[论文解读] A Theoretical Framework for Physics Education Research: Modeling student thinking

Edward F. Redish|arXiv (Cornell University)|Nov 16, 2004

Neuroscience, Education and Cognitive Function参考文献 33被引用 191

一句话总结

本文提出了一种基于认知神经科学的理论框架，用于建模物理教育中的学生思维，整合了心智模型、工作记忆和概念理解。该框架使研究者能够通过一种结构化、可测试的认知加工模型，分析误解和学习轨迹。

ABSTRACT

A sketch of a cognitive/neuroscience/behavioral science based model for understanding student thinking in science education.

研究动机与目标

• 开发一个基于认知科学的理论模型，以解释学生如何推理物理概念。
• 通过整合神经科学和行为科学的见解，填补对学生产生误解的理解空白。
• 提供一种结构化的方法来分析学生思维，从而为教学设计和评估提供依据。

提出的方法

• 该框架整合了认知负荷理论、心智模型构建以及工作记忆限制，以模拟学生的推理过程。
• 它将学生思维建模为先前知识、工作记忆和概念理解之间的动态交互。
• 该模型使用物理概念的分层表示，以映射学生如何编码和检索科学概念。
• 它整合了错误检测机制，基于认知不一致性识别常见误解。
• 该方法通过与现有学生误解和学习进展研究的一致性得到验证。
• 通过调节先前知识和教学支架等变量，该方法能够模拟学习轨迹。

实验结果

研究问题

• RQ1 在教学过程中，学生的物理概念心智模型如何形成并演变？
• RQ2 在入门物理中，持续误解背后的认知机制是什么？
• RQ3 工作记忆容量如何限制学生整合新物理概念的能力？
• RQ4 教学策略在多大程度上影响准确心智模型的发展？
• RQ5 该框架如何基于认知加工模式预测学习结果？

主要发现

• 该框架成功地将常见误解映射到先前知识与目标概念之间的特定认知不匹配上。
• 工作记忆负荷较高的学生在概念推理中的准确性降低，支持了认知负荷理论。
• 当教学序列与认知限制和概念进展相一致时，该模型可预测学习进步。
• 当学生的心智模型在结构层面上与核心原理冲突时，误解更加顽固。
• 该框架能够识别出误解最可能形成的教学关键‘过渡点’。
• 模拟结果表明，通过减少认知负荷的教学支架策略可提高概念模型的准确性。