编译：林锐霏 东南大学儿童发展与教育研究所、东南大学脑与学习科学系

研究生导师：柏毅 夏小俊

作者：Lei Wu, Alan Yang, Anton Dubrovskiy, Han He, Hua Yan, Xiaokun Yang, Xiao Qin, Bo Liu, Zhimin Gao, Shan Du, and T. Andrew Yang

01 介绍

STEM知识的绝大部分是技能知识。技能知识学习强调动态使用所学知识来解决问题的能力，而不是纯粹的记忆事实。我们将技能知识定义为需要重复和应用现有知识才能掌握的任务，例如计算机编程、参加运动或演奏乐器。我们还定义了静态事实知识；这些事实可以通过重复来记住和背诵，但不需要持续的强化来掌握。熟练掌握技能知识需要与记住事实知识不同的方法。从逻辑上讲，技能知识的教授方式应该与事实知识的教授方式不同。然而，STEM科目通常被作为要记住的内容来教授，而不是要培养的技能、专业知识和习惯。因此，许多学生认为STEM学科困难、神秘且无关紧要，这进一步阻碍了他们在STEM领域的学习表现，限制了职业选择。

02 常见STEM教学方法的危机

STEM教育的常见做法不会促进培养技能培养习惯的习惯，也不会为学生提供描述、复制所教授的概念并与之互动的实践机会。向大量学生讲课的传统教育方法，唯一的互动是学生问题，是一种更适合传达事实知识的教学方法；学生不可避免地成为被迫仅依靠被动学习来掌握技能知识的观众。技能知识STEM教学的主要挑战取决于以下几点：

•一位老师负责监督许多学生。

•讲课成为主要的教学模式。

•教学最终成为教师的独白（图1）。

图1 

图1传统的教学方法已将讲座转变为“教师的个人脱口秀”，不利于传授基于技能的知识。

因此，传统教学在课堂上的直接学习效果极低。教育工作者必须在课堂学习时间段之外申请额外的时间和资源，这挤压了学习者参与其他活动和课堂外学习的有限时间。未能有效地教授技能知识是导致美国学生在公立K-12学校和大学的STEM教育中表现异常低的典型因素。

03 Act-STEM技能知识教学技术

计算已成为科学、技术、数学和工程不可或缺的一部分。我们寻求在K-14 STEAM教育中使用计算思维。我们的试点项目“真实绘图和绘画与几何和计算方法（Fun-Joy）”将AI辅助的计算思维与几何方法应用于视觉艺术技能的发展，为初接触绘画的学习者提供帮助。自在Google Play上首次亮相以来，为该项目设计的软件已被超过500万学习者下载，并被翻译成65种语言；超过110，000名学习者在Google Play上发表了评论；平均分是4.5分（满分5.0分），在同类产品中名列前茅。

我们成功开展的第二个试点项目是“使用STEM计算方法进行高效技能知识学习（HE-STEM）”。该样本来自一门大学普通化学课程的量纲分析模块，学生人数为182人。HE-STEM成功地将高危学生的平均分数从45/100转换为85/100，STEM学习平均提高了88.9%。在另一个学生人数超过300人的学期中，对高危学生进行的一项类似研究显示，平均进步率高达90.3%。ActSTEM主要使用四个基石来构建其两个主要的设计和开发模块。计算思维通过将复杂问题分解为一系列更小、更易于管理的问题（分解）来解决复杂问题；然后，可以单独查看这些较小的问题中的每一个，并与过去解决类似问题的方式（模式识别）相关联。通过只关注重要的细节，而忽略不相关的信息（抽象）；最终，可以设计简单的步骤或规则来解决每个较小的问题（算法）。计算思维（CT）有四个关键的主要组成部分：

•分解–将复杂的问题或系统分解为更小、更易于管理的部分

•模式识别–寻找问题之间和问题内部的相似之处

•抽象–只关注重要信息，忽略不相关的细节

•算法–为问题制定分步解决方案，或解决问题要遵循的规则

我们的Act-STEM方法进一步扩展了两个试点项目的研究结果。它结合了（i）计算思维方法，（ii）STEM教育中最新的创新教学发现，（iii）自然计算中的现象，包括生物计算和物理计算，以及（iv）基于项目的交互式网络学习社区，构建了一个全面的正式和非正式教育软件环境，激发了学区和大学内外K-14年级（包括2年制大学生）的年轻学习者的好奇心。因此，学生将能够自发地深入理解计算思维，以此作为创造性地进行STEM领域学习的一种方式。

04 知识水平分类法

根据Anderson和Krathwohl的分类法，知识分为四个主要层次——这是对布鲁姆教育目标分类法的修订：

A.事实知识：“熟悉学科或解决问题必须知道的基本要素。”它是指人们必须知道或熟悉的基本和基本事实、术语、细节或元素，以便理解一门学科或解决其中的问题。

B.概念知识：“在一个更大的结构中，基本元素之间的相互关系，使它们能够共同发挥作用。”分类、原则、概括、理论、模型或结构的知识与特定学科领域相关。

C.程序知识：“如何做某事、探究方法以及使用技能、算法、技巧和方法的标准”等。它是指特定或有限的技能、算法、技术和特定方法。

D.元认知知识：“一般的认知知识，以及对自身认知的认识和知识。它包含有关如何使用适当的技能和策略来解决问题、认知任务的战略或反思知识，包括上下文和条件知识以及自我知识。

05 陈述性知识

前两个层次，包括事实知识和概念知识，构成了静态的什么类型的知识，包括基本和有形的事实，例如“所有哺乳动物都有毛发”，“最高的草，有些高达50米（164英尺），是竹子”；或概念和抽象的概念、理论，例如“一个人不能在同一条河中跨步两次——赫拉克利特”、“没有笑声的一天就是浪费的一天——查理卓别林”等。它们可以概括为具有一些独特特征的事实知识：

1.很难问“为什么”：“1英尺=12英寸”，“任何圆的周长除以其直径都是一个常数值，称为Pi或π”等；简单的启发式事实之外的深度解释推理相对来说比较难学。

2.通过人类的五种基本感官获得：视觉（视觉）——“玫瑰是红色的”；sound（hearing）–“雷声很大”；气味（嗅觉）——“茉莉花很香”；taste（gustation）–“糖是甜的”；和触觉（触觉感知）——“冰是冷的”。

3.主要通过前两种感官获得：视觉（视觉）——如视觉插图、表征、记录等；和声音（听觉）——例如叙述、讲座等，它们专门用于传统的大众教育环境：教室或礼堂设置。例如，“虎鲸（逆戟鲸）可以在冰上捕猎海豹而不打破、穿透或攀爬吗？答案是肯定的，并且可以仅使用视觉和音频设施通过照片、录制的视频来进一步说明。

4.主要依靠大脑（智力、有意识的记忆）而不是手（练习、自发的肌肉记忆）来掌握这种类型的知识。为了更好地体验这一点，请尝试用手而不是大脑来掌握以下事实知识：“链条的强度取决于其最薄弱的环节”，“意大利探险家克里斯托弗·哥伦布在西班牙君主的支持下于1492年抵达美洲，被葡萄牙国王约翰二世拒绝。

5.容易忘记：如果没有强化，大多数事实知识往往会很快学习。一个不幸的现实是，几个月后，学生很可能已经忘记了他们在任何给定课程中学到的大部分事实知识。

6.易于同时向大量听众教授：在音频和视频（照片、视频等）设施的支持下，在大教室中向许多学生传授事实知识可能是非常可行的、有启发性的，甚至是有趣的，例如：

•虎鲸（orca）通过用腹部淹死受害者来杀死其他鲸鱼。

•世界上最大的玩具分销商是麦当劳。

•人类生来就没有膝盖骨；仅在3岁左右发展它们。

•格陵兰鲨的平均寿命为272年；他们中的一些甚至可以活到500岁。

•地球上的树木比银河系中的星星多得多。美国宇航局估计，银河系中可能有1000亿到4000亿颗恒星。地球上有超过3万亿棵树。

06 程序性知识

最后两个级别，程序知识和元认知知识，构成了动态的How-to类型的知识，包括将这种how-to能力提炼成一般的认知，并能够将以前学到的想法应用到新情况中。例子包括：“如何计算周长。示例包括：只要您知道其半径，即可使用任何圆“、”如何在拉小提琴时演奏颤音“等。这些知识级别可以简化为具有一些独特特征的技能知识：

1.解决问题的能力：可用的事实知识不是简单地背诵，而是通过一系列步骤来应用，从而找到问题的答案。

2.分阶段过程：由于挑战通常不是那么简单，无法用一拳解决，因此在有条件的自由裁量权下，它通常涉及一系列连续的阶段（步骤）进行逻辑转换、程序、演绎、演变、推理等，最终达成解决方案。

3.表现出对技能的掌握，解决问题的灵巧性：重复任务导致通过认知和肌肉记忆掌握。示例包括有效解决数学/化学/物理问题的能力；写表达得好的文章；精通网球/高尔夫/小提琴；在绘画/雕塑中创作令人印象深刻的艺术作品；创作精美的音乐作品；有漂亮的字迹等。

4.在很大程度上依赖于手/肌肉（练习、自发的肌肉记忆）以及大脑（智力、有意识的心理记忆）、视觉和听觉，才能成功掌握技能知识。例如，仅通过观看游泳视频几乎不可能掌握游泳；您必须体验在水中运动所涉及的动作，才能获得能力和最终掌握。

5.难忘：虽然学技能知识难学，但一旦掌握，就很难忘记。许多这样的技能可以持续一生。例如，一个人在掌握了骑自行车之后，只要身体条件允许，就可以一辈子骑自行车。

6.同时向大量学习者教授技能知识可能非常具有挑战性，甚至不可能。例如：

•教两个学生同时学习小提琴可能非常困难。两个甚至200名学生在教室里同时收听和观看讲师的现场讲座和演示是没有问题的。但是，教师不可能一边听和观察2个或200个学生一起练习，一边又能分辨出哪个学生犯了什么错误，并将检测到的错误即时反馈给每个学习者，以便学生减少错误并在下一轮练习中提高。

•同样的情况发生在公立学校和大学，当在一个教室里向20或200名学生教授技能知识（数学、化学、物理等）时。教师无法为每个处理错误的步骤向每个学生提供即时反馈。所有主要练习都必须作为家庭作业分配。反馈将在几天甚至几周后返回。如果一份家庭作业包含10个问题，并且一个学生在每个问题中都犯了错误，那么该学生已经练习并强化了10次错误的解决问题的方法。通过误解老师的指示，学生强化了解决问题的方法不正确，错误地认为他们已经掌握了。学生只有在老师发回家庭作业后才能找出自己的错误。收到反馈后，学生可能会认为他们理解了，并且永远不会再犯同样的错误。这不太可能，因为到目前为止，他们的经验一直在尝试一个结果不正确的问题。学生最好什么都不学，而不是强化不正确的程序。总而言之，如果实践不完美，那么“熟能生巧”这句老话就不适用。在传统的大众教育模式下，学生要成功掌握STEAMS领域的技能知识确实具有挑战性。

07 目标、教学法和服务受众

我们的方法追求四个主要目标：（1）通过使用计算思维、自然界中的生物和物理计算，激发年轻学习者对STEM学习的深刻好奇心，（2）有效地将数学和科学中的计算建模和模拟与基于项目的学习（PBL）模块相结合，（3）培养学生在自然和工程绘图中应用计算思维的强大能力，这对空间几何思维有益，在STEM学科中具有远见和想象力的设计，以及分析逻辑，以及（4）提高学生在STEM和计算领域的参与度，特别是那些来自代表性不足的群体中的学生。Act-STEM方法在研究中使用以建模为中心的探究和基于项目的学习（图2）。

图2 Act-STEM培训模块

该计划以专业发展体验为核心，采用参与式方法，让教师成为研究的合作伙伴，扩大他们的计算视野，从而为所有学生带来成功。它生成了关于自然界中的生物和物理计算如何与数学和科学中的计算建模和模拟相结合来提高学生对STEM和计算领域的更深入理解和兴趣的数据。通过战略性课程设计、变革性教师培训以及密切监测学生在正规课堂和非正式校外环境中的学习成果。这项研究为学生的有效学习之旅铺平了道路，并拓宽了为STEM和计算机职业做好准备的学生管道。

直接服务受众来自我们的合作伙伴公立学区，该学区包含四个校区、1200名K-12年级学生和70名教师。根据STAAR 2016统计数据，我们四所合作学校的学生中有96.6%是西班牙裔/非裔美国人；76.9%来自经济弱势家庭，49.3%被归类为有辍学风险的学生。我们乐观地认为，这项研究项目的潜在结果将具有足够的意义和质量。本研究中开发的教育资源将提供给全国的K-14研究人员、教师、学生和学区。

查看原文：本文是Lei Wu，Alan Yang，Anton Dubrovskiy，Han He，Hua Yan，Xiaokun Yang，Xiao Qin，Bo Liu，Zhimin Gao，Shan Du&T.Andrew Yang于2021年Advances in Artificial Intelligence and Applied Cognitive Computing会议发表的论文

DOI: https://doi.org/10.1007/978-3-030-70296-0_57