人工智能课堂分析循证实验室

本实验室由上海市未来学习研究与发展中心（以下简称学研中心）领衔，联合多家区域教育管理部门、高校、企业、中小学校等共同参与，旨在促进课堂教学研究从单一、模糊、依赖个人的经验模式走向系统、精准、客观的数据模式。

提供基于真实课堂的多维度数据，包含知识结构、课堂结构、互动特征、对话质量、认知结构、问题解决、思维发展、素养表现等八个方面，共223项课堂教与学观察分析数据指标，促进课堂研究常态化、标准化、真实化。

提供包含弗兰德斯、布鲁姆认知分类、五何、4MAT、杰弗逊话语分析、ST、RtCh、IRF、问题化等国内外课堂分析理论的 Ai模型，并可根据研究者需要，基于数据特征定制专属算法模型。

联合国产 GPU 及算力平台，提供在线 Ai算力，随时调用，赋能高质量教育教学实践研究。

发布课堂分析循证课题指南，引领、培养研究型教师，每年组织优秀循证课例征集、优秀成果发布及推广。

基于区域或学校课堂数据及课题研究内容，建立指向核心素养的课堂分析标准，助力研究数字化、成果化、普及化。

建立全国常态化实施的跨区域在线研修工作坊，帮助教师基于常态课堂建立从数据采集，数据分析，数据循证的质量闭环，赋能教师从数据中自主反思改进课堂。

选题一：基于“五学”的智能课堂分析与循证实践

重塑课堂价值，建立学习为中心的课堂评价底层逻辑。从学生学习的“主动意愿、互动对话、认知深度、目标达成、学习方式”，建立包括“主动学”“深度学”“互动学”“高效学”及“多样学”五维度课堂分析框架，用于课堂诊断与循证实践。

形成智能技术支持的教师专业发展新模式。针对不同的实践对象，包括教师个体、学校教研组和区域教研群体，从“微观－中观－宏观”三层次，通过教师个体反思、校本教研、区域教研，促进教师专业发展。

建构数据驱动的学校课堂质量管理与区域教学治理新模式。从教学设计、课堂实施、作业与考试评价进行关联分析，形成“教·学·评”一体化的循证研究与质量闭环。

以布鲁姆认知维度分类为主维度，结合问题类型，与批判性思维、创造性思维、决策思维、元认知等建立数据关联，形成检测高阶思维的学习评价方法。

基于学科课程核心素养与学科教学模式，根据问题、任务、情境、各科核心素养及水平分类，探索分学科的课堂分析新路径。