摘要：当前学生写作最大的问题就是不能够“个性”表达,写作依然停留在印证名人言论,或是凭空“思想建构”“泛化说理”的模式上,因此,教学中引导学生改变这种写作现状,培养“生活说理”的写作意识十分重要。具体实施策略:培养关联生活的意识,为说理找到落脚点;拓宽学生的生活外延,为说理找到增长点;强化对生活的多维思考,为说理找到突破点,最终写出具有“个性”乃至“创意”表达的文章。

摘要：目前的语文跨学科学习面临专业性缺失、学习低效等困境。由此,应把握语文跨学科学习的应然逻辑,即兼具育人整体性、课程融合性、专家专业性、知识生成性,基于专业合作与分工进行跨学科学习指导。对此,可以采用教师专业合作与角色轮转模型,推动跨学科教师共同体在同一学习主题下展开设计者与调控者间的轮转,在同一情境任务下展开教学者与参与者间的轮转,在不同实践活动中展开评价者与反思者间的轮转。

摘要：主题式校本教研是教研共同体围绕某一个主题的全流程闭环探索,由于主题是分层的,因而完整的教研探索是逐层进阶,需要整体规划。同时,每一个层级的主题探索基本遵循“从理论学习出发→依据理论开展设计→带着设计开展实践→围绕实践开展基于理论的讨论→基于实践反思理解甚至完善理论”的流程。完整的教研流程有利于教师全面而深入地理解与实践主题。

摘要：具身认知视域下的语文实践性作业立足于学生的生活经验,围绕学生主体开展的强调自主性、情境性、实践性的学习活动。通过表演、跨学科等作业形式来培养学生言语建构与运用、思维发展与提升、审美鉴赏与创造、文化传承与理解四方面的核心素养。同时语文实践性作业设计既要走进教材夯实学生语文基础;也要跳出教材融入社会生活,拓展学生的实践能力和解决问题的能力,进而全面提升学生的语文学科核心素养,落实“新课标”的实践性要求。

摘要：“教-学-评”三个要素是相互影响、相互支撑和相互耦合的一个整体,逆向教学设计对促进“教-学-评”一致性具有特殊的优势。逆向教学设计强调以终为始、目标导向和评价先行,即从教学最终输出倒推输入内容和方式,并将评价嵌入教学设计与实施的全过程,寻求达成目标的最佳路径与策略。据此构建了促进“教-学-评”的一致性的逆向教学设计框架:基于KUDB确定教学目标;设计与目标切合的评价证据;设计挑战性的学习任务与问题;开发能动性的学习活动。

摘要：教育数据是推动教育数字化转型的动力引擎,是推动教育高质量发展的重要抓手。在此背景下,我国各地区正大力推展教育数据应用项目,充分发挥教育数据在教育治理、教育教学以及教育评价等方面的重要潜能。然而,目前关于教育数据应用的实践效果缺乏系统评估,导致教育从业者难以准确了解教育数据应用的实际效果、资源配置等实践情况。因此急需一套科学有效的评价体系。基于此,本研究立足教育数据应用绩效的内涵和评价意义,以3E[经济性(Economy)、效率性(Efficiency)和有效性(Effectiveness)]理论为基础设计了教育数据应用绩效评价框架,随后采用德尔菲法构建了教育数据应用绩效评价指标体系,包括教育数据应用投入和教育数据应用产出2个一级指标,经费投入和人员投入等5个二级指标,以及涉及具体应用情况与评估现状的13个三级指标。最后基于该评价指标体系,从落实评价工作开展、规范评价方法程序、以横向与纵向比较为抓手,以及建立评价结果反馈和激励机制四个方面提出教育数据应用绩效评价的实施建议,以期促进教育数据应用绩效评价的落地,实现教育数据应用的科学化、高效化。

摘要：实用性阅读是指向信息获取与整合的阅读活动。获取与整合是信息处理的两个阶段,并各有难易之分,以此可建立“简单-受限”“复杂-受限”“复杂-开放”三阶设计层级。设计学习任务时,可以以“简单—受限”层级为基础,通过联结生活,多维仿真,向“复杂—受限”进阶;通过协同共进,多元融合向“复杂—开放”进阶,实现实用性阅读的学习进阶。

摘要：革命文化是培养学生文化自信素养的重要维度。语文统编教材中的革命文化题材课文是落实语文革命文化教育的基本载体。研究发现,当前小学语文革命文化教学面临着“课文解读标签化、目标定位重‘道’轻‘文’、任务设计缺乏向生性、教学方法单一、教学过程扁平化”的问题与挑战。聚焦释义、解码、评鉴的层进阅读教学理论不仅从“文载何道、文何以载道、文道如何”三个层面为解读革命文化题材课文提供了逐步深入的策略,而且从“基础、精深、超越”三个层面为设计语文革命文化教学任务指明了拾级而上的路径。

摘要：高三复习课是高中物理教学的重要组成部分,对实现整个高中物理知识的结构化、技能的综合化、方法的多元化和思维的系统化有重要作用.基于“情境·变式·追问”模式能有效地将内容、动机和互动3个学习维度整合在一起,实现高三复习课的有效性,其中,情境决定了复习课的长度、变式决定了复习课的宽度、追问决定了复习课的深度.本文以“微专题:带电粒子在匀强电场中运动”为例,阐述具体的教学活动过程和实践反思.

摘要：大语言模型作为新一代人工智能技术的代表,因其在对话流利性、任务处理通用性和逻辑推理性方面的优势而受到教育领域从业者的广泛关注。当前智能学伴已在促进学习互动、提供个性化辅导、增进情感交流、辅助智能测评等方面进行了一定探索,但是仍然面临对话问答能力弱、感知性差和教学适用性低等挑战。大语言模型强大的推理和表达能力为破解这一难题提供了新的思路。大语言模型赋能智能学伴需要重点解决系统架构设计和风险防控两大问题。具体而言,大语言模型支持下的智能学伴系统架构应包括输入层、数据层、技术实现层、应用层和输出层,通过“多平台协作+智能机器人代理”的方式,实现多角色互动、强交互能力、专业教学问答与深度感知等功能。为避免技术整合过程中可能出现的数据偏见、认知误导、知识版权归属分歧、隐私泄露等风险,智能学伴系统需在数据收集、算法设计和应用实践等方面加强监管和规范,以确保数据的客观性、算法的准确性以及用户的隐私权和知识产权。未来要纵深推进智能学伴的发展,还需结合学科专业知识和教学基础理论,提升知识推理的科学性和教学的专业性。