“证据推理”能力的影响因素研究

摘要： 探寻“证据推理”能力的影响因素对学生的科学学习、科学素养的培养具有重要意义。研究遵循结构方程模型的技术方法，通过理论探究，提出包含阅读能力、数学能力、空间能力、科学能力和科学兴趣5个方面影响因素的模型，选取2261个样本开展测量调查，运用AMOS软件进行数据检验和模型修正。结果表明，修正后的“证据推理”能力影响因素模型兼具理论意义和数据质量，其中科学兴趣的作用效果不显著，阅读能力、数学能力和科学能力共同构成认知能力因素，与空间能力共同正向影响“证据推理”能力。

关键词： “证据推理”能力； 结构方程模型； AMOS； 影响因素

文章编号： 10056629（2024）01002509

中图分类号： G633.8

文献标识码： B

“证据推理”能力（Evidencebased Reasoning Competence， ERC）是强调从已有经验、问题情境中识别、转换、形成证据，利用证据进行推理，从而获得结论、解决问题的关键能力。它和科学推理能力密切相关，在前期研究中我们探讨了其概念内涵［1］，并构建了ERC水平框架［2］，开发检验了能力测评工具［3］。ERC对学生的科学学习、科学素养的形塑，或者基本认知能力的发展，都具有重要意义。已有研究指出个体的这种高阶思维能力是阶段性的，虽然随着年龄的增长和知识的学习，将会从低水平阶段发展到高水平阶段，但有些学生不能发展到形式运算、理论化阶段，出现“阶段延迟”现象［4］。因此，除了了解学生的能力现状，还有必要探寻哪些因素会影响作用于ERC，进而为培养、发展该能力提供依据。

在已有研究成果的基础之上，探查影响ERC的可能因素，构建并验证影响因素与ERC之间的关系路径，进而发展出影响因素模型，是本研究要解决的问题。

1 研究假设的提出

文献梳理发现，围绕ERC进行变量间相关性探查的实证研究较少，但我们可以从科学推理能力的有关研究中获得启发。有研究者指出学生的科学推理能力表现与他们的数学、科学成绩之间存在显著的强相关，因此学生在课程学习中的困难可能是由于学科概念理解的困难，也可能是空间智能、视觉认知方面存在问题，还有可能是科学推理能力的不足［5］。而且科学推理能力与科学学科、语言、社会学（历史、地理）成绩表现存在关联［6，7］。除了学业成绩之外，还有关注于自我效能感等与推理能力的关联性研究［8］。这些研究均说明了推理能力影响其他学科的学习，影响科学素养的发展，同样它也会因性别不同、年级不同而存在差异［9］，还会受到其他因素变量的作用，如科学学习结果［10］、知识水平，以及情感、兴趣、态度、认知风格、学习动机、效能感等非认知因素。

ERC是高阶思维能力，需要经历在已有经验、知识即证据的基础上，进行抽象、概括、总结、归纳或演绎等一系列的转换过程，最终形成新的概念或新判断。因其复杂性、整合性要求，对人的基本认知提出了较高的要求，涉及多方面的知识经验和能力。“证据推理”与“认知”（过程）都需要利用既有的知识经验，产生新的知识经验或形成新的判断。同时，在复杂的“认知”过程中可能包含推理思维、推理活动，“证据推理”过程则是认知活动的一种体现，是更具体的活动。因此，可以推测、假设，学生的ERC表现受到其认知能力（cognitive ability）的影响，尤其是理性逻辑思维方面。因此本研究推测它与数学、逻辑、科学、空间等方面的能力表现存在关联。

此外，根据前期研究，在ERC的测评中，需要设置丰富的情境以体现证据的复杂性要求。因此，文本的阅读、信息的提取等与语文、阅读相关的能力也有可能影响学生的“证据推理”能力。基于多元智力理论，与ERC相关联的智能或智力有逻辑数学、空间和语言智能。借鉴于此，我们初步认为（假设）数学能力、空间能力、阅读能力，以及科学能力这4方面同属于影响ERC的认知能力因素。

1.1 阅读能力

从多元智力理论来看，阅读能力（reading ability）是属于语言智能的范畴，后者主要是指个体理解口头表达和书面语的能力，同时能够以口头或书面的形式进行表达的能力。可以说是利用语言来听、说、读、写以达到某个目标的一种综合能力［11］。有研究表明，高等级的语言智能与提高问题解决能力及抽象推理能力有关［12］。

本研究所界定的“阅读能力”仅围绕个体对文本书面语的理解和表达能力，不涉及口头表达，即通常所说的阅读理解能力。阅读能力的考查与信息的获取、识别、解释等能力密切相关，要求从文本素材等信息载体中阅读、理解信息的意义，一般涉及到整体感知、形成理解、迁移发散、归纳整合、反思评价等过程，与信息处理和加工的认知过程一致。

1.2 空间能力

空间能力（spatial ability）指的是理解、推理并识记物体之间的空间关系的能力，它与我们的日常生活息息相关，在运动、技术、数学、自然科学、工程、经济预测、气象学等领域也是必备的能力之一，它不仅涉及到对外在世界的认识和理解，也需将对外界的认识通过信息加工的方式，在头脑中以视觉表征的形式加以推理、转换［13］。

在解决科学学科的许多问题时，需要对物体具有可视化的心智转换能力，有研究发现，视觉空间能力水平较高的学生能够发现概念化的信息，在概念测试中做出正确回答的更多［14］。可见，空间能力可能影响科学成就表现，而对空间推理等高相关领域的作用更是毋庸置疑，因此有可能对学生的ERC表现产生影响。

1.3 数学能力

数学能力（mathematical ability）是基本的认知能力之一，相关研究众多，对此的阐释也不尽相同。一般认为，数学能力是在數学相关的行为、活动中有成功表现所必备的一系列的数学技能［15］，尝试去寻求并找到某种方式解决数学问题的能力［16］，是区别于他人的数学优势，包括在数学成就测试上表现突出和一般智能上的天生优势［17］。总体来说，具有数学能力的学生在数学活动和问题解决过程中的表现与其他同侪有所区别［18］，更加容易感知解析问题和视觉问题中的数学成分，能快速整合数学内容，是一种特殊技能的整合。

一般认为，具备高水平的推理能力有助于数学学习和问题解决［19］。因此，可以对数学能力与ERC之间具有何种关系进行探查。

1.4 科学能力

通常以在自然科学领域的突出表现作为描述、评价科学能力（scientific ability）的指标，但也有学者质疑这种产品取向的操作定义，指出科学能力应界定为科学思维潜能，或是一种在自然科学领域获得突出表现的特殊才能［20］。而从科学素养的角度来看，科学能力是指在科学学习的过程中，理解、实践（探究）和推理的能力，由此获得对科学事实及意义的理解和解释［21］。

从科学基于探究，对推理等高阶思维的要求等本质内涵，以及科学教育对科学知识、技能和观念思想的培养发展来看，科学能力的训练和发展与科学推理能力的高低水平之间存在关联，同样地，ERC的表现与科学能力之间存在着必然的联系。

1.5 科学兴趣

科学学习中所关涉的情意行为有多种，如对科学及科学家表示赞成、肯定的态度；接受（认为）科学探究是一种思考方式；采用“科学的态度”；享受科学学习的经验；培养对科学及科学相关活动的兴趣；发展将来从事科学或科学相关工作的兴趣［22］。“兴趣”是与“态度”相近的概念，是对某对象、活动、行为的相对持久的倾向特质，与积极的情感态度倾向、毅力和学习关联［23］。

对科学（学习）的兴趣的调查更强调对象客体是具体的科学学习、科学课程等，具有领域特殊性。ERC测评工具的情境体现了科学学习的内容，是“证据”的载体，本研究将以“科学兴趣”，特别是与项目相关的兴趣为表征，探查这种更为具体的、特定的非认知因素对ERC是否存在影响。

综合来说，本研究提出如下假设，学生ERC的影响因素包含认知因素和非认知因素两个方面，其中认知因素包括学生的阅读能力、数学能力、空间能力和科学能力4个方面，而对科学兴趣则是非认知因素。

2 理论模型的构建

研究按照结构方程模型（Structural Equation Modeling，简称SEM）的技术方法，初步构建以ERC为内因潜在变量，以两方面影响因素（认知能力和科学兴趣）为外因潜在变量的模型（图1），这两个因素之间可能存在共变关系，以双箭头联系，ERC中不能被二者解释的部分是它的误差变量ζ。

根据前期研究，ERC的测评共有23个测评项目［24］，即23个指标变量：F01～F23，每个指标变量都存在一个误差变量ε，表示不能由ERC解释的变异部分；认知能力的指标变量有4个：科学能力、阅读能力、数学能力、空间能力；这四方面及科学兴趣的指标变量（FA1～FAn）的确定，需要设计工具、实施调查，它们的误差变量均标识为δ。除了外因潜在变量之间存在共变关系之外，每个观测指标的误差变量（ε， δ）之间也有可能，将在数据分析时探讨，模型图中暂不呈现。

3 影响因素的测查

3.1 测量调查的工具

为获得模型图中的各项指标的观测值，需要设计、实施测查工具，收集数据，对理论模型进行评估。前期研究中开发、验证了ERC测评工具，包含23个项目。

空间能力的测查选用了经典的心理旋转测试（Mental Rotation Test， MRT）。该测试应用广泛，信效度已经得到充分检验。该测试的题型是选择题，通常会成组呈现出不同旋转角度的图像，需要被试对比两个或多个三维物体（或字母），以轴对称或镜像旋转之后，会发现相同的、匹配一致的两个（有时是多个）图像，测试时间有限，被试需正确且迅速地从中做出判断，才能得分［25］。研究摘选了6个MRT项目进行空间能力的测查，涉及到平面旋转和空间翻转，共10空，满分10分。

阅读能力主要考查学生根据所阅读的文本，进行信息提取、解释推论、反思评价等方面的综合能力。选择的是学生不熟悉的、未在学校学习、测试过的文本素材（汉语），挑选项目时咨询了任课教师和教研组长，保证了题目的内容效度、表面效度。最终形成的阅读能力测试的测查内容包含文学类文本和信息文本（议论文）各一篇，分别设计了有关信息提取、整合概括，解释、理解，评价、鉴赏、迁移等方面的项目，共计9题，满分为40分。

数学能力的测查项目考查的是学生所学的数学知识和数学运算、逻辑推理、抽象思维等方面的能力。借鉴以往的测评研究，并参考不同年级数学教师的意见，从数学运算、图形识别（空间想象）、逻辑推理等方面表征学生的数学能力，涵盖了加减乘除，测量、代数、图表曲线等诸多方面的内容，共包含8个项目，满分为36分。

科学能力的测查内容涉及物理、化学、生物、地理学科，不涉及动手实践等方面的表现性评价。考虑到不同年级学生所掌握、学习的课程存在差异，选择以学生的科学学科成绩均分表征科学能力。

我们将学生对科学学习的兴趣按照学科内容领域进行划分，包含物理、化学、生命科学和地球空间4个方面；从内容主题的角度区分，则涉及自然现象、环境保护、生命活动、生产生活、科学技术等方面。此外，还考虑了ERC测评项目的情境设置。科学兴趣的调查项目共计26个，均以5级Likert量表进行考查。

综上，组卷形成了ERC影响因素的调查问卷，有的项目沿用了国际范围内的成熟量表，有的是结合教师教学经验改编整合而来，也有自编的问卷。整卷大概耗时50～60分钟。

3.2 测量调查的实施

各因素的测量调查和ERC测评［26］是同步实施的，包括试测和实测两大步骤。在正式的试测之前，也挑选了部分样本进行了小范围测试，保證所有学生答题完全，最大测试时间为60分钟。访谈发现，学生答题时基本不存在题意理解障碍。

对工具做了适当调整之后，以来自S市的两所初级中学（YC、 YL）的8、9年级学生为被试进行试测。受限于测试时间和测试管理等客观因素，这次试测仅对阅读能力、空间能力和科学兴趣三个方面进行了调查，共有627名被试。由各班级的班主任或任课教师主试，规定测试时间为50分钟。

进行数据分析和项目修正之后，开展大样本的ERC和影响因素实测，被试是CZ市某初中的3个年级学生（N=2261）。测试包含ERC测试，及阅读能力、空间能力、数学能力和科学兴趣四个方面的测查，由各年级组长统筹安排，组织各班的班主任或任课教师监考、发放、收回试卷。规定测试时间为50分钟。

3.3 测量数据的预分析

3.3.1 试测的总体情况

试测所得观测值的描述性统计结果如表1所示。其中，阅读能力项目的总分为40分，空间能力总分为10分，二者都以总分表示在该因素上的得分（观测值），科学兴趣的观测值则是以均分表示。

此次试测中，数学能力未测试，将学生的数学成绩与ERC得分进行相关分析，得到Pearson系数为0.649（匹配样本量N=590），显著正相关（p=0.000）。被试的科学均分与ERC得分的Pearson相关系数为0.561（匹配样本量N=593），显著正相关（p=0.000）。表明可以考虑“数学能力”“科学能力”作为影响因素。

3.3.2 工具信效度分析

ERC测评工具的信效度在之前的研究中通过了检验。本轮试测中各因素调查与ERC试测相匹配的样本共有571人，即N有效=571。项目的信度系数Cronbachs α分别为0.719（阅读能力，N=621），0.675（空间能力，N=588），0.940（科学兴趣，N=577），表明工具的信度良好。

利用SPSS 22.0对“科学兴趣”的26个试测项目进行探索性因素分析，得到KMO值为0.912＞0.80，可以进行因素分析；Bartlett球形檢验的χ2=18330.46， df=325， p=0.000＜0.05，说明相关矩阵中存在共同因子。按照主成分分析法获得了6个成分（因子）。这些项目中，PA02， PA08， PA21， PA19的因子载荷低于0.5，收敛效度不好，而且PA19的区别效度也欠佳，在两个因子上均达到0.4以上的相关性，说明这4个项目不能有效地解释“科学兴趣”构念，为提高测查项目的建构效度予以剔除。最终用于实测的科学兴趣测查项目有22个。

同样地，对阅读能力和空间能力的测查项目也进行了探索性因素分析，二者不能降维提取出其他公共因子，各项目的因子载荷系数结果显示，测查项目通过了建构效度的检验。由此说明ERC影响因素的测查工具信效度良好。

3.3.3 实测数据预处理

大样本实测所得观测值的描述性统计结果如表2所示。与ERC实测（N=2261）相匹配的样本量是2205（N有效=2205）。Cronbachs α系数分别为0.740（阅读能力，N=2254），0.646（空间能力，N=2243），0.693（数学能力，N=2253），0.884（科学兴趣，N=2220），再次表明测查工具的信度良好。

通过置换缺失值，剔除部分异常值等预处理方式，最终获得了基本符合SEM分析要求的数据（N=2111）。之后，将收集的样本数据进行拆分，为不同环节的SEM估计、检验所用①。利用SPSS 22.0进行分层抽样，得到了3个随机数据子集（f1， f2， f3），样本量分别是：N1=703， N2=698， N3=710，保证不同年级、不同性别的被试在数据子集中的分布比例与总体样本中的分布基本一致。本研究后面的模型检验和修正是以f1为分析对象。

4 研究结果

在数据预分析的基础之上，研究利用AMOS 22.0软件进行理论模型的检验、评价，提出可能的竞争模型，并结合数据报告对模型进行修正，试图将其训练成为一个较佳模型。

4.1 竞争模型的提出

对影响因素模型Ⅰ进行参数估计，结果发现，空间能力对于认知能力的预测力不高（R2=0.123）。此外，在共变关系检验中，阅读能力与科学兴趣、空间能力之间的相关系数不高（0.198，0.238），科学兴趣与数学能力（0.243）之间也表现为显著的弱相关。数学能力、科学能力以及阅读能力3个因素之间两两相关系数较高，为显著的强相关，说明它们背后可能存在一个更高阶的共同因素，印证了“认知能力”这个潜在变量的合理性。但空间能力这个因素与其他3个认知能力的反映性指标之间相关不高。因此，需要考虑构建、发展出其他的竞争模型，对模型Ⅰ进行修改，将“空间能力”独立出来，作为单一指标的测量变量，提出如图2所示的统合模型（模型Ⅱ）。

4.2 模型的修正

模型修正的过程中尤其需要注意应始终结合数据和理论两个方面，避免唯“数据驱动”，不能盲目地根据修正指数对模型参数予以增加或删除。

AMOS的运行结果中提供了“修正指数”，涉及协方差，方差和回归系数三个方面的修正指标。对于模型Ⅱ，AMOS的结果报表中在方差项上，没有提供修正指数；而增列某些路径系数虽然能够减少一定的卡方值，但是没有意义。在协方差的修正中，如果建立ζ与δ23的共变关系，会使得卡方值降低12.295，而参数估计值会增大。δ23是“科学能力”的残差项，而ζ是ERC的残差项，由此说明ERC与“科学能力”之间的关系“更紧密”。还有一些建议的共变关系，如果增设了则会违反SEM的基本假定。因此，在进行模型修正时，需要逐个进行，反复检验，最终形成的完整模型如图3所示（模型Ⅲ），图中以双箭头标识了ζ与δ23的共变关系，在“科学兴趣”和ERC的测量指标中需增列多个误差项的共变关系，则以虚实双箭头示例表示。

4.3 修正模型的质量

根据AMOS的数据报告，与模型Ⅱ相比，修正后的模型适配良好，参数估计值如表3所示。除了“科学兴趣”对ERC的路径系数未达到显著，其余变量之间的路径系数均显著不为0。而且结果表明，ERC被“科学兴趣”“认知能力”和“空间能力”3个影响因素所联合解释的比例为33.4%。

完整的结构方程模型参数众多，在此不一一呈现。数据表明，修正后的模型中没有出现负值的误差变异量，因素负荷基本介于0.5～0.95之间，参数的标准误也在可接受的范围内，因此，模型Ⅲ的基本适配指标均达到检验的标准。

表4对比呈现了整体模型的适配检验结果，仅有NFI和RFI不符合标准，其他均达到标准，甚至逼近于0.95，说明模型Ⅲ整体适配度得到了提升，外在质量达到要求。

5 研究总结

研究遵循SEM的技术方法，按照竞争比较研究的分析程序，展开ERC影响因素的模型发展研究。首先基于理论探究，寻找产生影响的可能因素，提出研究假设，初步构建了ERC的影响因素模型，进而设计测查工具，收集数据，运用AMOS软件进行统计检验和模型修正，最终ERC影响因素的结构方程模型得到检验，模型质量可以接受，即逐步发展形成了能够满足SEM统计要求、兼具理论意义的影响因素模型（模型Ⅲ），虽然存在部分瑕疵，但无碍于研究目标的实现。结果显示，科学兴趣对ERC的作用效果不显著（0.019），阅读能力、数学能力和科学能力共同构成了认知能力因素（0.558），与空间能力（0.144）共同正向影响被试的ERC表现。

该结果可以从其他文献中找到支撑。例如，科学兴趣与能力表现之间的存在关联的证据并不充足［27，28］。而且，“证据推理”能力这种高阶能力的提升对于学生学业成就、科学素养、学科素养等都具有重要的影响，这种双向关系更加说明了加强跨学科学习、探究式或主题式学习的重要意义。通过本研究提供的证据，我们可以更有指向性、有把握地去找到作用于ERC的途径，除了加强数学、科学学科的学习，也可以考虑空间认知等方面的能力提升，而科学兴趣、态度对科学学习、ERC是何影响除了需要更多的實证考查，更需要长期实践的检验，对于不同的学生的ERC表现，可能会有不同的提升方式、提升效果。

对于“证据推理”能力的影响，除了研究提出的5个方面，必然还会存在其他因素，如认知风格、自我效能感等。我们对此保持开放而谨慎的态度，可以在以后继续研究和探讨。一方面可以从理论探究中加以补充，改进假设模型，同时也要在测量工具的编制、测量样本的选择上尽可能完善。

参考文献：

［1］罗玛. 从科学推理到证据推理： 内涵的探讨［J］. 化学教学， 2019，（9）： 3～6.

［2］罗玛. “证据推理”能力的水平框架构建——基于德尔菲调查［J］. 化学教学， 2021，（3）： 13～18.

［3］［24］［26］罗玛. “证据推理”能力的测评工具开发及检验［J］. 考试研究， 2023，19（5）： 50～60.

［4］Piaget J. Judgement and Reasoning in the Child ［M］. London： Routledge & Kegan Paul， 1962： 204.

［5］Hinojosa A J. Investigations on the impact of spatial ability and scientific reasoning of student comprehension in physics， state assessment tests， and STEM courses （Order No.3709732） ［D］. 2015. Available from ProQuest Dissertations & Theses Global A&I： The Humanities and Social Sciences Collection; ProQuest Dissertations & Theses Global A&I： The Sciences and Engineering Collection. （1700216542）. Retrieved from https：//search.proquest.com/docview/1700216542？accountid=10659.

［6］Demirta Z. Scientific reasoning skills of high school students relationship gender and their academic success ［J］. International Journal of Human Sciences， 2011， 8（1）： 1460～1471.

［7］Luo M.， Sun D.， Zhu L.， & Yang Y. Evaluating scientific reasoning ability： Student performance and the interaction effects between grade level， gender， and academic achievement level ［J］. Thinking Skills and Creativity， 2021，22（1）：130～152.

［8］Lawson A E， Banks D L， Logvin M. Selfefficacy， reasoning ability， and achievement in college biology ［J］. Journal of Research in Science Teaching， 2007， 44（5）： 706～724.

［9］Nieminen P， Savinainen A， Viiri J. Gender differences in learning of the concept of force， representational consistency， and scientific reasoning ［J］. International Journal of Science & Mathematics Education， 2013， 11（5）： 1137～1156.

［10］Jensen J L， Neeley S， Hatch J B， et al. Learning scientific reasoning skills may be key to retention in science， technology， engineering， and mathematics ［J］. Journal of College Student Retention Research Theory & Practice， 2015， 19（2）： 126～144.

［11］FernndezMartínez F， Zablotskaya K， Minker W. Text categorization methods for automatic estimation of verbal intelligence ［J］. Expert Systems with Applications， 2012， 39（10）： 9807～9820.

［12］Luwel K， Foustana A， Onghena P， et al. The role of verbal and performance intelligence in childrens strategy selection and execution ［J］. Learning & Individual Differences， 2013， （24）： 134～138.

［13］Wikipedia. Spatial ability ［G/OL］. （2018326）. Retrieved from https：//en.wikipedia.org/wiki/Spatial_ability#cite_note-：7-3.

［14］Kozhevnikov M， Hegarty M， Mayer R. Spatial Abilities in Problem Solving in Kinematics ［M］//London： Springer， in Diagrammatic Representation and Reasoning， eds. M. Anderson， M.， Meyer， B.， and Olivier P.， 2002： 155.

［15］Krutetskii V A. The Psychology of Mathematical Abilities in Schoolchildren ［M］. Chicago： University of Chicago Press， 1976.

［16］Wieczerkowski W， Cropley A J， Prado T M. Nurturing Talents/Gifts in Mathematics ［M］//International Handbook of Giftedness and Talent. 2nd ed. Oxford： Elsevier; 2000： 413～425.

［17］Sengil Akar S. Content validity study of the test of mathematical talent for 6th and 7th grade elementary school students ［D］. Eskisehir： Anadolu University， 2009.

［18］Sowell E J， Others A. Identification and description of mathematically gifted students： a review of empirical research ［J］. Gifted Child Quarterly， 1990， 34（4）： 147～154.

［19］Schoenfeld A H. Reflections on problem solving theory and practice ［J］. Mathematics Enthusiast， 2013， 10（1）： 9～34.

［20］Heller K A. Scientific ability and creativity ［J］. High Ability Studies， 2007， 18（2）： 209～234.

［21］National Research Council （NRC）. National Science Education Standard ［Z］. Washington DC： National Academy Press， 1996.

［22］Klopfer L E. Evaluation of learning in science ［M］//In B. S. Bloom， J. T. Hastings & G. F. Madaus （Eds. ）， Handbook of formative and summative evaluation of student learning， London： McGraw-Hill， 1971.

［23］Hidi S， Ainley M. Interest and adolescence ［M］//In F. Pajares & T. Urdan （Eds. ）， Academic motivation of adolescents， Greenwich， CT： Information Age， 2002： 247～275.

［25］Caissie A F， Vigneau F， Bors D A. What does the Mental Rotation Test measure？ An analysis of item difficulty and item characteristics ［J］. Open Psychology Journal， 2009， 2（1）： 94～102.

［27］Gardner P L. Attitudes to science： a review ［J］. Studies in Science Education， 1975， 2（1）： 1～41.

［28］Gardner P L. Measuring attitudes to science ［J］. Research in Science Education， 1995， （25）： 283～289.