21世纪的学习和教学技术:前景瞻望

更多更好的技术便能改进教育吗？尽管有如此多的改革和持续增加的计算机和网络方面的投资，学校的改变却很小。我们管理学校和提供教学的方式依然同我们的父辈上学时的方式一样。换言之，我们在工业时代的环境下用农业时代的方式教育学生，却告诉学生们他们生活在一个数字时代。
但几乎每一个人都认为技术将会带来改变！为了使如此重要且势不可挡的变化得以实现，我们不仅需要对工业时代的工厂化教育模式进行反思和重组，也需要重新思考哪些工具可以用来支持这场变革。

译序 / 1
译者简介 / 9
前言 / 13
原作者简介 / 17
1  教学设计理论与实践的探索与推进 /
J. Michael Spector
2  从不同角度处理设计： 功能性设计 /
Andrew S. Gibbons和P. Clint Rogers
3  适用于多种教学环境的健全设计 /
Jody Clarke和Chris Dede
4  外部建模心智模式 /
David H. Jonassen
5  将教学技术中至关重要的人文框架应用于教育实践 /
Johannes Strobel 和Heather Tillberg-Webb
6  何时不需要学习小组： 用个别辅导模型进行有效在线学习 /
Alyssa Friend Wise, Chandra Hawley Orrill, Thomas M. Duffy,
Rodrigo del Valle和Jamie R. Kirkley
7  在社交网络时代中把多视角理论应用于教、学与研究的多媒体设计 /
Ricki Goldman 和Chaoyan Dong
8  创建美国中小学教育的共同未来前景： 以学习者为中心的系统化改革过程 /
Charles M. Reigeluth, Alison Carr-Chellman, Brian Beabout和William Watson
9  技术作为课堂改革的推动力 /
Gary R. Morrison, Steven M. Ross和Deborah L. Lowther
10  用活动理论评估和改进中小学与高校的合作关系 /
Lisa C. Yamagata-Lynch和Sharon Smaldino
11  对本书章节的综合评论： *部分/
Marcy P. Driscoll
12  对本书章节的综合评论： 第二部分 /
Wellesley R. Foshay

1  教学设计理论与实践的探索与推进
J. MichaelSpector   
    摘  要： 学习基本上与人的变化有关——人的能力、态度、信仰、知识、思维模式以及技能方面的恒定不断的变化。在过去，用技术来支撑学习被误认为技术能提供无数迅猛改进学习的机会。不幸的是很多所谓的先进技术并没有给学习带来实质上的、永恒的改进。在改进学习的过程中，要紧的一步是评估学习者在学前、学中、学后，以及学后很长一段时间里的能力、态度、信仰、知识等的变化。然而能有效评估学习改进的方法几乎不存在，加之学习范畴中还包括非良构的复杂问题，要评估这一学习范畴，那就更具有挑战性了。在本章节中，笔者将讨论评估、解决问题这一复杂学习范畴的一些过程。
    关键词： 教学设计理论，教学技术，学习，认知心理学，动机学，认知负荷，复杂范畴，系统论方法，技术整合，DEEP方法论
介绍
    多年来，在教学的计划与实施中产生了很多次变革
本章节是基于Spector教授2006年在比利时列文（Leuven, Belgium）召开的EARLI-ID年会上的主题报告而写的。他的这些观点也在EARLI的其他报告以及AECT夏季研究讲习会上发表。J.M. SpectorFlorida State University,Learning Systems Institute, C 4622 University Center,Tallahassee, FL32306-2540, USAe-mail： mspector@lsi.fsu.edu。有些变革是因为某一新技术的引进而产生的，比如说书本的批量生产。有些变革是因为人们工作的性质的改变而引起的。举例来说，在手工作坊中的边操作边学习是多世纪以来普遍的教学实施方法，这是应工业革命实地培训特殊技能工人的需要而产生的结果。较近期的认知心理学以及新的数字技术在学习与教学领域带来了许多理论与实践上的变革。
    然而，没有一个单一的理论能解释在多种情况下人们学或不学的原因。类似地，也没有一种单一的教学设计模式能适用于绝大多数的学习场合。有极少既成的设计原理能指导有效的教学设计，但哪怕是这些已被广泛接受了的设计原理也缺少教学设计实践所需要的细则。
    这些说法是会受到挑战的，事实上也已受到了有些研究人员和教学设计者的挑战。让我们先把这些不同看法放一边，继续我们的讨论吧。事实上，我们对学习与有效教学设计的了解比我们自己认为的要少。我们将重温一下基本的学习原理和那些对教学设计实践有影响的技术，检验一下识别对于教学设计实践有效的学习理论的关键问题，即如何决定在复杂范畴里的学习进展以及是什么教学技巧才使得学习与业绩有所改进的问题，提出一个对问题进行概念化的动态方法来迎接这个重要的挑战，并对这个方法的方方面面进行推敲和讨论。
    在《研究对教育的影响： 一些个案分析》（Impact of Research on Education： Some Case Studies）一书的前言中，Patrick Suppes(1978)说： “因为整个民族对研究付出很少，我们所有的人有时会感到无望，因为研究可以在很大程度上来帮助人们改进实践。”（第xiii页）尽管在学习和教学方面我们做了不少研究，但还是有很多未知有待我们去探讨。在如何改进学习和教学方面，还有更多的事需要我们在已知的基础上去做。与此同时，认知心理学在发展，用于支撑学习和教学的技术在更新。1972年Edgars Dijkstra在计算机学会的年会主题报告中说： “电子工业还没有解决任何问题，但却带来了问题，它带来了如何用它的产品的问题。”（第861页）
    人们热衷于信息与通信技术，不可无视的是这些技术在日新月异地发展。每当引入新技术都会带来如何有效地应用新技术来提高学习的新问题——这在教育领域中尤其是一个挑战(Spector, 2000)。技术的变化无穷以及因此给学与教所带来的挑战数不胜数。教育资源信息中心(ERIC)的信息与技术部门以及其他十六个部门和十个相关部门被关闭的事实都是由于技术的变化。这些部门自1966年起为教育界服务，吸引了世界各地为数众多的用户，包括研究人员、教师、学生、图书馆员、媒体专家、技术协调，以及管理人员。ERIC还在用，但是这些部门没有了。可能ERIC的服务和支持与以往一样好——但很多人不这么认为，因为它的用处少了。但是那些从前用惯了这些服务的人不得不调整他们自己，因为技术变了。
    技术改变了人们的工作与生活习惯，更重要的是技术增强了人的能力。人们可以用技术来进行教与学（例如，Jonassen, 2006; Lowyck & Elen, 2004;Spector & Anderson, 2000）。新技术为改进学与教提供了新机会；然而，尽管在研究与技术方面的投资可观，但教育并没有很大的改进。所谓的“技术能为学习带来惊人的改进”并没有实现。如果以教育对社会的影响作为衡量教育改进的标准，那么我们可以问，正如Suppes(1978)所提到的： 是什么导致人们对于教育研究的负面评价呢。
    我想起了《圣经》序言中的一句名言，它基本上可以被翻译成： “起始时的混沌。”
［文章作者在原文中用的是“... which can be loosely translated asfollows： In the beginning there were chaos andconfusion...”所以本翻译不是直接从圣经原文而来的。——译者注］在我们能对学与教进行现代化的教育研究之前，对于如何教，可能会有起始时的混沌。教师用不同的方法和资源，会取得相当不同的教学效果。人们可能会认为在起始时的混沌时期，不会有很多的改变。我们可以做的是“探索”，尽管有些人认为他们可以做的是“推进”。我不被他们所说服。我们在新的领域里探索，这*确切地描述了我们当今教学设计实践的现状，以及教学设计所基于的学习理论基础和心理学社会学的发展的现状。而“推进”则已到达了对知识有着极大贡献的阶段，在这一阶段，被推进的事物已被广泛接受且能用于预言结果。在我看来，学习理论和教学设计在当前还远未达到这一阶段。
    学与教的研究
    在过去的50年中，在学的研究领域里我们做了些什么？认知心理学在人的记忆以及记忆在学习中所起的功用方面作出了很大贡献。个人的短期记忆能处理的信息是有限的，而这一特征并不因为年龄、性别、经验或其他的个人差异而有显著的不同(Miller, 1956)。Anderson和他的同事们(2004)的基于记忆中的多种呈现形式——主要是文字和图像——的认知理论被广泛接受。Paivio(1986)和其他一些人认为多方面的提示能够加强记忆的储存和提取信息的能力。认知心理学家在我们对学习的认识方面所作出的贡献远远超过了我在此能提及的。（Kintsch, 1993; Polson, 1993）。
    学习，从根本上来说，与改进有关。当我们说某一生物学到了一些东西，我们肯定是观察到了此生物的变化。对于人类来说，相关的变化可以是能力上的、态度上的、行为上的、信仰上的、思维模式上的、技能上的或者任何这些方面的组合变化。这一学习的定义是根据这些可以观察到的直观印象而下的，而不是根据可能引起这种变化的各种认知或社交过程而下的。千真万确的是这些过程是重要的，因为这些过程使人们相信他们能学，使他们产生动力去学，使他们沉浸在学习之中，而且使他们能自己监督自己的学习。在本章中，我们不讨论后者，我们的讨论集中在“学习的产生是一种稳定且恒定的变化”上。
    典型的研究内容是通过观察变化来断言学习是否发生，这些变化包括相应的人的能力、态度、行为、信仰等等方面的反应模式。要得出一个学习是否发生的结论，涉及多方面的原因。首先，有这么一个事实： 人多数时间总是自然地在学。很多我们学到的东西是在日常或偶尔发生的事件中无意中得到的。为了做有关学习方面的研究，教学设计研究者通常在常规的学习环境中（例如学校）做观察。在常规的学习环境中，学习往往设有学习目标，这些学习目标是明确的，可以被更改且可以被用来作为评估的标准。这类应用性的教育研究跟学习心理学家在实验室里做实验有着很大差异。在实验室环境中做实验，人们可以很容易地控制各种变量。
    认知研究人员承认很多非认知方面的因素在影响着学习，包括学习动力和偏见。学习动力在发展专业知识方面尤为重要（Ericsson, 2001）。社交机会中人与人之间的交往对人的学习与业绩都有着很大的影响（Moreno, Mayer, Spires & Lester, 2001;Salas & Fiore, 2004）。
    Bransford, Brown和Cocking(2000)总结了有关学习方面的研究结果，包括：
    ●学生对于世界有他们自己的认识，而这些认识（往往是有误的）会干预他们的学习。
    ●能力的发展需要有基础知识，概念上的框架，以及组织和回访已有知识的能力。
    ●认知的自我意识能够帮助学习和改进业绩。
    这些研究结果与以示范启发(model-facilitated learning)的学习方法(Milrad, Spector & Davidsen, 2003)、认知师带徒(cognitive apprentice)的学习方法(Collins, Brown & Newman, 1989)、以示范为中心(model-centered learning)的学习方法(Seel, 2003),以及其他类似的教学设计方法相吻合，也被这些教学设计方法所证实。
    Lowyck和他的同事们 (Lowyck & Elen, 2004; Lowyck, Pys& van Merrinboer, 2003)也总结了他们的研究结果，为教学设计和有效地应用技术提供了有意义的信息。他们的研究结果针对的是有目标的学习，包括：
    ●学习是一个积极的过程，学习的过程是很费脑的。
    ●学习者在学习过程中运用自己的经验来构成自己的认识。
    ●学习是一个慢慢积累的过程，当新知识与既成知识相结合时，新知识才*有用。
    ●有效的学习是需要学习者自己监督的。
    ●学习不能脱离情景，所谓情景包括情景场所和社会文化等方面。
    专门研究认知负荷的研究人员对于设立目标的学习所需要的用脑程度做了研究（Paas, Renkl & Sweller, 2003; Sweller,2003），他们把认知负荷分为三类： *类是内在认知负荷(intrinsic cognitive load)，即解决问题本身所需要的认知负荷；第二类是外在认知负荷(extraneous cognitive load)，即在解决问题时用于对付所遇到的一些与解决该问题有关的外界因素所需要的认知负荷；第三类是相关认知负荷(germane cognitive load)，一般说来，是对学习有利并因个人的特点以及情况而异的认知负荷。应该注意的是认知负荷的多少并非是客观可测的，它是应个人情况而异的。显而易见，对于一个富有经验的人来说，在自己熟悉的领域里解决一个问题是不会花很多内在或外在认知负荷的。但对于一个缺乏经验的人来说，解决同样的一个问题却需要花很大的内外认知负荷。那些解决问题所需要的相关认知负荷对于具有不同经验和不同已有知识的人们来说，显然也是不同的。
    Merrill(2002)为教学设计设置了一套首要规则，这套规则是从教育研究和教学技术的成功的事例中归纳而来的，包括： Star legacy (Schwartz, Lin, Brophy &Bransford, 1999), McCarthy（1996）的 4Mat, Andre（1986）的教学剧，Gardner（1999）的多种智慧，Nelson（1999）的合作解决问题，Jonassen(1999)的建构技巧，以及Schank, Berman和McPherson （1999）的从实践中学。这些方法及其相关学习体系，以及前面提及的其他一些技巧，还有更多的没在这儿一一提及的技巧，都代表了在教学设计研究和技术领域中的伟大探索。Merrill(2002)设计的首要规则包括采用以问题为中心的教学方法，此方法帮助学习者激发相关的知识结构和期望，剖析解决问题的思路，提供解决问题的操练机会，然后将学到的知识应用到有意义的实际活动中去。
    Spector(2001)将教育研究作了一个整体的综合分析，归纳出以下的自然主义的教育法则：
    ●学习基本上与人的变化有关——人的态度、行为、信仰、能力、思维模式、技能的变化，或者是上述中的几个方面的综合变化。
    ●亲身体验是学习和帮助人进行理解的起点——确实，亲身体验在学习过程中是与人处处相伴的，其表现方式为观察、推敲、假设、反思、思维实验、实际实验等等。
    ●情景决定学习者对知识的理解和建构——这代表了实践出真知。
    ●相关情景的涉及面往往又广又多；将新情景的方方面面跟既存的知识和理解联系起来才能使学习有效。
    ●有效学习起始于谦卑和不确定——就是说，要意识到自己对知识不懂或不理解。
    这些总结告诉我们，教育研究人员根据学习研究的结果对教学设计提出的建议是高度一致的。然而，为什么除了这些研究人员，几乎没人将这些研究结果系统地应用于学与教的改进呢？为什么我们还没能看到改进学与教会不断授益于社会呢？可能教育实践并不像人们想象的那样是有依据的，或者是因为我没能看到教学方面大规模的改进。假设没有后者这一可能，在下面的章节中我提出了一种评估方法，意在使基于证据的教学设计研究有所提高。
    评估复杂范畴的学习
    我相信研究成果没有被广泛地应用于学与教是因为我们没能成功地将有效地进行学与教作为教育系统必须考虑的事项
在此章节中提及的工作起始于Bergen大学，然后在Syracuse大学继续进行。这项工作是国家科学基金会项目的一部分，题为“评估复杂范畴学习的深层方法”（Spector & Koszalka, 2004）。。这是因为我们没能把教育看作是复杂和动态的系统，因此阻碍了进步。在本章节中我会论及有关复杂系统里的学习的研究，并集中讨论一种根据学与教的实际数据来做决定的评估方法。
    系统可以被粗略地定义为一组相互关联的组成部分经输入处理后再作为成果输出的机制。要定义一个系统，典型的做法是要设定可被认为是系统的那组完整部分的范围。这个范围通常是主观决定的。举例来说，当我们来定义教育系统时，我们可能认为作为一个完整的系统，它由两部分组成，包括家庭生活和学校课外活动。家庭生活部分包括双亲以及父母引导下的阅读等等。课外活动部分包括参加俱乐部和体育活动。而其他的部分，像家庭生活中的节食和课外活动中的约会，不应包括在这个系统中。本讨论与教育系统的组成无关，而是有关教育系统本身，尤其是有关教育系统中的教与学的系统。
    用基于系统的方法来研究学与教大约已有50年历史，近年来这一方法也被用于评估(Seel, 2003; Spector, 2004)。对于非良构复杂问题范畴里的学与教这一方面所做的研究表明，学习者通常不理解系统的性质——各种因素之间的错综复杂的关系以及系统中的牵一发而动全身的效应等等，他们是不理解的(Drner, 1996; Spector & Anderson,2000)。一些被提及到的教学方法直接关注这些问题，包括以解决问题为中心(problem-centered)的学习(Merrill, 2002)以及类似的以示范为中心(model-centered)的学习(Seel, 2003)和示范启发式(model-facilitated)的学习(Milrad等,2003)。
    这些基于系统学的教学方法的一个共同关注的中心是要对学习者交待问题的全部复杂情况，但是为了能帮助学习者有效地学习，要逐渐引入复杂因素以帮助学习者逐渐掌握问题的复杂性。具有挑战性的问题一般地有一个复杂的系统。教学不应该只针对问题的某一特性，而是应该同时看到整个系统，方能帮助学习者在他们的实际生活中去发现问题，解决问题，这就称为的方法(Spector & Anderson, 2000)或整体任务的方法(van Merrinboer, 1997)。在这些复杂情景中来启发学习者加强理解的方法有多种，包括多次重提问题所处的形势(Spiro, Feltovich, Jackbson & Coulson,1991)，与模拟的复杂系统进行交互(Milrad等,2003)，以及提供复杂问题中已完成的部分作为范例（van Merrinboer, 1997)。以下章节所描述的方法对教学和评估应该都有启示作用。
    我们可以把“技术用于教与学”跟基于系统学的教学方法紧密联系起来。在这种基于系统学的教学方法中我们会用到性能高但花费不高的电脑、宽带网络、无线技术，功用较大且易获取的软件系统，常用的学习环境等等。用于教育的技术为以解决问题为中心的教学方法提供了大量花费不大的资源。学习技术的模式从呆板地跟着电脑学改进到用电脑来推进学习(Lowyck & Elen, 2004)。其强调的是： （a）技术是在不断变化和创新的；（b）用技术来支持较高层面的复杂学习(Jonassen, 2006; Spector & Anderson,2000)。用技术来支持较高层面的复杂学习是很多教育研究人员所关心的问题（Project Zero at Harvard University; http：//pzweb.harvard.edu/）。
    学习环境和教学系统的关系应该被看作是大系统下的小系统，而不应该被看成是各自独立且与外界无关的一个学习可能发生的地方。跟早几代人的灌输学习法相比较，在活跃的模式中进行学习应该更好。很多学习活动可以用技术来实现，这一事实使教学设计变得更复杂了——也就是说，要能识别什么时候哪些学习活动是如何促进学习者的理解能力的，以及为什么会促进学习者的理解能力。在早几代教育技术发展中学到的教训是应该被记住的。举例来说，好的技术或许是不会给学习带来效应或效率的。以前的研究曾注重于某一技术对学习者的学习态度、动力和简单的知识测试方面的效应。这类研究触发了一场有关教育媒体效应的无谓辩论(Clark, 1994; Kozma, 1994)。研究应该注重学习效应，考虑如何改进对学生答疑的过程以及其他涉及到高层思维的学习，这些方面与理解具有挑战性的复杂学习的内容直接相关 (Lowyck等,2003; Spector& Anderson, 2000)。
    为了能够保证特定的教学方法和教育技术在改进复杂问题解决的技能方面起作用，我们就必须有合适的评估高层思维学习成果的方法。对于这么一种方法我们进行过一次探索性测试，其结果于2000年在挪威卑尔根召开的International System Dynamics会议上发表并进行讨论（Christensen, Spector, Sioutine & McCormack， 2000）。德国也开拓了相类似的方法，此方法看起来可行 (Seel, Al-Diban & Blumschein, 2000)。下面我们将讨论这个由国家科学基金会(NSF)支持了一年的有关评估方法的研究项目的结果。
    这个NSF项目名为“评估复杂范畴学习的深层（DEEP）方法”（详细结果请见Spector & Koszalka, 2004；本章节只汇报粗线条的总结），这一项目检查了用重述解释问题的方法来判断生物学、工程学和医学领域里专家的相对水准的结果。其他类似的研究也发表了类似的结论(Seel等,2000; Stoyanova & Kommers, 2002;Taricani & Clariana, 2006)。这个DEEP项目从生物学、工程学和医学这三个复杂问题范畴中各提取了两个有代表性的问题情景。接受测试的有专家和非专家，每个被测试者接受一个问题情景，要求根据问题情景写出他们的解决方案的思路，其方法包括写出一系列思路程序，在每一程序下描述为什么此思路程序与问题的解决方案相关，以及如何相关。被测试者需要写下他们对问题所处形势的假设，包括他们的起始想法和活动结束时的想法，然后再将问题解决方法的程序写下来——不是将问题的解决方法而是将问题解决方法的程序写下来。要求的内容包括： (a)影响问题情况的事实与因素；(b)解释每一个因素——举例来说，此因素如何影响问题；(c)用将问题的主要因素连接在一起的图示来表示问题的情况(访问http：//deep.lsi.fsu.edu/DMVS/jsp/index.htm可找到DEEP工具)；(d)在图示上用文字解释每一链接和每一因素；(e)基于以上这些内容，提出问题解决方法的程序，包括可能需要的用于具体说明问题解决方法的其他信息；(f)指出其他可能的解决问题方法的程序（几乎没有人在答卷中提供有关这方面的信息）。
    研究结果表明这一DEEP方法可以用来预言业绩以及在某些情形中的相对的专家水准(Spector & Koszalka, 2004; Spector,Dennen & Koszalka, 2005)。尽管专家跟专家之间的表述也存在着差异，但专家跟非专家之间的表述则有着更大的差异。再比较一下非专家之间的表述，发现差异也较大。所有的差异存在于三个分析层面上（表层，结构，语意）。总的来说，专家们多倾向于找出因素之间的关系，也就是说去发现因素和因素之间是如何联结起来的。多数情况下，专家们是以发现因素之间的因果关系来解决问题的。但是医学诊断专家们则不同，他们并不是靠发现因素之间的因果关系来解决问题的。这是因为医学诊断专家对于标准的诊断程序非常熟悉，他们用既有的标准诊断知识很快地就能设计出一套解决问题的程序方案。那些非专家的医学院实习生则因刚学了有关人体的知识，而用那些新知识来帮助推理，很快地也就设计出一套成功解决诊断问题的程序方案。换言之，医学诊断专家们用他们既成的知识架构对问题的情况作出反应，而非专家们则需要建构因素之间的因果关系来推断出解决问题的方案。在其他的领域里，跟新手们相比，专家们用比较多的因果推理方法来找到解决问题的方案。在不同的领域里所发现的不同结果表明我们的DEEP方法对这些不同是敏感的，而且可以被用来识别这种差异。
    在这三种问题领域里，在识别主要的因素连接点方面，专家和非专家之间是存在差异的。专家们所识别的关键因素连接点是相仿的，他们识别的是那些*相关的连接点。而那些非专家们所识别的关键因素连接点则是不统一的。因此，那些由非专家们识别出来的关键因素连接点跟专家们识别出来的关键因素连接点迥然不同，而且，非专家跟非专家之间识别出来的关键因素连接点也不同。举例来说，在一个医学情景中，没有一个专家把压力（stress）作为一个因素找出来，而有些非专家则认为压力是一个因素。医学专家是由测试所提供的证据来找出关键因素的。专家们还提到他们重新考虑他们的解决方案，重做测试；但非专家们则没有提到这些事。简而言之，专家和非专家的回答非常明显地在表层和结构（关键连接点）以及语意（他们所说的有关某些专门连接点的看法）这三个层面上都存在着差异。
    我们的DEEP研究没能对问题重述在经过一段时间后是否有变化进行观测，也没能让被测试者在接受教程后或经过扎实的实践后再进行一次测试。我们的目标是要发现（a）这种解析问题的方法是否可使用于多种学习范畴，（b）专家和非专家的处理问题的方法是否有差异，以及（c）这种方法可否被用作评估专家水准的基础。这些目标是达到了。接下来要做的是调查如何将DEEP应用于对个人或小组解析问题的变化的评估以及将这一方法用于对问题解决的个性化反馈(Spector等,2005)。这也就是说要用这种方法对个人和小组进行测试，看其在指导和实践前、中、后解析问题的程序时是否有变化。我们希望DEEP方法可以被用来评估梯队解决问题的能力以及预见由梯队来解决复杂认知问题会有什么样的业绩，因为这方面的研究对社会会有极大贡献，但是至今却很少有人涉及。DEEP有这方面的潜力，它可以被用作对个人或梯队的问题解析作个性化以及高层面反馈的基础，因而它可能会起到帮助提高人们的元认知技能和自我意识能力的作用。
   
DEEP方法可能会被推广到教育和需要改进业绩的场合为很多人所用。人们也用传统的出声思维（think-aloud）原型来进行分析，而这种分析方法只限于以限定人数的分析来测定特定的有关学习和业绩的假设。DEEP方法的其他优势是容易学和容易实施，这个优势使它能广泛地用于课堂和工作场所。在实施DEEP方法之前，还需要对这一方法和其他并用的相关方法继续改善精炼，包括对小组和解决问题的梯队进行测试。我们还需要对在不同技术与知识层面上的人们进行测试，来调查更多领域里的更多问题，以帮助相关人员设计出更*、更可靠的用于DEEP方法的评估工具。DEEP方法还能用于揭示不同型号的问题以及了解不同的问题解决者是如何分析问题的。这些知识可以帮助人们理解个人和梯队的问题解决技能是如何发展的。
    先于DEEP的各种类似方法在其他领域里也被测试过，其结果也是有效的（见，例如，Dummer & Ifenthaler, 2005; Herl等,1999; Novak, 1998; Schvaneveldt, 1990）除了与DEEP相关的测试以及其他的一些评估工具之外，当然也可以收集相对来说可靠的数据，例如对专家们相似的回答作一定量分析（例如，有否提及一些重要特征以及这些特征标设在概念图的方位）。这些数据本身并不对专门技能的发展或高层推理提供证据，尤其在复杂的非良构问题领域里。但是它们可以预言很多复杂问题的业绩。我们也可以收集和分析定性数据，包括那些对问题情景的应答以及出声思维的原型记录。然而，这些方法费时且费成本，而且，这些方法在实施中从未得到推广。这些定性分析的方法在人数众多的情况下或在评估专业点时是无用的。可以保证的是DEEP（Spector & Koszalka, 2004）和其他基于电脑的工具（Dummer & Ifenthaler, 2005）可以用来评估个人和梯队在实时中的和通过接受教程或一段时间的实践后所起的变化。
    DEEP方法可以要求学习者或者学习小组建构一个解析性的问题表述来决定学习者或者学习小组是如何对一个特定问题形式进行思维的。在学习者或者学习小组画出了概念图以后，这一概念图被用来与专家的概念图进行对比，学习者即刻便可接到对于他所做的问题解析的反馈。随着问题解析经验的累积，便可决定学习者的思维是否逐渐靠近专家的思维方式而有所改进（诸如辨认因素，分析因素之间的复杂交互关系，以及对于这些关系进行解释）。总而言之，用DEEP方法来预言个人和小组如何在问题表述方面有所改进、有所变化是可能的。这一总结与其他研究人类思维发展模型的研究人员所做的总结是一致的（Dummer & Ifenthaler, 2005; Ifenthaler,2007; Ifenthaler & Seel, 2005; Ifenthaler, Pirnay-Dummer & Seel, 2007;Pirnay-Dummer, 2007; Seel 2003）。
    这一DEEP工具*近与由Dummer和Ifenthaler(2005)开拓的一些工具一起被用于HIMATT——基于模型的高度交互评估工具和技术（Highly Interactive Model-based AssessmentTools and Technology）。 HIMATT的第二个工具可以用于以口述或者键入文本来回答关于关键因素和因素之间的关系的问题（Pirnay-Dummer, 2007）。随着第二个工具的问世，一个协会之间的关系网便自动建立起来了。HIMATT的第三个工具支持概念图之间的分析，我们又称之为问题概念化。这分析是多维的，包括表层分析（例如，连接点和链接的量，连接中*短的和*长的途径，等等），匹配分析（例如，辨认相同或相仿的连接点），还有深层分析（例如，辨认相仿结构和语意）。通过这些分析，我们产生了测定概念图相仿程度的工具，测定范围从零到一，零代表两图之间没有相仿之处，一代表两图完全相同。
    涉足无人涉及的领域
    教学的目的是为了启发学习——为了帮助人们。学习的目的，尤其是学校和正规的培训场合的学习目的是为了帮助人们改进业绩和理解力。改进人们的业绩和理解力的目的是为了使人们能将生活过得更好。如Suppes(1978)所提到的，这一连环上有地方是脱节的。的确，我们可以看到自1978年以来，这种脱节现象没有多大改变，或者说，打从盘古开天以来这种脱节现象就没有多大改变。我们在这新技术和学与教的旷野里彷徨了几十年，我们进行了一些有趣且令人兴奋的探索。然而，系统地改进学与教——如何用技术来有效地改进学与教——的切切实实的工作则刚刚开始。可能我们的学生们将会进入我们未能进入的地域——人们的心和脑，在那儿人们应该学一下如何分享有限的资源，接受不同的观点以及变成好邻居。可能我们的学生们能将大胆的探险转变成经得住考验的推进。
    致谢
    我竭诚向Norbert Seel和Jan Visser致谢。感谢他们阅读我的*稿并提供宝贵意见。同时感谢他们与我一起在EARLI-ID和2006年的AECT研讨会上汇报研究成果。
    （来凤琪  译）

《21世纪的学习和教学技术》收集了有关用技术改进学习的模型与方法的研究。这些文章由教学技术的学术研究带头人和思想家所写，对于用更多更好的技术便能改进教育的想法进行了挑战。作者们强调了具体的基于研究的想法，以这种思想来重新衡量学习，评估学校，重新考虑技术的应用，并且改进教学传递方法。
在承认技术的重要角色的同时，这些文章挖掘了技术的主要优势–技术能用于促进高等学习设计和发展中的样板，同时也促进学习互动。每一篇文章发掘技术的某一具体方面的角色，整本书都围绕这么一个主题。如果对于学习过程与它的方方面面没有足够的认识，光靠现有技术，是不可能对教育过程产生持续影响的。

Leslie Moller博士是南达科塔州大学（University of South Dakota）教育技术和培训系的前主任。他曾是普渡大学教学研究和发展专业的研究生。Leslie博士是AECT研究论坛会的主任和编辑。他也是《远程教育评论》季刊、《教育技术学与业绩改进》国际杂志季刊的编辑部委员会成员。Moller博士曾担任美国教育研究协会（AERA）的教学技术特别兴趣组*和AECT的远程教育与课程委员会*。在远程教育和教学系统设计方面，他已经写了30多篇文章和书刊篇章。他与他的妻子Mary Ann以及他们的宠物，居住在南达科塔州（South Dakota）的杨克顿市（Yankton）。邮箱： lesmoller@aol.com
   
来凤琪，哲学博士，现任印第安纳州立大学终身教授，博士生导师，学术领域为教育技术。1997年毕业于普渡大学，随后，在芝加哥的公司工作，先后任培训部主任及教学设计师/项目经理直至2002年返回学术界。来凤琪教授出国前曾在中国任教14年，她在国内的教学起始于幼儿园，然后是小学、初中、高中，直至大学。她获得的奖项有AECT*奖，SICET特殊贡献奖，印第安纳州立大学国际教育贡献奖，印第安纳州立大学Bayh教育学院Reitzel教授研究奖，先进技术援助公司（ATS）年度zui佳职工奖，上海铁道学院教学研究zui高贡献奖，上海铁道学院教学一等奖等。1997年，来教授被选拔为Phi Kappa Phi全学科荣誉学会终身会员。自2004年起,来教授热衷于中国学术交流活动并活跃于中国教育技术学术界,受邀至17所中国高校授课讲学，先后获得了上海师范大学、山东高等教育学会、河南大学、河南师范大学、华东师范大学和西安外事学院的荣誉证书。她是北美国际华人教育技术学会（SICET）的创办人之一，2005年任年会*，2005—2006年任学会*。她也是AECT-LKAOE 2015年夏季国际研讨会的策划筹备人与大会*，以及HKAECT-AECT 2017年夏季国际研讨会的荣誉顾问。