---
categories:
  - '[[LLM Wiki]]'
tags:
  - wiki
  - instructional-theory
  - education-classics
  - instructional-design
created: 2026-04-21
source: '[[教育学经典综述]]'
type: concept
aliases:
  - Instructional Design
  - 教学系统设计
relations:
  - type: extends
    target: '[[教学理念]]'
    confidence: 2
  - type: extends
    target: '[[教学模式]]'
    confidence: 2
---

[raw:教育学经典综述:18]# 教学设计

> **一句话定义**：教学设计是系统化、目标导向地规划和开发学习体验的领域，其目标是创造支持学习和评估的体验，确保特定学习目标的达成。

## 定义

教学设计（Instructional Design，简称ID）是应用学习理论、教学技术和评估方法来创造有效学习体验的系统性过程。它关注"如何教"（How to Teach）而非"教什么"（What to Teach），强调以学习者为中心、目标导向和循证实践。

## 核心设计框架

### ADDIE模型

**五阶段循环**（Florida State University Center for Educational Technology，1975年）：

| 阶段 | 核心活动 | 产出 | 关键问题 |
|
----
----|---------|------|---------|
| **分析** | 识别学习目标、分析学习者特征、评估约束条件 | 需求分析报告、学习者画像 | 需要做什么？谁是学习者？有什么约束？ |
| **设计** | 确定评估方法、设计学习活动、创建评估蓝图 | 教学设计文档、内容大纲 | 如何评估？什么活动？如何组织？ |
| **开发** | 创建学习材料、开发评估工具、开发教学模块 | 课程材料、评估工具、教学模块 | 如何创建材料？如何测试？ |
| **实施** | 分发学习材料、培训教师/或学生 | 实施计划、培训记录 | 如何分？如何培训？ |
| **评估** | 评估学生绩效、收集反馈、识别改进领域 | 评估报告、改进建议 | 有效吗？如何改进？ |

**核心特征**：
- 系统化、线性流程
- 每阶段基于上一阶段输出
- 评估导向
- 持续改进循环

### Backward Design（逆向设计/Understanding by Design）

**提出者**：Jay McTighe和Grant Wiggins（1998/1999年）

**三阶段模型**：

#### 第一阶段：确定期望结果

**核心问题**：学生应该理解什么？

**期望的理解类型**：
- **持久性理解**（Enduring Understandings）——学生应该永久记住和应用的大观念
- **核心问题**（Essential Questions）——激发探究和意义建构的问题
- **可迁移应用**（Transferable）——在新情境中应用的知识和技能

**评估证据**：什么将证明掌握？

#### 第二阶段：确定可接受的证据

**评价方式**：什么类型的证据可以展示理解？

**GRASPS框架**（六维度理解）：
- **解释**（Explain）：学生能用自己的话解释概念
- **诠释**（Interpret）：学生能从数据中提取意义
- **应用视角**（Apply Perspective）：学生能从不同视角看待现象
- **共情**（Have Empathy）：学生能体会他人的经历和感受
- **展现意义**（Show Self-Knowledge）：学生能将概念与个人生活关联
- **自我认识**（Self-Knowledge）：学生能反思自己的学习和成长过程

#### 第三阶段：规划学习体验和教学

**WHERETO要素**：
- **WHERE**：目标在哪里？（课程定位、标准对齐）
- **HERE**：教师和学生做什么？（教学活动、学生任务）
- **HOW**：如何教？（具体方法和资源）

**核心原则**：
- 从最终目标开始，逆向推导
- 评估先于教学设计
- 教学目标驱动所有决策
- 三阶段是连续且相互关联的

## 教学事件

### Gagné的九个教学事件（1965）

**提出者**：Robert M. Gagné《The Conditions of Learning》

| 事件 | 序号 | 认知功能 | 关键策略 |
|------|------|---------|---------|
| **1. 引起注意** | 接收信息 | 使用刺激变化、提问、多媒体吸引兴趣 |
| **2. 告知学习者目标** | 接收信息 | 明确说明学习目标和成功标准 |
| **3. 刺激回忆先期学习** | 获取信息 | 复习相关知识和技能，激活先期知识 |
| **4. 呈现内容** | 获取信息 | 有组织地呈现新信息，清晰讲解 |
| **5. 提供学习指导** | 获取信息 | 提供示例、提示、练习机会 |
| **6. 引出表现** | 应用信息 | 学生练习新技能，在指导下应用 |
| **7. 提供反馈** | 应用信息 | 及时、建设性反馈，指导改进 |
| **8. 评估表现** | 应用信息 | 测量目标达成度 |
| **9. 促进保持和迁移** | 整合存储 | 提供变式练习、间隔重复、关联新情境 |

**分类**：
- **外部事件**（1-9）：教学者控制的事件，为学习提供外部条件
- **内部事件**（9-14）：学习者内部发生的认知过程（如编码、检索）

## 设计原则

### 学习者分析

| 分析维度 | 关键因素 | 应用方法 |
|----------|---------|---------|
| **认知特征** | 年龄、发展阶段、学习风格、先期知识 | Piaget理论、学习风格评估、前测 |
| **情感特征** | 动机、兴趣、焦虑水平、态度 | 动机理论、情感需求分析 |
| **生理特征** | 视听能力、运动技能、注意力持续时间 | 通用设计原则、无障碍设计 |

### 目标分层

**布鲁姆分类法应用**：
- 记忆层→客观题
- 理解层→简答题、总结
- 应用层→问题解决、练习
- 分析层→案例分析、比较
- 评价层→批判性思维、评论
- 创造层→项目、创作、设计

### 媒体选择

| 媒体类型 | 优势 | 适用场景 |
|---------|---------|---------|
| **文字材料** | 便携、可重访、适合复杂信息 | 教科书、文章、讲义 |
| **视觉媒体** | 吸引注意、促进记忆 | 图表、图像、视频、动画 |
| **交互式媒体** | 主动参与、即时反馈 | 模拟、游戏、交互式练习 |
| **多媒体** | 多感官、适应不同学习风格 | 文字+图像+音频+视频组合 |

## 评估设计

### 形成性评估

**目的**：监控学习进度、提供反馈、调整教学策略

**特点**：
- 低风险或零风险
- 及时反馈（24-48小时内）
- 强调改进而非评判
- 频繁实施（每周或更频繁）

**工具**：
- 出票/小测验
- 课堂观察
- 问答环节
- 同伴互评
- 学习日志/反思

### 总结性评估

**目的**：总结学习成果、评定最终成绩、证明目标达成

**特点**：
- 高风险（影响成绩/认证）
- 标准化（与课程目标对齐）
- 可用于认证、毕业

**工具**：
- 期末考试
- 项目评估
- 论文/作品集
- 标准化测试

## 与其他概念的关系

- [[教学理念]] — 教学设计将教学理念转化为可操作的教学策略
- [[教学模式]] — 教学设计基于特定教学模式
- [[教学目标]] — 教学设计的第一步是确定教学目标
- [[教学内容]] — 教学设计包括内容组织
- [[教学过程]] — 教学设计规划师生互动过程
- [[教学方法]] — 教学设计选择具体教学方法
- [[教学评价]] — 教学设计包含评估工具设计

## 来源

- [[教育学经典综述]] — 整合性来源

## AI时代的教学设计实践

> **更新日期**：2026年4月22日

**智能课堂中的应用**：
- 利用 [[LLM教育应用]] 的实时答疑和苏格拉底式教学
- 通过 [[Khanmigo]] 的个性化学习导航
- 应用 [[ITS智能辅导系统]] 的自适应学习支持
- 结合 [[Chain-of-Thought]] 提升数学和科学教学的推理质量

**案例**：
- 哈佛CS50课程：利用RAG架构整合课程内容和实时信息
- 斯坦福AI Accelerator：教师赋能与AI协同教学模式
- Khanmigo：AI导师个性化学习路径优化

> **建议**：参考 [[教育AI研究项目]] 中的AI教学应用案例和实践指南。

**AI增强的教学设计（AI-Augmented Instructional Design）**：

### LLM在教学设计各阶段的应用

#### 分析阶段
- **学习者分析智能化**：
  - 利用 [[LLM教育应用]] 分析学习数据，生成学习者画像
  - 参见：[[自适应学习系统]] 中的学习者建模技术
  - 识别学习风格、认知能力、学习偏好

#### 设计阶段
- **AI辅助内容生成**：
  - 使用 [[教学大模型]] 自动生成教学材料（课件、练习题、案例）
  - 应用 [[Chain-of-Thought]] 确保教学内容的逻辑连贯性
  - 参考：[[Khanmigo]] 的苏格拉底式教学引导方法

#### 开发与实施阶段
- **个性化学习路径**：
  - 基于学生能力动态调整教学策略
  - 利用 [[ITS智能辅导系统]] 的知识追踪和自适应算法
  - 实现真正的"以学习者为中心"的个性化设计

#### 评估阶段
- **实时反馈与调整**：
  - 利用 [[智能评测技术]] 提供实时评估
  - 基于评估结果自动调整教学策略
  - 参考：[[哈佛AI辅导随机对照试验研究]] 的实证方法

### 新兴的AI教学设计框架

| 框架 | 特征 | 应用场景 |
|------|------|---------|
| **Learning Mode** | 动态提问、认知水平匹配 | Claude for Education、Khanmigo |
| **AI Agent系统** | 多任务自动化、智能问答 | [[LLM Agents for Education]] 框架 |
| **CoT增强设计** | 推理链引导、错误纠正 | Chain-of-Thought在教学中的应用 |

> **建议**：结合传统教学设计理论（ADDIE、Backward Design）与AI工具，创建混合式智能教学系统。

[raw:教育学经典综述:18]# 教学设计

> **一句话定义**：教学设计是系统化、目标导向地规划和开发学习体验的领域，其目标是创造支持学习和评估的体验，确保特定学习目标的达成。

## 定义

教学设计（Instructional Design，简称ID）是应用学习理论、教学技术和评估方法来创造有效学习体验的系统性过程。它关注"如何教"（How to Teach）而非"教什么"（What to Teach），强调以学习者为中心、目标导向和循证实践。

## 核心设计框架

### ADDIE模型

**五阶段循环**（Florida State University Center for Educational Technology，1975年）：

| 阶段 | 核心活动 | 产出 | 关键问题 |
|--------|---------|------|---------|
| **分析** | 识别学习目标、分析学习者特征、评估约束条件 | 需求分析报告、学习者画像 | 需要做什么？谁是学习者？有什么约束？ |
| **设计** | 确定评估方法、设计学习活动、创建评估蓝图 | 教学设计文档、内容大纲 | 如何评估？什么活动？如何组织？ |
| **开发** | 创建学习材料、开发评估工具、开发教学模块 | 课程材料、评估工具、教学模块 | 如何创建材料？如何测试？ |
| **实施** | 分发学习材料、培训教师/或学生 | 实施计划、培训记录 | 如何分？如何培训？ |
| **评估** | 评估学生绩效、收集反馈、识别改进领域 | 评估报告、改进建议 | 有效吗？如何改进？ |

**核心特征**：
- 系统化、线性流程
- 每阶段基于上一阶段输出
- 评估导向
- 持续改进循环

### Backward Design（逆向设计/Understanding by Design）

**提出者**：Jay McTighe和Grant Wiggins（1998/1999年）

**三阶段模型**：

#### 第一阶段：确定期望结果

**核心问题**：学生应该理解什么？

**期望的理解类型**：
- **持久性理解**（Enduring Understandings）——学生应该永久记住和应用的大观念
- **核心问题**（Essential Questions）——激发探究和意义建构的问题
- **可迁移应用**（Transferable）——在新情境中应用的知识和技能

**评估证据**：什么将证明掌握？

#### 第二阶段：确定可接受的证据

**评价方式**：什么类型的证据可以展示理解？

**GRASPS框架**（六维度理解）：
- **解释**（Explain）：学生能用自己的话解释概念
- **诠释**（Interpret）：学生能从数据中提取意义
- **应用视角**（Apply Perspective）：学生能从不同视角看待现象
- **共情**（Have Empathy）：学生能体会他人的经历和感受
- **展现意义**（Show Self-Knowledge）：学生能将概念与个人生活关联
- **自我认识**（Self-Knowledge）：学生能反思自己的学习和成长过程

#### 第三阶段：规划学习体验和教学

**WHERETO要素**：
- **WHERE**：目标在哪里？（课程定位、标准对齐）
- **HERE**：教师和学生做什么？（教学活动、学生任务）
- **HOW**：如何教？（具体方法和资源）

**核心原则**：
- 从最终目标开始，逆向推导
- 评估先于教学设计
- 教学目标驱动所有决策
- 三阶段是连续且相互关联的

## 教学事件

### Gagné的九个教学事件（1965）

**提出者**：Robert M. Gagné《The Conditions of Learning》

| 事件 | 序号 | 认知功能 | 关键策略 |
|------|------|---------|---------|
| **1. 引起注意** | 接收信息 | 使用刺激变化、提问、多媒体吸引兴趣 |
| **2. 告知学习者目标** | 接收信息 | 明确说明学习目标和成功标准 |
| **3. 刺激回忆先期学习** | 获取信息 | 复习相关知识和技能，激活先期知识 |
| **4. 呈现内容** | 获取信息 | 有组织地呈现新信息，清晰讲解 |
| **5. 提供学习指导** | 获取信息 | 提供示例、提示、练习机会 |
| **6. 引出表现** | 应用信息 | 学生练习新技能，在指导下应用 |
| **7. 提供反馈** | 应用信息 | 及时、建设性反馈，指导改进 |
| **8. 评估表现** | 应用信息 | 测量目标达成度 |
| **9. 促进保持和迁移** | 整合存储 | 提供变式练习、间隔重复、关联新情境 |

**分类**：
- **外部事件**（1-9）：教学者控制的事件，为学习提供外部条件
- **内部事件**（9-14）：学习者内部发生的认知过程（如编码、检索）

## 设计原则

### 学习者分析

| 分析维度 | 关键因素 | 应用方法 |
|----------|---------|---------|
| **认知特征** | 年龄、发展阶段、学习风格、先期知识 | Piaget理论、学习风格评估、前测 |
| **情感特征** | 动机、兴趣、焦虑水平、态度 | 动机理论、情感需求分析 |
| **生理特征** | 视听能力、运动技能、注意力持续时间 | 通用设计原则、无障碍设计 |

### 目标分层

**布鲁姆分类法应用**：
- 记忆层→客观题
- 理解层→简答题、总结
- 应用层→问题解决、练习
- 分析层→案例分析、比较
- 评价层→批判性思维、评论
- 创造层→项目、创作、设计

### 媒体选择

| 媒体类型 | 优势 | 适用场景 |
|---------|---------|---------|
| **文字材料** | 便携、可重访、适合复杂信息 | 教科书、文章、讲义 |
| **视觉媒体** | 吸引注意、促进记忆 | 图表、图像、视频、动画 |
| **交互式媒体** | 主动参与、即时反馈 | 模拟、游戏、交互式练习 |
| **多媒体** | 多感官、适应不同学习风格 | 文字+图像+音频+视频组合 |

## 评估设计

### 形成性评估

**目的**：监控学习进度、提供反馈、调整教学策略

**特点**：
- 低风险或零风险
- 及时反馈（24-48小时内）
- 强调改进而非评判
- 频繁实施（每周或更频繁）

**工具**：
- 出票/小测验
- 课堂观察
- 问答环节
- 同伴互评
- 学习日志/反思

### 总结性评估

**目的**：总结学习成果、评定最终成绩、证明目标达成

**特点**：
- 高风险（影响成绩/认证）
- 标准化（与课程目标对齐）
- 可用于认证、毕业

**工具**：
- 期末考试
- 项目评估
- 论文/作品集
- 标准化测试

## 与其他概念的关系

- [[教学理念]] — 教学设计将教学理念转化为可操作的教学策略
- [[教学模式]] — 教学设计基于特定教学模式
- [[教学目标]] — 教学设计的第一步是确定教学目标
- [[教学内容]] — 教学设计包括内容组织
- [[教学过程]] — 教学设计规划师生互动过程
- [[教学方法]] — 教学设计选择具体教学方法
- [[教学评价]] — 教学设计包含评估工具设计

## 来源

- [[教育学经典综述]] — 整合性来源

## AI时代的教学设计实践

> **更新日期**：2026年4月22日

**智能课堂中的应用**：
- 利用 [[LLM教育应用]] 的实时答疑和苏格拉底式教学
- 通过 [[Khanmigo]] 的个性化学习导航
- 应用 [[ITS智能辅导系统]] 的自适应学习支持
- 结合 [[Chain-of-Thought]] 提升数学和科学教学的推理质量

**案例**：
- 哈佛CS50课程：利用RAG架构整合课程内容和实时信息
- 斯坦福AI Accelerator：教师赋能与AI协同教学模式
- Khanmigo：AI导师个性化学习路径优化

> **建议**：参考 [[教育AI研究项目]] 中的AI教学应用案例和实践指南。

**AI增强的教学设计（AI-Augmented Instructional Design）**：

### LLM在教学设计各阶段的应用

#### 分析阶段
- **学习者分析智能化**：
  - 利用 [[LLM教育应用]] 分析学习数据，生成学习者画像
  - 参见：[[自适应学习系统]] 中的学习者建模技术
  - 识别学习风格、认知能力、学习偏好

#### 设计阶段
- **AI辅助内容生成**：
  - 使用 [[教学大模型]] 自动生成教学材料（课件、练习题、案例）
  - 应用 [[Chain-of-Thought]] 确保教学内容的逻辑连贯性
  - 参考：[[Khanmigo]] 的苏格拉底式教学引导方法

#### 开发与实施阶段
- **个性化学习路径**：
  - 基于学生能力动态调整教学策略
  - 利用 [[ITS智能辅导系统]] 的知识追踪和自适应算法
  - 实现真正的"以学习者为中心"的个性化设计

#### 评估阶段
- **实时反馈与调整**：
  - 利用 [[智能评测技术]] 提供实时评估
  - 基于评估结果自动调整教学策略
  - 参考：[[哈佛AI辅导随机对照试验研究]] 的实证方法

### 新兴的AI教学设计框架

| 框架 | 特征 | 应用场景 |
|------|------|---------|
| **Learning Mode** | 动态提问、认知水平匹配 | Claude for Education、Khanmigo |
| **AI Agent系统** | 多任务自动化、智能问答 | [[LLM Agents for Education]] 框架 |
| **CoT增强设计** | 推理链引导、错误纠正 | Chain-of-Thought在教学中的应用 |

> **建议**：结合传统教学设计理论（ADDIE、Backward Design）与AI工具，创建混合式智能教学系统。