作者简介：

周宝荣（1964—），男，河南灵宝人，博士，编审，研究员，教授，现任河南省教育科学研究院副院长、河南省教育厅教育科研实验基地管理办公室主任，系河南教育信息化“停课不停学”专家行动项目首席专家，研究方向为基础教育、唐宋文化。


摘要：大数据驱动下的教学直播不应该仅仅被看作应对突发情况的手段，其价值在于能够刷新或重构教育教学生态，但其工具性不能被无限放大。

数据技术不会导致一线教师“去专业化”，数据素养能够帮助一线教师“再专业化”。

本文通过论述大数据时代的教学方式转型与教师角色转型，明确了与数字化教学相适应的“数字化教师”及“教师数据素养”的内涵，阐明了提升数据素养是教师专业成长的必然选择，并从多维度对数据素养赋能教师专业成长进行了深入探讨。

关键词：教师专业成长；教师数据素养；数据驱动；教学方式转型；教师角色转型


在2020年的“加长版”寒假里，一些老师因为上网课尤其是在线直播课而无所适从。

笔者非常同情这些一线教师的景况，但是归咎于谁呢？说到底，是由于这些教师经验不足导致专业身份认同危机。

一些教师直接照搬线下课堂，尽力保持与平日课表一样，与学校课堂同步，未能在大数据驱动下重构教学逻辑，违背了在线教育以学习者为中心的原则。

笔者无意于测评和重新界定在线教学的功效，只是希望本文能够为大数据时代教师专业成长提供一些思考与借鉴。


一

提升数据素养是教师专业成长的内在需求

未来学家阿尔文.托夫勒早在1980年就赞誉大数据是第三次科技浪潮的华彩乐章。大数据作为一个学术概念，则是由英国《自然》杂志于2008年提出的。

10年之后，“教师要主动适应信息化、人工智能等新技术变革，积极有效开展教育教学”被写进中共中央、国务院印发的《关于全面深化新时代教师队伍建设改革的意见》。

这一精神在2018年4月教育部印发的《教育信息化2.0行动计划》中得以进一步明确，“人工智能＋教师队伍建设行动”正式启动。

《加快推进教育现代化实施方案（2018—2022年）》在“大力推进教育信息化”部分规定，“实施人工智能助推教师能力建设行动”，“着力构建基于信息技术的新型教育教学模式”。

可是在现实中，一些老师仍然“把教育的现存规定想当然”，习惯于穿新鞋走老路，无法应对新挑战。

尽管《大数据时代》一书的翻译者周涛认为，就大数据而言我国在垂直应用领域并不比国外落后多少，但是笔者以为一些中小学教师数据素养不容乐观。这种情况难以适应大数据时代教育教学工作对教师专业成长的新要求。


1

教学方式转型呼唤教师角色转型

2020年3月初，《人民教育》杂志记者采访教育部教师工作司司长任友群时开门见山地问：“目前在线学习非常火爆，教师也面临着资源选择困难和信息技术教育能力不足等问题，请问，教师工作司有什么好办法来帮助教师吗？”

任友群回答的“部署教师在线教学能力提升培训”“发布教师在线教学应急攻略”“提供教师在线教学培训资源包”“组织专家开展教师在线教学研究”“组织召开在线教学工作视频研讨会”五个方面，都说得恰到好处。


回顾教学发展史，教师的教学活动经历了四次跨越。

第一次是从教书跨越到育人，第二次是从教知识跨越到教学习，第三次是从浅表学习跨越到深度学习，第四次是从传统教学跨越到互联网教学（即网课）。

按照王正青教授的观点，我们现在正处于第四次跨越期，其核心就是让数据驱动的智能教育成为现实。

每一次跨越都颠覆了传统的教育结构与模式，促进着教育效率和教育品质的提升。现代信息技术的大发展，大数据必将推动教育主要业务的全面数字化。

鉴于此，国务院在《促进大数据发展行动纲要》中明确提出，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。


大数据正在重构我们的教育生态。在数据驱动下，传统的课堂结构被颠覆，课堂流程被再造，从教学理念到教学方法，从教学资源到教学环境，从教学模式到教学管理，从教学诊断到教学评价，教育教学面貌被彻底刷新。私播课（SPOC）、超级公播课（Meta-MOOC）、深度学习公播课（DLMOOC）、分布式开放协作课（DOCC）、个性化公播课（PMOOC）、大众开放在线研究课（MOOR）、大众开放在线实验室（MOOL）等在线教学新范式令人眼花缭乱。

不管我们准备好了没有，我们的教育教学文化正在被现代教育信息化“化”着，而且必将进一步“化”下去。

大数据时代教师角色正在转变，一是由知识占有者转变为知识整合者，二是由知识传授者转变为学习引导者，三是由课程执行者转变为课程开发者，四是由课堂主导者转变为课堂组织者，五是由作业布置者转变为资源汇聚者，六是由正误裁判者转变为意见交换者。


从学理上说，基于大数据的数字化教学是教育信息化的一个重要组成部分，教师以多媒体化和网络化的信息技术作为教学工具，利用现实与虚拟空间的数字资源进行教学；

从实践上说，数字化教学摆脱了传统教学中的时空限制和学生学习的知识局限，颠覆了教学组织架构，重构了课堂师生关系，强化了学生在教学活动中的主体地位。

然而，一些教师教学观念落后，教学实践跟不上趟，在2020年寒假延迟开学“停课不停学，停课不停教”的特殊时期迷失了自己。


2

关于教师数据素养的内涵及“数字化教师”的提出

学术界目前尚未对数据素养的内涵达成共识，其概念框架最早是由以色列学者埃谢特.阿尔克莱2004年在《信息素养、统计素养和数据素养》一文中提出的。

美国斯坦福大学教育心理学博士艾伦·曼迪纳契对“数据素养”的概念界定有一定代表性，是指“准确观察、分析和处理不断变化的各种数据，有效使用数据并促进决策的能力，教育者可以转换数据为信息，并最终转化为行动化的知识，能持续促进学校或班级中的教与学”。

在国内学术界，余慧菊、杨俊锋把数据素养看作核心素养的重要组成部分，强调它“不是简单的技术应用能力，而是更为综合的一种技能”。

李青、任一姝更为明确地指出：教师的数据素养“是教师专业能力中较为复杂的一项技能”，既“是教师适应社会新发展的专业能力，也是全面了解学生学习水平和认知能力的有效工具”。


关于教师数据素养，阿萨纳西斯（Athanases）团队从教学实践的角度出发，认为教师数据素养是教师有目的地收集、分析学生的作业和成绩，并对这些学习数据进行反思和处理，以促进教师改进教学实践，提高学生成绩。

按照张进良、李保臻的观点，教师数据素养由数据意识、数据能力和数据伦理三大部分组成。它有助于教师适应数据驱动的文化，提升教学绩效。

陈娜萍则认为，教师数据素养是教师在复杂的教学情境中定位数据，进而对具体教学情境进行说理的能力。

综上可见，教师的数据素养就是教师运用数据知识、数据技能、数据思维解决数据逻辑下的教育教学问题的专业能力。

教师应该积极主动地提升自身数据素养，做一名与大数据时代相适应的“数字化教师”。


2019年8月，阿里巴巴旗下的钉钉（中国）信息技术有限公司与河南省教育厅合作，在河南打造数字化教师省级示范区。这是全国首个数字化教师省级示范区。

在未来校园教育发展峰会上，钉钉副总裁方永新发表演讲时指出：“老师只有具有数字化的思维，才能更快地推进整个教育行业的数字化建设。”

“数字化教师”是以拥有数据素养为前提的，舍之，无从谈起。钉钉正是基于自身丰厚的平台数据，才在2019年8月发布了数字化教师培养计划：在全国赋能100万名数字化教师，培养1万名数字化教师带头人，影响1500万个孩子。


3

提升数据素养是教师专业成长的必然选择

由数据素养导致的教师两极分化非常明显。

一些教师由于年龄偏大在在线教学面前陷入焦急之中；

有一些教师鼓足勇气去尝试后觉得太费事，便认为其无用，从而产生沮丧、失望的情绪，最后放弃，并站到反对的立场上；

还有一些教师能够将信息技术与学科教学较好地融合起来，他们已经尝到了数字化教学（数字化教学概念的内涵比在线教学宽泛。此处特意使用数字化教学这一概念有基于一线教师教学实践递进性的考虑）既增效、提质又省事、减负的甜头，产生一种满足与欣喜，享受数字化教学带来的愉悦，其中相当一部分教师正在追求甚或已经达到“得意”（数字化教学活动的意义建构）的境界。


随着在线教学的风起云涌，数字化教学越发离不开大数据的驱动。2005年美国兴起的“数据质量运动”(DataQualityCampaign，DQC)将教师数据素养定义为从政府、社区、学校、班级和其他途径和环境中，长期、合法地获取、解释、运用和传播数据，以符合自身角色和职责的形式来呈现和运用数据，并将其应用于提升学生学习成果的专业技能或综合能力。DQC在一份研究报告中明确提出教师必须具备的10种数据素养，为评价教师的数据素养提供了参考。

2009年邓肯（Duncan）担任美国教育部部长后着力于教师数据素养的提升，并推动美国教育部对教师数据素养加以规范。2011年，美国教育部发布了《教师利用数据指导教学：挑战和支持》。

马什（Marsh）等人还专门设计了数据驱动教学的指导框架，用来指导教师的教学实践。在这一精神下，数据素养被纳入美国的教师专业标准。


弗兰克.富里迪(Frank Furedi)在他那本著名的《知识分子都到哪里去了》一书中专门探讨知识分子的迷失问题。

面对在线教学，由于自我经验不足导致一些教师专业身份迷失，从另一种意义上说可能是好事。

这种情况有助于教师们认识到在线教学是自己专业成长道路上必须迈过的一道门槛，教师就会努力弥补这次教学变革中自己的缺憾，切实提升自身数据素养，使之成为自身专业成长的新进阶。


二

数据素养赋能教师专业成长

教育教学大数据有一大来源，即全样本全过程的课堂教学动态生成。

一线教师在使用大数据的过程中产生更多新的数据。大数据基于一线教师的课堂教学不断丰富，一线教师的专业成长也必然会从大数据得到滋养。

关于数据素养赋能教师专业成长，笔者既反对认识上的“数据实用主义”，也反对实践中的“数据本位主义”，强调教师数据素养向实践智慧转化。


1

大数据有利于学情精准分析

基于大数据的学情精准分析作为一种理念，是指通过设计量化的测量方法来收集教育教学数据，描绘学生的学习表现，为教师实施精准教学提供科学依据。

教师在分析教育教学中的个性和差异时，一定要结合具体的教育教学内容进行量化分析，那样我们就会发现类别的差异同时还伴随着程度的差异。

在实践中，当前广泛运用的云录播系统，可以采集教学数据，并自动加以标记、统计，我们通过S-T分析法就可以对课堂教学进行全方位观察，比传统的课堂观察量表更省事也更精准。

随着在线教学的火爆和复杂教学环境的不断出现，多模态学习分析会更为广泛，将有越来越多的教育大数据产品集成为多模态学习分析技术，给教师提供更加客观、全面、精准的学情分析服务。


从2007年起，教育部就全国基础教育质量监测开展了试点，在实践中取得了较好的效果，积累了大量的教育质量监测工作经验，尤其是运用大数据后形成了较为成熟的监测机制。

《2016年新媒体联盟中国基础教育技术展望：地平线项目区域报告》预测：大数据学习分析技术将在未来两至三年极具影响力，为学生学习的过程性评价提供实时反馈。

今天，这一预测已经被证实了。《加快推进教育现代化实施方案（2018—2022年）》在“大力推进教育信息化”部分明确提出：“加快推动教学与学习行为的数字化记录和分析。”

需要强调的是，数字化记录主要靠设施，数字化分析更多地靠教师。


从微观层面讲，大数据智能系统可以给教师提供每一位学生的画像。

教师运用S-T分析法对学生学习过程中动态生成的底层数据进行分析，发现每一个学生的知识结构、认知风格、能力水平、思维特征、学习偏好，尤其是缺陷，从而了解学生的学科素养，及时通过学习资源提供和学习行为改进帮助学生优化学习，提升学科素养。

在这方面，目前人工智能还有提升空间。很多在线学习平台，也为学生推送所谓“适合”的学习资源。

这在表面上看可能还会获得称赞呢，其实不然，因为学习资源的价值属性是由学习逻辑决定的而不是由技术逻辑决定的。

在学习系统中，除了考虑学生的个人兴趣，还需要紧密结合学习目标，给其提供学习资源。


卡耐基美隆大学（Carnegie Mellon University）教育学院有一个著名的口号：“对于学生，我们知道得太少。”

用大数据分析学生的学习规律、学习特征和学习效果时，教师们会明白真正的学习评价仅仅局限于测评知识掌握程度是不够的，还得重视通过学习活动中的学习产品与学习经历、学习状态等数据的采集，通过关联规则和决策树等方法精准地刻画出学生学习的个性化表征。

大数据极大地推动了学生过程性学习评价（ProcessEvaluation），一些学校使用的“极课数据处理系统”就具备及时采集学生练习、作业中的错误与问题，自动汇总分析，自动生成错题库，自动建立习题库，既能帮助教师实现精准诊断、精准分析、精当练习，还可以让家长及时了解孩子完成情况。


2

大数据促进差异化教学

“关注学生的个体差异”被作为硬性要求写进了《中华人民共和国义务教育法》，我们在任何时候都不应忽视差异化教学。

在面对猛然增长的在线课程资源及其供给渠道的差异时，我们应该把这种差异理解为课程资源的丰富性、多样性。唯有如此，才能给师生自主选择的可能性。

夏正江在《一个模子不适合所有的学生——差异教学的原理与实践》里，开篇就针对吕型伟的观点说：“有人说‘直面差异是教育智慧的核心’，我以为，这表达了一个近乎真理的信念。”

然后，他着重围绕如何实现每个学生在原有基础上的“充分发展”和“最佳发展”这一核心问题进行了系统研究，重点解答了如何开展和实施差异教学的实践问题。

顾明远先生多次呼吁教育要适合学生，他有三句经典话语：

每一个学生都有其独特的个性与价值，都是一个丰富的宝藏，因而也都需要不同的教育策略；适合每一个学生的教育就是最好的教育，也就是最公平的教育；

最好的教师就是能够践行因材施教的教师。


在美国，以黛安·希考克斯（Diane Heacox）为代表的教育理论家也认为，适应学生越来越有差异的学习风格无疑是最大的挑战。

美国教育部在2007年就发布了《教师使用学生数据系统改进教学》的报告，7年之后，又发布了《通过数据挖掘与学习分析改进教与学》的报告，旨在向教育部门和教育工作者提供了解学生怎样学习的更多、更好、更精确的信息。

在我们国内，精准分析学情，重视差异化教学和个别化指导也被作为优化教学方式的重要内容，写入《关于深化教育教学改革全面提高义务教育质量的意见》。


教育大数据能够实现教学设计的数据引导与科学预测、教学互动的即时决策与个性引导、教学评价的系统评估与有效反馈。

在具体的实践中，学生不再需要同一“课表”进行学习，即使同一班的学生，每人有自己的“课表”，这种“课表”不同于传统的建构普适性知识结构的课表，它更大程度上属于“学表”，引导学生通过自主性学习建构起个性化的知识结构。

以在线课堂提问为例，依靠结构化数据可把教师在线课堂提问和学生在线回答解构成以下几个观察点：

教师提问的目的指向，提问的方式，提问的数量、类型、层次，学生回答的方式、类型，学生回答过程中的卡壳、出错，教师候答的时间，教师理答的方式，教师纠错的方式等，教师对学生回答的评价……


凭借大数据，我们可以提高教师提问的质量，也能帮助学生提高回答的质量。

我们当然不能把“满堂灌”变成“满堂问”，也不能简单地把课堂中对话的次数作为评价课堂优劣的标准，以热闹程度来区分课堂教学水平之高下。

美国麻省理工学院教授莉莎.科菲认为，数据本身并不是动态的，也不智能，是静态的，只有准确的提问才能让它们动起来。


2020年1月14日，世界经济论坛（World EconomicForum）发布《未来学校：为第四次工业革命定义新的教育模式》白皮书，首次提出了“教育4.0全球框架”，重新定义了“高质量学习”，呼吁全球教育系统实现学习内容和学习体验的八个关键转变，其中之一就是强调个性化及自主学习——从学习标准化的系统转向基于每个学习者的多样化、个性化需求的系统，该系统足够灵活，能够确保每个学习者都按自己的速度进步。

颇能体现学生个性化学习需求的是学生的在线学习求助。教师一定要时刻关注学生的在线学习求助。

广义而言，学习求助是指个体在学习过程中遇到困难向他人寻求帮助的行为。教师既要关注学生向明确对象的“正式求助”，更要关注学生向未知对象的“非正式求助”（例如通过“问答网站”求助）。

如果一个学生在线学习的“非正式求助”占比过高，教师就该考虑其“交远疏近”的习性尤其要在学生为什么不“亲其师而信其道”方面做反思了,因为这一点直接影响学生在线学习质量。


3

大数据便于教师精准教研

随着大数据时代的进一步发展，精准教研（PrecisionTeaching）被普遍关注。

基于大数据的精准教研，有的学者已经给出比较明晰的概念界定，林梓柔、胡小勇认为，它是以教师专业发展为愿景，基于信息技术环境收集多模态数据进行分析和应用，以支持课堂教学改进、教学行为优化与宏观教研精准决策的一种教研形态。

许多学校围绕“课”做了一系列文章，如青年教师上赛奖课，中级教师上研究课，高级教师上示范课，省市名师上优质课。这并没有什么不妥，关键是怎样通过观摩与评课放大效益。

笔者一直主张教师集体备课的要义在于构筑教学底线，上不封顶；集体备课的关键在于教师个人的二次创新。

图1是笔者总结的教研组集体教研在大数据驱动下备课、评课的层层下沉图。


在过去，一个讲课老师的背后是一个团队在备课，教学案是众筹的。大数据驱动的集体教研最显著的一点是教研活动的重心由教学案设计转变为问题研讨。

专业化水平高的教师不是没有教学难题，随着大数据时代“融课堂”与项目式学习的兴起，一线教师面临的教学问题越来越多，这时候追求共性的教学案不仅难度增加，而且压根就没意义。

由关注教学结果到关注教学过程，由关注教学流程到关注教学现象，由关注教学现象到关注教学问题，由关注教学问题到关注教学启示，这样的教研离不开教学大数据的支持。

大数据驱动的集体教研引领着一线教师更加关注教学过程，从教学过程中梳理教学现象，将教学现象聚类为教学问题。

问题研讨不仅能提升教师精准教研的水平，而且能促使一线教师转变参与教研活动的目的与动机：由获得现成的教学案转向提升教学创新能力。


4

基于大数据的作业建设

作业一直是教改的一个难点，久攻不克。一提到学业负担，全社会几乎异口同声地将矛头指向作业。

作业过多、过滥、过难，加上测验过频繁，导致学生厌学、教师倦怠、家长焦虑……在此背景下，作业建设成为教改的一个重头戏，但是真正提升作业建设质量是引入大数据以后的事情。

郑州四中以作业改革倒逼教学改革。该校依托大数据，建立作业题库。这是在大数据支撑下，推动作业结构化管理。

要求每位老师布置的作业达到三个1/3：1/3的题可直接使用别人的现成题（可以是习题册上的，也可以是网上题库的）；1/3的题是借鉴别人的现成题，但必须根据教情学情加以改造；1/3的题必须是教师自己的原创题。


作业建设是大数据很具优势的领域。很多大数据智能教学平台都设有“作业中心”，其智能题库不仅涵盖各类习题、例题和考试模拟题，而且提供快速选题、智能组卷、作业布置、网络错题本、在线考试、作业点评功能。

除了具备教师在线布置作业、学生在线提交作业和作业数据分析外，其特别突出的地方是依托大数据快速选题、智能组卷。

组卷中心有手工组卷和智能组卷两种组卷方式供教师选择，教师可以通过筛选年级、学科、知识点、题型、难度等关键指标搜到所需要的习题，生成个性化试卷，也可以系统性地设置试题类型、难度系数、考查的知识点等指标，一键生成符合要求的试卷。

智能文档一键匹配答题卡，随时添加，满足互动教学的需要。

在线作业和在线考试实现自动批改、自动生成网络错题本、分析报告、错题重做和同类题推送。

在线课堂实现互动教学、实时统计与分析、学生讨论与抢答等。教师可以通过“智慧课堂”系统，将要求学生掌握的基本知识设置“课中回顾”和“课后检测”，系统自动根据艾宾浩斯记忆法进行训练，安排学生巩固相关知识。

教学数据还可以自动生成一节课或一单元的知识树，方便学生复习学过的内容或预习新课，实现真正的高效学习。


在《人民教育》编辑部列出的30个中国基础教育典型案例中，浙江省的作业设计入围。从2016年至今，浙江省基于全省课程改革和实际教学情况，指导教师从学与教的视角思考作业内涵、研制作业内容、开展作业实施，让作业贯穿整个学习过程，有效摆脱作业设计的随机性、重复性。

其作业建设有三条经验：一是系统性原则。主要表现在课前、课中、课后的学习相关性和学习任务之间的内在逻辑联系。二是单元整体性原则。这包括单元内的整体性，也包括单元与单元之间学科知识的统整性。三是在作业中设计学习支架。其中，知识支架提供学习资料的提示，方法支架指向具体任务的解决路径，程序支架导引学生顺利完成整个学习过程。


三

余论：大数据给教师画像

在大数据时代，每位教师备课、上课、网络研修、教学反思，以及各种教研活动都会在各类终端上留下数据碎片，当大量的数据碎片被采集、汇总，进而形成大数据以后，就可以对教师专业发展的轨迹做出过程性评估。

现在很多学校都有直播教室，不仅实现了教师上课过程数字化，而且伴随式采集了大量的课堂教学数据。

教学过程中被采集的数据是底层数据，即非结构化数据，任何数据不分析是不会彰显什么价值的，通过对教学底层数据的清洗过滤、格式统一和分类重组等程序，这些数据便会转化成结构化教学数据。

而且数据库处于不断丰富之中，每位教师有自己的子库，完整记录教学轨迹。这样不仅可以用以教学监控、点播回放、质量分析和教学评价，而且能够帮助教师提炼教学风格。

如某老师上课经常怎么导入，怎么上下衔接，讲课中哪些词语出现频次高，甚至爱用哪些口头禅和肢体语言等，都会通过大数据记录下来。

教师教学风格提炼的过程，实际上是通过教学数据归约，即以不损害分析结果准确性为前提缩减数据集规模，实现数据集简化，提高数据的价值密度。大数据给教师的画像，会随着数据的积累丰富而无限接近教师真实教学风格。


在落实教育部《关于数字教育资源公共服务体系建设与应用的指导意见》过程中，平台不能只强调“好管”，还要“好用”，一定要突出开放性，增强系统的可扩展性和兼容性。

要尽可能将以往基于FTP管理的文件夹资源变成更为科学化、体系化的动态资源库，防止区域教育云消解学校教育云的校本性和教师个人的教学风格。

在技术上，用户通过单点登录实现与数字化校园建设无缝对接，满足学校和师生的个性化需求，为每所学校和每位师生提供具有很强适应性的资源应用服务，同时有利于采集教学过程中具有教师鲜明个性特征的底层数据。


课堂不仅是教与学的场域，也是教师专业成长的阶梯。大数据为教师成长提供了生成性机制。

我们通过“名师工程”已经培养出不少具有鲜明教学风格的王牌教师。大数据不仅描述名师们的个人教学风格，而且正在将教学理念相近、教学方法相仿、教学风格相似的名师聚类成若干个教学流派。各个教学流派的核心成员脱颖而出，就成为屹立于大数据潮头引领教改的教学名家。


笔者还要强调一点：不能简单地将数据素养等同于信息技术运用。美国学者科勒(Koehler)和米什拉(Mishra)在改良了舒尔曼(Shulman) PCK（Pedagogical Content Know-ledge，学科教学知识）基础上提出的TPACK（TechnologicalPedagogical ContentKnowledge，整合技术的学科教学知识）在国际上已经很流行。

我们在推进教育教学信息化过程中一定要防止信息技术与教育教学的简单相加，必须强力推进从信息技术应用向数据素养转变，而这正是《教育信息化2.0行动计划》的实践指向之一。

如果连融合应用都做不到，何谈创新发展？所以，落实“立德树人”， 不能简单地寄希望于大数据人工智能，而要依靠具有深厚数据素养的现代化教师队伍。


笔者最后要说的是，数据资源是一种帮教师“藏慧于数”的战略资源，数据思维是一种帮教师“克服局限”的战略思维，数据资源加持数据思维帮教师成长为“数字化教师”，而卓越的“数字化教师”又必须努力摆脱数据羁绊，将教师工作的专业成长推向更高阶段。