跨学科协作学习何以有效

马志强 李慧雯 王文秋 李彦敏

摘要：STEM教育注重通过跨学科的协作学习发展学生的知识和技能。近年来，计算机支持的协作学习（CSCL）被广泛应用于STEM教育。然而，其效果如何？其采用的各类技术和教学策略对学习效果有何影响？上述问题的明确有助于完善STEM教育中跨学科的协作学习设计。基于对2009至2019年间发表在国际期刊上的142项相关实验和准实验研究成果的元分析发现：在STEM教育中应用CSCL整体上有助于提升学习效果，且相较于过程类和情感类，其对认知类学习效果的作用最为明显;从学科来看，其对科学、工程学和教育学的影响相对较大;从采用的技术来看，通信技术、动态呈现技术和共享共建技术对学习效果的影响更加显著;从教学策略来看，案例式、游戏化、知识建构和探究式等教学策略更能提升学习效果。因此，在将CSCL应用于STEM教育时，应当加强针对情感类目标的设计以激发高水平的认知活动和认知成果，注重发挥共享共建类技术在知识可视化表征、知识追踪等方面的作用，通过整合多种教学策略推进协作探究学习。

关键词：STEM教育;CSCL;跨学科学习;协作学习;元分析

中图分类号：G434   文献标识码：A    文章编号：1009-5195（2021）01-0097-08  doi10.3969/j.issn.1009-5195.2021.01.010

基金项目：国家社会科学基金教育学青年项目“在线协作学习投入分析与评价研究”（CCA180257）;福建省社会科学规划项目“基于群组助学的SPOC深度学习支持机制研究”（FJ2017B027）。

作者简介：马志强，博士，教授，硕士生导师，江南大学江苏“互联网+教育”研究基地（江苏无锡   214122）;李慧雯、王文秋，硕士研究生，江南大学江苏“互聯网+教育”研究基地（江苏无锡 214122）;李彦敏，副教授，集美大学师范学院（福建厦门 361021）。

一、引言

STEM教育以跨学科整合方式发展学生的知识和技能，并倡导将其迁移应用于解决真实世界的问题，同时兼顾发展批判性思维、沟通协作等核心素养，已经成为知识经济时代下全新的教育范式，受到全球教育领域的广泛关注（秦瑾若等，2017）。美国等国家甚至将其视为引领基础教育改革与发展的国家战略（钟柏昌等，2014）。STEM教育的核心设计理念强调多学科的交叉融合，倡导学生通过项目式学习、问题式学习等协作学习方式，运用多学科知识与技能来解决问题（余胜泉等，2015;领荣等，2019）。近年来，计算机支持的协作学习（Computer Supported Collaborative Learning，CSCL）被广泛应用于STEM项目设计中。例如，Chang等将项目式协作学习应用于科学与技术整合课程中，让学生在计算机模拟的协作学习项目中探究物体运动规律，发展科学探究与沟通交流能力（Chang et al.，2017）。Miller则将游戏化协作学习应用于数学与技术整合课程中，通过协作游戏任务来发展学生的数学运算能力（Miller，2018）。

在STEM教育应用中，CSCL可被理解为一系列技术支持下的协作教学法的统称，其关注如何使用技术来增强小组内部成员之间的相互依赖关系和个体责任感，激发高水平的协商会话，进而在跨学科整合项目中提升个体和小组的绩效（马志强，2019）。在CSCL中，技术和教学策略是众多研究者关注的核心要素（Jeong et al.，2016;马志强，2019），然而，在各类技术与教学策略促进STEM教育效果方面尚未形成一致性的研究结论。从技术角度来看，多种技术手段被用以支持跨学科的协作学习，如交互式视频、虚拟现实/增强现实、Wiki平台、交互机器人等。其中部分研究结论肯定了技术的积极影响，如Damiani等的研究发现借助学习资源推荐系统，学生可以有效减少花费在学习资源选择上的精力，进而提升交互的频率和质量（Damiani et al.，2015）;也有研究指出技术应用会分散学生注意力，如Mateu等发现学生在与3D建模软件中复杂的虚拟模型互动时注意力难以集中（Mateu et al.，2013）。从教学策略角度来看，不同教学策略在STEM教育中的应用效果存在很大差异。例如，Borge等将协作编辑策略应用于信息科学课程中，显著提升了学生在协作学习中的交互话语和最终成果质量（Borge et al.，2018）;而Marra等将支架式协作教学策略应用于工程学科的STEM教学中，却发现学生的团队协作能力和最终学习成果并没有显著变化（Marra et al.，2015）。

综合上述分析来看，由于CSCL涉及的技术及教学策略种类繁多，且存在多样化的应用组合，因而研究者需要从整体上理解把握CSCL对于STEM教育的作用效果，并在此基础上寻找有效的技术与教学策略组合。鉴于此，本研究以相关实证研究成果为对象，采用定量综合的元分析方法，从“CSCL影响STEM教育效果的机制”这一视角出发，深入探究CSCL中技术、教学策略等设计要素对STEM教育效果的影响，进而为设计和改进跨学科的协作学习提供参考。

二、研究设计

1.研究问题与方法

本研究将STEM教育理解为以科学、技术、工程和数学等学科知识为基础的跨学科教育实践。在实际操作上，则将文献搜索范围扩展到包括科学、技术、工程、数学、生物学、物理学、化学、地球科学、医学、健康学等的跨学科教育实证研究。具体研究问题包括：（1）在STEM教育中应用CSCL的总体效果如何？其对学生的认知、情感和学习过程类学习效果具有怎样的影响？（2）针对不同的对象（学段、学科），在STEM教育中应用CSCL对学习效果具有怎样的影响？（3）不同类型的技术与教学策略对学习效果的影响如何？

研究采用元分析（Meta Analysis）方法对文献进行定量综合分析。元分析也叫荟萃分析，其依靠实证研究数据来精确反映已有研究设计方案的有效性，对聚焦于同一研究目的多项独立研究结果进行综合分析。实施元分析的基本步骤包括：确定研究主题、检索并筛选文献、文献编码、质量评价和统计分析（刘志辉等，2016）。本研究选取标准均值差作为效应值（d值），即实验组均值同控制组均值之差与控制组标准差间的比值，并采用RevMan 5.3软件进行分析。

2.文献检索与筛选

本研究选取2009-2019年间发表在国际期刊上的相关实证研究成果作为分析对象。对文献的检索与筛选共经过三个轮次，具体过程如图1所示。

第一轮，采取文献检索与“滚雪球”结合的策略，在Web of Science和ERIC数据库中对2009年10月至2019年10月期间发表的文献进行检索。检索关键词分为3组：第1组为Computers，第2组为Computer Supported Collaborative Learning、Collaborative Learning、Small Groups、Group Work、Collaboration，第3组为Science、Biology、Physics、Chemistry、Earth Science、Medical、Health Professions、Math、Engineering Education。每次检索都将3组关键词的不同组合作为检索条件。之后，再采用“滚雪球”的策略，对已获文献的参考文献进行筛选补充，尽量使获取的文献更加全面。采用上述检索策略获得文献2239篇，剔除重复文献后共得到文献2100篇。

第二轮，筛选出符合元分析要求的文献，即文献必须同时满足如下标准：（1）研究主题为在STEM教育中应用CSCL;（2）是一项随机实验或准实验成果，且有对研究方法的明确描述;（3）学生通过协作的方式解决问题，且用到支持协作学习的技术;（4）包含完整的实验或准实验数据，即双组实验要有实验组和对照组数据，单组实验要有前测和后测数据（Jeong et al.，2014）。经过第二轮筛选，剔除研究主题不相关或非实验研究文献，共获得文献410篇。

第三轮，对文献内容进行细致审读，确保有明确、清晰、完整的结果数据，以便在元分析中进行效应值计算。经过第三轮筛选，剔除数据不完整的文献，最终获得样本文献142篇，共计203个效应值（部分文献效应值超过1个）。

3.文献编码与统计

在正式进行元分析前，需要对文献进行关键信息提取与特征编码。本研究借鉴Jeong等提出的针对CSCL的元分析框架，编码内容包括以下9项：第一作者、发表年份、样本量、学段、学科、实验周期、技术、教学策略以及作用效果（Jeong et al.，2012;Jeong et al.，2019）。具体而言，根据研究样本的数量，分为小规模（100个以内）、中等规模（100～200个）和大规模（200个以上）。根据研究针对的学段，分为幼儿（小学之前）、小学（1～6年级）、中学（7～12年级）、大学、研究生和成人学习者。根据学科，分为科学、数学、工程学、计算机教育、健康教育和教育学。根据实验周期，分为2周以内、2～8周和8周以上。根据支持协作学习的技术类型，分为通信技术（如嵌入式通讯、语音通讯等）、动态呈现技术（如仿真技术、虚拟游戏等）、共享共建技术（如知识论坛、资源共享工具等）、学习系统（如智能学习系统、集成学习环境等）、硬件技术（如交互式白板等）。根据支持协作学习的教学策略，分为项目式教学、做中学、探究式教学、案例式教学、游戏化教学、协作脚本、支架式教学、讨论式教学和知识建构教学等。作用效果则被编码为认知、情感和过程3种类型，其中认知类包括知识获取（如对概念和原则的理解）、知识应用（如生成解决方案）、技能获取（如批判性思维技能）和其他认知结果;情感类包括态度与感知、动机与兴趣、自我效能;过程类包括学生完成任务时间、协作过程结果等。

为保证文献编码结果的准确性，两位研究者先分别对15篇文献中的教学策略和技术进行独立编码，并采用编码信度系数进行一致性检验。编码信度系数R=（2×平均相互同意度）/（1+平均相互同意度），其中平均相互同意度=2×M/（N1+N2），式中M表示两位编码者编码结果相同的数目，N1、N2表示两位编码者各自的编码数目（乔伊斯·P. 高尔等，2007）。经计算，教学策略和技术的编码信度系数分别为0.889和0.947，表明两位编码者间的一致性符合要求（R>0.8）。两位编码者针对编码中存在的分歧进行讨论并达成一致性意见后，分别对剩余的文献进行正式编码。

4.发表偏倚和异质性检测

为保证元分析结果的可靠性，需要对样本文献的发表偏倚（Publication Bias）进行检测。发表偏倚是指由于研究者、审稿人以及编辑在选择论文发表时，依赖研究结果的方向与强度所产生的偏差（杨扬等，2002）。

本研究采用漏斗图与Begg秩相关法进行发表偏倚检验。漏斗图以标准误为纵坐标，以效应值为横坐标，如图2所示。可以看出，大部分样本文献的效应值处于漏斗的中上部，且相对均匀地分布在平均效应值的两侧，表明存在发表偏倚的可能性较小。采用Begg秩相关法进行检验，结果显示P=0.000（小于0.05），表明可能存在发表偏倚。因此，进一步采用剪补法识别发表偏倚的严重程度，结果显示，基于固定效应模型的合并效应值在剪补前后分别为0.229和0.234，基于随机效应模型的合并效应值在剪补前后分别为0.302和0.312，且均具统计学意义（P=0.000）。由于剪补前后的合并效应值变化不明显，这表明发表偏倚程度较小，在可接受范围内（张天嵩等，2009）。

异质性是指纳入元分析的所有研究样本间存在的差异。由于研究间可能存在因研究设计和作用效果不同而造成的异质性，故需要根据异质性检验结果来判断元分析应采用的模型。当研究间不存在显著的异质性时，应采用固定效应模型;反之，则应采用随机效应模型。基于森林图的异质性检验结果（如表1所示）显示，卡方为4871.56、自由度為577、 I2为88%（P<0.001），这表明研究间存在明显的异质性（I2>60%），故应采用随机效应模型对效应值进行分析（Lipsey et al.，2001）。

三、研究结果

1.CSCL对STEM教育效果的影响

本研究选取随机效应模型对研究样本进行分析，得到的合并效应值为0.31（P<0.001）。根据Cohen的效应值等级标准，效应值在0.2以下为轻度影响，在0.2～0.8 之间为中度影响，大于等于0.8为显著影响（郑昊敏等，2011）。可见CSCL对STEM教育效果具有中度偏小的正向影响，这表明在STEM教育中应用CSCL有助于提升学生的学习效果。

在确定整体作用效果的前提下，本研究进一步分析CSCL对认知、情感和过程三类学习效果的影响，结果如表2所示。按照效应值由大到小的排序依次为认知类（d=0.48，P<0.001）、过程类（d=0.27，P<0.001）和情感类（d=0.12，P<0.05）。可见，CSCL 对认知类和过程类学习效果具有中度影响，而对情感类学习效果具有轻度影响。综上而言，在STEM教育中应用CSCL对于各类学习效果的影响程度存在差异，且对认知类学习效果的作用最为明显。

2.CSCL在不同学科及学段中对STEM教育效果的影响

为进一步探究CSCL对不同学科及学段STEM教育效果的影响，本研究从学科和学段两个维度对研究样本进行分析。对在各个学科的STEM教育中应用CSCL的影响效应进行分析，结果如表3所示。按照效应值由大到小的排序依次为科学（d=0.53，P<0.001）、工程学（d=0.44，P<0.001）、教育学（d=0.44，P<0.001）、健康教育（d=0.24，P<0.05）和计算机教育（d=0.16，P<0.001），而在数学（d=0.11，P=0.31）上未达到显著水平。这表明CSCL对不同学科STEM教育的作用效果存在差异，对科学、工程学和教育学的影响相对较大，而对健康教育和计算机教育的影响相对较小。

对在各学段STEM教育中应用CSCL的影响效应进行分析，结果如表4所示。按照效应值由大到小排序依次为研究生（d=0.65，P<0.001）、小学（d=0.43，P<0.001）、中学（d=0.33，P<0.001）、成人学习者（d=0.28，P<0.001）和大学（d=0.26，P<0.001）。这表明CSCL对不同学段的STEM教育效果均存在影响，相较而言，对研究生和小学学段的影响更大。

3.CSCL中技术对STEM教育效果的影响

为探究CSCL中所采用的通信技术、动态呈现技术、共享共建技术、学习系统和硬件技术等技术因素对STEM教育效果的影响，从STEM教育中所用技术的维度对研究样本进行分析，结果如表5所示。可以看出，嵌入式通讯（d=0.52，P<0.001）、沉浸式环境（d=0.35，P<0.001）、虚拟游戏（d=0.40，P<0.05）、资源共享工具（d=0.43，P<0.001）和知识论坛（d=0.33，P<0.001）的效应值均大于总体合并效应值（d=0.31，P<0.001）。总体来看，通信技术、动态呈现技术以及共享共建技术对于STEM教育效果的影响较为明显。

值得注意的是，有将近14%（203个中的28个）的研究采用了两种以上（含两种）技术组合的方式。进一步分析组合技术与单一技术的作用效果差异， 结果如表5所示。可以看出，组合技术的效应值（d=0.29，P<0.001）与单一技术的效应值（d=0.34， P<0.001）差异不大，均为中度偏下的正面影响。这表明技术的单一或组合使用对STEM教育效果的影响差异不大，也即是说多种技术的组合应用不一定能显著提升STEM教育效果。

4.CSCL中教学策略对STEM教育效果的影响

CSCL中教学策略对STEM教育效果的影响如表7所示。总体上教学策略对STEM教育效果具有中等程度的影响（d=0.34，P<0.001）。可以看出，案例式教学（d=1.11，P<0.05）、游戏化教学（d=0.47，P<0.001）、知识建构教学（d=0.46，P<0.001）、探究式教学（d=0.45，P<0.001）、做中学（d=0.38，P<0.05）和讨论式教学（d=0.36，P<0.001）的效应值高于平均效应值。其中案例式教学、游戏化教学、知识建构教学和探究式教学的效应值均大于0.4，是较为有效的教学策略;而STEM教育中经常采用的项目式教学（d=0.25，P<0.001）却低于平均效应值。结合具体研究样本来看，项目式学习所涉及的研究数量较大，因此其效应值很可能受到其他因素的综合影响。

四、结论与启示

本研究运用元分析方法，对在STEM教育中应用CSCL的142篇实证研究文献进行量化分析，以考察CSCL对不同类型学习效果的影响，以及CSCL支持下的STEM教育效果在学科、学段、技术与教学策略等维度下的差异。研究发现，CSCL总体上对STEM教育效果具有中度偏小的正向影响，且在认知类、情感类和过程类学习效果上存在明显差异。基于对上述研究结果的分析，得出如下研究结论和启示：

1.注重通过CSCL达成情感类目标

研究结果表明，当前跨学科协作学习对学习效果的影响主要体现在认知和学习过程方面，包括知识获取、知识应用以及协作过程中的交互等，但对情感方面的作用效果较低。在Jeong等人的元分析研究中，STEM教育中的CSCL应用对认知类、情感类和过程类学习效果的影响同样存在差异，对情感类学习效果的影响亦为最小（Jeong et al.，2014）。这表明应当在CSCL支持下的STEM教育中，强化针对情感类目标的设计。STEM教育的核心特征在于让学生体验创造中的成就感和分享中的快乐感，进而激发学生的创新动力（余胜泉等，2015）。也就是说，实现成就感、快乐感等情感类目标有助于促进批判性思维、创新能力等高阶认知目标的达成。具体而言，情感因素会在高阶认知目标的达成过程中起到重要的调节作用（单美贤，2015）。从协作学习实践来看，其调节作用体现在两个方面：一是协作学习中组内成员间的依赖关系可以增强成员完成复杂任务时的自我效能感，进而激发高水平的认知活动;二是协作学习中组間的竞争关系可以形成对高效完成任务的激励，通过知识建构、协同论证等方式达成高水平的认知成果。可见，情感类目标对于实现高阶认知目标具有重要作用，因此研究者需要加强针对情感类目标的设计。

Jeong 等将STEM教育中的情感类目标归纳为对跨学科学习的感知与态度、动机与兴趣以及自我效能感等（Jeong et al.，2014）。在STEM项目中应用CSCL时，应当注重通过支持创意表达和跨空间交互的技术来增强学生的学习体验，进而促进上述情感类目标的达成。例如，CSCL中广泛采用的知识论坛能有效支持学生进行同步或异步交流，进而改善其学习体验，这有助于促进STEM教育中情感类目标的达成;在STEM项目中，仿真技术和可视化表征工具的运用能够支持学生多样化的创意表达，提升其分享体验，从而改善其对跨学科学习的感知与态度;跨学习空间的实时通讯工具可以提升学生之间的交互和反馈效率，从而激发其学习动机和自我效能感。

2.采用共享共建技术支持跨学科协作学习

从技术层面来看，共享共建技术和动态呈现技术对CSCL支持下的STEM教育效果的影响较大。但从费效比（前期投入和后期效果的比值）来看，沉浸式环境、仿真技术等动态呈现技术对经费和技术投入要求较高，其费效比相对较高。在取得类似效果的前提下，共享共建技术的费效比则相对低，值得在设计STEM项目时予以更多关注。从技术可用性来看，共享共建技术能够增强协作学习小组成员间的依赖关系并促进高水平的协商与建构（Jeong et al.，2016）。具体而言，跨学科的协作学习通常会持续较长的时间，学习者观点的建立和能力素养的发展是循序渐进的，具有动态性和连续性（余胜泉等，2019）。小组成员需要不断收集新的资料与证据，提出新的观点，并通过群体协商论证达到更高的理解水平。良好的群体对话和协商能有效促进协同知识建构（柴少明，2012）。而这个过程需要共享共建技术来支持小组成员的观点分享，并保持对话题的持续跟踪和参与。知识论坛、Wiki等共享共建工具可以记录个体贡献的观点，并持续追踪群体观点的演进过程，有助于组内成员协同推进高水平观点的生成与发展。共享共建工具有助于促成小组成员之间围绕特定主题进行持续对话与协商，而这是高质量协作学习的前提条件（马志强，2019）。

因此，应当注重共享共建类技术在知识可视化表征、知识追踪等方面的应用。然而，已有研究多仅将共享共建工具用于STEM教育中的信息分享、观点记录和成果呈现，并未充分发挥其价值。未来应当注重运用共享共建工具达成以下两方面的目标：一是加强在学习小组内部对知识的表征和分享，二是帮助小组成员追踪协同知识建构过程（Jeong et al.，2016）。具体而言，应当扩展共享共建技术的使用范围，通过知识的可视化表征帮助小组成员建立观点间的关联，以便于其整合共同观点，同时也可以通过持续追踪协作过程中观点和知识的演进过程来促进协同知识建构。

3.整合多种教学策略以推进协作探究学习

从教学策略的层面来看，所有教学策略均对CSCL支持下的STEM教育效果具有影响，而案例式教学、游戏化教学、知识建构教学和探究式教学的作用更为明显。分析具体文献可以看出，这些教学策略多是教师通过案例、游戏和提问等方式创设有意义的问题情境，引导学生进行协作探究学习，进而促使其整合跨学科知识来解决问题。事实上，将案例式教学、游戏化教学、知识建构等教学策略与探究式学习进行深度整合，有助于学生通过任务引导和协作探究来发展高阶认知目标。

具体而言，教师可以通过案例式教学来呈现真实的科学或工程问题及其解决方案，引导学生通过分析案例来探究其中蕴含的多学科知识和跨学科解决问题的思维方式。知识建构教学则特别适用于对跨学科知识的获得、理解和整合。教师可以通过设置真实的问题，引导学生整合不同学科知识来分析问题，建构对于问题的共同理解。例如，在STEM項目中引导学生通过动手探究的方式建构知识，提升学生的学习效率和实践创新能力，发展其批判性思维和创新能力（吴永和等，2018）。此外，还可以在游戏化教学中引入组内协作、组间竞争的任务机制，通过设置共同的任务目标及竞争规则，引导小组成员优化探究方案。例如，将游戏化学习与探究项目进行整合，引导学生将创意想法整合到游戏任务探究中，激发其创造潜能，促进创新思维的发展（苏仰娜，2017）。

本研究还存在一定的局限性，有待后续研究予以改进和完善：一是在探究CSCL对STEM教育效果的影响时，由于缺乏足够数量的研究样本，因而未分析变量间的交叉影响，如学段和教学策略对STEM教育效果的交互作用，后续研究还应通过收集更多样本来实现这一目标。二是本研究仅针对国际期刊上发表的研究成果，后续研究可考虑纳入会议论文、专著等研究成果，扩展样本选取范围以避免“路灯效应”。三是本研究仅选择有完整数据的实验或准实验研究成果进行元分析，而对相关教育设计研究和质性研究未予以关注，后续可考虑将元分析与定性分析相结合，以形成对STEM教育中CSCL应用效果更为全面的分析和理解。

参考文献：

[1][美]乔伊斯·P. 高尔， M. D. 高尔， 沃尔特·R. 博格（2007）.教育研究方法实用指南（第五版）[M].屈书杰，郭书彩，胡秀国.北京：北京大学出版社：136-137.

[2]柴少明（2012）.CSCL中促进协作知识建构的策略[J].现代远程教育研究，（4）：35-40.

[3]领荣，安涛，任岩（2019）.STEM教育中科学思维的培养探究[J].现代教育技术，29（11）：107-113.

[4]刘志辉，李文绚（2016）.元分析方法研究综述[J].情报工程，2（6）：31-38.

[5]马志强（2019）.从相互依赖到协同认知——信息化环境下的协作学习研究[M].北京：中国社会科学出版社：5-6.

[6]秦瑾若，傅钢善（2017）.STEM教育：基于真实问题情景的跨学科式教育[J].中国电化教育，（4）：67-74.

[7]单美贤（2015）. CSCL合作问题解决过程中情感支持框架探析[J].开放教育研究，21（4）：99-105.

[8]蘇仰娜（2017）.创客学习视域下的移动学习游戏探索——基于STEM理念的教育游戏积件[J].远程教育杂志，35（5）：105-112.

[9]吴永和，李若晨，王浩楠等（2018）.基于STEM的大学生跨学科实践创新能力培养——以R语言与3D打印在高数应用的实证研究为例[J].现代远程教育研究， （5）：77-85，112.

[10]杨扬，沈志超，靳纯桥（2002）.发表偏倚的原因、后果与预防研究[J].编辑学报，（3）：170-172.

[11]余胜泉，胡翔（2015）.STEM教育理念与跨学科整合模式[J].开放教育研究，21（4）：13-22.

[12]余胜泉，吴斓（2019）.证据导向的STEM教学模式研究[J].现代远程教育研究，31（5）：20-31，84.

[13]张天嵩，钟文昭（2009）.非参数剪补法在Stata中的实现[J].循证医学，9（4）：240-242.

[14]郑昊敏，温忠麟，吴艳（2011）.心理学常用效应量的选用与分析[J].心理科学进展，19（12）：1868-1878.

[15]钟柏昌，张丽芳（2014）.美国STEM教育变革中“变革方程”的作用及其启示[J].中国电化教育， （4）：18-24，86.

[16]Borge， M.， Ong， Y. S.， & Rosé， C. P. （2018）. Learning to Monitor and Regulate Collective Thinking Processes[J]. International Journal of Computer Supported Collaborative Learning， 13（1）：61-92.

[17]Chang， C. J.， Chang， M. H.， & Liu， C. C. et al. （2017）. An Analysis of Collaborative Problem-Solving Activities Mediated by Individual-Based and Collaborative Computer Simulations[J]. Journal of Computer Assisted Learning， 33（6）：649-662.

[18]Damiani， E.， Ceravolo， P.， & Frati， F. et al. （2015）. Applying Recommender Systems in Collaboration Environments[J]. Computers in Human Behavior， 51：1124-1133.

[19]Jeong， H.， & Hmelo-Silver， C. E. （2012）. Technology Supports in CSCL[C]// Proceedings of International Conference of the Learning Sciences. Sydney， Australia： International Society of the Learning Sciences：339-346.

[20]Jeong， H.， & Hmelo-Silver， C. E. （2016）. Seven Affordances of Computer-Supported Collaborative Learning： How to Support Collaborative Learning？ How Can Technologies Help？[J]. Educational Psychologist， 51（2）：247-265.

[21]Jeong， H.， Hmelo-Silver， C. E.， & Jo， K. （2019）. Ten Years of Computer-Supported Collaborative Learning： A Meta-Analysis of CSCL in STEM Education During 2005-2014[J]. Educational Research Review， 28：1-17.

[22]Jeong， H.， Hmelo-Silver， C. E.， & Yu， Y. （2014）. An Examination of CSCL Methodological Practices and the Influence of Theoretical Frameworks 2005-2009[J]. International Journal of Computer-Supported Collaborative Learning， 9（3）：305-334.

[23]Lipsey， M. W.， & Wilson， D. B. （2001）. Practical Meta-Analysis [M]. Thousand Oaks， CA： Sage Publications.

[24]Marra， R. M.， Steege， L.， & Tsai， C. L. et al. （2015）. Beyond “Group Work”： An Integrated Approach to Support Collaboration in Engineering Education[J]. International Journal of STEM Education， 3（1）：1-15.

[25]Mateu， J.， & Alamán， X. （2013）. CUBICA： An Example of Mixed Reality[J]. Journal of Universal Computer Science， 19（17）：2598-2616.

[26]Miller， T. （2018）. Developing Numeracy Skills Using Interactive Technology in a Play-Based Learning Environment[J]. International Journal of STEM Education， 5（1）：1-11.

收稿日期 2020-09-21責任编辑 谭明杰

How is Interdisciplinary Collaborative Learning Effective

——A Meta-Analysis of the Effect of CSCL Application in STEM

MA Zhiqiang， LI Huiwen， WANG Wenqiu， LI Yanmin

Abstract： STEM focuses on developing students knowledge and skills through interdisciplinary collaborative learning. In recent years， computer-supported collaborative learning （CSCL） is widely used in STEM. However， does it really work？ What are the effects of various techniques and teaching strategies on the learning effect？ The clarification of the above issues will help to improve the design of interdisciplinary collaborative learning in STEM. Based on the meta-analysis of 142 relevant experimental and quasi-experimental research results published in international journals from 2009 to 2019， it is found that the application of CSCL in STEM helps to improve the learning effect as a whole and it has the most significant effect on cognitive learning compared with process and affective learning. From the perspective of disciplines， it has a relatively large impact on Science， Engineering and Pedagogy. From the perspective of technology adopted， communication technology， dynamic rendering technology and co-construction and sharing technology have more significant influence on learning effect. From the perspective of teaching strategies， case-based， game-based， knowledge-constructing and inquiry-based teaching strategies can better improve the learning effect. Therefore， when CSCL is applied to STEM， it is necessary to reinforce the design of emotional goals to stimulate high-level cognitive activities， pay attention to the role of co-construction and sharing technology in knowledge visualization and knowledge tracking， and promote collaborative inquiry learning through the integration of a variety of teaching strategies.

Keywords： STEM Education; CSCL; Interdisciplinary Studies; Collaborative Learning; Meta-Analysis