论思维和STEM教育

李业平，SCHOENFELD A H，DISESSA A A，GRAESSER A C，BENSON L C，ENGLISH L D，DUSCHL R A



论思维和STEM教育

李业平1，SCHOENFELD A H2，DISESSA A A2，GRAESSER A C3，BENSON L C4，ENGLISH L D5，DUSCHL R A6

（1．德克萨斯农工大学 教学与文化系，德克萨斯州 77843，美国；2．加利福尼亚大学伯克利分校，加利福尼亚州 94720，美国；3．孟菲斯大学，田纳西州 38152，美国；4．克莱姆森大学，南卡罗来纳州 29634，美国；5．昆士兰科技大学，布里斯班 4000，澳大利亚；6．南卫理公会大学，德克萨斯州 75205，美国）

随着全球化的STEM教育领域的迅速发展，各国对跨学科研究以及开发更新、更深入的STEM教育的学术研究的呼声也越来越高．文章聚焦思维这个话题，首先从历史发展的视角，简要概括分析了有关思维的不同观点，包括哲学的、心理的和学科的，揭示了思维概念和研究的历史传承．但在新兴的STEM教育背景下，思维需要重新概念化．文章提出了思维是多元的观点，初步探讨了STEM融合教育的这种方式，能够为学生提供充分的机会来有效地发展多元思维模式，并对未来关于思维的研究提出了可能的新研究领域和方向．

思维；思维模式；STEM教育；STEM融合；STEM思维

1 引言

长期以来，数学和科学学科在全球范围内的K-16（12年中小学和4年大学）教育中一直扮演着重要角色．例如，国际教育成就评价协会（International Association for the Evaluation of Educational Achievement，简称IEA）在调查世界各地的学校教育成果时，将数学和科学确定为重要的学校科目．IEA于1964年对12个参与国进行了第一次国际学校数学调查研究（Husén，1967[1]），并于1970—1971年对19个参与国进行了第一次以生物、化学和物理学科为重点的国际学校科学调查研究（Comber和Keeves，1973[2]）．虽然在K-16教育历史中，增加或改变一门学科或课程并不是新话题，但是下面这些问题值得思考：是什么使得技术和工程学科在加入学校教育后，变得如此特别，并且仍然保持数学和科学学科的重要性？教师亦或应该期望学生的学习，在加入技术和工程学科之后，有什么根本不同吗? 是什么使科学、技术、工程和数学（STEM）的结合对学生的知识学习和思维发展有特殊的意义？显然，在STEM教育中，有更多的问题，而不是答案．

创造STEM本身的首字母缩写并不足以证明，为什么STEM教育过去十几年在国际上吸引了如此多的关注．人们认识到STEM教育的重要性，是因为它能够帮助不同类型的学生为未来STEM专业不断增长的就业机会做好准备，并为整个国家的技术创新和繁荣与国家安全做出贡献【如，STEM教育委员会（Committee on STEM Education），2018[3]；美国国家科学院、工程院和医学院（National Academies of Sciences, Engineering, and Medicine），2007[4]；国家科学基金（National Science Foundation），2010[5]；美国教育部（U.S. Department of Education），2016[6]】．然而，与此同时，对STEM教育，也有学者存在着持续的怀疑和批评．认为STEM只是一种迷思，与关注人文的教育重点并无关系，也不会给学校教育带来预期的好改变（如，Hacker，2016[7]；Zakaria，2015[8]）．尽管存在这样的一些疑问和批评，但在国际上，对许多教育工作者和决策者来说，STEM教育带来了教育改革的希望，无论是现在还是将来，学生都会从STEM教育中受益．为此，他们也在寻找新的、强有力的学术研究来支持STEM教育，支持教育改革（Li，2018[9]）．

发展STEM教育研究不是一件易事，因为它需要团队、领域社区和跨学科的合作，以及教育工作者长期的奉献．基于这样的理解，《STEM教育研究学报》（）的编辑委员会成员被邀请来提出一些有关STEM教育的问题和观点，以反映和促进全球STEM融合教育的快速发展．为此，利用该期刊作为一个平台来发起、发展和鼓励跨学科的STEM教育的讨论和研究．这样做，研究者并不希望这些讨论和研究会局限期刊所关注的问题的范围．事实上，有许多与STEM教育相关的重要主题和问题仍有待探索，特别是涉及STEM融合教育，但是这些期刊评论文章仍然可以帮助研究者和读者了解哪些主题、话题或问题可能与《STEM教育研究学报》相关．

该文章从思维这个话题开始，这不仅是因为思维是教育中的一个共同焦点，而且，学生在STEM教育中或通过STEM教育来发展思维会变得特别有价值．接下来将简要概述有关思维的概念和研究，并分享关于如何概念化思维的一些不同观点以及相关问题．由此提出，思维需要重新概念化，不同于传统心理学研究那样，把思维仅仅看作是一个基于个人的认知过程．这里提出了一种思维是多元的观点，此观点认为：思维可以被划分为有层次的多元模型．基于这个观点，进一步探讨了STEM融合教育的这种独特方式，能够为学生提供充分的机会来有效地发展多元思维模式．

2 思Ａ维的概念和相关研究

思维是每个人每天都在进行的活动，它具有不同的形式和功能．一个多世纪以来，学者们一直对思维这一主题研究具有浓厚的兴趣，并发展了许多新方法和理论来概念化思维、研究思维．主要基于个人内在思想活动的思维研究，已经从哲学讨论发展到跨学科的心理学研究．在此，简要回顾和总结其中一些与STEM有密切联系的研究．

2.1 哲学视角下的思维

美国最著名的哲学家和教育家之一杜威，在他的经典著作《我们如何思考》（Dewey，1910[10]）中，从哲学的角度探讨了思维的问题．他认为思想（thought）和思维（thinking）是可以互换的，并在著作中分享了他对下面一些问题的观点．如，什么是思想？思想可以训练吗？什么样的自然资源可以用来训练思想？他通过对理性思维、科学探究、归纳演绎推理过程和师生关系等问题的分析，为教师提供哲学指导．他对作为反思的双重运动的归纳和演绎思维进行了细致分析，并以此显示出逻辑推理的重要特点，这种逻辑推理可适用于科学实验和医生诊断等多种场合．时至今日，他的哲学讨论一如既往地鼓舞着教育工作者．然而他将思维概念化为个体思想中所发生的不能直接观察或感知的活动．这限制了他只从一般的角度来讨论思维，而不是作为一种实证性和系统性的研究．

2.2 思维是个体在问题解决活动中的认知过程和策略

将思维概念化为个体的认知过程和策略，一直是认知心理学研究的重要内容．在20世纪五六十年代引入信息处理方法后，研究问题解决的方法出现了革命性的改变（Hovland，1952[11]；Hunt，1962[12]；as Cited in Simon，1979[13]）．随着计算机技术的发展，心理学家具备了使用计算机来模拟人类解决问题的能力（Newell和Simon，1972[14]）．在人类问题解决和计算机模拟的实证研究证据的支持下，计算机的信息处理过程被用来概念化人类思维中的信息处理过程，其结构组成部分包括短期记忆、长期记忆以及类似计算机构造的相关机制．虽然Newell和Simon（1972）[14]在《人类问题解决》一书中构建了一个超越问题解决的人类认知的一般理论，但在这本开创性的著作中，思维主要被当作问题解决来研究．

西蒙（Simon）将“解决问题的人”的信息处理模型从Newell和Simon（1972）[14]的书中扩展到《思维模型》（Simon，1979[13]）中关于“思维的人”的概念，这本书收录了西蒙与包括心理学家和计算机科学家在内的其他人合作撰写的多篇期刊文章．10年后，《思维模型》的第二卷问世（Simon，1989[15]）．因为有了“思维的人”的概念，西蒙能够在广泛的任务领域开展不同的关于思维的研究，如学习和记忆、问题解决、规则诱导、概念获取和自然语言的理解等．这些可以被视为“思维的人”在这些领域构建的思维模型．西蒙将思维的人的信息处理概念化并建模，认为其包含可以并且应该合并成一个连贯的整体（Simon，1979[13]）．因此，人类的思维从根本上被概念化，并被建模为一个普遍的、连贯的认知过程，在个体的头脑中有不同的组成部分．

虽然许多年前用计算机模拟了人类的认知过程，但在人脑中处理信息的量化概念本身，就像在计算机中发生的那样，确实很强大，至今仍有很大的影响．人类认知的信息加工理论主要是在卡内基梅隆大学创立和发展的．来自该所大学的Jeannette M. Wing曾在一篇简短的文章中论述到，计算思维（computational thinking）代表了“一种普遍适用的态度和技能，每个人（不仅仅是计算机科学家）都会渴望学习和使用它”（Wing，2006[16]）．这篇文章引起了广泛的兴趣和关注，并引发了关于计算思维对所有现代STEM学科（如Henderson、Cortina、Hazzan和Wang，2007[17]）及其在中小学教育中的地位的讨论（如Grover和Pea，2013[18]）．为了进一步阐明计算思维，有些学者提出了一些质疑（如diSessa，2018[19]）．此外，一种可能的重要替代方案：计算素养，也被提出来，它具有丰富计算思维的含义（diSessa，2018[19]）．简而言之，计算素养规避了Wing的观点，即计算能力的重要性在于强大的通用技能，这些技能可以通过使用计算机来开发．相反，计算可以改变特定领域的智力图景（intellectual landscape），就像阿拉伯符号完全改变了“算术”的做法以及谁能做算术；代数和微积分将物理学的研究从哲学探索转变为严谨、精确的实证追求（diSessa，2000[20]）．更广泛地说，这些学术的发展和报告表明，密切关注计算思维、STEM教育中相关概念以及在未来对其进行更深入研究的重要性．

需要指出的是，对学生个体思维的研究已发展成设计和实证检验研究，如上面讨论的信息处理方法的研究．它已经超越了思维的一般概念化．此外，研究人员还使用了其它方法，如教学实验，来研究学生个体思维技能的获得和发展（Chipman、Segal和Glaser，1985[21]；Segal、Chipman和Glaser，1985[22]）．相关研究以实验研究和实证分析为支撑，对思维进行了概念化和研究，这标志着过去学术界对思维在理论和研究方法上的发展．

当关注个体的思维作为一个独立实体时，上述思维的概念和模式对其产生了很大的影响．然而，无论是在K-16 STEM教育的背景下还是在工作场所，思维和学习往往发生在一个群体中（Autor、Levy和Murnane，2003[23]；Fiore、Graesser和Greiff，2018[24]）．当考虑到学生在合作解决问题（如Graesser，2018[25]）和课堂讨论和论证（如Duschl和Osborne，2002[26]）等情况下，即不是独自做着而是与他人一起工作和讨论时，思维和技能需求及发展哪些方面是否会出现重要的差异．Graesser等人认为，合作问题解决（collaborative problem solving，CPS）需要一套认知和社交技能，这与传统的个体问题解决研究所揭示的不同（Graesser，2018[25]）．这些独特的认知和社交技能包括：

共享理解：团队成员在解决新问题时具有共同的目标．

问责制度：每个成员所做的贡献对团队的其他成员是可见的．

差异化角色：团队成员利用自己的专业知识来完成不同的任务．

相互依赖：团队成员依靠他人的贡献来协作解决问题．

Graesser等人进一步指出，目前的学校课程和教学通常侧重于关注任务和学科知识的获得，很少强调提高学生有效沟通能力和合作能力（Fiore，2018[24]；Graesser，2018[26]）．这一点与STEM教育能为学生提供潜在的小组合作机会相呼应，即通过有意义的指导、建模和合作反馈，让学生参与群体活动．Graesser等人的工作确定了合作问题解决的基本认知和社会技能组成部分，超越了传统的、基于个人的认知过程对思维的概念化．

2.3 思维被视为基于学科的个人认知的努力

许多心理学以外的学者，如数学家、科学家和教育家也从他们独特的角度来研究思维．斯坦福大学的数学家乔治·波利亚（George Polya）在1945年出版了《如何解决问题》[27]（）一书．该书为解决很多不同的数学和非数学问题提供了一般性的启发性策略．在这本书中，思维被概念化为使用启发式（或策略）作为技术来解决问题．与提供认知过程理论来理解问题解决的心理学研究不同，Polya倾向于为数学教师提供实用的建议．他在书中提出了一种研究解决问题的数学方法．

20世纪80年代，问题解决在数学教育中受到了高度重视．当时美国提出将问题解决作为学校数学的核心（National Council of Teachers of Mathematics，1980[28]）．研究工作也集中在对数学问题解决的研究上．例如，Schoenfeld在其著作《数学问题解决》[29]（1985）中构建了一个框架，其中包括4类问题解决技能：知识库、启发式、监控和自我调节以及信念．这个分析问题解决的框架表明，仅仅了解启发式不足以保证能够成功地解决问题．Schoenfeld通过实验和详细的数据分析来支持他的框架．这些实验和数据分析说明了如何将Polya的启发式教学变得可以适合不同的学生．虽然基于学科（或特定学科领域）的知识是解决数学问题的关键，但Schoenfeld在框架中强调的思维技能实际上包括特定学科领域和一般学科领域的组成部分．将特定学科领域和一般领域的思维技能均纳入其中，这与美国和国际上问题解决评估的观点（如，国际学生评估项目，简称PISA）相一致（Greiff，2014[30]）．

Schoenfeld基于自己在数学问题解决方面的工作，也研究了数学教学，特别是教师如何在课堂互动中做出决策（Schoenfeld，2011[31]）．他提出了一种决策理论，描述了教师和个人如何在他们熟悉的领域中，在瞬间做出决策．不把思维作为单独的内部认知过程，Schoenfeld的研究工作与他在数学问题解决的工作一致，凸显出资源（尤其是他们的先验知识和手头的工具）、取向（泛化的信仰，包括价值观和偏好）和目标（通常被选中的是基于他们的方向和可用资源）如何在一起相互作用．Schoenfeld强调这种决策理论，超越个体的认知过程，几乎在所有知识丰富的领域都可以适用（Schoenfeld，2014[32]）．这样一个研究揭示思维及其影响因素的扩展概念，可能进一步包括一个人的经历、可利用的外部资源、非认知特征、环境和文化因素．这与现在研究揭示的有关学习的研究一致（National Research Council，2018[33]）．

为了给不同学科的教学提供理论视角和指导，研究者需要对学科教育的思维进行研究．许多类型的思维常被确定和研究为与某些特定学科相关，但与其它学科的相关程度则很低或无关．例如，对数学和数学推理的更广泛的观点认为，推理是“有载体的”和“想象的”，而不仅是传统意义上的“抽象”和“不具载体的”（English，1997[34]；Lakoff和Núñez，2000[35]）．在English（1997）[34]的《数学推理》一书中，这种更广泛的数学和数学推理的观点允许此书的作者们讨论如何帮助学生对具体和可视材料的物理体验转化为抽象思维的模型，以及类比、隐喻和图形等“思维工具”在数学推理中的作用．与此同时，在学科思维的研究中，研究者往往开发和使用多种方法．如在数学思维研究上，Sternberg和Ben-Zeev（1996）[36]在他们编辑的著作《数学思维的本质》中指出：关于数学思维的研究可以采取一系列不同的方法，包括心理计量学方法、认知信息处理方法、认知文化方法、认知教育方法和数学方法．从实践的角度来看，虽然数学思维，尤其是归纳推理和演绎推理，在不同的STEM学科中经常被认为是普遍需要的，但传统上，提高学生的数学思维是留给数学教育者和数学教师的任务．因此，以学科为基础的教育者和教师之间，在培养学生思维方面缺乏沟通，也就不足为奇了．一个可能的因素是，基于学科的思维传统上强调了特定学科（如数学）的重要性，而使得其它认知成分几乎不可见，这并不符合Schoenfeld的问题解决框架所揭示的内容．

基于学科的方法也可以在其它STEM学科的思维研究中找到．例如，设计思维经常与创新联系在一起（如，Leavy，2010[37]），而工程被视为设计思维背后的驱动力（Simon，1996[38]）．虽然设计思维对于21世纪的学生来说很重要（Razzouk和Shute，2012[39]），但它并不是传统数学和科学教育工作者所关注的一种重要的思维和技能，这在学校教育中留下了空白，并无法帮助学生在当今竞争激烈的世界中做好创新和成功的准备．与此同时，对设计思维学科方面的重视，往往使工程成为培养学生设计思维的唯一学科．尽管工程设计作为STEM教育的一个重要组成部分，在近年来，受到了广泛关注（McFadden和Roehrig，2018[40]；Park和Bates，2018[41]；Strimel、Bartholomew、Kim和Zhang，2018[42]），但是仍然需要更多的研究来探索在学校教育中，尤其是通过STEM教育，整合和发展设计思维的可能方式．

进一步来说，批判性思维和创造力是文献和教育中广泛讨论的另外两种认知能力（Lai，2011[43]；Loveless，2002[44]；Sternberg，1999[45]；Tiwari、Lai、So和Yuen，2006[46]）；在一定程度上，学校的科学和数学教育领域中也讨论这两种认知能力（Bailin，2002[47]；Kind和Kind，2007[48]；Silver，1997[49]）．与设计思维类似，批判性思维和创造力在教育中都受到高度重视，被认为是21世纪学生的重要认知能力（Pellegrino和Hilton，2012[50]）．与设计思维不同的是，批判性思维和创造力更多地被视为领域的一般认知能力．具体地说，背景知识被认为是在特定学科中进行批判性思维的必要条件，但不是充分条件．与此同时，批判性思维在多大程度上是特定领域的，这是有争议的（Lai，2011[43]）．在STEM学科中，创造力的重要性得到了普遍的认可和高度的重视．然而，创造力与艺术的关系常被认为是非常密切的，包括视觉艺术和文学艺术，而不关注和研究STEM如何可能在学校教育中有助于培养学生的创造力．关于STEM教育中的批判性思维和创造力，显然还有许多问题有待探索．例如，批判性思维和创造力之间有什么不同，或者有什么联系？它们与设计思维有何不同，或有何重叠之处？如何将批判性思维和创造力整合到学校教育中，尤其是通过STEM教育来促进学生的思维发展？通过个人活动和小组合作来培养学生的批判性思维和创造力会有什么不同？这些问题都需要进一步地研究．

3 STEM教育中思维的问题化

以上是对思维的概念和研究的简要概述，概括了相关学术发展的大致脉络．显然，在过去的一百多年里，学术界已经发展了关于思维的不同观点和方法，即使是在同一学科中，比如数学思维，也有很多不同的观点和方法．然而，以往关于思维的研究大多是在实验室环境中，或是基于特定学科个体的认知过程．这些方面的学术研究也使得研究者提出了两个主要问题：第一，虽然特定学科领域的思维对特定学科有其独特的价值，但是如何在STEM教育中更广泛地概念化思维？第二，在STEM教育中，当学生不是单独学习，而是经常与他人合作和互动时，如何概念化思维？

先前的工作指出，STEM教育需要重新概念化思维．具体来说，在以往的研究中，基于学科的思维倾向于指定和强调基于内容的方法，而不是强调与其它学科思维之间的联系．STEM教育不同于传统的单一学科的独立分科式教育，它是一门多学科甚至交叉学科的教育．以前关于特定学科领域思维的概念应该受到质疑．此外，由于缺乏对学生协作互动的关注，使得传统的思维观念在STEM教育中受到质疑．学生小组合作工作的重点是帮助他们发展那些在21世纪对他们来说很重要的技能．现在现实世界上的很多问题已经变得相当复杂，复杂到一个人无法对每个问题都能提供详细的解决方案．相反，往往需要一个拥有不同专业知识和视角的团队来交流合作，从而使复杂的解决方案得以实施开展．例如心脏病的医学治疗，以及社区水质的改善．因此，研究人员认为，基于学生群体的协作问题解决和讨论，会要求一系列不同于学生个体工作的认知和社交技能（Duschl和Osborne，2002[26]；Graesser，2018[25]），而STEM教育确实有助于学生群体在特定的社会文化环境中进行协作，并发展相关的认知和社交技能．

（1）有STEM思维吗？如果有，应该如何定义和表征？

近年来，关于思维的研究有从一般领域向特定领域发展的趋势，这一趋势也体现在对从一般学习模型到特定学科学习轨迹的研究中（如，Greene、Sandoval和Braten，2016[51]）．但与此同时，特定领域思维和一般领域思维并不是泾渭分明的，思维本身就是一个复杂的过程，涉及到许多不同的组成部分．一般思维通常源自人类在不同知识领域中的思维表现，比如解字谜过程（背景学科知识不丰富的领域），或解代数方程（背景学科知识丰富的领域）．特定领域的思维通常以其学科内容为特征，但也涉及更一般的认知成分．换言之，特定领域的思维应该同时包含特定领域和认知活动的一般方面．例如，数学家的思维不仅仅是数学（知识的组成部分）；他可以与生物学家的思维共享可能的共同元素（如元认知和元表征的某些方面）．

同样的道理也适用于特定学科的学生．例如，如上所述，Schoenfeld的问题解决框架（Schoenfeld，1985[29]）说明了数学问题解决的某些方面在很大程度上是学科特定的，如数学内容知识；一些方面依赖以学科为导向的，如策略和信念，一些方面非常像一般学科共同领域的，如元认知．总而言之，有许多思维的组成部分可以在STEM学科中共享，这就出现了一个普遍的问题：有多少思维是特定于某领域的，有多少是通用于一般领域的，又有多少是介于两者之间的．

STEM不是一个单一的领域或学科．然而，当STEM教育作为一系列特定的活动来发展和实施时，通过这些活动来发展学生的思维是否可以被称为STEM思维呢？如果是，STEM思维应该如何定义并描述为不同于其它特定学科的思维呢？如果STEM思维可以用一种有意义的方式来定义，那么它与其它独立学科，如数学思维，有多少重叠呢？

与此同时，目前的文献表明对STEM教育的定义是不明确严谨的，可以有不同的解释（Li，2018[52]）．STEM教育和研究可以指传统上分离的学科教育的集合，也可以是以特定的方式将选定的学科（不一定是STEM中的所有4个学科）整合在一起．关于STEM和STEM教育的不同观点将对STEM思维的特征，以及它是否能够被有意义地定义、研究和评估提出另一个挑战．如果对STEM思维进行定义仍然有一种可行的可能性，那么还需要对此进一步研究和讨论．

（2）当融合本身也在变化时，STEM融合教育中的思维应该如何重新概念化？

《STEM教育研究学报》旨在促进跨学科研究的发展，尤其是STEM融合教育（Li，2018[9]）．然而，目前STEM融合本身也有不同的观点（如，English，2016[53]）．此外，STEM的两科、三科、四科或与非STEM的学科之间亦可相互融合．然而，所有STEM融合教育的一个共同特点是涉及多个学科．因此，将STEM融合活动中的思维概念化为多元的形式，是否比基于特定学科相关的单一模型（例如数学推理）形式更合理？

把思维看成是多元的与把思维看成包含不同成分是两个不同的概念．传统的思维观是被一个单一的基于个体的认知过程所主导，这个认知过程作为一个整体，包含几个组成部分，如Simon的思维模型（Simon，1979[13]；1989[15]）所示．相反，STEM融合教育的思维应更好地重新概念化，并分化为多个模式．个体模式可以从个体或群体活动中被识别并发展出来．个体模式也可以指一般学科思维或基于特定学科的思维，这是以前研究的重点，如数学推理、计算思维、设计思维和批判性思维．个体模式可以进一步受到社会文化环境的影响，比如学生所习惯的语言（National Research Council，2018[33]）．此外，思维也可以划分为多个层次，如同diSessa（2015）[54]根据不同的层次定义知识的学习；以及Graesser和McNamara（2011）[55]将谈话理解划分为多个层次．然而，同样重要的是，对于每一种思维模式要弄清楚思维水平是如何划分的．例如，Simon（1979）[13]指出，思维可以在信息处理的层面上进行划分．Wing（2006）[16]认为计算思维可以在不同的抽象层次上进行划分．

当学生的思维集中在一门学科或在实验室环境中作为个体进行研究时，多种思维模式的视角将不明显．STEM融合教育的本质明显不同于传统的以学科为基础的教育，它需要对思维作为一种过程或活动进行质疑，需要重新概念化思维，这种过程或活动可以划分为多个模式，它可以发生在个体的思维中，也可以发生在个体之间的互动中．多元思维模式的视角表明，当明确了特定的思维模式，可以精心组合一系列有意义的、适当的材料、方法和活动，使得学生的学习和思维发展效果更好．如果这个观点是有意义的，并且能够被采纳，那么很明显，STEM教育应是处于独特的位置，并可以为学生提供发展多种思维模式的机会．对这一前景进行进一步地讨论和发展很有必要．

4 联结STEM融合教育中思维的发展和21世纪技能的培养

在全球范围内，对学生学习和发展21世纪技能的呼吁已经持续多年（如，Dede，2010[56]；Trilling和Fadel，2012[57]）．与STEM教育的发展类似，21世纪技能的发展是由在当今高度竞争的世界中培养劳动力的需求驱动（Trilling和Fadel，2012[57]）．关于21世纪技能，也有多个框架被提出，如21世纪技能合作伙伴（P21）、Metiri / NCREL的EnGauge框架、经济合作与发展组织（OECD）21世纪技能（Dede，2010[56]）．然而，在这些框架中，对21世纪技能的详细阐述和定义亦不尽相同．

为了阐明21世纪技能和“深度学习”的意义，美国国家科学院国家研究委员会（National Research Council of National Academies）的一个下属分支发布了一份题为《为生活和工作提供教育：在21世纪发展可迁移的知识和技能》（）的报告（Pellegrino和Hilton，2012[50]）．在这份报告中，委员会确定了3个能力领域：认知（cognitive）、人际关系（interpersonal）、个人内在（intrapersonal）；同时认为这3个领域代表了人类思维的不同方面，并基于先前努力，识别和组织人类行为的维度．在该报告中列出的这3个领域与上面讨论的多种思维模式的观点是一致的．这些共同之处表明，在未来的研究议程里，应该进一步探讨21世纪技能、多种思维模式以及STEM教育这3个领域．

STEM教育的确应为学校教育带来新的视角和机会．学生在传统学校教育中能够学习什么、做什么，应该学习什么、应该做什么，也需要质疑，需要重新概念化．希望这篇以思维为主题的文章能在STEM教育中激发更多关于这个话题的讨论和研究．思维在教育中尤为重要，因研究者不仅想了解人们是如何进行思维的，而且还想找到在21世纪的时代背景下如何培养学生的新的思维方法．在发掘了许多有关思维的新问题之后，亦将欣于继续讨论此话题，请继续关注．

注：经Springer出版社的许可，《数学教育学报》翻译刊出：LI Ye-ping, SCHOENFELD A H, DISESSA A A, et al. On thinking and STEM education [J]. Journal for STEM Education Research, 2019, 2 (1): 1–13.

[1] HUSÉN T. International study of achievement in mathematics: A comparison of twelve countries [M]. Stockholm: Almqvist & Wiksell, 1967: 1–30.

[2] COMBER L C, KEEVES J P. Science education in nineteen countries: An empirical study [M]. Stockholm: Almqvist & Wiksell: 1973: 1–403.

[3] Committee on STEM Education, National Science & Technology Council, the White House. Charting a course for success: America’s strategy for STEM education [EB/OL]. [2019–02–21]. https://www.whitehouse.gov/wp-content/ uploads/2018/12/STEM-Education-Strategic-Plan-2018.pdf.

[4] National Academies of Sciences, Engineering, and Medicine. Rising above the gathering storm: Energizing and employing America for a brighter economic future [M]. Washington, DC: The National Academies Press, 2007: 1–590.

[5] National Science Foundation. Preparing the next generation of STEM innovators: Identifying and developing our nation’s human capital [M]. Arlington, Washington DC: the Author, 2010: 1–49.

[6] U.S. Department of Education. STEM 2026: A vision for innovation in STEM education [EB/OL]. [2019–02–21]. https://innovation.ed.gov/files/2016/09/AIR-STEM2026_Report_2016.pdf.

[7] HACKER A. The math myth: And other STEM delusions [M]. New York: The New Press, 2016: 1–240.

[8] ZAKARIA F. Op-ed: Why America’s obsession with STEM education is dangerous [EB/OL]. [2019–02–21]. https://www.washingtonpost.com/opinions/why-stem-wont-make-us-successful/2015/03/26/5f4604f2-d2a5-11e4-ab77-9646eea6a4c7_story.html?utm_term=.f500b2caa6e6.

[9] LI Y. Journal for STEM education research----promoting the development of interdisciplinary research in STEM education [J]. Journal for STEM Education Research, 2018, 1 (1–2): 1–6.

[10]  DEWEY J. How we think [M]. Boston, MA: D.C. Heath & Co, 1910: 1–224.

[11]  HOVLAND C I. A “communicational analysis” of concept learning [J]. Psychological Review, 1952 (59): 461–472.

[12]  HUNT E B. Concept formation [M]. New York, NY: Wiley, 1962: 1–10.

[13]  SIMON H A. Models of thought [M]. New Haven, CT: Yale University Press, 1979: 1–524.

[14]  NEWELL A, SIMON H A. Human problem solving [M]. Englewood Cliffs, NJ: Prentice-Hall, 1972: 1–920.

[15]  SIMON H A. Models of thought [M]. New Haven, CT: Yale University Press, 1989: 1–524.

[16]  WING J M. Computational thinking [J]. Communications of the ACM, 2006, 49 (3): 33–36.

[17]  HENDERSON P B, CORTINA T J, HAZZAN O, et al. Computational thinking [M]. Proceedings of the 38th ACM SIGCSE Technical Symposium on Computer Science Education (SIGCSE ’07). New York, NY: ACM Press, 2007: 195–196.

[18]  GROVER S, PEA R. Computational thinking in K-12: A review of the state of the field [J]. Educational Researcher, 2013, 42 (1): 38–43.

[19]  DISESSA A A. Computational literacy and “The Big Picture” concerning computers in mathematics education [J]. Mathematical Thinking and Learning, 2018, 20 (1): 3–31.

[20]  DISESSA A A. Changing minds: Computers, learning, and literacy [M]. Cambridge, MA: MIT Press, 2000: 1–270.

[21]  CHIPMAN S F, SEGAL J W, GLASER R. Thinking and learning skills----Research and open questions [M]. New York, NY: Routledge, 1985: 1–640.

[22]  SEGAL J W, CHIPMAN S F, GLASER R. Thinking and learning skills----Relating instruction to research [M]. New York, NY: Routledge, 1985: 1–554.

[23]  AUTOR D H, LEVY F, MURNANE R J. The skill content of recent technological change: An empirical exploration [J]. Quarterly Journal of Economics, 2003: 118 (4): 1 279–1 334.

[24]  FIORE S M, GRAESSER A C, GREIFF S. Collaborative problem-solving education for the twenty-first-century workforce [J]. Nature Human Behavior, 2018 (2): 367–369.

[25]  GRAESSER A C, FIORE S M, GREIFF S, et al. Advancing the science of collaborative problem solving [J]. Psychological Science in the Public Interest, 2018, 19 (2): 59–92.

[26]  DUSCHL R A, OSBORNE J. Supporting and promoting argumentation discourse in science education [J]. Studies in Science Education, 2002, 38 (1): 39–72.

[27]  PÓLYA G. How to solve it: A system of thinking which can help you solve any problem [M]. Princeton, NJ: Princeton University Press, 1945: 1–284.

[28]  National Council of Teachers of Mathematics. An agenda for action [M]. Reston, VA: The author, 1980: 1–30.

[29]  SCHOENFELD A H. Mathematical problem solving [M]. Orlando, FL: Academic Press, 1985: 1–409.

[30]  GREIFF S, WÜSTENBERG S, CSAPÓ B, et al. Domain-general problem solving skills and education in the 21st century [J]. Educational Research Review, 2014 (13): 74–83.

[31]  SCHOENFELD A H. How we think: A theory of goal-oriented decision making and its educational applications [M]. New York, NY: Routledge, 2011: 1–326.

[32]  SCHOENFELD A H. What makes for powerful classrooms, and how can we support teachers in creating them? A story of research and practice, productively intertwined [J]. Educational Researcher, 2014, 43 (8): 404–412.

[33]  National Research Council. How people learn II: Learners, contexts, and cultures [M]. Washington, DC: National Academy Press, 2018: 1–346.

[34]  ENGLISH L D. Mathematical reasoning: Analogies, metaphors, and images [M]. New York, NY: Routledge, 1997: 1–359.

[35]  LAKOFF G, NÚÑEZ R. Where mathematics come from: How the embodied mind brings mathematics into being [M]. New York, NY: Basic Books, 2000: 1–492.

[36]  STERNBERG R J, BEN-ZEEV T. The nature of mathematical thinking [M]. New York, NY: Routledge, 1996: 1–335.

[37]  LEAVY B. Design thinking----A new mental model of value innovation [J]. Strategy & Leadership, 2010, 38 (3): 5–14.

[38]  SIMON H A. The sciences of the artificial [M]. 3rd ed. Cambridge, MA: MIT Press, 1996: 1–252.

[39]  RAZZOUK R, SHUTE V. What is design thinking and why is it important [J]. Review of Educational Research, 2012, 82 (3): 330–348.

[40]  MCFADDEN J, ROEHRIG G. Engineering design in the elementary science classroom: Supporting student discourse during an engineering design challenge [J]. International Journal of Technology and Design Education, 2019 (2): 231–262.

[41]  PARK D Y, PARK M H, BATES A B. Exploring young children’s understanding about the concept of volume through engineering design in a STEM activity: A case study [J]. International Journal of Science and Mathematics Education, 2018, 16 (2): 275–294.

[42]  STRIMEL G J, BARTHOLOMEW S R, KIM E, et al. An investigation of engineering design cognition and achievement in primary school [J]. Journal for STEM Education Research, 2018, 1 (1–2): 173–201.

[43]  LAI E R. Critical thinking: A literature review [EB/OL]. [2019–02–02]. http://images.pearsonassessments.com/images/ tmrs/CriticalThinkingReviewFINAL.pdf.

[44] LOVELESS A M. Literature review in creativity, new technologies and learning [EB/OL]. [2019–02–02]. https:// telearn.archives-ouvertes.fr/hal-00190439/document.

[45]  STERNBERG R J. Handbook of creativity [M]. Cambridge, UK: Cambridge University Press, 1999: 1–309.

[46]  TIWARI A, LAI P, SO M, et al. A comparison of the effects of problem-based learning and lecturing on the development of students’ critical thinking [J]. Medical Education, 2006 (40): 547–554.

[47]  BAILIN S. Critical thinking and science education [J]. Science & Education, 2002, 11 (4): 361–375.

[48]  KIND P M, KIND V. Creativity in science education: Perspectives and challenges for developing school science [J]. Studies in Science Education, 2007, 43 (1): 1–37.

[49]  SILVER E A. Fostering creativity through instruction rich in mathematical problem solving and problem posing [J]. ZDM-The International Journal on Mathematics Education, 1997 (29): 75–80.

[50]  PELLEGRINO J W, HILTON M L. Education for life and work: Developing transferable knowledge and skills in the 21st century [M]. Washington, DC: The National Academies Press, 2012: 1–242.

[51]  GREENE J A, SANDOVAL W A, BRÅTEN I. Handbook of epistemic cognition [M]. New York, NY: Routledge, 2016: 1–530.

[52]  LI Y. Four years of development as a gathering place for international researchers and readers in STEM education [J]. International Journal of STEM Education, 2018 (5): 54.

[53]  ENGLISH L D. STEM education K-12: Perspectives on integration [J]. International Journal of STEM Education, 2016 (3): 3.

[54]  DISESSA A A. Commentary: How science is done [M] // DISESSA A A, LEVIN M, BROWN N J S. Knowledge and interaction: A synthetic agenda for the learning sciences. New York, NY: Routledge, 2015: 525–550.

[55]  GRAESSER A C, MCNAMARA D S. Computational analyses of multilevel discourse comprehension [J]. Topics in Cognitive Science, 2011 (3): 371–398.

[56]  DEDE C. Comparing frameworks for 21st century skills [M] // BELLANCA J, BRANDT R. 21st century skills: Rethinking how students learn. Bloomington, IN: Solution Tree Press, 2010: 51–75.

[57]  TRILLING B, FADEL C. 21st century skills: Learning for life in our times [M]. San Francisco, CA: Jossey-Bass, 2012: 1–244.

On Thinking and STEM Education

LI Ye-ping1, SCHOENFELD A H2, DISESSA A A2, GRAESSER A C3, BENSON L C4, ENGLISH L D5, DUSCHL R A6

(1. Texas A & M University, College Station, Texas 77843, USA;2. University of California-Berkeley, Berkeley, California 94720, USA;3. University of Memphis, Memphis, Tennessee 38152, USA;4. Clemson University, Clemson, South Carolina 29634, USA; 5. Queensland University of Technology, Brisbane 4000, Australia;6. Southern Methodist University, Dallas, Texas 75205, USA)

The rapidly evolving and global field of STEM education had placed ever-increasing calls for interdisciplinary research and the development of new and deeper scholarship in and for STEM education. In this editorial, we focused on the topic of thinking, first with a brief overview of related studies and conceptions in the past. We then problematize a traditional conception of thinking in the context of STEM education, and propose possible alternative perspectives about thinking areas for future research.

thinking; models of thinking; STEM education; STEM integration; STEM thinking

2019–03–16

李业平（1964—），男，浙江建德人，美国德克萨斯农工大学终身教授，博士生导师，《国际STEM教育学报》和《STEM教育研究学报》杂志创刊主编，主要从事数学教育、STEM教育和教师教育研究．

G420

A

1004–9894（2019）03–0070–07

李业平，SCHOENFELD A H，DISESSA A A，等．论思维和STEM教育[J]．数学教育学报，2019，28（3）：70-76．

[责任编校：周学智、陈隽]