基于互联网教育应用的青少年认知发展测评.pdf

当前，互联网技术已对教育领域的各个方面（如教育环境、课程和教学等）产生了系统性影响（余胜泉等，2016）。互联网技术的持续发展催生了功能齐全和种类多样的互联网教育应用。互联网教育应用也被称为“教育移动互联网应用程序”，是指“以教职工、学生、家长为主要用户，以教育、学习为主要应用场景，服务于学校教学与管理、学生学习与生活以及家校互动等方面的互联网移动应用。”（教育部，2019）随着互联网技术和移动终端的普及，青少年成为互联网教育应用重要的使用主体。互联网教育应用在为青少年提供个性化学习资源的同时，势必会重塑其认知发展过程、学习态度与习惯（顾小清等，2012）。尽管互联网教育应用为学生提供了更为便捷和丰富的学习资源，但其质量和有效性却饱受争议。互联网教育应用提供商在其商业模式下往往过度强调学习资源的丰富性和教学方式的创新性，忽视了互联网教育应用对青少年认知发展带来的实际效应。他们既较少顾及青少年在特定发展阶段的认知特点，也无暇关注青少年在长期使用互联网教育应用后，其知识结构、认知能力和价值观念发生的变化。这无疑与培养全面发展的健康公民的教育目标背道而驰。与此同时，以往依靠纸笔测试和面对面评估的认知发展测评方法，也已无法适应互联网教育应用场域的特点和新挑战。这是因为互联网教育应用在实现异地学习和极大地增加用户规模的同时，其所提供的多样化学习方式和资源对青少年认知发展的影响变得更加复杂而多元。因此，探索适用于互联网教育应用的青少年认知发展测评路径至关重要。一、认知发展测评方法溯源人类对认知的测评最早可追溯到古代对人才的选拔。早在距今 4000 年前的中国夏朝就出现了“以射造士”的制度，西周时期不仅要考察“射”的能力与技术，还要“比于礼乐”（约翰罗斯特等，2011，p.3）。希腊哲学家亚里士多德和柏拉图关基于互联网教育应用的青少年认知发展测评谢涛秦渝超刘革平摘要：互联网教育应用为青少年提供了重要的学习和交往场域，其在为青少年学习提供便利的同时，也持续改变着青少年的认知发展过程。在互联网教育应用中如何对青少年的认知发展进行科学测评成为重要命题。从历时性来看，认知发展测评经历了观察测评、实验测评、生物学测评和智能测评四个阶段。但受限于青少年认知结构和互联网教育应用场域的特殊性，基于互联网教育应用的青少年认知发展测评面临测评指标科学性、测评方法灵活性、测评工具复合性、测评项目适应性和测评过程的生态学效度等方面的挑战。应对这些挑战，需要厘定互联网教育应用的分类，并以教育测评模型构建范式为指引，来探索互联网教育应用场景下青少年认知发展测评的实践路径。具体包括确定测评模型的构建原则、建立指标体系、确定测评模型的权重、验证和完善测评模型、设计与实现大规模测评5个步骤。这一认知发展测评范式既有助于从知识结构、认知能力和价值观念的改变等方面对青少年的认知发展进行全面评估，也有助于促进互联网教育应用的优化和改进。关键词：互联网教育应用；认知发展；认知发展测评；测评范式；青少年中图分类号：G434 文献标识码：A文章编号：1009-5195（2024）02-0020-08 doi10.3969/j.issn.1009-5195.2024.02.003基金项目：“十四五”国家重点研发计划“社会治理与智慧社会科技支撑”重点专项2022年度指南项目课题“互联网教育应用的适应性认知发展评估与人机协同诊断技术研究”（2022YFC3303504）；2022年度国家自然科学基金项目“面向多视图教育数据的共享簇结构挖掘与应用研究”（62277043）。作者简介：谢涛，博士，副教授，硕士生导师，西南大学教育学部（重庆400715）；秦渝超，博士研究生，西南大学教育学部（重庆400715）；刘革平，博士，教授，博士生导师，西南大学教育学部（重庆400715）。谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦.20谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦于记忆性质的论述，则体现了人类对有关特定心理能力的思考，并由此衍生出经验论和先验论两种认知本源论（Kathleen M.Galotti，2005，p.4）。1879年，威廉 冯特（Wilhelm Wundt）在其心理实验室综合运用哲学内省法和实验室仪器所开创的内省实验法，则开启了现代认知测评方法的先河（杜林致，2011，p.15）。目前，与认知测评相关的方法包括自然观察法、控制观察法、临床访谈法、自我报告法、个案研究法、内省实验法、实验和准实验法、生物心理学方法、基于计算机与人工智能的测评方法等（Kathleen M.Galotti，2005，p.13；Robert J.Sternberg，2006，p.13）。按照采用的测评技术和工具，认知发展测评方法可归纳为如下四个类别。1.基于主观观察的测评方法自然观察法、自我报告法、个案研究法均是基于主观观察的测评方法。其测评依据是观察者的观察记录本、被观察者的自我报告，很少涉及测评问卷、量表、仪器设备等专用测评工具，其测评结果由施测者主观判断和描述决定。这是最早出现的认知测评方法。我国先秦两汉的古籍中曾记载了对人进行自然观察的具体方法，如太公六韬中提及的用于考察和识别人才的“六守”“八征”法（杜林致，2011，p.23）；三国时期刘劭在人物志中阐述了关于识人用人的“八观”“五视”“七缪”法（约翰罗斯特等，2011，p.4）。又如，西方学者霍华德格鲁伯（Howard Gruber）以达尔文作为个案，深入探讨了其知识创造的心理环境（Robert J.Sternberg，2006，p.14）；斯蒂芬科斯林（StephenKosslyn）等人在一个心象研究中要求学生以自我报告的方式做一周关于每种感觉形态的心理表象日记（Kosslyn et al.，1990）等。总之，在缺乏或不适用科学化测评工具的情况下，东西方多将主观观察作为主要的认知测评方法。2.基于标准化测试工具的（准）实验测评方法控制观察法、临床访谈法、内省实验法、实验和准实验法均属于此类测评方法。其测评依据是被观察者或被试在控制和干预条件下，完成相关标准观察量表、访谈提纲、参照测试等任务题项，并记录其行为、言语、表情等相关数据；其测评工具一般为标准观察量表、访谈提纲、参照测试量表，以及计时器等（准）实验用品。这也是认知测评走向科学测评后最常用的测评方法。其中，控制观察法、临床访谈法和内省实验法虽使用标准化测试工具，但对结果的描述与解释仍采用质性的主观观察法，如内省实验法就是要求被试在完成测试实验时对当时的心理活动过程进行内省的一种方法。基于测试的实验和准实验法则属于量化的科学实验法，如1845年霍瑞思 曼（Horace Mann）指导的波士顿学校委员会首次印刷并使用知识测验试题，1884年弗朗西斯 高尔顿（Francis Galton）在测验中开始应用等级评定量表和问卷法等并对测试数据进行分析，1887年詹姆斯 麦卡恩 卡特尔（James McKeenCattell）创建了世界上第一个心理测量实验室，1905年比奈 阿尔弗雷德（Binet Alfred）编制了世界上第一个智力测验量表（约翰 罗斯特等，2011，p.15；杜林致，2011，p.21）。当前广为使用的智力测验量表还有瑞文标准推理测验、韦克斯勒系列智力量表、斯坦福比纳智力量表等。相较于之前的主观观察，该阶段使用的标准化测评工具呈现出科学严谨的特点。3.基于神经生理探测技术的生物心理学测评方法生物心理学的测评方法大多采用神经生理探测技术（罗伯特 L.索尔所等，2008），其测评依据是在实验控制或刺激干预条件下，通过获取被试大脑、神经系统、眼睛、肢体等身体部位的活动信息（如脑波、血压、眼动等生理数据）以分析被试的学习状态。其中涉及的测评技术包括脑电技术、医学影像技术、眼动技术等，测试使用的主要设备和工具包括脑电检测仪器、计算机X线断层摄影机、核磁共振仪、脑磁图仪、眼动仪等。此测评方法源自欧洲近代的尸检解剖研究，主要用于检测造成认知功能障碍的大脑病变部位。艾森克学派从社会生物学角度将智力测验得分与大脑功能建立直接联系，发现智力越高的人，其某些特定大脑区域在脑电图（EEG）诱发电位时段内的潜伏期越短（约翰 罗斯特等，2011，p.9）。20 世 纪 90 年 代 贾 科 莫里 佐 拉 蒂（GiacomoRizzolatti）等人在恒河猴的前运动皮质F5区域发现了镜像神经元，身心一体的具身认知范式得以确立（叶浩生，2017，p.25）；还有学者通过采集被试在不同事件下的眼动数据，采用决策树算法构建预测模型并实现了84%的准确率（De Silva et al.，2019）。4.基于计算机与人工智能的智能测评方法基于计算机与人工智能的智能测评方法主要是依据被试在智能仿真任务情境中的多模态生理与行为数据而进行的。20世纪50年代中期，心理学开始用计算机进行大数据量的常模和样本分析，以便快速计分和报告测验结果。此后，计算机辅助测评.21逐步覆盖项目生成、项目库开发与管理、人机对话测验程序、提问过程、统计分析、陈述性报告、结果生成、测验管理等全流程。作为第一个用于心理评估的计算机系统，梅奥诊所（Mayo Clinic）通过写在特殊IBM穿孔卡片上的程序，可对病人进行多项人格测试（Fowler等，1990）。智能技术的发展也催生了智能化心理健康测评这一新兴领域，如有学者提出了数字心理测量学（Digital Psychometrics）（Latynov et al.，2020），通过采集测评对象的在线行为数据，以及智能穿戴设备上的脑电、眼动和运动等心理健康相关数据，进行特征提取和分析测评（骆方等，2021）。又如，中国科学院计算所开发了针对儿童注意力缺陷多动症的可穿戴式辅助诊断评估系统，能够较好地感知儿童的敏捷性和冲动性（Jianget al.，2020）。这些智能测评方法进一步丰富了对青少年认知测评的手段。二、互联网教育应用中青少年认知发展测评的现实困境尽管当前的认知发展测评方法逐渐摆脱了主观臆断的低效测评，而转向科学化、高准确度的智能测评，但这些测评方法尚无法适用于互联网教育环境。互联网教育应用中青少年认知发展测评面临更高挑战，既要兼顾个体化测评和规模化应用，还需实现测评的无感化和真实化。这与青少年自身的认知结构特点和互联网教育应用作用于青少年认知发展的复杂性密切相关。1.青少年的认知结构特点作为认知心理学的一个重要概念，认知结构是指一系列认知元素按照一定的关联方式组成的有机整体（张新明，2002）。脑科学方面的研究指出，对于青少年而言，大量的神经重塑和突触重组在青少年阶段正在发生，其大脑发展也会经历前额叶皮质和大脑皮层的再塑造，这将对青少年的认知控制和决策制定能力产生重要影响（叶浩生，2017，p.22）。有研究者指出，青少年期的大脑在神经传导速度和信息处理方面发生了重要变化，有助于提高青少年的学习和记忆能力（Luciana et al.，2009）。此外，青少年期的前额叶皮质和颞叶皮质的发展与情绪调节和社会认知能力的增强密切相关，这意味着青少年阶段也是处理情绪和社交技能发展的关键时期（Blakemore et al.，2006）。认知神经科学将人的认知过程分为感觉、知觉、注意、记忆、思维和想象6个部分。每个认知过程还可进一步细分，如知觉可以分为视知觉、听知觉、触知觉、嗅知觉和味知觉等，注意可以分为不随意注意、有意注意、随意后注意等，而且感觉与知觉、注意与记忆之间也存在着复杂关系（Blakemore et al.，2006）。本研究认为，青少年的认知结构也可划分为感觉、知觉、注意、记忆、思维和想象等方面，且不同的认知结构处于不同的发展和成熟水平。2.互联网教育应用对青少年认知发展的双向影响为了探索互联网教育应用对青少年认知过程的影响，本研究对19名专家级学者进行了访谈，并根据认知神经科学对认知过程的6类划分进行编码，采用定向内容分析法（韩继宁等，2023）获得了互联网教育应用对青少年认知过程的双重影响（见表1）。从表1可以看出，互联网教育应用对青少年认知发展的影响体现出两大特征：一是全面性，即互联网教育应用中学习内容的组织形式、呈现表1互联网教育应用对青少年认知发展的影响受访人员中小学教 师 5名、教育机构人 员 4名、教育技术学专家5名、心理学专家5名分析维度感觉知觉注意记忆思维想象正面效应通过视听刺激，拓宽青少年的视听通道，丰富青少年的视听体验，进而打开认知路径整合主体感知，助推青少年快速形成空间知觉、时间知觉和运动知觉等丰富的设计形式和多样化的材料组织方式能够吸引青少年对学习内容的持续关注，实现悦趣化学习和沉浸式学习，提升学习效率迎合青少年的记忆模式，使知识和信息的存储与提取变得更为方便，降低了青少年对知识的记忆负荷拓展青少年的思维与视野，促进思维碰撞；帮助青少年实现思维可视化，促进思维发展；有助于培养青少年的批判性思维提供各种表象材料以及表象材料的合成路径，协助青少年完成表象材料的重新组合和新形象的构建负面效应知识表征过于表层化，材料无法准确、深度地表征知识，导致知识的“失真”其他知觉通道的缺位会弱化青少年的立体感知，呈现形式的非完整性使青少年缺乏其他知觉通道的输入缺乏监控导致青少年退出学习过程和注意力难以集中等问题，他们也可能会过分关注学习材料的组织形式和呈现方式而忽视对内容的学习知识内容寄存在互联网教育应用中，致使青少年养成对互联网的记忆依赖，并用较少的认知努力去主动回忆和练习互联网教育应用在使用过程中易引发学习过程快餐化导致的思维堕化，潜在算法偏见致使的思维窄化，以及碎片化使用促发的思维浅表化青少年的想象力囿于现成的表象材料和合成路径，而丧失了本身的想象力谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦.22方式以及青少年的使用方式会全面影响青少年感觉、知觉、注意、记忆、思维和想象等各个过程。二是两面性，即互联网教育应用在为青少年学习过程赋能的同时，也为其认知发展埋下隐患，不当的应用方式会对青少年的认知发展产生较大的负面效应。3.互联网教育应用中青少年认知发展测评的挑战第一，测评指标面临的科学性挑战。认知发展是一个综合性的过程，目前互联网教育应用对青少年认知发展的影响覆盖了感知觉、注意、记忆、思维、想象等全过程，但对每个阶段内相关要素的影响方式和影响程度却并不一样。因此，不能将已有物理场景中的认知测评指标“照搬”到互联网教育应用情境中，而需要根据青少年认知发展的特点和互联网教育应用影响青少年认知发展的途径和方式，建构适用于互联网教育应用场景的青少年认知发展测评指标体系。测评指标需要从理论和实践的角度出发，结合相关研究和教育经验，确保其能够全面反映学生的认知发展。第二，测评方法面临的灵活性挑战。互联网教育应用形态多样，不同形态的应用使得学习者所处的测评场景并不相同，适用且可及的测评工具和方法也不尽相同。此外，测评对象的年龄、认知风格等个体特征，以及个体使用的互联网教育应用服务内容、功能特点等差异，都会影响测评方法和工具的选择。因此，互联网教育应用中针对青少年认知发展测评的方法和工具手段应更加灵活多样，且能根据青少年学段/年龄、认知风格，以及互联网教育应用的不同形态、支持终端、服务内容、服务功能进行自适应匹配。第三，测评工具面临的复合型挑战。从认知测评方法的演进可以看出，人们对认知测评的理解从“身心分离”的“离身”主义逐渐走向“身心一体”的具身认知。具身认知视角下对青少年的认知测评既需要其认知的外部行为数据，也需要其内部生理数据，这就要求在测评中同时使用量表、脑电测试仪、眼动仪等多种复合型测评工具。此外，青少年在不同年龄和学段间的身心发展差异较大，导致适用的认知发展测评工具不相同；其所在场域中能够使用的认知测评设备和工具亦不相同，这就需要充分发挥数字时代心理健康测评范式自动化、智能化、自适应的优势，及时感知测评对象特点及其所在场域可及的测试工具等，从而组合出恰当的复合型测评工具。第四，测试项目面临的适应性挑战。当前关于认知测评的测试项目繁多，且大多是基于传统物理空间开展的，而互联网教育应用大多需在网络空间内进行，这就使得传统的测试项目并不适用于网络空间的认知测评。鉴于青少年使用互联网教育应用会生成许多与认知相关的文本、音视频、日志等多模态行为数据，因此可以利用一定的技术机制让针对青少年的认知测评自适应匹配基于在线行为分析的测试项目，进而生成精准可行的测试任务，以确保测试项目的有效性。第五，测评过程面临的生态学挑战。生态学效度一直是认知测评需要关注的问题，也是测评结果展现实用价值的重要指标。基于传统物理空间开展的测试方法，大多难以兼顾测评结果的科学性、有效性及生态学效度。例如，自然观察法虽然具有生态学效度，但其结果的科学有效性却不强；又如，基于标准化测验的实验/准实验法和基于神经生理探测技术的生物心理学测评方法，虽然其测试结果具有较高的科学效度，但其要求被试完成的测试任务因过于人为化而缺乏生态学效度。因此，互联网教育应用情境中针对青少年的认知发展测评应充分运用感知识别技术、大数据挖掘技术等，采集青少年在互联网教育应用中的自然行为数据，使用的测评指标和测验项目库也应符合网络空间这一测评场域的特点，从而使其测评结果兼具科学有效性和生态学效度。三、互联网教育应用的分类与测评范式寻绎由于互联网教育应用存在形态与功能等方面的差异，因此在该场域中对青少年的认知发展进行测评，首先要对互联网教育应用进行类属划分。同时需要寻绎更加有效的测评范式，以兼顾测评指标的科学性、测评方法的灵活性、测评工具的复合性、测试项目的适应性和测评过程的生态学效度。1.互联网教育应用的分类截至2023年9月22日，教育移动互联网应用程序备案管理平台已备案了2722个教育APP和10697个教育类小程序（含公众号）（中央电化教育馆，2023）。不同互联网教育应用的服务对象、内容、功能和应用场域等不相同，其对青少年认知发展的影响亦不相同。因而，对纷繁多样的互联网教育应用进行适切分类成为科学测评的重要前提。综观学术界与业界针对互联网教育应用制定的一系列分类标谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦.23准及实践，我们尝试提出如下分类方法。第一，树状分类法。基于树状分类法，可将互联网教育应用分为技能、动作和功能三大类别。2017年度中国教育APP金榜（教评网）分类和新浪在2014中国教育APP测评报告中均使用了这种分类法。技能类互联网教育应用主要关注学生的认知能力和知识掌握程度的提升，旨在通过在线学习平台提供的各种学科课程内容、互动式教学工具和评估系统，帮助学生巩固知识，从而培养学生的学术能力和解决问题的能力（姜力铭等，2022）。动作类互联网教育应用注重培养学生的实践操作技能，旨在通过虚拟实验室和模拟软件帮助学生在安全的环境中开展学习活动，以培养学生的实践能力和创新思维（韩继宁等，2023）。功能类互联网教育应用关注对学生学习过程和学习环境的支持，旨在为学生提供课程管理、作业提交、成绩查询和辅导答疑等服务，以提升学生的学习效率和学习体验（Behnamnia et al.，2020）。第二，网络信息分类法。基于网络信息分类法，可将互联网教育应用大体分为知识传递类应用、互动交流类应用、个性化学习类应用和评估与反馈类应用。其中，知识传递类应用通过网络教育平台传递和分享知识，一般包括在线课程、教学视频和学习材料等形式。这类应用可以为学生提供灵活的学习机会，使学习资源更易于获得，从而增加教育公平的机会（Mller et al.，2021）。互动交流类应用通过网络教育平台促进学生和教师之间的互动和交流，一般以在线讨论、实时问答和在线辅导为主要实现形式（Xu et al.，2020）。这种应用旨在促进学生的学习参与度，提升学习体验和学习效果。个性化学习类应用通过网络教育平台提供个性化的学习内容和学习支持，以提高学生的学习动机和学习成绩，同时满足学生的个体差异和学习需求（Peng et al.，2019）。评估与反馈类应用包括在线测验、作业提交和自动化学业评价等（Cavalcanti et al.，2021）。第三，综合分类法。该方法强调从多个维度进行综合分类，例如，教育移动互联网应用程序备案管理平台从服务和应用两个方面对教育APP进行备案，并将服务信息划分为功能类型、使用对象和服务内容三个维度（中央电化教育馆，2023）。还有研究者将不同的分类标准结合起来以更全面地描述互联网教育应用的特征，如基于技术整合模型，将互联网教育应用的特征描述为学习环境特征、技术使用阶段和学科三个维度（徐鹏，2017）。2.教育测评模型构建范式寻绎“范式”一词最早由托马斯库恩（Thomas S.Kuhn）提出，他从自然科学视角将范式定义为“一个特定共同体成员所共有的信念、价值、技术等构成的整体”（托马斯 库恩，2012）。在人文社会科学领域，范式逐渐被演绎为某一领域的价值取向、科研信念和研究方法等，如在教育领域有学者提出了教育大数据研究范式（赵佳丽等，2020）、能力导向教学创新范式（赵建华等，2020）以及基于大数据的教育测评模型构建范式（范涌峰等，2019）。借鉴已有学者对教育测评范式的构建思路，本研究将教育测评模型构建范式归纳为如下5个阶段：第一阶段：确定测评模型构建的价值取向。该阶段主要观照测评对象的本质属性、教育及经济基础、科学理论支撑，以形成测评的独特价值取向。第二阶段：明确教育测评对象的操作性定义。该阶段主要运用动态特征描述法、静态特征描述法、方法和程序描述法，将抽象且难以测量的社会概念描述成可以考察分析的操作性术语，使测评对象具有可操作性。第三阶段：构建教育测评指标体系。该阶段从操作性定义出发，基于一定的时序逻辑开展文献研究和专家咨询，以构建测评指标体系。第四阶段：确定教育测评指标权重与生成教育测评模型。该阶段根据原始数据进行计算，选择主观赋权法（层次分析法、德尔菲法）、客观赋权法（熵值法、主成分分析法、因子分析法等）或综合两者的主客观赋权法来计算和确定测评模型各个维度与指标的权重。第五阶段：验证和修正教育测评模型。该阶段旨在从基于数据的验证、基于专家的验证和基于实践应用的验证等方式来检验和修正测评模型。其中，基于数据的验证主要从统计学的角度检验模型的各项指标是否符合统计学要求；基于专家的验证是请相关领域专家对模型的效度做出相应的评价；基于实践应用的验证则是将模型用于具体实践，以检验模型的实际效用。四、互联网教育应用中青少年认知发展测评的实施路径在互联网教育应用情境中，针对青少年认知发展的测评不仅需要遵循心理学测评范式，更需遵循教育学测评范式，两者融合才能更好地推动测评从小样本转向大规模，从过多干预转向自然测评，进谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦.24而描摹出更准确的测评结果。在确定认知测评的一般范式之后，针对互联网教育应用中青少年认知发展测评这一命题，本研究提出如图1所示的互联网教育应用中青少年认知发展测评实施模型，以期为测评实践提供路径指导。图1互联网教育应用中青少年认知发展测评实施模型1.确定测评模型的构建原则本研究主要参考学校特色发展测评模型的构建过程来确定构建原则（范涌峰等，2018），分为方向性原则、科学性原则、可行性原则、共性与个性结合的原则。（1）方向性原则。测评模型的构建主要关注两个方向，一是关注青少年使用互联网教育应用之后的认知发展，二是通过青少年认知发展情况来反映互联网教育应用本身的质量。（2）科学性原则。指标构建必须运用科学的方法和手段，保证研究过程各个环节的严谨性和规范性，且相应指标要有理论和事实依据。（3）可行性原则。测评指标体系既要在理论层面包含青少年认知发展的相应过程，又要在实践层面提供科学的测量方法。（4）共性与个性结合的原则。在测试对象方面，既要考虑青少年认知发展规律的共性，又要兼顾青少年不同年龄阶段的特点和不同学科的具体影响。2.初步建立指标体系本研究主要采取自上而下和自下而上相结合的思路来构建测评指标体系，即一方面开展理论研究形成自上而下的指导，另一方面在实践中广泛征求专家意见。首先，基于认知神经科学对认知过程的划分，开展相应的理论研究，并结合专家意见初步构建互联网教育应用中青少年认知发展测评框架。其次，就测评框架广泛征集专家的意见，包括对框架进行定量和定性评价，进一步完成修改。最后，确定互联网教育应用中青少年认知发展测评指标体系，并对指标体系进行系统诠释。本研究基于认知神经科学的相关理论将青少年的认知发展过程划分为感觉、知觉、注意、记忆、思维和想象6个方面，基于专家意见将6个认知发展过程作为一级指标，并在此基础上进一步细化形成了视觉、听觉、空间知觉、运动知觉、注意的选择、注意的稳定、注意的分配、短时记忆、长时记忆、分析性思维、创造性思维、实践性思维、再造想象、创造想象等14个二级指标（见表2）。表2互联网教育应用中青少年认知发展测评指标及释义一级指标感觉知觉注意记忆思维想象二级指标视觉听觉空间知觉运动知觉注意的选择注意的稳定注意的分配短时记忆长时记忆分析性思维创造性思维实践性思维再造想象创造想象释义青少年使用互联网教育应用过程中的视力和视觉差别感受性青少年使用互联网教育应用过程中的听力和听觉差别感受性青少年使用互联网教育应用过程中的大小知觉、形状知觉、方位知觉和距离知觉青少年使用互联网教育应用过程中对物体运动状态和运动速度的知觉青少年使用互联网教育应用过程中注意的选择与转移青少年使用互联网教育应用过程中注意的持续与抗干扰能力青少年使用互联网教育应用过程中不同感知通道的注意力分配青少年使用互联网教育应用过程中的短时记忆容量和工作记忆青少年使用互联网教育应用过程中记忆的准确率、保持时长和提取速度青少年使用互联网教育应用过程中的归纳推理和类比推理能力青少年使用互联网教育应用过程中的思维发散和聚合程度青少年使用互联网教育应用过程中对良构和劣构问题的解决能力青少年使用互联网教育应用过程中再造认知对象的形象性及其新颖程度青少年使用互联网教育应用过程中的原创型想象及其新颖程度3.确定测评模型的权重在构建测评模型阶段，本研究主要采用主客观综合赋权法进行赋权。其中，主观赋权法采用专家咨询法邀请专家对各个维度和指标进行分层赋权，客观赋权法采用熵权法进行赋权，最后使用最小二乘法的思想来确定权重。首先，面向教育学、心理学等领域的专家以及一线教师开展访谈，确定测评维度及相应指标的主观权重。其次，结合指标体系初步研制测评模型，并开展第二轮专家咨询，不断完善测评模型。再次，面向我国东、中、西部地区的教科研机构及中小学教师开展调查，将回收的有测评模型的构建原则方向性原则科学性原则可行性原则共性与个性结合构建指标体系开展理论研究认知分类应用分类实际求证确定维度确定维度与指标展开专家咨询互联网教育应用中青少年认知发展测评指标体系测评模型的权重确定主观赋权法客观赋权法互联网教育应用中青少年认知发展测评模型大规模测评系统的设计与实现测评模型的验证完善开展大规模评估实现评估任务自适应生成测评系统的设计与开发专家认同度咨询规模化实际调查谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦.25效问卷随机分为两份，其中一份用于做探索性因子分析，另一份用于做验证性因子分析，不断优化和完善测评模型的结构。最后，结合问卷数据采用熵权法确定测评模型的客观权重，并运用最小二乘法确定综合权重。4.验证和完善测评模型为了进一步对测评模型进行验证，研究一方面进行专家认同度调查，另一方面通过实际应用来验证模型的准确性、有效性和可操作性。在专家认同度方面，邀请教育学、心理学和经验丰富的一线教师对测评模型的综合权重进行认同度调研，初步检验测评模型是否具有准确性和有效性。在实际应用方面，面向广大青少年进行实际调查。首先基于测评模型的项目指标对青少年的认知发展水平开展前测；接着推介相应的互联网教育应用，为青少年提供学习支持服务，并尽量控制相关变量，减少其他因素的干扰；最后依据测评模型的项目指标对青少年的认知发展水平开展后测，以探究互联网教育应用对青少年认知发展过程的影响。此外，还可利用青少年的背景信息（如性别、年龄、所在地区、使用互联网教育应用的类型和使用时长等）来探索不同类别信息对青少年认知发展过程的影响。5.设计与实现大规模测评为推动测评模型实现精准化、科学化和规模化的应用，本研究基于测评模型，提出利用智能技术实现互联网教育应用中青少年认知发展的大规模测评思路。首先，通过多通道交互信息融合技术实现学习者全方位、立体式的人机互动，利用深度确定性策略梯度算法实现评估任务自适应生成，并利用VR/AR技术构建面向测评维度的虚实融合模拟体验场景。其次，基于学习者认知诊断技术，构建系统性人在回路框架，支持评测专家对学生个体或群体的人机协同式认知诊断，完成在线测评系统的设计与开发。再次，采用分层随机抽样法，利用测评系统在我国东、中、西部开展基线调查和大规模评估，实现大规模在线认知测评。最后，将测试数据与认知发展基线数据进行对比分析，验证互联网教育应用对学生认知发展的影响，并对互联网教育应用进行评分定级，发挥测评系统的双向功能。参考文献：1美Fowler,R.D.,&Butcher,J.N.(1990).计算机辅助心理测验发展概述J.曹霞.心理学动态,(1):61-66.2美Kathleen M.Galotti(2005).认知心理学(第三版)M.吴国宏等.西安:陕西师范大学出版社.3美Robert J.Sternberg(2006).认知心理学(第三版)M.杨炳钧,陈燕,邹枝玲.北京:中国轻工业出版社.4美罗伯特 L.索尔所,M.金伯利 麦克林,奥托 H.麦克林(2008).认知心理学(第7版)M.邵志芳.上海:上海人民出版社:46.5美托马斯 库恩(2012).科学革命的结构(第四版)M.金吾伦,胡新和.北京:北京大学出版社:147.6英约翰 罗斯特,苏珊 格伦博(2011).现代心理测量学(第3版)M.李晓,缪晶晶.北京:中国人民大学出版社.7杜林致(2011).心理测量学M.天津:南开大学出版社.8范涌峰,宋乃庆(2018).学校特色发展测评模型构建研究J.华东师范大学学报(教育科学版),36(2):68-78,155-156.9范涌峰,宋乃庆(2019).大数据时代的教育测评模型及其范式构建J.中国社会科学,(12):139-155,202-203.10顾小清,林仕丽,汪月(2012).理解与应对:千禧年学习者的数字土著特征及其学习技术吁求J.现代远程教育研究,(1):23-29.11韩继宁,刘革平,王思玉(2023).元宇宙中社会化交互学习的特征与发展路向J.现代远程教育研究,35(2):57-66.12教育部(2019).关于引导规范教育移动互联网应用有序健康发展的意见EB/OL.2023-06-05.http:/ al.(2020).TheEffectiveComponentsofCreativityinDigitalGame-Based Learning Among Young Children:A Case StudyJ.Children and Youth Services Review,116:105227.23Blakemore,S.J.,&Choudhury,S.(2006).DevelopmentoftheAdolescentBrain:Implicationsfor谢涛,秦渝超,刘革平基于互联网教育应用的青少年认知发展测评现代远程教育研究,2024,36(2)专题聚焦.26Executive Function and Social CognitionJ.Journal of ChildPsychology and Psychiatry,47(3/4):296-312.24Cavalcanti,A.P.,Barbosa,A.,&Carvalho,R.et al.(2021).Automatic Feedback in Online Learning Environments:A Systematic Literature ReviewJ.Computers and Education:Artificial Intelligence,2:100027.25De Silva,S.,Dayarathna,S.,&Ariyarathne,G.et al.(2019).A Rule-Based System for ADHD Identification Using Eye MovementDataC/Proceedings of the 2019 Moratuwa Engineering ResearchConference(MERCon),Moratuwa,SriLanka:538-543.26Jiang,X.L.,Chen,Y.Q.,&Huang,W.L.et al.(2020).WeDA:Designing and Evaluating a Scale-Driven WearableDiagnostic Assessment System for Children with ADHDC/Proceedings of the 2020 CHI Conference on Human Factors inComputing Systems,HI:Honolulu:1-12.27Kosslyn,S.M.,Seger,C.A.,&Pani,J.R.et al.(1990).When Is Imagery Used in Everyday Life?A Diary StudyJ.Journal of Mental Imagery,14(3-4):131-152.28Latynov,V.,&Shepeleva,E.(2020).Applied AspectsoftheUseofAlgorithmsofDigitalPsychometricsJ.Psikhologicheskii Zhuranl,41(4):66-77.29Luciana,M.(2009).Adolescent Brain Development:Current Themes and Future Directions:Introduction to theSpecial IssueJ.Brain and Cognition,72(1):1-5.30Mller,C.,&Mildenberger,T.(2021).FacilitatingFlexible Learning by Replacing Classroom Time with an OnlineLearning Environment:A Systematic Review of Blended Learningin Higher EducationJ.Educational Research Review,34:100394.31Peng,H.,Ma,S.,&Spector,J.M.(2019).PersonalizedAdaptiveLearning:AnEmergingPedagogicalApproachEnabled by a Smart Learning EnvironmentJ.Smart LearningEnvironments,6(1):1-14.32Xu,B.,Chen,N.S.,&Chen,G.(2020).Effects ofTeacher Role on Student Engagement in WeChat-Based OnlineDiscussion LearningJ.Computers&Education,157:103956.收稿日期2023-11-23责任编辑刘选Assessment of Adolescents Cognitive Develo