基于GINI-PCC分析方法的批判性思维培养的探索

王梅， 康美玲

(东北石油大学， 计算机与信息技术学院， 黑龙江， 大庆 163318)

0 引言

批判性思维作为一种合理、反省的思维，已成为创新人才必不可少的品质之一，对学生的培养质量有重要影响[1]。2016年发布的《面向未来：21世纪核心素养教育的全球经验》中列出了最受经济体和国际组织重视的七大素养，批判性思维为其中之一[2]。美国“深度学习联盟”指出：21世纪社会生活必备技能的核心是批判性思维、问题解决能力、沟通能力、合作能力以及创造革新能力[3]。2019年OECD发布的《培养学生的创造力与批判性思维》中提出一套关于创造力和批判性思维的通用教学标准[4]。由此可见，批判性思维对于学生知识和智能的协调发展起着非常重要的作用。

随着互联网的高速发展，计算机在教育中的应用变得越来越广泛。教育信息化2.0指出：在教育信息化过程中，要立足教育事业发展实际需求，充分发挥云计算、人工智能等技术，提高教育教学效果[5]。然而，当前有关学生批判性思维与计算机相关的研究还比较匮乏。本研究旨在通过基尼指数确定学生批判性思维能力各个特征的重要性，并采用皮尔逊相关系数找出与重要特征相关性最强的特征，针对这些特征进行侧重培养，以期提高学生的批判性思维。

1 批判性思维

批判性思维由思维技能和思维倾向两方面构成。一个人若具备较强的批判性思维倾向，一般来说能更好地运用批判性思维技能，即批判性思维技能与批判性思维倾向呈正相关[6]。决定一个人的批判性思维倾向的因素包括寻求真理意识、思想开放性、分析能力、系统能力、自信度、求知欲、认知成熟度[7]。目前，有部分学者采用不同的分析方法对批判性思维展开研究。柳晨晨等[8]采用定量内容分析和滞后序列分析，探究在线学习中学生互动讨论模式对批判性思维的影响。汪洋等[9]运用多元线性回归分析方法研究性别对批判性思维能力的影响。邹凤琼[10]采用方差分析的方法，研究文理科学生与批判性思维倾向的关系。

2 数据采集与数据预处理

2.1 数据采集

数据采集部分主要包括问卷设计、数据来源两部分。

问卷设计部分采用罗清旭等[11]制定的CCTDI(《批判性思维能力(中文版)测量表》)，该量表是测量批判性思维倾向的有效工具，在国内权威性较高、信效度较好。问卷共70道选择题，每10道题为一个特征维度，并采用Likert 6分制计分方法，从非常赞同到非常不赞同分别记1～6分[12]。

数据来源部分。本研究面向一所高校的计算机专业研一学生，选择“人工智能及其应用”课程发放问卷。为了保证问卷的质量和真实性，本研究主要采用纸质问卷。本研究发放问卷121份，回收有效问卷117份，有效率为96.6%。

2.2 数据预处理

数据预处理能降低数据的复杂度，提升数据分析的准确性。对每个特征的题目进行分值处理，形成最终的数据集。此时的数据集形态为117行8列的数据，前7列对应每个学生样本的特征值，最后一列为学生的批判性思维能力得分，部分数据如表1所示。

表1 批判性思维数据集

特征值是连续性数据，对每个特征进行离散化处理，此时学生的批判性思维数据集中包括117条数据、7个特征、3个类别。

根据量表评分标准，将批判性思维能力中每个特征划分为较弱、良好、较强三个等级，分别用0、1、2表示，对应分值区间为[0，39]、[40，49]、[50，60]。CCTDI总分作为类标签，用于描述学生批判性思维能力分布情况，对应分值区间为[0，279]、[280，349]、[350，420]，分别用0、1、2表示较弱、良好、较强。由此得到特征属性集和类别标签，离散化处理结果如表2所示。

表2 批判性思维离散化数据集

经过离散化处理后得到可输入算法的数据集，以便对学生进行特征重要度和特征相关性分析。

3 基于Gini指数的批判性思维特征重要度分析

批判性思维样本集合中有寻求真理意识(A)、思想开放性(B)、分析能力(C)、系统能力(D)、自信度(E)、求知欲(F)、认知成熟度(G)7种特征。本研究采用基尼指数算法作为其贡献度的衡量指标，根据分析结果确定特征重要度。

其算法思想：假设A是n个样本的集合，将A按照类属性划分，可产生m个子集Ai(i=1,2,…,m)，其中,第i个子集包含了样本集合A中所有类属性值为Ci(i=1,2,…,m)的样本，样本数记为ai(i=1,2,…,m)，则数据集A的基尼指数为

(1)

若按照样本属性进行划分，可将数据集A划分为k个子集Aj(j=1,2,…,k)，子集样本数记为aj(j=1,2,…,k)，则分裂后的基尼指数为

(2)

其中,k是样本属性个数。Aj即第j个属性的样本集合。

针对批判性思维能力的7种特征分别计算其基尼指数，结果如下：Gini(A)=0.654 8，Gini(B)=0.546 4，Gini(C)=0.545 0，Gini(D)=0.430 3，Gini(E)=0.389 3，Gini(F)=0.499 7，Gini(G)=0.564 2。基尼指数越小，其特征重要性越高。因此，自信度的特征重要性最高，对学生批判性思维能力的影响最大。

4 基于PCC的批判性思维特征相关性分析

在实际的教学过程中，应从多方面进行教学过程的实施，需要研究各个特征与自信度特征的相关性。本研究采用皮尔逊相关系数来衡量其线性相关程度。

皮尔逊相关系数可以反映2个变量间线性相关程度的强弱。对于随机变量X=(x1,x2,x3,…,xi)，Y=(y1,y2,y3,…,yi)，其皮尔逊相关系数的定义为

(3)

(4)

其中，cov(E,A)为自信度特征E与寻求真理意识特征A之间的协方差，δE为自信度特征E的标准差，δA为寻求真理意识特征A的标准差。

根据式(4)，可计算出各特征与自信度特征的皮尔逊相关系数分别为REA=0.21，REB=0.04，REC=0.28，RED=0.31，REF=0.54，REG=0.02。皮尔逊相关系数越大，两特征的线性相关性越高。根据结果可知，与自信度特征相关性最大的特征为求知欲特征，两者最容易产生相互影响。

5 学生批判性思维培养的实践成效

根据上述对学生批判性思维能力的特征重要度分析及相关性分析，本研究采用不同的教学策略侧重培养学生的自信度及求知欲，进而提高学生的批判性思维，具体采用的教学策略如表3所示。

表3 教学策略

经过一学期的教学实验后，再次对这批学生进行问卷调查，以验证该教学策略是否能够有效提高学生的批判性思维能力。对收集到的数据进行分析得出，在教学培养前，批判性思维较强的学生占比最少，仅为18.8%，较弱的学生则占比最多，高达44.5%；在教学培养后，较强的学生占比达到32.5%，较弱的学生占比则减少到26.5%，学生的批判性思维得到了显著提高。因此，在着重培养自信度、求知欲等方面，对学生批判性思维的提高具有正向作用。

6 总结

本研究采用基尼指数进行特征重要性分析，确定自信度特征是对学生的批判性思维影响最大的特征，采用皮尔逊相关系数进行相关性分析，得出求知欲特征与自信度特征相关性最强。因此，本研究认为对学生自信度和求知欲进行侧重培养，能够更好地提升学习者的批判性思维。

本研究的研究对象仅选择于一所高校，数据来源可能并未覆盖所有学习者特征，对于数据的采集面还需进一步完善。在后续的工作中，应继续完善数据，并不断对算法进行优化，以提高数据分析的准确性，为学生批判性思维的培养提供更加准确的参考和指导。