当前,新一轮科技和工业革命正在孕育,以人工智能、大数据、5G等为代表的新技术浪潮正推动产业变革、技术更新和岗位更迭。教育机构及部门正不断探索人工智能、大数据、5G等技术的潜在优势,积极拓展提高学习质量的渠道,试以创新型教育培养创新型人才。新技术对教师的知识和技能提出了新要求,教师专业发展方式也将会改变。网络研修社区为教师们进行自主学习和协同研讨提供了便利。教师工作坊是网络研修的一种有效形式,能有效支持教师开展协同研讨,并能促进协同知识建构、问题解决和高阶思维的发展。然而,在网络研修过程中,还存在着用户参与不足、知识共享交流气氛不浓、缺乏组织者有效引导、对问题和知识的讨论深度不足等问题。对研修过程的实时分析和监控,将有利于研修过程的调节和干预,促进研修质量的提升。本研究尝试利用人工智能技术动态跟踪研修过程中的交互行为及研讨话题的变化情况,为进行研修过程的实时监控、干预和调节提供科学有效的数据支撑。本研究主要从以下四个方面开展:第一,构建教师工作坊中协同知识建构过程分析模型。论文通过对教师工作坊的研修特征及协同知识建构相关理论的深入解读,并结合人工智能的技术特点,构建了多视角、技术增强的教师工作坊中协同知识建构过程分析模型和框架。论述了从教学交互理论和观点改进理论两个视角来对教师工作坊中协同知识建构过程进行分析和解读的重要性。并讨论了采用人工智能技术来实现知识建构行为的自动编码和研讨话题的挖掘和演化分析的可行性。为后文的方法实现、结果分析及应用提供了重要理论支撑。第二,探索教师工作坊中知识建构行为智能分析方法。通过分析帖子所映射的知识建构行为及其所生成的行为序列,是分析协同知识建构过程交互的重要方法。为实现对教师工作坊中知识建构行为的动态跟踪与分析,本研究借鉴了文本分类的方法,通过对网络研修活动的相关特点的分析,并结合编码表构建的相关原则、分类模型训练对数据集的相关要求等,设计创建了“教师工作坊知识建构行为编码表”。基于所创建的编码表对某小学语文工作坊的数据集进行编码,并以此数据集作为训练集构建分类模型。通过提取训练集的文本LIWC特征及研讨情境特征,大幅度压缩了特征空间。在实验阶段,通过使用SMOTE方法平衡训练集,对随机森林算法的相关参数进行调整优化,获得了性能更为优越的分类模型。将模型应用于跨情境的测试数据集中,取得了较好的分类效果。另外,利用随机森林算法中的特征重要性分析,通过对帖子相关特征的分析,进一步加深了对教师工作坊中协同知识建构过程的理解。基于自动编码所获得的结果,可以快速的对知识建构行为序列进行分析;并能为滞后序列分析方法的使用带来更多的便捷。第三,探索教师工作坊中话题演化分析方法。协同知识建构过程中学习共同体话题的生长和变化,反映了观点的改进和发展过程。探究教师工作坊中的话题演化分析方法,通过构建教师工作坊话题演化分析框架,实现了在教师工作坊中从数据获取、话题挖掘与分析到结果应用的一体化的分析流程。在实验过程中,通过LDA话题建模方法发现数据集中隐藏的话题结构和内容;通过话题相似度计算,识别并建立话题间的相关关系,进而推演出协同知识建构过程中话题的演化情况。通过对计算结果的分析,较好的体现出了观点的改进和研修活动的发展过程,验证了该方法的效果。最后,分析方法的教学应用。在此将教师工作坊中知识建构行为分析方法和观点演化分析方法,与元认知理论及学习干预理论相结合,应用到研修活动中。进一步探索技术与理论结合的方法。通过采用教师工作坊中知识建构行为自动编码分析方法及滞后序列分析方法,可获得教师们的交互行为序列和研修各阶段交互行为转换情况;通过采用话题演化分析方法,获得教师工作坊中话题内容演化情况。实验结果的可视化呈现,为研修过程中教师个人的元认知过程及教师工作坊的共享调节提供了支持。另外,通过将协同知识建构过程中的教学干预理论与分析结果相结合,提出了教师工作坊协同知识建构过程中可能存在的干预时机及发现方法,以提升研修过程干预的科学性和精准性,进而提升研修质量,促进教师专业发展。