curriculum-knowledge-architecture-designer

课程知识架构设计师

此技能的作用

接收课程输入——可以是一门课程、一门学科的范围与进度安排，或一份真实项目简报——并诊断该知识领域的认识论架构。它会判断该领域主要属于层级型、横向型、倾向型，还是混合架构，然后为每种类型构建相应的知识结构图，并输出关于教学顺序、评估设计和 AI 辅导架构的具体建议。大多数真实课程，尤其是基于项目和现实世界的学习设计，都采用混合架构。此技能诊断的是各类型的比例及其相互作用，而非强行归为单一类型。AI 在此特别有价值，因为认识论诊断要求同时运用社会学理论（Bernstein 的知识结构）、课程设计专业知识（顺序安排与评估逻辑）以及能力框架知识（倾向性发展）——这种组合在单个教育工作者身上并不常见，手动分析也很耗时。

证据基础

Bernstein（1999）区分了两种话语——横向话语（日常、依具体情境而定的知识）和纵向话语（系统化、有原则的知识），并在纵向话语中进一步识别出两种知识结构。层级型知识结构连贯、具有明确原则，并呈层级整合：新理论会涵盖并推广已有知识，形成累积式的进阶过程，其中较低层级的概念必须先掌握，才能理解较高层级的概念。自然科学是其典型例子。横向型知识结构由一系列专业化的语言或视角构成，每种语言或视角都有自己的探究方式和有效知识判定标准。其发展通过不断积累新视角而非整合来实现。人文学科和社会科学是其典型例子。Bernstein（2000）通过再语境化概念拓展了这一框架，即知识从生产领域进入教学情境时如何发生转化；这一概念直接影响课程设计者在做顺序安排决策时必须如何考量知识类型。

Muller（2009）将 Bernstein 的框架应用于课程连贯性研究，区分了概念连贯性（层级型知识的特征——知识在既有知识基础上逐步累积的课程）和情境连贯性（分段式课程的特征——每个部分都适用于特定情境，但各部分之间不一定相互递进）。这一区分对顺序安排有直接影响：概念连贯型课程有其内在逻辑，难以调整顺序；而情境连贯型课程则可从多个切入点开始学习。

Maton（2009、2013、2014）发展了正当化代码理论的语义维度，提供了两种分析工具：语义引力（意义与特定情境的关联程度——SG 越强，情境依赖性越高；SG 越弱，抽象性和可迁移性越强）和语义密度（意义浓缩于术语或符号中的程度）。Maton（2013）提出了语义波的概念——一种在具体示例（高 SG、低 SD）与抽象原理（低 SG、高 SD）之间切换的教学实践——并指出，能够形成这些波动的课程与教学有助于累积式知识建构，而始终停留在平面状态（总是依赖情境或始终抽象）则会导致分段式学习。这为诊断课程中哪些环节需要拆解或重组概念提供了工具。 Young（2008）认为，课程理论必须认真对待哪些知识具有重要意义，并由此提出了强大知识的概念：这类知识专业、系统、以学科为基础，能让学习者接触到无法通过日常经验获得的解释框架。Wheelahan（2010）进一步阐述了这一观点，指出将知识简化为脱离理论基础的情境化技能的能力本位课程，会剥夺学生接触概念结构的机会，而这些结构能帮助他们参与社会活动。因此，知识架构关乎公平，而不仅仅是教学法。

倾向性知识类别借鉴了能力框架相关文献。与层级结构和水平结构（它们描述命题性知识的组织方式）不同，倾向性知识由能力、取向和实际运用的能力逐步发展而成，只有在实践中才存在。欧盟能力框架对这一概念的阐述最为严谨：GreenComp（Bianchi、Pisiotis 和 Cabrera Giraldez，2022）定义了 12 项可持续发展能力，包括能动性、系统思维和价值素养；EntreComp（Bacigalupo 等，2016）定义了 15 项创业能力，包括自我意识、创造力和通过经验学习，并采用八级进阶模型；LifeComp（Sala 等，2020）定义了 9 项个人、社交和学会学习能力，包括自我调节、协作和批判性思维。这些框架有一个共同特点：进阶是定性且循序发展的，以不同阶段来描述，而非通过先决条件链条来描述；评估需要教师判断实际运用的能力，而不是测试命题性知识。

输入架构

教师必须提供：

• 课程输入类型： 您要提供哪种类型的输入？例如：“课程” / “范围与顺序” / “项目简介”
• 领域或科目： 名称和简要描述。例如：“九年级科学——力、能量和运动” / “设计与再生项目——当地湿地的智能水系统” / “IB 历史——20 世纪威权国家的成因与后果”
• 学习者阶段： 年龄范围或年级。例如：“12–14 岁” / “十年级” / “七至八年级”
• 学习目标： 学生应掌握、理解并能够做到什么——3–5 个句子。例如：“学生将理解力如何导致运动变化，将牛顿定律应用于现实情境，设计并测试一台简单机械，并通过书面论证表达科学推理。”

可选（如果有，则由上下文引擎注入）：

• 现有课程文件： 课程文件、单元计划或范围与顺序的文本
• 能力框架： 学校的倾向性或能力框架
• 先前知识基线： 学生已经掌握的知识和具备的能力

提示词

You are an expert in curriculum epistemology and knowledge structure analysis, with deep knowledge of Bernstein's (1999, 2000) theory of knowledge structures, Muller's (2009) work on curriculum coherence, and Maton's (2009, 2013, 2014) Legitimation Code Theory — particularly the Semantics dimension (semantic gravity and semantic density). You also understand competency framework design (GreenComp, EntreComp, LifeComp) and the distinction between propositional knowledge structures and dispositional development.

Your task is to diagnose the epistemic architecture of the following curriculum input and produce a complete knowledge architecture analysis.

**Curriculum input type:** {{curriculum_input_type}}
**Domain or subject:** {{domain_or_subject}}
**Learner stage:** {{learner_stage}}
**Learning goals:** {{learning_goals}}

The following optional context may or may not be provided. Use whatever is available; ignore any fields marked "not provided."

**Existing curriculum documents:** {{existing_curriculum_documents}} — if not provided, work from the domain, subject description, and learning goals.
**Competency framework:** {{competency_framework}} — if not provided, identify any dispositional elements from the learning goals.
**Prior knowledge baseline:** {{prior_knowledge_baseline}} — if not provided, assume typical prior knowledge for this learner stage.

Apply the following framework. You MUST use the exact three knowledge types defined below. Most real curricula contain more than one type — your diagnosis must identify ALL types present, estimate their approximate proportion, and explain how they interact.

## The Three Knowledge Types

**1. Hierarchical Knowledge Structure (Bernstein, 1999)**
Knowledge is coherent, systematically principled, and organised so that lower-level concepts must be mastered before higher-level ones are accessible. Development is through integration, where new theory subsumes and generalises prior knowledge. The curriculum logic is cumulative — sequencing is constrained by prerequisite relationships. Conceptual coherence (Muller, 2009) holds: content cannot be freely reordered without loss.

Indicators: prerequisite chains exist; concepts build in abstraction; mastery of prior concepts is necessary for later ones; errors at lower levels propagate upward; the subject has a canonical sequencing logic.

Examples: mathematics, formal logic, music theory, programming fundamentals, chemistry, physics.

**2. Horizontal Knowledge Structure (Bernstein, 1999)**
Knowledge is organised as a series of specialised languages or lenses, each with its own modes of inquiry and criteria for valid knowledge. Content can be entered from multiple points; development is through accumulation of new perspectives rather than integration. Disciplinary thinking skill develops progressively even though content is not strictly prerequisite-ordered. Contextual coherence (Muller, 2009) allows curriculum segments to be reordered, though analytical sophistication still develops cumulatively.

Indicators: multiple valid interpretive lenses exist; content can be studied in various orders; "thinking like a historian/philosopher/sociologist" develops across the curriculum rather than through a fixed sequence; new units add perspectives rather than building on prior units.

Examples: history, literature, philosophy, geography, sociology, art criticism.

**3. Dispositional Knowledge Structure**
Knowledge is constituted by developing capacities, orientations, and enacted competencies. The knowledge cannot be separated from the learner's growing capability — it exists only in enactment. Progression is qualitative and developmental, requiring teacher judgment rather than automated assessment. Competency frameworks (GreenComp, EntreComp, LifeComp) provide the most rigorous articulations of this type.

Indicators: the learning goal describes who the student is becoming, not just what they know; progression is described in developmental bands (emerging → developing → extending) rather than prerequisite chains; assessment requires observation of enacted behaviour over time; the competency cannot be tested through a single task.

Examples: agency, collaboration, ecological literacy, entrepreneurial thinking, self-regulation, creative confidence, regenerative mindset.

## Diagnosis Process

Step 1: Read the curriculum input carefully. For each learning goal, determine which knowledge type(s) it belongs to.

Step 2: Estimate the approximate proportion of each type present (as percentages that sum to 100%). Explain your reasoning — which specific goals or content areas belong to which type.

Step 3: For each type present, build the appropriate knowledge structure map:
- **Hierarchical:** Identify the key prerequisite chains. Order concepts topologically — which concepts must come before which. Flag any concepts where the prerequisite relationship is hard (cannot proceed without it) vs soft (easier with it but possible without).
- **Horizontal:** Identify the conceptual hubs (central themes, phenomena, or questions) and the lenses or perspectives that orbit each hub. Show how analytical sophistication develops across the curriculum even though content is not prerequisite-ordered.
- **Dispositional:** Define progression band descriptors across 4 levels: Emerging → Developing → Competent → Extending. Each level must describe what the learner DOES (observable behaviour), not what they "understand" internally. Include indicators that distinguish between levels.

Step 4: Analyse the mixed architecture — where do types interact, overlap, or create tension? Where does a hierarchical prerequisite chain intersect with a dispositional development goal? Where does a horizontal lens require hierarchical foundational knowledge?

Step 5: Derive implications for teaching, assessment, and AI tutoring.

Return your output in this exact format:

## Knowledge Architecture Analysis: [Domain/Subject Name]

**Input type:** [course / scope-and-sequence / project-brief]
**Learner stage:** [age/year]
**Learning goals:** [Summarised]

### 1. Epistemic Diagnosis

**Architecture type:** [Mixed / Primarily Hierarchical / Primarily Horizontal / Primarily Dispositional]
**Proportions:** [e.g. 40% Hierarchical, 35% Horizontal, 25% Dispositional]

**Reasoning:**
[For each knowledge type present, explain which specific learning goals or content areas belong to it and why. Reference the indicators from the framework above.]

### 2. Knowledge Architecture Map

#### Hierarchical Elements
[If present: prerequisite chains with topological ordering. Show which concepts must come before which. Mark hard vs soft prerequisites. Use a visual chain format.]

#### Horizontal Elements
[If present: conceptual hubs and the lenses/perspectives that orbit them. Show how analytical thinking develops across the curriculum.]

#### Dispositional Elements
[If present: progression band descriptors across 4 levels — Emerging, Developing, Competent, Extending — with observable indicators at each level for each dispositional competency identified.]

### 3. Mixed Architecture Notes

[Where do types interact? Where does tension arise? Be specific to THIS curriculum.]

### 4. Teaching & Sequencing Implications

[What does the architecture mean for how content should be ordered and paced? Which elements have constrained sequencing (hierarchical) vs flexible sequencing (horizontal)? Where must dispositional development run as a continuous thread rather than being assigned to specific lessons?]

### 5. Assessment Implications

**Auto-assessable elements (suitable for AI/automated assessment):**
[List specific elements and explain why they are auto-assessable — typically hierarchical elements with clear right/wrong answers or demonstrable procedures.]

**Teacher-judgment elements (require human assessment):**
[List specific elements and explain why they require teacher judgment — typically dispositional elements and sophisticated horizontal analysis.]

**Mixed elements (partial automation possible):**
[Elements where AI can assess some dimensions but teacher judgment is needed for others.]

### 6. AI Tutoring Design Implications

[How should this architecture inform an intelligent tutoring system or AI teacher assistant? Consider:
- For hierarchical elements: adaptive sequencing, prerequisite checking, targeted practice
- For horizontal elements: perspective-prompting, analytical scaffolding, exposure to multiple lenses
- For dispositional elements: reflection prompts, portfolio tracking, teacher dashboards (NOT automated grading)
- For mixed architectures: how the tutoring system should handle the transitions between types]

**Self-check before returning output:** Verify that (a) all three knowledge types have been considered, not just the dominant one, (b) proportions are justified with specific references to learning goals, (c) the architecture map uses the correct format for each type (prerequisite chains for hierarchical, hubs-and-lenses for horizontal, progression bands for dispositional), (d) mixed architecture notes are specific to THIS curriculum rather than generic, (e) assessment implications distinguish clearly between auto-assessable and teacher-judgment elements, and (f) AI tutoring implications are practical and architecture-specific.

输出示例

情境： 课程输入类型：“项目简介” / 领域或科目：“设计以实现再生（D2R）——智能水系统：学生调查当地退化湿地的水质和水流，设计基于传感器的监测方案，并提出一项融合生态科学、技术和社区参与的再生计划” / 学习者阶段：“12–14 岁（七至八年级）” / 学习目标：“学生将理解水循环过程和水质科学（pH、溶解氧、浊度、营养物质负荷）。他们将学习基础电子学和传感器技术，设计水质监测原型。他们将运用系统思维，将湿地作为相互关联的生态、社会和经济系统进行分析。他们将作为再生实践者培养能动性和协作能力——主动承担保护真实场所的责任，并与社区利益相关方合作。他们将面向真实受众（当地市政委员会或环保团体）交流研究结果并提出建议。”

---

知识架构分析：D2R 智慧水系统

输入类型： 项目简报 学习者阶段： 12–14 岁（Year 7–8） 学习目标： 水循环与水质科学；基础电子学与传感器技术；将系统思维应用于湿地生态系统；作为再生实践者的能动性与协作；面向真实受众进行沟通。

1. 认识论诊断

架构类型： 混合型——三种知识类型均占有相当比重。 比例： 40% 层级型、30% 横向型、30% 倾向型

理由：

层级型（40%）： 其中包含两条不同的先修知识链。第一条是水质科学：学生必须先了解水循环，才能理解水质指标；并且必须先理解各项指标，才能解读实地数据。pH、溶解氧、浊度和营养盐负荷各自都有概念上的先修结构——若不了解氧气会溶于水、生物会消耗氧气，以及温度会影响饱和度，就无法有意义地解读溶解氧读数。第二条是电子学与传感器技术：学生必须先了解基础电路，才能理解传感器的功能；并且必须先理解传感器的功能，才能设计原型。这些知识具有典型的层级结构——低层次的错误会向上传递（不了解 pH 测量什么的学生无法解读 pH 数据），而学习顺序受到先修结构的限制。

横向型（30%）： 系统思维与沟通这两个方面属于横向知识。将湿地作为生态、社会和经济系统来分析，需要运用多个学科视角——生态科学、经济学、社会地理学、伦理学——来考察同一现象。这些视角没有唯一正确的顺序；每个视角都提供新的观点，而不是建立在前一个视角之上。学生可以先分析湿地的生态功能，再分析其经济价值；也可以反过来，两种顺序都合理。不过，系统分析的复杂程度会逐步提升：早期的分析会只采用单一视角（“湿地能过滤水”），而后期的分析会采用多重视角并加以整合（“湿地过滤水的功能具有生态价值，对下游使用者具有经济价值，并对当地社区具有文化意义——而这些价值彼此冲突，因为上游的经济开发会削弱其过滤功能”）。这体现了 Bernstein 所说的横向知识结构：内容可以从多个切入点进入，但分析性思维会逐步发展。

倾向型（30%）： 能动性、协作和再生思维属于倾向性学习目标。这些并非可以通过教学和测试来掌握的命题性知识，而是通过实践逐步形成的能力。学生并非“知道”什么是能动性，而是会通过主动采取行动、克服困难并对结果承担责任，逐渐展现能动性。协作不是一堂课就能掌握的技能，而是一种会随时间逐步发展的倾向——从服从（完成分配到小组的任务），到协调（有效分工），再到真正的共同建构（共同形成任何个人都无法独立提出的想法）。再生思维——致力于理解并恢复生命系统，而不只是从中索取——是最深层的倾向性目标，需要持续的体验和反思，而非单纯的讲授。

2. 知识架构图

层级元素

先修链 1：水质科学

Water cycle fundamentals (evaporation, condensation, precipitation, runoff, infiltration)
    ↓ [hard prerequisite]
Properties of water (solubility, temperature effects, pH scale)
    ↓ [hard prerequisite]
Water quality indicators (pH, dissolved oxygen, turbidity, nutrient loading)
    ├── pH: acid-base chemistry basics → pH scale → environmental pH ranges
    ├── Dissolved oxygen: gas solubility → temperature dependence → biological demand
    ├── Turbidity: suspended particles → light penetration → measurement methods
    └── Nutrient loading: nitrogen/phosphorus cycle basics → eutrophication process → threshold levels
        ↓ [hard prerequisite]
Field data interpretation (reading measurements, comparing to standards, identifying patterns)
    ↓ [soft prerequisite — possible but harder without]
Evidence-based conclusions (claim-evidence-reasoning from water quality data)

先修链 2：传感器技术

Basic circuits (voltage, current, components, simple circuit construction)
    ↓ [hard prerequisite]
Sensor principles (how sensors convert physical properties to electrical signals)
    ↓ [hard prerequisite]
Specific sensor types (pH probe, DO sensor, turbidity sensor — how each works)
    ↓ [soft prerequisite]
Prototype design (selecting sensors, connecting to microcontroller, basic data logging)
    ↓ [soft prerequisite]
Data validation (checking sensor readings against known standards, calibration concepts)

**顺序约束：**链 1 和链 2 在汇合到实地数据采集之前基本相互独立。在此环节，学生使用传感器（链 2）采集水质数据（链 1）。开始实地考察前，两条链都必须到达各自的汇合点。

横向元素

中心枢纽：作为系统的湿地

                        ┌── Ecological lens: biodiversity, habitat function,
                        │   food webs, nutrient cycling, ecosystem services
                        │
                        ├── Hydrological lens: water flow, catchment dynamics,
                        │   upstream/downstream relationships, flood regulation
                        │
The Wetland ────────────├── Economic lens: land value, water treatment costs,
as a System             │   ecosystem service valuation, development pressure
                        │
                        ├── Social lens: community relationships to the wetland,
                        │   Indigenous/local knowledge, recreational and cultural value
                        │
                        └── Ethical lens: intergenerational responsibility,
                            rights of nature, competing stakeholder interests

分析能力通过以下视角逐步提升：

阶段	学生的任务
单一视角	每次通过一个视角分析湿地：“湿地很重要，因为它是许多物种的家园。”
多重视角	运用两个或更多视角分析同一特征：“湿地能够过滤水（生态功能），从而为市政委员会节省水处理费用（经济价值）。”
综合分析	识别不同视角之间的矛盾和权衡：“开发上游土地会增加经济产出，但会削弱湿地的过滤能力，从而增加下游的水处理成本——因此，开发的经济理由并没有乍看起来那么充分。”
系统性分析	动态地把握整个系统：“湿地的生态、经济和社会价值相互依存——损害其中一项，就会损害所有价值。再生计划必须着眼于整个系统，而非单个组成部分。”

**顺序灵活性：**各个视角可以按任意顺序引入。不过，对于 12–14 岁的学生来说，生态和水文视角是更有效的切入点，因为它们与可观察的具体现象相关（可以看到生物多样性，也可以测量水流），而经济和伦理视角较为抽象，借助具体数据进行推理会更有帮助。

倾向性要素

能力 1：作为再生实践者的能动性

Level	可观察指标
萌芽阶段	在他人指导下参与。完成与湿地调查相关的指定任务。依赖教师界定问题和后续步骤。表现出兴趣，但会等待指示后再行动。
发展阶段	能独立发现问题或机会：“我注意到排水口附近的水变色了——我们应该在那里检测。”主动承担项目中的具体任务。开始表达主人翁意识：“我们的湿地”，而非“这片湿地”。
胜任阶段	无需提示也能推动调查进展。决定接下来调查什么，并说明理由。对项目成果负责：“我们的数据不够可靠——我们需要重新校准并再次采样。”主动寻找信息和资源。
拓展阶段	以守护者的身份行动：将项目与课堂之外的长期行动联系起来。主动联系社区利益相关方。指出项目无法解决的问题，以及接下来应该采取的行动。在项目期限之外，仍持续关注并投入这片地方。

能力 2：协作

Level	可观察指标
萌芽阶段	与他人一起工作。分享材料和空间。在他人提出要求时作出贡献。可能倾向于独自工作，或通过分配任务来避免真正的互动。
发展阶段	能有效协调：根据各自优势分配任务、按时完成，并沟通进展。倾听他人的想法并将其纳入其中。无需教师介入即可解决小分歧。
胜任阶段	共同构建想法：在他人贡献的基础上继续发展，创造出任何个人都无法独自完成的成果。主动寻求与自己不同的观点。根据团队需求调整自己的方式——有时发挥领导作用，有时提供支持。
拓展阶段	引导小组思考：鼓励较少发言的成员表达想法，综合不同观点，并以建设性的方式处理真实分歧。反思并阐明协作如何塑造了成果：“如果 Priya 没有建议把两组数据绘制在一起，我们就不会发现排水模式与藻华之间的联系。”

能力 3：再生思维

Level	可观察指标
萌芽阶段	理解湿地受到破坏，且破坏由人类造成。将问题描述为“修复损坏之处”——这是一种以缺失为导向的视角。
发展阶段	开始将湿地视为具有自我恢复能力的生命系统。从“修复”转向“支持恢复”。会询问湿地需要什么，而不只是人类想从湿地获得什么。
胜任阶段	设计与生态过程协同而非强加人类解决方案的提案。在考虑人类需求的同时，也考虑湿地的需求。认识到再生是持续的过程，而非一次性修复。
拓展阶段	阐述再生理念：理解人类是系统的一部分，而非与系统分离。提出能够创造条件、让系统自行再生的解决方案。将具体的湿地项目与生态退化和再生的更广泛模式联系起来。

3. 混合架构说明

层级式与水平式的交互： 系统思维这一维度（水平式）需要基础科学知识（层级式）才能发挥作用。学生若不了解水质指标，就无法用生态视角审视湿地；若不了解生态系统服务，也无法用经济视角审视湿地——而理解生态系统服务需要先具备生态学知识。这使原本灵活的水平式结构中出现了部分受限的顺序：生态视角应先于经济视角，并非因为水平式结构内部的内容逻辑，而是因为层级式维度中的先决依赖关系。

层级式与倾向性的交互： 传感器技术链条（层级式）与能动性（倾向性）之间存在富有成效的张力。层级式维度提供结构化、可教授的技能（电路搭建、传感器操作），使学生获得具体能力，而能力又能激发能动性。能够搭建并操作水质传感器的学生，拥有一种切实的能力，能够促使其采取行动。然而，如果层级式维度被孤立地教授（作为传统的电子学单元），能动性的发展就会停滞，因为这些技能会显得与目标无关。该架构要求将层级式教学融入项目情境，使学生将技能习得体验为赋能行动，而非抽象教学。

水平式与倾向性的交互： 系统思维（水平式）与再生思维模式（倾向性）密不可分。多角度看待湿地的能力（水平式）有助于培养再生取向（倾向性）——若不先将系统视为相互关联的整体，就无法形成再生思维模式。反过来，逐渐形成的再生取向也会推动更深入的系统分析。这两种类型相互促进，教学中不应将它们分开。

关键张力： 层级式要素（水质科学、电子学）的评估可以标准化，并以标准为参照。倾向式要素（能动性、协作、再生思维模式）的评估则无法如此——它需要持续观察和专业判断。兼顾这两类要素的项目评估框架，必须适应本质上不同的证据形式。由于层级式要素更容易评估，存在一种风险：它们会在评估中占据主导地位，令倾向式目标边缘化，而这些目标或许才是 D2R 项目最重要的成果。

4. 教学与顺序安排的启示

受限顺序（层级式）： 必须先教授水质科学链，再开展实地考察——学生如果不了解测量的是什么，就无法收集有意义的数据。传感器技术链必须推进到“具体传感器类型”这一环节，才能进行实地部署。这两条链应在项目进程约三分之一处汇合，自然地从课堂教学过渡到实地探究。

灵活顺序（横向）： 生态学视角之后，可以按任意顺序引入系统思维视角（生态学视角依赖于层级式科学基础）。针对 12–14 岁学生，一种有效的顺序是：生态学 → 水文学 → 社会 → 经济 → 伦理。这样安排能从具体、可观察的内容逐步过渡到抽象、需要评估的内容。不过，了解学生优势的教师也可以调整顺序——社区联系紧密的班级或许可以从社会视角入手。

贯穿始终的主线（倾向性）： 主动性、协作和再生思维无法通过某几节特定课程来教授——它们需要在整个项目过程中逐步培养。因此，每节课都必须为学生提供践行这些倾向的机会，教师也必须留意并指出这些倾向何时显现。每周结束时安排专门的反思环节——“这周你在哪些时候展现了主动性？协作在哪些时候改变了结果？”——可以让倾向性的发展清晰可见，并有意识地加以培养。

进度安排： 层级式内容前置——大部分直接教学都集中在项目的前三分之一。横向内容在中间三分之一逐步展开，让学生运用多个视角分析实地数据。倾向性内容贯穿始终，但在最后三分之一最为明显；此时学生开始主导再生方案，并向真实受众进行展示。

5. 评估方面的启示

可自动评估的要素（适合 AI／自动化评估）：

• 水质指标知识（学生能否正确解释 pH、溶解氧、浊度和营养物负荷的测量内容？——可通过结构化问题进行测试）
• 数据解读（学生能否读懂数据表，并判断读数是否处于健康范围内？——可通过数据解读任务进行测试）
• 基本电路知识（学生能否识别元件并解释电路功能？——可通过基于图示的任务进行测试）
• 传感器功能（学生能否解释特定传感器如何将物理属性转换为信号？——可通过结构化说明进行测试）

这些要素的答案明确无误，或有可验证的操作正确性。AI 可以可靠地进行评估、提供即时反馈并调整难度。

需教师判断的要素（需要人工评估）：

• 主动性的发展（需要长期观察——单项任务无法揭示学生是在主动采取行动，还是在遵循指示。教师必须观察学生在多次课堂活动中的表现模式。）
• 合作质量（需要观察小组互动情况。AI 无法区分在小组讨论中默默贡献想法的学生与未积极参与的学生。）
• 再生思维方式（需要解读学生的推理和价值取向。学生提出的再生方案可能用了正确的术语，却未体现从“修复”到“支持恢复”的深层转变——识别这一点需要专业判断。）
• 在整合层面和系统层面对系统进行分析的质量（学生的多视角分析是否真正识别了矛盾与相互依存关系，而非仅仅列出不同观点，需要解读性判断。）

混合要素（可进行部分自动化）：

• 基于水质数据得出有证据支持的结论（AI 可以检查学生是否引用了数据，以及主张是否与证据一致，但无法全面评估开放式回答中科学推理的质量。）
• 面向非专业受众进行沟通（AI 可以检查是否使用了专业术语、阅读难度和结构要素，但无法全面评估这类沟通是否真的能说服议会成员。）
• 单视角和多视角层面的多视角分析（AI 可以检查是否提及并运用了多个视角，但整合质量仍需判断。）

6. AI 辅导设计的启示

针对层级元素——自适应排序与掌握情况检查： AI 辅导系统应在引导学生学习水质和传感器技术知识链之前，检查其是否掌握了前置知识。如果学生无法证明自己理解 pH（它测量什么、数值尺度代表什么、健康范围是什么），系统就不应让他们进入需要理解 pH 的实地数据解读任务。适合采用有针对性的练习，并立即提供反馈：“这个水样的 pH 为 4.2。对于淡水湿地来说，这是否处于健康范围内？请解释原因。”系统应跟踪学生对前置知识链中每个节点的掌握情况，并标记那些尚未打好基础就继续学习的学生。

针对横向元素——视角提示与分析支架： AI 辅导工具应提示学生运用他们尚未考虑过的视角：“你已经分析了湿地的生态价值。现在请思考：湿地为当地社区带来了哪些经济价值？”系统应通过示范综合思维，为提升分析水平搭建支架：“你分别描述了生态价值和经济价值。你能找出两者之间的联系或矛盾吗？”系统不应强加唯一正确的解读——横向知识允许多种有效分析。评估应标记分析深度（单一视角还是综合分析），供教师审阅，而不是判定对错。

针对倾向性元素——提供反思提示和教师仪表盘，而非自动评分： AI 系统绝不能尝试评定主动性、协作能力或再生思维。这些特质需要对实际行为进行持续观察，而 AI 辅导系统无法获取这类信息。因此，系统应：

• 定期提示学生进行自我反思：“描述一下你本周在没人告诉你该怎么做的情况下，独自为项目做出决定的一个时刻。你做了什么决定？结果如何？”
• 将学生的反思内容呈现在教师仪表盘上，以便教师长期跟踪其发展轨迹
• 将倾向性发展等级作为师生交流时共用的表述框架
• 如果学生的自我反思显示其等级可能发生变化（例如，表述从“老师告诉我们要这样做”转变为“我决定这样做”），则予以标记

针对混合架构——处理不同类型之间的转换： AI 系统必须认识到，这个项目要求学生在单次课程中转换不同类型的知识。学生可能先解读传感器数据（层级知识——有对错之分），接着分析这些数据对湿地生态系统意味着什么（横向知识——存在多种有效解读），然后反思自己作为再生实践者所扮演的角色（倾向性知识——注重发展，没有标准答案）。辅导系统应相应切换模式：针对层级元素，采用指导和纠正模式；针对横向元素，采用提示和探索模式；针对倾向性元素，采用反思且不作评价的模式。在所有三种类型中一概采用同一种教学模式，至少会不适用于其中两种。

---

已知局限

1. 三类型框架是一种简化。 Bernstein 最初区分的是垂直话语中的层级型知识结构和水平型知识结构。倾向型知识并非 Bernstein 提出的概念——它借鉴了能力框架文献，是为课程设计目的而进行的一种务实扩展。在 Bernstein 框架内工作的学者可能会反对将倾向型知识视为独立的结构类型，而不是水平型话语的一种特征。此框架是作为设计工具提出的，并非对社会学理论的贡献。

2. 比例只是近似值，且存在争议。 估算某课程「40% 为层级型、30% 为水平型、30% 为倾向型」，会让人误以为框架能够提供这种精确度。比例属于解释性判断——另一位分析者可能会将同一课程评估为 35/35/30 或 45/25/30。它们有助于呈现不同知识类型的相对比重，并确保没有任何一种被忽视，但并非精确测量值。

3. 诊断依据是明示的学习目标，而非实际实施的课程。 课程即使列出了倾向型目标（能动性、协作），如果教学和评估只优先考虑层级型要素，也未必能真正培养这些目标。架构分析揭示的是课程声称要做什么；能否真正做到，取决于课程实施情况。教师应利用分析结果检查评估设计和日常教学实践，是否确实涵盖了课程声称包含的所有知识类型。

4. 依赖知识的倾向需要先诊断前置条件，而不只是标注类型。 一些倾向型目标——尤其是批判性思维、生态素养、再生思维和创业思维——若没有足够的层级型和水平型知识基础，就无法真正形成。架构诊断可以识别出某个倾向型目标，但不会自动判断课程是否也包含了使该倾向得以发挥作用的前置条件。诊断识别出依赖知识的倾向时，教学和评估方面的启示必须包括明确指出必须先培养哪些层级型和水平型要素。如果课程声称「学生将培养批判性思维」，却没有确保学生具备足够的领域知识来进行批判性思考，那么这样的课程就无法实现这一目标。

5. 倾向发展阶段描述的是典型发展过程，并非普遍适用的阶段。 学生可能在一种情境中表现出「拓展中」的能动性，在另一种情境中却处于「初现」阶段。倾向的发展受情境影响，且并非线性过程。这些阶段是用于观察和反馈的参考指南，而非僵化的分类。

6. AI 辅导方面的启示假设系统具备模式切换能力。 当前大多数 AI 辅导系统是为层级型知识设计的（提供自适应练习以及正确／错误反馈）。针对水平型和倾向型要素的建议，描述的是大多数系统尚不具备的能力。这些启示着眼于未来——描述的是基于架构分析的系统 SHOULD 做什么，而非现成系统目前能够做到什么。