科学发现学习的认知模型建构 *

陈 刚，石晋阳，高 强

(扬州大学 新闻与传媒学院，江苏 扬州 225002)

科学发现学习的认知模型建构*

陈 刚，石晋阳，高 强

(扬州大学 新闻与传媒学院，江苏 扬州 225002)

当前，利用虚拟学习环境进行科学发现学习已经成为推进科学教育的一条重要途径。然而，由于科学发现学习的认知过程高度复杂，而现有的虚拟学习环境未能提供所需的学习支持，导致其应用效果难以令人满意。要解决这个问题，就必须建立科学发现学习的认知模型，进而以此为基础进行虚拟学习环境的设计开发。因此，该文在科学哲学、信息加工心理学和教育科学相关研究的基础上，从领域知识的结构、发现机制和学习活动的设计三个方面建立科学发现学习的认知模型。科学发现学习是学生针对实际系统设计实验从而渐进地探究发现科学理论模型的过程。其中，科学理论模型包括局部模型与全局模型两个层面，和数学模型与物理模型两种形式。学生可以采用假设驱动或实验驱动两种策略在假设空间和实验空间中进行双重搜索，其知识形成过程可以分为从假设空间到局部模型和从局部模型到全局模型两个阶段。科学发现学习需经历理解问题、提出假设、设计实验、检验假设和得出结论五个环节，应从领域知识、元策略和内部目标三个方面为学生提供支持。该认知模型结构化特征明显，易于通过计算机代码进行形式化表达，为面向科学发现学习的智能化虚拟学习环境的设计开发奠定了必要的理论基础。

科学教育；科学发现学习；认知模型；虚拟学习环境

科学发现学习最早由布鲁纳提出，是指学生像科学家一样，针对某个科学问题，通过提出假设、设计实验和检验假设的方法，探究、发现并建构其中的基本规律和原理的学习活动。由于现实世界中安全、操作等方面的局限，基于计算机的虚拟学习环境已经成为开展科学发现学习的重要平台[1]。

目前已经出现了如SimQuest、Co-Lab等科学发现学习环境。但是实验研究表明，这些学习环境的实际应用效果难以令人满意[2][3]。原因在于，科学发现学习的认知过程兼具规范性和灵活性，对学生的学习形成诸多挑战，而现有的虚拟学习环境尚且无法识别、诊断和支持学生的学习过程。我们认为，要解决这一问题，必须首先建立一个相对完备的科学发现学习认知模型，并且这个认知模型应当适于计算机进行形式化表达，然后再以此为基础设计开发科学发现学习环境。

因此，本文将在科学哲学、心理科学和教育科学等领域相关研究成果基础上，从领域知识的结构、发现机制和学习活动的设计三个侧面建立科学发现学习的认知模型，以期为科学发现学习环境的设计开发提供必要的理论依据。

一、领域知识建模

科学发现学习要求学生针对真实世界中的某个实际系统，通过设计实验，观察实际系统在不同实验条件下的实验现象，探究并发现其中蕴含的科学原理。因此，建立领域知识模型就是要分析清楚实际系统、实验和科学理论模型的结构要素以及三者之间的逻辑关系。

(一)实际系统

所谓实际系统，是指科学发现学习所关注的现实世界的某个局部，或是科学发现学习环境对该局部进行的计算机模拟，它符合客观世界的运行规律，是相互联系又相互作用的对象的有机组合。例如，为了探究理想气体的温度、体积和压强三者之间的变化关系，科学发现学习环境可能提供给学生这样一个实际系统(如下页图1所示)：一个装有一定数量理想气体Q的密闭气缸C，气缸C的温度、体积和压强始终与理想气体Q的温度、体积和压强保持一致，并且理想气体Q的状态变化满足气体状态方程P*V=n*R*T(其中，P、V、T和n分别表示理想气体的压强、体积、温度和物质的量、R表示理想气体常数，下同)的约束。而学生可以通过改变气缸C的温度、体积和压强，来间接地观察理想气体Q的状态变化。

图1 气缸系统

(二)实验

对于学生而言，最关心和最想了解的是实际系统在发展变化过程中所遵循的客观规律，更准确地说就是要探究实际系统中各变量之间的关系。但是，由于实际系统往往涉及多个变量，比较复杂。因此，学生通常只能通过运用变量控制法设计各种实验，从不同的侧面，渐进地探究发现实际系统所遵循的规律。也就是说，在每次实验过程中，学生应当保持控制变量不变，研究某一个自变量的变化对实际系统中另一个因变量的影响。仍然以气缸系统为例，由于涉及到气体的温度、体积和压强三个变量，因此，学生不可能只通过一个实验发现这三个变量之间的互动关系，而是必须分为三个实验进行探究，如表1所示。

表1 气缸系统实验

学生设计实验是要通过观察实际系统在某种限定条件下的发展变化，了解其中规律原理。因此，每个实验都可以分解为实验条件和实验数据两个部分：

(1)实验条件，即学生是如何操作变量的，包括哪些变量作为控制变量、哪个变量作为自变量，哪个变量作为因变量，以及控制变量和自变量的取值是多少等等。

(2)实验数据，是指在设定的实验条件下，实验运行时实际系统的各个变量的不同取值，它反映了实际系统的发展变化过程。实验数据通常表示为实际系统中各个变量取值元组的集合。

(三)科学理论模型

科学发现学习属于“再发现”活动，有待学生发现并建构的通常是人类已经掌握的科学理论模型。所谓科学理论模型，是指以观念的形态摹写或描述客观世界的某些特征、性质、规律的抽象的思想模型[4]。根据概括层次和表达方式的不同，科学理论模型可分为全局模型与局部模型，物理模型与数学模型，如图2所示。

图2 领域知识模型

1.全局模型与局部模型

全局模型是对实际系统的特征、性质、规律的整体性概括，能够解释实际系统在各种实验条件下的发展变化过程。并且，一个实际系统通常只有一个全局模型。例如，无论理想气体的温度、体积或压强如何变化，必定且唯一地满足状态方程P*V=n*R*T。

局部模型是对实际系统在某种限定条件下所体现出的特征、性质、规律的局部性概括。由于科学发现学习中的实验设计一般采用变量控制法，因此，这里的局部模型通常只描述实际系统中某两个变量之间的变化关系。例如，波义耳定律P*V=c(c表示常数，下同)，就描述了在保持温度不变的条件下，理想气体的体积和压强成反比的客观规律。

科学史研究表明，人类众多的科学发现成果都遵循了从局部模型到全局模型的过程。例如，气体状态方程P*V=n*R*T就是在波义耳定律(P*V=c)、查理定律(P/T=c)和吕萨克定律(V/T=c)的基础上进行整合的结果。反过来，通过对P*V=n*R*T的演绎计算，又可以得到这三条定律。因此可以说，全局模型是对多个局部模型的合成，局部模型是从某个侧面对全局模型的分解。

2.物理模型与数学模型

对于每一个具体的科学理论模型(全局模型和局部模型)来说，由于思想内容的千差万别，其表述形式也各不相同。但是，总体看来，科学理论模型所采取的表述方式不外乎两类：物理模型和数学模型[5]。

所谓物理模型，是指一个或一组描述概念与概念之间定性关系的命题，一般借助于语言、图像、符号等工具进行表述。物理模型通常包括两方面的内容：

(1)事物内部的组成成份、成份之间的排列方式(结构)和运作制约关系(运行机理)；

(2)这些成份、结构和运行机理与事物表层的可观察属性之间的对应关系。

例如，气体分子运动论的物理模型可以描述为：气体由一些肉眼观察不到的气体分子组成；这些分子具有一定的大小、质量、速度和能量；它们在一定的空间内不停地做不规则运动，并发生相互碰撞；在分子运动状态与气体状态之间具有一定的统计对应关系，如气体的温度就是分子平均平动动能的宏观标志等。

所谓数学模型，就是指一个或一组描述事物可观察属性之间数理关系的命题，通常借助于数学表达式、图表等工具进行定量刻画。例如，气体状态方程可以表述为：P*V=n*R*T。

需要指出的是，虽然物理模型和数学模型同属于科学理论模型，但是，从功能上看，它们在科学发现学习中起着不同的作用。一般来说，数学模型直接描述客观世界的运行规律，回答了“事物怎么样运行”的问题；因此，数学模型通常是预期将被学生发现的学习目标。而物理模型往往是建立在多个数学模型的基础之上，对事物难以观察的内部机制的形象化表述，回答了“事物为什么这样运行”的问题；因此，物理模型往往难以通过学生的自主发现习得，而是主要利用其形象化的特征，向学生解释数学模型之所以成立的原因。

二、发现机制建模

在进行科学发现学习时，学生通常对于实际系统背后的科学原理有着自己的猜想——即假设，然后通过设计实验、观察实验现象以检验假设是否成立。以气缸系统为例，在问题的初始状态，学生对于气体的温度、体积和压强三者之间的变化关系存在着各种猜想(如温度与体积成正比、压强与体积成反比等等)，这些猜想就构成了一个假设集合；在问题的目标状态，学生应当对温度、体积和压强之间的变化关系得出正确的结论，即假设集合仅由被证明为真的假设构成；而中间状态就是指学生根据相关的实验现象，从这个假设集合中去伪存真，寻找正确假设的过程。简言之，科学发现的过程可以看成是学生在假设空间和实验空间中进行双重搜索，并使之适配的过程[6][7]。

(一)假设空间与实验空间

假设是学生对自变量和因变量之间关系的猜想。而假设空间，就是由发现过程中产生的所有假设构成的集合。由于假设是由变量和关系两部分构成，因而假设空间也可以分解为两个子空间——变量空间和关系空间。

变量空间由学生能够识别出的实际系统中的所有变量构成，如气缸系统中的气体温度、压强等。关系空间则由学生已经掌握的各种数量关系构成，并且这些数量关系之间具有不同的精确性层次，例如，“y=x+c(c是常数)”“y=x2(x＞0)”是比“y随x单调递增”更为精确的数量关系。这样，假设空间就可以通过将变量空间中的变量与关系空间中的关系组合而成，如图3所示。

图3 搜索假设空间

实验空间，是学生对于实际系统所能设计的所有实验的集合。由于变量控制法的要求，学生在每次实验中只能有一个自变量和一个因变量，其他变量只能作为控制变量；因此对于具有n个变量的实际系统而言，所能设计的所有实验的数量最多为个。又由于学生自身对实际系统不同的认知水平，他们会剔除其认为不必要的实验，因此学生实验空间中的实验数量通常小于个。

(二)发现策略

显然，学生的任务就是分别在假设空间和实验空间中搜索合适的假设和实验，使得假设能够准确地预测实验结果，而实验结果能够有效地检验假设。但是究竟是先提出假设再设计实验以检验假设，还是直接设计实验再归纳出假设呢？这里存在着“假设驱动”和“实验驱动”两种不同的策略[8][9]。

(1)假设驱动：采用假设驱动策略的学生通常根据自己已有的知识经验和对实际系统的认知水平，先提出他们认为可能成立的假设；并根据这些假设预测在不同的实验条件下，实际系统将会产生怎样的实验现象；然后，设计相应的实验用来检验实验结果是否与预测相符；如果相符则可以认为假设成立，反之则要提出新的假设重新设计实验以检验之。科学史上相对论、不等温定律等科学理论的发现都采用了假设驱动的策略。

(2)实验驱动：采用实验驱动策略的学生通常直接设计各种实验，观察实验现象收集实验数据；然后，比较分析实验现象与数据，找出其中的规律并作为假设提出；最后，再根据已有的理论检验假设的合理性。科学史上开普勒定律、欧姆定律等科学理论的发现都采用了实验驱动的策略。

需要说明的是，当前科学教育界普遍提倡采用假设驱动策略实施科学发现学习，而较少提及实验驱动策略。可能的原因在于，假设驱动策略能够帮助学生提出更多的假设，并且使实验设计更具针对性。心理学的相关研究也表明，与采用实验驱动策略的学生相比，采用假设驱动策略的学生往往更顺利地完成科学发现学习[10]。

(三)知识状态

实际系统往往是一个多变量系统，学生的任务是发现阐述多变量之间相互关系的全局模型；但是，由于每次提出假设和设计实验都只能考察两个变量之间的相互关系；因此，学生实际上是先探究实际系统的多个局部模型，然后再将这些局部模型整合，从而建构全局模型的。进而，学生的知识状态变化过程可以如图4所示。

图4 知识状态变化过程

(1)全局假设空间：描述实际系统中变量两两之间各种假设(无论正确与否)的集合。

(2)学生假设空间：是由学生识别出的变量和掌握的关系形成的所有假设的集合，是全局假设空间的子集。其中包括学生认为可能成立的假设和不可能成立的假设。为了拓展学生假设空间，学生必须能够识别出新的变量，或者掌握新的关系。

(3)学生有效假设空间：这是学生假设空间的子集，是由学生认为可能成立的假设构成的集合。学生将通过实验检验这些假设成立与否。如果这些假设都被否定，那么学生将会从学生假设空间中选择原来认为不可能成立的假设补充进学生有效假设空间。

(4)学生局部模型：是指学生有效假设空间中被判定成立的假设的集合。由于假设只描述两个变量之间的关系，因此这些假设都是学生所理解的局部模型，有可能正确也可能错误。

(5)实际系统局部模型：是指实际系统各变量两两之间真正成立的关系集合。如气缸系统中的P*V=c，P/T=c，V/T=c。实际系统局部模型是科学发现学习的阶段性目标，也是判断学生局部模型正确与否的标准。

(6)学生全局模型：是指学生通过整合学生局部模型形成的对实际系统多变量间关系的理解。例如，学生通过整合P/V=c和P/T=c两个局部模型，可以得到P=cVT(c为常数)的全局模型。如果学生局部模型中存在错误的变量关系，或者利用这些变量关系合成全局模型时采用方法不当，都会导致学生全局模型的错误。

(7)实际系统全局模型：这是实际系统多变量之间确实成立的全局模型，是科学发现学习的最终目标，也是判断学生全局模型正确与否的标准。

这样，学生的知识状态变化就可以划分为两个子阶段：

(1)从假设空间中去伪存真发现学生局部模型阶段。学生需要不断搜索和调整自己的有效假设空间，通过实验检验假设正确性，从而建构学生局部模型。

(2)从学生局部模型建构学生全局模型阶段。学生主要运用数学方法，整合学生局部模型中变量两两之间的关系，形成对实际系统多变量之间关系的整体理解。

三、学习活动建模

学生的科学发现学习显然不同于科学家的科学发现。第一，科学家致力于发现新的科学事实或理论，而学生的目的则是通过科学发现掌握科学知识与科学方法；第二，与科学家相比，学生是科学发现的新手，在知识基础、科学技能、策略方法等方面的不足使得科学发现对于学生而言更具挑战性。因此，科学发现学习应当具有规范而又不失灵活性的学习过程，并且过程之中需要为学生提供相应的帮助与支持。

(一)学习过程

如前所述，科学教育界倡导假设驱动的发现策略，相应的科学发现学习过程包括理解问题、提出假设、设计实验、检验假设和得出结论五个环节。

(1)理解问题：科学发现学习始于科学问题。学生应当先弄清楚当前问题及其所涉及实际系统的基本信息。这一环节细分为两个步骤：

a.寻找信息：通过查阅课本、参考资料或问老师等方式来寻找有关当前问题的背景信息。

b.整体分析实际系统：识别问题所涉及的实际系统中的变量和参数及其关系，分析系统的整体特点。这可以借助于学生已有的知识经验，学习环境中的信息，教师的指导等途径来实现。例如在气缸系统中，学生通过观察发现不能直接控制气体的温度、体积和压强，而只能通过气缸来间接地控制气体的状态。

(2)提出假设：学生以假设的形式阐述实际系统中某个变量如何影响另一个变量。这一环节包括两个步骤：

a.选择变量：实际系统通常涉及多个变量，学生需要从中选择一个自变量和一个因变量。

b.分析关系：猜想自变量和因变量之间可能存在的数量关系，并提出假设。

(3)设计实验：学生针对提出的假设，设计并运行相应的实验，这一环节包括：

a.设置条件：根据提出的假设，学生决定实验中的自变量、因变量和控制变量，以及如何给自变量和控制变量赋值。

b.预测数据：根据当前假设推理实验运行后将获得的实验数据(即预测值)。

c.收集数据：运行实验，获得数据资料，以用于检验假设。

(4)检验假设： 学生通过收集到的实验数据来确定是否应该接受或拒绝当前假设，或者提出另外一个新的假设。这一环节包括：

a.处理数据：对实验的预测值与实际收集值进行数据处理，如制成表格、曲线图等，以辅助检验假设和理解数据。

b.验证假设：将实验预测值与实际收集值相比对，以检验实验数据是否支持当前假设成立。如果成立，则回到“提出假设”环节，提出关于其他自变量和因变量的假设；如果不成立，则需要解释数据分析原因，从而帮助学生提出关于当前自变量和因变量的新的假设。

(5)得出结论：总结科学发现学习的成果，并反思评价整个学习过程。这一环节包括：

a.总结假设整体理解：假设是对实际系统局部模型的理解，学生需要整合被证明成立的假设从而形成对实际系统的整体理解，即全局模型。

b.反思评价：回顾整个学习过程，并对其进行评价。比如，某个实验的设计是否恰当等。

(二)学习支持

许多实验研究表明，在科学发现学习过程中，学生往往会遇到各种各样的困难，从而导致学习效果的不佳。这些困难可以概括为四种类型，如表2所示。

表2 学生遇到的困难类型

之所以产生这些困难，主要原因是学生在与科学发现学习相关的领域知识、策略技能和内部目标三个方面的不足[15]。相应地，为了帮助学生克服上述困难，应当从这三方面提供学习支持。

(1)领域知识：是指与实际系统相关的科学概念、事实和原理等背景知识。领域知识在科学发现学习过程中具有重要作用。首先，在理解问题环节，学生需要依靠领域知识分析问题的基本信息和实际系统的整体特点。其次，在提出假设环节，学生可以借助领域知识提出假设并权衡假设的合理性。最后，在得出结论环节，领域知识还可以帮助学生加深对结论的理解。在支持方式上，领域知识可以通过讲授或图文的形式直接呈现给学生[16]；并且有研究表明，在学生需要时提供所需的领域知识比预先提供相关的领域知识效果要好[17]。

(2)策略技能：是指关于如何进行科学发现学习的知识、技能、方法与策略。策略技能可以分为两类：

a.策略过程：专指假设驱动策略下，科学发现学习所经历的理解问题、提出假设、设计实验、检验假设和得出结论五个环节及其逻辑关系。

b.知识技能：是指每个学习环节中，学生应当具备的关于科学发现学习的知识、技能与方法。例如，在提出假设环节，学生应当了解假设的基本要求；在设计实验环节，学生必须采用变量控制法；在检验假设环节，应当将实验数据绘制成图表以帮助理解数据等。

元策略的支持可以通过导航图、指导语、认知工具、规定性的学习过程等方式实现[18][19]。

(3)内部目标：是指影响学习过程中行为目标的各种学生心理因素，包括学生的好奇心、好胜心、偏好等。内部目标直接影响学生对学习过程的调节能力。例如，有的学生固执己见，他们在实验已经证否某条假设的情况下，仍然坚持设计新的实验以证明该假设[20]。为此，可以通过指导语、教师激励等方式帮助学生调整内部目标。

(三)监控与反思

虽然具有规范的学习过程并且需要为学生提供多方面的学习支持，但是科学发现学习仍然具有明显的学生自我导向(Self-directed)特征，学生需要自己规划和调节进行科学发现学习的方案，如提出哪些假设，设计怎样的实验等。在这种自主、灵活、试错的进程之中，学生的自我监控和反思对于学习的成败具有重要意义。一方面，监控与反思能够帮助学生提取出分布于各学习环节与步骤中有价值的领域知识与策略技能，皮亚杰称之为反省抽象；另一方面，监控与反思必将激活学生脑海中之前已经掌握的领域知识和策略技能，并将之与当前科学发现学习过程中的领域知识和元策略相关联，从而促进认知同化，形成意义建构，皮亚杰称之为反省整合。

由此可见，监控和反思贯穿于整个学习过程之中。监控和反思的具体内容包括领域知识和策略技能两个方面：

(1)领域知识：包括学生提出了哪些假设，实验是否支持这些假设，最后得出怎样的结论，以及在过程之中激活了哪些先前已经掌握的领域知识。这些内容反映了学生的知识状态变化过程，以及新旧知识是如何关联的。

(2)策略技能：分为策略过程和技能方法两个方面。前者包括科学发现学习经历了怎样的过程，学生提出假设采用了何种策略等；后者包括学生如何针对假设设计实验，如何控制变量，怎样处理实验数据等。这些内容反映了学生进行科学发现的思路过程。

综上所述，科学发现学习的活动模型如图5所示。

图5 科学发现学习的活动模型

四、结束语

科学发现学习是一种高度复杂的问题解决式学习活动。本文尝试从领域知识的结构、发现机制和学习活动的设计三个方面建立科学发现学习的认知模型。可以看出，该认知模型具有明显的结构化特征，易于通过计算机代码进行形式化表达，这就为设计开发基于计算机的科学发现学习环境奠定了必要的理论基础。在未来的工作中，我们将以此为依据深入讨论科学发现学习环境中的领域知识建模、学生建模、活动建模、脚手架设计等问题。

[1]孙丹儿,叶孝轩.计算机技术支持的中学科学探究式学习环境设计[J].中国电化教育,2012,(1):104-108.

[2]Lee, J. Effectiveness of Computer-Based Instructional Simulation: A Meta-Analysis[J].International Journal of Instructional Media, 1999,(26):71-85.

[3]Ton De Jong. The guided discovery principle in multimedia learning[A]. Richard E. Mayer. The Cambridge handbook of multimedia learning[C]. New York:Cambridge university press,2005.215-228.

[4]张琼，于祺明等.科学理论模型的建构[M].杭州:浙江科学技术出版社,1990.12-20.

[5]于祺明，汪馥郁.科学发现模型论——科学教育改革探索[M].北京:中央民族大学出版社, 2006.142-149.

[6][20]Klahr D, Dunbar K. Dual space search during scientific reasoning[J]. Cognition Science,1988, (12):1-48.

[7][15]Joolingen W. Van, Jong de. An extended dual search space model of scientific discovery learning[J]. Instructional Science,1997,(25):307-346.

[8]朱新明,李亦菲.架设人与计算机的桥梁——西蒙的认知与管理心理学[M].武汉:湖北教育出版社,2000.190-197.

[9]陈刚,石晋阳,冯锐.科学发现学习的认知机制研究[J].远程教育杂志,2010,(12):12-16.

[10]Joolingen, W.R. van., Jong, T.de. Supporting hypothesis generation by learners exploring an interactive computer simulation[J]. Instructional Science, 1991, (20):389-404.

[11]Glaser, R., Schauble, L., Raghavan, K., Zeitz, C.. Scientific Reasoning Across Different domains [A].E. deCorte, M. Linn, H.Mandl,L.Verschaffel. Computer-Based Learning Environments and Problem Solving [C].Berlin: Springer, 1992.45-373.

[12]Kuhn,D., Schauble, L. Cross domain development of scientific reasoning[J]. Cognition and instruction,1992, (9):285-327.

[13]Njoo, M., Jong, de T. Exploratory learning with a computer simulation for control theory: Learning processes and instructional support[J].Journal of Research in Science Teaching, 1993,(30):821-844.

[14]Schauble, L., Glaser, R., Raghavan, K., & Reiner, M. Causal models and experimentation strategies in scientific reasoning[J]. The Journal of the Learning Sciences, 1991, (1):201-238.

[16]Shute, V. J. A Comparison of Learning Environments: All that Glitters.[A].S. P. Lajoie,S. J. Derry.Computers as Cognitive Tools[C].Hillsdale, NJ: rlbaum, 1993.47-75.

[17]Berry, D.C., & Broadbent, D.E. Explanation and verbalization in a computer-assisted search task[J]. The Quarterly Journal of Experimental Psychology, 1987,39(4):585-609.

[18]Rieber,L.P. Supporting discovery-based learning within simulations[A]. R. Zheng. Cognitive effects of multimedia learning[C].Hershey, PA: IGI Global, 2009.217-236.

[19]Joolingen W. Van. Cognitive tools for discovery learning[J].International Journal of Artificial Intelligence in Education, 1999,(10):385-397.

陈刚：博士，副教授，硕士生导师，研究方向为智能教学系统、科学教育(chengangyzu@163.com)。

石晋阳：在读博士，讲师，研究方向为教学设计，媒体心理学(sjy8008@163.com)。

高强：硕士，助教，研究方向为科学教育(tony2849671@163.com)。

2014年3月17日

责任编辑：李馨 赵云建

Cognitive Modeling of Scientific Discovery Learning

Chen Gang, Shi Jinyang, Gao Qiang
(School of Journalism and Communication, Yangzhou University, Yangzhou Jiangsu 225002)

Presently, the use of virtual learning environment for scientific discovery learning has become an important way to implement science education. However, because of the highly complex cognitive process of scientific discovery learning and the lack of necessary learning support, the existing virtual learning environment failed to achieve satisfactory effect. To solve this problem, it is necessary to establish a cognitive model of scientific discovery learning as the basis for the design and development of virtual learning environment. Therefore, based on the philosophy of science, information processing psychology and education sciences research, this paper has built the cognitive model of scientific discovery learning from the structure of domain knowledge,the information process mechanism of discovery and the design of learning activity aspects. In scientific discovery learning, students gradually design experiment to explore scientific theory model of actual system. The scientific theory model includes partial model and complete model which may be described in mathematical or physical way. Scientific discovery learning is a dual search in learner's hypothesis space and experiment space guided by hypothesis-driven strategy or experiment-driven strategy. The knowledge construction of learner can be divided into two phases, one is from hypothesis space to partial models and the other is from partial models to complete model. Scientific discovery learning includes five steps: analyzing problem, raising hypothesis, designing experiment, testing hypothesis and drawing conclusion. Learning supports should be provided in domain knowledge, meta-strategy and internal target aspects.The structural characteristic of the cognitive model is obvious and easy to be formalized through computer code. Therefore, the cognitive model lays the theoretical foundation for the design and development of intelligent scientific discovery learning-oriented virtual learning environment.

Science Education; Scientific Discovery Learning; Cognitive Model; Virtual Learning Environment

G434

A

1006—9860(2014)06—0030—07

* 本文得到教育部人文社科基金项目“面向科学探究的智能化e-Learning系统建构研究”(项目编号：11YJC880006)和扬州大学“新世纪人才工程”资助。