增强大学生的信息技术流畅性的研究

牟连佳，李丕贤，邵洪艳

（大连大学 信息工程学院，辽宁 大连 116622）

1 引言

在过去的三十几年中，信息技术流畅性的定义历经了多次演变并且还会继续演变，因为我们的社会已经成为一个越来越依赖信息技术的社会。早期，信息技术流畅性是指能使用COBOL或汇编语言来编写计算机程序，通常与取得计算机科学学位有关。1983年，随着微软Windows操作系统图形用户界面的发布，信息技术流畅性的定义就成为软件操作能力的同义词。虽然人们对大学毕业生的信息技术知识要求甚至比五年前对他们的要求还要高 ，但是高等教育中许多技术课程仍然把信息技术流畅性定义为使用电脑软件的能力。这种说法，部分问题是由于信息技术作为一门研究领域对于其他行业来说并不是唯一的，它需要各种层次的准备工作。想要通过提高软件操作能力方式来达到信息技术流畅性的几率太微乎其微了。如果信息技术流畅性的定义如此狭窄，学生就无法掌握软件操作技能知识和取得相继的进展。早期的一些研究印证了这些分析结果[1]。

因为各行各业是依靠信息技术作为在全球化的社会中创新、改革和参与竞争的渠道，所以他们需要具有高级信息技术职业能力的劳动者。该行业劳动者的准备状况和技能水平是我国在21世纪保持竞争力的关键所在。因此，高等教育要改善教学工作，把学生培养成具有应用技能和知识的技术人才，使他们不仅能进入人才市场，而且还能适应人才市场。

2 信息技术流畅性

由于缺乏对信息技术流畅性的统一定义和理解，制约了高等教育中信息技术课程的发展。有一个经过修正、更流行的定义，它仍然包含操作软件的能力，但它已拓展成为一个涵盖计算机操作、网络、在线资源、数字媒体和编程等十分丰富内容的定义[2]。随着人们对技术的运用与对技术依赖性的快速提高，全世界对技术劳动力的需求持续增长，信息技术能力仍然是入门级人员最需要掌握的应用技能。掌握高级信息技术技能和概念知识的个人在求职过程中很受欢迎，因为他们拥有学习新技术的能力。有了这种能力，随着时间的推移，人们就能扩展他们的信息技术技能与知识，这对用人单位大有裨益。

强调会“学习”信息技术的观念与强调会“使用”信息技术工具，即通过提高软件操作技能达到信息技术流畅性的观念，是完全对立的。研究表明，以软件操作来代表信息技术流畅性会导致错误臆断。当今一些评价年青一代反应的研究指出，年轻人十分急切地使用计算机、软件、互联网等成熟技术工具，他们是使用这类成熟技术工具的最大群体。

但是，按照修正后的信息技术流畅性的定义来看，现在的大学生对计算机技术的概念知识掌握仍显十分不足，有一项研究为大学生缺乏概念知识这一说法提供了证据。美国西北密苏里州立大学的一份报道称，在191名参加信息技术熟练程度考试的学生中，仅有 2%的学生掌握了 80%的内容[3]。而且在使用电脑和理解它的功能之间存在巨大的差异，这对于发展和培养具有持续的抽象推理和批判性思考能力的高级思维过程和达到信息技术纯熟与流畅是非常不利的[2]。

目前，在修正后的信息技术流畅性的定义指导下，信息技术课程所讲授的概念包括计算机组成和硬件、系统软件、应用软件、通信与网络、基础知识、生活与工作在以信息技术为基础的世界所形成的历史和社会性影响。表 1列出了在大学计算机基础课程中所讲授的详细科目。

表1 大学计算机基础课程科目

科学与数学是技术的通用语言，只有了解这种语言，学生们才有能力在全球范围内参与竞争。由于信息技术与数学和科技的联系错综复杂，在缺乏应有的数学和科学技能的基础上如何有效提高信息技术流畅性的问题就变得至关重要。本文的研究表明，在修正后的信息技术流畅性定义指导下，如果利用以建构主义学习策略为基础的学习环境，学生会与那些在传统环境中学习的学生一样达到信息技术流畅性，而且他们对课程满意度会比接受传统教育的学生要高。

3 对以往研究的分析与思考

3.1 学习环境

采用传输式的传统类型的学习环境和采用自主学习型的建构主义学习环境，这两种模式的比较在教育学历史上由来已久。目前对建构主义理论学习类型的关注主要是由于《危机中的国家》(美国国家教育促进委员会，1983年)这份报告的发表引发的。

本研究的理论框架是以建构主义为中心，这一理论研究的是人们怎样学习，认为学习者参与有意义的实践是体验式学习的精髓[4]。选择建构主义理论作为本研究的框架，是因为该理论的人文主义、参与性和反映学说在与信息技术相关的课程中更具有创新性，它们趋向吸引那些在学习电脑知识中更倾向于传统学习方法的学生[4]。建构主义学习理论并不排斥教师的积极作用和专业知识的价值，也不贬低分数的作用。

建构主义的认知心理学方面的最近发展，它倡导把学习从被动地传递信息与收集事实转变为积极地解决问题与探索发现。支持这种学习理论的环境类型是指由教师提供互动、协作和探究的学习活动，学生通过这种合作的方式，阐述并检验他们的观点、得出结论和推断、汇集并传输知识，它强调学习者在建构知识方面所起的核心作用。

相反，传输型的学习理论建议学生要学习事实和概念，通过吸收教师的解释或阅读课文的内容解释/定义并回答相关问题获得理解。在这种类型中，通过说教式的讲座，教师授课，以及讲座、讨论方法，以系统性的明确规定的方式，有指导地反复练习来使学生掌握。通常来说，采用传输模式的授课其意图在于指导预设的教学过程。

信息技术相关课程的研究在评估学习环境对学习成绩的影响方面取得了可喜的成果。有五项研究分别用五种不同的方法（调查与关联法、现象法、观察法、内容分析法以及实验法）进行评估，来确定学习环境对学习成绩及课程满意度的影响。这五项研究的结果表明，学生与教师在积极的建构主义环境下的互动质量越好，学生的满意度、自信心、学习成绩也就越高[5-6]。但是也不排除这种可能性，那就是学生考虑到了学习环境和相关的方法，而且很可能已经影响了学习，但实质上，在除了学习环境之外确实还有其他变量在某一学习环境中会影响信息技术流畅性及课程满意度方面的问题。

3.2 教学方法

不管是传统学习环境还是建构主义学习环境，教师一般都采用情境、建构和协作的教学方法，但侧重点不同。传统的学习环境中是以教师为中心来设计课程，而建构主义学习环境中，是以学生为中心。

情境属性目的是把对学生的教学意图模型化，从而使学生通过分享思想与观念，以不同视角进行观察和思考。其中一种情境教学方法是模拟，对事件或环境进行描述，通常允许使用者改变变量来了解该变化带来的影响 。模拟包括电脑动画、电脑游戏、练习题和配套的学习媒介来模仿学生的学习体验。在一些涉及电脑编程的研究中，对情境方法的评估结果各异。有两份研究报告认为，运用动画能更好地帮助学生理解所学的概念[7]，而另外一份研究报告则认为，采用动画作为教学工具对改善教学没有统计上的显著性。在另一份研究中，因为信息反馈迅速令人满意，因此电脑游戏的使用效果较好[8]。建构方法是通过现成的实例，例如书写、讨论和思考，对概念理解取得的进步采用自我评估方式来积累知识。对相关的建构的书写、讨论及思考策略的调查研究评估获得了积极的结果，因为这种方法能让学生分享经验，通过思考学过的内容而达到进步[9]。协作方法是通过建立同龄群体并在群体中互动来发展沟通与交流能力[9]。有关研究揭示了小组活动有助于学生建立对自身和他人的了解，通过协作的教学方法，把听力能力、社交能力、时间管理和组织能力作为最需要发展的能力。

总之，前面的研究指出，所采用的教学方法产生了以下一种或多种结果：更好的理解所学概念，更高的学习积极性，增加了课程参与度，学习态度的改善以及自我认识的提高和知道怎样学习。虽然明确了学生能够以积极态度接受这些教学方法，但还不确定这些教学方法是否与学习成绩有关联。值得注意的是，由于可能受到创新的教学方法的影响，研究结论可能高估了学生对所学知识的理解。为详尽分析这个问题，有两份调研报告用学生认知与教师观察比对，证实了已阐明的结论[10]，即这些教学方法可以促进学习成绩。同时，考虑到调研结果的积极正面，大学本科生偏好自主学习的方法似乎就是一个不争的事实了。

3.3 大学生学习偏好

目前进入高等教育的高中毕业生更喜欢反复试验法的学习方法，就像他们小时候在玩电子游戏一样，喜欢触觉和动觉的学习行为。他们代表了一种被数字工具包围的学习文化——电脑、软件、因特网、电子游戏、数字音乐播放器、视频摄像、即时通讯和手机等。在学校和家里使用这些工具已是司空见惯。

尽管大学多年前思考模式就开始转到适合当今大学生的学习偏好的教学方法[11]，但讲课法仍然是在大学课堂中最广泛使用的教学方法。即使有报告称学习成功与失败并不仅仅取决于学生特点或教学效果，而是取决于学生与学习环境的互动，以及教学内容如何编排和学生如何消化吸收教材两者相适应[12]。而且，在能提问问题、表达观点以及有开放式课堂讨论的学习环境中，学生可以通过与他们的教师互动参与学习。 互动的关键点在于教师的响应能力[12]。然而，在以讲课为主的课堂教学中，学生与教师的互动是有限的。与本研究最相关的原理之一是采用自主学习方法，建议教师使用有效适当的及符合要求的教学方法来激励学生自主学习，取得更好的学习成绩。

3.4 学生特点

在信息技术课程中，除了教学方法之外还有四种影响学生学习成绩的已知因素。它们是数学基础、数学能力、总平均分和学习风格，这些被称为学生特点。微积分学是计算机课程学习成绩中的重要因素（最好有离散数学的基础）[13]。在目前的研究中，数学基础的定义是已完成微积分学的学习。对学生的数学能力研究，主要是以高考的成绩为依据的研究，是最能预测学生学习成绩如何的变量。总平均分是预测初级电脑终端用户技术课程总分的最重要的单项因素。

学习风格指的是学生个体思维的构建方式，这一结构决定了其行为的一致性。大多数学习风格方面的理论学家都将学习偏好归类至不同的模式中。在衡量其属性时，通常会使用自我报告式的学习风格工具，如科尔布的学习风格理论，该理论包括四大学习风格：顺应型、同化型、汇聚型、发散型。

曾有过报道，在大学里具有同化型和汇聚型的学习风格优势的大学生与信息技术课程取得的学习成绩之间有关联。结果显示，倾向于抽象概念模式的大学本科生(即具有科尔布同化与汇聚式的学习风格)，在计算机科学入门课程中表现比那些偏好其他类型学习风格的学生要好[14]。但是，在学生如何与学习环境互动，从而对他们信息技术课程的学习成绩和课程满意度产生影响方面，我们对所有学生特点之间的关系仍然了解不够。这是目前的研究所关注的重要问题，前提是在建构主义学习环境中，各种类型的学生会更好的学习信息技术概念和体验更高级别的课程满意度。

4 结论

根据本研究的分析结果，结合我们的工作实际，我们得出的主要结论是，采用自主学习策略的建构主义学习环境抵消了学习风格偏好的影响。此外，学生反对课程的严格制约，他们偏好一些教学的方法和策略，认为这样对于学习至关重要。

发现 1：在建构主义群体中，个体的学习风格偏好与信息技术流畅性没有关联性，这意味着自主学习策略抵消了学习风格偏好的影响。这与传统学习环境截然相反，在传统学习环境中，有同化型的学习风格偏好的学生比在同样环境中学习的其他学生表现更好。这个发现显示，在建构主义学习环境中制定的自主学习策略满足各类学生的学习偏好。

发现 2：有明确的教学方法和教学思路对在建构主义学习环境中的学生来说更具有吸引力。因此，我们建议使用的建构主义方法是激励学生并且适合学生向教师学习以及与教师互动的最佳方法。使用的自主学习方法范例有：学生展示、模拟、与同伴互动、制作在线作品集、媒介资源的利用、反思写作练习、参与课堂讨论和小组活动等。在建构主义学习环境中教师使用的具体的教学策略包括：(1)对学生提出有挑战性的问题；(2)发起讨论；(3)有效使用不同媒介；(4)提供富有挑战性的作业。

5 建议

以下建议主要面向：高等教育技术课程领域中关注建构主义学习环境相关设计的指导教师和研究人员。建议大学讲授技术课程的教师都能考虑使用建构主义学习环境，因为建构主义学习环境既能促成考试高分和高课程满意度，又能抵消任何学习风格偏向。

建议利用以自主学习策略为基础的建构主义的学习环境，这样可以帮助学生实现信息技术高流畅，从而为适应人力资源市场打下基础。具备信息技术流畅性的学生将会在表达方法、结构、组织、处理、传输、布局与涉及交互完成的活动所需要的技术方面（电脑、网络和软件等），具有信息技术的相关技能、概念知识和知识运用能力。在建构主义学习环境中学到的信息技术流畅性会增加对数学和科学领域感兴趣的学生人数。由于埋头学习，学生经常不了解自己的学习进度，而积极的教学方法会让学生意识到他们的学习进度。而一旦要求学生认真反思，就会实现学习的深度和广度。

既然反思不一定是大学生自觉形成的结果，建议教师模仿反思过程，布置能引起自我评价反应的作业。在建构主义学习环境中，建议使用以下的自主学习的教学方法：学生展示、模拟、同伴反馈、制作在线作品集、媒介资源使用、反思写作练习、参与课堂讨论和小组活动。在建构主义学习环境中建议教师使用的具体的教学策略包括：(1) 对学生提出有挑战性的问题；(2)发起讨论；(3)有效使用不同媒介；(4)布置富有挑战性的与学习相关的作业。

建议在未来研究中，采用前/后设计来测量学生在进入该学科学习前对信息技术概念的了解程度；判断在课程学习结束后信息技术流畅性与课程满意度的差异是否与学习环境相关。另外，建议进行定性研究，或许是案例研究，追踪参与者整个学期来测量他们对信息技术概念的掌握程度。这会洞察他们如何解决现实生活中的信息技术问题，以及学习风格和学习环境如何与实际的解决问题相关。此外，其他的概念结构可能会提供一个有关当代大学生在大学期间学习信息技术概念的积极性的观念。主要是指向那些身为高科技用户却缺乏IT概念性知识的学生。同样地，学生也许不清楚他们对信息技术了解的匮乏，当面临不熟悉的知识时，他们可能会缺乏学习积极性。作为一个心理学上的构思，电脑的自我效能在自我激励方面有着重要作用，尤其是当需要一定的动力来激励自己着手处理不熟悉的任务时。因此，建议要对作为衡量学生学习积极性的学生电脑自我效能做预处理，以便了解这个变量是否影响信息技术流畅性和课程满意度。

[1]BARTHOLOMEW K. Computer literacy: Is the emperor still exposed after all these years?[J]. Journal of Computing Sciences in Colleges, 2004, 20(1): 323-331.

[2]SNYDER L. Fluency with information technology:Skills, concepts and capabilities [M]. Boston: Addison Wesley, 2003.

[3]HARDY C, HEELER P, BROOKS D. Are high school graduates technologically ready for post-secondary education?[J]. Journal of Computing Sciences in Colleges, 2006, 21(4): 52-60.

[4]WULF T. Constructivist approaches for teaching computer programming[C]//Association of Computing Machinery. Proceedings of the SIGITE, Newark, NJ,2005, 245-248.

[5]COLBECK C, CABRERA A, TERENZINI P. Learning professional confidence: Linking teaching practices,students’ self- perception, and gender [J]. The Review of Higher Education, 2001, 24(2): 173-191.

[6]WHITTINGTON K. Infusing active learning into introductory programming courses [J]. Journal of Computing Sciences in Colleges, 2004, 19(5): 249-259.

[7]SMITH G, ESCOTT E. Using animations to support teaching of general computing concepts[C]//As-sociation of Computing Machinery, Proceedings of the Sixth Australian Computing Education Confer-ence 2004,Dunedin, New Zealand, 270-275.

[8]NATVIG L. LINE S. Age of computers: Game-based teaching of computer fundamentals[C]//Annual Joint Conference Integrating Technology into Computer Science Education, Association of Computing Machinery,Proceedings of the 9th annual SIGCSE Conference on Innovation and Technology in Computer Science Education, 2004: 107-111.

[9]CHICKERING A. GAMSON Z. Seven principles for good practice in undergraduate education[J]. AAHE Bulletin, 1987, 39(7): 3-7.

[10]BACKHOUSE J. Learning individual group skills for software analysis and design in Africa [C]//Associa-tion of Computing Machinery. Proceedings of the SIGITE,Newark, New Jersey, 2005: 107-112.

[11]CROSS K P. Leading edge efforts to improve teaching and learning [J]. Change, 2001(4): 31-37.

[12]ABRANTES J. SEABRA C, LAGES L. Pedagogical affect, student interest, and learning performance [J].Journal of Business Research, 2007, 60(9): 960-964.

[13]PIORO B. Introductory computer programming: Gender,major, discrete mathematics, and calculus [J]. Journal of Computing Sciences in Colleges, 2006, 21(5):123-129.

[14]CHAMILLARD A. SWARD R. Exploring student learning: Learning styles across the curriculum [C]//Association of Computing Machinery. Proceedings of the 10th annual SIGCSE Conference on Innovation and Technology in Computer Science Education, ITiCSE,2005, 241-245.