学习与创新自我评价知道吗？解析创新教学报告

‍在真实科学设备下指导实验

潜在影响：中等
时间跨度：不间断
　　在真实世界中，实验室体验能够提供给学生直接实验或者从中得到数据的机会，他们在实验室中有机会运用科学理论，使用工具、数据采集设备和模型。《美国国家学术科学报告》指出，“实验室学习有助于揭示科学的本质，也应该被置于科学学习的核心位置”。这一结论在英国科学与技术理事会的一份声明中也有重申。然而学校实验室学习的价值备受批评，因为在学校实验室中做实验的体验强调实践性而忽视深度学习。
　　有一项创新就是中学生和大学生可以远程做真正的科学实验。在远程实验室，学生通过互联网控制真实材料和设备，计算机完美流畅地执行这个程序。学生因而能够关注智力技能和概念理解。课堂教学的教师们可以在安装和管理材料与设备上花少量的时间，将更多的时间花在设计和支持学生学习方面。学生也可以轻松地比较数据集、收集较大的数据集，重复和延伸实验。巴西的圣卡塔琳娜州联邦大学的远程实验室（RExLab）便是一个例子。在巴西，目前只有7%的学校有自己的科学实验室，因此远程科学实验室为学生创造了控制科学设备从事电学、力学、物理学和计算机科学实验的机会。
　　请注意，远程实验室不是仿真：学生控制高端科学设备，收集物理现象中的数据。通过一个远程实验室，学生能够接触科学仪器和材料，而这些仪器和材料往往很昂贵、危险性大、操作难度大或者很耗时。例如，放射性实验室（Radioactivity iLab）中学生通过锶-90来测量辐射。在iLab实验室中，学生在美国可以调整一个在澳大利亚的盖革-米勒计数器，从不同距离来测量放射性并通过视频直播观察其变化，其学习目标是观察并推断一个点光源所发射的辐射强度按比例降低，与距离的二次方成反比。
　　在很多学科中远程实验室都很有效，包括天文学、生物学、化学、计算机网络学、地球科学、工程学、水利学、微电子学、物理学和机器人学。而且，通用平台正在新兴发展，如iLab Central、Go-Lab和开放科学实验室（Open Science Laboratory）。远程实验室的不断增加及其优势，意味着现在应适时关注教学法创新，也很有必要去充分发挥本地和远程实验室的潜力。

　　技术促使实验室学习机制更加快速与简单，那么学习如何被提升？以下是促进实验中学习采用创新教学需要回答的六个核心问题：
1.学习的目标是什么？
　　在传统实验室，有时目标仅仅是能安全、准确地操控科学仪器。在远程实验室，教育工作者更应关注概念理解、衡量目标是否与当天的课程目标一致。学生更愿花较少时间安装（和清洁）实验室，而用更多时间来追求智力目标。他们也愿意使用少量微调设备便可获得更高质量的数据集。但是对于某些目的来说，动手操作本地材料开展试验可能会更好。例如，在远程实验室，学生很少有机会去设计如何控制和测量现象。无论是远程实验室或者本地实验室，关注真正的科学学习目标（而不是仅仅关注如何使用真实材料）才是创新教学的一个特点。
2.学生在实验课前后分别需要什么指导？
　　教学设计经常提供具体资源以指导学生开展实验。但是现在在实验课前后，学生所需指导往往并不是经过深思熟虑后设计的。例如，学生需要在计划有意义的实验和调查的时候得到支持，他们在利用技术如概念地图来形成概念以及精心设计假设时得到帮助。他们在弄清楚数据表示什么结果、数据和原始驱动问题之间是否有关联以及决定下一步做什么时，也需要指导。通过计划、演示、反思整个循环，教育工作者能够更好地将学生培养成为自主学习者。
3.学生如何获得及时反馈以指导他们的学习？
　　研究者指出，在传统物理实验室，教师的典型行为就是在四周走动，发现学生在实验中有哪些困难，并适时干预。然而，远程教师可能需要获得如何在实验课中对学生进行指导的能力。在远程实验室开展实验的过程中，学生也需要参与测试和帮助，但是教师可能不会出现在课堂上。实验进行过程中，数字化资源能够支持学生核查个人的理解和进步，提供反馈指导学习。
4.社会角色如何支持学习目标？
　　同样的，学校和大学物理实验室是学生之间可以进行社会交往以支持彼此学习的地方。在远程实验室中，通过聊天或者网络电话建立交流沟通。
　　计算机支持协作学习的研究强调需要构建学生之间的协作，包括分配给每个学生具体角色，提供可分享的工作空间，精心策划学生实验课中的交流，帮助他们监测和提高社交能力。
5.意义建构和数据收集在此能实现翻转吗？
　　通常我们希望学生在校期间收集数据，然后把组织与解释数据作为家庭作业。然而，这种安排就要求学生必须独自在家、在缺少支持环境的情况下去完成一项富有挑战性的智力工作。远程实验室使得学生在课堂外开展实验成为可能，由此在家实验与学校实验实现了翻转。这使得教师能够重点关注学生，进而决定让学生调查什么并对结果数据进行讨论。总的来说，创新教学有助于平衡实验与学习的时间和支持——确保意义建构这种困难任务不是留给学生独自去思索。
6.教师如何准备？
　　远程实验室给教师学习带来了新的可能性。对于那些正在大学读书的实习教师而言，他们能够在自己大学校园里进行远程实验室实践，之后在中学实际教学中可以教学生使用同样的实验室。远程实验室也可以将学生收集的样本数据集提供给教师，可以帮助教师计划课程。更重要的是，不同地方的教师能够使用同一个远程实验室，他们能够更轻松地讨论实验课教学法。
结论
　　学生实践真正的科学实验，不再局限于正常工作时间内的中学或者大学科学实验室。网络远程控制实验的能力意味着学生能够访问设备和材料，平时由于成本、安全、难度水平和时间要求等问题而不能使用这些设备和材料。这也使学生和教师更加关注学习目标和科学学习教学法，而不仅仅是实际操作设备。

‍全身心参与学习

潜在影响：中等
时间跨度：长久（4年以上）
　　具身学习来自于人体自身的自我意识——运动、生理测量、限制以及与客观世界之间的互动。有些形式的学习很重要，例如进行一项新运动，或者学习开车，从更为广泛的意义而言，身体如何影响和顺应我们的认知学习。当我们进入不同环境与人和物进行交互时，我们的身体和四肢要适应周围的环境。我们会有意无意地不断调整，以适应我们所在的环境、周围的温度以及我们接触的人和物。环境为行动（能供性）提供机会，身体通过走、跑、听、看、摸、闻和尝这些行为来察觉和行动。当这些连续行动和反应触发我们的注意力时，学习就发生了。即使身体没有融入到环境中，或者我们正在学习体育活动如跳舞，或者我们正在改变环境以满足我们的需要（例如通过素描、油画、雕刻或建筑），学习也可以发生。
（一）肢体是如何影响学习的
　　肢体动作伴随着物理行为——例如使用一支钢笔、铅笔或者毛笔去写字或者画画——影响着我们的学习。当我们使用双手来写字或者画画，而不是用键盘敲字时，我们可能会划掉、增加笔记以及在文字旁边画表格。创建文本、数学题解答或者绘画都能将学习可视化，并呈现给其他学习者或教师。学生利用他们的作品或者划掉的痕迹来洞察思维过程、看到知识差距，也许可以通过增加笔记或者绘画行为，提出技术改进的方式。这些思想和身体行为协调在一起来表达思维过程，以促进教学和学习。儿童通过划掉或者增加图形来展示减法计算过程，诗人在手稿中留下创造过程的痕迹。
　　钢笔设备或者触摸输入可以捕获笔画，重放笔的勾画过程可以形成问题解决的动画。教师可以创造“处理过程示例”视频来说明解决数学问题的过程或者通过绘画或增加图表来解释一个概念。对触摸压力敏感的新技术能以更微妙的方式展示绘画过程。不管怎样，这些都是墨水深浅和颜料色彩的数字模拟。绘画通过反射特定环境的光线来创造变化的颜色，而电脑屏幕则是在传输和过滤光。
　　当我们通过手势与界面，例如桌面（巨大的多媒体触摸计算机屏幕，其高度在腰部以上）交互时，技术就增加了其学习辅助价值。学习者可以使用这些交互工具，利用手指、脚指或者其他肢体动作直接操纵数字信息。
　　手势能够帮助人们交流、指示或者移动真实或者虚拟物品、共同制作图形和图案以及创造音乐和舞蹈，这都是在表达某个意思。手势在儿童数学和科学发展中也发挥着基础性作用，例如他们旋转图形，进行东西分类，倾倒液体以及摆放或移动物品。孩子在做这些动作的同时，往往用语言向成人表达行为意识，例如“推”或者“倾倒”，这就形成了最基本的科学语言。
　　在一些实例中，桌面系统比使用鼠标和屏幕光标能更好地支持学习，使人的认知意向与物理动作之间有一个更直接的路径。例如，欧洲JuxtaLearn项目中，学校学生分组协同利用数字桌面系统对科学和数学中的棘手问题给出共同解释。他们利用双手在大屏幕上移动或者重新排序以便填写他们解释内容和结构的文本框。他们输入文字、向别人解释自己的行为，他们展示了对科学概念的理解。

（二）具身学习的新发展
　　现在的移动和可穿戴设备包括一系列不同的感应器，能够提供各种信息，包括外部环境信息（如周围的温度，光的强度和位置），也包括个体的物理和生理数据（如在一个特定时间范围内的行走步数、心率或者血压水平）。这些数据有时候称之为“量化自我”，用于帮助我们了解自己，提高健康并诊断身体的疾病和缺陷。
（三）具身学习的利弊
　　具身学习能够通过生成个性化的、和学习直接相关的数据而产生新的认识。具身学习也是参与式学习的新方式。事实证明，这确实对学习者富有吸引力。然而，除非教育者经过深思熟虑之后实施具身学习，不然此教学法也将面临着参与性的挑战，尤其是对于患有身体残疾、不便参与体力活动或复杂身体运动的人而言，则有可能会导致他们产生沮丧或者尴尬情绪，从而降低他们的学习动机和积极性。
　　人们也意识到具身学习对动机的其他影响。有些人指出自己对监测个人健康上瘾。因此，他们在没有穿戴设备时就不愿意进行练习，觉得这样活动是一种浪费。他们也指出感觉到自己受控于设备，当他们达到每天目标时，他们都在体验快乐，感受到满足和自豪，并 提高了积极性。
（四）结论
　　具身学习指出学习不仅发生在大脑思维中，同时也存在和发生在我们身心体验实践活动中。当我们利用肢体动作感受学习内容时，可能会留下深刻的、长时的心理痕迹。在某些情况下，也将产生较高的测试分数，增加知识记忆。
可穿戴和植入技术的新发展，包括内部芯片和数字纹身，有可能提供更多个人肢体动作和心理数据。然而，人们使用这些技术延展或者加强思维和身体活动，不是总让人觉得舒适或者获益。显而易见，在我们采用这些技术之前需要认真思考技术对学习有可能会造成的潜在负面影响，例如降低学习动机或导致沮丧。

采用基于计算机的教学以适应学习者的知识和行为‍

潜在影响：中等
时间跨度：长久（4年以上）
　　适应性教学是一种方式，根据计算机应用分析学习活动中的数据，进而提供给学习者相关内容，将他们的学习活动序列化，判明他们的知识差距，同时促进他们的学习。这个术语也可以应用在软件中，帮助教师基于学生的反馈来调整课堂教学活动。适应性教学与交互式学习有所不同，当学习者使用技术时，直接响应学习者的输入，交互式学习便发生了，而不是去适应学习者的具体特点。人们已经开发了适应性教学产品并运用到课堂、工作场所以及家庭中。
　　学习者之间在知识、经验及学习偏好上存在很大的差异。即使当学校使用先修课程进行学生筛选，学习者在能力和自信心上也存在着差异。例如，两位都通过了高中代数并且进入同一所大学学习数学课的学生，其中一位对代数很有热情，然而另一位则认为这是获得学位的一项必需的练习罢了。他们在课堂上的态度和技能差异很大：前者可能觉得很无聊，希望获得额外的挑战，而另一个则很焦虑和没有信心。适应性教学尝试调整以适应不同知识背景和体验的学习者，为他们提供多种学习路径。适应性技术也可以通过响应操作记录给出及时反馈、更正错误或者提供线索。课堂上教师无法给每个学生提供个性化的帮助，也难以提供及时的反馈来提高学生的绩效。
（一）依照自己的步调学习，可视化学习者的差异
　　我们使用适应性技术软件能够反映大学里正在上课学生的全貌。学生认为一部分课程很有趣，而有些却很无聊。学校不强迫他们学习认为无聊的，而是能够让学习者自己选择学习的顺序，当学习者参与每部分最后测试时，在一个问题上卡住的时间越长，获得的线索也就越多。一旦他理解了较为简单的问题，问题难度随之加深。系统就会提示他去复习较薄弱的点。每天结束的时候，教师查看每位学生的表现，利用系统中的反馈来发现在哪些问题上大部分学生都存在困难。因此，系统便会为教师提供反馈，以便于他们在第二天课堂中着重讲解这些概念，或者将学生分成不同小组，讨论具体问题。
（二）适应性教学技术
　　适应性学习产品的数量正在快速增加。一些学者把适应性方法看做是为学生提供灵活学习的选择，尤其是针对那些从事补偿教育和通识教育课程或者完全在线课程中的学习者。许多适应性学习产品源自20世纪80年代的“智能导师系统”。人们开发这类系统主要是为了支持数学教学，但是新产品可用于更多科目，包括英语、心理学、经济学以及生物学。
　　专业的软件设计师和教育技术工作者共同完成适应性产品的设计和序列化。Pearson’s MyLab和Mastering这两个产品包含很多科目：生物、化学、工学、心理学、写作、厨艺、海洋学以及会计。Knewton使用心理测量工具来分析学习者能力，使用概率模型推荐要完成的下一个学习活动，按掌握度分类学生，使用衰退曲线来模型化遗忘度，进而触发学习旧材料的提醒。Knewton也像其他系统（如Smart Sparrow）一样，允许教师选择课程设计和设置适用范围。
　　Smart Sparrow提供工具创造仿真和交互内容。CogBooks允许教育者选择已创建课程或者创造自己的课程。系统中适应性课程序列既不是预设路径，也不是基于测试结果，而是运用算法和机器学习方法为每个学习者不断调整的学习序列。它增加了学习者兴趣这个属性来使学习内容标准化，例如，生成吸引学习者的行业情境数学问题。
　　Cerego辅助记忆软件要求学习者基于他们需要覆盖的学习内容和可用时间来设定目标，然后制定一个学习计划。Brainscape根据学习者信心和可用学习时间来调整教学闪卡。该模型基于认知科学研究设计，即教学方法应如何序列化、设定时限和重复，以便将知识有效地存储于长时记忆。
　　大规模开放在线课程和在线学习内容也运用适应性这个特征，根据学习者偏好选择教学方法来支持学习。学习者可以选择与指导学徒、基于实验的探究方法相类似的方法展开学习。Mathspring数学辅导游戏中的交互同伴为学生传播鼓励信息，根据学习者的信心、兴趣、挫折或积极性，调整游戏的难度。另一个辅导程序是依据监测学生大脑活动来调整内容，同时记载工作负荷、厌倦度、开小差的频率和参与度。

（三）调整适应性教学
　　先前发布的创新教学年度报告强调适应性学习要素，包括学习分析、动态评价和游戏中学习。尽管已经有了很大进步，但适应性学习当前仍面临着障碍。如果教学材料必须要满足不同学习者的需求和兴趣的话，那么开发这样的适应性系统就很昂贵了。传统学习方法需要线性课程，而适应性学习需要将内容按照不同等级进行分解，以提供多种教学方法，针对常见误解提供一连串的提示，给学习者适当水平的挑战和支持。数学和语言适应性教学系统中，设计者在不同难度水平上设计生成不同例子和提示，用以匹配学习者行为。系统能生成练习，检测出学生的出错点，预示在哪里将会存在误解。不管怎样，这些辅导系统设计涵盖了多年来对学习者误解研究的成果。由于这个原因，成本效益分析、围绕内容分析与生成的开发效率对适应性技术发展来说尤为重要。

回应学生的情绪状态‍

潜在影响：中等
时间跨度：长久（4年以上）
　　情绪、关注和参与是驱动学习的关键。当你决定是否要起床，阅读一篇复杂的文章，或者完成一项挑战性工作，常常涉及到你的情绪。因为执行这些活动的感觉将决定你是否去做这些事情、是否坚持下去，更重要的是，是否享受其中。
（一）探测情绪
　　采用先进的人工智能方法探测情绪是运用于市场营销和广告中的一种方法。一些公司仅仅使用简单的桌面网络摄像头、智能手机或者笔记本电脑，就能准确地测量人们在看广告时情绪、参与和关注体验。通过将眼动追踪（追踪观众眼睛聚焦于视频或者文本中特定元素的方式）和面部表情（例如吃惊或者摇头）及身体动作（向前或者向后倾斜）联系起来，一些公司就能够跟踪、探查以及预测人们对特定广告有何反应，哪里能够吸引他们的注意力，他们是否喜欢或者不喜欢某些特定场景，他们是否将品牌和特定情绪联系起来。
　　营销公司发现，不是聘请昂贵专家和顾客小组去确定一个广告是否有用，而是让成千上万的人自愿坐在屏幕后面去分享他们对广告的情绪反应。基于志愿者的情绪反应重新布置特定元素和场景，公司调整人群回应情感投入的方式，从而最大化地强化人们记住品牌的机会。
　　在学习科学领域，研究者处于类似突破的边缘。眼动追踪技术、情感和参与在过去的十年里已经成熟。在一个成熟学科中运用这些方式测量学习者关注哪里或者在哪里点击学习材料，能够帮助研究者、教师和学习者发现人们何地、何时以及如何学习。
　　当你阅读这篇文章时，你可能同时在看聊天信息、聆听Spotify（音乐试听软件）或者无意中听到旁边的谈话。如果这篇文章真正吸引人和有趣，你的思维、眼睛和身体都将完全沉浸在学习体验中。在未来，机构使用情绪分析将能够追踪到学习者选择哪类学习材料、辨别出他们是否分心、小测验的答案是不是猜测出来的，抑或他们是真的在学习。
（二）基于情绪反馈的个性化学习
　　我们将人们点击和打字行为与他们目光聚焦区域联系起来，为个性化学习创造更多机会。例如一位学生正在回看以前的材料，那可能说明文章不是足够的清晰，他正在努力理解一些概念。如果他持续寻找关键术语，往回滚动，并且有一个困惑的面部表情（或者更糟糕，变得恼怒了），系统或许可以向他推荐一个短视频，以引人入胜的方式解释关键概念，或者提供一个快速帮助功能。

　　或者，如果分析显示一位学生正在快速略读文章，她可能已经熟悉了关键概念，且开始厌烦，这时可以弹出一个参与性练习或者提供与同伴讨论复杂问题的对话机会。因此，情绪分析与适应性教学协同开展，可以提供更多个性化的学习体验。
　　将眼动追踪、情绪数据与学习行为数据联系起来可能是难得机遇，如果学习者从中获得积极益处，他们才愿意分享眼动、面部表情和姿势数据。数据分享的一个好处是分析工具能够正确地辨别学习者的情绪，然后提供合适的教学和有效反馈。尽管实践问题已经被解决了，但如果学习提供者希望监测学生的情绪反应，仍然需要面对复杂伦理和隐私等挑战性问题。他们需要获得学生和教育工作者的信任，方可基于实际的学习情绪和需求提供准确的适应性学习方案。
　

学习过程中的隐性评价‍

潜在影响：中等
时间跨度：长久（4年以上）
　　当人们玩现代计算机游戏的时候——探索虚拟世界，打击敌人，克服挑战——计算机软件不断变换游戏世界，设置新敌，不断地设置困难问题，监控他们的进步。这种持续追踪一个人的进步同时直接提供自动反馈的方法被定义为隐性评价，它开始运用到教学游戏和教育模拟中。
　　隐性评价通过不断地调整模拟环境来延伸适应性教学，而不是基于学习者知识和误解的诊断来选择路径或者练习。评价被嵌入游戏进程中，学生可能没有意识到这种动态监控以及正在发生的响应。
　　Valerie Shute于2005年首次使用隐性评价这个术语，在名为Smithtown的系统中用来描述自动评价过程。当学生探索模拟世界、改变变量，如咖啡的价格和居民的收入时，系统便开始教授微观经济学（例如供求规定）原理。这样做的目的是要教导学生如何通过形成假设和测试预测来进行探究式学习。软件使用人工智能中的方法来监测和分析学生行为，给他们提供反馈，以支持他们探究技能发展。
（一）隐性评价的原则和理论
　　隐性评价的关键原则如下：
• 软件在计算机游戏或者虚拟世界中分析学生的交互；
• 系统不断地调整游戏结构来支持学习，例如通过提供与学生表现相匹配的新挑战形式和层次；
• 系统保持了游戏进程，使得教学和评价成为游戏的一部分；
• 系统建立一个动态的学习者模型，用来表示他们的能力和素养；
• 目的是通过淡化评价和学习之间的界限来减少学习者的测试焦虑，之后再进行准确诊断。
　　隐性评价所隐含的教学法是能力学习。教师（在隐性学习案例中或者是计算机）估计学习者知道什么和能做什么，不断地提供与学生能力相匹配的任务和评价。要做到这一点，教师或者教学系统必须诊断学生在特定问题上的表现，进而推断出能力水平。目标是检测学生问题解决技能，包括知识、理解和应用技能，同时也发现创造力和批判性思维等高阶能力。
　　隐性评价所隐含的教学法是能力学习。评价数据的自动采集依赖于能力学习教学法与计算机游戏设计方法的匹配，包括设定可达成的目标，管理冲突或者挑战，提供持续反馈，创造一个引人入胜的游戏故事，设计一个令人信服的虚拟环境，并提供有意义的交互。
　　开发隐性评价游戏的一个成功方法是通过“以证据为中心的设计”。首先，教育游戏的设计者需要确定评价哪些知识、技能和能力，以便这些能够内置到游戏中。这些属性不能直接被评定（由于游戏不能直接了解学生正在思考什么，隐性方法杜绝设置具体知识测试）。因此，设计者必须弄清楚哪些行为和交互是反映玩家知识、技能和能力的证据。之后游戏中就要触发这些活动，并测量学习者执行任务或解决游戏问题的成功与失败。这些测量方式相连，形成一个衡量学习者已获所需技能或达到一定能力水平的网。
（二）隐性评价的实例
　　《传送门2（Portal2）》是一款采用隐性评价的计算机游戏，由Valve Corportion开发。玩家扮演Chell角色，负责探索先进科学实验室，意识到实验室是一个复杂的机械迷宫，通过使用一组工具找到出口。教育目标是让用户学习各种物理知识，从而获得视觉空间技能，培养批判性思维能力。

　　另外一个迥然不同的隐性评价实例是TAALES工具。TAALES工具通过分析学生论文中的词汇属性（例如单词频率和专业术语使用）来评价学生的词汇知识。通过TAALES将学生论文隐性评价耦合到一个系统中，能够帮助学生提高他们的写作能力。
（三）机会与挑战
　　我们将以证据为中心的设计过程运用到评价和游戏设置中（游戏元素用于促进参与和学习），实现将评价策略、游戏和虚拟世界集为一体，隐性评价便会发挥最佳作用。在已有游戏或者模拟世界中直接增加动态评价则是徒劳无益的方法。
　　隐性评价技术能够就学习者行为给出及时反馈，也提供给教师和每位学生如何发展探究、批判性思维、决策和创造力的信息。隐性评价还处于早期阶段，目前尚不清楚是否需要针对每个游戏和主题重新开发隐性评价方法，还是采用一般方法。
　　“隐性评价”这一术语唤起教师和游戏设计者尝试去监测学习者行为，推断他们的动机、能力和局限的愿望，而不管学习者是否愿意或者给予许可。对于研究项目来说，这些系统能够且应该在严格的伦理指导下开发，包括告知学习者他们如何被监测，信息如何被使用以及从参与者那里获得同意和自愿认可。但是隐性评价已经被嵌入到商业游戏中，例如可能被用来评价保险风险而不是玩家知识。
　　通过将动态评价和反馈融入到计算机游戏中，隐性评价采用引人入胜的方式来培养学习者的创造力、问题解决、毅力和合作能力。引入隐性评价需要小心谨慎，但是早期研究结果展现了在参与模拟游戏中整合动态评价诊断能力的美好前景。
　

【注释】
①Photograph by Gayle Laird © Exploratorium, www.exploratorium.edu Reproduced with permission.
②Figure redrawn from Buckingham Shum, S. (2008). Cohere: Towards Web 2.0 Argumentation. In Proceedings of COMMA’08: 2nd International Conference on Computational Models of Argument,  28-30 May 2008, Toulouse, France. IOS Press, pp. 97-108.
③Photograph by Julie Remold. Reproduced with permission.
④Image © Chris Holden, University of New Mexico.Reproduced with permission.
⑤Screen captured from scratch.mit.edu/projects/10128368/#editor
⑥From the OpenScience Laboratory learn5.open.ac.uk/course/format/sciencelab/section.php?name=af_sxpa288
⑦Image © Anne Adams. Reproduced with permission
⑧Screen captured from cerego.com/sets/720261/learn
⑨Image © Christian Joyal. Reproduced with permission
⑩© Valve Corporation. www.thinkwithportals.com

英文版版权声明：
Sharples, M., Adams, A., Alozie, N., Ferguson, R., FitzGerald, E., Gaved, M., McAndrew, P., Means, B., Remold, J., Rienties, B., Roschelle, J., Vogt, K., Whitelock, D. &Yarnall, L. (2015). Innovating Pedagogy 2015: Open University Innovation Report 4. Milton Keynes: The Open University.

中文版版权声明：
M•沙普尔斯，A•亚当斯，N•阿洛齐，R•弗格森，E•菲茨杰拉德， M•加伟达，P•麦克安德鲁，B•米恩斯，J•雷莫尔德，B•赖迪厄斯，J•罗谢尔，K•沃格特，D•怀特洛克，L•亚纳尔著；许玲，高茜，吴亚婕译。《创新教学报告2015》.米尔顿凯恩斯：英国开放大学。

译者简介：
许玲，江苏开放大学实习研究员。
高茜，北京开放大学助理研究员。
吴亚婕，北京开放大学助理研究员。