东北师范大学教育技术学博士招生考试作为国内该领域的重要学术选拔平台，其考核体系始终遵循"理论深度与实践创新并重"的命题原则。考生需系统掌握教育技术学学科发展的三个维度：一是基于建构主义学习理论的多媒体教学设计，重点研究认知负荷理论在智慧课堂中的应用路径；二是教育大数据驱动的个性化学习系统开发，需具备Python编程与机器学习算法的整合能力；三是虚拟现实技术在教育场景中的创新实践，对Unity3D引擎与VR内容开发流程有深度认知。

核心参考书目《教育技术学导论》（第三版）与《智能教育技术前沿》构成知识框架的两大支柱。前者要求考生精读第五章"教育技术学理论基础"与第八章"技术接受模型"，重点理解TPACK框架在教师专业发展中的实践转化机制；后者需重点关注第五章"自适应学习系统"与第七章"教育知识图谱"，掌握基于深度学习的知识推理算法。近三年真题显示，跨学科研究题目占比达38%，如"基于眼动追踪技术的课堂注意力动态监测模型构建"，这类题目需综合运用教育心理学实验设计与计算机视觉技术。

备考策略应遵循"三阶递进"模式：第一阶段（3-6个月）完成知识图谱构建，建立教育技术学、认知科学、人工智能三大领域的交叉知识节点；第二阶段（2个月）开展实证研究训练，重点突破教育实验设计、数据采集工具（如Mentimeter、ClassIn）与SPSS/Python数据分析；第三阶段（1个月）进行模拟答辩演练，针对"教育元宇宙中的伦理风险"等热点问题形成结构化应答框架。建议考生关注东北师大智慧教育研究院的"教育神经科学实验室"与"人工智能教育应用研究中心"的年度课题，其研究成果常成为考试热点。

特别需要注意的是，2023年新增考核模块"教育技术政策分析"，要求考生解读《教育信息化2.0行动计划》与《新一代人工智能发展规划》中的关键指标，并结合东北三省教育信息化发展报告提出实施建议。这部分内容在《中国教育信息化发展报告（2022）》第四章有详细阐述，考生需掌握政策文本分析框架与SWOT评估模型的应用方法。最后阶段的备考应聚焦于与导师研究方向的契合度，通过查阅其近五年发表的SSCI一区论文（如《Computers & Education》相关主题），提炼出3-5个可深入探讨的研究问题。