中学化学“学习进程”研究方法分析

汪青

摘要：通过文献梳理学习进程的定义和组成要素，结合已有的学习进程研究模式，形成化学“学习进程”研究方法分析框架。依据框架，分析了近年来我国中学化学“学习进程”研究实践中的研究方法，发现在研究者不断努力和选择合适测量模型下，已经形成较为完善的学习进程研究范式。但研究方法中仍存在一些问题，如探讨大概念的学习进程，不易于在教学实践中落实；难以掌握复杂的测量模型，较难设计出优良的研究工具；缺乏基于教学干预的实证研究等。

关键词：学习进程；中学化学；核心概念；研究方法

文章编号：1005–6629（2016）9–0020–06 中图分类号：G633.8 文献标识码：B

近年来，有关学习进程（learning progressions，也有学者称“学习进阶”）的研究已成为科学教育关注的重要议题。我国科学教育界也已从前期引述、介绍国外研究成果，过渡到开展实质性的进程研究[1]。开展实质性的学习进程研究，关键是需要具有科学的学习进程研究方法[2]。然而当前对于学习进程研究方法的关注并不多。因此，本文通过形成学习进程研究方法分析框架，分析近年来中学化学学习进程研究实践中的研究方法，以期对今后的研究有所启示。

1 学习进程的界定

对学习进程的探讨虽然成为科学教育界的研究热点，但至今仍未对学习进程做出一个精准的界定。一般认为，学习进程是学生在学习时，其对科学概念的理解或能力相继地一步接一步逐渐趋于复杂化的路径[3]，但也有学者提出其他的观点[4]（见表1）。

综合表1所述，学习进程是对学生在各学段学习同一主题概念时连贯的、典型的学习路径的描述。也就是说学习路径上有多个不同的中间水平，借助适宜的教学，学生须经历这些水平才能逐渐进展，这一连串的路径就称为学习进程。

科瑞柴克（Krajcik）指出学习进程有四项必备要素：（1）大概念及对大概念的解析；（2）界定清晰的各进阶层级；（3）检验学生所处水平的测评工具；（4）促进学生发展的教学干预手段[5]。美国科学教育界普遍认为学习进程包括学习目标、发展变量、成就水平、学习表现以及成就评价等五个要素[6]（见表2）。

可见，一项标准的学习进程通常包括：大概念、学习进程的变量和层级、学生的表现，以及用于追踪学生表现的评价。

2 学习进程研究分析框架

姚建欣指出，建构新的学习进程应先确定进程要围绕的核心概念和关键能力，基于对学生认知的研究提出有效的进程假设，然后根据假设选择测量模型，开发工具收集证据，最终才能基于证据修订假设，逐步完善进程[7]。

斯海霞将评估三角作为研究学习进程的概念框架。通过执行与评估三角形三要素：认知、解释、观察一一对应的假设提出、检验、修正的研究过程，实现对学生学习的有效评估[8]。因而，提出学习进程研究需要经历进程假设提出、验证、修正的迭代过程。

王磊将学习进程研究的特点概括为：围绕核心概念建构、刻画学生知识和能力的不同层级、通过学习表现呈现层级发展的证据、体现课程和教学的影响[9]。

总之，关于学习进程的研究有很多种做法。从多数的研究中发现，学习进程的发展，乃是一个反复循环的历程。综合上述提出学习进程的组成要素，可以归纳出学习进程的建构必须先透过相关文献的回顾以及特定学科概念的探究，提出一个理论上的学习进程假设，再搜集实证资料进行反复地验证和修改。其流程如图1所示[10]。

通过上述分析，研究方法大致分为五个过程。为方便本文研究，将对上述研究过程及主要方法进行编号（见表3）。

2.1 核心概念和关键能力

虽然研究者就学习进程的界定尚未统一，但均关注学生对核心概念的认知过程，关注学生对概念理解的真实发展，均试图刻画学生思维方式和推理能力的变化[11，12]。目前学术界对科学学习的核心概念和关键能力已经基本达成了一致，所以对学习进程的研究将以此为基础展开[13]。从目前的文献报道看，确立核心概念的方法主要有表3中的A-1～A-7[14]。

2.2 创建学习进程假设

从文献报道看，确立进程层级假设的方法有[15]：

学习进程的逐级进展法。基于大量的调查研究建立学习进程假设。该方法从认知科学和教学视角出发，带有较强的实证成分。

学习进程的全景图法。基于已有的课程文件及社会预期，通过逻辑分析，找出复杂概念是由哪些简单概念开始建构的。该方法从课程与教学视角出发，使用概念陈述形式呈现核心概念逐步发展的进程。

混合方法。学习进程的逐级进展法和学习进程的全景图法混合使用，共同呈现学生的学习进程发展水平和路径。

2.3 选择测量模型

学习进程的研究中，也积累了一些代表性的测量模式。从当前文献来看，较有代表性的测量模式有三种：

伯克利评价研究系统[16]。该系统是由美国加州大学伯克利分校学者威尔森（Wilson）等人根据不同教育评定项目的需要而构建的评定框架（Berkeley Evaluation & Assessment Research，简称BEAR）。BEAR评价系统是一个发展性的综合评定方法，能够为与课程认知发展目标相关的学生学习成就提供有意义的评价和解释。endprint

结构中心设计法[17]。结构中心设计法（The Construct-Centered Design，简称CCD）是由森（Shin）等人首先提出来的学习进程开发模型，它将学习进程与课程设计联系起来，该模型是在以证据为中心的评价设计和学习目标驱动的设计基础上提出的。

ChemQuery评价系统[18]。ChemQuery以化学学科中核心概念为框架，运用项目反应理论进行标准参照分析，以描述和测量学生化学核心概念理解的发展，是最具有化学学科特色的学习进程开发模式。

Rasch测量模型。该模型以自然科学领域的客观测量为标杆，试图为社会科学领域的测量建立一套客观和可靠的标准。自上世纪60年代以来，Rasch测量模型开始出现在教育领域。

2.4 开发研究工具

学习进程研究中需要对学生所处水平进行探查，通过研究工具的测量往往不仅需要知道学生答了什么，还需要记录学生为什么这样回答。因此，需要编拟试题和问卷，参考Towns所提出的测量工具发展循环图[19]（如图2）。一套优秀的测量试题，应至少有两个“循环”。第一个循环为试题初稿的编拟和预测，第二个循环根据预测结果进行试题的修改和正式施测，若试题质量不佳，则进行第三个循环的修题与施测。因此，常见开发研究工具包括D-1～D-4。

2.5 实证检验，修正进程假设

常用的实证检验方法有：横向调查、纵向调查[20]，根据结果修正进程假设。横向研究以跨年龄层次的学生为研究对象，旨在揭示不同年龄层次学生的学习进程水平。纵向调查通过对同一批学生进行前后测试、访谈，实施教学干预，并通过设计评价工具，对教学干预过程及结果进行分析，验证进程假设，同时提取学习进程的实例。

3 分析思路

首先，通过中国知网的硕博士论文库，以“学习进程”、“学习进阶”为主题词查阅2010～2016年的学位论文；用相同方法通过台湾博硕士论文知识加值系统，查阅学位论文。通过阅读文献摘要，选取中学化学领域的学位论文，作为研究样本。总共12篇，其中我国台湾地区2篇。

其次，通过对文本内容的梳理分析，具体确定其研究方法。如对“化学变化”为主题的博士论文，本文通过其摘要进行分析：

本研究运用ChemQuery评价系统的开发模式，以核心概念的理解为切入点，以化学变化为核心内容主题，构建基于有效的符合心理测量学指标的化学变化学习进程，……从化学学科知识本体的角度、化学变化观的价值角度、学生学习和认识发展角度（课程、课标、教学等视角）、已有文献研究及化学家观念角度等五个方面综合考虑，对化学变化大概念进行解构，确定化学变化核心概念的子概念。

划线部分对应研究方法分别为C-3、A-4、A-5、A-6、A-7。

在实证研究部分，本研究开发了化学变化学习进程的测量工具，其开发过程经过两轮试测，不断修正学习进程的理论假设，并且所得数据经过Rasch模型的分析与质量检验……利用开发的化学变化学习进程测量工具对高一、高二、高三和大一化学专业学生进行了大样本测查。

划线部分对应研究方法分别为D-1、C-4、E-1。

最后，再通过和正文逐一核实，并通过内容分析，得出该研究是通过B-2的方法确定学习进程的。最终统计出研究的具体方法，如下表4所示。

4 结果分析和讨论

依据分析框架对12篇硕博士论文进行分析，结果如下表5所示。

4.1 核心概念和关键能力

通过对研究方法统计发现（见图3），研究者主要通过参考课程标准（25.00%）、分析教材（17.86%）、查阅文献（17.86%）确定化学核心概念和关键能力。

通过进一步文本的分析，发现核心概念的确定，大致可以分为二类。一类是从“大概念”出发，逐渐通过研究，确定相关子概念，并界定子概念的内容主题。如编号#5的研究，就是从“化学变化”这一大概念出发，得出质量守恒定律、元素守恒、反应类型、物质转化、化学平衡五个子概念。另一类是直接使用大概念，如编号#12的研究，并未讨论所研究的“物质结构”是如何得出的。

探讨“物质结构”等大概念的学习进程，描述较为抽象、笼统，不易于落实到教学实践中。探讨若干子概念的学习进程，将有利于开展教学实践。

4.2 创建学习进程假设

研究者主要通过全景图法（66.67%）创设进程假设，其次是通过混合方法（25.00%）。进一步的文本分析发现，学习进程的创设紧紧依托核心概念的确定过程中所参考的教材分析、课程标准和文献，再结合其他的一些因素。如编号#5研究中，学习进程的创设还依据了宏微观表征视角、SOLO分类法等。描述学习进程借鉴了ChemQuery评价系统中化学家观念的思想。

4.3 选择测量模型

研究者通过选择C-1（29.41%）和C-4（29.41%）这两种测量模型开展研究。本文将没有选择任何测量模型的研究记为C-5（29.41%），即29.41%研究者没有选择测量模型。

这一结果其背后原因主要有：一方面相关测量模型理解难度较大，对使用者的要求高；另一方面，通过网络环境下查找，发现这些测量模型也不易得到。如基于Rasch模型的测量评价方法，对大多数硕士及一线教师而言，既难以获得Rasch评测工具，也较难理解抽象的Rasch模型。因此，很难在实践中选择该类的测量模型。endprint