教材分析的四个维度：结构、内容、期望、语言

教材的重要性不言而喻，“教材就是一切”的教学观念并不少见。这是是课堂中最常见的教学媒介之一，它既承载了课程标准，也通过教师与学生的实际使用，成为“潜在的实施课程”（potentially implemented curriculum）影响教学实践与学习成果。

随着教育改革和教学方法的变化，教材的内容与结构可能滞后于课程意图，甚至成为阻碍改革的因素。因此，通过系统的教材分析，可以识别教材中潜在的积极或消极特征，从而支持教材改进与课程实施。

O’Keeffe 基于已有研究，整合并扩展了几大经典模型，形成自己的教材分析框架——A Framework for Textbook Analysis

1999年国际数学和科学教育研究协会（TIMSS）为比较各国教育系统而设计的分析框架。该框架包含三个元素：学科内容、表现期望和观点或背景。TIMSS 为应对课程演变而制定的模型，适用于分析课程或促进预期、实际或达成课程的任何课程部分，包括教科书等教学材料，为教材分析提供了理论基础。

作者基于 TIMSS 框架，结合自己的研究对数学教科书分析框架进行了调整和细化。介绍了框架的三个维度：结构、内容和期望，并详细阐述了每个维度的分析内容。例如，在结构分析方面，考虑了文本元素的衔接和连接等；在内容分析方面，关注了激励因素、理解提示、技术辅助和哲学立场等；在期望分析方面，探讨了教科书中蕴含的期望对学生学习的影响。

O’Keeffe 最终提出的教材分析框架包含四个核心要素，每个要素下设若干子维度，具体如下。

1.结构分析（Structure Analysis）

• 文本内部结构：关注连贯手段（reference、substitution、ellipsis、conjunction、lexical cohesion）及其在章节与段落间的组织方式。

• 物理版式：考察版面布局（区域与框架）、图文元素、色彩使用、信息层次、模块分隔与统一等对读者关注度与导航性的影响。

2.内容分析（Content Analysis）

• 动机因素：历史注释、人物传记、职业信息、应用案例、图片等激发兴趣的要素

• 理解线索：通过色彩与图形辅助理解的设计，如示意图、流程图、突出标记等

• 技术辅助：与计算器、计算机等工具相关的使用与教学指导

• 哲学立场：教材所传递的教学观与价值取向，如技能导向还是探究导向

3.期望分析（Expectation Analysis）

• 绩效期望：教材对学生知识掌握与技能应用的隐性或显性要求，包括练习类型、难度层级、开放性问题占比等

• 学习导向：教材在重复练习 vs. 问题解决、技能应用 vs. 理论理解等方面的倾向，以及对学生使用怎样的思维策略的引导

4.语言分析（Language Analysis）

• 词汇与符号：区分普通词汇、数学术语、专门词汇、缩写与符号等，并评估其定义与重现频率

• 句法复杂度：句长、从句结构、倒装、双重否定等对可读性的影响，结合可读性公式（如 Flesch Reading Ease、Flesch–Kincaid）讨论其适用性与局限性

• 功能语法：借鉴 Halliday 的 ideational、interpersonal、textual 三大功能，分析教材语言如何构建数学概念、调动读者参与以及组织叙述

教材不仅传递知识内容，更在无形中塑造教学实践与学习策略，其分析框架可为教育改革与教材编写提供系统指导。该框架可用于评估现有教材、指导新版教材开发，并为教育决策者、编写者与研究者提供量化与质性相结合的分析工具。 

值得一提的是，该研究是对1999年教材分析框架的扩展和完善，当前很多教材分析研究采用文本分析策略（Text Analysis），用计算机将文本编码，通过统计方法分析和比较教材。然而看了这个教材分析框架，我们可以清楚地发现，统计分析策略并不能全面分析教材。

除非有一种支持多模态分析的AI（当前AI可能对图片或文字做出单独的分析，但是对于整本教材的结构、内容、期望、语言完整分析，要么做不到人类这么好，要么做得好但是算力+电力成本远高于人工，毕竟这个工作不能直接带来经济效益——有些工作即使AI能做出来，也未必比人做来得高效。

---

当前，我在「教育学人 AIED 知识社区」已经更新了 200 多篇内容，包括近百篇前沿论文解读和《AI 时代的教育》、《学记》两本书的专栏解读文章。接来下，除了日常更新外，我会以专栏文章的形式讲解《布卢姆教育目标分类学》这本书，相关中英文资料已经放在知识星球。这一次，和你一起重读布卢姆，掌握“分类学”。

在快速迭代的AI时代，我们需要一个兼具前沿性与可靠性、能够定期更新教学技能与理念的专业发展平台。「教育学人AIED」要做一个云端“实验场”：围绕教师专业发展（TPD）核心目标，帮助教育者们在社区中跨学科对话、实践研讨与经验共创，实现线上“深度共学”。