•研究背景与目标

通过建立课堂数据的常模来赋能教师的循证实践，唤醒教师的专业自觉，最终提升课堂教学质量，让学生学得更好。

•数据样本与指标体系

•关键发现：师生课堂行为关系

通过差异性分析和相关性分析发现：

• 正相关：老师的高阶言语会带来学生的高阶言语
• 负相关：老师的无效问题会极其影响学生的言语深度

•课堂质量与学业表现相关性

研究发现课堂质量与学业表现之间存在重要关系：

• 学生课堂参与度、有效提问、言语深度与学业均分相关
• 学生的高阶言语与班级的优秀率非常相关
• 课堂质量指标与绿色指标测试（尤其是高阶思维）息息相关

•不同级别教师课堂行为差异

基于母体校700多节常态课、89位老师的研究发现：

•常模建立与应用

建立的常模类型包括：

• 区域常模、学段常模、学科常模
• 学校常模、个人常模、群体常模
• 青年教师与成熟教师常模
• 优秀课与普通课常模、教师反思常模

通过常模比较，帮助教师进行自我反思和成长性比较。

•青年教师与成熟教师对比

关键指标对比发现：

•课堂循证能力模型

构建”三点式”课堂循证实践模型：

• 研究点：提出问题和确定问题
• 观测点：构建观测指标，筛选调用数据，解读评估数据
• 反思点：应用数据证据进行诊断、归因、改进和规划

该模型分为三级水平，帮助教师从宽泛意识到具体操作的精进过程。

•AI赋能与教师自主反思

AI技术如何赋能教师课堂循证的关键问题：

• 能否真正激活教师的自主反思？
• 教师能否有效解读数据，将其转化为改进教学的证据？
• 教师能否批判性思考并主动建构实验？

核心结论：回归”鸡蛋原理”

教师专业发展的正道不是从外部施加压力，而是从内部唤醒专业自觉。

“如果你从外面打破，它就是一个蛋。但是从里面蹦出去，它就是生命。”