问题导向学习视域下本科生科学推理和论证能力建构与培养路径

杨雅南 赵小燕

摘 要：科学推理和论证能力是学生高阶思维能力的重要组成部分。以往研究中识别教学支架与学习者科学推理和论证能力发展间动态联系的研究较为匮乏。因而，本研究以行政管理专业课程为研究情境，设计问题导向教学模式，并运用认知网络分析方法， 在教学实践中对学生科学推理和论证能力发展动态进行建模。实证研究表明， 行政管理教育中问题导向教学模式对提升学生科学推理和论证能力产生显著影响，通过教学设计能有效推动学生科学推理和论证能力要素间建立联系，达成能力培养目标。研究同时表明认知网络分析法能够为教学过程中学习活动监测和学习成绩预测提供有效证据。

关键词：科学推理和论证能力;认知网络分析;问题导向学习

一、问题提出

培养学生的高阶思维是我国高等教育人才培养的重要目标，也是当前世界教育改革和发展的重要使命。科学推理和论证能力是学生高阶思维的重要组成部分[1]，是学生核心素养的重要内容[2]，也是学生适应知识社会的核心能力[3]。科学推理和论证（Scientific Reasoning and Argumentation，SRA）被广义地定义为学生在问题情境下，基于科学和事实的证据，应用科学方法和原则，发展自身知识并建构其论点解决问题的动态复杂认知过程[4]。科学推理和论证并不是特定认知情境下的一种简单线性的思维发展轨迹，而是一系列认知要素间的复杂建构过程。研究表明科学推理和论证能力的培养离不开教学，但其自身的复杂性决定了无法通过传统知识传授的形式，轻易地提升能力培养效果。因此，如何有效设计教学支架，促进科学推理和论证能力发展，成为本领域研究的热点。其中，利用问题导向学习的教学支架，促进学习者科学推理和论证能力发展，成为近期该领域的重要研究趋势之一。然而，现有研究多关注跨领域间共性和结果导向评价，对学科间差异和学习过程中能力建构过程尚待持续深入探讨[5]。相关研究已发现学科对能力发展影响的相对权重可能存在很大差异[6]，而现有以结果导向和问卷调查为手段所获得的评价结论是非常不完备的[7]。因此，立足于学科特异性更有效地优化问题导向教学模式，推进科学推理和论证能力的发展仍是该领域研究的难点。

基于此，本研究尝试将“教”的规律与“学”的规律相结合，设计和优化以学生为中心的问题导向教学模式。基于行政管理专业领域中的实际案例，创设开放性问题情境，在真实课堂和具体教学互动中，对学生科学推理和论证能力进行建模，并根据学生能力发展水平差异和动态演化趋势，进一步明确问题导向教学模式的优化路径。一方面深化了教学过程中学生高阶思维结构和培养规律的认识，为优化以学生为中心的教学设计提供有效支撑;另一方面揭示了专业领域中学生科学推理和论证能力发展轨迹，为把握学科间学生能力发展的共性和差异性规律提供有效证据。

二、理论基础

（一）问题导向学习

问题导向学习是基于理性主义、认知心理学、建构主义与情境认知学习理论的、以学生为中心的教学设计[8]，其核心是教师创设解决复杂问题的学习情境，促进学生在协作互动中自主建构知识，发展推理论证能力、合作学习能力和批判性思维能力，满足学生自主学习和终身学习需要[9]。问题导向学习在实践中发展出多种教学模式，具有代表性的如问题导向教学模式、抛锚式教学模式和项目导向教学模式等，尤其是问题导向教学模式在培养学生问题解决能力和推理论证能力方面已取得显著成效[10]。如Vernon（1995）通过22所美国与加拿大医学院的问卷调查研究结果表明，问题导向教学模式能有效培养临床专业学生的科学推理能力[11]。后续许多类似研究利用问卷调查法和实验法，对此教学模式中学习者进行评价都得到相似结论[12]。虽然问题导向教学模式对学习者能力培养产生积极效果，但现有评价研究并没有全面揭示在此学习过程中，学生能力到底是如何建构和发展起来的[13]。绝大多数研究者都认为，尽管问题导向教学模式专注于学习过程对学生专业核心能力的提升，但是动态评价学习者的学习和能力发展过程是十分不容易的[14]。基于此，本研究尝试对问题导向教学模式中，学习者科学推理和论证能力发展过程进行建模，识别教学模式和能力发展间的动态联系，从而更有效开展教学设计，实现教学目标。

（二）认知要素分析框架

近三十年来相关研究在理解科学推理和论证能力组成要素方面已获得显著进展[7]。主流研究认为科学推理和论证能力是一个多维认知过程[15]。许多研究从类型学角度确定其认知框架要素。具有代表性并获得普遍认可的是Fischer等（2014）提出的科学推理和论证能力认知要素框架。具体而言，该研究认为科学推理和论证能力由问题识别、提问、假设生成、构建和设计解决方案、证据生成、证据评估、得出結论、沟通和审查八项认知活动组成，并形成基于自然和社会现象的、基于实践问题的和以人造模型为中心的三种科学推理和论证模式，每种模式中每项认知活动方式有所差异[16]。相关研究同时指出尽管跨领域间科学推理和论证能力要素存在共性，但毋庸置疑的是，科学推理和论证能力对学科领域高度依赖。如工程师在设计过程中，“问题识别”是能力发展的关键;而对自然和社会科学的学习者而言，“提问”和“假设生成”则起着相对重要作用。科学推理和论证能力中的“证据评估”，在自然科学中较多体现为假设演绎，在社会科学中则多为归纳比较[17]。由于认知活动的性质和模式因学科而异，因此专业学习者的科学推理和论证能力培养必然存在不同。基于此，本研究继续探究促进科学推理和论证能力发展的教学模式在不同学科中的泛化能力。

（三）认知网络分析法

认知网络分析法为捕捉和分析学习过程中学生科学推理和论证能力的动态演化，提供了一种有效的技术手段。它基于认知框架假设，通过代码、单元和节点构建累积邻接矩阵，并将累积邻接矩阵转换为累积邻接向量投影到高维空间中，进行可视化分析，识别特定领域专业认知要素之间的发展和联系[18]。作为量化民族志的重要研究方法之一，认知网络分析法能够在教育、工程设计、医学等非良构问题领域，对学习者专业认知和思维水平进行建模，能够有效揭示学习者专业思维各维度间的结构关系，并评价教学模式促进思维能力发展的成效[19]。因此，本研究利用认知网络分析法，多维度地表征学生科学推理和论证能力认知要素间的结构和演化过程，进而增进对问题导向教学模式中学生科学推理和论证能力培养效果的解释力。

三、研究设计

（一）研究问题和思路

研究基于行政管理教育中的非良构问题，开展问题导向教学设计和教学组织，在教学实践中分析学生科学推理和论证能力发展动态，进而促进教学设计的优化和迭代。研究思路主要采用以证据为中心的ECD分析框架[20]，通过学生模型、证据模型和任务模型建立理论、数据和分析之间的联系。学生模型采用科学推理和论证能力的认知分析框架进行数据剖析，任务模型采用合作型问题导向学习的“七跳”过程为蓝本开展教学设计[21]，证据模型采用认知网络分析法对认知要素进行建模。并提出以下三个研究问题：

问题1：行政管理专业学生科学推理和论证能力存在何种特征？

问题2：问题导向教学模式能否促进学生科学推理和论证能力发展？存在怎样的建构过程？

问题3：不同成绩水平的学生科学推理和论证能力是否存在演化差异？若有差异体现在何处？

（二）研究对象和过程

研究选取华中地区某高校行政管理专业53名本科生作为实验对象，其中男生10名，女生43名。以行政管理案例分析课程为样本，开展为期一个学期（16周）的问题导向教学设计的实证研究。教学内容参考行政管理专业具有代表性高校中为本科生所开设的该课程大纲，设计案例问题和案例情境。根据学时计划和教学安排，本次教学实验开展四个专题的研讨，按照学时时间顺序依次进行，每次课程研讨持续二周。

教学设计主要围绕描述教学目标、分解教学任务、组织教学活动，实施评价及反馈这四个关键环节进行，旨在创建开放性问题情境，激发学生在其最近发展区内的能力建构。具体而言，（1）教师在专题研讨前描述案例情境，设计或挑选案例材料，提出一个有争议性且没有确定答案的开放性问题，指明需要学生理解和分析的理论视角;（2）课下学生自主建立学习小组，通过头脑风暴对问题情境进行分析，针对核心问题提出初始观点，展开小组讨论。并对提出的观点进行合理论证，进一步明确需要学习和整合运用的知识，建构案例分析方案，论证解决问题思路，并形成初步解决方案;（3）课中学生汇报小组讨论成果，回应其他同学提出的质疑，表明自己是否支持或者反对他人的观点，并在不同的观点之间展开辩论，不断完善观点和论证过程;（4）开展小组互评和教师形成性评价，教师适时对知识点和论证思路进行提问和补充，评价和反馈各个小组的讨论表现，引导学生在课中、课后对知识学习过程、解决问题过程、分享讨论过程进行持续反思。

（三）数据收集和编码

教学实验中对所有专题讨论进行全程录像，共获得537分钟课堂实录的观察数据。随后对实录数据进行文字转录，以学生在教学过程中的发言作为编码基本单位。编码方案主要参考Fischer（2014）等提出的科学推理和论证能力认知要素框架：（1）问题识别。从问题情境的分析中建立起来，识别在专业学科领域可能解释或者不能恰当解释的现象;（2）提问。形成一个或多个初始问题，这些被细化的问题指导后续系统地搜索数据并展开论证;（3）假设生成。从合理的模型、可用的理论或已知的经验证据中得出问题的可能答案;（4）生成解决方案。构建分析模型可在问题情境或真实情景中进行测试;（5）证据生成和评估。运用各种方法如归纳法和演绎法，来生成支持或反对主张的证据，并评估证据支持程度;（6）得出结论。批判性地分析论证过程和数据分析结果，整合得出总结性判断;（7）沟通和审查。与他人共享学习成果并接受他人质询，包括学习团队的内部沟通和以报告形式在学习群体内分享。在正式编码之前，选取20%的课堂实录和文本数据为样本，由两名研究人员独立编码，编码结果均达到较好的一致性（kappa=0.847>0.7），并通过协商讨论解决了编码分歧问题。需要注意的是，编码方案确定过程中，由于两位编码员在证据评估和证据生成之间频繁发生混淆和错误分类，并且证据评估代码出现频率低于1%，因此最终将两个代码合并为证据生成。

（四）数据分析和处理

研究中运用视频辅助的认知民族志和认知网络分析方法对学习过程中形成的视频和文本数据进行筛选、预处理和分析。视频辅助的认知民族志能够获取足够的参与者间的交互证据，同时认知网络分析法能够对小组的认知行为进行建模，揭示认知网络特征。科学推理和论证能力网络模型包含7个要素连接形成的网络。研究中认知网络所分割出的节，能够保证在科学推理和论证能力要素这一维度下，最多有一个要素与该节相符合。会话是指一组学生围绕一个专题进行的讨论。由于研究中关注学习小组交互而形成的整体认知网络，因此将分析单元设置为各专题中的小组会话。在认知网络分析软件中将滑动窗口大小设置为4。在科学推理和论证能力的高维空间中，对不同分析单元进行球面归一化处理，采用奇异值分解的方法进行降维，生成含多个维度旋转矩阵，选择前两个能够最大化解释原始数据整体变异量的维度，实现高维空间中能力网络在平面上的二维投影。并通过优化后的节点网络图，对科学推理和论证能力网络进行可视化完成建模。同时，构建不同小组在各个阶段的能力网络图，获得不同小组在各个教学阶段的能力演化情况，进而实现动态化差异分析。

四、研究结果

（一）学生科学推理和论证能力结构特征

根据编码框架对592个事件进行编码，共获得编码数量1460个。内容分析表明科学推理和論证能力要素中，问题识别占全部编码要素数量的8.7%，提问占7.5%，假设生成占18.1%，建构方案占4.2%，证据生成占24.5%，得出结论占15.3%，沟通和审查占21.8%。要素类别和频次随教学过程的时间序列分析表明，问题识别、假设生成和得出结论在教学实验各阶段变化较为显著，然而变化趋势显著不同。其中问题识别、假设生成和建构方案三个要素在认知要素中所占比例持续增加，而得出结论占比却略有下降。提问、证据生成、沟通和审查要素在各教学阶段占比较稳定。

（二）教学不同阶段学生群体的科学推理和论证能力演化模式

绘制教学不同阶段科学推理和论证能力要素网络模型，第一维度（X轴）占原始数据整体变异数的36%，第二维度（Y轴）占原始数据整体变异数的25.3%，模型在第一和第二个维度都具有1.0（Pearson）和1.0（Spearman）的共配准相关性。不同教学阶段各专题的能力网络质心存在差异，且具有明显轨迹，能力网络经独立样本T检验，结果表明不同教学阶段专题研讨分别在第一维度和第二维度产生显著性差异（见表1），这表明学生在不同教学阶段科学推理和论证能力要素各有偏重。

从不同教学阶段学生科学和推理论证能力网络模型演变可发现，各要素间逐渐建立起紧密联系。学期初专题一研讨过程中，学生能力网络中关联系数最高的三个要素分别是：证据生成与得出结论（关联系数0.49），证据生成与沟通和审查（关联系数0.43），得出结论与沟通和审查（关联系数0.34）。节点要素位置和关联结构表明，学期初学生的科学推理和论证能力建构过程呈现“摆事实、讲道理”模式。随着问题导向教学过程的深入，学期中科学推理和论证能力要素关联结构产生了明显变化，一方面假设生成和各认知要素间联系显著增强，其中专题二中假设生成和证据生成间关联系数为0.36，专题三关联系数进一步增强为0.40。另一方面问题识别与假设生成和证据生成间关联系数也显著增强。表明学期中学生科学推理和论证能力建构过程呈现“寻理论、解问题”模式。学期末专题四研讨与前期相比，建构方案要素与其他要素关联明显增强，表明学生科学推理和论证能力建构呈现“论方案、谋策略”模式（见表1）。

（三）不同成绩水平学生群体的科学推理和论证能力建构过程

分析教学各阶段学习小组科学推理和论证能力质心网络，根据学习小组质心坐标接近度和质心分布象限可发现，学习小组形成了四种较为相似科学推理和论证能力建构历程。第五组（x：-0.47，y：1.07）位于第一象限;第二组（x：0.33，y：0.27）和第六组（x：0.08，y：0.29）位于第二象限;第四组（x：-0.7，y：-0.17）和第八组（x：-0.41，y：-0.11）位于第三象限;第一组（x：0.05，y：-0.48）、第三组（x：0.49，y：-0.48）和第七组（x：0.74，y：-0.40）位于第四象限。学习小组的能力网络质心位于相似的认知网络模型空间中，并且质心位置越接近，可预期学习小组的科学推理和论证能力结构越相似。若质心的位置在认知网络模型空间的另一侧，则表明存在显著差异。科学推理和论证能力网络质心分组与各教学阶段组间互评和教师形成性评价进行三角互证，发现评价结果非常一致。小组互评和形成性评价结果中第五组、第二和第六组成绩为优秀，第一组、第三组和第七组成绩为良好，第四组和第八组成绩为合格。非常有趣的是，学期中第五学习小组同学向教师反映：“小组互评中有小组进行了‘恶意评价，小组成员都认为他们的小组成果应该是优秀而不是良好。”而在科学推理和论证能力质心图中也可发现第五组在Y轴与第三组（P=0.01<0.05）和第七组（P=0.02<0.05）产生了显著差异。

学生科学推理和论证能力演化分析表明，总体而言，问题导向教学模式明显改善了学生科学推理和论证能力网络中要素连接状态。在不同教学阶段产生了明显演化特征。具体而言，优秀组学生科学推理和论证能力网络中，尽管在教学初期各能力要素相互连接但网络较松散，教学中期网络中各要素联系开始加强，并且在要素分布上相对均衡。优秀组在教学中后期科学推理和论证能力各要素间联系明显增强，逐渐形成稳定的能力结构;良好组的学生则表现为在不同教学阶段，能力要素關联和要素分布上存在明显侧重;及格组能力网络中在教学各阶段始终存在部分孤立能力要素点，没有与其他要素形成关联。

五、结论与展望

研究构建问题导向教学模式在行政管理专业教学中开展教学实验，采用认知网络分析法，对教学实录中学生科学推理和论证能力发展过程进行建模。旨在识别问题导向教学模式与专业领域中学生高阶思维能力发展间的动态联系，进而为优化以学生为中心的教学设计提供依据。

研究结果表明：（1）问题导向教学模式在行政管理教育中对提升学生科学推理和论证能力产生显著影响。在该教学模式中，教师根据学科特征设计问题情境，并通过教学组织和设计能够有效推动学生科学推理和论证能力要素间建立联系，达成能力建构的教学目标;（2）学生群体科学推理和论证能力存在鲜明的发展特征和建构过程。总体而言，随着教学实验过程的推进，各学习小组尤其在问题识别、假设生成和建构方案三个要素与其他要素间联系显著增强，同时发现得出结论要素占比略有下降，但是结论与问题、假设和建构方案的联系紧密度增强。结合小组学习成果的内容分析表明，学生得出结论要素产生明显变化，其变化的实质是实现了由学期初基于证据直接下论断，到基于理论和模型给出针对性结论的转变;（3）研究揭示了不同成绩水平学生科学推理和论证能力上存在的演化差异，同时发现科学推理和论证能力的演化模式与教学各阶段组间互评和教师形成性评价具有显著的相关性。

基于上述分析，研究得到了一些有益的启示。（1）问题导向教学模式有利于培养学生更好地解决本学科领域的非良构问题，并能够有效促进学生科学推理和论证能力的发展。但需要关注的是，该教学模式中开放性问题情境设计对学生能力发展的动态影响。研究中结合深度访谈和田野调查的三角互证表明，问题特异性影响尤其体现在成绩良好类学生论证能力的非稳态变化上。因此，开放性问题情境设计需以学生科学推理和论证能力发展水平和特点为依据，采用一个系统迭代的设计过程。（2）教学设计要关注学习小组中团队成员的特点和合作过程。由于认知能力与情绪错综复杂地交织在一起，小组合作中引发的消极情绪可能影响能力发展的质量和结果。问题导向教学中需关注学习小组和小组间合作动态，及时排解消极情绪在小组学习讨论中的影响。可激励学生在学习过程中自主构建小组学习模式和制定小组学习规则，促进学生元认知能力的建构和发展。（3）量化民族志方法能够深度挖掘学习活动过程数据，能为教学过程中学习活动监测和学习成绩预测提供有效支撑。从认知网络分析与其他结果导向评价的相关性中可发现，该方法对科学推理和论证能力演化的动态监测，可辅助教师在教学过程中识别学生能力发展不足，有针对性地根据不同学生能力发展水平制定相应教学策略，因势利导采用与学情相配的教学方法和手段，进而探索因材施教的有效途径。研究仍存在一定不足，由于研究中采用纵向追踪研究，取样较为困难，故研究样本量较小。未来需进一步扩大样本范围且进行长期和多轮的追踪研究，更广泛地收集和分析语言数据和观察数据，更大程度地捕捉学生能力建构过程，以期获得更加精确的结论。

參考文献：

[1] CSANADI A， EAGAN B， KOLLAR I， et al. When Coding-And-Counting is Not Enough：Using Epistemic Network Analysis （ENA） to Analyze Verbal Data in CSCL Research[J]. International Journal Of Computer-Supported Collaborative Learning， 2018，13（4）：419-438.

[2] 韩葵葵，胡卫平.科学论证能力结构模型建构研究[J].教育理论与实践，2019，39（22）：3-7.

[3] KUNDARIATI M， MAGHFIROH L， INDRIWATI S E， et al. Scientific Reasoning Skills （SRS）： Predictor to The Student'S Problem-Solving in The Biology Classroom？[J]. Biosfer： Jurnal Pendidikan Biologi， 2021，14（2）：189-200.

[4] KOSLOWSKI B. Scientific Reasoning：Explanation，Confirmation Bias， and Scientific Practice[M]. Springer Publishing Company， 2013.

[5] HERRENKOHL L R， CORNELIUS L. Investigating Elementary Students' Scientific and Historical Argumentation[J].Journal of the Learning Sciences，2013，22（3）：413-461.

[6] FISCHER F， KOLLAR I， Ufer S， et al. Scientific Reasoning And Argumentation： Advancing an Interdisciplinary Research Agenda In Education[J]. Frontline Learning Research， 2014， 2（3）： 28-45.

[7] SAVERY J R. Overview of Problem-Based Learning： Definitions And Distinctions[J]. Essential Readings In Problem-Based Learning： Exploring and Extending The Legacy of Howard S. Barrows， 2015， 9（2）：5-15.

[8] SCHMIDT H G. Foundations of Problem‐Based Learning： Some Explanatory Notes[J]. Medical Education， 1993， 27（5）： 422-432.

[9] DUCH B J， GROH S E， ALLEN D E. The Power Of Problem-Based Learning： A Practical" How To" For Teaching Undergraduate Courses In Any Discipline[M]. Stylus Publishing， LLC.， 2001.

[10] SHOFIYAH N， WULANDARI F E. Model Problem Based Learning （PBL） Dalam Melatih Scientific Reasoning Siswa[J]. Jurnal Penelitian Pendidikan IPA， 2018， 3（1）： 33-38.

[11] VERNON D T A. Attitudes And Opinions Of Faculty Tutors About Problem-Based Learning[J].Academic Medicine， 1995.

[12] ANTONIETTI A. Problem Based Learning-A Research Perspective on Learning Interactions[J].British Journal of Educational Psychology， 2001， 71： 344.

[13] MILLAN L P B， SEMER B， RODRIGUES J M S， et al. Traditional Learning And Problem-Based Learning： Self-Perception of Preparedness For Internship[J]. Revista Da Associa？？o M？Dica Brasileira， 2012， 58（5）： 594-599.

[14] OAKSFORD M， CHATER N， HAHN U. Human Reasoning And Argumentation： The Probabilistic Approach[J]. 2008.

[15] ANDREAS H， KATHARINA E， ANSGAR O， et al. Beyond Intelligence and Domain Knowledge： Scientific Reasoning And Argumentation As A Set of Cross-Domain Skills[M]//Scientific reasoning and Argumentation. Routledge， 2018： 203-226.

[16] FISCHER F， KOLLAR I， UFER S， et al. Scientific Reasoning and Argumentation： Advancing an Interdisciplinary Research Agenda In Education[J]. Frontline Learning Research， 2014， 2（3）： 28-45.

[17] SCHMIDT F M， ZOTTMANN J M， SAILER M， et al. Statistical Literacy and Scientific Reasoning & Argumentation In Physicians[J]. GMS Journal for Medical Education， 2021， 38（4）.

[18] BAUER E， SAILER M， KIESEWETTER J， et al. Learning to Diagnose Students' Behavioral， Developmental， and Learning Disorders In A Simulation-Based Learning Environment For Pre-Service Teachers[J].Learning to Diagnose with Simulations， 2022：97.

[19] 周平紅，周洪茜，张屹，林利.深度学习视域下学习者协同知识建构历程的社会认知网络特征分析[J].电化教育研究，2021，42（9）：99-107.

[20] RUIS A R， ROSSER A A， QUANDT-WALLE C， et al. The Hands And Head of A Surgeon： Modeling Operative Competency With Multimodal Epistemic Network Analysis[J].The American Journal of Surgery， 2018，216（5）：835-840.

[21] AHSIN S， ASHRAF H， SAEED G N. Customizing Case-Based Learning （CBL） Sessions With Limited Resources And Analysis of Their Perceived Effectiveness by The Conducting Facilitators[J].Journal of Rawalpindi Medical College， 2020，24（2）：117-122.