计算机模拟与实验：校内校外教学比较研究

摘 要：在现代科学教育中，交互式计算机模拟与实操性实验是两种重要的教学方法。已有研究未能充分阐释这两种方法的优劣，也未能对二者进行充分的比较。本文将二者作为科学教育的学习工具，在不同的学习地点（研究Ⅰ：学校；研究Ⅱ：科学中心的学生实验室）的学生间，从学科知识成绩、情境兴趣发展和认知负荷方面进行了比较研究。研究结果显示，无论学习地点在哪，使用计算机模拟的学生比进行实操性实验的学生认知负荷更高，但学习成功率也要高。与计算机模拟（特别是当认知和价值相关时）相比，实操性实验更能促进情境兴趣。研究认为讲授复杂的话题运用计算机模拟可能更为适合。但其他相关研究发现表明，使用一种教学方法可以弥补另一种教学方法的缺陷。综合以上研究得出，最有效的方式是将这两种方法结合起来，这有助于在校内外学习环境中成功地进行现代科学教育。

关键词：科学教育；实操性实验；计算机模拟；学习；兴趣

中图分类号： G633.67 文献标识码：A 文章编号：1004-8502（2024）02-0104-25

译者简介：华静，华东理工大学外语学院副教授；朱子健，华东理工大学外语学院硕士研究生；陈香，华东理工大学外语学院硕士研究生；房传修，上海理工大学外语学院硕士研究生。

一、引言

在科学教育领域，有许多话题（社会科学问题）与社会高度相关，但是却难以给学生讲授。对学生来说，掌握这些复杂的过程和概念是巨大的挑战，在需要同时考虑好几个概念时尤其困难，例如错综复杂的气候变化问题。因此，科学教育中经常运用基于情境的方法以培养学生更加积极的科学态度，并为科学理解此类复杂话题打下坚实基础[1]。将科学情境和应用作为科学思想发展的起点（基于情境的教学方法）需要恰当的方法。例如，在这种情况下，基于计算机的交互方式可能有助于全面促进知识的获取和理解。交互式计算机模拟（以下简称为计算机模拟或模拟）正在成为科学教育中越来越重要的教学方法，它不仅是一种评估工具[2]，而且也被用于化学、生物或物理等学科的学习[3][4]。与简单的动画相比，计算机模拟允许学习者根据自己的想法改变既定参数，从而积极地与模拟场景互动，随后从系统中接受直接反馈。底层数学模型决定了计算机模拟如何对学习者的参数变化做出反应，从而显示了计算机模拟对过程和结果的影响[5][6]。计算机模拟提供了一个带有确定参数的系统（自然或人工）或过程的模型[7]，在此条件下，学习者可以在人工学习环境中安全地进行实验和模拟[8]。已有迹象表明，计算机模拟特别适合交流复杂问题[9]，并且能够提高整体的科学技能[10]。遗憾的是，作为学习工具，计算机模拟往往会导致高认知负荷[11]，而且在某些情况下不能达到预期的学习效果[12][13]。引入计算机模拟需要更多时间，教育机构缺乏专业知识、财力和物力，这些都是限制计算机模拟应用于校内外教育的原因[14]。此外，教育机构无法持续提供或获取适合各种主题的模拟。

相反，科学教育经常运用所谓的实操性实验作为教授科学过程和概念的方法[15-17]。学生们单独或以小组形式研究一个科学问题，提出自己的假设，用实验验证假设，并根据假设解释结果。我们研究所使用的实验以理论和模型为基础，这意味着，由于可用性、复杂性、潜在危险、可及性或成本等原因，材料模型与所代表的事物至少有一个不同的特征。模型实验的一个例子是用蜡烛［模拟二氧化碳（CO2）产生］、水族箱（模拟大气）、海水（实验变量）和蒸馏水（控制变量）模拟海洋酸化过程。模型实验的特点在于它通常能够呈现一个变量对某个方面的影响［例如大气中CO2浓度增加对海水酸碱值（pH值）的影响］，所以通过实验能生动展现基础过程和概念[13]。然而，又因其往往无法以一种可理解的方式呈现多个变量[18]，模型实验在传达复杂概念方面有所欠缺。此外，由于模型实验往往呈现的是过去的知识过程，它们往往无法充分反映当前的问题和研究。

因此，教育工作者是否应该（尤其是在讲授社会科学问题等复杂的时事话题时）使用模拟替代传统的实操性实验？计算机模拟与实操性实验这两种方法相比较起来，又有哪些优点和缺点？本文就复杂的海洋生态学问题直接比较了实操性实验和交互式计算机模拟两种教学方法，研究了这两种方法对于中学生知识获取、认知负荷和情境兴趣发展的影响。以下将描述这两种方法在学科知识获取、认知负荷和情境兴趣方面已经取得的教育成效。

（一）学科知识

关于实操性实验或计算机模拟对学生学习成绩的影响尚无定论。一方面，实证研究表明，计算机模拟提高了学生对现象观察和研究的参与性，从而促进了学生在科学上的概念转变[4][19]。例如，帕克（Park）发现，学生们在利用计算机模拟学习物理概念后，可以用更合理的科学观念预测、解释某一科学现象[20]。几项研究均指出，计算机模拟可能更加适用于学生对复杂科学过程的学习[9]。凯尔马尔茨（Quellmalz）等人认为，“模拟非常适合用于研究复杂系统模型中多个变量之间的相互作用（如生态系统、天气系统、波浪相互作用），以及探索空间和因果关系的动态相互作用的实验”[21]。就知识获取而言，实验也是非常重要的[22]。实践活动可以更具体、更清晰地传达抽象知识，因此通过实际操作，能够提高学习成绩并加深对科学概念的理解[23]，而且实践活动还可以提高学生解读数据和批判思考的能力[24]。而哈蒂（Hattie）的研究则发现通过实验学习能引起媒介效应（d=0.42）[25]。

另一方面，实证研究也表明学生使用计算机模拟学习时会遇到多种认知和元认知困难[7][12][13][26]，这主要因为复杂的计算机模拟会导致高认知负荷[12]，尤其是因为学习缺乏互动性，学生只能学到比较基本的知识内容[6]。此外，哈蒂的元分析显示，计算机模拟和模拟游戏对学习成功率的提升效果甚微（d=0.33）[25]。由此可见，并非所有的研究者都认为实验对于学习成绩有积极的作用，学生经常在系统性和策略性的工作中存在严重的问题[7]。另外，在学校的实验往往会对已有的知识过程进行重构和简化，无法充分反映当前的问题和研究[18]。因此，一些具有现实意义的问题无法得到研究和发展。

（二）认知负荷

认知负荷理论［见范梅里恩伯尔（Van Merriënboer）和斯威勒（Sweller）的综述］[27]认为，只有当学习者的工作记忆系统中（有限的）认知负荷尚未过载时，才能有效学习。如果遇到非常困难的任务（高内在认知负荷），尤其是与不合适且过于复杂的教学设计（高外部认知负荷）相结合时，认知很容易超负荷，最终会导致学习效果不佳[28]。在多媒体学习环境（如计算机模拟）中，学习所需要的认知心力往往很高[29][30]。在模拟中，学生必须同时考虑几个方面，这要求学习者理解学习环境的非线性结构，而这会“消耗”一定的认知资源（高内在认知负荷）。对于已有知识较少的学习者，往往更难理解计算机模拟的复杂底层系统和过程[7][12]。更重要的是，如果鼓励学习者操纵过多的变量，模拟可能会产生分散注意力的结果（如要求必须记住多个元素，或必须观察屏幕上不同位置上的多个变化）[31]。特别是没有指导/教学支持的模拟，往往会让学习者迷失方向，从而造成额外的认知负荷。这些模拟引起的高认知需求往往会造成认知超负荷[11]，导致学生难以理解内容、学习成绩不佳[28]。因此，几项研究表明，计算机模拟学习的教学支持可以有效防止认知超负荷[4][7][32]。从实践活动角度看，已有研究[33][34]表明，学生进行动手活动时也可能会增加额外的认知负荷。这可能是学生的实践任务引起的，如阅读说明、操作设备和与小组同伴互动。在某些情况下，额外负荷太高，可能会对学习结果产生负面影响。

（三）兴趣

在教育研究领域中，兴趣可以分为情境兴趣和个人兴趣[35]。个人兴趣带有一种相对永久的倾向性，关注对象、事件或想法，并涉及某些内容[21]。情境兴趣主要是由特定情境的环境刺激引起的，如新颖的活动[36]。这两种类型的兴趣在三个方面都有一定的特征：情感方面、价值方面和认知成分方面[37][38]。本文发现，情境兴趣的认知成分主要涉及个人需求，即提高与兴趣对象相关的能力、知识和技能。因此，下文中涉及这些需求时，我们统称为认知成分。目前已有广泛研究，将计算机模拟作为学习工具，以改变动机和兴趣。几项研究观察发现，计算机模拟可以增加学生兴趣[39]，并且可以激励学生学习[4]。高水平互动和控制学习环境都可以提高学生对主题的学习动机。吸引人的学习环境，特别是校外学生实验室，据说能激励学生[40]。相比于对模拟实验的研究，人们对实操性实验的关注较少，但现在人们也逐渐对这种实验产生兴趣[41]。

（四）已有的比较研究

虽然一些研究已经直接比较了计算机模拟实验和实操性实验，但并未明确阐明这两种教学方法的优劣。一些研究发现，实验有利于提升学习成绩[42][43]，而另一些研究发现，计算机模拟能改善学习效果[44-47]。例如，贝格尔（Berger）发现，相比于实操性实验，当学生进行计算机辅助物理实验时，往往动力更强[48]。

反过来，其他研究也未能发现这两种教学方法的任一方存在明显的认知优势[49-53]。例如，赞德勒（Zendler）和格雷纳（Greiner）发现，在对比实操性实验和计算机模拟实验运用于化学教学时，学生们对金属反应的学习在结果上没有明显的差异[54]。但有迹象表明，通过这些不同的方法，学生能更好地学习不同领域的知识。例如，近期研究表明，学生进行物理实验时会一起讨论如何安装设备、学习测量方法或计算结果；而学生参与计算机模拟实验时，会讨论如何预测结果、发现变量间的关系以及解释科学现象等[55]。

二、研究设计

本文介绍了两项研究的结果，对实操性实验和计算机模拟实验这两种学习方法进行比较，研究对象为10年级至13年级学生。两项研究调查了运用这些学习方法的效果，主要关注学科知识成绩、认知负荷和情境兴趣的变化。由于两项研究在设计与步骤上一致，所以具有高度的可比性。第一项研究在学校开展，而第二项研究在学生实验室进行，以此表明研究结果与学习地点无关。学生实验室又叫科学中心拓展实验室，学生在探究式学习环境中进行实验，有利于深入了解当代科学[56]，本文中学生的研究主题是海洋生态系统的气候变化和人为变化。

（一）本次比较研究的意义

在该研究领域，大多数比较研究表明，有模拟与无模拟的教学之间存在差异[4]。因此，许多不同的教学因素，如阅读课本、完成任务、课堂讨论或不同的小组规模，都可能阻碍对学习方法效果的有效测量，导致研究缺乏可比较性。本研究侧重于直接比较两种教学方法，暂不考虑课程背景，因此，研究已具备稳定的外部因素：相同的导入、教学单元结构和主题。唯有学习方式不同，这有助于对这些方法本身的效果得出结论。其他研究则比较了在计算机模拟实验室与实体实验室工作之间的不同[57][3]。这些研究往往在整个学习环境中（如不同的实验室）进行比较，而非聚焦于单个模式（实验或模拟）。此外，一些研究主要在物理或化学教育领域对这两种方法进行了直接比较，重点是低复杂度的模拟实验和类比实验[50][58]，而我们的研究直接比较了具有相同内容的和高复杂性的不同形式的实验。相较于已有的对比研究，本研究采用了大量样本（N研究Ⅰ= 443; N研究Ⅱ = 367; N总= 810）。例如，鲁坦（Rutten）等人在详细综述中提到的60项研究，平均样本量达160名参与者[4]。最后，在研究交互式计算机模拟实验和实操性实验学习方法领域，已有研究尚无法对复杂的社会科学议题中关于认知和动机的学习过程提供足够的见解，本文解决了这一问题，旨在填补该领域的空白。

（二）本次研究问题与假设

以下为本项目的研究问题和提出的相应假设。

（a）交互式计算机模拟/实操性实验在多大程度上有助于增加学科知识？两种方法有何不同？

我们假设这两种方法都能增加学科知识，毕竟对大多数学生来说，学科内容都是新的，而且实验[23][27]和模拟[4][9]都已证实能促进学习。如果我们能通过提供适当的教学支持来降低认知负荷的影响[28]，就有望通过计算机模拟实验为学生带来相同甚至更好的学习成绩[45][50][52]。

（b）交互式计算机模拟/实操性实验在多大程度上影响完成任务时的认知负荷？两种方法有何不同？

我们预设这两种方法都会给学生带来中等程度的认知负荷。两种方法都有教学支持，并有助于减少学习者的外部认知负荷[32]，我们试图匹配学科知识的难度与参与者的能力，来减少内在认知负荷。然而我们预设学生的已有知识水平较低，因为所涉及的内容并非德国的必修课程，这可能会对内在认知负荷产生负面影响[7][12]。此外，我们预设参与者具有不同的认知技能，因为他们来自不同的学校和年级，也不适应计算机模拟辅助学习的环境，毕竟这种教学方法在德国科学课上还不常见。这可能会导致学生在这种复杂结构中尤其是模拟环境中认知超负荷[12]。因此，我们预测，与实操性实验相比，学生使用计算机模拟学习时认知负荷更高。

（c）交互式计算机模拟/实操性实验在多大程度上提高学生的情境兴趣？两种方法有何不同？

我们预设这两种方法都对情境兴趣至少有中等程度的作用，因为两者都具有普遍的激励作用。通过对计算机模拟实验的研究，我们预设，由于数字媒体的激励特征，学生们的情境兴趣更容易得到提高。这些假设适用于情境兴趣的所有分量表（情感、认知、相关价值）。至于不同的学习地点，我们推测学生实验室更能激发学生的兴趣[40]。

（三）研究方法与设计

本文中的两项研究（研究Ⅰ和研究Ⅱ）在结构、主题、目的和评估设计方面相似，但在持续时间、学习地点和主题复杂程度方面有所不同（两项研究之间的异同比较，见表1）。在每个案例中，海洋生态学、媒体心理学和教育学的科学家共同设计，合作开发了实操性实验和模拟实验。这些方法基于真实的科学数据，实操性实验是假设驱动的模型实验，模拟实验是交互式的并得到指导性支持。我们采用了简单的实验设计进行了这两项研究（图1），不同的学习地点作为组间变量。因此，模拟实验的效果为实验组（EG），实操性实验的效果为对照组（CG）。

然而，下文提到的“实验”是指在学校或学生实验室中使用的一种学习方法。我们通过前测来评估学生的个人数据、已有知识、科学成绩以及对生物和化学学科的兴趣（自变量）。后测则分析了基于模拟的学习和基于实验的学习在学科知识、情境兴趣和认知负荷（因变量）方面的效果。

1.研究Ⅰ的设计

研究Ⅰ是在学校进行90分钟的干预测试。其目的是展示海洋酸化的过程及海洋酸化对全球和地方层面的影响。在导入阶段，学生们会收到与测试和当天课程相关的通知。随后，他们会进行20分钟的笔试。绪论课概述了海洋酸化这一主题，并强调了由此产生的海洋生态系统问题。接着，学生们被随机分为两组，各组分至不同的房间，以避免在进行实验或模拟时产生任何干扰。学生必须按照指定的方法，进行30分钟实验。实验是以小组为单位进行的，由一名督导员指导实验，并回答相关问题。督导员会分发脚本，必要时会安排结构化流程（例如讲解材料、协助回答脚本问题、提醒规避实验中的典型错误）。在模拟中，每个学生使用自己的笔记本电脑，以小组或团队的形式进行学习。督导员会回答技术和内容方面的问题。分发脚本后，他会向学生展示模拟最重要的功能（必要按钮的操作），帮助回答脚本相关的问题，并在必要时解释学生无法理解的内容。在整个测试期间，督导员不发生更换且一直在场。最后会进行为时20分钟的后测。

（1）研究Ⅰ的材料

两种方法传达的内容相同：pH值、全球大气中CO2浓度增加的原因和程度、CO2在海水中的平衡反应以及酸化对钙化生物的影响。在两组测试中，学生使用相同的研究问题来探究海洋酸化的过程和影响。活动的开展得到脚本的支持，其中模拟或实验工作的结果必须通过引导性问题进行总结。在方法开始阶段会分发纸质脚本，学生必须在学习期间完成。研究问题根据方法任务而提出，且两种方法的研究问题相同。举一个例子：“请解释为什么随着大气CO2浓度的增加，钙化会更加困难？请同时考虑先前建立的平衡系统的反应方程。”督导员既要协助学生进行实验或模拟，也要协助解答疑问。

（2）实操性实验

首先，学生研究了大气中CO2浓度增加的程度以及脚本中pH值的特征。这包括分析基林曲线（Keeling Curve）并匹配不同的溶液及对应的pH值。接着，学生进行一项实验，主要关注大气中CO2含量增加对海水的影响，特别是海水的缓冲效应。因此，我们选择如下实验装置：波罗的海海水代表海洋、蜡烛代表化石燃料燃烧、倒置的水族箱代表大气，并以蒸馏水作为对照。在两种水样中，数字式酸碱计用于测量液体pH值的变化。经过10分钟的测试，学生们观察到蒸馏水中的pH值比波罗的海海水中的pH值下降得更快。学生们可以从脚本中获取实验的设置和程序，并且必须尽可能地自主操作实验。在记录实验结果后，学生们建立了CO2在海水中的平衡反应方程，进而讨论海水的缓冲效应，以此解释两种水样中pH值的不同变化。为此，他们可以获得支持卡。最后，他们分析了pH值变化对钙化生物（如作为说明对象的贻贝）的影响，并讨论了可能的保护措施。该实验是海洋酸化的生物学影响（BIOACID）项目的一部分，由研究海洋酸化的科学家开发，作为他们公共关系工作的一部分[61]。

（3）交互式计算机模拟

交互式计算机模拟是斯坦福大学创造的一种学习环境，本研究项目已获得使用许可。在导入部分，数字学习工具通过基林曲线动画阐明了大气中CO2浓度增加的原因和程度。接着，利用pH值匹配不同液体的酸性，计算机模拟提供了交互检测pH值特性的可能。在主体部分，学生们能够控制大气中CO2浓度，并观察由此产生的对海水动态平衡反应的影响。为此，学生们移动滑块，模拟1865年至2090年3种不同情况下大气中CO2的浓度。他们可以实时观察到示意图所示的平衡反应的变化、CO2、碳酸氢盐（HCO3-）和碳酸盐（CO32-）的确切浓度变化（见图2）。模拟应用了许多支持元素，如工具箱，点击后会呈现如何阅读基林曲线的说明，或扫过各种反应箭头时出现相应的解释。在下一个环节，学生必须以互动的方式区别钙化生物和非钙化生物。最后，学生在组内讨论了海洋酸化对钙化过程的负面影响，并制定了保护措施。

2.研究Ⅱ的设计

研究Ⅱ是学生全天实验日的一部分。该研究包括了一项为时180分钟的干预测试，研究对象为10至13年级的学生，学习主题为“波罗的海的未来”。其目的是呈现波罗的海主要环境影响过程（变暖、富营养化、酸化和盐度变化），及其对生态系统代表性生物（钩虾、墨角藻和附生植物）的影响，以及由此对整个系统（水质、渔业和旅游业）带来的挑战。在收到有关测试和当天课程的总体情况后，学生们会进行为时15分钟的前测。学生通过平板电脑上的数字调查问卷完成所有测试。随后，绪论课会用30分钟时间介绍全球海洋变化的原因和过程，并深入了解由此对海洋生态系统产生的影响。接着，我们将学生随机分为两组，各组分至不同的房间。进行实验的小组则进一步分为两个小组，每组进行4项为时30分钟的实验。其间有一位督导员指导实验，并在每个小组的实验过程中解答问题。督导员会分发脚本、展示可用材料，并解答学生相关脚本问题，必要时解释不清楚的地方。进行模拟的小组也被分为两个小组，各在一张小组桌上进行操作。尽管学生们拥有自己的平板电脑，但他们还是以小组或团队的形式进行模拟。督导员可以解答技术和内容方面的问题，并协助小组讨论。所有小组的学习总时长为2小时，然后再进行为时15分钟的后测。

（1）研究Ⅱ的材料

两种方法讲授相同课程内容。每项实验都呈现了单一的变化过程（变暖、富营养化、酸化和盐度变化），以及对某种生物（钩虾、墨角藻和附生植物）的影响，并由此产生的生态系统和社会变化（水质、渔业和旅游业）。因此，学生们可以了解到不同变化和相关影响，以及变化之间的相互作用。在模拟中，计算机可以模拟所有变化，在考虑到它们之间相互作用的情况下，观察其对3种生物的影响。此外，调整后的参数直接代表了对整个系统（水质、渔业和旅游业）可能产生的影响。为了避免方向迷失和认知过载，特别是通过模拟学习的学生，他们必须根据辅助脚本进行操作，其中必须通过相同的指导问题总结学习成绩。举一个例子：“描述水温升高对墨角藻适应性的影响。”实验的脚本是纸质形式的，包含了每个实验相应的说明、解释和问题。模拟的脚本是数字化的，并内嵌于模拟网站中，其中包含了模拟的操作说明，以及所有参数相关问题和基本信息。

（2）实操性实验

学生们研究了（a）水温升高对墨角藻适应性的影响；（b）过度施肥对附生植物生长速度的影响；（c）盐度变化对钩虾适应性的影响；（d）酸化加剧引起的生态系统变化。4项实验的活动不同，但操作程序始终相同。首先，学生们通过文本或插图等现有材料（如盐度和钩虾）了解该站的参数（每个站点的变化和生物）。接着，他们提出研究问题（如“波罗的海盐度较低对钩虾种群有何影响？”）。根据脚本解释，学生们进行了各种实验，并解释了脚本中观察到的效果。实验活动的例子包括：（a）在不同水温下制备3个相同大小的墨角藻样本，并通过数字氧传感器观察氧气的产生；（b）使用叶绿素a测量法对不同的富营养化水样进行光度测定；（c）在不同盐度的波罗的海海水中计数钩虾并确定其死亡率；（d）对不同酸度的海水样本进行滴定。最后，学生们在组内讨论了这些影响可能对系统中的其他生物产生的冲击，以及有助于保护它们的措施（如规模较小的钩虾种群对附生植物的摄食压力降低，对墨角藻会产生负面影响，减少人为温室效应也可作为一项措施）。

（3）交互式计算机模拟

计算机模拟的总目标是使学习者在交互中能够理解不同生态系统变化对3种生物产生的综合影响。在进行模拟互动前，学生们倾听关于模拟中每个变量的简短信息音频，以获取基本信息。之后，交互模式被解锁，学生们可以自主进行模拟互动。该交互界面允许用户移动滑块来选择和操作不同的变化（见图3）。学生们可以实时观察这3种生物种群规模的变化。当然，他们可以（也应该）通过移动预定义设置上的一个滑块，一次只研究一种变化——就像在实验中一样。与实验的不同之处在于，对生物体的影响是以互动方式呈现的。这意味着间接影响也是可见的（例如，较低的盐度直接导致钩虾数量减少，这反过来又导致附生植物增加，从而对墨角藻生长产生了负面影响）。例如，通过屏幕底部的三级笑脸系统，学生们可以同时观察到参数变化对水质的进一步影响。我们运用了工具箱等支持元素，以获取更多关于这些影响和其他模拟参数的信息。首先，学生们在脚本（为此提供了文本、插图和视频）的指导下了解模拟的各个参数（变化和生物体）。然后，他们在研究问题的指导下，必须改变对波罗的海产生影响的每个参数（变暖、富营养化、酸化和盐度变化），并观察、描述和解释对生物体的影响。接着，同时改变几个参数，并研究和描述对生物体水平影响及更进一步的冲击。最后，他们要讨论和描述保护波罗的海的可能措施。

3.研究Ⅰ与研究Ⅱ的样本

研究Ⅰ的参与者是来自德国19所中学的443名学生，他们的平均年龄为17.58岁（标准差=1.41），其中女学生占56.88%，男学生占43.12%。随机分班后，221名学生做实验，另外222名学生进行计算机模拟。

研究Ⅱ的参与者是来自德国21所中学的367名学生，他们的平均年龄为17.02岁（标准差=1.20），其中女学生占54%，男学生占46%。其中，198名学生做实验，另外169名学生进行计算机模拟。

4.研究Ⅰ与研究Ⅱ的方法措施

在前测中，我们评估了年龄、性别及年级等社会人口统计数据，以便对样本有更好的了解。此外，我们询问了学生们在科学科目上的成绩（生物、化学、物理），以及他们在生物和化学学科的已有知识和个人兴趣，以便更好地了解研究参与者先前存在的认知与动机情况。在后测中，我们对学科知识、认知负荷及情境兴趣进行了问卷调查。研究Ⅰ的问题以纸笔测验的形式展现；研究Ⅱ的调查问卷是数字化的，并整合到了计算机模拟的学习环境中。

（1）学科知识

为方便研究学科知识，我们分别设计了前测与后测问题。由于德国标准课程不包括这两项研究的主题，我们预测学生们有少许的知识积累。因此，人们高度期望通过干预措施增加学科知识。为了避免产生困惑及测试效应，即两次回答相同问题而产生的学习效果，我们只进行简短的前测。对学科知识的前测仅仅是为了验证之后随机划分的两个测试小组在已有知识上可能存在差异。我们制订了详细的后测，因为我们想着重分析这两种方法之间的差异。该领域的几位专家根据计算机模拟与实验的主题制订了任务。

在第一项研究中，前测包含3道基于海洋酸化基本原理的多项选择题。其中有2道含有4个不同选项的题，每题1分；1道含有5个不同选项的题，每题2分。学生们总共可以获得4分。后测包含9道题，这些问题的结构基于方法内容，因此反映了实验及计算机模拟涵盖的主题：pH值（3道题）、全球大气层CO2浓度增加的程度及原因（2道题）、海水中CO2的平衡反应（3道题）及钙化有机物的酸化效果（1道题）。此外还有不同学科知识领域的样例，有5道含4个不同选项的多选题，每题有1个正确答案，每题1分。还有3道含5个不同选项的多选题，每题有2个正确选项，每题2分，问题仅涉及两种方法都涵盖的主题。为了使用对比的方式真正测试出通过这些方式得到的学习成绩，关于具体实施（比如实验的设置）的问题没有明确提出。这些多项选择题由专家研发，随后也进行了验证。此外，我们还设计了一项任务，学生们应该在表格中用箭头标记海洋中CO2、HCO3-及碳浓度的增减。完成此项任务可获3分，参与者一共可获15分。这两项测试都是在现有的化学知识测试的基础上开发的[62]。

第二项研究中的知识前测包含3个开放式问题，检测学生们对波罗的海生态系统变化及其面临挑战的基本了解。首先，我们决定询问学生们是否都知道波罗的海面临哪些威胁。其次，我们也询问了其他两个概念，这两个概念极有可能在科学教育中作为衡量气候变化及人为影响等生态变化知识掌握的基准（问题2和问题3）。对于开放式问题的评分，我们制订了一个期望值框架，基于此回答每个问题可得6分。关于波罗的海面临威胁的问题，有3个大分类（气候变化、过度使用和污染），每类题目有2个子问题。对于问题2和问题3，学生们阐明变化的原因、过程和影响可得2分。因此，学生们总共可得18分。后测一共有15道多项选择题和3道开放式题目。多项选择题的结构也是基于具体的方法：处理过的生物体以及它们的相互作用（4道题），变化过程（4道题）、单个变化的影响（4道题）及多种变化共同的影响（3道题）。此外还有不同学科知识领域的样例。对于最后3道开放式问题，学生们需描述（a）预测的4个变化在2100年对生物层面的影响，（b）对生态系统的影响以及（c）对社会层面的影响。多项选择题有4个不同答案选项，其中有一个是该领域专家研发并得到证实的正确选项。对于3个开放式问题，我们制订了一个期望值范围，每道题有3个可能的得分点：（a）更多的附生植物，更少的墨角藻，更少的端足目生物；（b）对生物多样性、水质和海岸保护的影响；（c）对旅游业、渔业和健康的威胁。每道多项选择题1分；每道开放式题目3分。参与者总共可得到24分。

（2）认知负荷

考虑到进行交互式计算机模拟及实操性实验需要学习者具备一定的认知资源，我们决定测量认知负荷。因此，在后测阶段，我们采用帕亚斯（Paas）等人的认知负荷测试[63]作为学生的自我报告（表2）。学生们需用2个以内的问题来评估他们感知到的认知负荷，并采用7分制量表（1=毫无付出；7=认真努力）。题目由帕亚斯等人提供。我们选择这个短量表，因为它是最广泛使用的认知负荷测量方式，具有可靠性和灵敏性，并易于使用[60]。此外，由于我们在研究中没有关注内部负荷与外部负荷之间的区别，这种省时的两项量表尤为合适。

（3）兴趣

为了控制影响情境兴趣的变量——个体兴趣差异，我们研究了学生对生物和化学学科的兴趣。选择这两个学科的原因是它们代表了两项研究中所涉及话题的基本领域。为此，我们将“科学的乐趣和兴趣”测试从对科学的普遍兴趣改为对生物和化学学科的普遍兴趣。该测试最初是为国际学生评估项目而开发和验证的[59]。学生们需用4分评分机制来评估每个人就化学和生物学科的兴趣所做的5个陈述（1=完全不同意；4=完全同意）。

参与者对计算机模拟和实验的情境兴趣通过恩格尔恩（Engeln）开发和验证的问卷进行评估[37]。该测试有12个选项来衡量情境兴趣的情感、认知及价值相关成分。参与者可用4分评分机制来作答（1=完全不同意；4=完全同意）。案例见表2。

（4）核实量表质量

我们对来自13年级3个不同班级的44名学生进行了兴趣和认知负荷测试（表2）。

如果不考虑其中一个选项，则对价值相关情境兴趣的可靠性分析将得出克隆巴赫系数的值为0.510。我们将该组部分的低可靠性归结于语言不一致，并在下文中对此进行了改进。所有其他的量表都显示出足够高的可靠性，可以在不进行修改的情况下用于主要研究。为了确保内容的有效性，我们与教师和海洋生物科学家合作研发了学科知识测试。学科知识调查问卷由研究Ⅰ试点研究的同批学生和研究Ⅱ来自12年级的23名学生进行验证。学生们按计划进行了干预，但要与我们一起在公开的全体会议中回答问题。这种合作验证使我们能够消除公式和专业术语上的歧义。在调整试行研究后，我们可以确定下列研究Ⅰ和研究Ⅱ中所使用量表的内部一致性（表3）。

三、结果

所有结果均采用SPSS统计软件进行计算。我们用t检验来检测均值比较，t检验表明，在之后随机分配的两项研究小组（实验或模拟）之间，已有知识、科学科目（生物、化学、物理）的平均分数以及对生物或化学的兴趣均没有显著差异（表4和表5）。我们检查了前测调查问卷可能存在的差异，以排除对后期随机分组的因变量差异的影响。对已有知识调查问卷的分析表明，在第一项研究中，学生们在可得的4分中平均得分为1.3分（标准差=1.05）。在第二项研究中，学生们在前测18分的3道开放式题目中平均得分为3.38分（标准差=2.46）。

t检验中，两项研究的因变量证实，一方面，相比于实验学习，计算机模拟学习会使学生的学科知识成绩（d研究Ⅰ=-0.19; d研究Ⅱ=-1.05）及认知负荷水平（d研究Ⅰ=0.19; d研究Ⅱ=0.21）进一步提高。另一方面，与计算机模拟相比，参与实验的学生展示了更高水平的情境兴趣的认知（d研究Ⅰ=-0.33; d研究Ⅱ=-0.54）和价值（d研究Ⅰ=-0.35; d研究Ⅱ= -0.37）成分。在两项研究中，我们未能观察到两种方法在情境兴趣的情感成分方面的差异。所有的平均值、标准差和统计值如表6和表7所示，以及如图4、图5、图6及图7所示。我们在分组中没有发现任何显著差异（年龄、性别、办学形式或年级）。

四、研究讨论

本研究旨在调查计算机模拟与实验在学习成效上的差异，包括以下方面：学科知识贡献、受影响的认知负荷范围及情境兴趣的程度，以确定哪种方法更适合交流当前的复杂主题。因此，我们通过简单的实验调查设计进行了两项研究，将学习地点类型作为实验因素。下面详细解释每个研究问题的假设和由此产生的影响。

（一）学科知识

前测的低成绩表明，两项研究中的已有知识都如预期一样低。这可能是因为这些主题并不属于标准的德国课程内容。两个随机分配的小组之间的已有知识和科学科目得分的预期差异并不显著，这表明学科知识成绩的差异并不能归咎于已有知识的差异或学校科学科目方面的成功与否。

正如预期的那样[50][52]，与实验学习相比，学生们在计算机模拟学习中并无劣势；实际上，尽管认知负荷较高，他们还是学到了更多东西。除了模式本身不同之外（模拟与实验），还有其他几个迹象解释了在这种情况下，计算机模拟为什么有助于学习多个变量的相互作用。我们认为，学生在这两种方法中的任务重点可能会对所学内容产生影响[55]。由于学生们的模拟不涉及体力活动，他们有更多时间研究过程和背景，因此，他们能够更好地学习这些内容。此外，由于每个人都有自己的设备，学生们能够或多或少地单独处理单个过程。因此，他们能够决定自己的学习进度，包括从什么时候开始进行交互活动。而做实验的时间分布是通过实验程序严格预定的。实际上，学生们虽然拥有自己的设备，但仍然是与团队合作，因此，相较于实验学习来说，这可能为模拟学习提供了另一个优势：学生们有机会控制每一个变化或自己去执行任务，然后小组一起讨论。做实验需要更细的劳动分工，因此不是每个学生都能自己完成所有的任务。如前所述，这种高水平的互动性以及在模拟中自主决定行为的可能性对于学习具有挑战性的内容非常重要[6]。然而，由于仅以自主学习科学原理和概念为导向的学习往往会导致不太明显的学习成效[7][26]，所以参加我们研究的学生会以团队合作或伙伴合作形式进行。这可能有助于避免因使用计算机模拟的探索性学习而经常导致的低水平知识获取[12]。

我们研究中涉及的主题不仅有基础内容，也有复杂过程和结构，尤其是在第二项研究中。这意味着干预传递了实际的、难以沟通的、与社会相关的主题（社会科学问题）。为了了解海洋变暖、富营养化、酸化和低盐度对生态系统和社会的影响，需要同时考虑多个方面。第二项研究因其考虑了全部过程，所以显示出了比第一项研究更高的复杂性，而第一项研究只考虑了一个过程。与第二项研究中的实验相比，模拟学习优势的巨大影响表明，正如其他作者的假设，交互式计算机模拟尤其适合用来教授复杂过程和系统[9]。施洛宁（Scheuring）、罗斯（Roth）[47]和利希特（Lichi）等[45]都能独自展示计算机模拟极大促进复杂思考的过程，这可能是因为在模拟过程中可以同时操作多个变量。因此，计算机模拟似乎特别适合用来理解多个变量的相互作用。所以，如果教育者的目标是传授（复杂）知识，而非教授科学方法，又在寻找适合的学习方法，那么计算机模拟将对此有益。

然而，计算机模拟中适当的教学支持在这里发挥着重要作用。研究文献的结果表明，尤其是对于那些已有知识很少的学生——比如我们研究中的学生——教学支持对其获得知识提供有效的帮助[4][7][26][32]。我们认为，由于现在日益增加的数字化正在创造越来越多的数字化和交互式学习环境，应该考虑这些关于教学支持重要性的假设。该领域未来的工作可能包括为使用计算机模拟的教师和学生提供额外支持。例如，关于适当的教学支持，支持学生通过对话系统与计算机模拟互动，或提供人工智能方面的指导将会非常有用[64][65]。

（二）认知负荷

在使用计算机模拟时，学生预期会产生更高的认知负荷，以下从内容、任务与工作模式方面进行解释。第一，学生们可以同时改变多个变量（研究Ⅰ：CO2浓度+场景；研究Ⅱ：变暖+富营养化+酸化+盐度），并且不得不观察这些变量对各个方面所带来的影响 （研究Ⅰ：均衡反应+珊瑚的钙化过程；研究Ⅱ：墨角藻+片角类动物+真菌+它们之间的相互作用）。这种基于模型的计算机模拟的非线性结构使得该学习方法更加复杂。这点已得到多次论证，原因在于高度的认知负荷[12][53]。第二，平板电脑上的数字工作（打字、推送、观察和阅读等）可能会比实际实验（切割、飞行、测量和记录等）带来更高的认知需求，尤其是对使用数字媒体能力弱的学生来说，模拟工作可能会带来认知负荷。第三，不同的工作方法可能会在模拟过程中带来更高的认知负荷。在实验中，这种分工尤其让能力较差的学生处于劣势。但在计算机模拟中不会这样，因为每个学生任务相同，都做着同样的工作。运用学生自己的设备进行模拟需要每个学生平等参与，这样，每个学生都很难被“湮没”在群体中。

（三）情境兴趣

在两个实验小组之间并未发现学生对生物或化学学科的兴趣有何差异，因此，两个小组之间观察到的情境兴趣差异可能并非出于个人兴趣差异。研究显示，学习地点不同并不会引起兴趣差异，因此，重要的不是学习地点而是学习方法。由于外延活动是由同一个人在两个学习地点进行的，学生们对于老师的依赖性可能成为决定性的重要因素[25]。正如第2、3部分所示，情境兴趣并不依赖于个人对某物的偏好，而是取决于个人对某物在具体情境下的兴趣。将兴趣细分为情感、价值和认知成分，可以更详细地分析学生们的感知兴趣。

学习者将这两种方法与积极的感受和情绪（情绪成分）联系起来。相比于计算机模拟，实验的认知及价值相关的情境兴趣更高，这与我们的第三个研究问题相矛盾。这些强调计算机模拟能够促进兴趣及激励特性的文献，大多来自于科学教育的前数字时代[4][39]。今天的学生在数字媒体中长大（所谓的数字原住民），因此 “新奇”效果、互动性活动、模拟内自主交互的可能性或者数字媒体本身很难打动他们。这很可能会对价值相关的组成部分产生影响。如今，学生们早已习惯于数字媒体，因此，使用数字媒体本身不再具有特殊价值。这就引出了一个问题，即在数字化社会，现有的假设是否仍然有效，或者是否需要重新评估。因此，基于计算机的（学习）环境通常表现出的增强兴趣的效果可能已经过时了，而实验学习可能比预期更能激励和增强学生兴趣（尤其是在价值及认知成分方面）。通过数字媒体增强情境兴趣的一种方式是使用游戏效果或类似于增强/虚拟现实的沉浸式体验[58][66][67]， 在未来的数字化学习模式发展中应加以考虑。

除了媒体本身，不同方式所需的不同活动对情境兴趣的发展可能也有影响。做实验时的实际操作可能比操作数字控制器、滑块及工具箱更多样、更令人激动。在日常学校生活中，教师经常由于缺少时间、设备及机会来让学生们独立开展实验 [14]。因此，实操性实验可能是特别的，且能让情境兴趣达到顶峰。这与林（Lin）等人的研究一致，其表明新奇或者引人注目的活动对学生们的情境兴趣有积极影响[36]。这些特性尤其导致学生们希望通过这些方式（认知成分）来学习更多相关主题的知识。此外，学生们可能更享受实验中的劳动分工，因为工作中不同步骤环环相扣使得小组内进行更多的互动，并比模拟更支持社会化学习。

五、局限性

本研究可能具有以下局限性。这里提出的结果和影响仅适用于本文描述的干预措施。活动的具体背景（复杂的、当前科学主题）及方法的特征（教学支持、合作方式等）会影响结果。因此，在进一步的研究中应调查是否可迁移到其他外延活动。经过证明，教育者对教育活动的结果有重大影响[25]。我们尝试在两个研究中使用相同的督导员来让这个因素保持恒定，然而，仍不能排除教育者对结果的影响。两个研究不仅学习地点不同，干预的持续时间也不同，这是理论上的局限。持续时间的差异是因为相比于第一个干预实验，第二个干预实验的内容更为复杂。然而，由于结果显示出高度的相似性，我们得出结论，这个差异对结果并无重大影响。我们发现认知负荷量表的可靠性较低（表3），这让我们对结果的价值产生了一些怀疑。然而，我们之所以使用这个测量标准，是因为事实表明，这种主观评价量表是区分不同教学方法认知负荷可获得的最灵敏的方法[68]。此外，奈史密斯（Naismith）和卡瓦尔坎蒂（Cavalcanti）在一篇综述表明，自我报告量表的有效性与其他量表（如次要任务方法或者有生理指标的量表）没有差异[69]。为了提高测量认知负荷的严谨性，使用更复杂的测量方法，如双任务测量[70]或区分认知负荷类别的心理测量量表[71]可能更可取。有关情境兴趣的一些结果存在一定的局限性，这表明了研究Ⅰ中量表的可靠性较低（表3）。这一点在认知和价值的情境交互量表中尤为明显，它们显示了两种方法之间的显著差异。这就让人质疑这些项目测量是否准确。然而，因为研究Ⅱ中，克隆巴赫系数相当高（所有α值大于0.7），而且结果非常相似，因此我们认为这些结果仍然可靠。

六、结论

本文就学生在进行实验与计算机模拟时产生的激励与认知效果提出了一些见解。认为交互式计算机模拟在复杂内容交流方面具有优势，实操性实验对提高学生情境兴趣非常重要（尤其是在价值和认知方面）。我们认为研究结果与学习地点无关，因为两个研究中的调查展现了相同的结果。此外，测试人员众多（总测试人数=810名学生）使得本研究结果更有意义。这些结果发现为教育者提供了一定的参考，便于他们选择适当的方法在校内外进行复杂的社会科学教育。我们指出，对于科学教育而言，激发兴趣与讲授学科知识同样重要。由于两种方法可以相互补充，因此将两者结合起来似乎是一个能将我们观察到的积极效果最大化的正确方法（获取知识+激励）。在我们的研究之后，帕塔姆贝卡（Puntambekar）等人指出，用一种方法学习可以补充和完善另一种方法的不足（学习内容的重点不同），并要在战略上将两者结合起来[55]。在研究当中，他们发现学生们的讨论会受到方法显著特征的影响：进行实操性物理实验的学生讨论如何安排设备、做出准确的测量以及用公式来计算输出量。相反，在虚拟实验室工作的学生更多地参与变量输入、预测和现象阐释。此外，斯美塔那（Smetana）、贝尔（Bell）、利希特（Lichti）和罗斯（Roth）也指出，实验室实验与基于模型的模拟相结合是一个潜在的强大的学习工具[9][45]。此外，德容（de Jong）等人强调，虚拟与非虚拟学习因素的结合似乎能够实现更深入、更细致的理解，尤其是在讲授复杂问题的时候[72]。最后我们认为，未来应该关注实验与计算机模拟相结合之后对于学生的激励与认知效果。

【参考文献】

[1] BENNETT D J， JENNINGS R C. Successful science communication： Telling it like it is [M]. Cambridge University Press， 2011.

[2] BENNETT R E， PERSKY H， WEISS A， et al. Measuring problem solving with technology： A demonstration study for NAEP [J]. The Journal of Technology， Learning and Assessment， 2010，8（08）：4-89.

[3] QUELLMALZ E S， DEBARGER A H， HAERTEL G， et al. Exploring the role of Technology-Based Simulations in Science Assessment： The Calipers Project [J]. Assessing Science Learning： Perspectives From Research and Practice， 2005（01）.

[4] RUTTEN N， VAN JOOLINGEN W R， VAN DER VEEN J T. The learning effects of computer simulations in science education [J]. Computers amp; Education， 2012，58（01）：136-153.

[5] DEVELAKI M. Using computer simulations for promoting model-based reasoning [J]. Science amp; Education， 2017，26（07–09）：1001-1027.

[6] LINN M C， CHANG H Y， CHIU J， et al. Can desirable difficulties overcome deceptive clarity in scientific visualizations [J]. Successful Remembering and Successful Forgetting， 2010，24（01）：239-262.

[7] DE JONG T， VAN JOOLINGEN， W R. Scientific discovery learning with computer simulations of conceptual domains [J]. Review of Educational Research， 1998，68（02）：179-201.

[8] LIN Y C， LIU T C， SWELLER J. Improving the frame design of computer simulations for learning： Determining the primacy of the isolated elements or the transient information effects [J]. Computers amp; Education， 2015，88（10）： 280-291.

[9] SMETANA L K， BELL R L. Computer simulations to support science instruction and learning： A critical review of the literature [J]. International Journal of Science Education， 2012，34（09）：1337-1370.

[10] SIAHAAN P， SURYANI A， KANIAWATI I， et al. Improving students' science process skills through simple computer simulations on linear motion conceptions [J]. Journal of Physics： Conference Series， 2017，812（01）.

[11] PAAS F， RENKL A， SWELLER J. Cognitive load theory and instructional design： Recent developments [J]. Educational Psychologist， 2003，38（01）：1-4.

[12] DE JONG T. Cognitive load theory， educational research， and instructional design： Some food for thought [J]. Instructional Science， 2010，38（02）：105-134.

[13] KÖCK H. Fachliche konsistenz und spezifk in allen dimensionen des geographieunterrichts [M]. Rempfer， Unterrichtsqualität Wirksamer Geographieunterricht 5. Schneider Verlag Hohengehren GmbH， 2018：110-121.

[14] HANEKAMP G. Zahlen und fakten： Allensbach-studie 2013 der deutsche telekom stiftung [M]. Maxton-Küchenmeister amp; J. Meßinger-Koppelt， Naturwissenschaften. Digitale Medien im naturwissenschaftlichen Unterricht. Joachim-Herz-Stiftung Verlag， 2014：21-28.

[15] DI FUCCIA D， WITTECK T， MARKIC S， et al. Trends in practical work in german science education [J]. EURASIA Journal of Mathematics Science and Technology Education， 2012，8（01）：48.

[16] National Research Council （NRC）. A framework for K-12 science education： Practices， crosscutting concepts， and core ideas [M]. National Academies Press， 2012.

[17] National Science Teachers Association （NSTA）. Next generation science standards： For states， by states [M]. National Academies Press， 2013.

[18] BRAUND M， REISS M. Towards a more authentic science curriculum： The contribution of out-of-school learning [J]. International Journal of Science Education， 2006，28（12）：1373-1388.

[19] TRUNDLE K C， BELL R L. The use of a computer simulation to promote conceptual change： A quasi-experimental study [J]. Computers amp; Education， 2010，54（04）：1078-1088.

[20] PARK M. Effects of simulation-based formative assessments on students' conceptions in physics [J]. Eurasia Journal of Mathematics， Science and Technology Education， 2019，15（07）：14.

[21] RENNINGER A. Individual interest and its implications for understanding intrinsic motivation. Intrinsic and Extrinsic Motivation [M]. Elsevier. 2000：373-404.

[22] HOFSTEIN A， LUNETTA V N. The laboratory in science education： Foundations for the twenty-first century [J]. Science Education， 2004，88（01）：28-54.

[23] EKWUEME C O， EKON E E， EZENWANEBIFE D C. The impact of hands-on-approach on student academic performance in basic science and mathematics [J]. Higher Education Studies， 2015，5（06）：47.

[24] TUNNICLIFE S D. Overcoming ‘Earth Science Blindness' earth science in action in natural history dioramas [C]. Costa amp; J. B. Vázquez Dorrío， Hands-on science： Growing with science. Universidade de Vigo， 2017.

[25] HATTIE J. Visible learning for teachers： Maximizing impact on learning [M]. Routledge， 2012.

[26] MAYER R E. Should there be a three-strikes rule against pure discovery learning？ The case for guided methods of instruction [J]. The American Psychologist， 2004，59（01）：14-19.

[27] VAN MERRIËNBOER J J G， SWELLER J. Cognitive load theory and complex learning： recent developments and future directions [J]. Educational Psychology Review， 2005，17（02）：147-177.

[28] MAYER R E， HEGARTY M， MAYER S， et al. When static media promote active learning： Annotated illustrations versus narrated animations in multimedia instruction [J]. Journal of Experimental Psychology. Applied， 2005，11（04）：256-265.

[29] ANMARKRUD Ø， ANDRESEN A， BRÅTEN I. Cognitive load and working memory in multimedia learning： Conceptual and measurement issues [J]. Educational Psychologist， 2019，54（02）：61-83.

[30] MUTLU-BAYRAKTAR D， COSGUN V， ALTAN T. Cognitive load in multimedia learning environments： A systematic review [J]. Computers amp; Education， 2019，141（02）：1-22.

[31] KALYUGA S. Enhancing instructional efficiency of interactive E-learning environments： A cognitive load perspective [J]. Educational Psychology Review， 2007，19（03）：387-399.

[32] ECKHARDT M， URHAHNE D， HARMS U. Instructional support for intuitive knowledge acquisition when learning with an ecological computer simulation [J]. Education Sciences， 2018，8（03）：94.

[33] SCHARFENBERG F J， BOGNER F X， KLAUTKE S. Learning in a gene technology laboratory with educational focus： Results of a teaching unit with authentic experiments [J]. Biochemistry and Molecular Biology Education， 2007，35（01）：28-39.

[34] WINBERG T M， BERG C A R. Students' cognitive focus during a chemistry laboratory exercise： Effects of a computer-simulated prelab [J]. Journal of Research in Science Teaching， 2007，44（08）：1108-1133.

[35] KRAPP A， HIDI S， RENNINGER A. Interest， learning and development [J]. Renninger S， Hidi amp; A Krapp， The role of interest in learning and development. Hillsdale， 1992：3-25.

[36] LIN H S， HONG Z R， CHEN Y C. Exploring the development of college students' situational interest in learning science [J]. International Journal of Science Education， 2013，35（13）：2152-2173.

[37] ENGELN K. Schülerlabors： authentische， aktivierende Lernumgebungen als Möglichkeit， Interesse an Naturwissenschaften und Technik zu wecken [D]. Christian-Albrechts-Universität zu Kiel， Kiel， 2004.

[38] KRAPP A. An educational–psychological conceptualisation of interest [J]. International Journal for Educational and Vocational Guidance， 2007，7（01）：5-21.

[39] JAIN C， GETIS A. The effectiveness of internet-based instruction： An experiment in physical geography [J]. Journal of Geography in Higher Education， 2003，27（02）：153-167.

[40] GLOWINSKI I， BAYRHUBER H. Student labs on a university campus as a type of out-of-school learning environment： Assessing the potential to promote students' interest in science [J]. International Journal of Environmental and Science Education， 2011，6（04）：371-392.

[41] PALMER D H. Student interest generated during an inquiry skills lesson [J]. Journal of Research in Science Teaching， 2009，46（02）：147-165.

[42] KIROĞLU K， TÜRK C， ERDOĞAN İ. Which one is more effective in teaching the phases of the moon and eclipses： Hands-on or computer simulation？ [J]. Research in Science Education， 2019，23（11）：1095.

[43] MARSHALL J A， YOUNG E S. Preservice teachers' theory development in physical and simulated environments [J]. Journal of Research in Science Teaching， 2006，43（09）：907-937.

[44] FINKELSTEIN N D， ADAMS W K， KELLER C J， et al. When learning about the real world is better done virtually： A study of substituting computer simulations for laboratory equipment [J]. Physical Review Special Topics - Physics Education Research， 2005，1（01）：340.

[45] LICHTI M， ROTH J. How to foster functional thinking in learning environments using computer-based simulations or real materials [J]. Journal for STEM Education Research， 2018，1（01-02）：148-172.

[46] PAUL I， JOHN B. Effectiveness of computer simulation in enhancing higher order thinking skill among secondary school students [J]. UGC Care Journal， 2020，31（04）：343-356.

[47] SCHEURING M， ROTH J. Real materials or simulations？ Searching for a way to fosterfunctional thinking [J]. CERME， 2017，10：2677-2679.

[48] BERGER M. Neue medien im experimentellen physikunterricht der sekundarstufe I： Eine empirisch-explorative studie zur untersuchung der auswirkungen von virtuell durchgeführten physikalischen experimenten auf die motivation der lernenden im sekundarstufenbereich I [D]. Pädagogische Hochschule Heidelberg， 2018.

[49] CHINI J J， MADSEN A， GIRE E， et al. Exploration of factors that affect the comparative effectiveness of physical and virtual manipulatives in an undergraduate laboratory [J]. Physical Review Special Topics Physics Education Research， 2012，8（01）： 24.

[50] EVANGELOU F， KOTSIS K. Real vs virtual physics experiments： Comparison of learning outcomes among fifth grade primary school students： A case on the concept of frictional force [J]. International Journal of Science Education， 2019，41（03）：330-348.

[51] LAMB R， ANTONENKO P， ETOPIO E， et al. Comparison of virtual reality and hands on activities in science education via functional near infrared spectroscopy [J]. Computers amp; Education， 2018，124（09）：14-26.

[52] MADDEN J， PANDITA S， SCHULDT J P， et al. Ready student one： Exploring the predictors of student learning in virtual reality [J]. PLoS ONE， 2020，15（03）： e0229788.

[53] STULL A T， HEGARTY M. Model manipulation and learning： Fostering representational competence with virtual and concrete models [J]. Journal of Educational Psychology， 2016，108（04）：509.

[54] ZENDLER A， GREINER H. The effect of two instructional methods on learning outcome in chemistry education： The experiment method and computer simulation [J]. Education for Chemical Engineers， 2020，30：9-19.

[55] PUNTAMBEKAR S， GNESDILOW D， DORNFELD TISSENBAUM C， et al. Supporting middle school students' science talk： A comparison of physical and virtual labs [J]. Journal of Research in Science Teaching， 2020，58（03）：392-419.

[56] ITZEKGREULICH H， FLUNGER B， VOLLMER C， et al. Effects of a science center outreach lab on school students' achievement： Are student lab visits needed when they teach what students can learn at school？ [J]. Learning and Instruction， 2015，38（08）：43-52.

[57] DARRAH M， HUMBERT R， FINSTEIN J， et al. Are virtual labs as effective as hands-on labs for undergraduate physics？ A comparative study at two major universities [J]. Journal of Science Education and Technology， 2014，23（06）：803-814.

[58] MAKRANSKY G， PETERSEN G B， KLINGENBERG S. Can an immersive virtual reality simulation increase students' interest and career aspirations in science？ [J]. British Journal of Educational Technology， 2020，51（06）：2079-2097.

[59] FREY A， TASKINEN P， SCHÜTTE K， et al. PISA-2006-Skalenhandbuch： Dokumentation der Erhebungsinstrumente [M]. Münster： Waxmann， 2009.

[60] PAAS F， TUOVINEN J E， TABBERS H， et al. Cognitive load measurement as a means to advance cognitive load theory [J]. Educational Psychologist， 2003，38（01）： 63-71.

[61] BIOACID. Das andere CO2-Problem： Ozeanversauerung： Acht Experimente für Schüler und Lehrer [C]. Helmholtz-Zentrum für Ozeanforschung Kiel （GEOMAR）， 2012.

[62] HÖFT L， BERNHOLT S， BLANKENBURG J， et al. Knowing more about things you care less about： Cross-sectional analysis of the opposing trend and interplay between conceptual understanding and interest in secondary school chemistry [J]. Journal of Research in Science Teaching， 2019，56（02）：184-210.

[63] PAAS F G， VAN MERRIËNBOER J J， ADAM J J. Measurement of cognitive load in instructional research [J]. Perceptual and Motor Skills， 1994，79（01）：419-430.

[64] WALLACE P， GRAESSER A， MILLIS K， et al. Operation ARIES： A computerized game for teaching scientific inquiry [J]. Frontiers in Artificial Intelligence and Applications， 1945，200：602-604.

[65] ZAPATARIVERA D， JACKSON T， LIU L， et al. Assessing science inquiry skills using trialogues [C]. In International Conference on Intelligent Tutoring Systems. Springer， Cham， 2014（06）：625-626.

[66] MCCLARTY K L， ORR A， FREY P M， et al. A literature review of gaming in education [J]. Gaming in Education.， 2012，24（06）：1-35.

[67] PARONG J， MAYER R E. Learning science in immersive virtual reality [J]. Journal of Educational Psychology， 2018，110（06）：785-797.

[68] SWELLER J. Cognitive Load Theory. In Psychology of learning and motivation [M]. Academic Press， 2011：37-76.

[69] NAISMITH L M， CAVALCANTI R B. Validity of Cognitive Load Measures in Simulation-Based Training： A Systematic Review [J]. Academic Medicine， 2015，90（11）： S24-35.

[70] BRÜNKEN R， PLASS J L， LEUTNER D. Assessment of cognitive load in multimedia learning with dual-task methodology： Auditory load and modality effects [J]. Instructional Science， 2004，32（01-02）：115-132.

[71] LEPPINK J， PAAS F， VAN GOG T， et al. Effects of pairs of problems and examples on task performance and different types of cognitive load [J]. Learning and Instruction， 2013，30（04）：32-42.

[72] JONG T， DE LINN M C， ZACHARIA Z C. Physical and virtual laboratories in science and engineering education [J]. Science， 2013，340（6130）：305-308.

Two Comparative Studies of Computer Simulations and Experiments as Learning Tools in School and Out-of-School Education

JOHANNA T Krüger1， TIM N Höffler1， MARTIN Wahl2， KATRIN Knickmeier1， ILKA Parchmann1

（1. Leibniz Institute for Science and Mathematics Education; 2. GEOMAR Helmholtz Centre for Ocean Research Kiel）

Abstract： Interactive computer simulations and hands-on experiments are important teaching methods in modern science education. Especially for the communication of complex current topics with social relevance （socioscientific issues）， suitable methods in science education are of great importance. However， previous studies could not sufficiently clarify the educational advantages and disadvantages of both methods and often lack adequate comparability. This paper presents two studies of direct comparisons of hands-on experiments and interactive computer simulations as learning tools in science education for secondary school students in two different learning locations （Study I： school; Study II： student laboratory）. Using a simple experimental research design with type of learning location as between-subjects factor （NstudyI = 443， NstudyII = 367）， these studies compare working on computer simulations versus experiments in terms of knowledge achievement， development of situational interest and cognitive load. Independent of the learning location， the results showed higher learning success for students working on computer simulations than while working on experiments， despite higher cognitive load. However， working on experiments promoted situational interest more than computer simulations （especially the epistemic and value-related component）. We stated that simulations might be particularly suitable for teaching complex topics. The findings reviewed in this paper moreover imply that working with one method may complement and supplement the weaknesses of the other. We conclude that that the most effective way to communicate complex current research topics might be a combination of both methods. These conclusions derive a contribution to successful modern science education in school and out-of-school learning contexts.

Keywords： Science Education; Hands-on Experiments; Computer Simulation; Learning; Interest

（责任编辑：孙新乐）