Логотип Инфоурока

Получите 30₽ за публикацию своей разработки в библиотеке «Инфоурок»

Добавить материал

и получить бесплатное свидетельство о размещении материала на сайте infourok.ru

Инфоурок Другое Научные работыУЧЕБНАЯ ПОДДЕРЖКА ДЛЯ ИНТУИТИВНОГО ПРИОБРЕТЕНИЯ ЗНАНИЙ ПРИ ОБУЧЕНИИ С ПОМОЩЬЮ ЭКОЛОГИЧЕСКОГО КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

УЧЕБНАЯ ПОДДЕРЖКА ДЛЯ ИНТУИТИВНОГО ПРИОБРЕТЕНИЯ ЗНАНИЙ ПРИ ОБУЧЕНИИ С ПОМОЩЬЮ ЭКОЛОГИЧЕСКОГО КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

Скачать материал

Учебная поддержка для интуитивного приобретения знаний при обучении с помощью экологического компьютерного моделирования

Кажется, что интуитивное знание влияет на принятие решений человеком вне сознания и отличается от осознанных когнитивных и метакогнитивных процессов. Интуитивное знание может играть важную роль в решении проблем и может инициировать последующие процессы обучения. Научные открытия, обучение с помощью компьютерного моделирования приводит к приобретению интуитивных знаний. Чтобы улучшить усвоение знаний, необходима особая учебная поддержка, поскольку чистое обучение открытию часто не приводит к успешным результатам обучения. Следовательно, цель этого исследования состояла в том, чтобы определить, действительно ли два различных обучающих вмешательства для научных открытий обеспечивают интуитивное приобретение знаний при обучении с помощью компьютерного моделирования. Инструктивные вмешательства для обучения с компьютерным моделированием по теме «экосистемная вода» были разработаны и протестированы в двух хорошо известных категориях интерпретации данных и саморегуляции с использованием выборки из 117 восьмиклассников во время урока естествознания. Результаты продемонстрировали эффективность этих учебных вмешательств для интуитивного приобретения знаний учащимися. Заранее определенная комбинация обучающей поддержки для интерпретации данных и саморегулирования оказалась успешной для интуитивного приобретения учащимися знаний после учебной сессии, включающей компьютерное моделирование. Кроме того, учебное вмешательство, описывающее и интерпретирующее результаты собственного моделирования для интерпретации данных, кажется эффективным методом приобретения интуитивных знаний. Результаты продемонстрировали эффективность этих учебных вмешательств для интуитивного приобретения знаний учащимися. Заранее определенная комбинация обучающей поддержки для интерпретации данных и саморегулирования оказалась успешной для интуитивного приобретения учащимися знаний после учебной сессии, включающей компьютерное моделирование. Кроме того, учебное вмешательство, описывающее и интерпретирующее результаты собственного моделирования для интерпретации данных, кажется эффективным методом приобретения интуитивных знаний. Результаты продемонстрировали эффективность этих учебных вмешательств для интуитивного приобретения знаний учащимися. Заранее определенная комбинация инструкций по интерпретации данных и саморегуляции оказалась успешной для интуитивного приобретения учащимися знаний после учебной сессии с использованием компьютерного моделирования. Кроме того, учебное вмешательство, описывающее и интерпретирующее результаты собственного моделирования для интерпретации данных, кажется эффективным методом приобретения интуитивных знаний.

Ключевые слова: интуитивное знание ; компьютерное моделирование ; обучение научным открытиям ; учебная поддержка ; интерпретация данных ; саморегулируемое обучение

1. Введение

В этом исследовании изучается влияние определенного типа учебной поддержки для интуитивного приобретения знаний посредством обучения научным открытиям с помощью экологического компьютерного моделирования.

Открытое обучение [ 1 ] относится к подходу, при котором учащиеся открывают знания или концепции предметной области с доступным материалом в основном саморегулируемым образом. Расширяя этот подход, научное открытие обучения относится конкретно к изучению науки, например, ссылки [ 2 , 3 , 4 , 5 ]. В отличие от возможностей обучения, при которых обучение происходит посредством передачи знаний от учителя к ученикам, приобретение знаний посредством научного открытия обучения с использованием компьютерного моделирования зависит от активного участия учащихся в процессе обучения [ 6 , 7 , 8]. Учащимся предлагается манипулировать заданными параметрами и отслеживать результаты своих манипуляций с помощью выходных данных. Таким образом, знания можно развивать в интерактивном и независимом подходе.

Приобретение знаний через научные открытия, обучение с помощью компьютерного моделирования, кажется, отличается от приобретения знаний с помощью более или менее объяснительного подхода [ 7 ]. Предполагается, что научное открытие обучения с компьютерным моделированием приводит к получению интуитивных знаний, которые отличаются от результатов обучения, полученных более традиционным способом, когда преобладает простая передача декларативных знаний учащемуся [ 7 ]. Интуитивное знание считается неотраженным знанием без осознанного осознания [ 9 ] и может рассматриваться как решающее для формирования суждений и принятия решений в дальнейших процессах обучения [ 10 ]. Похоже, что это влияет на принятие решений человеком за пределами сознания [ 10, 11 ] и отличается от осознанных когнитивных и метакогнитивных процессов. Следовательно, интуитивное знание может играть важную роль в решении проблем и может инициировать последующие процессы обучения [ 12 ]. Следовательно, это явление может способствовать преподаванию и изучению биологических принципов, концепций, правил и терминов.

Многочисленные исследования показывают, что научное открытие обучения часто представляет собой препятствие для обучения студентов, например, ссылки [ 5 , 13 , 14 , 15 , 16 , 17 ]. Однако предоставление студентам методов обучения с компьютерным моделированием в сочетании со специальной учебной поддержкой может улучшить получение знаний [ 2 ]. Особая учебная поддержка была оказана двум категориям научных открытий: «интерпретация данных» и «саморегуляция», а затем было исследовано, приводит ли это к интуитивному приобретению студентами знаний при обучении с помощью компьютерного моделирования в биологическом контексте.

2. Теоретические основы

2.1. Интуитивное знание

Интуитивное знание, которое считается неотраженным знанием (см. [ 18 , 19 ]), позволяет предвидеть возможные исходы ситуации за сравнительно меньшее время, чем размышление о ситуации [ 20 ]. Относительно этого вопроса Сваак и де Йонг [ 8 ] говорят об интуитивном знании как быстро доступном, и они определили этот тип знания как «быстрое восприятие ожидаемых ситуаций» (стр. 288). Феншем и Мартон [ 21 ], как указано у Линдстрема, Мартона и Оттосона [ 22], определял интуицию как «формулировку или решение проблемы посредством внезапного озарения, основанного на глобальном восприятии явления» и заявлял, что она «происходит из разнообразного опыта этого явления в течение длительного времени» (стр. 265). Подчеркивается, что необходимый опыт, полученный с течением времени, сохраняется в долговременной памяти как предварительное знание (см. [ 10 ]), что позволяет приобретать интуитивное знание.

В исследовательской литературе представлен широкий спектр терминов, связанных с интуитивным знанием, таких как интуиция [ 10 , 23 , 24 , 25 , 26 , 27 , 28 ], неявное знание [ 29 , 30 ], неявное знание [ 31 ] и интуитивное понимание [ 22 ]. Среди различных определений интуиции, например, ссылки [ 20 , 32 ], мы ссылаемся на определение Swaak и de Jong [ 8 ] и реализуем концепцию интуитивного знания как синоним термина интуиция.

Предполагается, что интуитивное знание (или интуиция) можно рассматривать как своего рода «догадку» [ 28 ] и может влиять на суждения, решения и поведение человека. В этом отношении Бетч [ 10 ] определил интуицию как «процесс мышления», в котором результат «может служить основой для суждений и решений» (стр. 4). Здесь предполагается, что интуитивное знание предлагает инициирование последующих процессов обучения [ 11 , 29 , 33 ]. Утверждается, что интуиция, по-видимому, влияет на принятие решений человеком [ 34 ]. Фишбейн [ 26 ] утверждает, что интуиции неявны и действуют автоматически на подсознательном уровне (ср. [ 10 , 11]]). Ссылаясь на Уэсткотта [ 35 ], Фишбейн [ 26 ] процитировал, что интуиция «возникает, когда человек приходит к выводу на основе менее явной информации, чем обычно требуется, чтобы прийти к такому выводу» (стр. 97). Следовательно, интуитивное знание считается неотраженным знанием и позволяет делать выводы, используя меньше существующей и необходимой информации [ 35 ]. В этом отношении интуиция отличается от целенаправленных когнитивных и метакогнитивных процессов, требующих внимания и объема рабочей памяти [ 36 ]. Следовательно, интуитивное знание происходит за пределами сознательного мышления [ 10 , 20 , 23 ] и, скорее, может рассматриваться как наивное непрофессиональное знание [37 ]. В большинстве случаев учащиеся не могут обращать внимание на всю предоставленную информацию одновременно, и поэтому им предлагается сосредоточиться на соответствующей информации. Этот преднамеренный процесс требует последовательной обработки конкретной данной информации. Напротив, интуиция способна обрабатывать огромное количество информации одновременно, используя уже существующий опыт, хранящийся в долговременной памяти, и может играть важную роль в решении проблем.

Пять характерных критериев интуитивного знания, согласно Свааку и де Йонгу [ 7 , 8 ], следующие:

Интуитивное знание может быть получено только при использовании уже имеющихся предыдущих знаний в динамических ситуациях, богатых восприятием. Предполагается, что при применении предыдущих знаний в ситуациях, содержащих огромное количество информации, неявно индуцированные процессы обучения приводят к интуитивному приобретению знаний.

Интуитивное знание сложно выразить словами. Это означает, что интуитивное знание отличается от концептуального знания, которое рассматривается как сеть понятий и их взаимоотношений с функциональной структурой, созданной посредством рефлексивного обучения, которую можно сформулировать (см. [ 38 ]). Однако, согласно Линдстрему, Мартону и Оттосону [ 22 ], интуитивное и концептуальное понимание не следует рассматривать как отдельные типы знаний. Они считают, что интуитивное и концептуальное понимание - это взаимосвязанные аспекты осведомленности учащегося. Следовательно, интуитивное знание можно рассматривать как качество концептуального знания [ 39 ].

Восприятие имеет решающее значение при обращении к интуитивному знанию. Иллюстрация ситуаций играет важную роль в приобретении интуитивных знаний. В этом отношении Фишбейн [ 26 ] подчеркивал важность визуализации через внешнюю репрезентацию.

Еще одна характеристика, относящаяся к интуитивному знанию, - это важность предвкушения. Ожидание относится к презумпции событий, развития или действий. Интуиция предвидит, что произойдет, а что не произойдет, а интуитивная оценка предвидит возможные исходы ситуации без возможности их явного объяснения [ 7 , 29 , 40 , 41 ]. Здесь интуитивное знание можно описать как «знать, не зная» [ 10] (стр. 4), так что «вход в этот процесс в основном обеспечивается знаниями, хранящимися в долговременной памяти, которые в основном были приобретены посредством ассоциативного обучения. Вход обрабатывается автоматически и без осознания. Результатом является ощущение, которое может служить основанием для суждений и решений »[ 10 ] (стр. 4).

Предполагается, что доступ к интуитивным знаниям в памяти отличается от доступа к декларативным знаниям как фактическим, так и концептуальным знаниям. Трудность вербализации интуитивного знания может быть одной из причин такого дифференцированного доступа. Сваак и де Йонг [ 8 ] отмечают, что «элементы обучения, управляемые действием и восприятием,« настраивают »знания и придают им интуитивное качество» (стр. 287).

Утверждается, что учащиеся приобретают интуитивные знания во время обучения с помощью компьютерного моделирования [ 7 , 8 , 42 ]. Томас и Хупер [ 43 ] отметили, что компьютерные симуляции можно рассматривать как «программы опыта», дающие учащимся возможность приобрести «интуитивное понимание цели обучения» (стр. 499). Сваак и де Йонг [ 7] предположил, что интуитивные знания могут быть приобретены только после применения уже существующих предыдущих знаний в ситуациях, которые воспринимаются как богатые и динамичные. Из богатой среды обучения, такой как компьютерное моделирование, учащиеся могут извлекать большой объем информации, относящейся к предметной области, которая обычно отображается в виде динамического графического представления результатов. В этом отношении интуитивное знание не может быть получено путем обучения с использованием более традиционного подхода, например, только путем чтения учебников. Здесь Фишбейн [ 26] утверждает, что интуиция «никогда не может быть произведена простым словесным обучением». Интуиция «может быть достигнута только в результате непосредственного эмпирического вовлечения субъекта в практическую или умственную деятельность» (стр. 95). Учащиеся должны активно участвовать в учебном процессе [ 44 ].

В следующем разделе описаны особенности, связанные с обучением с помощью компьютерного моделирования.

2.2. Обучение с помощью компьютерного моделирования

Компьютерное моделирование считается технически сложным вариантом, который предлагает многочисленные преимущества для изучения и преподавания естественных наук [ 45 , 46 , 47 ]. Например, они могут потенциально улучшить понимание учащимися абстрактных биологических явлений, таких как отношения хищник-жертва, и дать учащимся возможность безвредно и в интерактивном режиме проводить эксперименты [ 48 , 49 , 50 ]. При обучении с помощью компьютерного моделирования в среде открытий учащиеся рассматриваются как активные участники процесса обучения, создающие свои индивидуальные базы знаний [ 6 , 42 , 44]. Учащиеся активно участвуют в процессе обучения, проводя эксперименты с компьютерным моделированием. От них требуется, чтобы независимо друг от друга находить взаимосвязи между заданными переменными в предметной области, а не просто пассивно поглощать информацию. Следовательно, предполагается, что результаты обучения с использованием компьютерного моделирования отличаются от результатов обучения, полученных при обучении с подходом, подчеркивающим чистую передачу знаний [ 7 ]. Следовательно, получение знаний при обучении с помощью компьютерного моделирования кажется отличным от обучения с использованием более или менее объяснительного подхода, такого как обучение по текстам [ 7 , 8 , 51 ].

Сваак, де Йонг и ван Джолинген [ 8] описал три характеристики, связанные с использованием компьютерного моделирования в качестве среды для открытий. Во-первых, компьютерное моделирование можно рассматривать как богатую среду, предлагающую учащимся большой объем информации, которую они могли бы извлечь самостоятельно. Во-вторых, возможности для активного опыта - это характеристики, приписываемые компьютерному моделированию. Учащиеся активно участвуют в процессе обучения и не должны просто воспринимать информацию с экрана компьютера. Учащимся предлагается провести эксперименты с использованием компьютерного моделирования, чтобы узнать о предметной области. В-третьих, еще одна характеристика компьютерного моделирования, в отличие от учебников, заключается в том, что они представляют собой учебную среду с низкой прозрачностью. Информация и отношения между заданными переменными в компьютерном моделировании, извлеченные учащимся, явно не представлены.3 , 52 ]. Учащиеся должны определить скрытую модель за симуляцией путем проведения экспериментов [ 6 ].

Однако эмпирические данные сообщают о некоторых когнитивных и метакогнитивных трудностях, связанных с обучением научным открытиям с помощью компьютерного моделирования [ 2 , 14 , 16 , 53 , 54 ]. Де Йонг и ван Джолинген [ 2 ] различают четыре типа трудностей, с которыми учащиеся могут столкнуться во время обучения открытию. Настоящее исследование фокусируется на двух проблемах, с которыми учащиеся часто сталкиваются при интерпретации данных, и на трудностях, связанных с саморегулированием при обучении с помощью научного компьютерного моделирования [ 13 , 15 ].

Специальная учебная поддержка обучения с использованием компьютерного моделирования может способствовать успешному приобретению знаний [ 2 ]. В своей обзорной статье де Йонг и ван Джолинген [ 2 ] указали, что конкретные учебные вмешательства для поддержки интерпретации данных и саморегуляции эффективны для обучения на основе компьютерного моделирования. В обзоре литературы Урхане и Хармс [ 55 ] пришли к выводу, что конкретные вспомогательные меры для интерпретации данных и саморегулирования сильно влияют на получение знаний учащимися. Кроме того, нельзя было определить отрицательное влияние на успеваемость, когда обучение с компьютерным моделированием поддерживалось инструкциями по интерпретации данных и саморегулированию [ 55 ].

В следующем тексте представлены подходы к преодолению трудностей, с которыми сталкиваются учащиеся при обучении научным открытиям с использованием компьютерного моделирования, и улучшении усвоения знаний с помощью конкретных учебных вмешательств.

2.3. Поддержка обучения с помощью компьютерного моделирования

Учебная поддержка необходима для преодоления трудностей при обучении с помощью компьютерного моделирования, для улучшения результатов обучения и для более успешного и целенаправленного приобретения знаний [ 2 , 55 , 56 ]. Последних следует поддерживать несколькими способами. В своей тройной схеме обучения открытию с компьютерным моделированием Zhang et al. [ 57 ] различают три сферы учебной поддержки, которые должны быть предоставлены на трех различных этапах учебного процесса:

(1)

Интерпретативная поддержка позволяет учащимся получить доступ к предшествующим знаниям и использовать их, а также разработать соответствующие гипотезы;

(2)

Экспериментальная поддержка расширяет способность учащихся разрабатывать поддающиеся проверке эксперименты, предсказывать и наблюдать результаты моделирования и адекватно делать выводы;

(3)

Рефлексивная поддержка увеличивает способность учащихся повышать самосознание процессов обучения и помогает поддерживать сочетание абстрактной и рефлексивной интеграции их открытий.

Четыре категории сложности обучения, связанные с компьютерным моделированием (генерация гипотез, планирование экспериментов, интерпретация данных и регулирующие процессы обучения), предложенные де Йонгом и ван Джолингеном [ 2 ], могут быть интегрированы (см. [ 57 ]) в вышеупомянутый сферы. Схема, предложенная Чжаном и его коллегами [ 57 ], представляет собой теоретическую основу для представленного исследования и используется для объяснения различных вариантов учебной поддержки.

Интерпретативная поддержка повышает осведомленность о важности процесса открытия. Учащимся необходимо активировать свои предыдущие знания, чтобы выдвинуть соответствующие гипотезы и получить соответствующее понимание. Интерпретативная поддержка предоставляется для улучшения представления проблемы, облегчения доступа к предыдущему опыту, облегчения обработки компьютерного моделирования и, как правило, предоставляется до того, как учащиеся начнут проводить эксперименты с компьютерным моделированием. Здесь доступная учащемуся справочная информация по предметной области является эффективным и поддерживающим инструментом вмешательства [ 53 , 58]. Предоставление учащимся постоянного доступа к конкретной информации, такой как принципы, концепции, термины или факты предметной области, во время их взаимодействия с компьютерной программой кажется полезным для приобретения знаний [ 53 ], тогда как предоставление этой информации на более раннем этапе кажется менее эффективным [ 53 , 59 ]. Другой вид толковательной поддержки - это конкретные задания, над которыми учащиеся должны работать, используя компьютерное моделирование [ 13 , 60 ].

Базовая структура для назначения может быть основана на стратегии POE (прогнозировать-наблюдать-объяснять) [ 61 ]. Используя эту стратегию, учащиеся в первую очередь должны предсказать результат данной задачи. Затем учащихся просят провести связанный эксперимент, а затем описать его результат. Наконец, учащиеся должны сравнить результат со своим прогнозом. Таким образом, учащиеся могут быть направлены на изучение важных взаимосвязей между переменными. Отработанные примеры могут быть своего рода толковательной поддержкой. В многочисленных исследованиях отработанные примеры показывают положительное влияние на приобретение знаний (например, [ 62 , 63 , 64 , 65 , 66 , 67]), особенно для начинающих. Проработанные примеры представляют конкретную проблему, предлагают шаги решения проблемы и дают подробное описание соответствующего решения [ 68 ]. Применение разработанных примеров можно считать эффективным методом повышения навыков решения проблем учащихся [ 16 , 69 , 70 ].

Экспериментальная поддержка используется для улучшения научного поиска, в то время как учащиеся используют компьютерное моделирование. Такая поддержка помогает учащимся адекватно планировать научные эксперименты, надлежащим образом прогнозировать результаты, наблюдать результаты и делать выводы (см. [ 71]). Эффективные экспериментальные вспомогательные вмешательства включают постепенное и кумулятивное введение в работу с компьютерным моделированием, объяснение важных параметров моделирования в компьютерной программе, просьбу учащегося спрогнозировать возможные результаты моделирования и ответы на запросы учащегося по описанию и интерпретации результатов моделирования. . Постепенное и возрастающее введение в компьютерную симуляцию дает учащимся необходимую информацию для работы с симуляцией и работы над заданиями. В частности, высокоинформативные компьютерные симуляции обладают структурой возрастающей сложности [ 72 ], чтобы помочь избежать возможной когнитивной перегрузки из-за информационного богатства. В исследовании Льюиса, Стерна и Линна [ 73], предсказание учащимися возможных результатов моделирования имело тенденцию приводить к большему объему знаний, чем в контрольной группе. Способность описывать и обосновывать собственные результаты моделирования в качестве экспериментальной поддержки указывает на успешное приобретение знаний [ 74 ].

Рефлексивная поддержка поддерживает метакогнитивные знания учащихся после проведения компьютерных экспериментов. Такая учебная поддержка способствует интеграции недавно обнаруженной информации. Рефлексивная поддержка позволяет учащимся повысить самосознание процессов обучения и поддерживает абстрактную и рефлексивную реализацию своих открытий. Например, рефлексивная оценка собственного запроса может привести к лучшему пониманию значимого приобретения знаний. Это может быть реализовано, например, когда учащихся поощряют оценивать и размышлять над своим собственным запросом, используя инструмент рефлексивной оценки в компьютерном моделировании [ 75 ]. В программе ThinkerTools-Curriculum [ 75 , 76], учащиеся сначала должны оценить собственное исследование. Впоследствии учащихся просят обосновать свою оценку в письменной форме. Было показано, что эта рефлексивная поддержка приводит к положительным эффектам в приобретении знаний.

Ниже описаны две категории трудностей, с которыми учащиеся часто сталкиваются в процессе обучения научным открытиям: интерпретация данных и саморегулирование. Впоследствии для этих двух категорий представлены специальные учебные мероприятия для поддержки обучения научным открытиям с помощью компьютерного моделирования.

Для повышения эффективности интерпретации данных эмпирические данные показали, что объяснительная и обоснованная обратная связь о результатах моделирования поддерживает эффективное приобретение знаний, особенно для новичков [ 77 ]. В исследовании Морено [ 77 ] учащиеся получали объяснительную или обоснованную обратную связь о своем подходе к компьютерной программе после того, как они работали над компьютерными задачами. Исследование Лин и Леманн [ 78 ] подтвердило предположение, что описание и интерпретация результатов моделирования, генерируемых учащимся, приводит к эффективному приобретению знаний. После того, как учащиеся завершили эксперименты с компьютерным моделированием, их попросили обосновать результаты моделирования.

Было высказано предположение, что саморефлексивные задания могут эффективно поддерживать саморегулируемое обучение. Конкретный метод повышения осведомленности, такой как рефлексивная самооценка, показывает положительное влияние на приобретение знаний [ 75 ]. Учащимся было предложено поразмышлять над собственными вопросами и вопросами своих одноклассников на основе предоставленных критериев после завершения экспериментов с компьютерным моделированием [ 75 ]. Метод рефлексивной самооценки поддерживал учащихся на этапе саморефлексии [ 79 , 80 ] и показывает положительный эффект в отношении получения учащимися знаний.

Менее систематическим было изучение влияния использования конкретных учебных вмешательств на приобретение интуитивных знаний, чтобы вызвать рефлексивные действия учащихся, такие как обоснование результатов моделирования, а также задачи или подсказки, чтобы стимулировать размышление над запросами в процессе обучения. . Тем не менее, эти учебные мероприятия могут улучшить обучение на основе моделирования и интуитивное приобретение знаний. Таким образом, в текущем исследовании были разработаны и протестированы конкретные обучающие вмешательства для интерпретации данных и саморегулирования. Интуитивное приобретение знаний измерялось в зависимости от этих учебных вмешательств.

2.4. Оценка результатов обучения с помощью компьютерного моделирования

Из-за более низкой прозрачности компьютерного моделирования [ 44 ] учащиеся не имеют прямого представления о переменных и их взаимосвязях. Следовательно, обучение с компьютерным моделированием имеет несколько эффектов, которые нельзя выявить с помощью тестов на знания, разработанных более традиционным способом, например, традиционных тестов с множественным выбором. Путем метаанализа Томас и Хупер [ 43] обнаружил, что «эффекты моделирования не выявляются тестами на знание (…)» (стр. 479). Многочисленные эмпирические исследования, посвященные приобретению знаний при обучении с помощью компьютерного моделирования, использовали тесты, подчеркивающие получение знаний в явном виде. Эти тесты в основном включали запросы фактов, относящихся к предметной области (например, терминов и определений) или концепций, для выявления взаимосвязей между данными переменными. Напротив, для оценки декларативных знаний с помощью более или менее традиционных методов, основанных на бумаге и карандаше, интуитивные знания могут быть оценены методологически, запрашивая предсказания ситуаций [ 7 , 81 ]. В связи с этим, ссылаясь на Swaak и de Jong [ 8], и на основе их определения интуитивного знания как «быстрого восприятия ожидаемых ситуаций» (стр. 288), отдельные компоненты их определения могут быть описаны в отношении оценки интуитивного знания следующим образом.

Быстро : время, затраченное на ответы на вопросы, считается показателем того, в какой степени знания можно считать интуитивными. Учащимся предлагается ответить на вопрос как можно быстрее. В этом отношении формат теста для оценки интуитивных знаний, описанный в данном исследовании, отличается от более традиционных подходов, например, тестов с множественным выбором. Предполагается, что знания, полученные в результате быстрого ответа на вопросы, имеют интуитивное качество.

Восприятие : Что касается формата задания, восприятие кажется решающим. По этой причине и по сравнению со многими другими тестами, оценивающими декларативные знания, можно использовать короткие тексты и изображения с минимальным количеством текстовой информации.

Ожидаемый : важным аспектом интуитивного знания является предвкушение. Элемент состоит из данной исходной ситуации с заранее определенными переменными. Изменение конкретной переменной приводит к ожидаемому результату.

Ситуация : Каждый элемент содержит часть вопроса, состоящую из вопроса или начала данного утверждения с изменением этой ситуации, и часть ответа, состоящую из возможных ответов. Следовательно, каждый элемент включает исходную ситуацию, на которую влияет данное действие или измененное значение переменной, и возможные (пост) ситуации, которые следует ожидать.

Эти компоненты, предложенные Swaak и de Jong [ 7 ], были рассмотрены и послужили основой для разработки тестового инструмента для оценки интуитивных знаний, использованных в исследовании, представленном здесь.

2.5. Цели и гипотезы исследования

Интуитивные знания можно рассматривать как решающие для последующих процессов обучения и построения концептуальных знаний в биологическом образовании. Целью исследования было выяснить, может ли и в какой степени конкретная учебная поддержка интерпретации данных и саморегуляции при обучении с помощью компьютерного моделирования привести к интуитивному приобретению учащимися знаний в биологическом контексте. Следующие гипотезы об учебной поддержке интерпретации данных и саморегулируемого обучения были сформированы в этом исследовании следующим образом:

Первая гипотеза заключалась в том, что взаимодействие с компьютерным моделированием приведет к интуитивному приобретению знаний.

Вторая гипотеза заключалась в том, что поддержка обучения научным открытиям с помощью определенных обучающих вмешательств для интерпретации данных или саморегуляции приведет к большему увеличению интуитивного знания, чем без такого рода учебной поддержки.

Третья гипотеза утверждала, что кумулятивные эффекты на получение интуитивных знаний могут быть продемонстрированы с помощью комбинации обучающих вмешательств для интерпретации данных и саморегуляции.

3. Материалы и методы.

3.1. Участников

В исследовании приняли участие 117 учеников восьмых классов (61 девочка, 56 мальчиков) из шести классов средней школы в Северной Германии (Шлезвиг-Гольштейн). Возраст варьировал от 13 до 16 лет ( M = 14,09, SD = 0,54). Размер класса составлял от 15 до 23 учеников. Результаты теста Велча не выявили существенных различий между предыдущими интуитивными знаниями участников между разными группами ( p = 0,094, нс.). Студенты не получали формальных предварительных инструкций по водно-экологическому содержанию, имеющему отношение к исследованию. Необходимые навыки участников в работе с компьютерной программой были эмпирически собраны с помощью анкеты в фартуке исследования. Данные показали, что участники обладали продвинутыми компьютерными навыками. Кроме того, учителей, отвечающих за участников, спросили, и они подтвердили, что их ученикам было предложено математическое содержание, необходимое для понимания графических взаимосвязей, подразумеваемых в моделировании. Участие студентов в исследовании было добровольным, и авторы строго соблюдали анонимность студентов и этические вопросы.

3.2. Материалы

3.2.1. Контент и компьютерная программа " SimBioSee "

Образовательные вмешательства проверяли содержание «взаимоотношений между организмами». Взаимозависимые отношения в экосистемах между живыми организмами важны в классах естествознания на всех школьных уровнях, так как, например, отношения хищник-жертва и несущая способность экосистем необходимы для усвоения более сложных концепций на продвинутых уроках биологии (см. [ 82 ]). Конкретный предмет компьютерного моделирования «динамика популяции и отношения хищник-жертва» считается важной частью естественнонаучного образования [ 83 ] и важнейшим компонентом нынешней учебной программы по биологии для восьмиклассников средних школ Германии.

Для исследования была разработана и протестирована компьютерная программа для настольного компьютера или портативного компьютера, включая компьютерную симуляцию, управляемую клавиатурой и компьютерной мышью. Перед разработкой компьютерной программы 28 учителей биологии были опрошены относительно биологического содержания. На основе их заявлений была разработана водно-экологическая компьютерная программа « SimBioSee », включающая в себя фундаментальные основы предметной области, а также компьютерное моделирование взаимоотношений хищник-жертва между двумя эндемичными видами рыб «щука» и «красноперка» [ 84 ]. Компьютерная программа состоит из введения с инструкцией, отдельных информационных страниц и разработанного примера. Информационные страницы используются как своего рода пояснительная поддержка [ 57], позволяя учащимся иметь постоянный доступ к основам (водной) экологии во время взаимодействия с компьютерной программой с помощью панели навигации и соответствующих связанных заголовков. Кроме того, отработанные примеры интегрируются в компьютерную программу.

Компьютерное моделирование, встроенное в компьютерную программу, показано в виде диаграммы и содержит количество хищников (щуки) и добычу (красноперки) в качестве зависимых переменных и время в качестве независимой переменной (см. Рисунок 1 ). Для каждого из двух выбранных видов количество рыб отображается на цветных графиках. Параметры для изменения графиков можно найти в левой части диаграммы. Прозрачные графики на диаграмме показывают начальные условия и позволяют легко сравнивать с результатами моделирования.

Образование 08 00094 g001 550

Рисунок 1. Скриншот компьютерного моделирования в компьютерной программе SimBioSee . Панель навигации слева содержит заголовки, связанные с дополнительными информационными страницами, представленными справа. Поле слева под панелью навигации содержит назначение. Результат моделирования справа показывает количество видов рыб в указанное время. Красный график представляет количество хищников (щук), а синий график - количество жертв (красноперки). Модификации графика могут быть выполнены путем изменения данных параметров, представленных в левой части диаграммы. Можно напрямую сравнить результат моделирования с более светлыми начальными условиями графиков.

3.2.2. Учебная поддержка

Независимые переменные исследования - это учебная поддержка для интерпретации данных и саморегулирования.

Поддержка интерпретации данных : учащихся либо (а) попросили описать и с научной точки зрения интерпретировать результат моделирования [ 78 ], либо (б) получить описание и биологическую интерпретацию результатов моделирования, созданных компьютерной программой [ 77 ]. В условиях, когда участникам было предложено создать решение (GeS), учащихся попросили написать описание и интерпретацию своего собственного результата моделирования по их заданию (см. Приложение A ). В условиях данного решения (GiS) описание и биологическая интерпретация результатов моделирования появлялись на экране компьютера после того, как учащиеся провели эксперимент, смоделированный на компьютере (см. Рис. 2).). Студенты не получили инструкций по интерпретации данных в условиях отсутствия решения (NS).

Образование 08 00094 g002 550

Рис. 2. Снимок экрана с описанием и биологической интерпретацией результатов моделирования как инструктивного вмешательства для интерпретации данных компьютерной программой « SimBioSee » (GiS).

Поддержка саморегулирования : учащихся попросили оценить и поразмышлять над своим запросом. Учащиеся проводят самооценку и размышляют с помощью инструмента рефлексивной оценки, интегрированного в отдельный раздел компьютерной программы « SimBioSee ». Инструмент оценки был внедрен после того, как учащиеся выполнили свои задания. Сначала учащихся попросили оценить их собственный запрос по 5-балльной шкале. Вопросы, относящиеся к различным этапам цикла опроса, использовались, чтобы облегчить самооценку учащихся. После этого учащихся попросили объяснить свою оценку в текстовом поле в инструменте рефлексивной оценки (см. Рисунок 3).). Половина студентов получили такую ​​учебную поддержку для саморегуляции (R), остальные не получили учебной поддержки для (NR).

Образование 08 00094 g003 550

Рисунок 3. Снимок экрана инструмента рефлексивной оценки в качестве обучающей поддержки саморегуляции (R). После того, как учащиеся провели все эксперименты, смоделированные на компьютере, их попросили оценить свое собственное исследование по пятибалльной шкале. Впоследствии учащихся попросили объяснить свои собственные баллы, основанные на их запросе, и почему эта оценка была подходящей.

Интуитивное приобретение знаний студентами было зависимой переменной в исследовании и было реализовано с помощью компьютерного теста на интуитивные знания, «SPEED-test».

3.2.3. Интуитивно понятный тест знаний: SPEED-тест

Основываясь на определении интуитивного знания как «быстрого восприятия ожидаемых ситуаций», конкретные компоненты были приняты во внимание при разработке инструмента тестирования «SPEED-тест» (см. [ 8 ]). В общей сложности компьютерный тестовый инструмент содержал одиннадцать пунктов с множественным выбором. На каждый вопрос можно было ответить после сеанса обучения с компьютерной программой. На рисунке 4 показан образец элемента из «SPEED-теста».

Образование 08 00094 g004 550

Рисунок 4. Снимок экрана образца элемента «SPEED-тест», использованного в исследовании.

Каждый пункт «SPEED-теста» состоял из вопроса относительно изменения значения по сравнению с исходной ситуацией. Исходная ситуация, указанная в каждом пункте, отображалась в левой части экрана компьютера в виде изображения, содержащего диаграмму. Эта диаграмма осталась неизменной для каждого элемента. Рядом с исходной ситуацией и в середине экрана представленная часть ответа состояла из трех возможных (пост) ситуаций, которые учащийся ожидал с помощью щелчка мыши. Каждый пункт содержал один правильный ответ. Исходная ситуация и три возможных исхода были отображены в виде упрощенных графиков симуляции компьютерного моделирования SimBioSee.'с двумя соответствующими кривыми, показывающими количество рыб, а также линией, показывающей емкость биотопов. Кроме того, шкала времени, отображаемая в правой части экрана компьютера, использовалась для запуска ограничения времени, чтобы побудить учащихся давать ответы как можно быстрее. У учащихся было максимум 20 секунд, чтобы ответить на вопрос. Если учащийся не ответил на вопрос в течение этого промежутка времени, следующий следующий элемент отображался на экране компьютера автоматически. Если на вопрос ответить не удалось, кнопка «Далее», расположенная в компьютерной программе в верхней правой части экрана компьютера, предлагала учащемуся возможность перейти к следующему элементу. Перед тем, как учащиеся приступят к «СКОРОСТНОМУ тесту», они были ознакомлены с программой и имели возможность попрактиковаться в взаимодействии с тестовым инструментом и в формате задания с заданиями. Задания теста были аналогичны заданиям для оценки интуитивных знаний, но их результаты не учитывались.

Для анализа данных в «SPEED-test» записывались файлы журнала, в которых сохранялись ответы учащихся для каждого ответа на элемент. После выполнения «SPEED-теста» компьютерная программа автоматически проинформировала учащегося о количестве правильных ответов через всплывающее окно, не указывая, на какие вопросы были даны правильные ответы. Предварительные и последующие тесты SPEED включали одни и те же элементы.

3.3. Процедура

Исследование проводилось на регулярных уроках естествознания в шести разных классах школы. Перед обучением с помощью компьютерной программы SimBioSeeВо время занятия каждый участник должен был пройти тест SPEED- (предварительный), который включал в себя элементы для оценки прежних интуитивных знаний учащихся. После ответа на вопрос учащиеся автоматически получали следующий элемент и не могли вернуться к предыдущему ответу. На этапе обучения каждый студент использовал один ноутбук для работы над четырьмя конкретными заданиями в течение примерно семидесяти минут. Участники должны были следовать стратегии POE для решения задач с помощью компьютерного моделирования. В начале каждого задания от учащихся требовалось предсказать возможные последствия определенных внешних воздействий на водную экосистему. Впоследствии от студентов требовалось сравнить результаты моделирования с прогнозами после завершения эксперимента, смоделированного на компьютере. В зависимости от условий лечения,

После этого каждый студент прошел тест SPEED- (post). На все вопросы «SPEED-теста» уже можно было ответить с помощью компьютерного моделирования. Студентам потребовалось около пяти минут, чтобы пройти «SPEED-тест». Занятия продолжались не более девяноста минут.

3.3.1. Задания

Четыре конкретных задания были выполнены с помощью компьютерного моделирования в « SimBioSee ». Базовая структура каждого бумажного задания согласовывалась со стратегией POE [ 61 ]. Содержание задания дополнительно отображалось в левой нижней части экрана компьютера (см. Рисунок 1 ). В Приложении A показан пример задания.

3.3.2. Дизайн

Исследование было основано на 3х2-факторном дизайне. Группы были построены на уровне класса, так как учащимся требовались короткие учебные пособия для правильной работы с учебными мероприятиями. А именно, студенты, которых попросили описать, интерпретировать и поразмышлять над своими результатами моделирования, имели более подробную ориентацию, чем, например, студенты, получившие описание и интерпретацию из SimBioSee . Различные обучающие вмешательства для интерпретации данных и саморегуляции были объединены для создания шести экспериментальных условий, в том числе одной контрольной группы, в которой учащиеся не получали ни учебной поддержки для интерпретации данных, ни учебной поддержки для саморегуляции (см. Таблицу 1).). Обучающие вмешательства по интерпретации данных и саморегулированию были разными для каждой из шести групп. Учитель биологии и экзаменатор присутствовали, когда участники работали над заданиями во время урока естествознания в своих классах. Идентичные ноутбуки были предоставлены Институтом естественных наук и математического образования имени Лейбница. Компьютерная программа « SimBioSee » была одинаковой во всех условиях, за исключением изученных учебных вмешательств. Учащиеся не общались друг с другом во время учебной сессии. Участники были равномерно распределены по шести условиям исследования для обоих временных точек тестирования; тест хи-квадрат не выявил значимых различий между количеством участников в разных группах, χ 2 (2) = 1,32,нс .

Таблица 1. Распределение участников в контрольных (NR / NS) и экспериментальных условиях.

Стол

4. Результаты

Полученные интуитивные знания были проанализированы с упором на обучающие вмешательства по интерпретации данных и саморегулированию. Многофакторный дисперсионный анализ с повторными измерениями (MANOVA) для зависимой переменной, интуитивного знания, с двумя учебными вмешательствами в качестве факторов между субъектами и моментами времени тестирования в качестве фактора внутри субъектов, выявил значимый главный эффект точек времени тестирования ( F (1, 111) = 15,95, p <0,001, част. Η 2 = 0,13). Это означает, что учащиеся продемонстрировали значительный прирост знаний от предварительного до последующего тестирования по шести условиям.

Кроме того, было обнаружено значительное взаимодействие между учебными мероприятиями ( F (2, 111) = 9,17, p <0,001, част. Η 2 = 0,14). Таким образом, условия приносили отличную выгоду от предоставленных учебных вмешательств. В частности, участники условий (GiS / R и GeS / NR) показали наибольший объем знаний. Для сравнения, учащиеся показали самый низкий уровень знаний в пост-тесте, которым в условиях GeS / R было предложено описать и интерпретировать их собственные результаты моделирования, а также отразить свое научное открытие. Участники в условиях GiS / R и GeS / NR продемонстрировали значительный объем знаний, приобретенных от предварительного до последующего тестирования (см. Таблицу 2).).

Таблица 2. Интуитивное получение знаний от предварительного тестирования до последующего тестирования в контрольных и экспериментальных условиях.

Стол

Впоследствии был проведен анализ, чтобы проверить, было ли приобретение знаний в условиях учебной поддержки больше, чем в контрольной группе (NS / NR). Сравнение проводилось между каждым из экспериментальных условий и контрольной группой в пяти вычисленных дисперсионных анализах (ANOVA). Состояние с данным раствором и отражательной поддержкой (Гис / R; F (1, 39) = 4,99, р . <0,05, часть η 2 = 0,11) и сгенерированное состояние без отражающей поддержки (GES / NR; F (1 , 37) = 5,58, p <0,05, част. Η 2= 0,13) привели к значительно лучшим результатам, чем в контрольной группе. Не было обнаружено значительных различий между контрольной группой и состоянием без решения и отражающей поддержки (NS / R; F (1, 34) = 0,00, нс , част . Η 2 = 0,00), состоянием с данным раствором и отсутствием отражающая опора ( F (1, 32) = 0,55, нс , часть. η 2 = 0,02) или условие с созданным решением и отражающей опорой ( F (1, 40) = 0,03, нс , часть. η 2 = 0,00) .

Кроме того, мы проанализировали, оказали ли учебные вмешательства какое-либо влияние на приобретение знаний, когда предварительные оценки учитывались как ковариата. Результаты предварительного тестирования были дополнительно признаны, поскольку оказались существенными различиями между условиями ( F (5, 111) = 2,36. P <0,05, част. Η 2 = 0,10). Следовательно, был проведен ковариационный анализ (ANCOVA) с результатами пост-теста в качестве зависимой переменной, инструкциями по интерпретации данных и саморегулированию в качестве независимых переменных и результатами перед тестированием в качестве ковариаты. ANCOVA не выявил значимых основных эффектов обучающей поддержки интерпретации данных ( F (2, 110) = 0,73, нс, часть. η 2 = 0,01) и обучающая поддержка саморегуляции ( F (1, 110) = 0,01, нс , часть. η 2 = 0,00). Однако эффект взаимодействия обучающей поддержки интерпретации данных и обучающей поддержки саморегуляции был значительным ( F (2, 110) = 7,52, p <0,001, част. Η 2 = 0,12).

5. Обсуждение

В исследовании изучались эффекты специальной учебной поддержки для интерпретации данных и саморегуляции для интуитивного приобретения знаний при обучении с компьютерным моделированием в биологическом контексте. Исходя из предположения, что обучение с помощью компьютерного моделирования требует учебной поддержки, предполагалось, что обучение на основе компьютерного моделирования приводит к интуитивному приобретению знаний [ 2 , 7 , 42 ].

В целом, независимо от учебной поддержки интерпретации данных и саморегуляции, значительное приобретение интуитивных знаний наблюдалось после сеанса обучения с « SimBioSee », как и предполагалось в гипотезе 1 (взаимодействие с компьютерным моделированием приведет к интуитивному приобретению знаний). Интуитивное получение знаний может быть приписано хорошо структурированному дизайну компьютерной программы с компьютерным моделированием, которую можно охарактеризовать как богатую среду [ 44 ], позволяющую учащимся извлечь соответствующие экологические основы. Эти основы могут обеспечить основу для приобретения интуитивных знаний [ 81]. Кроме того, учащимся во всех экспериментальных условиях и контрольной группе была поставлена ​​задача поработать над конкретными заданиями в течение цикла опроса. Учащиеся сосредоточились на приобретении важных основ [ 60 ] по теме водной экологии, работая над этими заданиями. «SPEED-тест» использовался для проверки участниками обнаруженных основных принципов посредством компьютерного моделирования и заданий. Следовательно, можно предположить, что работа над заданиями с компьютерным моделированием положительно повлияла на интуитивное приобретение знаний.

Результаты исследования выявили различное влияние обучающих вмешательств по интерпретации данных и саморегуляции на интуитивное приобретение знаний. Что касается Гипотезы 2 (поддержка обучения научным открытиям с определенными учебными вмешательствами для интерпретации данных или саморегуляции приведет к большему увеличению интуитивного знания, чем без такого рода учебной поддержки), положительное влияние учебной поддержки на интуитивное приобретение знаний было частично поддержано и проверено по крайней мере для одного экспериментального условия. Описание и научная интерпретация результатов моделирования в качестве обучающего вмешательства для интерпретации данных оказалось эффективным для интуитивного приобретения знаний. Что касается приобретения знаний, Морено и Майер [ 74] обнаружил аналогичные результаты, показывающие эффективность обоснования собственных результатов моделирования. Кроме того, просьба к учащимся объяснить результаты моделирования после того, как они провели эксперимент, смоделированный на компьютере, была вспомогательным методом обучения, приводящим к значительному улучшению результатов обучения в задаче передачи. В 19 цитируемых исследованиях по изучению математики и информатики Уэбб [ 85 ] показал, что объяснения учащихся положительно влияют на успеваемость, тогда как простое получение ими объяснений мало влияет на результаты обучения. Объяснения могут быть вызваны путем научного описания и интерпретации результатов собственного моделирования. Чи и Бассок [ 86 ] и Чи и др. [ 87] назвал это явление «эффектом самообъяснения», и было показано, что он приводит к успешным результатам обучения. Вонг, Лоусон и Кивз [ 88 ] обнаружили положительный эффект приобретения концептуальных знаний о геометрической теореме, вызвав самоочевидность. Эффект самообъяснения рассматривается как активный процесс конструирования знаний [ 87 , 88 , 89]. Создание объяснений посредством описания и интерпретации собственных результатов моделирования создает более глубокое понимание и приводит к более высоким результатам обучения, поскольку новая информация соответствующим образом встроена в структуры предшествующих знаний. Следовательно, предполагается, что описание и интерпретация собственных результатов моделирования требует объяснений. Эти самоочевидные данные особенно стимулируют когнитивные процессы учащихся во время обучения с помощью компьютерного моделирования, и это может способствовать интуитивному приобретению знаний. Эффект самообъяснения может объяснить, почему описание и интерпретация собственных результатов моделирования приводит к более высокому интуитивному приобретению знаний, чем просто получение результатов моделирования из компьютерной программы или получение только запроса на отражение или отсутствие поддержки.

Что касается Гипотезы 3 (совокупное влияние на получение интуитивных знаний может быть продемонстрировано с использованием комбинации обучающих вмешательств для интерпретации данных и саморегуляции), совокупный эффект, касающийся проверенных обучающих вмешательств для интерпретации данных и саморегуляции, был обнаружен в одном экспериментальном состоянии. . Сочетание учебной поддержки для интерпретации данных и саморегулирования определенным образом приводит к более высокому интуитивному приобретению знаний, чем поддержка учащихся, использующих только одно из этих вмешательств во время учебной сессии. Таким образом, гипотеза 3 была частично поддержана. Учащиеся, получившие результаты моделирования в качестве учебной поддержки для интерпретации данных, а также их попросили подумать о своих собственных результатах моделирования, приобрели значительные интуитивные знания при обучении с помощью компьютерного моделирования. В этом отношении может показаться, что эта определенная комбинация учебной поддержки может способствовать интуитивному приобретению знаний при обучении в среде открытий и получении только одного или ни одного из протестированных учебных вмешательств.

Поддержка учащихся только правильными результатами моделирования, выдаваемыми компьютерной программой в качестве учебной поддержки для интерпретации данных, оказалась нецелесообразной для интуитивного приобретения знаний. Однако дополнительный запрос на размышление о результатах моделирования учащимся и их собственных запросах в процессе обучения оказался эффективным для интуитивного приобретения знаний. Учащиеся были побуждены к осознанию своих собственных процессов обучения, размышляя над своими собственными запросами [ 90]. Помимо получения правильных результатов моделирования, это может оказать положительное влияние на получение интуитивно понятных знаний. Следовательно, получение правильного результата моделирования после проведения соответствующего эксперимента и дополнительное размышление о результатах моделирования оказалось эффективным сочетанием обучающих вмешательств. Следовательно, можно предположить причинную взаимосвязь между повторяющимися запросами на взаимодействие с данным результатом моделирования, отображаемыми в упрощенных форматах данных ситуаций, и дополнительным отражением собственного запроса и получения интуитивных знаний. Учащимся, получившим правильное решение от компьютерной программы и от которых дополнительно требовалось размышлять, было предложено по крайней мере трижды изучить соответствующий результат моделирования. Помимо изучения собственных результатов моделирования, учащиеся также получили возможность получить правильные результаты моделирования, и им было предложено поразмышлять над ними. В этом отношении отображаемый формат данной ситуации играет решающую роль в плане интуитивного приобретения знаний [8 , 26 , 51 ]. Таким образом, в «SPEED-тесте» использовались сокращенные графические представления с возможными результатами моделирования. Требуется обучение, чтобы выбрать и организовать информацию в связные представления и интегрировать эту информацию в уже существующие знания [ 91 ]. Получая правильные результаты моделирования, можно облегчить когнитивные процессы учащихся по выбору соответствующей информации в процессе обучения, поскольку учащимся не нужно искать решение самостоятельно. Вместо поиска правильного решения учащиеся могут использовать свои когнитивные ресурсы, чтобы понять этапы решения [ 92 ]. Предположительно, когнитивные процессы учащихся могут быть сосредоточены на соответствующей информации [74 ], и их выбор подтверждается получением правильного результата моделирования. Сравнительно высокий уровень интуитивных знаний учащихся, которые получили правильные результаты моделирования и которых также попросили подумать, может быть основанием для того, чтобы когнитивные процессы учащихся были сосредоточены на соответствующей информации на протяжении этих конкретных учебных вмешательств. Следовательно, можно предположить причинно-следственную связь между данным результатом моделирования, поддержкой когнитивных процессов учащихся с соответствующей информацией о результате моделирования, дополнительным запросом на отражение и результирующим приобретением интуитивных знаний.

В этом исследовании было показано, что конкретные обучающие вмешательства для интерпретации данных и саморегуляции могут эффективно поддерживать интуитивное приобретение знаний при обучении с помощью научного компьютерного моделирования только в течение одного учебного сеанса. Кроме того, интуитивное приобретение знаний можно легко проверить с помощью «SPEED-теста». Этот момент может быть важен для учителей естественных наук при внедрении компьютерного обучения естественным наукам на уроках естествознания в школе.

Тем не менее, исследование не дает данных о точном времени, необходимом для приобретения интуитивных знаний на основе разнообразного опыта явления [ 21 , 22 ]. Согласно результатам нашего исследования, для приобретения интуитивного знания достаточно всего одного сеанса изучения новой биологической концепции, подкрепленного определенными обучающими вмешательствами. Долгосрочные эффекты этих учебных вмешательств следует изучить в дальнейших исследованиях.

В целом, результаты нашего исследования могут быть важны для области искусственного интеллекта и машинного обучения в частности (см. [ 93 , 94 , 95 ]), поскольку интуитивное знание предлагает инициирование последующих процессов обучения [ 11 , 33 ]. Здесь может оказаться полезным опыт естественнонаучного образования, поскольку в компьютерных науках на данный момент кажется, что недостаточно знаний [ 93 ].

6. Выводы

Как упоминалось в предыдущей литературе, интуитивное знание можно считать решающим для дальнейших процессов обучения и построения концептуальных знаний. С этой целью интуитивное знание и концептуальное понимание можно рассматривать как два взаимосвязанных аспекта [ 22 ], поскольку предшествующие знания могут быть основой для интуитивного приобретения знаний [ 81].]. Протестированные обучающие вмешательства для интерпретации данных и саморегуляции показали различное влияние на интуитивное приобретение знаний учащимися. Следовательно, нельзя четко и обобщенно сказать, способствует ли одно конкретное учебное вмешательство, включающее интерпретацию данных или учебное вмешательство для саморегуляции, адекватное интуитивное приобретение знаний во время одного учебного сеанса экспериментов, смоделированных на компьютере, как предсказано гипотезами 2 и 3. Кажется, что довольно конкретное учебное вмешательство или определенная комбинация двух вмешательств эффективны в качестве учебной поддержки для интуитивного приобретения знаний. В этом отношении, Предоставление учащимся правильных результатов моделирования и предоставление им возможности описывать и интерпретировать свои собственные результаты моделирования в биологическом смысле кажется очень полезным для интуитивного приобретения знаний. Однако результаты показывают, что другая комбинация обучающих вмешательств, состоящая из выработки решения и дополнительного размышления над собственными результатами моделирования, не приводит к эффективному приобретению интуитивных знаний. Эта специфическая комбинация, кажется, даже ограничивает интуитивное приобретение знаний. Дальнейшие исследования должны выяснить, почему определенная комбинация учебных вмешательств способствует интуитивному приобретению знаний, тогда как другая комбинация кажется полезной. Следовательно, следует выбрать соответствующий учебный план для поддержки эффективного интуитивного приобретения знаний.

 

Если Вы считаете, что материал нарушает авторские права либо по каким-то другим причинам должен быть удален с сайта, Вы можете оставить жалобу на материал.

Пожаловаться на материал
Скачать материал

Найдите материал к любому уроку, указав свой предмет (категорию), класс, учебник и тему:

также Вы можете выбрать тип материала:

Проверен экспертом

Общая информация

Скачать материал

Похожие материалы

Вам будут интересны эти курсы:

Оставьте свой комментарий

Авторизуйтесь, чтобы задавать вопросы.