教育技术理论
一句话定位：教育技术理论的核心问题四十年未变——技术本身能否改进学习，还是只有教学法才行；从克拉克—科兹马之争到疫情远程教学再到 AI 热潮，每一轮技术狂热都在重演这场辩论。
历史脉络
教育技术的理论自觉始于一场泼冷水。1983 年克拉克（Richard Clark）在《教育研究评论》发表《重新审视媒体学习研究》，断言媒体对学习的影响"就像运送食品的卡车不会改变营养"——数十年媒体比较研究中出现的效应，都可归因于教学方法或新奇效应的混淆。1994 年科兹马（Robert Kozma）回应《媒体会影响学习吗？》：不同媒体具有不同的表征与处理能力（视频的动态表征、计算机的交互性），问题不该是"媒体是否起作用"而是"我们如何用媒体的独特能力设计学习"。这场论争没有裁判获胜，却给此后每一波技术热——多媒体、MOOC、移动学习、AI——预装了怀疑论底盘。1990 年代起梅耶建立多媒体学习的实验科学；2000 年加里森等提出探究社区模型奠定在线教学设计基础；2006 年 TPACK 框架回答教师需要什么知识；2012 年"MOOC 元年"及其退潮、2020 年全球应急远程教学，则为理论提供了两次超大规模的现实检验。
核心原理与概念
媒体与方法之争的当代镜鉴
克拉克立场的强版本——媒体永远只是载体——在今天仍有锋利的应用：宣称"AI 将革命化学习"的论述，与当年宣称电影、电视、计算机将革命化学习的论述结构相同，而后者全部落空于同一原因：起作用的是教学设计，不是运载工具。科兹马立场的合理内核同样成立：某些媒体能力（即时个性化反馈、自然语言对话）确实使某些教学方法首次变得可规模化——AI 值得认真对待之处不在"新"，而在它可能把一对一辅导这种已知最有效但最贵的方法变得廉价。两条立场合起来构成健康的判断框架：先问教学法是什么，再问该媒体是否是实现它的必要且划算的载体。
多媒体学习认知理论（CTML）
梅耶（Richard Mayer）的多媒体学习认知理论建立在三条假设上：双通道（视觉与听觉/言语分开加工）、有限容量（每通道工作记忆容量有限）、主动加工（学习需要选择—组织—整合的生成性活动）。由此推出一系列经过大量实验检验的设计原则：多媒体原则（图文优于纯文字）、邻近原则（对应的图文在空间与时间上靠近）、通道原则（图配口头解说优于图配屏幕文字）、冗余原则（解说加同字幕反而有害）、一致原则（删除有趣但无关的材料）、信号原则（突出要点结构）等。CTML 是教育技术领域实证根基最深的理论，本质上是认知负荷理论在多媒体材料上的专门化；其原则对课件、教学视频、在线课程的制作有即插即用的规范力。
TPACK：教师的技术整合知识
米什拉与克勒（Punya Mishra & Matthew Koehler）2006 年在舒尔曼学科教学知识（PCK）的基础上加入技术维度，提出 TPACK：技术知识、教学法知识、内容知识三圆相交，核心是交集处的整合知识——知道用什么技术、以什么教法、教什么内容的三重匹配（例如知道用动态几何软件让学生探究而非演示某类定理）。TPACK 的贡献是把"教师培训=软件操作培训"的错误显性化；其弱点是边界模糊——各知识成分难以测量区分，这也是它挨批之处。
SAMR 及其批评
蓬泰杜拉（Ruben Puentedura）的 SAMR 把技术使用分为替代（Substitution）、增强（Augmentation）、修改（Modification）、重定义（Redefinition）四级，因简明而在教师培训中病毒式传播。但其学术地位与流行度严重倒挂：汉密尔顿等（Hamilton, Rosenberg & Akcaoglu, 2016）指出该模型缺乏同行评议的理论阐述与实证检验，层级暗含"越高越好"的误导，且以技术使用形态而非学习证据为分级标准。SAMR 是个有用的话头，不是可依赖的框架——这个案例本身就是教育技术领域"流行与证据脱节"的标本。
探究社区模型（CoI）
加里森、安德森与阿彻（Randy Garrison, Terry Anderson & Walter Archer）2000 年基于文本异步讨论的研究提出探究社区模型：有价值的在线教育经验产生于三种临场感的交叠——认知临场感（学习者通过持续对话建构意义，按触发—探索—整合—解决的探究循环推进）、社会临场感（参与者作为"真实的人"投射自身、建立信任）、教学临场感（对设计、引导与直接指导的统筹）。CoI 是在线与混合教学研究中被引用与验证最多的框架，其量表成为在线课程质量诊断的标准工具；对设计的直接含义是：把内容搬上网只解决了零种临场感，三种都需要被刻意设计。
交互距离与三类交互
穆尔（Michael Moore）的交互距离理论指出：远程教育的"距离"本质是教学法距离而非地理距离，由对话（dialogue）与结构（structure）两个变量共同决定——结构过刚且对话稀少时交互距离最大，学习者自主性要求最高。他 1989 年区分的三类交互——学习者与内容、学习者与教师、学习者与学习者——至今仍是在线课程设计检查表：多数失败的在线课程只有第一类交互。
混合式学习与在线教育的证据
美国教育部 2010 年发布的元分析（Means 等主持）是常被引用的里程碑：在线学习效果总体不劣于面授，混合式学习平均效果优于纯面授与纯在线——但报告自己警告，混合条件通常伴随更多学习时间与资源投入，优势未必来自媒体本身（克拉克的幽灵再次出现）。混合式学习的定义本身长期含混（多少比例在线才算"混合"），研究结论的可比性因此受限。
MOOC：从革命叙事到基础设施
2012 年被《纽约时报》称为"MOOC 元年"，Coursera、edX、Udacity 携精英大学课程登场，"颠覆高等教育"的叙事达到顶峰。随后的数据泼了冷水：注册者完成率通常在 5–10% 上下（乔丹（Katy Jordan）2014 年的统计），且学习者以已有学位者为主——"民主化教育"的承诺与实际服务人群错位。此后 MOOC 转型：微证书（micro-credentials）、专项课程与学位捆绑、企业培训市场，以及高校借 OPM（在线项目管理公司）外包在线学位运营——后者带来收入分成与学术控制权的新争议。MOOC 没有颠覆大学，但作为课程基础设施与试验场存续了下来。
采纳、鸿沟与应急远程教学
技术采纳模型（TAM，戴维斯（Fred Davis）1989）以感知有用性与感知易用性预测使用意向，是解释师生为何（不）使用某技术的简明工具。数字鸿沟研究区分三个层次：接入鸿沟（设备与网络）、使用鸿沟（技能与使用方式的分化，哈吉泰（Eszter Hargittai）的二级鸿沟）、结果鸿沟（同等使用转化为收益的差异）——政策若只解决第一层，会把不平等推向更隐蔽的两层。霍奇斯等（Charles Hodges et al., 2020）在疫情初期的著名区分至今重要：应急远程教学（ERT）是危机中的临时迁移，而在线教育是需要数月设计周期的专业实践；把 2020 年的普遍糟糕体验当作"在线教育不行"的证据，是范畴错误。
代表人物与经典文献
- 克拉克（Richard E. Clark）："Reconsidering Research on Learning from Media"（Review of Educational Research, 1983）
- 科兹马（Robert B. Kozma）："Will Media Influence Learning?"（ETR&D, 1994）
- 梅耶（Richard E. Mayer）：Multimedia Learning（2001；第3版 2021）
- 米什拉与克勒（Punya Mishra & Matthew Koehler）："Technological Pedagogical Content Knowledge: A Framework for Teacher Knowledge"（Teachers College Record, 2006）
- 加里森、安德森、阿彻（Garrison, Anderson & Archer）："Critical Inquiry in a Text-Based Environment"（The Internet and Higher Education, 2000）
- 穆尔（Michael G. Moore）："Three Types of Interaction"（1989）；"Theory of Transactional Distance"（1993）
- 霍奇斯等（Hodges, Moore, Lockee, Trust & Bond）："The Difference Between Emergency Remote Teaching and Online Learning"（EDUCAUSE Review, 2020）
理论间关系
- 认知负荷理论：CTML 的三假设与设计原则是该理论在多媒体材料上的专门化。
- 认知主义与信息加工：双通道与工作记忆约束的上游理论来源。
- 教学设计模型：教育技术的健康用法是作为教学设计的实现层，而非替代设计本身。
- 联通主义与数字化学习：cMOOC 与网络化学习提供了与本条目主流工具观不同的另一种技术学习观。
- 情境学习与实践共同体：CoI 的"社区"概念与在线学习社群研究与之相通。
- 主动学习与教学法谱系：翻转课堂等技术依赖教学法是两条目的交汇点。
- 高等教育大众化理论：MOOC 的兴衰是技术方案回应大众化与成本压力的典型案例。
- AI时代的教与学：克拉克—科兹马之争的判断框架是评估当下 AI 教育主张的现成工具。
在高等教育中的实践应用
对教学：制作课程视频与课件时直接套用梅耶原则（口头解说配图、删冗余字幕、切分分段、突出信号），这是教育技术中证据密度最高、执行成本最低的改进；设计在线或混合课程时用 CoI 三临场感与穆尔三类交互做检查表——每周是否有实质性师生与生生交互，而不只是内容点播。对管理：LMS（学习管理系统）已是高校的默认基础设施，其数据衍生出学习分析——预警辍学风险、可视化学习行为——但需警惕用登录频次等代理指标冒充学习证据，以及未经知情同意的数据使用；教师发展应按 TPACK 设计（结合学科场景的整合培训）而非软件功能培训；采购与立项决策先过克拉克检验：这项技术让哪种已知有效的教学法变得可行或更廉价？答不出教学法的技术项目，大概率在购买运货卡车。
批评与局限
教育技术领域的结构性弱点：其一，证据文化薄弱——SAMR 式的流行框架与坚实研究长期脱节，行业会议与学术研究几乎是两个平行世界；其二，周期性失忆——塞尔温（Neil Selwyn）与库班（Larry Cuban）等批评者指出，从电影到 AI，每代技术都伴随相同的乌托邦修辞、商业推动与随后的平淡现实，领域缺乏对自身历史的记忆；其三，商业利益深度嵌入——EdTech 产业资助的"研究"与独立研究混杂，OPM 与平台公司的商业模式直接塑造"什么算好的在线教育"；其四，公平的反面证据——技术介入常放大而非缩小既有差距（三层鸿沟的累积效应）。理论层面，CTML 与 CoI 虽扎实，但覆盖面窄于领域的实践范围，大量日常决策仍在理论真空中进行。
前沿动态
2010 年代以来：学习分析与教育数据挖掘建制化（LAK 会议 2011 年起），多模态数据与预测模型进入院校管理，隐私与算法公平争议随之而来；微证书与技能徽章试图重构学位的颗粒度，质量与劳动力市场认可仍存疑；疫情后混合与"超融合"（hyflex）模式常态化，同时暴露教师工作量与课堂社会性的代价。2022 年底生成式 AI 的爆发把领域推入新周期：智能辅导系统的个性化承诺首次有了可用的技术底座，同时作弊检测、幻觉、数据主权等问题涌现——克拉克—科兹马之争提供的教益此刻最有用：追问"AI 使哪种教学法变得可行"，而非"AI 是否会改变教育"。
延伸阅读
- Clark, R. E. "Reconsidering Research on Learning from Media" (1983)；Kozma, R. B. "Will Media Influence Learning?" (1994)——两文对读
- Mayer, R. E. Multimedia Learning, 3rd ed. (2021)
- Garrison, D. R., Anderson, T., & Archer, W. "Critical Inquiry in a Text-Based Environment: Computer Conferencing in Higher Education" (2000)
- Means, B., et al. Evaluation of Evidence-Based Practices in Online Learning: A Meta-Analysis (U.S. Department of Education, 2010)
- Selwyn, N. Education and Technology: Key Issues and Debates, 3rd ed. (2021)
- Hodges, C., et al. "The Difference Between Emergency Remote Teaching and Online Learning" (2020)
相关条目：认知负荷理论 认知主义与信息加工 教学设计模型 联通主义与数字化学习 情境学习与实践共同体 主动学习与教学法谱系 高等教育大众化理论 AI时代的教与学