SECI模型视角下师范生机器人课程教学技能培训模式的研究

张博

(长沙师范学院， 信息科学与工程学院， 湖南， 长沙 410100)

0 引言

目前机器人教育已经成为中小学课堂中素质教育的重要部分。机器人从实验室走进课堂涉及人工智能、机械计算机等高科技，这就要求教师的教育观念与职业素质需要适应信息时代的变化，对于教师来说是新的要求，也是职业责任[1]。但是目前我国机器人教育师资方面的教学技能培训比较薄弱、教学技能水平低下、培训效果不佳，仅仅是以机器人的实验室活动以及讲座为主，无法满足师范生对于机器人学习的需要。因此，面向师范生开展机器人教学能力培训是促进机器人教育未来发展和提高机器人教育师资力量的有效途径。

文献[2]在STEM教育理念的视角下，指导设计了机器人课程教学，在这种培训模型下利用“做中学”的形式取代传统“学后做”，致力于培养学生的综合能力；文献[3]将实验对分模式应用于“机器人技术”课程的教学中，将引导式课堂讲授贯穿到整个教学过程中去，设计实验内化和递进式讨论总结，并采用过程性的评价体系。文献中的2种方法均取得了较好的效果。基于目前的机器人教育背景，本文从SECI知识创生模型视角对师范生机器人课程教学技能培训模式进行研究。

1 SECI知识创生模型构建

在SECI模型中，认为知识的创生主要是通过知识隐性和显性2种状态之间的相互作用和转化，而形成的无限螺旋循环的过程[4]。知识创生模型结构如图1所示。

图1 SECI知识创生模型结构

根据图1中的SECI知识创生模型结构，结合机器人课程教学中的理论知识与实践知识进行分类。一般文字、图片、概念与公式等课程知识可以通过具体的形式表现出来，具有一定的外显化特点，属于显性知识的范畴；实践知识包括难以表达的经验和技能，在特定的情境和实践中能够表现出来，属于隐性知识[5-6]。对于师范生来说，机器人课程教学技能培训的主要目的就是解决机器人课堂上出现或存在的问题，将学到的知识和经验有效地运用到教学过程中，以此来推动师范生教师专业的发展。SECI模型对应教学技能掌握的4个阶段，将知识与情景和空间相互结合，设计组织每个阶段培训的过程活动，从解决一系列复杂的教学实践中所产生的问题入手，由此创生出机器人教学知识[7-8];重视良好的培训环境的构建，利用SECI模型实现并促进师范生互相交流对话，并对师范生自身具备的知识进行组织培训。在培训过程中，要使师范生对培训目标有一个清楚的认识，在此基础上设计有针对性的培训内容。

2 教学技能培训模式现状与目标需求

2.1 师范生机器人课程教学技能培训模式现状

对于机器人教师的基本情况、参培态度、培训内容、培训形式以及培训评价方式等进行问卷调查分析。选取150名机器人教师作为调查问卷对象，采取无记名方式，下发150份调查问卷，收回139份有效调查问卷，有效率为92.67%。本调查问卷共分为机器人课程教学技能目标需求以及培训内容2个部分。问卷调查的机器人教师男女性别比例约为4.5∶5.5，教师年龄大部分在35岁以下，总体呈现年轻化结构，其学历分布主要以本科和硕士学历为主。关于参培态度方面，愿意参加培训并认为培训有必要的教师数量达到了85%以上，这是对开展机器人课程教学技能培训的有力支持与需求。这个结果也从侧面说明，机器人课程教师的教学技能可以通过有关的课程培训促进其在机器人课程教学中提高专业技能[9]。问卷调查中的培训内容主要涉及机器人系统理论知识、机器人控制以及编程、机器人设计竞赛、课件资源开发、软硬件设计使用方法、机械结构设计以及教学实践等，调查问卷结果显示，机器人设计竞赛、软硬件设计使用方法和机器人系统理论知识这3项的需求占比最高，达35%～72%，说明机器人课程教学技能培训中，机器人教师更加重视竞赛方面的培训。对于培训形式，问卷主要提及专家讲座、小组合作、远程网课、影像资料、教学观摩、案例分析、实际操作以及示范模仿等几种形式，调查发现虽然教师培训方式相对于传统学科培训有不少新的形式，但是使用频率较高的仍是传统培训形式。以上的调查结果显示，在目前小学机器人课程教学技能培训应用的过程中，主要存在以下问题：① 忽略机器人课程教师具有的特点以及知识结构；② 在培训方面与实际的教学有所偏离，重心落在竞赛方面；③ 培训形式传统且单一，降低培训效果；④ 缺乏完善的培训评价体系。

2.2 机器人课程教学技能培训目标需求与影响因素

根据上述的研究可以确定，在师范生机器人课程教学技能培训模式中，最终的影响因素主要包括培训内容、形式、需求、培训相关管理、环境、师资、评价等方面。通过影响因素来确定培训模式，首先要对影响因素的权重进行分析，采用五级量表对以上指标分别设置5个不同的评分标准，分别对应“非常重要”“比较重要”“一般”“不太重要”“非常不重要”这几个权重程度，并对调查问卷获得的结果进行分析。确定结果是否可用，首先要确定问卷信度，测验信度又称之为测验可靠性，指的是同一个测验对同一组被试，两次或多次施测所得的结果一致性的程度。在信度的计算中，实测分数为某次测验分数的真变异数和总变异数的比值表示为

(1)

式中，ST2表示真变异数，Sx2表示总变异数。每一个调查问卷的实得分数的组成都可以表示为

X=T+E

(2)

式中，T表示真实分数，E表示误差。在谈论机器人课程教学技能目标需求以及培训内容调查问卷的分数特性中，利用机器人课程教学技能目标需求以及培训内容的方差来代表具体的分数：

(3)

(4)

调查问卷的信度经过计算后，对比各个因素的均值，均值的计算如式(5)：

(5)

式中，μ代表均值，N代表数据的数量，xi代表具体数值。

另外，为了反映数据集的离散程度，还需要进行标准差的计算，如式(6)：

(6)

标准误差的计算如式(7)：

(7)

经过计算之后，得到影响因素权重指标值，如表1所示。

表1 影响因素权重指标计算结果

从表1可以看出，培训内容、需求、师资以及评价的平均值在4.3以上，说明这几个因素在影响因素中的权重比较大。因此，在后续的机器人课程教学技能培训模式的构建过程中可以按照这个权重指标进行设计。

3 SECI模型视角下师范生机器人课程教学技能培训模式

3.1 基于社会化设计

在社会化阶段的设计中，主要是通过构建学习共同体、共享经历并从观察、模仿和实践等方面建立隐性知识转化。在网络多媒体教室中，教师之间完成经验交流和优质资源的共享，能够有效提升师范生机器人课程教学技能，通过内容讲解与经验分享，促进专业隐性知识的共享。

3.2 基于外显化设计

在SECI模型中，将隐性经验转化为显性化语言，有利于对传统隐性知识进行重构或修正。通过专题汇报、教学设计和评课交流等方式，可以以文字、语言、图片等形式表达机器人教学中的隐性知识。利用教学设计对机器人教学的内容、方法、活动以及评价等内容进行说明。在评课交流中，授课者既可以选择经验丰富的在职机器人课程教师，也可以选择经过培训的师范生。在评课过程中，主要分析并观察教师的教学活动设计及课堂教学组织，听课者可以直观感受到课堂教学氛围，并通过评课工具，记录并分享教学过程中的经验与感想，从而提升师范生机器人课程的教学技能。

3.3 基于组合化设计

组合化阶段的特征就是知识显性之间的转化，在这个过程中，通过培训活动的设计充分发挥媒介作用，开展一些线上的主题研讨以及资源创建共享活动。线上的主题研讨能够优化学习效果，在讨论式的教学活动中，主题研讨是较为常用的方法之一。本文通过硬件和软件载体以及平台的协助下，完成线上研讨。线上研讨的软件功能很强大，例如可以对人物进行分配、查看、记录和提醒，对于效果评价也有着常规线下方式不可比拟的优势。在创建、共享资源的活动中，鼓励培训参与者对于机器人的相关教学资源进行查找和筛选，教学资源生成的过程就是显性知识融合与创生的过程。在组合化设计的阶段，主要是促进学习者资源创作与分享的过程，有助于增进团队关系，以此优化教学技能培训的开展和效果。

3.4 基于内隐化设计

在内隐化阶段，在真实教学场景中可以得到一定的教学技能和经验，学习、掌握、吸收培训内容，完成知识的内化。在此阶段中，设计的培训活动主要包括小组协同备课、模拟教学以及教学反思。小组协作备课可以集思广益，拓宽机器人教学中的思路，可以在一定范围内更新教育观念，这种知识的转化可以使教师在后续的课堂实践中产生正向的影响。在备课过程中，教师阐述自己的教学设计背后隐藏的观点，其他教师可以提出自己的建议，并在模拟教学中通过角色扮演进行教学技能的训练。在教学反思中，通过分享与交流完成头脑风暴式的教学优化，学习到别人课堂中的亮点，意识到自身的不足之处，能够体现出群体知识的升华，进一步确保师范生机器人课程教学技能培训效果。

4 总结

综上所述，在SECI知识创生模型视角下，师范生机器人课程教学知识在经过社会化、外显化、组合化和内隐化等4个阶段的培养过程后，个人知识与群体知识、显性知识与隐性知识之间的上升，这对于师范生机器人课程教学技能培训模式具有一定的指导意义。在社会化阶段，构建学习共同体，建立隐性知识转化，使师范生机器人课程教学技能得到提升；在外显化阶段，将个体工作过程积累到的隐性经验转化为显性化语言，有利于对传统隐性知识进行重构或修正，从而提升师范生机器人课程教学技能；在组合化阶段，开展线上的主题研讨以及资源创建共享活动，以此优化教学技能培训的开展和效果；在内隐化阶段，设计小组协同备课、模拟教学以及教学反思培训活动，确保师范生机器人课程教学技能培训效果。