[论文解读] A Framework for Incorporating Model-Based Inquiry into Physics Laboratory Courses

Benjamin M. Zwickl, Noah D. Finkelstein+1 more|arXiv (Cornell University)|Jan 18, 2013

Data Visualization and Analytics被引用 3

一句话总结

本文提出了一套将基于模型的探究融入物理实验课程的框架，通过重新设计光的偏振实验，突出建模循环——包括构建模型、预测、解读数据、将预测与测量结果比较，以及优化模型。该方法自然地将系统误差分析融入探究过程，从而增强实验教学中的概念性与定量推理能力。

ABSTRACT

Implementing a laboratory activity involves a complex interplay among learning goals, available resources, feedback about the existing course, best practices for teaching, and an overall philosophy about teaching labs. Building on our previous work, which described a process of transforming an entire lab course, we now turn our attention to how an individual lab activity on the polarization of light was redesigned to include a renewed emphasis on one broad learning goal: modeling. By using this common optics lab as a concrete case study of a broadly applicable approach, we highlight many aspects of the activity development and show how modeling was used to integrate sophisticated conceptual and quantitative reasoning into the experimental process through the various aspects of modeling: constructing models, making predictions, interpreting data, comparing measurements with predictions, and refining models. One significant outcome is a natural way to integrate an analysis and discussion of systematic error into a lab activity.

研究动机与目标

• 解决在传统物理实验课程中整合建模实践的不足。
• 重新设计一个关于光偏振的标准光学实验，使其以基于模型的探究为核心学习目标。
• 展示如何系统性地将建模嵌入实验活动，以促进概念性与定量推理。
• 展示系统误差分析如何自然地从建模循环中产生，而非被当作独立主题处理。
• 提供一个可迁移的框架，适用于物理课程中其他实验活动。

提出的方法

• 重新设计一个标准的光偏振实验，使其以建模循环为核心：模型构建、预测生成、数据采集、与预测比较，以及模型优化。
• 融入形成性反馈回路，让学生通过解读预测与测量结果之间的差异，指导模型修订。
• 设计实验活动，要求学生明确表达其模型，包括假设与局限性。
• 将系统误差分析作为模型比较的自然结果，而非实验后的附加任务。
• 通过强调学生主导的推理与迭代式模型开发，应用探究式教学的最佳实践。
• 利用现有实验资源与设备，在不改变教学重点的前提下保持可行性。

实验结果

研究问题

• RQ1 如何系统性地将基于模型的探究融入传统物理实验活动？
• RQ2 建模循环在多大程度上提升了学生在实验环境中的概念性与定量推理能力？
• RQ3 如何将系统误差分析自然地整合到建模过程中，而非作为独立任务处理？
• RQ4 当建模成为实验的核心学习目标时，学生的参与度与推理方式发生了哪些可观察的变化？
• RQ5 该框架在多大程度上可推广至其他物理实验活动？

主要发现

• 重新设计的实验活动成功地将建模作为核心框架，学生在整个实验过程中持续构建、测试并优化模型。
• 学生通过明确比较预测与测量结果，展开了更深层次的概念性推理，并将差异识别为模型优化的机会。
• 系统误差分析在模型比较过程中自然浮现，特别是在预测与数据不一致时，引发了关于测量局限性的有意义讨论。
• 建模循环通过使实验过程更具目的性与迭代性，显著提升了学生参与度。
• 该框架可适配其他实验活动，表明其在物理实验课程中具有广泛适用性。
• 该方法表明，即使不改变设备或资源，也能将建模有效整合到标准实验环境中。