[논문 리뷰] Cross-disciplinary learning: A framework for assessing application of concepts across STEM disciplines

Emily Borda, Todd Haskell외 1명|arXiv (Cornell University)|2020. 12. 14.

Innovative Teaching and Learning Methods인용 수 4

한 줄 요약

이 논문은 과학, 기술, 엔지니어링, 수학 교육에서 교차 분야 학습을 평가하기 위한 프레임워크를 제안하며, 분야 간 자원의 활성화, 변환, 통합을 강조한다. 학생들이 사전 지식 분야의 지식을 어떻게 새로운 맥락에서 새로운 현상에 대한 이해를 위해 이동시키는지 측정하기 위해 쌍체 다중선택 문제 및 생각을 말하는 인터뷰 방법을 제안한다.

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.

연구 동기 및 목표

• 교차 분야 학습의 개념을 정의하고 운영화하여 새로운 맥락에서의 이해 형성과 분야 지식 간의 다리 역할을 하도록 하는 것.
• 한 과학, 기술, 엔지니어링, 수학 분야의 기초 개념을 다른 분야의 문제를 이해하는 데 어떻게 적용하는지 평가하는 데 도전하는 것.
• 분야 간 자원을 이동하고 통합하는 데 관여된 인지 과정을 캡처하는 실용적인 평가 도구를 개발하는 것.
• 이론적으로 탄탄하고 경험적으로 검증 가능한 프레임워크를 제공하여 과정 및 프로그램 수준의 과학, 기술, 엔지니어링, 수학 교육 평가를 지원하는 것.
• 문제 해결 과정에서 학생들이 지식을 어떻게 활성화하고 변환하며 통합하는지 이해를 향상시키는 것.

제안 방법

• 이동, 교차 분야 학습, 자원 기반 추론의 통찰을 통합하여 교차 분야 학습을 모델링하는 이론적 프레임워크를 제안한다.
• 다른 분야 간 관련 문제에 대한 반응을 비교하여 교차 분야 학습의 정도를 측정하기 위해 쌍체 다중선택 문제를 설계한다.
• 학생의 추론 과정을 드러내고 문제 해결 과정에서 어떤 인지 자원이 활성화되었는지 특정하기 위해 생각을 말하는 인터뷰 프로토콜을 사용한다.
• 자원 기반 인식론을 사용하여 학생의 반응을 분석하고, 이전 지식이 새로운 분야 맥락에서 어떻게 접근되고 적응되었는지에 중점을 둔다.
• 기초 지식이 새로운 분야에 적용되는 순차적 과학, 기술, 엔지니어링, 수학 수업과 같은 실제 과학, 기술, 엔지니어링, 수학 학습 시나리오에 프레임워크를 적용한다.
• 통제된 교육 환경에서 학생 반응의 반복적 설계와 분석을 통해 평가 도구의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 학생들이 새로운 분야 맥락에서 문제를 해결할 때 사전 지식 분야의 지식을 어떻게 활성화하고 변환하며 통합하는가?
• RQ2 쌍체 다중선택 평가 도구를 사용하여 교차 분야 학습을 어느 정도 측정할 수 있는가?
• RQ3 학생들이 낯선 현상을 분야 간에 이해할 때 어떤 인지 자원을 접근하고, 어떻게 사용하는가?
• RQ4 한 분야에서의 개념을 다른 분야에 적용할 때와 한 분야 내에서 적용할 때 학생들의 추론 과정은 어떻게 다른가?
• RQ5 제안된 프레임워크는 교차 분야 과학, 기술, 엔지니어링, 수학 프로그램의 평가 설계에 어떻게 기여할 수 있는가?

주요 결과

• 프레임워크는 교차 분야 학습을 기초 지식의 기계적 적용과 구별하는 자원 활성화 및 변환 패턴을 성공적으로 식별하였다.
• 쌍체 다중선택 문제 도구는 교차 분야 학습의 차이를 민감하게 반영하여 다양한 학생 집단 간 개념 이동 수준의 다양성을 드러내었다.
• 생각을 말하는 인터뷰는 아날로그적 추론과 분야 간 개념 다리를 놓는 과정을 포함한 인지 과정에 대한 세부적인 통찰을 제공하였다.
• 교차 분야 학습에 참여한 학생들은 특히 자원이 새로운 맥락에 맞게 재구성되었을 때 기초 개념을 더 민첩하게 적용하는 경향을 보였다.
• 평가 도구는 많은 학생들이 자원을 효과적으로 이동시키지 못하며, 깊은 개념적 연결보다는 표면적인 유사성에 의존하는 경향이 있음을 드러내었다.
• 프레임워크는 과학, 기술, 엔지니어링, 수학 커리큘럼 전반에서 지식 통합 능력의 격차를 식별함으로써 프로그램 수준의 평가를 지원한다.