“环境工程微生物学”教学的深度学习目标及评价体系

张琴　刘辉利　白少元　张亚楠　许丹丹

[摘 要] 高阶思维培养是当今高等教育面临的极大挑战。深度学习是实现高阶思维能力发展的有效途径。“环境工程微生物学”是环境工程专业的基础核心课程，将深度学习引入课程教学中，在实现知识传递与能力培养的同时，构建“认知目标赋重评价和高阶思维能力阶段评估相结合”的深度学习目标及评价体系，形成深度学习认知目标和高阶思维能力评价的实践模式，有助于调动学生的学习主动性、改变传统的考核模式、科学评估教学效果，也使思维能力的培养在课程教学中有迹可循，为其他课程的教学改革提供参考。

[关键词] 环境工程微生物学;深度学习;高阶思维;认知目标;评价

[基金项目] 2018年度广西教育厅广西高等教育本科教学改革工程项目“新工科背景下的地方高校环境类专业改造升级路径探索与实践”（2018JGZ120）

[作者简介] 张 琴（1975—），女（侗族），贵州铜仁人，硕士，桂林理工大学环境科学与工程学院讲师，主要从事环境微生物学研究;刘辉利（1971—），女，河北平山人，博士，桂林理工大学环境科学与工程学院副教授，主要从事环境化学和环境评价研究;白少元（1981—），女，天冿人，博士，桂林理工大學环境科学与工程学院教授（通信作者），主要从事水污染控制研究。

[中图分类号] G642.0   [文献标识码] A   [文章编号] 1674-9324（2021）43-0001-04    [收稿日期] 2021-05-11

一、前言

高阶思维（High-order Thinking Skills）最早由布鲁姆等人提出[1]。目前，国内外学者普遍认为高阶思维能力应包括创造性思维能力、批判性思维能力和问题解决能力等[2]。在竞争激烈的知识经济时代背景下，如何培养满足当今和未来社会需要的具有高阶思维的人才已成为当今高等教育面临的极大挑战。作为未来的人才、社会经济发展的主要推动力，在校大学生学习的目的不再只是获取知识，更重要的是批判性思维、创新能力的生成与培养，也就是我们所说的深度学习。在深度学习过程中，学习者需根据学习的兴趣和需求，在理解的基础上主动和批判性地接受新思想或新知识，并采取不同的策略对接收到的知识和信息进行加工、融合、贯通，形成个人知识体系，应用到真实情景中去解决复杂问题。从本质上看，深度学习是一种主动的、探究式的、理解性的学习方式，要求学习者掌握非结构化的深层知识，并进行批判性的高阶思维和主动的知识建构，继而有效地迁移应用到真实问题的解决中，从而实现元认知能力、问题解决能力、批判性思维、创造性思维等高阶能力的发展[3]。

“环境工程微生物学”是我国高等学校环境工程专业的基础核心课程[4]。课程在研究微生物的生长、代谢和繁殖的基础之上，重点探讨微生物与环境的关系、微生物对污染物质的分解转化及微生物在环境污染治理中的应用，具有知识结构复杂、基础理论面广而深、内容抽象、实践性强、应用创新要求高等特点，授课难度大。目前，课程教学主要以教师讲授为主，辅以少量实践课程，整体教学效果欠佳[5]。一些学校对高阶学习教学模式“项目式教学”在环境工程微生物学教学中的应用进行了探索，但对高阶学习目标和评价体系的建立则未涉及[6]。本文分析了我校“环境工程微生物学”课程教学存在的问题，总结了基于高阶思维能力培养的环境工程微生物学深度学习目标及评价体系，为工科院校环境工程微生物学课程教学改革、培养具备高阶思维能力的高级应用型工程人才提供参考。

二、课程教学中存在的问题

（一）教学内容涉及面广，更新快，学时有限

目前，我校“环境工程微生物学”课程理论教学学时为32学时，教学内容包括基础微生物学知识、微生物在环境物质循环和环境污染控制中的作用原理，以及微生物新技术在环境工程中的应用等。教学的内容不仅涉及面广，而且一些新发现、新概念，如厌氧氨氧化、完全氨氧化、好氧反硝化、甲烷厌氧氧化、电缆细菌等不断涌现，因此，在教学学时有限的情况下，如何在讲授中兼顾传统微生物知识和现代微生物学的新进展，使学生既能掌握经典的微生物学知识，又能了解学科发展的前沿动态，是每个授课教师面临的难题。

（二）学生基础薄弱，学习主动性欠缺

作为广西的一所普通地方高校，我校生源绝大多数来自本省和西部欠发达地区，学生的基础知识相对薄弱，缺乏相应的生物学和生态学基础知识。学生相关的知识架构处于高中水平，要让其直接上升到微生物在环境治理中的应用很有难度，因此，一些学生望难却步，没有了学习的主动性。

（三）考核方式保守低效

目前，课程考核采用综合成绩评定的方式进行。课程包括平时成绩和期末成绩两大部分，其中期末成绩占60%，以期末考试卷面成绩评定，题型包括填空、选择、判断、简答、论述等;平时成绩占总成绩的40%，评定内容包括出勤情况、平时作业、课堂表现等。这在一定程度上避免了期末考试“一考定成绩”的弊端，但即使如此，学生只要平时不缺席，完成规定性作业，考前再采取突击性的复习和记忆方法，仍然能够过关。其结果是，从成绩上看学生好像已经掌握了必要的知识点，但可能考完以后很快就忘了，并没有收到理想的学习效果。

三、“环境工程微生物学”深度学习的目标及评价体系

我校环境工程专业的培养目标是为国家培养适应新时代要求的环境工程应用型高级专门人才。“环境工程微生物学”作为本专业的基础核心课程，通过课程学习不仅要使学生能够掌握微生物学基础知识及环境工程中的微生物作用和原理，更重要的是还需要学生具备运用微生物学知识分析和解决复杂环境问题的能力，也就是具备高阶思维能力。基于这个目标，我们将深度学习引入课程教学中，将学生深度的“学”与教师有目的的“教”有机结合，在实现知识传递和能力培养的同时，形成了“认知目标赋重评价和高阶思维能力阶段评估相结合”的深度学习目标及评价体系。

（一）“环境工程微生物学”深度学习目标体系

结合目前普遍采用的同济大学周群英、王士芬编著的《环境工程微生物学（第四版）》教材，我们对课程的知识点进行了梳理和整合，依据修订的布鲁姆的认知目标分类法将各知识点进行认知目标分类[3]，并赋予不同的权重，作为确定教学方式和目标达成情况评价的依据。

以第一篇第四章“微生物的生理”为例，根据教学内容的难易程度、重要性和前后知识的连贯性，我们共整理出如表1所示的4个知识点，并对各知识点不同级别的认知目标赋予了权重值，单个知识点的总权重值为1。每个知识点的认知目标均包含记忆、理解、应用、分析、评价和创造六个级别。其中记忆和理解的认知通过浅层学习即可达到，应用、分析、评价和创造则需要通过深度学习才可能实现。单级认知目标的权重值越大在总目标中所占的权重越重。以知识点1为例，其认知目标仅为记忆一项，表示学生对该知识点的认知目标达到记忆水平，能从长时记忆中提取相关信息即达到了教学的要求。一般采用学生自学结合教师答疑的教学方式，通过简单的书面测试，即可达到教学与评价的目标。而对于知识点2，其认知目标包含了记忆、理解、应用、分析和创造五个级别，其中通过浅层学习即可达到的记忆和理解权重总计0.4，必须通过深度学习才可能达到的应用、分析和创造性认知权重总计0.6，表明该知识点的教学需要进行专门的教学设计，调动学生的主动性，促进学生的批判性、创造性高阶思维活动的开展，通过深度学习才能达到教学的认知目标。

（二）“环境工程微生物学”深度学习评价体系

促进全面学习目标的达成和高阶思维能力的发展是深度学习的最终目标。知识点认知目标的达成度可以通过书面测试和学习的成果进行评价，但高阶思维的发展是一个由量变到质变、螺旋式上升的个体认知发展过程，传统的评价方法不足以对学习者的高阶思维水平进行评估。结合教育心理学家比格斯和克里斯提出的SOLO（Structure of the Observed Learning Outcome）分类法，我们设计了“五省吾思”的思维训练问卷，对学习者学习过程中的高阶思维能力发展进行阶段性评价，评价的结果与知识点的认知目标达成度评价一起构成深度学习的综合评价体系。

1.知识点的认知目标达成度评价。与传统的考试一样，对知识点的认知目标达成度的评价，可以通过编制书面测验试题来考查学习者的认知情况，以测试的成绩作为评价的尺度，一般100分為满分，60分为合格。但是，要达到对学习者深度学习效果的客观评价，认知目标达成度的书面测试题编制需要以目标评价体系中不同知识点对应的全部认知目标为基础，全面考虑其所赋予的权重而进行。

同样，以表1知识点2为例，如果测试题目设计为“微生物的营养类型有哪些，划分的依据是什么（10分）”，学习者即使完全回答正解得到了10分，但从认知目标达成度的评价来看，其测试结果只代表他达到了记忆和理解的认知水平，也就是只达到了40%的达成度。如果换一种问法，如“蓝细菌属于哪一种营养类型，在实验室条件下怎样保持蓝细菌的存活（10分）”，则受试者不仅需要从记忆的知识中去找到“微生物的营养类型分类及依据”的相关信息，筛选出“光能自养型”这一正确答案，还需要对环境条件和实验室条件进行分析比较，方能得出要保证充足的光照和补充营养液等条件才能保持蓝细菌在实验室条件下存活的结论。整个回答问题的过程，也是受试者一个启动分析、应用等高阶思维活动的过程，即使问题的答案只能拿到6分，却可以认为其知识点认知达成度为60%。可见，以测试的方式对知识点的认知目标达成度进行评价时，能否得到客观真实的评价结果，测试者对测试题目的设计是关键，而区别不同知识点，赋予其差异性的权重则是基础。

2.高阶思维能力发展的阶段性评价。结合教育心理学家比格斯和克里斯的SOLO分类法[3]，我们设计了“五省吾思”的思维训练问卷，对“五省问题”赋予了对应不同高阶思维发展阶段的意义（表2）。

通过在课程教学过程中不定时发放问卷，可以引导学生开展深入学习，培养学生深度学习的习惯和能力，促进其高阶思维能力的发展。教师则可以参照表2“五省问题”及其对应的SOLO层次和意义，对回收的问卷进行分析，对学生的高阶思维发展水平进行等级评价。

四、结语

结合我校的实际情况，我们将深度学习引入“环境工程微生物学”的教学中，并构建了“认知目标赋重评价和高阶思维能力阶段评估相结合”的深度学习目标及评价体系，形成了深度学习认知目标和高阶思维能力评价的实践体系，对调动学生的学习主动性、改变传统的考核模式、科学评估教学效果进行了探索，也使思维能力的培养在课程教学中有迹可循，可为其他课程的教学改革提供参考。

参考文献

[1]钟志贤.面向知识时代的教学设计框架[D].上海：华东师范大学，2004.

[2]林晓凡，刘思琪.面向高阶思维能力培养的直播教学策略[J].现代教育技术，2019，29（3）：99-105.

[3]张浩，吴秀娟，王静.深度学习的目标与评价体系构建[J].中国电化教育，2014（7）：51-55.

[4]王利明.环境工程微生物学实践教学改革与实践[J].微生物学通报，2017，44（11）：2755-2759.

[5]谢先德，张嘉超.环境工程微生物学教学改革探索与实践[J].科教导刊（下旬刊），2020（10）：24-25+28.

[6]赵志娟.项目驱动式教学在环境工程微生物学课程中的应用[J].大学教育，2019（11）：79-81.

Objectives and Evaluation System of Deep Learning in Teaching of Environmental Engineering Microbiology Course： Based on the Cultivation of Higher-order Thinking Ability

ZHANG Qin， LIU Hui-li， BAI Shao-yuan， ZHANG Ya-nan， XU Dan-dan

（College of Environmental Science and Engineering， Guilin University of Technology， Guilin， Guangxi 541004， China）

Abstract： The cultivation of higher-order thinking is a great challenge facing higher education today， and deep learning is an effective way to realize the development of higher-order thinking ability. The course of Environmental Engineering Microbiology is the basic core course of environmental engineering major. In this paper， deep learning is introduced into the course teaching of Environmental Engineering Microbiology. While realizing knowledge transfer and ability cultivation， the deep learning objective and evaluation system of “combination of cognitive goal weighting evaluation and higher-order thinking ability evaluation” is constructed. The practice model of deep learning cognitive objectives and higher-order thinking ability evaluation is formed， which helps to mobilize students learning initiative， change the traditional assessment model， and scientifically evaluate the teaching effect. The cultivation of thinking ability is realized in the teaching of the course， providing reference for the teaching reform of other courses.

Key words： Environmental Engineering Microbiology; deep learning; higher-order thinking; cognitive goals; evaluation