Skip to main content
QUICK REVIEW

[论文解读] Cross-disciplinary learning: A framework for assessing application of concepts across STEM disciplines

Emily Borda, Todd Haskell|arXiv (Cornell University)|Dec 14, 2020
Innovative Teaching and Learning Methods被引用 4
一句话总结

本文提出了一套评估STEM教育中跨学科学习的框架,强调在不同学科之间激活、转化和整合资源。该框架提出使用成对的多项选择题工具和思考 aloud 访谈,以衡量学生如何将先修学科的知识迁移至新情境中,以理解新颖现象。

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.

研究动机与目标

  • 定义并操作化跨学科学习的概念,作为连接学科知识与在新情境中理解现象的桥梁。
  • 解决评估学生如何将某一STEM学科的基础概念应用于理解另一学科问题的挑战。
  • 开发实用的评估工具,以捕捉知识迁移与整合过程中涉及的认知过程。
  • 通过提供一个理论基础坚实、可实证检验的框架,支持STEM教育中的课程与项目层面的评估。
  • 增进对学习者在解决问题过程中如何激活、转化和整合跨学科知识的理解。

提出的方法

  • 提出一个理论框架,整合迁移、跨学科学习和基于资源的推理的见解,以建模跨学科学习。
  • 设计一种成对的多项选择题工具,通过比较学生在不同学科中相关问题上的回答,来衡量跨学科学习的程度。
  • 采用思考 aloud 访谈协议,以揭示学生的推理过程,并识别在解决问题过程中激活的认知资源。
  • 使用基于资源的本体论分析学生回答,重点关注先前知识如何在新颖的学科情境中被调用和调整。
  • 将该框架应用于真实世界的STEM学习情境,特别是在基础性知识被应用于新领域的一系列STEM课程中。
  • 通过在受控教育环境中对学生的回答进行迭代设计与分析,验证评估工具的有效性。

实验结果

研究问题

  • RQ1当学生在新学科情境中解决问题时,如何激活、转化和整合来自先修STEM学科的知识?
  • RQ2在多大程度上可以使用成对的多项选择题评估工具来衡量跨学科学习?
  • RQ3学生在跨学科理解陌生现象时,会调用哪些认知资源,以及这些资源是如何被使用的?
  • RQ4与在单一学科内应用概念相比,学生在将某一学科的概念应用于另一学科时,其推理过程有何不同?
  • RQ5所提出的框架在多大程度上可以指导跨学科STEM课程中评估工具的设计?

主要发现

  • 该框架成功识别出资源激活与转化的模式,能够将跨学科学习与知识的机械应用区分开来。
  • 成对的多项选择题工具对跨学科学习的差异表现出敏感性,揭示了不同学生群体在概念迁移水平上的差异。
  • 思考 aloud 访谈提供了关于认知过程的详细洞察,包括类比推理和学科间概念桥梁的使用。
  • 参与跨学科学习的学生在应用基础概念时表现出更高的灵活性,尤其是在资源被重构以适应新情境时。
  • 评估工具揭示,许多学生未能有效迁移资源,往往依赖表面相似性而非深层概念联系。
  • 该框架通过识别学生在STEM课程体系中整合知识能力的差距,支持了项目层面的评估。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。