应邀出席由北京大学国家智能社会治理（教育）特色实验基地与中国教师研修网联合主办的“AI 时代教研高质量发展的趋势与创新学术研讨会”。
上午聆听了三位专家的主旨演讲，北京大学计算机学院陈斌教授《人工智能发展历程与未来趋势》、上海市教师教育学院王洋院长《AI时代如何做好教研工作》、以及北京大学教育学院汪琼教授《媒体与方法：数智时代的教学研究》，
Photo by 主办方摄影师
三场演讲各具特色，精彩纷呈。
下午首场是北京师范大学教育技术学院院长马宁教授《数智赋能跨学科项目式学习创新》，之后是我分享的《人工智能时代的学与教》。
马教授的报告务实、具体，深受听众喜爱。我记错时间，硬是把40分钟的内容在30分钟干完了 🙁
感觉特别对不住大家，对不住主办方！
这里，我特别想要分享的是实践案例的分享部分。
主办方邀请到了北京市海淀区教师进修学校的姚守梅校长、广州市教育研究院的陈坪副院长、上海市静安区教育学院教研室张俊雄主任、以及江苏省教育科学研究院英语教研员魏惠老师。
四位专家结合各自的实践探索，围绕着《AI 技术赋能下的循证教研实践》介绍了在循证教研方面的创新。
Photo by 主办方摄影师
近年来，“循证教研”已成为全球教育改革和中国本土教研队伍建设中的一个核心热点。
它标志着教育研究范式的一次深刻转型——
从过往主要依赖个人经验、直觉和非系统性反思，转向一种更加科学、系统、并由数据和证据驱动的专业实践模式。
“循证”并非教育领域的原创概念，其思想源头可以追溯到20世纪90年代兴起的“循证医学”（Evidence-Based Medicine）。
循证医学的核心主张是，医疗决策应当建立在当前可获得的、最可靠的科学研究证据基础之上，而不仅仅依赖于医生的个人经验或权威意见。
这一理念的提出，极大地推动了临床医学的科学化和规范化进程。
1996年，英国剑桥大学的著名教育学者戴维·哈格里夫斯（David Hargreaves）首次明确提出“循证教育”（Evidence-Based Education）或“循证教学”的概念，
他尖锐地指出，教育实践长期以来更像一门“手艺”而非“科学”，缺乏坚实的证据基础，并呼吁教育领域也应像医学一样，建立基于严谨证据的决策与实践文化。
在过去一些年，随着技术的进步以及循证教研实践的发展，涌现出了一大批AI课堂分析系统，“睿云”数智循证教研系统、奥威亚课堂分析系统、醍摩豆苏格拉底数位观议课平台、科大讯飞·智慧课堂分析系统、腾讯教育·智慧教学分析平台、希沃（Seewo）AI课堂智能反馈系统、好未来·AI课堂观察家、网易有道·AI教学洞察、EDUKU联课课堂智能分析评价与诊断系统、广东省教育研究院CSMS（中小学课堂智慧评价系统）等等….
在《课堂研究中的课堂观察：简单的回顾与前瞻》一文中，曾指出，当前市面类似的课堂分析系统“多采用视频分析的手法，运用分析师生行为的时间分布的S-T分析法和经典的课堂语言互动分析工具弗兰德斯系统等这些经典的理论体系，来通过技术手段获取观察数据加以分析。”
Photo by 主办方摄影师
当前的AI课堂分析产品普遍面临以下几个核心挑战：
1、止步于“是什么”（What）的数据呈现，却无法很好地回答“为什么”（Why）和“怎么办”（How）。
2、源自于技术“黑箱”所带来的困境，当教师不理解一个“教学效能分”是如何计算出来的，他们就很难信任并有效利用这个结果。
长长的结果分析报告让一线教师望而却步。
缺乏可解释性是阻碍其被广泛接受的关键技术瓶颈。
3、情境的复杂性与模型的局限性之间的矛盾。
课堂是一个动态、复杂、充满情境化交互的场域。
一个低头看书的学生，AI可能会误判为“不专注”，但他可能正在深度思考。一个热烈讨论的小组，AI可能识别为“纪律混乱”……
现在的系统理解类似复杂社会情境的能力还非常有限，非常容易产生误判。
4、教育目的的工具化倾向和唯数据论”的伦理风险加剧。
在一些地方，将课堂AI分析结果与教师的绩效考核、职称评定等硬性指标直接挂钩，存在巨大风险。
这会诱导教师去迎合算法，追求“漂亮”的数据，从而扭曲教学的本质，扼杀教学的创造性和人文性。
5、高质量的AI课堂分析系统通常需要昂贵的硬件投入和持续的软件服务费用，这可能加剧教育资源的不平等。经济欠发达地区的学校可能无法负担，从而形成新的“数字鸿沟”。
AI课堂分析系统，作为循证教研理念的技术化身，正处在一个机遇与挑战并存的关键路口。
循证教研的理念、课堂分析系统所依据的经典的理论、循证所获得的“证”的解读和应用、”证”以致用的转化策略等等，都是非常值得进一步深入研究的课题。
循证教研通过系统地整合最佳外部研究证据与本地内部实践证据，为破解长期存在的教学难题、提升教师专业素养和促进学生深度学习提供了一条严谨而有效的路径。
图片源自网络，特别鸣谢！
展望未来，基于AI课堂分析系统的循证教研还有很长的路要走！
未来的系统将不再仅仅是数据的呈现者，而是智慧的生成者。从“描述性分析”到“生成式智慧”的飞跃。
未来的分析将不再是孤立地看视频或听音频，而是将课堂内的音视频、板书、互动数据，与课堂外的LMS学习数据、作业数据、阅读数据等进行深度融合。
未来的系统必须并且能够向一线教师解释清楚其判断的依据以及可操作的切实可行的意见和建议。
未来的系统将能够追踪一位教师长期的教学轨迹，形成其个人的专业发展档案。
也就是将上海市静安区教育学院教研室张俊雄主任所说的“潜水镜”和“望远镜”相结合。
未来的发展方向，必然是让技术更好地理解教育的复杂性与人文性，从一个冷冰冰的“监控者”或“评判者”，转变为一个有温度、有智慧、能够与教师并肩同行的“赋能者”和“协作者”。
这条道路任重而道远，需要技术专家、教育学者、一线教师和政策制定者的共同努力与智慧。
让我们一起为之努力！
Photo by 主办方摄影师