知识分类与教学设计：基于KLI理论的解释

刘爽

〔摘要〕目前，教育与学习研究中存在一个热议的话题，即在教学中教师应该为学生提供多少指导？Koedinger等人于2012年提出了知识-学习-教学（KLI）理论框架，为解决这个问题提供了一个新思路。该理论将知识、学习过程和教学决策进行了分类，围绕知识的种类分析了知识、学习和教学之间的关系。本文关注该理论中的知识种类的划分，并阐述知识分类对教育设计的启示。

〔关键词〕知识分类； 教学设计； KLI理论； 知识成分

〔中图分类号〕 G44 〔文献标识码〕A 〔文章编号〕1671-2684（2019）03-0022-04

尽管大量教育与学习理论为教学设计提供了应用广泛的指导方针，但仍存在一个争议，即为学生提供多少指导更能产生有效的学习？一部分研究者认为，教师应该为学生提供充分全面的指导，给学生描述所有的概念或程序，不需要学生进行任何推理（例如，认知负荷理论提倡的样例效应）[1]；还有一部分研究者则强调为学生提供低程度的指导（例如练习）更能促进学生的学习[2]。解决这一矛盾的一个关键因素是学生所要学习的知识的种类，即教学设计的实施有着特定性，受知识种类的限制。面对相同先备知识水平的学生，不同知识内容的最佳教学设计是不同的。本文阐述了一种区分知识种类的理论，即Koedinger等人提出的KLI（Knowledge-Learning-Instruction）理论。

一、KLI理论

任何教育理论分析事物的种类时，必须在某个分析水平上进行区分，例如，认知负荷理论在元素交互性的水平上将知识分为高元素交互的知识和低元素交互性的知识[3]。KLI理论强调在知识成分（knowledge components）的水平上给知识分类，知识成分这个分析水平介于教育研究中的宏观群体水平和心理研究中的微观认知水平，这样是为了帮助解释各个学习领域的研究成果，获得具有普遍性的结论和教学设计原则。按照知识成分的性质划分知识的标准如下：给定条件和相应反应的变化性、言语性/非言语性、原理性[4]。

（一）知识成分的给定条件和相应反应的变化性

为检验学生是否理解和掌握了知识或规则，教师通常使用测验（考试和课堂提问）来评判学生的学习效果，学生对于给定的条件，运用已学习的知识做出相应的反应。Koedinger等根据给定的条件和相应的反应（条件-反应）的变化性可以把知识分为“不变-不变”知识、“变-不变”知识和“变-变”知识[4]。例如，为了考察学生是否掌握了重力加速度g=9.8m/s2这一知识，要求学生回答的问题是“重力加速度是多少”，学生的正确反应是“9.8m/s2”。在这个例子中，知识应用的条件和反应均是不变的，因此，可将这一知识归为“不变-不变”知识。表1列出了在语言学习、数学和科学领域中三种知识的更多例子。

如表1所示，“不变-不变”知识的应用条件和相应反应通常是一对一的映射，而“变-不变”知识的应用条件和相应反应通常是多对一的映射。如表1中的例子，以元音发音开头的可数名词前的冠词应该是“an”，这一知识的应用条件可以是“apple”“orange”“hour”等，相应的反应是不变的，即名词前用“an”。“变-变”知识的应用条件和相应反应则是“关系-关系”映射，如求组合图形的面积，将组合图形分割成若干简单图形，求出这些简单图形的面积的总和就是组合图形的面积，这一知识的应用条件可以是各种各样的组合图形，相应的反应随之变化，所以它是“变-变”知识。

（二）知识成分的言语性

有些表示关联、类别、技能或程序的知识不容易被学习者用语言表述，有些知识如定理、概念却可以用语言来表达。KLI理论区分知识成分的言语性，这一分类类似于ACT-R理论中的陈述性知识和程序性知识[5]，但不完全相同。ACT-R描述的对象是不可观察的认知机制，KLI则强调可观察的行为。根据知识成分的言语性，可将知识分为非言语知识、“惰性”言语知识和言语知识[4]。

许多知识是非言语知识，例如，学生能够将喜鹊归为鸟类，但不清楚为什么这样做。Aleven 和 Koedinger发现，在几何知识的学习中，相比完成匹配解释项目的任务，学生更多地做对几何推理问题，说明学生常常能够完成任务却不加以解释[6]。非言语知识即为学生在学习过程中使用却不做出解释或言语化的知识。需要注意的是，非言语知识或许可以用语言表达，但学生们往往不这么做。事实、概念等知识可被视作“惰性”言语知识，也就是学生只将其言语描述并记忆，并不在问题解决或任务中直接使用的知识。言语知识就是学生在学习过程中将其言语化，并在问题解决或任务中使用的知识，例如原理、模型等。

（三）知识成分的原理性

KLI理论指出，“有些规则、原理和模型有其基本原理，如数学定理；有些知识有着看似任意的规律性，如英语拼写规则。因此，知识成分的基本原理不仅仅是全或无两种可能，而是分级的，具备基本原理的程度（低或高）決定于特定领域的理论发展的深度。”

表2列出了一些基本知识种类，表中的名称（事实、规则等）是常用术语与知识成分分类的粗略映射，在这个分类中未必一一对应。

二、知识种类与教学设计

（一）知识成分的给定条件和相应反应的变化性与教学设计

根据知识成分的给定条件和相应反应的变化性区分不同的知识，这对于教师进行教学设计有重要启示。对于“不变-不变”知识（历史事件、词汇）和“变-不变”知识（种类、概念等），提取练习比重复阅读更加适合学生学习这类知识[2]；对于“变-变”知识（如组合图形的面积），样例学习相比问题解决产生更好的学习效果[7]。Koedinger等推测，学生所要学习的知识越复杂，学习过程就越复杂，包括记忆、归纳和概括、理解，所以教学设计也就越复杂[4]。

从表1可以看出，“不变-不变”知识、“变-不变”知识和“变-变”知识这三类知识的复杂性和抽象性依次增加，“不变-不变”知识最为简单具体，学生需要做的是记忆知识，不需要进行更多的推理。因此，学生学习这种知识，直接联系条件和反应的教学设计可能对于学习者来说更有效，例如提取练习。学生学习“变-不变”知识时，需要对变化的给定条件进行归纳，并概括出不变的相应反应。所以，对于这种知识，教学设计应注意帮助学生归纳条件和概括反应，如反馈、标记。相比前两种知识，“变-变”知识是最复杂抽象的，学生需要理解条件中蕴含的关系，推理出规则和原理。因而，适合这种知识的教学设计应该促进学生理解关系并建立条件中的关系和反应中的关系之间的联系，如样例、口头解释。

（二）知识成分的言语性与教学设计

有些学习方式能够提高学生在近迁移上的学习效果，却对远迁移的学习效果不明显，如采用样例学习的学生难以学会解决与样例结构性特征不同的问题[8]。可能是因为其只能促进学生学习非言语知识，无法帮助学生言语化地归纳和概括规则或原理。许多“自我解释”研究表明，提示学生进行言语解释（无论是自己解释还是教学提供解释）通常可以帮助产生有效学习[9]。但是当学生学习非言语知识时，如“自我解释”这样的言语化活动可能会干扰学习[10]。虽然许多教师重视规则或原理的言语表达，为了之后可以进行推理论证，为未来学习做准备，但可能对当前学习的效果不明显。因此，教师在设计教学时应该考虑要学习的知识内容是否有必要言语化。

（三）知识成分的原理性与教学设计

類似于考虑知识成分的言语性，教师应该考虑知识成分的基本原理来设计教学。KLI理论推测，有基本原理的知识所需要的教学设计应该促进学生建构问题解决的规则等，例如课堂讨论和解释性教学[11]。因此，解释性教学等促进学生规则建构的教学对于有基本原理的知识来说是有利的，但对无基本原理或原理不具普遍性的知识来说是没有效果的甚至有害（冗余效应）[12]。

三、总结

区别知识种类对教学设计的有效性有重要意义，可以帮助解决教学决策中的矛盾。KLI理论强调，许多学习过程和教学设计不受限于领域，而是由知识种类决定的，教学决策不应该和学习领域联系。例如，在数学学习的方面，给学生提供的教学通常是样例、解释性教学等相对较充分的教学，从KLI理论中我们可以推测，对于如图形面积公式这样的数学领域知识，纯练习可能是一个理想的选择。同样，第二语言学习通常得益于背诵（词汇），其他方面（语用）可能受益于对话、解释和练习的结合。

Koedinger等人充分论证了理论的普遍性，教育工作者应用该理论时需要注意以下几点：第一，理论中的许多结论是作者基于现有研究的推测，所以未来研究需要设计实验来验证理论中的知识分类是否合理有效，进一步探索是否需要对分类进行补充或是删除。第二，教师不仅要针对知识种类的不同设计教学，还要注意学生的先备知识水平，也就是说，知识种类不是教学决策的唯一决定因素，只是在实际教学中学生的先备知识水平通常基本一致（学生的年级相同，要学习的知识通常是新知识）。第三，该理论对知识的分类并非否定其他教育学家的知识分类，这个分类和其他理论相比，它们对知识的分析水平不同，应用的领域也有所不同，例如，认知负荷理论只关注复杂学习领域，而KLI理论则强调原理应用领域的普遍性。

参考文献

[1]Cooper G，Sweller J. Effects of schema acquisition and rule automation on mathematical problemsolving transfer[J]. Journal of Educational Psychology，1987，79 （4）：347-362.

[2]Roediger H L，Karpicke J D. The power of testing memory[J]. Perspectives on Psychological Science，2006，1（3）：181-210.

[3]Sweller J，Ayres P & Kalyuga S. Cognitive load theory[M]. New York：Springer，2011.

[4]Koedinger K R，Corbett A T & Perfetti C. The knowledge-learning-instruction （KLI）framework：bridging the science-practice chasm to enhance robust student learning. Cognitive Science[J]，2012（36）：757-798.

[5]Anderson J R，Lebiere C. The atomic components of thought[J]. Journal of Mathematical Psychology，1995，45（6）：917-923.

[6]Aleven V，Koedinger K R. An effective metacognitive strategy：Learning by doing and explaining with a computer-based cognitive tutor[J]. Cognitive Science， 2002，26（2）：147-149.

[7]Chen O，Kalyuga S & Sweller J. The worked example effect，the generation effect，and element interactivity[J]. Journal of Educational Psychology，2015，107：689-704.

[8]Catrambone R. The subgoal learning model：creating better examples so that students can solve novel problems[J]. Journal of Experimental Psychology General，1998，127（4）：355-376.

[9]Chi M T H，de Leeuw N，Chiu M H & LaVancher C. Eliciting self-explanations improves understanding[J]. Cognitive Science，1994，18（3）：439-477.

[10] Schooler J W，Fiore S & Brandimonte M A. At a loss from words：Verbal overshadowing of perceptual memories[J]. Psychology of Learning and Motivation，1997，37（8）：291-340.

[11] Michaels S，OConnor C，Resnick L B. Deliberative Discourse Idealized and Realized：Accountable Talk in the Classroom and in Civic Life[J]. Studies in Philosophy & Education，2007，27（4）：283-297.

[12] Chandler P，Sweller J. Cognitive Load Theory and the Format of Instruction[J]. Cognition & Instruction，1991，8（4）：293-332.

（作者单位：辽宁师范大学心理学院，大连，116029）

编辑/于 洪 终校/肖亦华