鮑乃源，李美琳

(1.東北師范大學 教育學部，吉林 長春 130117；2.成都市教育科學研究院附屬中學，四川 成都 610041)

信息技術(shù)的進步促使教育教學發(fā)生變革，教學智能化成為多方關(guān)注的焦點。高校教學是培育國家中堅力量人才的重要陣地。在智能時代背景下，國家緊跟時代發(fā)展，多次制定促進教育公平、提升教育質(zhì)量的規(guī)劃性政策。而在當前的社會發(fā)展體系下，利用智能技術(shù)進行人才培養(yǎng)是提升我國人才培養(yǎng)質(zhì)量的重要路徑。由此，傳統(tǒng)教學也面臨改革，智能技術(shù)不再是傳統(tǒng)教學的補充和輔助，而是作為智慧教學中的重要成員加入智慧教學矩陣與系統(tǒng)中，成為激發(fā)教師教學力和學生學習力的重要驅(qū)動。在政策與社會需求的雙重刺激下，傳統(tǒng)教學模式面臨著關(guān)鍵的轉(zhuǎn)變之機，如何從傳統(tǒng)教學走向智慧教學被納入教育研究中，基于當前的智能技術(shù)開展新的教學創(chuàng)新成為必然趨勢?；谏鲜鏊伎迹狙芯恳詷?gòu)建高校智慧教學推進模型為目標，聚焦如何構(gòu)建以及有效性探究，開展高校智慧教學現(xiàn)狀調(diào)查研究，明晰高校智慧教學特征，并在此基礎(chǔ)上基于相關(guān)理論進行高校智慧教學推進模型的初步構(gòu)建，進一步探究其合理性，最終確立高校智慧教學推進模型。本文所述“高校智慧教學推進模型”是指推進高校實施智慧教學的理論模型。

一、高校智慧教學推進模型初步構(gòu)建

(一) 提取模型要素的訪談設(shè)計及過程

本研究對具有高校智慧教學經(jīng)驗的教師、具有高校智慧教學管理輔助經(jīng)驗的管理人員進行多輪次的深度訪談，通過對訪談記錄加以整理歸納，探究具有智慧教學經(jīng)驗教師和教學管理者對高校智慧教學的真實認識和理解，以了解高校智慧教學現(xiàn)狀，為推進高校智慧教學提供數(shù)據(jù)支持，且在此基礎(chǔ)上，提取高校智慧教學推進模型所包含的要素。

在每一輪訪談中，研究者均圍繞構(gòu)建智慧教學的教研、教學和學生創(chuàng)研三方面展開提問，筆者根據(jù)受訪者回答的問題進行適宜的追問，并不斷調(diào)整訪談問題，訪談時間為1小時。訪談后，將訪談內(nèi)容整理成文本，將數(shù)據(jù)導入Nvivo11分析軟件中，對訪談文本進行開放編碼、主軸編碼及選擇編碼三個階段的編碼。

通過三輪訪談，對各位受訪者觀點的理解和結(jié)論的整體考量，形成的具體編碼結(jié)果見表1。

表1 訪談編碼結(jié)果：高校智慧教學推進模型要素初稿

上述五個維度即為高校智慧教學推進模型的五個要素。訪談過程中，教師們也提出了五個要素緊密聯(lián)系互相影響的觀點。同時，由于訪談口語化以及研究的局限性，高校智慧教學推進模型的五個要素及其關(guān)系，必然可以通過后續(xù)研究進行進一步的學術(shù)化，對要素的概念范疇進行修正和驗證。

(二) 模型要素的檢驗與修正

為了進一步確認所遴選要素的科學性和合理性，本研究采用Delphi方法進行驗證。在模型維度方面，將智慧教學方法、深度學習目標、多模態(tài)教學資源、智慧教學環(huán)境、智慧教學的管理機制作為一級維度，編制成調(diào)查問卷，每項問題設(shè)置非常重要、重要、一般重要、不太重要、不重要五級李克特量表，并針對每個題目都增加了開放性問題供專家提供建議。

在模型維度的關(guān)系方面，具體包括：(1)智慧教學的管理機制將影響多模態(tài)教學資源建設(shè)；(2)智慧教學的管理機制將影響深度學習目標達成；(3)智慧教學的管理機制將影響智慧教學環(huán)境使用；(4)智慧教學的管理機制將影響智慧教學方法的選擇；(5)智慧教學方法將影響多模態(tài)教學資源建設(shè)；(6)智慧教學方法將影響智慧教學環(huán)境使用；(7)智慧教學方法將影響深度學習目標達成；(8)多模態(tài)教學資源影響智慧教學環(huán)境建設(shè)；(9)多模態(tài)教學資源將影響深度學習目標達成；(10)智慧教學環(huán)境將影響深度學習目標達成。每一個關(guān)聯(lián)關(guān)系設(shè)置一個問題，每項問題設(shè)置Liket 5點計分(1=“不重要”，5=“非常重要”)，同樣針對每個假設(shè)對應的題目增加開放性問題供專家提供建議。

此外，在所有問題最后，增加一道開放性問題，以便專家在這些具體問題之外，對高校智慧課堂的構(gòu)建維度提供更開放、更多元的意見或建議。

經(jīng)過預調(diào)查及兩輪專家征詢，23位專家關(guān)于構(gòu)建要素、樣態(tài)特征等已達到了高度的共識，進而確立了模型所包含的五個要素：智慧教學管理、智慧教學方法、智慧教學環(huán)境、智慧教學資源、智慧教學目標。

(三) 高校智慧教學推進模型初步構(gòu)建

基于上述探究，最終本研究提出了包括M智慧教學管理、P智慧教學方法、E智慧教學環(huán)境、R智慧教學資源、T智慧教學目標5個關(guān)鍵要素、10個相關(guān)關(guān)系及18個樣態(tài)特征的M-PERT模型，如圖1所示。

圖1 高校智慧教學推進模型(M-PERT)

二、高校智慧教學推進模型(M-PERT)驗證與確定

(一) 模型驗證的調(diào)查設(shè)計

1.調(diào)查對象

鑒于調(diào)查目的是了解高校教學方法、管理、環(huán)境、資源以及與學生發(fā)展之間的影響關(guān)系，而學生是經(jīng)歷M-PERT模型的學習實踐者，那么從學生角度出發(fā)，收集學生對各要素的感知情況，作為了解高校智慧教學推進模型(M-PERT)實際實施效果及育人作用的基本途徑及渠道，具有一定的合理性及可行性。基于以上分析，本研究選擇參與智慧教學(M-PERT)的D大學的大學生為主要調(diào)查對象對其實施問卷調(diào)查。具體來說，為了保證數(shù)據(jù)分析質(zhì)量，本研究采用的結(jié)構(gòu)方程模型法(SEM)要求回收數(shù)據(jù)的有效樣本量(問卷數(shù)量)應是問卷問題量的10倍及以上(1)Bentler，P.M. and Chou，C.，“Practical Issues in Structural Modeling”，Sociological Methods Research，Vol.16，No.1，1987，pp.78-117.。由此來看，本研究的模型測量問卷部分包含43個問題，那么問卷調(diào)查的樣本量應該大于430為宜。同時，抽樣過程中也充分兼顧了不同的院系及學科差別，以求保證抽樣的合理性及科學性。最終，本研究隨機選取了D校498名本科生為研究樣本。

2.問卷設(shè)計

根據(jù)高校智慧教學推進模型(M-PERT)構(gòu)成要素的具體內(nèi)涵，了解D高校實際教學環(huán)境、物理技術(shù)設(shè)施條件水平，并結(jié)合針對D高校教師、學生的非正式訪談，本研究針對智慧教學M-PERT模型的五個構(gòu)成要素分別進行可操作化、具體化處理，設(shè)計開發(fā)了《高校智慧教學推進模型(M-PERT)測量問卷》。

具體而言，問卷的第一部分是導語。旨在向被調(diào)查者說明本問卷的目的及基本信息等，盡可能保證被調(diào)查者能夠根據(jù)自己參與智慧教學M-PERT模型的真實體驗如實填寫，以保證問卷數(shù)據(jù)的真實性及可靠性。問卷的第二部分旨在收集被調(diào)查者的基本信息，包括性別、年級、年齡、專業(yè)等，用于整體把握抽樣的情況及被調(diào)查者的信息，進而反映調(diào)查的合理性。問卷的第三部分是潛在變量調(diào)查問卷。該部分是問卷的主體部分，其目的在于調(diào)查收集學生對于高校智慧教學方法、資源、環(huán)境、管理等方面的感知情況及學生自身“智慧”、思維發(fā)展情況，進而把握高校智慧教學模型五個構(gòu)成要素的基本情況數(shù)據(jù)。一定意義上，由于五個變量(潛在變量)的內(nèi)涵較為抽象，無法通過直接問答調(diào)查的方式而獲得，因此本研究選擇使用多個觀察變量對不同潛在變量進行分別表征，并根據(jù)五個變量的觀察變量的具體內(nèi)涵，分別對其進行具體化、口語化顯性表述，以增強其可理解性，從而形成具有一定可操作性的問卷題目。

在此基礎(chǔ)上，在編制問卷題項過程中，充分征求了課程與教學論、教育技術(shù)學、心理學等領(lǐng)域?qū)＜业囊庖姡⒕皖}項內(nèi)容展開了多次討論修改，問卷具有一定的內(nèi)容效度。此外，為了保證問卷的結(jié)構(gòu)效度，本研究在問卷編制過程中進行了小規(guī)模的發(fā)放試測，通過數(shù)據(jù)回收及使用SPSS初步計算檢驗，發(fā)現(xiàn)KMO檢驗值及Bartlett 球形檢驗均符合測量標準；為了保證問卷的信度，本研究也對測試數(shù)據(jù)進行了Cronbach’s Alpha信度檢驗，且結(jié)果符合標準要求。在此基礎(chǔ)上，本研究最終確定了正式的《高校智慧教學推進模型(M-PERT)測量問卷》。該問卷由47個題項構(gòu)成，其中基礎(chǔ)信息部分包括4個題項；模式測量部分由43個題項構(gòu)成，其中高校智慧教學方法(P)包括14個題項，高校智慧教學資源(R)包括8個題項，高校智慧教學環(huán)境(E)包括7個題項，高校智慧教學目標(T)包括8個題項，高校智慧教學管理(M)包括6個題項。這些題項為驗證數(shù)據(jù)的收集提供了抓手。

(二) 調(diào)查問卷的信度及效度分析

1.問卷的信度分析

本研究選擇Cronbach’s Alpha信度系數(shù)法進行信度檢驗，分別計算了每個模式構(gòu)成要素(潛在變量)及數(shù)據(jù)整體的Cronbach’s Alpha值，見表2。

表2 問卷的信度分析

如上表所示，教學管理(0.871)、教學方法(0.862)、教學資源(0.822)、教學環(huán)境(0.835)、教學目標(0.874)的Cronbach’s Alpha值均大于0.7的判定標準，整體Cronbach’s Alpha值達到0.936。由此可見，本調(diào)查問卷的穩(wěn)定性和內(nèi)在一致性較高，可信度良好。

2.問卷的效度分析

效度是測量的有效性程度，即測量工具確能測出其所要測量特質(zhì)的程度。鑒于該問卷在編制過程中已經(jīng)過筆者及專家的多次審核修訂，問卷的測驗項目與所涉及的內(nèi)容意義范圍較為匹配、符合，因此可以認為該問卷內(nèi)容效度良好。

結(jié)構(gòu)效度是指一個測驗實際測到所要測量的理論結(jié)構(gòu)和特質(zhì)的程度。就結(jié)構(gòu)效度檢驗而言，一般可通過計算簡單相關(guān)系數(shù)矩陣、計算逆影像相關(guān)矩陣、巴特利特球形度檢驗和KMO檢驗及探索性因子分析等方法進行。本研究選擇使用探索性因子分析(EFA)檢驗問卷的結(jié)構(gòu)效度。

在此基礎(chǔ)上，本研究使用SPSS 22軟件的“因子分析”工具對43個問卷題項進行探索式因素分析。本研究在探索式因素分析過程中主要采取了題項變量的相關(guān)矩陣計算、因素負荷量估計、轉(zhuǎn)軸方法決定和修正四個步驟。具體而言，根據(jù)主成分分析法，通過正交變換將一組可能存在相關(guān)性的變量轉(zhuǎn)換為一組線性不相關(guān)的變量，并將抽取標準設(shè)置為“特征值大于1”。計算結(jié)果顯示，43個變量題項中可以抽取出5個特征值大于1的公因子，累積解釋方差達到67.957%。其中，公因子解釋變異量最大為25.476%，最小為3.549%。鑒于萃取的5個共同因素聯(lián)合解釋變異量大于 60%，因此本研究選擇保留五個共同因素，分析結(jié)果見表3。

表3 因子解釋的總方差

提取方法：主成份分析。

為了進一步分析5個公因子變量與測度變量之間的結(jié)構(gòu)關(guān)系，本研究選擇采用“最大方差法”對初始成分矩陣進行正交轉(zhuǎn)軸計算，轉(zhuǎn)軸過程遵循Kaise正態(tài)化處理方式，經(jīng)過7次迭代后收斂，轉(zhuǎn)軸后的主成分矩陣按照因素負荷量的高低排列。

問卷中43個題目全部納入探索性因子分析情況下，抽取出的5個公因子與對于高校智慧教學推進模型(M-PERT)結(jié)構(gòu)中的5個構(gòu)成元素進行測量的理論預期較好吻合。但應注意的是有兩個題項在各個公因子上的載荷量均未超過0.5，一定意義上表明這兩個題項不屬于任何一個公因子。

按照探索性因子分析的計算原理，刪除出現(xiàn)上述問題的題目，能夠引起共同因子載荷情況的重新分配，從而實現(xiàn)測量題目與基于理論分析形成的測量預期之間更好的吻合。因此，本研究遵循從出現(xiàn)與理論預期不相符的載荷量最高的題目開始，逐一進行題目刪除的原則，首先將問卷中編號為XP14的題目刪除，并對剩余的42個題目再次進行探索性因子分析。第二次探索性因子分析結(jié)果表明，在刪除XP14之后，問卷數(shù)據(jù)整體KMO值為0.933，Bartlett’s球形檢驗的近似卡方值為13286.583(df=861)，達到了小于0.001水平上的顯著。而XT8、XE7的因子載荷量小于0.5。鑒于此，本研究在刪除XE7的基礎(chǔ)上，對剩下的42個題項進行探索性因子分析。第三次探索性因子分析結(jié)果表明，在刪除XE7之后，問卷數(shù)據(jù)整體KMO值為0.934，Bartlett’s球形檢驗的近似卡方值為13081.097(df=820)，達到了小于0.001水平上的顯著。而XT8的因子載荷量小于0.5。鑒于此，本研究在刪除XT8的基礎(chǔ)上，對剩下的41個題項進行探索性因子分析。第四次探索性因子分析結(jié)果表明，在刪除XT8之后，問卷數(shù)據(jù)整體KMO值為0.945，Bartlett’s球形檢驗的近似卡方值為12853.054(df=780)，達到了小于0.001水平上的顯著。其他所有問卷題項的因子載荷均符合效度檢測指標，最終實現(xiàn)了問卷探索性因子分析提取的5個公因子與高校智慧教學模型理論測量預期的完全吻合，且相互對應。

由上而言，可以認定本研究所開發(fā)的高校智慧教學推進模型(M-PERT)測量問卷的信度、效度均表現(xiàn)良好，這為利用結(jié)構(gòu)方程模型法檢驗、驗證高校智慧教學模型提供了數(shù)據(jù)基礎(chǔ)。具體而言，高校智慧教學方法(P)包括13個題項(XP1—XP13)，高校智慧教學資源(R)包括8個題項(XR1—XR8)，高校智慧教學環(huán)境(E)包括6個題項(XE1—XE6)，高校智慧教學目標(T)包括7個題項(XT1—XT7)，高校智慧教學管理(M)包括6個題項(XM1—XM6)。

(三) 高校智慧教學模型要素間關(guān)系假設(shè)的提出

為了探索驗證高校智慧教學推進模型(M-PERT)內(nèi)在構(gòu)成要素之間的實然關(guān)系，本研究基于前述高校智慧教學推進模型(M-PERT)內(nèi)在結(jié)構(gòu)的理論認識，提出了高校智慧教學模型要素間的關(guān)系假設(shè)模型。

面向結(jié)構(gòu)方程模型法(SEM)檢驗的高校智慧教學推進模型(M-PERT)要素間的關(guān)系假設(shè)模型包括5個潛在變量(潛變量)、40個觀察變量(顯變量)以及10個假設(shè)路徑。假設(shè)路徑則包括：

H1：智慧教學管理影響智慧教學資源建設(shè)。

H2：智慧教學管理影響智慧教學目標達成。

H3：智慧教學管理影響智慧教學環(huán)境使用。

H4：智慧教學管理影響智慧教學方法選擇。

H5：智慧教學方法影響智慧教學資源建設(shè)。

H6：智慧教學方法影響智慧教學環(huán)境使用。

H7：智慧教學方法影響智慧教學目標達成。

H8：智慧教學資源影響智慧教學環(huán)境建設(shè)。

H9：智慧教學資源影響智慧教學目標達成。

H10：智慧教學環(huán)境影響智慧教學目標達成。

(四) 模型檢驗結(jié)果

為了檢驗結(jié)構(gòu)模型質(zhì)量，本研究基于上述高校智慧教學推進模型(M-PERT)要素間的10條關(guān)系假設(shè)，使用AMOS 20.0數(shù)據(jù)分析工具繪制了用于數(shù)據(jù)檢驗的高校智慧教學模型的結(jié)構(gòu)模型，如圖2所示。

圖2 高校智慧教學推進模型(M-PERT)的結(jié)構(gòu)模型

1.模型適配度檢驗

結(jié)構(gòu)模型適配度是指外生潛在變量(自變量)與內(nèi)生潛在變量(因變量)間的影響關(guān)系(路徑)與樣本數(shù)據(jù)的契合程度(2)榮泰生：《AMOS與研究方法》，重慶：重慶大學出版社，2009年。。就本研究而言，檢驗結(jié)構(gòu)模型適配度的本質(zhì)在于檢驗高校智慧教學推進模型各要素之間的影響路徑與樣本數(shù)據(jù)的匹配程度，通俗而言，就是判斷假設(shè)路徑能否得到所收集的實踐數(shù)據(jù)的支持。本研究使用AMOS 20.0數(shù)據(jù)分析工具采用極大似然估計法(ML)進行結(jié)構(gòu)模型適配度計算，得到：RMSEA、PNFI、PCFI、PGFI等擬合指標均高于臨界值，達到良好水平；CMIN/DF、RMR、GFI、AGFI、NFI、CFI、IFI等擬合指標未達到臨界值，但處于可接受水平。由此，研究者認為結(jié)構(gòu)模型的整體適配度良好，但為了提升模型質(zhì)量，仍需要進一步修正。

2.模型修正

模型修正是優(yōu)化修正初始設(shè)定模型(假設(shè)模型)適配程度的過程。一般而言，假設(shè)模型往往由筆者根據(jù)理論推理及經(jīng)驗法等建立，當對其進行模型擬合度評價時，如果發(fā)現(xiàn)擬合不理想，則需要對其進行修正(3)Maruyama，G.M.，“Basic of structural equation model”，Thousang Oaks，CA：Sage，1998.。就本研究提出的理論假設(shè)模型擬合度檢驗而言，表現(xiàn)為測量模型內(nèi)在質(zhì)量較佳，但外在質(zhì)量稍微欠佳，其中有部分的適配指標未達到臨界標準。由此而言，依據(jù)Amos Output輸出的修正指標參數(shù)以及模型路系數(shù)，在不違背經(jīng)驗原則的基礎(chǔ)上對模型進行修正，可以獲得擬合度的提升。一般而言，模型修正應根據(jù)修正指標以添加變量路徑為首要選擇，其次才考慮剔除路徑(4)MacCallum，R.C.，Browne，M.W. and Sugawara，H.M.，“Power analysis and determination of smaple size for covariance structure modeling”，Psychological Methods，No.1，1996，pp.130-149.。具體而言，為了提升模型質(zhì)量，本研究使用初始模型的參數(shù)顯著性結(jié)果和AMOS提供的模型修正指標進行模型擴展或模型限制。

在三次修正后，使用AMOS第三次檢驗模型的擬合指標，發(fā)現(xiàn)模型擬合度得到了較好提高，具體擬合度參數(shù)見表4所示。

表4 結(jié)構(gòu)模型適配度檢驗結(jié)果

在三次修正后，RMSEA、PNFI、PCFI、PGFI、CMIN/DF、RMR、GFI、AGFI、NFI、CFI、IFI等擬合指標均高于臨界值，達到良好水平。綜合而言，本研究提出的結(jié)構(gòu)模型的整體適配度良好，符合研究需求，為影響路徑檢驗提供了支持。

3.路徑檢驗

在假設(shè)模型擬合度檢驗及修正的基礎(chǔ)上，本研究使用AMOS軟件對修正后的假設(shè)模型進行路徑分析，以驗證本研究提出的高校智慧教學模型各要素之間的影響關(guān)系假設(shè)是否成立。經(jīng)過第一輪檢測，刪除了“教學方法—教學環(huán)境”路徑，并重新計算標準化回歸系數(shù)及其顯著性，研究發(fā)現(xiàn)高校智慧教學推進模型(M-PERT)的9條假設(shè)路徑的C.R.值均大于1.96，P值均小于0.05，達到了統(tǒng)計學意義上的顯著水平。在此基礎(chǔ)上，最終確定了高校智慧教學推進模型(M-PERT)內(nèi)在結(jié)構(gòu)路徑，如圖3所示。

圖3 高校智慧教學推進模型(M-PERT)結(jié)構(gòu)模型最終檢驗結(jié)果

如圖3所示，經(jīng)過路徑檢驗發(fā)現(xiàn)，前述9條假設(shè)路徑H1、H2、H3、H4、H5、H7、H8、H9、H10在統(tǒng)計學意義上均得到了樣本數(shù)據(jù)的支持。

4.模型的確立

在結(jié)構(gòu)模型檢驗、修正、路徑調(diào)整的基礎(chǔ)上，本研究確定了高校智慧教學M-PERT模型內(nèi)部要素之間的影響關(guān)系及內(nèi)在結(jié)構(gòu)，不僅使用現(xiàn)實數(shù)據(jù)實證了高校智慧教學的理論構(gòu)想，同時也計算了要素之間的關(guān)系的數(shù)量信息，最終建立了高校智慧教學M-PERT模型，如圖4所示。

圖4 高校智慧教學M-PERT模型

高校智慧教學M-PERT模型由高校智慧教學管理、教學方法、教學環(huán)境、教學資源、教學目標五個核心要素構(gòu)成。高校教師一般通過構(gòu)建這些核心要素，以支持高校學生學習發(fā)展，進而達成育人目標。而不同要素之間存在不同的作用關(guān)系，其對學生發(fā)展的作用也不盡相同。因此，該模型對高校教師認識、設(shè)計、開展智慧教學實踐具有參考價值。

如圖4，(1)智慧教學管理與智慧教學資源建設(shè)之間的影響路徑系數(shù)為0.4，通過與社會用人部門、管理機構(gòu)等建立政企校、校際合作等合作機制，教師對學生學習加強管理，并促進學生開展自我管理，可以影響教學資源的設(shè)計、開發(fā)與有效應用。(2)智慧教學管理與智慧教學目標達成之間的影響路徑系數(shù)為0.31，學校對教師智慧教學的督促評價等可以直接影響學生的知識建構(gòu)、思維發(fā)展以及學業(yè)成績。(3)智慧教學管理與智慧教學環(huán)境使用之間的影響路徑系數(shù)為0.26，學校與社會用人單位的合作溝通有助于智慧學習環(huán)境的建設(shè)與應用，其原因可能在于當前就業(yè)對學生適應智能環(huán)境、使用智能技術(shù)等方面的能力提出要求，這使得教師、學生逐漸關(guān)注對智慧學習環(huán)境的使用。(4)智慧教學管理與智慧教學方法選擇之間的影響路徑系數(shù)為0.6，學校對教師的督促、評價與引導可以影響教師對教學方法的選擇，或者可以說，在智慧教學方法推廣中，應重視教學管理的作用。(5)智慧教學方法與智慧教學資源建設(shè)之間的影響路徑關(guān)系為0.22，智慧教學方法的運用以智慧教學資源建設(shè)為基礎(chǔ)，在智慧教育時代，智能教學平臺、微課、慕課等智慧資源建設(shè)為教師采納、應用智慧教學方法提供了支持，如使用學科教學平臺、教學空間開展適應學生個性特征的個性化教學等。(6)智慧教學方法與智慧教學目標達成之間的影響路徑系數(shù)為0.22。一定意義上，教學方法對學生的智慧發(fā)展具有重要影響，譬如傳統(tǒng)的填鴨式、灌輸式教學方法有助于學生短時間內(nèi)掌握一定的事實性知識及信息，而為了促進學生思維生成、形成問題解決能力，則往往要求教師采用問題解決教學法、項目式教學法等“以學生為中心”的教學范式。(7)智慧教學資源與智慧教學環(huán)境建設(shè)之間的影響路徑系數(shù)為-0.12，智慧教學資源與環(huán)境建設(shè)之間存在密切的影響關(guān)系，其次，智慧教學資源與環(huán)境建設(shè)之間的影響關(guān)系為負數(shù)，則意味著如果學生掌握更多的學習資源，那么其對學習環(huán)境、平臺的依賴將得到削弱。(8)智慧教學資源與智慧教學目標達成之間的影響路徑系數(shù)為0.28，學生創(chuàng)造力、思維等方面的發(fā)展需要高質(zhì)量、完備的智慧學習資源為支撐，單純的書本上有限的專業(yè)知識并不足以擴展學生解決問題及思維發(fā)展的深度及廣度。(9)智慧教學環(huán)境建設(shè)與智慧教學目標達成之間的影響路徑系數(shù)為0.16，達到統(tǒng)計學意義上的顯著性，說明為學生學習提供技術(shù)豐富的智慧學習環(huán)境，有助于支持保障學生問題解決學習過程，進而優(yōu)化學生學習過程，改善學習結(jié)果，最終促進智慧教學目標的達成。

三、高校智慧教學推進模型實踐

(一)高校智慧教學模型效果檢驗的實驗設(shè)計

為了對高校智慧教學推進模型(M-PERT)的效果進行實踐檢驗，本研究開展了針對模型的實驗研究，實驗對象選取的是C市D高校物理學院開設(shè)的《固體物理學》專業(yè)主干課。執(zhí)教J老師從事本課程的教學已有8年時間，學科知識扎實，教學經(jīng)驗豐富，并且對于利用信息技術(shù)優(yōu)化與變革教學具有很高的積極性。該課程的教學對象是該學院物理學專業(yè)81名三年級本科生，這些學生數(shù)理基礎(chǔ)較好，分析和處理實際物理問題的能力較強。

研究者采用等組前后測準實驗研究法開展實驗，設(shè)計實驗組與對照組，實驗組40人，對照組41人。實驗組與對照組授課內(nèi)容均為《固體物理學》課程，授課時間為1學期，兩個班級周課時量均為4課時，每課時40分鐘。在實驗組教學中，采用基于高校智慧教學推進模型(M-PERT)的教學活動設(shè)計，在此過程中教學于智慧教室中開展，并提供多態(tài)化的教學資源。在對照組中，采用普通教學模式，在傳統(tǒng)多媒體教室中開展教學。為減少無關(guān)變量對實驗效果的影響，實驗組與對照組的授課均由同一名教師完成，但實驗組的教學設(shè)計是由教師所在團隊基于高校智慧教學推進模型(M-PERT)進行設(shè)計，再由執(zhí)教教師J教師進行教學，對照組是由班級物理教師進行設(shè)計，再由執(zhí)教教師J老師進行教學。

(二)基于高校智慧教學推進模型(M-PERT)設(shè)計的教學

以《晶格振動模式密度》為案例具體論述教學設(shè)計?；诟咝Ｖ腔劢虒W推進模型的《晶格振動模式密度》教學活動在智慧教室中完成，此智慧教室具有可靈活移動的桌椅、投屏共享系統(tǒng)、環(huán)繞式墻體白板等設(shè)施設(shè)備，學生具有手機等智能化設(shè)備；教師在此過程中提供給學生多態(tài)化、豐富的教學資源。課前，學生分為不同學習小組，各個小組成員圍圓桌而坐。具體的實施過程如表5所示。

表5 基于高校智慧教學推進模型的《晶格振動模式密度》教學設(shè)計

續(xù)表5

由于對照組教學即以普通的講授型教學方式為主，在此簡要進行論述。在教學實施過程中，主要分為課程導入、新課講授、知識練習、總結(jié)拓展四個部分，在課程導入中，教師利用復習導入、引導學生回顧晶格比熱的模型，教師明確本節(jié)課的教學目標與學習重難點；在新課講授中，教師以講授的方式講授模式密度的定義及計算方式，介紹一維簡單晶格結(jié)構(gòu)的模式密度、分析一維單原子情況等內(nèi)容；在知識練習中，教師通過投影發(fā)布習題，學生作答，教師講解題目中易錯點、難點題目；在總結(jié)拓展中，教師總結(jié)本節(jié)課的知識點，舉例說明該內(nèi)容在研究與實踐中的應用，拓寬學生知識面，布置作業(yè)。

(三)高校智慧教學模型效果檢驗的實驗結(jié)果

利用《晶格振動模式密度測查問卷》對學習者的學業(yè)水平成績進行測查，并對實驗結(jié)果進行分析，用于判斷實驗組學習者與對照組學習者在學業(yè)水平成績維度是否同質(zhì)。得到兩組的獨立樣本t檢驗結(jié)果sig為0.581，表明二者的學業(yè)水平初始成績無顯著性差異。

教學之后，研究者對實驗組和對照組再次進行了測量，結(jié)果表明，對于實驗組，其前后測成績(前測成績平均值為63.8，后測成績平均值為74.5)配對樣本t檢驗sig值為0.000，表明實驗組前后測成績有顯著性差異。對于對照組，其前后測成績(前測成績平均值為62.8，后測成績平均值為65.8)配對樣本t檢驗sig值為0.000，表明對照組前后測成績也有顯著性差異。與此同時，研究者對實驗組和對照組的后測成績進行了獨立樣本的t檢驗，sig值為0.000，表明實驗組的后測成績顯著高于對照組。

綜上，通過對在高校智慧教學推進模型下與普通教學模式下學習者的前后測成績進行分析可以得出：其一，高校智慧教學推進模型與普通教學模式下學習者的測試成績均有所提升，且兩種教學模式下學習者前后測成績均表現(xiàn)出顯著性差異；其二，針對后測成績，高校智慧教學推進模型下學習者成績的較普通教學模型下學習者的成績呈現(xiàn)出顯著性提升，表明相較于普通教學模式，高校智慧教學推進模型更有利于提升學習者成績。

四、推進高校智慧教學建設(shè)的啟示

基于高校智慧教學推進模型的構(gòu)建與驗證過程，本研究結(jié)合此階段中相關(guān)數(shù)據(jù)的分析，從教學管理、教學方法、教學環(huán)境、教學資源與教學目標方面提出高校智慧教學推進策略，旨在對高校智慧教學推進提供參考，同時為高校智慧教學準實驗研究提供理論指導。

第一，在教學管理方面，從高校教學管理者與教師兩個方面提出建議。在高校教學管理者方面：其一，加大對高校智慧教學理論與實踐相關(guān)研究與實踐的支持力度，鼓勵高校教師應用高校智慧教學模式優(yōu)化教學，提高學習效率與學生學習滿意度；其二，為老師提供項目課題研究機會和研修途徑，豐富教師們的智慧教學理論與方法，鼓勵教師將最新科研成果及時轉(zhuǎn)化為教育教學內(nèi)容；其三，通過與社會用人部門、管理機構(gòu)等建立政企校、校際合作等合作機制從而促進課程建設(shè)、落實協(xié)同育人。在教師方面：首先應從理念上加大對高校智慧教學的認同，愿意探索高校智慧教學模式并應用于實踐，著力打造高校智慧教學優(yōu)質(zhì)課堂；其二，創(chuàng)建多元角色團隊，從理論、技術(shù)、專業(yè)方面加強自身技能，為高校智慧教學優(yōu)質(zhì)課堂提供保障；其三，聚焦教師專業(yè)發(fā)展，基于智慧教學模式，提升教師教學智慧，促進教師專業(yè)化優(yōu)質(zhì)發(fā)展。

第二，在教學方法方面，注重教學理念的創(chuàng)新，結(jié)合國內(nèi)外先進的教學理念，為智慧教學的設(shè)計與實施提供理論指導；注重教學過程的精準化管理，及時調(diào)控與優(yōu)化，數(shù)據(jù)化教學過程；注重教學策略的高效，根據(jù)教學內(nèi)容與學習者情況，選擇適配且高效的教學策略提高學習者學習效率；注重教學評價的多維性，從學習者學業(yè)水平成績、高階思維能力等多個方面進行評價，且關(guān)注過程性評價，全方位、多維度對學習者進行評價。

第三，在教學環(huán)境方面，借助智慧教室技術(shù)智能化、布局舒適化、設(shè)備自持化、空間個性化、體驗多元化、數(shù)據(jù)全程化等特點，打造智慧型、舒適型、便利化的智慧教學環(huán)境，提升學習體驗、優(yōu)化學習過程。

第四，在教學資源方面，制作形態(tài)多元化的教學資源，包括微課、課件、學習資源、拓展資源、習題、案例等多種類型，而資源形態(tài)既包括傳統(tǒng)的PPT、文本、音視頻類型，也基于VR、AR、Prezi、思維導圖等技術(shù)與工具支持下的3D虛擬影像、MOOC、SPOC、微課等新興類型；同時，教學資源的使用應全覆蓋教學過程，在課前、課中、課后都有相應的教學資源匹配與學習者的學習。

第五，在教學目標方面，對于學生而言，主要為通過教學活動提高學習者的學業(yè)水平成績，提升學習者的深度學習能力，促進學生綜合能力的發(fā)展。