智能与教师共同驱动教学决策科学化。人工智能对于处理规则性指令具有强大的、稳定的输出功能，但是对于具有不确定性的突发状况却无法及时应对。虽然人类决策者可以积极应对突发状况，但在进行决策时容易受到认知偏差、生理状态和环境因素的影响[15]。运用以算法为核心的机器进行信息收集与价值评估，可以将关键信息直接反馈给教师，在节省认知资源的同时，还可以增强教师的洞察力，帮助教师建立起教学行为与学习现象之间的相关性，促使教师基于教学规律做出相应的决策行为。另外，教师可以以数据分析为中介，将教学数据与教学设计建立关联，切实解决学习活动中存在的关键问题。
(四)联通学习空间，打造泛在学习体验
数字化技术摆脱了有形载体的学习资料的束缚，突破地域边界为教学提供支持服务。通过数字化技术，教师能够有效联通学习空间，为学生提供多元化、个性化的学习机会[16]。教学过程中所涉及的教、学、管、评、测能够借助数字化技术有机融合，形成无缝连接的学习环境，打破正式与非正式学习的壁垒，构建泛在学习体验空间。
一是打通物理空间与网络空间，融通社会关系空间。社会关系空间关注学习者在外部世界与他人互动交往过程中关系网络的建立，在具体的学习活动中，旨在加强教师、同伴、专家等多个社会角色群体之间的互动与合作。联通学习空间弥合了数字虚拟世界和真实世界的鸿沟，与社会关系空间共同构成了一个超越现实、结合自身需求发展的新世界。在联通空间的支持下，学习环境从原来的教室和学校延展到更广泛的学习社群空间，拓展了学生的社交范围，学习者可以通过数字平台、网络社区等多种类型的空间平台与更多的学习共同体建立联系，实现知识构建、经验分享、问题解决。
二是联通多种学习空间，构建智慧学习网络。学习资源基于网络学习空间、物理学习空间，依托物联网、互联网之间的连接与交互，构建丰富多样的学习资源环境。实体教室资源与互联网络进行连接，实现智能化管理与控制。教师可以通过移动终端控制教学设备（投影仪、灯光、平板等），或是利用传感器等设备检测空间信息，创造更高质量的学习环境。联通空间的建设强调更好地连接和协作，其中不仅包括传统的面授课堂，还包括在线学习、虚拟实验室等多种学习场景。学生在借助网络空间参与全球范围的学习活动时，具有物联属性的学习协作工具可以增强远程团队项目的协作互动，实现更具灵活性与互动性的远程教育体验。
四、结语
学习生态系统具有高度复杂性，需要关注系统中存在的各种关系的变化，并对其中自组织结构导致的不稳定性进行协调干预，以实现生态系统的平衡发展。如果仅从数字技术层面理解课堂教学数字化转型，或许可以提高学习效率，但难以深入教学本质。在技术和思维的共同加持下，重新认识课堂教学，构建新型学习样态，关注学习行为的共同性与特殊性，可以助力学习者形成面向未来的心智结构。
参考文献：
[1]袁振国.教育数字化转型：转什么，怎么转[J].华东师范大学学报(教育科学版),2023(3):1-11.
[2]谢幼如,罗文婧,章锐,等.“双减”背景下课堂教学数字化转型的理论探索与演进路径[J].电化教育研究,2022(9):14-21.
[3]叶兰.欧美数字素养实践进展与启示[J].图书馆建设, 2014(7)： 17-22.
[4]黄荣怀.人工智能正加速教育变革：现实挑战与应对举措[J].中国教育学刊,2023(6):26-33．
[5]布列钦卡.教育科学的基本概念：分析、批判和建议[M].胡劲松，译.上海:华东师范大学出版社, 2001:138.
[6]王一新,朱彩兰.中小学生数字化学习与创新评价指标体系构建[J].数字教育,2023,9(6):55-61.
[7]邓友超.复合教育者的诞生[J].现代教学,2023(6):1.
[8]沈书生,祝智庭.ChatGPT类产品：内在机制及其对学习评价的影响[J].中国远程教育,2023(4):8-15.
[9]林崇德,胡卫平.思维型课堂教学的理论与实践[J].北京师范大学学报(社会科学版),2010(1):29-36.
[10]沈书生.设计学习事件:指向学习的层次[J].电化教育研究,2019(10):5-11.
[11]郑旭东,王美倩,周子荷.人工智能推动教育具身何以可能：论具身的人工智能与具身的教育实践[J].现代教育技术,2023(6):5-14.
[12]马云飞,郑旭东,赵冉,等.深度学习的发生机制与多模态数据测评研究[J].远程教育杂志,2022(1):50-60.
[13]杨现民,吴贵芬,李新.教育数字化转型中数据要素的价值发挥与管理[J].现代教育技术,2022,32(8):5-13.
[14]梁迎丽,刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育,2018(3):24-30.
[15]XIONG W, FAN H, MA L, et al. Challenges of human–machine collaboration in risky decision-making[J]. Frontiers of Engineering Management, 2022,9(1):89-103.
[16]黄漫婷,王姝莉.教育数字化转型的挑战与机遇：访华南师范大学胡小勇教授[J].数字教育,2022,8(6):1-5.
