[論文レビュー] Cross-disciplinary learning: A framework for assessing application of concepts across STEM disciplines

Emily Borda, Todd Haskell+1 more|arXiv (Cornell University)|Dec 14, 2020

Innovative Teaching and Learning Methods被引用数 4

ひとこと要約

本論文は、STEM教育における異分野間学習を評価するフレームワークを提示し、分野間でリソースを活性化・変換・統合するプロセスに焦点を当てる。学生が予備的分野の知識を新規の文脈で新しい現象を理解するためにどのように知識を転移させるかを測定するため、ペアド複数選択式の道具と「声に出して考える」インタビューを提案する。

ABSTRACT

We propose and define the construct, cross-disciplinary learning, which can guide learning and assessment in programs that feature sequential learning across multiple STEM disciplines. Cross-disciplinary learning combines insights from interdisciplinary learning, transfer, and resources frameworks and highlights the processes of resource activation, transformation, and integration to support sensemaking in a novel disciplinary context by drawing on knowledge from other, prerequisite disciplines. We describe two measurement approaches based on this construct: A paired multiple choice instrument set to measure the extent of cross-disciplinary learning, and a think-aloud interview approach to provide insights into which resources are activated, and how they are used, in making sense of an unfamiliar phenomenon. We offer implications for program and course assessment.

研究の動機と目的

• 異分野間学習の構造を定義・操作化し、分野知識と新規文脈における意味づけの橋渡しとする。
• 1つのSTEM分野の基礎的概念を、別の分野の問題を理解するために学生がどのように応用するかを評価する課題に対処する。
• 分野間のリソースの転移と統合に伴う認知的プロセスを捉える実用的な評価ツールを開発する。
• 理論的に根拠のある、経験的に検証可能なフレームワークを提供することで、STEM教育におけるプログラム・コースレベルの評価を支援する。
• 学生が問題解決の過程で、知識をどのように活性化・変換・統合するかを理解を深める。

提案手法

• 知識転移、異分野学習、リソースベースの推論の知見を統合した理論的フレームワークを提唱し、異分野間学習をモデル化する。
• 関連する問題を異なる分野で比較することで、異分野間学習の度合いを測定するペアド複数選択式の道具を設計する。
• 学生の推論プロセスを引き出すために、「声に出して考える」インタビュー法を用い、問題解決の過程でどの認知的リソースが活性化されたかを特定する。
• リソースベースの認識論を用いて学生の反応を分析し、過去の知識が新規の分野的文脈でどのようにアクセスされ、適応されたかに焦点を当てる。
• 基礎的知識が新しい分野に応用される順次的STEM教育課程のような現実のSTEM学習状況に、このフレームワークを適用する。
• 制御された教育的環境での学生反応の反復的設計と分析を通じて、評価ツールの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 学生が新しい分野的文脈で問題を解く際、予備的STEM分野からの知識をどのように活性化・変換・統合するか。
• RQ2 ペアド複数選択式の評価ツールを用いることで、異分野間学習はどの程度測定可能か。
• RQ3 異分野間で不慣れな現象を理解する際、学生がアクセスする認知的リソースは何か。また、それらはどのように使われるか。
• RQ4 1つの分野内で概念を応用する場合と、1つの分野の概念を別の分野に応用する場合とで、学生の推論プロセスにどのような違いが生じるか。
• RQ5 提案されたフレームワークは、異分野的STEM教育プログラムにおける評価の設計をどのように支援できるか。

主な発見

• フレームワークは、知識の機械的適用とは異なる、リソースの活性化と変換のパターンを効果的に特定できた。
• ペアド複数選択式の道具は、学生の集団間で異分野間学習の差に感度を示し、概念的転移の度合いのばらつきを明らかにした。
• 「声に出して考える」インタビューは、アナロジー的推論や分野間の概念的ブリッジングの使用を含む、認知的プロセスに関する詳細な洞察を提供した。
• 異分野間学習に参加した学生は、特にリソースが新しい文脈に適合するために再構成された場合、基礎的概念の適用においてより柔軟性を示した。
• 評価ツールは、多くの学生がリソースを効果的に転移できていないことを明らかにした。彼らは深層的な概念的つながりではなく、表面的な類似性に依存していることが多かった。
• フレームワークは、STEMカリキュラム全体における知識統合の能力のギャップを特定することで、プログラムレベルの評価を支援した。