计算机支持的科学建模学习：多学段科学教育中科学和计算思维协同发展路径*

2022-12-23陈娟娟陈凯亮

远程教育杂志 2022年6期

陈娟娟陈凯亮

（浙江大学教育学院，浙江杭州 310028）

一、引言

“计算机+”学科交叉人才培养是人工智能时代创新人才培养的重要议题（刘继安，等，2022）。如，计算生物学以数学和计算机作为主要工具和手段，以解决生命科学相关的问题为目标。因此，学科交叉科学创新型人才需要既懂得科学知识和科学思维，又懂得计算知识和计算思维。为培养科学创新型人才，近年来，越来越多的学者认为，应该在数学、科学等核心学科中融入计算思维的培养，以扩大学生计算思维学习机会（Basu，et al.，2016；Sengupta，et al.，2013；孙依诺，2021）。然而，如何在核心学科教学中融入计算思维元素，仍是教育工作者面临的较大挑战，特别是在科学教育中，掌握分析与综合、抽象与概括、归纳与演绎等科学思维，对于学生来说已有较大难度，同时发展科学思维和计算思维将更具挑战性（Basu，et al.，2016；Román-González，et al.，2017）。

已有研究表明，计算机支持的科学建模学习，可以成为科学教育中科学思维和计算思维协同培养的有效途径（Sherin，2001；Hambrusch，et al.， 2009）。计算机支持的科学建模学习是指学生针对科学问题，基于计算机建模软件或系统通过建构模型、分析模型、修正及运用模型等建模实践活动，实现对自然世界和自然现象的描述、解释或预测现象结果的一种学习方法（Weintrop，et al.，2016）。这种学习方法蕴含着问题表征、抽象、分解、仿真、验证和预测等计算思维技能和实践。特别是针对复杂现象和抽象概念的建模实践，不仅能够培养学生的科学思维，还可以发展他们的计算思维技能，呼应了“科学新课标”实践创新的需要。但已有研究并未深入探讨科学教育中建模学习与计算思维的内在联系机制。在实践应用方面，虽然已有多项将计算思维融入数学、科学等核心课程的尝试和实践，如，Bootstrap（Schanzer，et al.，2018）、GUTS （Lee，et al.，2011）以及CT-STEM（Swanson，et al.，2019），但系统模块化的课程还比较少。且尚未有研究者从教学实践中归纳出建模学习模式，不同学段相关教学具体该如何实施，仍缺乏相应的研究。因此，本研究在梳理科学建模学习理论并论证计算机支持的科学建模学习培养学生科学思维和计算思维可行性的基础上，构建了相应的学习模式，通过大学生、中学生及小学生科学建模学习的三个案例分析，展示了相关教学的实施方法，表明了这种学习方式可以在不同学段的科学课程中开展，以促进学生的科学思维和计算思维的协同发展，并提出了未来的实施建议，以期为教育工作者实施计算机建模课程提供参考。

二、计算机支持的科学建模学习的源起、内涵与理论基础

（一）建模学习与科学建模学习的源起

20 世纪80 年代，美国亚利桑那州立大学海斯特斯（Hestenes）教授最早提出基于科学建模的教学理论，通过建构科学模型以解释和预测自然现象，以加深学习对科学知识的理解（1987）。 1992 年，海斯特斯基于先前的建模教学理论，以牛顿力学为例，进一步系统性地阐释了科学建模教学过程和策略，并对以模型为中心的教学方法进行详细叙述（Hestenes，1992）。他认为，模型是对事物、事件、系统或过程的抽象表征，具有描述、解释或预测的作用；而建模则是通过分析事物、事件、系统或过程的关键特征，用符号、文字以及图表等方式构建出模型，并对模型进行评价修正与应用的过程。

20 世纪90 年代，基于模拟仿真和数据可视化的计算机建模软件或系统，可以为建模学习提供丰富的建模情境和脚手架，使建模学习更具操作性。计算机建模软件或系统，一方面可以动态、可视化地呈现抽象概念、复杂系统或演绎过程；另一方面，其仿真功能允许学生控制和改变有关变量参数，并持续观察、反思、检验和修改模型。研究者们借助计算机工具如Co-Lab 工具（van Joolingen， et al.， 2005），在K-12 科学教育中广泛开展科学建模教学，探索了学生的建模认知策略、建模实践等，促进了计算机建模与科学教育的融合（Hogan， et al.， 2001； Sins，et al.， 2005； Zhang， et al.， 2006）。目前，在科学教育中，计算机支持的科学建模学习，是促进学生学科知识、科学本质观以及科学思维能力发展的重要手段（Hutchins， et al.， 2020）。

（二）计算机支持的科学建模学习内涵、特征与理论基础

1.科学建模学习的内涵

我国《科学课程标准（2022 年版）》将建模作为培养学生科学思维的重要手段之一，学生通过对客观事物进行抽象和概括，进而建构模型，并运用模型分析、解释现象和数据，描述系统结构、关系及变化过程（中华人民共和国教育部，2022）。当前，许多国家的科学课程标准都明确了基于模型和建模学习的重要性。美国《新一代科学教育标准》和澳大利亚《科学课程标准》均指出，在课堂教学中应当支持学生使用模型、建模和仿真等方法进行科学探究，以提高学生对复杂科学现象的认识（NGSS，2013；ACARA，2018）。在学习科学视角下，计算机支持的科学建模学习，是学生针对科学问题情境并基于计算机建模软件或系统通过建模实践活动，来实现对自然世界和自然现象的描述、解释或预测现象结果的一种学习方法。其中，建模实践活动包括模型构建、模型分析、模型修正和模型运用。通常，研究者认为，科学建模学习既包括建模知识学习（即对模型本质的理解及建模过程本身的认知），又包括构建模型、评价修正模型和应用模型等建模实践活动（Buckley，et al.，2000； Schwarz，et al.， 2009）。通过这样的学习方式，学生不仅会对科学本质和科学知识具有深刻的理解，还可以发展分析与综合、抽象与概括、归纳与演绎等科学思维。

学习者可以利用计算机工具进行科学建模，将复杂问题抽象为可模拟仿真的计算模型，并通过仿真对模型进行分析、调试、迭代和验证。在基于计算机建模工具构建科学模型时，学生需要理解系统中不同变量的含义，并明确这些变量之间的因果机制（de Jong，et al.，1998）。例如，在物理学科中关于牛顿第二定律的建模学习过程中，首先，学生需要分析、归纳、抽象出影响作用力的关键元素，如，物体的加速度大小、方向以及物体的质量等，猜想这些元素间的关系，从而对该复杂的科学现象进行表征；然后，学生使用计算机建模工具表征初始模型，并不断地调试模型，如，调整加速度大小、质量大小等来观察力的变化情况；最后，学生基于模拟仿真数据进行分析、解释、推理论证，从而构建牛顿第二定律知识。此外，针对学生对微观或不可见现象及其要素之间联系表征困难的问题，计算机支持的科学建模学习工具可以动态、可视化地呈现抽象概念、复杂系统及过程，有利于学生梳理层次关系、发现元素之间的内在联系（Sengupta，et al.，2013）。例如，在狼、羊和草组成的生态系统中，学生通过构建计算模型表征这些物种变量之间的关系进行解释或预测，并使用计算机建模软件进行模拟仿真，可视化呈现狼、羊和草的数量在不同条件下的动态变化过程，并根据仿真结果进行分析、判断、归纳，进而评估、修改模型（Dickes，et al.，2019）。

已有的计算机科学建模学习工具根据模型的功能及建模实践活动，可分为预测检验型和仿真修改型。预测检验型的建模工具能够帮助学生将科学观点外显化，并亲自建构模型以检验自己的想法和假设，如图1 的Co-Lab 工具（vanJoolingen，etal.，2005）。仿真修改型工具允许学生改变预设模型的参数值进行模型仿真、调试与修改，如图2 的CTSiM 工具（Sengupta，et al.，2013）。

图1 Co-Lab 预测检验型建模学习工具

图2 CTSiM 仿真修改型建模学习工具

2.科学建模学习的特征

计算机支持的科学建模学习，具有如下三个典型特征：第一，动手实践性。学生可以亲自参与模型建构、模型分析和修改、模型验证等建模实践活动（Basawapatna，2016； Bielik，et al.，2021）。第二，模拟仿真性。模型是问题原型的一种表征形式，保留问题关键特征。计算机仿真可以实时显示模拟运行结果。此外，计算机建模工具可以把抽象复杂的概念通过图像或动画等可视化的方式进行直观、形象的演示，学生可以观察到实物实验难以观察到的现象，从而加深对问题的理解（Komis，et al.，2007；Kouw，et al.，2017）。第三，动态交互性。计算机工具可提供丰富的交互性。例如，学生可以不断调整变量的参数值，观察不同的仿真结果，并能实时对比相关的建模结果，这种交互性能够支持学生仿真调试技能和分析推理能力的发展（Luo，et al.，2016）。计算机支持的科学建模学习的内涵和特征，如图3 所示。

图3 计算机支持的科学建模学习的内涵和特征

3.科学建模学习的理论基础

表征建构可供性（The Representational Construction Affordances， RCA）框架为计算机认知工具应用于学习过程，提供了强有力的支撑。它是指学生通过构建表征，聚焦于复杂的科学现象或系统的关键特征，来选择合适的表征工具（如，计算机建模工具），即将相关的先验知识应用于问题解决中，从而更有目的地开展推理、分析、解决问题（Prain，et al.，2012）。表征建构可供性框架包含符号语言、认知和认识论三个维度。各个维度之间都是通过关注表征如何有效地促进意义建构而联系在一起。其中，符号语言是指学生使用符号、语言等表征工具构建对复杂现象的解释；认知维度强调知识建构的实践过程，例如，构建模型、分析模型以及验证模型等；认识论维度是指学生可以通过构建表征和分析解释来提高科学推理能力。

基于此，本研究以表征建构可供性作为理论框架。建模的目的在于简化复杂系统的外部表征，以解释科学概念，且可以帮助学生将观察到的科学现象与潜在的抽象概念联系起来（Harrison，et al.，1998；Leenaars，et al.，2013）。不同的表征工具有不同的可供性。例如，通过图表、图片和绘图工具构建模型，虽然学生能够很轻易地描述系统中不同元素之间的关系，但基于此类工具所构建的模型本质是静态表征，无法表示系统随时间推移的动态变化情况。而基于仿真的计算机模型是以动态形式表征，可以实时显示目标系统或物理现象在不同条件下的行为或变化（Boulter，et al.，2000）。

三、计算机支持的科学建模学习研究现状

已有研究表明，计算机支持的科学建模学习，对培养学生的科学思维（如，科学概念理解、论证及推理等能力）具有重要影响（Develaki，et al.，2017；Hansen，et al.，2004；Yoon，et al.，2016）。帕兰特等人（Pallant，et al.，2014）调查了初高中学生的科学建模学习情况。研究发现，在科学建模学习过程中，学生通过仿真模型观察气候动态变化情况，收集仿真数据来解释他们的论点，从而提升了论证水平。富尔曼等人（Fuhrmann，et al.，2021）调查了小学生在创建“分子扩散”模型时的想法。研究发现，科学建模学习不仅能够促进学生对“分子扩散”的理解，而且还有助于学生的推理能力。近年来，有研究者提出将计算思维整合到科学课程中，通过计算机支持的科学建模学习，能够促进科学思维和计算思维的协同发展（Basu，et al.，2016；Sengupta，et al.，2013）。例如，伊尔根斯等人（Irgens，et al.，2020）探究基于建模活动的生态系统学习对高中生科学知识和计算思维的影响。梅特卡夫等人（Metcalf，et al.，2021）以“海狸建坝”为主题，调查了构建、测试和运用模型过程对学生思维能力的影响。研究发现，学生参与科学建模活动（包括一系列的观察、分析、推理和论证），能够有效地促进科学思维和计算思维的发展。然而，国内对于计算机支持的科学建模学习的关注和研究还非常少，且研究者只对科学思维这一单一维度进行了探究，还未探究计算思维和科学思维的协同发展。现有大多数研究仅聚焦于非计算机支持的科学建模学习。例如，钟旺芳（2021）以生物学中的种群的数量特征主题为例开展建模学习教学活动设计与实践。研究发现，科学建模学习是培养学生科学思维的有效手段之一。张静等人（2020）以静电学为例开展建模教学实践活动。研究发现，科学建模学习有效促进了学生的模型进阶学习。近两年，国内有学者开始关注计算机平台在建模学习中的融入。例如，周佳伟（2021）发现计算机支持的科学建模学习，能促进中学生对复杂系统问题（如流行病的传播）的知识建构。

随着“智能+”时代的到来，计算机支持的科学建模学习，能为科学思维和计算思维的协同培养提供新思路。虽然，越来越多的研究者开始关注计算机支持的科学建模学习对科学思维和计算思维发展的影响，但目前并未深入探讨其与科学思维和计算思维的内在联系机制。此外，尚未有研究者归纳出具有普适性的计算机支持的科学建模学习模式，以供教学实践参考。可见，国内目前缺乏对这两方面的研究。那么，计算机支持的科学建模学习与科学思维和计算思维的内在联系机制是怎样的？普适性的学习模式又是如何的？在不同学段中具体的教学是如何实施的？鉴于此，本文将在下文中对这些问题进行阐述。

四、计算机支持的科学建模学习与科学思维、计算思维的内在关联机制

科学思维是在认识事物、解决实际问题的过程中，基于证据和逻辑，运用分析与综合、抽象与概括、归纳与演绎等思维方法，建立证据与解释之间的关系，能够从多角度、辩证地分析问题，并提出合理见解，进而解决问题。建构模型是科学思维的核心实践要素，学生需要学会建构模型并运用模型解释现象，描述系统的结构、关系及变化过程（中华人民共和国教育部，2022）。

计算思维使用计算机和信息科学的基础概念解决问题、设计和评估复杂系统以及理解人类行为，是通过抽象、简化、转换将一个看似复杂的问题重新表征成可以用计算工具进行信息处理的思维过程（Wing，2006）。计算思维强调的是利用计算工具思考和解决实际问题的方法，因此，注重真实生活情境，重视与其他学科内容的融合，是培养学生计算思维的内核价值（Shute，et al.，2017）。计算思维实践需要结合抽象、分解、算法、调试、迭代和泛化等来解决一个实际问题，包括计算机建模实践、数据实践及自动化（Shute，et al.，2017）。

计算机建模作为计算思维的实践方式之一，是培养计算思维的重要途径。近年来，科学教育研究者逐渐认识到计算机支持的科学建模学习是促进科学思维和计算思维协同发展的重要途径（Irgens，et al.，2020；Metcalf，et al.，2021；NGSS，2013）。科学思维、计算思维以及计算机支持的科学建模之间的关系，如图4 所示。计算机支持的科学建模学习促进科学思维和计算思维发展的内在机制表现为：在计算机支持的科学建模过程中，当学生进行问题抽象时，按照问题的逻辑结构，将复杂问题抽象、分解成容易解决或计算表征的子问题，这蕴含着科学思维的抽象与概括以及计算思维的抽象与分解技能；模型构建是学生将问题解决方案转换为可执行的结构，并构建成模型，这体现了科学思维和计算思维的问题解决能力；模型分析是学生通过调试变量值，模拟不同参数下模型的仿真输出结果，验证模型的可行性、判断是否需要进行修正，主要体现在于科学思维的归纳、推理论证以及计算思维中的仿真调试技能；模型修正是学生针对模型预测的准确性，进行针对性地修正，主要涉及科学思维的分析与综合和计算思维中的迭代技能；模型运用是将所构建的模型迁移到其他问题中，使其成为解决类似问题的范式，是科学思维的归纳与演绎以及计算思维的泛化技能的体现。

图4 计算机支持的科学建模学习与科学思维和计算思维的内在联系

综上，在科学教育中，计算思维的培养并非意味着将计算机科学中的计算思维“加”到科学教育中，或者简单地将两门学科进行组合，而需要重视其与数学、科学、以及工程等核心学科之间的深度融合（Magana，et al.，2016；Weintrop，et al.，2016）。学生科学思维和计算思维的发展，可以通过计算机支持的建模学习来支持（Basu，et al.，2016；Sengupta，et al.，2013）。因此，计算机支持的科学建模学习的价值，体现在综合使用科学思维和计算思维解决实际问题的能力培养方面，科学建模学习是促进两者协同发展的内核要素和重要学科实践。

五、科学建模学习模式的构建

在教学实践中，如何开展科学建模学习是首要解决的问题。在科学建模学习中，学生是作为教学的主体，通过协作、探究等方式完成建模学习任务（Metcalf，et al.，2021），这体现了以学生为中心，循环迭代、合作交流的教学过程。在这一课堂教学过程中，大多数研究者首先是为学生提供真实情境，帮助学生明确建模目的。其次，学生需要根据科学主题完成建模实践（模型构建、分析、修正和应用等）活动。最后是学生对分析与综合、抽象与概括、归纳与演绎的建模过程进行反思总结，以加深对计算和科学概念的理解（Irgens，et al.，2020）。结合已有的建模学习理论与真实的课堂实践，我们可以把计算机支持的科学建模学习的模式概括为“创设情境—结构化任务—建模实践—反思总结”四个环节，如图5 所示。

图5 计算机支持的科学建模学习模式

第一，创设情境。创设情境是指教师结合课程，引入真实生活中的问题情境，激发学生对科学建模学习活动的兴趣。例如，在学习“狼—羊—草”的自然选择相关知识时，教师通过引入真实情境，让学生了解他们的生存法则，真实的情境学习能够加深学生对于科学问题的理解，有助于学生进行深入探究。

第二，结构化任务。结构化任务是指在建模实践活动开始前，教师需要向学生讲明学习任务和活动，如，学生需要了解建模的本质、目的及功能，清楚地知道建模的各个环节以及建模的相关策略。学生一旦明确了如何动手及学习任务的各个步骤，便可以实时监控学习的进度。

第三，建模实践。建模实践是计算机支持的科学建模学习的核心步骤之一，建模实践活动涉及问题抽象、模型构建、模型分析、模型修正与模型应用。在明确任务之后，教师要组织学生进行自主建模学习。在此过程中，学生需要对复杂的科学现象进行抽象、提取相关的变量，构建出科学模型，并通过模拟模型，不断地完善模型，以解释和预测复杂的科学现象。

第四，反思总结。反思总结是指学生对计算机支持的科学建模学习做出总结，目的在于引导学生调整策略和优化认知、帮助学生归纳总结以及迁移应用。例如，基于模型仿真结果构建合理的科学解释，或者是对参与科学建模学习活动的感受和收获做出总结。在此过程中，学生能够进一步认识模型的本质，基于建模探究结果进行反思，并对模型的有效性做出判断。

六、多学段中融入计算思维培养的科学建模学习案例

（一）面向大学生的案例应用——材料科学与工程课程

1.学习目标

该研究是在美国东海岸的一所综合型大学开展，依托该校开设的一门“材料科学家和工程师的计算和编程”选修课程，研究对象是20 名材料科学与工程系本科一年级学生，该课程的学习目标旨在让学生通过计算机建模学习来发展科学推理能力和计算思维。课程围绕五个项目开展建模教学，这五个项目都是基于真实的材料科学和工程原理，从心脏组织心室颤动建模到艾滋（HIV）病毒行为建模等（Lyon，et al.，2020）。在课程学习中，每个主题都要求学生通过MATLAB 软件编程以及创建与材料科学相关的数学计算模型。在编程文件中，要求学生在代码中添加代码注释，以引导他们解释其计算模型的设计思路，图6 显示了学生编程文件中包含的代码和注释示例。

图6 学生解决方案的示例代码（%后为代码注释）

2.活动设计

研究者聚焦于其中一个建模项目，要求学生使用MATLAB 软件构建心脏组织内生物电活动的模拟，即学生通过创建计算模型来模拟一小块心脏组织的活动。学生的建模任务主要包括以下几方面：第一，学生需要对生物系统和心肌生物电系统有一定的理解，理解心脏组织工作的基本原理，为计算机建模过程中对此复杂现象的核心要素进行抽象化处理提供帮助。第二，学生需要构建能够模拟心脏组织的计算模型，并在MATLAB 软件中编程实现计算模型。第三，学生在模型中输入参数，如，初始刺激发生的位置、后续刺激发生的位置，以及启动的各种心脏刺激之间的时间等来进行模拟和修正模型，以达到解释和预测的效果。第四，学生需要通过回答教师给定的问题来完成一份自我报告，包括对计算机建模过程中的问题进行解释以及在模拟过程中所观察到的现象特征进行归纳总结。例如，问题一是如只在开始时间里刺激心脏组织，心脏组织会发生何种变化，并描述这代表心脏功能是正常还是异常？问题二是通过修改模型的哪些条件，心脏组织会发生自我维持的兴奋，并进行解释和归纳？

计算机建模的模拟结果显示了电脉冲在刺激后如何在整个心脏组织中移动。图7 显示了两个模型的模拟演示结果：图7 左图是心脏组织经过刺激后表现出的正常功能；图7 右图是刺激心脏组织后导致的自我维持兴奋（心室颤动）状态，每一条线都会自我卷曲，当在心脏组织内产生一个新的刺激点，就会产生无限的电刺激心脏组织波。

图7 模型的演示结果

传统针对大学生计算思维培养课程的设计，主要以计算机科学相关课程（如，程序设计、软件工程、数据结构）为主，涉及编程语言语法的学习如Python，且编程实践较少与具体学科内容结合。而该课程设计虽也有少量代码的编写（见图6 中的数学公式），但重在对科学问题的建模和仿真，真正体现了计算思维的核心价值，即如何用计算科学的概念解决具体问题。

3.效果分析

该研究旨在分析学生从澄清、证据和推理等角度对计算模型的理解。研究结果表明，学生基本上都能够针对上述学习目标中的两个问题解释他们对材料科学和工程问题的计算解决方案。总的来说，大多数学生对两个问题（n=6）或一个问题（n=9）都有合理的论点，而只有5 名学生没有合适的论点。此外，该研究还发现，通过以学生反思报告解释的方式评估学生模型构建，可能有助于发现、汇总和归纳学生解决方案中的错误（例如，迷思概念）。研究结果揭示了计算机建模学习对培养学生的科学论证推理和计算思维有促进作用。学生通过编写数学计算模型，调试参数观察计算模型的模拟结果，并对模拟结果进行解释分析，以便进一步修正模型，加深对心脏系统复杂现象的理解，同时发展计算思维。

（二）面向中学生的案例应用——物理课程

1.学习目标

该研究以美国东南部的一所公立中学的科学课程为基础，开展了为期1 周的干预教学，82 名七年级学生参与了此次活动。研究者将计算思维整合到科学课程中，学生通过设计和开发科学模型，来学习牛顿第二定律中力和运动方面的问题。在这一过程中，学生需要通过基于块的编程环境，构建物理现象模型，以学习计算思维概念和实践。研究旨在调查该干预课程如何影响七年级学生的计算思维能力以及他们对力和运动概念的科学性知识的理解（Aksit，et al.，2020）。在整个过程中，教师扮演着辅导者的角色，实时监督学生任务完成的进度，对于碰到问题的学生，教师会进一步与学生开展探讨，为学生探索模型提供帮助，以此促进学生科学思维和计算思维的协同发展。

2.活动设计

研究者主要围绕学生参与一周5 天的课程开展研究。第一天，教师引入课程相关的知识，并向学生介绍基于块的编程、Scratch 软件的简单操作，学生学习基本的计算思维概念，如，抽象、算法等。第二天，学生学习基本的计算机程序设计概念，例如，循环、嵌套循环、条件语句以及使用逻辑运算符等。第三天，学生学习高级的计算机程序设计语句，例如，创建、使用和操作不同的变量等。第四天，学生需要明确建模学习任务（构建模型、修改模型、模拟模型等），并能借助Scratch 构建汽车在无摩擦道路上行驶的模型，通过分析、模拟汽车行驶的过程，以学习力和运动的概念。第五天，学生通过构建篮球在无摩擦介质中下落（即自由落体）的模型，分析力和运动变量间的关系，并进行模拟演示模型，以加深他们对牛顿第二定律的理解，如图8 所示。在课程结束后，学生需要陈述他们的反思总结，例如，学习了今天的课程之后，你对力和运动的理解是怎样的？

图8 Scratch 中基于模型的学习

传统针对初中生的计算思维培养课程的设计，主要以信息技术课程为依托，并未以具体的学科内容作为问题的起点，多是以计算思维概念学习为主。而该课程设计虽然是基于块的编程，但重在结合物理学科中的力和运动学，通过科学建模学习的模拟仿真过程，加深学生对牛顿第二定律科学知识以及计算思维概念的理解，从而落实了科学思维和计算思维协同培养的目标。

3.效果分析

该研究旨在探索科学建模学习课程干预对学生力和运动学概念理解，以及对计算思维能力的影响。首先，研究通过学生的学习前后测分数，探究学生在干预前后对力和运动概念的理解，学生的后测得分（M=6.82，SD=2.96）比前测得分（M=4.01，SD=2.17）提高了2.81 分，配对样本t 检验结果显示：此项课堂干预，使七年级学生对力和运动概念的理解有显著的提高（t=9.26，p＜0.001，效应量d=1.02）。其次，研究通过学生的计算思维前后测来调查学生的计算思维能力，学生的后测分数（M=20.76，SD=4.29）比前测分数（M=17.83，SD=5.63）提高了2.93 分，配对样本t 检验结果显示：参加干预课程的七年级学生的计算思维能力有显著提高（t=8.06，p＜0.001，d=0.91）。研究结果揭示了在科学建模的学习中，通过构建、分析和模拟计算模型的方式，能够促进学生对科学、计算知识的理解。例如，在模拟模型的过程中，学生通过观察、分析和推理，总结归纳出影响力和运动变化的因素和关系，这进一步加深了学生对复杂现象的解释能力以及对变量、调试等计算思维概念的理解。

（三）面向小学生的案例应用——生态系统课

1.学习目标

该研究是在美国东南部的一所小学开展，基于生态系统科学探究课程，以自然选择为主题，开展了一次科学建模学习。课程主要关注四年级学生通过建模对复杂的科学现象进行解释和推理的能力，以及生态系统知识的建构，课程的学习任务旨在让学生使用计算机建模软件NetLogo 来构建关于 “鸟类—蝴蝶—花”的自然选择这一科学现象的模型，通过软件的模拟仿真功能观察物种的动态变化情况，从而完成建模学习，如图9 所示（Dickes，et al.，2013）。

图9 NetLogo 建模软件

2.活动设计

研究者主要围绕小学四年级学生参与“鸟类—蝴蝶—花”的自然选择的内容展开，教学活动是以学生为中心的探究学习。在活动过程中，教师是一个引导者和干预者，会实时为学生提供帮助，以便学生能够更好地完成任务。在计算机支持的科学建模学习活动中，首先，教师向学生讲解关于“鸟类—蝴蝶—花”的生存法则，例如，鸟类捕食蝴蝶，蝴蝶靠喝花中的花蜜生存，并在这个过程中获得能量；颜色更接近花的蝴蝶更难被鸟类看到，蝴蝶经过多代改变颜色，逐渐变得与花的外观相似。此外，教师还向学生介绍了建模学习任务，学生需要基于“鸟类—蝴蝶—花”的生存法则，构建可解释性的科学模型。其次，在建模活动中，学生需要基于科学建模学习任务的目的及步骤，借助NetLogo 软件构建科学模型，并且通过模拟模型实时查看“鸟类—蝴蝶—花” 的变化效果（例如，鸟类和蝴蝶的总体行为、花的颜色的变化等），以完善模型。在此过程中，学生需要根据教师的指引，分析、预测和解释他们观察到的模型变化情况，并且完成反思报告。最后，在活动开始前和活动结束后，学生需要回答三个关于“大山雀—蛾—地衣”相关的生物学知识，问题一是“浅色蛾喜欢在哪种树干上休息——长满地衣的树干，还是没有地衣的树干？为什么？”问题二是“如果在没有地衣的树干上既有浅色的蛾又有深色的蛾，大山雀更可能吃哪种蛾，为什么？ ”问题三是“如果所有的地衣都死了，没有树干被地衣覆盖，蛾的数量会有什么变化？ ”

相对于基于机器人、教育游戏等非正式拓展活动以及不插电编程活动等形式培养小学生计算思维的传统课程，该课程通过使用NetLogo 这款常用建模软件，以可视化科学建模形式模拟“鸟类—蝴蝶—花”的自然选择过程，并融入了科学解释、科学推理以及计算思维的培养目标。

3.效果分析

该研究旨在探索小学生在科学建模学习中的解释和推理能力。研究结果表明，在前测中，学生能够成功地对前两个问题进行推理，大多数学生认为，第三个问题相对来说更具有挑战性。在对第一个问题的回答中，前测70%的学生能够给出正确答案，后测80%的学生给出了正确答案。在对第二个问题的回答中，前测60%的学生能够答对问题，后测有90%的学生给出了正确答案。而针对第三个问题，前测中只有40%的学生给出了正确的解释，相比之下，后测中有90%的学生能够给出正确的解释。研究结果表明了学生通过一系列的观察、分析、推理和论证来构建科学模型，这一过程不仅加深了其对自然选择知识的理解，还有效地培养了学生的解释、推理能力。研究结果也表明了计算机支持的科学建模学习活动，能够帮助学生学习复杂的科学知识并促进其科学思维的发展以及对仿真、迭代等计算思维实践活动的理解。

（四）三个案例的分析

上述案例一是面向大学生的以心脏组织心室颤动建模任务为主题、学生相对熟悉的一个学习主题，教师先对学生的学习活动进行了结构化安排，包括构建模型、模拟和修正模型等建模活动以及撰写反思报告；然后在建模实践环节中，学生自主学习，通过问题抽象、构建模型并用MATLAB 软件编程实现模型、仿真调试修正模型等实践完成了建模任务，并运用建模完成对科学问题的解决，在反思报告中总结建模解决方案。案例二是围绕中学牛顿第二定律中力和运动的关系开展建模活动，教师在引入真实情境后，让学生学习关于力和运动学以及计算思维的概念；学生在明确建模学习任务后，进行建模实践活动，针对给定的预设模型进行模型分析和模型修改等活动；在课程完成后，运用模型构建科学解释并完成反思总结。案例三是面向小学生开展的关于自然选择生态学内容的建模学习，教师先是引入“鸟类—蝴蝶—花”的自然选择规则，介绍计算机支持的科学建模学习任务，学生在NetLogo 预设好的模型基础上修改参数进行仿真，预测模型运行的效果，分析并修改模型，从而构建科学模型来解释“鸟类—蝴蝶—花”变化的科学现象，并在反思环节做出结论。

从建模过程而言，在案例一中，学生经历了建模学习的所有阶段，大学生具有较高的抽象思维能力，所以能够较好完成问题抽象和模型建构，其学习过程体现了计算思维的抽象、分解、自动化、调试、迭代及问题解决等能力。在案例二和案例三中，学生只是对系统预设的初始模型进行仿真、分析和调整参数修改模型，从而完成建模学习，对问题的抽象稍显不足，且学生的学习过程侧重自动化、调试、迭代等计算思维能力的训练。在建模工具的使用上，案例一使用的是基于文本编程的MATLAB 软件，学生需要自己编写若干行代码实现计算模型；而案例二和案例三均是基于图形化的建模软件，学生不需要编写代码，只需调整参数运行仿真。可见不同的课程设计充分呈现了学生的认知发展特点。

通过分析上述案例可知，三个案例所开展的计算机支持的科学建模学习活动，均以科学现象为背景，遵循以学生为中心、反思总结、协作交流等教学原则，通过教师组织和引导、学生讨论和探究等师生活动，来保障科学建模学习的顺利进行。虽然三个案例在教学环节的实施过程中略有不同，但都有其相似之处。基本上都遵循了“创设情境、结构化任务、建模实践和反思总结”等环节。三个案例均表明，这种学习模式能够有效支撑大、中、小不同学段科学课程的科学思维和计算思维的融合式教学。特别是案例二中面向中学生的计算机支持的科学建模学习，无论是学生的科学知识测试还是计算思维测量，研究结果都具有较大效应量（d＞=0.9），即这种学习模式能够产生非常好的教学效果。

七、计算机支持的科学建模学习未来应用建议

（一）明确科学建模学习目标

计算机支持的科学建模学习，作为科学思维和计算思维协同培养的一种学科实践，关注用计算思维的方法解决科学问题，使学生能够体验科学知识发展的本质和计算思维在解决现实世界复杂问题中所起的作用。此类课程目标定位，应涵盖科学思维和计算思维。而不同学段的科学思维和计算思维育人目标应有所侧重，如，小学阶段对科学思维的培养侧重科学观察能力和简单的科学解释能力，侧重计算思维意识和习惯培养，这就要求课程内容的设计应尽量依据学生认知发展的特点循序渐进。特别是新兴的“计算机+”学科（如，计算生物学）的发展，更需要具有计算思维的跨学科创新型人才的培养。而传统科学教育中缺乏计算思维的融入。因此，这种“创设情境、结构化任务、建模实践和反思总结”的融合式教学，将使学生从小具有跨学科的素养，理解并实践用计算思维解决科学问题，以培养“智能+”时代所需的创新型人才。

（二）培养专业教师的科学建模教学能力

计算机支持的科学建模学习，这种学习方式要求教师具有新型的教学理念。只有当教师将计算思维的学习目标，创造性地融入学习情境的创设中，并对学生的学习活动进行结构化设计时，才能推动学生个体科学思维、计算思维以及团队协作能力的发展。因此，融入计算思维的科学建模学习，也应成为科学教师创新性发展的核心内容，教师应该深入理解建模教学知识，明晰建模学习设计实施路径，具备计算机建模学习设计的能力，并在教学实践中不断提升相关的TPACK（即整合技术的学科教学知识）。上述所提到的Project GUTS 和CT-STEM 课程，都是由高校研究人员召集中小学教师共同打磨的。在此过程中，教师能够对该类课程的教学设计有更深的理解，能够更好地帮助到学生。因此，我国高校研究者也可以通过对一线教师的培训，开发课程、共同优化，以提升他们的科学建模教学能力。

（三）构建人工智能技术赋能的科学建模学习工具

在该学习模式的“建模实践和反思总结”阶段，建模学习过程中的模拟仿真，需要学生具备较高的元认知能力，比如，如何反思参数设置是否恰当，而教师难以对学生提供及时的反馈及个性化的指导。然而，目前国内外都缺乏融入智能评测和反馈的科学建模学习工具。因此，人工智能技术可以作为构建科学建模学习工具的支撑，对学生学习过程中多模态数据（如，模型图、仿真修改频次等）进行实时分析。例如，在构建模型的过程中，可以借助机器学习分析学习者所构建的模型图与专家模型图的相似性，并为学生提供及时的反馈和提示；在分析和修改模型的过程中，可以基于仿真交互数据，根据决策树算法的输出，为学习者提供可视化的仿真交互信息，从而实现对学生建模实践的认知诊断。

八、结语

计算机支持的科学建模学习，是促进科学思维和计算思维协同发展的重要途径。这在当今“计算机+”学科交叉人才培养的背景下显得尤为重要。本研究在梳理科学建模学习理论，并论证计算机支持的科学建模学习与科学思维、计算思维内在联系机制的基础上，构建了科学建模学习模式，通过对大学生、中学生及小学生科学建模学习的三个案例分析，详细地论述了其在各学段不同学科教学实践中的可行性，论证了“创设情境—结构化任务—建模实践—反思总结”科学建模学习模式的普适性。这种学习模式不仅能使学生掌握相关的科学知识，培养其科学思维，更能促进学生计算思维的发展，培养“智能+”时代所需的创新型人才。在此基础上，进一步从课程目标、教师培养以及智能化建模学习工具构建等方面，提出了未来的实施建议，为科学教育中科学思维和计算思维的协同培养提供了新思路，也为教育工作者提供课程实践的新参考。然而，本研究仅仅是对计算机支持的科学建模学习研究的初步探索，未来仍需以实证的方式，进一步将计算机支持的科学建模学习应用于真实课堂，进而更精准地评估学生科学思维和计算思维的协同发展水平。