npj Science of Learning· Sarah I. Hofer·· 28 天前AI 评分21
少即是多:面向学习与教学的实用建构性对齐分类法(CATLI)
When less is more: a pragmatic Constructive Alignment Taxonomy for Learning and Instruction (CATLI)
AI 导读
观点文章提出面向学习与教学的建构性对齐分类法(CATLI),在保留效度的前提下避免不必要的细分,以支持研究者与实践者描述和设计学习环境。作者指出既有对齐分类法往往划分过细,限制了实际使用与跨研究整合。文章发表于 npj Science of Learning,为开放获取的已接受同行评议版本。
- 背景
- 建构性对齐指学习目标、教学与评价三者之间的一致性,被视为有效教与学的前提。但现有对齐分类体系往往划分过细,限制了实际使用,也让不同研究之间难以整合。
- 做法
- 作者提出面向学习与教学的建构性对齐分类体系 CATLI,思路是在保证效度的前提下避免不必要的细分,并以图形化方式呈现该体系,供研究者和实践者描述与设计学习环境。
- 结论
- 文章为观点性论文,主张精简的分类框架比高度分化的框架更便于落地,也更有助于形成研究与实践中通用的语言;文中未报告实证数据或验证结果。
- 意义
- CATLI 的定位是描述与设计学习环境的共用工具,其价值取决于后续能否被研究和实践采纳;作为分类框架,其效度与实际可用性仍需进一步检验。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:npj Science of Learning · nature.com