近期，美国“学校网络联合会”（CoSN)发布了《基础教育创新驱动力报告（2024）》，报告聚焦基础教育，基于240多名教育和技术专家组成的咨询委员会观点，选出了未来一年驱动基础教育创新最重要的挑战、趋势和技术工具，值得我们重点关注。

基础教育中的“展示性学习”是指以“评估”、“记录”、“沟通”和“赋予意义”为特征的学习方式。这一复杂的学习方式不仅涉及自主学习和个性化、社会实践和价值，还包括了贯穿整个基础教育内外的学习轨迹，甚至和未来的终身学习和就业交织在一起。

罗杰斯自由学习理论主张培育“完人”，即身心、情感和才智和谐发展的人，尊重和肯定学生的个性发展和主体地位，强调学生的能动性和自主性在学习中的作用，并提倡认知、情感以及在特定情境里行为表现的有机统一。

这一理论是展示性学习得以实施的重要理论依据。罗杰斯倡导学生的自由学习，反对忽视学生的兴趣爱好和僭越学生主体地位的逼迫式学习。罗杰斯认为这种学习是知情意行和谐统一的学习，它关注的不只是知识的吸收和经验的增长，而是包含了知识、个性、思维以及个性化理解和选择在内的学习，是一种对学生的未来选择和终身发展起到促进作用的学习。

自主学习是将学习者的角色从“学生”重新定义为“学习的主人”。当学生沉浸在强大的学习环境中时，学习者由知识的接受者转变为创新者，并有机会在流畅的状态下真实地学习。

心理学研究表明，学习有五个层次，愿学、乐学、好学、勤学，还有就是独立学习、自主学习。之所以自主学习重新获得世界教育界的关注，是因为“现在有一个绝佳的机会，可以利用生成式人工智能技术来真正实现学习者的主动性”。

1.生成式人工智能

生成式人工智能已经成为了不可跳过的话题，但本报告中给出了一个有趣的观点：掌握这一技能的窍门一直就是“玩”。顾问委员会成员Punya Mishra认为：人工智能技术需要将视角从单纯的功利性技术方法转变为关系性技术方法。生成式人工智能不是孤立地运行，它还能与人类开展对话，进行交互，促进学习和成长。

这一观点也正说明随着人工智能技术的不断发展，全球教育的特征以及方式将会发生彻底变化。

2.分析和自适应技术

分析与自适应技术是指收集和使用与教学相关数据的数字技术，包括分析收集到的有关学生学习过程的数据，以及利用数据为教学决策提供支持；而自适应技术是根据学生与数字技术的交互改变路径，调整相应的系统或者资源来适应用户的工具。

在教学过程中，教师可以使用分析和自适应技术可以给出后续步骤建议、提供补救措施、控制节奏，或根据学生表现来进一步提供反馈。学生也可以更多地进行个性化学习，更多的独立自主学习，学生有机会扬长避短，而他们的学习也不再是那种一刀切的体验。

3.丰富的数字生态系统

顾问委员会成员Stacy Hawthorne认为，丰富的数字生态系统的潜力在于它能够连接各种系统和环境，创造无缝的学习体验。这种相互关联的数字空间网络跨越了正式的学校环境并延伸到更广泛的范围，从而提供了多种学习机会。如果想最大限度地发挥丰富的数字生态系统的潜力，建立强大的数据集成和互操作性标准就至关重要。这不仅简化了管理流程，还使教育工作者能够做出有利于学生学习的数据驱动决策。

在当今的教育发展趋势之下，构建数字教学生态系统是必然一步，但最关键的是要在设计时关注核心问题，考虑不同学习者的学习特点，提供提供由易到难、由浅入深的学习内容。