Summary

教学前问题解决 (PS-I):对不同能力的学生进行评估和干预的方案

Published: September 11, 2021
doi:

Summary

该协议指导研究人员和教育工作者在本科统计课上实施”在教学前解决问题”方法 (PS-I)。它还描述了对这一实施的嵌入式实验评估,其中PS-I的功效是根据不同认知和情感倾向的学生的学习和动机来衡量的。

Abstract

当前,如何鼓励学生的反思思维是各级教师最关心的问题之一。许多学生在面对涉及高水平反思的任务时遇到困难,例如在 STEM(科学、技术、工程和数学)课程中。许多人对这类课程也有着根深蒂固的焦虑和沮丧。为了克服这些认知和情感挑战,研究人员建议使用”在教学前解决问题”(PS-I)方法。PS-I 包括让学生有机会为以后在课堂上解决的问题生成单独的解决方案。这些解决方案与指导下一阶段的规范解决方案以及课程内容的演示进行了比较。有人建议,通过这种方法,学生可以增加他们的概念理解,将他们的学习转移到不同的任务和背景,更加意识到他们的知识差距,并产生个人结构以前的知识,可以帮助保持他们的动机。尽管方法有其优点,但还是受到了批评,因为学生可能会在解决方案生成的初始阶段花费大量时间进行漫无目的的试验和错误,或者他们甚至可能在这个过程中感到沮丧,这可能不利于未来的学习。更重要的是,对于预先存在的学生特征如何帮助他们从这种方法中受益(或不受益),几乎没有研究。本研究的目的是介绍适用于本科生统计学的PS-I方法的设计和实施,以及一种用于评估其有效性的方法,以考虑到学生先前存在的差异。

Introduction

教师目前最关心的问题之一是如何激发学生的反思。这种关注在数学性质的课程中很常见,例如STEM课程(科学、技术、工程和数学),其中许多概念的抽象需要高度的反思,然而许多学生报告说,纯粹通过基于记忆的方法接近这些课程1。此外,学生经常表现出肤浅的学习概念1,2,3。然而,学生在应用反思和深度学习过程中遇到的困难不仅仅是认知问题。许多学生感到焦虑和沮丧,面对这些课程4,5。事实上,这些困难往往贯穿于学生的教育过程中。因此,重要的是要探索教育策略,激励和认知准备学生深入学习,无论他们不同的倾向。

找到补充典型教学方法的战略尤其有用。最典型的直接指导之一。直接教学是指全面指导学生从引入新概念,明确信息这些概念,然后与巩固策略,如解决问题的活动,反馈,讨论,或进一步解释7,8。直接教学可以有效地传输内容8,9,10。然而,学生往往不考虑重要的方面,如内容如何与他们的个人知识,或潜在的程序,可以工作,而不是11。因此,引入互补策略,让学生批判性地思考,就很重要。

其中一种策略是指令前解决问题的方法(PS-I)方法12,也称为发明方法11 或生产失败方法13。PS-I 不同于直接教学,因为学生没有直接了解这些概念,而是在典型的直接教学活动之前有一个解决问题的阶段,即学生在获得有关解决问题程序的任何解释之前寻求解决问题的单独解决方案。

在这个初始问题中,学生预计不会完全发现目标概念13。学生也可能感到认知超负荷14,15,16,甚至负面影响17与不确定性和许多方面要考虑。然而,从长远来看,这种体验是富有成效的,因为它可以促进对重要特征的批判性思考。具体来说,最初的问题可以帮助学生更加意识到他们的知识差距18,激活与内容相关的知识,涵盖13,并增加动机,因为他们有机会建立在个人知识的基础上,7,17,19。

在学习方面,当用深度学习指标20、21来评价结果时一般会看到PS-I的影响。一般来说,通过PS-I学习的学生和通过直接教学学习的学生之间没有发现程序知识20、22之间的差异,这指的是复制所学程序的能力。然而,通过PS-I的学生一般表现出更高的概念知识7,19,23,其中提到理解所涵盖的内容,并转移7,15,19,24,这指的是能力,将这种理解应用到新的情况。例如,最近一个班级关于统计变异性的研究表明,在收到关于本课程一般概念和程序的解释之前,有机会发明自己的方法来测量统计变异性的学生,在课程结束时比那些在参与任何解决问题活动之前能够直接研究相关概念和程序的学生更能加深理解。然而,一些研究表明,在学习16,25,26或动机19,26之间的PS-I和直接教学替代,甚至更好的学习直接教学替代14,26,重要的是要考虑潜在的来源的变异性。

PS-I 实施背后的设计特征是20的一个重要特征。系统回顾20发现,当 PS-I 干预至少采用两种策略之一实施时,PS-I 比直接教学替代方案更有可能具有学习优势,要么制定与对比案例对比的初始问题,要么构建后续教学,对学生的解决方案进行详细反馈。对比案例包括一些重要特征11中不同的简单示例(例如,请参阅图 1),可以帮助学生识别相关功能并在初始问题11、20期间评估自己的解决方案。第二种策略,提供基于学生解决方案13的解释,包括解释规范的概念,同时反馈学生产生的解决方案的提供和局限性,这也可以帮助学生专注于相关功能,并评估自己的知识差距20,但在初始问题解决阶段完成后(见图3,从学生的典型解决方案脚手架的例子)。

鉴于文献中对这两种策略的支持,对比案例和建立学生解决方案的教学,在促进将PS-I纳入实际教育实践时,必须考虑它们。这是我们协议的第一个目标。该协议为纳入这两项原则的PS-I干预提供了材料。这是一个协议,虽然适应性强,但它是上下文的统计变化的一课,一个非常常见的教训,大学和高中生,他们通常是PS-I29文献中的目标人群。最初解决问题的阶段包括发明各国收入分配的可变性措施,这是一个有争议的话题30, 许多学习领域的学生可能熟悉。然后,为学生提供材料,以工作实例研究解决这个问题的办法,并提供讲座,将讨论学生提出的共同解决方案以及嵌入式实践问题纳入其中。

我们协议的第二个目标是让教育工作者和研究人员能够获得PS-I的实验评估,从而从更多角度促进PS-I的调查,同时保持文献中某些条件不变。然而,这种实验性评估的条件对修改是灵活的。协议中描述的实验评估可以应用于普通课程,因为单个班级的学生可以同时获得PS-I条件的材料或直接教学条件的材料(图4)。这种直接教学条件也适应研究和教育的需要,但正如协议中最初描述的学生开始得到关于目标概念的初步解释与工作的例子,然后巩固这一知识与实践问题(只提出在这种情况下,以弥补PS-I学生花费在初始问题的时间),并与讲座23。潜在的适应包括从讲座开始,然后让学生做解决问题的活动,这是比较PS-I的典型控制条件,这往往导致更好的学习PS-I条件7,13,19,26。或者,控制条件可以简化为探索一个工作的例子,然后是讲座阶段,虽然直接教学方法比最初建议的更简化版本,但在文献中更为常见,并导致不同的结果,一些研究表明,在PS-I15,24更好的学习,其他表明更好地学习这种类型的直接教学条件14,26。

最后,协议的第三个目标是提供资源,以评估具有不同倾向和认知能力的学生如何从PS-I15中受益。如果我们考虑一些学生在STEM课程中经常出现的负面倾向,以及PS-I在某些情况下仍能产生负面反应,那么评估这些倾向就显得尤为重要。然而,对此的研究很少。

一方面,由于PS-I促进学习与个人想法的关联,而不仅仅是正式知识,PS-I可以假设能够帮助激励学生从低学术水平,那些谁的能力低,或低动机的科目13,27。一项研究表明,掌握程度低的学生,即与个人学习相关的目标较少,从PS-I中受益比那些学习动机较高的学生多。另一方面,具有其他个人资料的学生在参与PS-I时可能会遇到困难。更具体地说,元认知在PS-I31中起着重要作用,元认知能力低的学生可能因为难以意识到自己的知识差距或辨别相关内容而无法从PS-I中受益。此外,由于 PS-I 的初始阶段基于单个解决方案的生成,因此,能力差异低、在给定情况下产生各种响应困难的学生可能比其他学生从 PS-I 中获益更少。该协议提供了可靠的工具来评估这些倾向(表1),虽然其他可能考虑。

总之,本议定书旨在使教育工作者和研究人员能够利用PS-I文献中公认的原则实施PS-I干预。此外,协议还对这种干预进行了实验性评估,并有助于评估学生的认知和动机倾向。这是一项不需要获得新技术或特定资源的协议,并且可以根据研究和教育需要进行修改。

Protocol

本议定书遵循《赫尔辛基人类研究伦理原则宣言》,但将这些原则应用于将研究纳入教育现实环境中的额外困难。具体来说,无论是学习条件的分配,还是参与的决定,都不会对学生的学习机会产生影响。此外,即使负责评估的是教师,也要保持学生的保密性和匿名性。议定书的目的、范围和程序已得到阿斯图里亚斯公国(西班牙)研究伦理委员会的批准(参考:242/19)。 <p…

Representative Results

该协议在上一项研究23中得到了令人满意的实施,除了学生的能力意识、掌握方法目标、元认知和不同思维的倾向性指标外。 为了解决这些倾向,本协议包括以前已验证且具有高度可靠性的措施(表 1)。 学生在PS-I条件的发明问题中产生的典型解决方案可以在图3A-D中看到。学生通常不会?…

Discussion

本协议的目的是指导研究人员和教育工作者在真实课堂环境中实施和评估PS-I方法。根据以往的一些经验,PS-I可以帮助促进19、21、24岁学生的深度学习和激励,但有必要对不同能力和动机倾向的学生的功效进行更多的研究。更具体地说,使用本文档,教育工作者可以按照PS-I文献中被?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

这项工作得到了阿斯图里亚斯公国的一个项目(FC-GRUPIN-IDI/2018/000199)和西班牙教育、文化和体育部的博士前赠款(FPU16/05802)的支持。我们要感谢斯蒂芬妮君帮助编辑英语的学习材料。

Materials

SPSS Program International Business Machines Corporation (IBM) Other programs for general data analysis might be used instead
PROCESS program Andrew F. Hayes (Ohio State University) Freely accesible at: http://www.processmacro.org. Other programs for mediation, moderation, or conditional process analyses might be used instead
Cognitive Competence Scale in the Survey of Attitudes towards Statistics (SATS-28) Candace Schau (Arizona State University) In case it is used, request should be requested from the author, who whold the copyright
Mastery Approach Scale in the Achievement Goal Questionnaire-Revised Andrew J. Elliot (University of Rochester) In case it is used, request should be requested from the author
Regulation of Cognition Scale of the Metacognitive Awareness Inventory Gregory Schraw (University of Nevada Las Vegas) In case it is used, request should be requested from the creator

References

  1. Silver, E. A., Kenney, P. A. Results from the seventh mathematics assessment of the National Assessment of Educational Progress. Council of Teachers of Mathematics. , (2000).
  2. OECD. Results (Volume I): Excellence and Equity in Education. PISA, OECD. , (2016).
  3. Mallart Solaz, A. . La resolución de problemas en la prueba de Matemáticas de acceso a la universidad: procesos y errores. , (2014).
  4. García, T., Rodríguez, C., Betts, L., Areces, D., González-Castro, P. How affective-motivational variables and approaches to learning predict mathematics achievement in upper elementary levels. Learning and Individual Differences. 49, 25-31 (2016).
  5. Lai, Y., Zhu, X., Chen, Y., Li, Y. Effects of mathematics anxiety and mathematical metacognition on word problem solving in children with and without mathematical learning difficulties. PloS one. 10 (6), 0130570 (2015).
  6. Ma, X., Xu, J. The causal ordering of mathematics anxiety and mathematics achievement: a longitudinal panel analysis. Journal of Adolescence. 27 (2), 165-179 (2004).
  7. Kapur, M. Productive Failure in Learning Math. Cognitive science. 38 (5), 1008-1022 (2014).
  8. Kirschner, P. A., Sweller, J., Clark, R. E. Why Minimal Guidance During Instruction Does Not Work: An Analysis of the Failure of Constructivist, Discovery, Problem-Based, Experiential, and Inquiry-Based Teaching. Educational Psychologist. 41 (2), 75-86 (2006).
  9. Stockard, J., Wood, T. W., Coughlin, C., Khoury, C. R. The Effectiveness of Direct Instruction Curricula: A Meta-Analysis of a Half Century of Research. Review of educational research. 88 (4), 479-507 (2018).
  10. Clark, R., Kirschner, P. A., Sweller, J. Putting students on the path to learning: The case for fully guided instruction. American Educator. , (2012).
  11. Schwartz, D. L., Martin, T. Inventing to prepare for future learning: The hidden efficiency of encouraging original student production in statistics instruction. Cognition and instruction. 22 (2), 129-184 (2004).
  12. Loibl, K., Rummel, N. The impact of guidance during problem-solving prior to instruction on students’ inventions and learning outcomes. Instructional Science. 42 (3), 305-326 (2014).
  13. Kapur, M., Bielaczyc, K. Designing for Productive Failure. Journal of the Learning Sciences. 21 (1), 45-83 (2012).
  14. Glogger-Frey, I., Fleischer, C., Grueny, L., Kappich, J., Renkl, A. Inventing a solution and studying a worked solution prepare differently for learning from direct instruction. Learning and Instruction. 39, 72-87 (2015).
  15. Glogger-Frey, I., Gaus, K., Renkl, A. Learning from direct instruction: Best prepared by several self-regulated or guided invention activities. Learning and Instruction. 51, 26-35 (2017).
  16. Likourezos, V., Kalyuga, S. Instruction-first and problem-solving-first approaches: alternative pathways to learning complex tasks. Instructional Science. 45 (2), 195-219 (2017).
  17. Lamnina, M., Chase, C. C. Developing a thirst for knowledge: How uncertainty in the classroom influences curiosity, affect, learning, and transfer. Contemporary educational psychology. 59, 101785 (2019).
  18. Loibl, K., Rummel, N. Knowing what you don’t know makes failure productive. Learning and Instruction. 34, 74-85 (2014).
  19. Weaver, J. P., Chastain, R. J., DeCaro, D. A., DeCaro, M. S. Reverse the routine: Problem solving before instruction improves conceptual knowledge in undergraduate physics. Contemporary educational psychology. 52, 36-47 (2018).
  20. Loibl, K., Roll, I., Rummel, N. Towards a Theory of When and How Problem Solving Followed by Instruction Supports Learning. Educational psychology review. 29 (4), 693-715 (2017).
  21. Darabi, A., Arrington, T. L., Sayilir, E. Learning from failure: a meta-analysis of the empirical studies. Etr&D-Educational Technology Research and Development. 66 (5), 1101-1118 (2018).
  22. Chen, O. H., Kalyuga, S. Exploring factors influencing the effectiveness of explicit instruction first and problem-solving first approaches. European Journal of Psychology of Education. , (2019).
  23. González-Cabañes, E., García, T., Rodríguez, C., Cuesta, M., Núñez, J. C. Learning and Emotional Outcomes after the Application of Invention Activities in a Sample of University Students. Sustainability. 12 (18), 7306 (2020).
  24. Schwartz, D. L., Chase, C. C., Oppezzo, M. A., Chin, D. B. Practicing Versus Inventing With Contrasting Cases: The Effects of Telling First on Learning and Transfer. Journal of educational psychology. 103 (4), 759-775 (2011).
  25. Chase, C. C., Klahr, D. Invention Versus Direct Instruction: For Some Content, It’s a Tie. Journal of Science Education and Technology. 26 (6), 582-596 (2017).
  26. Newman, P. M., DeCaro, M. S. Learning by exploring: How much guidance is optimal. Learning and Instruction. 62, 49-63 (2019).
  27. Belenky, D. M., Nokes-Malach, T. J. Motivation and Transfer: The Role of Mastery-Approach Goals in Preparation for Future Learning. Journal of the Learning Sciences. 21 (3), 399-432 (2012).
  28. Bergold, S., Steinmayr, R. The relation over time between achievement motivation and intelligence in young elementary school children: A latent cross-lagged analysis. Contemporary educational psychology. 46, 228-240 (2016).
  29. Mazziotti, C., Rummel, N., Deiglmayr, A., Loibl, K. Probing boundary conditions of Productive Failure and analyzing the role of young students’ collaboration. NPJ science of learning. 4, 2 (2019).
  30. Stiglitz, J. E. Las limitaciones del PIB. Investigacion y ciencia. (529), 26-33 (2020).
  31. Holmes, N. G., Day, J., Park, A. H., Bonn, D., Roll, I. Making the failure more productive: scaffolding the invention process to improve inquiry behaviors and outcomes in invention activities. Instructional Science. 42 (4), 523-538 (2014).
  32. Herreras, E. B. La docencia a través de la investigación-acción. Revista Iberoamericana de Educación. 35 (1), 1-9 (2004).
  33. Schau, C., Stevens, J., Dauphinee, T. L., Delvecchio, A. The development and validation of the survey of attitudes toward statistics. Educational and Psychological Measurement. 55 (5), 868-875 (1995).
  34. Elliot, A. J., Murayama, K. On the measurement of achievement goals: Critique, illustration, and application. Journal of educational psychology. 100 (3), 613-628 (2008).
  35. Schraw, G., Dennison, R. S. Assessing metacogntive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  36. Guilford, J. P. . The nature of human intelligence. , (1967).
  37. Zmigrod, L., Rentfrow, P. J., Zmigrod, S., Robbins, T. W. Cognitive flexibility and religious disbelief. Psychological Research-Psychologische Forschung. 83 (8), 1749-1759 (2019).
  38. Wilson, S. Divergent thinking in the grasslands: thinking about object function in the context of a grassland survival scenario elicits more alternate uses than control scenarios. Journal of Cognitive Psychology. 28 (5), 618-630 (2016).
  39. Autin, F., Croizet, J. -. C. Improving working memory efficiency by reframing metacognitive interpretation of task difficulty. Journal of experimental psychology: General. 141 (4), 610 (2012).
  40. Pekrun, R., Vogl, E., Muis, K. R., Sinatra, G. M. Measuring emotions during epistemic activities: the Epistemically-Related Emotion Scales. Cognition and Emotion. 31 (6), 1268-1276 (2017).
  41. Pallant, J. Statistical techniques to compare groups. SPSS survival manual. , 211 (2013).
  42. Pallant, J. Statistical techniques to explore relationships among variables. SPSS survival manual. , 125-149 (2013).
  43. Hayes, A. F. . Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. , (2017).
  44. Kapur, M. Productive failure in learning the concept of variance. Instructional Science. 40 (4), 651-672 (2012).
  45. Nolan, M. M., Beran, T., Hecker, K. G. Surveys Assessing Students’ Attitudes Toward Statistics: A Systematic Review of Validity and Reliability. Statistics Education Research Journal. 11 (2), (2012).
  46. Schraw, G., Dennison, R. S. Assessing metacognitive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  47. Dumas, D., Dunbar, K. N. Understanding Fluency and Originality: A latent variable perspective. Thinking Skills and Creativity. 14, 56-67 (2014).
  48. Roberts, R., et al. An fMRI investigation of the relationship between future imagination and cognitive flexibility. Neuropsychologia. 95, 156-172 (2017).
  49. Chamorro-Premuzic, T. Creativity versus conscientiousness: Which is a better predictor of student performance. Applied Cognitive Psychology: The Official Journal of the Society for Applied Research in Memory and Cognition. 20 (4), 521-531 (2006).
  50. Kapur, M. Examining productive failure, productive success, unproductive failure, and unproductive success in learning. Educational Psychologist. 51 (2), 289-299 (2016).

Play Video

Cite This Article
González-Cabañes, E., García, T., Núñez, J. C., Rodríguez, C. Problem-Solving Before Instruction (PS-I): A Protocol for Assessment and Intervention in Students with Different Abilities. J. Vis. Exp. (175), e62138, doi:10.3791/62138 (2021).

View Video