Summary

Problemlösung vor dem Unterricht (PS-I): Ein Protokoll zur Beurteilung und Intervention von Schülern mit unterschiedlichen Fähigkeiten

Published: September 11, 2021
doi:

Summary

Dieses Protokoll führt Forscher und Pädagogen durch die Implementierung des Problemlösungsansatzes vor dem Unterricht (PS-I) in einer Statistikklasse für Studenten. Es beschreibt auch eine eingebettete experimentelle Evaluation dieser Implementierung, bei der die Wirksamkeit von PS-I in Bezug auf Lernen und Motivation bei Schülern mit unterschiedlichen kognitiven und affektiven Veranlagungen gemessen wird.

Abstract

Heutzutage ist die Förderung des reflektierenden Denkens der Schüler eines der Hauptanliegen von Lehrern auf verschiedenen Bildungsstufen. Viele Studierende haben Schwierigkeiten bei Aufgaben, die ein hohes Reflexionsniveau erfordern, wie z.B. in MINT-Kursen (Science, Technology, Engineering and Mathematics). Viele haben auch tief verwurzelte Angst und Demotivation gegenüber solchen Kursen. Um diese kognitiven und affektiven Herausforderungen zu überwinden, haben Forscher die Verwendung von “Problemlösung vor Unterricht” (PS-I) -Ansätzen vorgeschlagen. PS-I besteht darin, den Schülern die Möglichkeit zu geben, individuelle Lösungen für Probleme zu entwickeln, die später im Unterricht gelöst werden. Diese Lösungen werden in der folgenden Unterrichtsphase mit der kanonischen Lösung verglichen, zusammen mit der Präsentation der Unterrichtsinhalte. Es wurde vorgeschlagen, dass die Schüler mit diesem Ansatz ihr konzeptionelles Verständnis verbessern, ihr Lernen auf verschiedene Aufgaben und Kontexte übertragen, sich der Lücken in ihrem Wissen bewusster werden und ein persönliches Konstrukt von Vorwissen generieren können, das helfen kann, ihre Motivation aufrechtzuerhalten. Trotz der Vorteile wurde dieser Ansatz kritisiert, da die Schüler in der Anfangsphase der Lösungsgenerierung viel Zeit mit ziellosem Ausprobieren verbringen oder sich in diesem Prozess sogar frustriert fühlen, was sich nachteilig auf das zukünftige Lernen auswirken könnte. Noch wichtiger ist, dass es wenig Forschung darüber gibt, wie bereits vorhandene Schülermerkmale ihnen helfen können, von diesem Ansatz zu profitieren (oder nicht). Ziel der aktuellen Studie ist es, das Design und die Implementierung des PS-I-Ansatzes für das statistische Lernen bei Studenten sowie einen methodischen Ansatz zur Bewertung seiner Wirksamkeit unter Berücksichtigung der bereits bestehenden Unterschiede der Studierenden vorzustellen.

Introduction

Eine der Fragen, die Lehrer derzeit am meisten beschäftigen, ist, wie sie die Reflexion der Schüler anregen können. Diese Sorge ist in Mathematisch-Kursen wie MINT-Kursen (Science, Technology, Engineering and Mathematics) üblich, in denen die Abstraktion vieler Konzepte ein hohes Maß an Reflexion erfordert, aber viele Studenten berichten, dass sie sich diesen Kursen rein durch gedächtnisbasierte Methodennähern 1. Darüber hinaus zeigen die Schüler oft oberflächliches Lernen der Konzepte1,2,3. Die Schwierigkeiten, die Schüler bei der Anwendung von Reflexions- und Deep-Learning-Prozessen haben, sind jedoch nicht nur kognitiv. Viele Schüler fühlen Angst und Demotivation angesichts dieser Kurse4,5. Tatsächlich bestehen diese Schwierigkeiten in der Regel während der gesamten Ausbildung der Schülerfort 6. Es ist daher wichtig, Bildungsstrategien zu erforschen, die die Schüler motivierend und kognitiv auf Deep Learning vorbereiten, unabhängig von ihren unterschiedlichen Veranlagungen.

Besonders nützlich ist es, Strategien zu finden, die typische Unterrichtsansätze ergänzen. Einer der typischsten ist der direkte Unterricht. Direkter Unterricht bedeutet, die Schüler von der Einführung neuer Konzepte mit expliziten Informationen über diese Konzepte vollständig zu führen und dann mit Konsolidierungsstrategien wie Problemlösungsaktivitäten, Feedback, Diskussionen oder weiteren Erklärungen7,8zu folgen. Direkte Anweisung kann effektiv sein, um Inhalte 8,9,10einfach zu übertragen. Die Studierenden reflektieren jedoch oft nicht über wichtige Aspekte, z. B. wie sich der Inhalt auf ihr persönliches Wissen bezieht, oder über mögliche Verfahren, die funktionieren könnten und nicht11. Es ist daher wichtig, komplementäre Strategien einzuführen, um die Schüler zum kritischen Denken zu bringen.

Eine solche Strategie ist der Problem-Solving before Instruction (PS-I) Ansatz12, auch als Erfindungsansatz11 oder produktiver Fehleransatz13bezeichnet. PS-I unterscheidet sich vom direkten Unterricht in dem Sinne, dass die Schüler nicht direkt in die Konzepte eingeführt werden, sondern es gibt eine Problemlösungsphase vor den typischen direkten Unterrichtsaktivitäten, in der die Schüler individuelle Lösungen für Probleme suchen, bevor sie eine Erklärung über die Verfahren zu ihrer Lösung erhalten.

Bei diesem anfänglichen Problem wird von den Studierenden nicht erwartet, dass sie die Zielkonzepte vollständigentdecken 13. Die Schüler können auch kognitiveÜberlastung 14,15,16 und sogar negativeAuswirkungen 17 mit der Unsicherheit und den vielen zu berücksichtigenden Aspekten empfinden. Diese Erfahrung kann jedoch langfristig produktiv sein, da sie das kritische Denken über wichtige Funktionen erleichtern kann. Insbesondere kann das anfängliche Problem den Schülern helfen, sich der Lücken in ihrem Wissen bewusster zu werden18,Vorwissen in Bezug auf den Inhalt zu aktivieren, um13abzudecken, und die Motivation zu erhöhen, da sie die Möglichkeithaben,ihr Lernen auf persönliches Wissen zu stützen7,17,19.

In Bezug auf das Lernen werden die Auswirkungen von PS-I im Allgemeinen gesehen, wenn die Ergebnisse mit Den Deep-Learning-Indikatoren20,21bewertet werden. Im Allgemeinen wurden keine Unterschiede zwischen Schülern, die durch PS-I gelernt haben, und denen, die durch direkten Unterricht in Bezug auf prozedurales Wissen20,22gelernt haben, gefunden, was sich auf die Fähigkeit bezieht, erlernte Verfahren zu reproduzieren. Studenten, die PS-I durchlaufen, zeigen jedoch im Allgemeinen ein höheres Lernen in konzeptionellem Wissen7,19,23, was sich auf das Verständnis der behandelten Inhalte bezieht, und übertragen7,15,19,24, was sich auf die Fähigkeit bezieht, dieses Verständnis auf neue Situationen anzuwenden. Zum Beispiel zeigte eine kürzlich durchgeführte Studie in einer Klasse über statistische Variabilität, dass Schüler, die die Möglichkeit hatten, ihre eigenen Lösungen zur Messung der statistischen Variabilität zu erfinden, bevor sie Erklärungen zu den allgemeinen Konzepten und Verfahren in diesem Thema erhielten, am Ende des Unterrichts ein besseres Verständnis zeigten als diejenigen, die in der Lage waren, die relevanten Konzepte und Verfahren direkt zu studieren, bevor sie sich an einer Problemlösungsaktivität beteiligten23. Einige Studien haben jedoch keine Unterschiede beim Lernenvon 16,25,26 oder Motivation19,26 zwischen PS-I und direkten Unterrichtsalternativen oder sogar besserem Lernen in direkten Unterrichtsalternativen14,26gezeigt, und es ist wichtig, mögliche Quellen der Variabilität zu berücksichtigen.

Die Designmerkmale, die der Implementierung von PS-I zugrunde liegen, sind ein wichtiges Merkmal20. Eine systematische Überprüfung20 ergab, dass es für PS-I eher einen Lernvorteil gegenüber direkten Unterrichtsalternativen gab, wenn die PS-I-Interventionen mit mindestens einer von zwei Strategien implementiert wurden, entweder das anfängliche Problem mit kontrastierenden Fällen formulierten oder den nachfolgenden Unterricht mit detailliertem Feedback über die Lösungen der Schüler aufbauten. Kontrastierende Fälle bestehen aus vereinfachten Beispielen, die sich in einigen wichtigen Merkmalenunterscheiden 11 (siehe Abbildung 1 für ein Beispiel) und den Schülern helfen können, relevante Merkmale zu identifizieren und ihre eigenen Lösungen während des Ausgangsproblems11,20zubewerten. Die zweite Strategie, die Erklärungen liefert, die auf den Lösungen der Schüleraufbauen 13, besteht darin, das kanonische Konzept zu erklären und gleichzeitig Feedback über die Möglichkeiten und Grenzen der von den Schülern generierten Lösungen zu geben, was den Schülern auch helfen kann, sich auf relevante Merkmale zu konzentrieren und die Lücken in ihrem eigenen Wissen zu bewerten20, aber nachdem die anfängliche Problemlösungsphase abgeschlossen ist (siehe Abbildung 3 für ein Beispiel des Gerüsts aus den typischen Lösungen der Schüler).

Angesichts der Unterstützung in der Literatur für diese beiden Strategien, kontrastierende Fälle und aufbauende Unterricht auf den Lösungen der Schüler, ist es wichtig, sie zu berücksichtigen, wenn sie die Einbeziehung von PS-I in die reale Bildungspraxis fördern. Dies ist das erste Ziel unseres Protokolls. Das Protokoll stellt Materialien für eine PS-I-Intervention bereit, die diese beiden Prinzipien beinhalten. Es ist ein Protokoll, das zwar anpassungsfähig ist, aber für eine Lektion über statistische Variabilität kontextualisiert wird, eine sehr häufige Lektion für Universitäts- und Gymnasiasten, die im Allgemeinen die Zielpopulationen in der Literatur zu PS-I29sind. Die anfängliche Problemlösungsphase besteht aus der Erfindung von Variabilitätsmaßnahmen für Einkommensverteilungen in Ländern, ein kontroverses Thema30, das den Schülern in vielen Lernbereichen bekannt sein mag. Dann werden Materialien für die Studenten zur Verfügung gestellt, um Lösungen für dieses Problem in einem bearbeiteten Beispiel zu studieren, und für eine Vorlesung, die die Diskussion von gemeinsamen Lösungen beinhaltet, die von den Studenten zusammen mit eingebetteten Übungsproblemen produziert werden.

Das zweite Ziel unseres Protokolls ist es, die experimentelle Bewertung von PS-I für Pädagogen und Forscher zugänglich zu machen, was die Untersuchung von PS-I aus einer größeren Vielfalt von Perspektiven erleichtern kann, während einige Bedingungen in der Literatur konstant bleibt. Die Bedingungen dieser experimentellen Bewertung sind jedoch flexibel gegenüber Modifikationen. Die im Protokoll beschriebene experimentelle Auswertung kann im normalen Unterricht angewendet werden, da Den Schülern einer einzelnen Klasse gleichzeitig die Materialien für die PS-I-Bedingung oder die Materialien für eine direkte Unterrichtsbedingung zugewiesen werden können (Abbildung 4). Diese direkte Unterrichtsbedingung ist auch an Forschungs- und Bildungsbedürfnisse anpassbar, aber wie ursprünglich im Protokoll beschrieben, beginnen die Studierenden damit, die ersten Erklärungen über das Zielkonzept mit dem bearbeiteten Beispiel zu erhalten, und konsolidieren dieses Wissen dann mit einem Übungsproblem (nur in diesem Zustand dargestellt, um die Zeit zu kompensieren, die PS-I-Studenten für das anfängliche Problem aufwenden), und mit der Vorlesung23. Mögliche Anpassungen umfassen den Beginn der Vorlesung und dann die Möglichkeit, dass die Schüler die Problemlösungsaktivität durchführen, was eine typische Kontrollbedingung für den Vergleich von PS-I ist, die oft zu einem besseren Lernen für die PS-I-Bedingung7,13,19,26geführt hat . Alternativ kann die Kontrollbedingung auf die Untersuchung eines bearbeiteten Beispiels reduziert werden, gefolgt von der Vorlesungsphase, die, obwohl eine vereinfachte Version der direkten Unterrichtsansätze als ursprünglich vorgeschlagen, in der Literatur häufiger vorkommt und zu unterschiedlichen Ergebnissen geführt hat, wobei einige Studien auf ein besseres Lernen in PS-I15,24und andere auf ein besseres Lernen aus dieser Art von direkter Unterrichtsbedingunghinweisen 14,26.

Schließlich ist ein drittes Ziel des Protokolls, Ressourcen zur Verfügung zu stellen, um zu bewerten, wie Schüler mit unterschiedlichen Veranlagungen und kognitiven Fähigkeiten von PS-I15profitieren können. Die Bewertung dieser Veranlagungen ist besonders wichtig, wenn wir die negativen Veranlagungen berücksichtigen, die einige Studierende oft mit MINT-Kursen haben, und die Tatsache, dass PS-I in einigen Fällen immer noch negative Reaktionen hervorrufen kann14. Es gibt jedoch wenig Forschung dazu.

Auf der einen Seite, da PS-I die Assoziation des Lernens mit individuellen Ideen und nicht nur formalem Wissen erleichtert, kann PS-I als in der Lage angesehen werden, Studenten von niedrigem akademischem Niveau, diejenigen, die ein geringes Kompetenzgefühl oder eine geringe Motivation für das Thema haben, zu motivieren13,27. Eine Studie zeigte, dass Schüler mit geringer Meisterschaftsorientierung, d.h. weniger Ziele im Zusammenhang mit dem persönlichen Lernen, mehr von PS-I profitierten als Schüler mit höherer Lernmotivation27. Auf der anderen Seite können Schüler mit anderen Profilen Schwierigkeiten haben, wenn sie an PS-I beteiligt sind. Genauer gesagt spielt die Metakognition in PS-I31eine wichtige Rolle, und Schüler mit geringen Metakognitionsfähigkeiten profitieren möglicherweise nicht von PS-I, da sie Schwierigkeiten haben, sich ihrer Wissenslücken bewusst zu sein oder relevante Inhalte zu erkennen15. Da die Anfangsphase von PS-I auf der Erstellung individueller Lösungen basiert, können Schüler mit geringen divergierenden Fähigkeiten, Schwierigkeiten, in einer bestimmten Situation eine Vielzahl von Antworten zu generieren, weniger von PS-I profitieren als andere Schüler. Das Protokoll enthält zuverlässige Instrumente zur Beurteilung dieser Veranlagungen (Tabelle 1), obwohl andere in Betracht gezogen werden können.

Zusammenfassend zielt dieses Protokoll darauf ab, eine Implementierung einer PS-I-Intervention, die anerkannten Prinzipien in der PS-I-Literatur folgt, für Pädagogen und Forscher zugänglich zu machen. Darüber hinaus bieten die Protokolle eine experimentelle Bewertung dieser Intervention und erleichtern die Bewertung der kognitiven und motivationalen Veranlagungen der Schüler. Es ist ein Protokoll, das keinen Zugang zu neuen Technologien oder spezifischen Ressourcen erfordert und das basierend auf Forschungs- und Bildungsbedürfnissen modifiziert werden kann.

Protocol

Dieses Protokoll folgt der Helsinki-Erklärung der ethischen Grundsätze für die Forschung mit Menschen, wendet diese Prinzipien jedoch auf die zusätzlichen Schwierigkeiten an, Forschung in reale Umgebungen in der Bildung zu integrieren32. Konkret kann weder die Zuweisung von Lernbedingungen noch die Entscheidung zur Teilnahme Konsequenzen für die Lernangebote der Studierenden haben. Darüber hinaus wird die Vertraulichkeit und die Anonymität der Schüler gewahrt, auch wenn es die Lehrer sind,…

Representative Results

Dieses Protokoll wurde in einer früheren Studie23zufriedenstellend umgesetzt, mit Ausnahme der Messungen der Veranlagungen der Schüler in Bezug auf kompetenzsensen Sinn, Meisterschaftsziele, Metakognition und divergentes Denken. Um diesen Prädispositionen zu begegnen, enthält dieses Protokoll Maßnahmen, die zuvor validiert wurden und ein hohes Maß an Zuverlässigkeit gezeigt haben (Tabelle 1). Typische Lösungen, die vo…

Discussion

Ziel dieses Protokolls ist es, Forscher und Pädagogen bei der Implementierung und Evaluierung des PS-I-Ansatzes in realen Klassenzimmerkontexten zu unterstützen. Nach einigen früheren Erfahrungen kann PS-I dazu beitragen, Deep Learning und Motivation bei Schülern19,21,24zu fördern, aber es besteht ein Bedarf an mehr Forschung über seine Wirksamkeit bei Schülern mit unterschiedlichen Fähigkeiten und motivationalen Veranla…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Diese Arbeit wurde durch ein Projekt des Fürstentums Asturien (FC-GRUPIN-IDI/2018/000199) und ein Vordoc-Stipendium des spanischen Ministeriums für Bildung, Kultur und Sport (FPU16/05802) unterstützt. Wir danken Stephanie Jun für ihre Hilfe bei der Bearbeitung des Englischen in den Lernmaterialien.

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