3 设计实验中的仪器和创新外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

3 设计实验中的仪器和创新

转向效率

丹尼尔李·施瓦茨，常杰米和马丁李

斯坦福大学

开始

设计实验是一种干预主义研究形式，可以创造和评估新的学习条件。期望的结果包括教育实践的新可能性和对学习过程的新见解。设计实验与大多数教育研究不同，因为它们不研究存在的东西；它们研究可能存在的东西。

确定“可能是什么”的方法是不发达的。新型干预科学既需要进行生产性研究的实用方法，也需要评估研究的逻辑方法。一些作者提出，干预研究应采用产品设计方法，包括中游修改的迭代周期、回顾性感官、案例研究和人类敏感性（例如，柯林斯等人，2004年）。这些方法有利于制造产品，但它们不适合产生可推广的因果知识。其他人建议，干预研究应该类似于强调随机分配、冷静分析和假设测试的经典实验（例如，沙维尔森等人，2003年）。这些方法有利于创造可推广的知识，但对创新的早期阶段并不实用。

这些方法阵营通常被作为对立面，一些研究人员充其量只能想象，他们可以通过从观察设计方法跳转到大规模临床试验来弥合差距。正如我们在下面讨论的那样，这种跳跃很少是最佳的。我们发现，在更大的学习空间中重新描述这些方法更有成效，这些方法源于对人们将学习推广到新环境的方式的分析（施瓦茨等人，2005年）。学习空间有两个轴（图3.1（a）），水平轴代表与效率相关的过程和结果，垂直轴代表创新。关于学习的这些维度，我们说得更多。目前，图3.1（b）显示了适应科学的学习空间。

设计方法在创新层面很高，但在效率方面很低：它们的目标通常是发现和创造新颖的做法，但它们在开发有效的测试和描述关于学习的因果假设方面很差。临床试验在效率方面很高，但在创新方面却很低：它们测试了关于哪些干预导致卓越学习的假设，但它们要求的样本量太高，无法审查每个创新想法。好的科学需要创新和效率的平衡。在右上角，我们把科学的最终目标定位为知识的累积增长——这需要创新和效率。

（新手）

（自适应专家）

（初级

新手？）

（学习）

（学习科学）

（随机临床试验）

（孩子们做最该死的事情）

（积累知识）

（设计）

（创新）

（创新）

（效率）

（效率）

（日常专家）

图3.1知识增长轨迹（施瓦茨等人，2005年）

图中的箭头反映了我们的建议，即最佳轨迹首先沿着创新维度加速，然后转向效率。如果人们只是测试和完善他们先前存在的假设，科学将很难进步。然而，以创新为导向的研究需要包括转向效率的规定，以免该领域陷入孤立的创新中，而没有积累的前景。

我们的研究试图通过设计创新的研究仪器来促进这一运动。尽管我们设计技术、课堂结构、课程计划等，但我们主要从仪器的角度来考虑这些。大部分我们的实验室讨论都涉及工具的创建、评估和校准。我们并不孤单——仪器是所有科学的核心。我们问一位物理学家，他的大部分研究涉及进行实验。他回答说，他95%的时间都花在仪器上（乔斯梅斯特，2004年，个人沟通），他指的是设计和校准沉淀效果的仪器以及测量这些效果的方法。根据我们的经验，将新手与科学领域的专家区分开来的能力是确定任务的正确工具的能力。

设计仪器在创新设计和高效实验之间架起了一座桥梁。在我们的工作中，我们花了大量精力通过评估实验来测试我们仪器的创新价值。在下面的主要例子中，我们认为，目前促进和衡量学习的工具往往错过了人们对未来学习的准备（布莱斯福德和施瓦茨，1999年）。为了提出这一论点，我们创新了培养学生学习的仪器和评估这种准备的措施。这项工作不涉及孤立或证明因果关系。相反，我们想表明，我们的仪器揭示了其他人没有揭示的东西。与此同时，这些产生和测量现象的工具使我们有能力进行后续的效率研究，以解决因果关系和普遍性问题。

我们将这一章分为四个部分。在第一部分，我们发展了从创新和效率的角度考虑学习和科学的理由。在第二部分，我们认为仪器可以鼓励学习和科学的创新和效率。第三部分，我们展示了仪器研究如何通过转向效率的创新轨迹来支持学生的学习和科学。在最后一节中，我们转向设计实验中的知识保证问题。高效科学有一些正式的技术来证明知识进步的主张（例如p值、控制条件）。在这些创新足够成熟以经得起高效科学的考验之前，设计实验能否通过创新进步的保证进行评估？我们将知识创新与实践创新区分开来，我们的解决方案强调了以下信念：高效科学的标准取决于预测未来的规律，而创新标准取决于调和过去的违规行为。

效率和创新空间的案例

学习

图3.1(a)显示了假设的学习空间。当人们在效率方面很高时，他们可以快速检索和准确应用适当的知识和技能来完成日常任务或解决熟悉的问题。通常，学习型科学家使用速度、准确性和一致性来捕捉效率。日常效率的例子包括对某些类型的任务和问题有丰富经验的人，例如，经常进行特定手术的医生或熟练的打字员。效率在所有领域都很重要。作为一个领域，我们学到了很多关于如何通过适当组织和位置化的做法加快效率轴线的发展（布莱斯福德等人，1999年）。

当人们在恒定的环境中工作时，效率很好，但效率是有风险的。实验研究表明，效率可以产生“功能固着”的行为，即人们坚持以前有效的模式，而不是放手去看新的替代品（卢钦斯，1942年）。例如，试图学习分数的九岁儿童通常使用高效的整数计数模式来计数分数，这干扰了他们将分数解释为整体部分的能力（马丁和施瓦茨，2005年）。波多野和伊纳加基（1986年）讨论了“常规专家”，他们在解决熟悉的问题方面越来越高效，但他们不处理新的问题和情况。

创新涉及创造新的技能和概念，通常是为了适应新情况。作为一个领域，我们对创新的了解较少。相关的心理变量，如创造力，通常被认为是一般特征或技能。培养创造力的努力通常涉及头脑风暴技巧。像这样的“内容精英”方法并不理想，因为有意义的创新需要与广泛的高效知识体系集成。例如，爱立信等人（1993年）发现，在人们花了十年时间开发必要的领域专业知识后，就会对一个领域做出原始的知识贡献。

理想情况下，教育的目标是将人们定位在图3.1（a）的右上角。人们通常认为创新和效率是不相容的（例如，发现学习与“回归基础”）。然而，波多野和伊纳加基（1986年）关于适应性专家的概念强调了平衡效率和创新的可能性，他们拥有丰富的高效知识，但也能够适应需要创新的情况。一些过程的效率（解码书面单词）可以解放对其他事物的注意力（阅读意义）。如果人们以前已经解决了复杂问题的各个方面，这有助于使子问题成为例行公事，让他们能够专注于可能需要创新的其他方面。与此同时，重要的是要抵制对不需要这种情况的实践反应。学习科学面临的一个主要挑战是了解如何平衡学习效率和创新。

设计研究可以通过制定干预措施做出贡献，这些干预措施可以在创新和效率经验之间取得适当平衡，并使学生走上适应性专业知识的轨迹。这项研究还应该创造方法来确定学生是否走上了这一轨迹，这需要的不仅仅是借用标准的现成效率衡量标准。效率措施可能会误诊创新体验的价值。例如，施瓦茨和布莱斯福德（1998年）要求大学生创新从经典记忆研究中提取的数据表示。其他学生写了平行章节的摘要。在随后的真假测试——高效事实回顾的标准测试——总结学生的表现优于创新型学生。然而，一种新型措施揭示了创新经验的价值。来自这两种情况的学生都听取了一个共同的讲座，回顾了这些研究及其对人类行为的影响。一周后，学生们不得不预测一个新的但相关的实验的结果。创新学生做出了两倍的正确预测，错误预测没有增加——他们准备从讲座中学习，并调整所学内容来预测新实验的结果。标准效率导向评估忽略了创新体验的好处，但通过一项研究学生随后学习能力的措施抓住了它。作为一个领域，重要的是要制定衡量创新经验收益的方法，以免这些经验在效率标准测试中看起来毫无用处。

科学

我们可以将学习空间导出为科学探索，而不会造成太大的损害。效率研究确定了之前工作确定的规律。它涉及应用、提炼或测试先前的信念。一个例子是人类基因组项目；基因测序技术已经建立，完成是一个时间问题。另一个例子是，划定良好的假设创造了可测试的预测，并且在其最好的假设中，可以创建一个在两种理论之间做出裁决的“加利利尔实验”（梅达瓦尔，1979年）。

与学习一样，仅提高效率的方法也有科学风险。教育研究的最新政治发展推动了大型临床研究，以确定哪些教学模式最有效。正如基于设计的研究集体（2003：6）所指出的，“使用随机试验可能会过早判断干预的有效性，从而阻碍创新研究。”临床试验的政治推动力可能会促进使用高效的实验方法，在次优替代品之间做出选择。此外，适当的措施可能会影响良好的研究设计，例如评估学生在学校任务中的效率，而不是评估他们未来在校外学习和决策的潜力。劳登布什（2005：29）明确表示了这种担忧，“事实上，人们可能会争辩说，未能系统地关注制定良好结果衡量标准的过程是教学创新评估研究的致命弱点。”

科学创新有多种形式。一种形式涉及解释，例如，儿童为什么发现除法比乘法更难的理论。另一种形式涉及发现X射线等新现象。与效率研究相反，创新科学并不一定依赖于概括或因果识别。单一案例通常足以挑战一个长期存在的理论。望远镜的发明导致了月球缺陷的发现，这破坏了盛行的天完美理论（库恩，1957年）。

仅创新的研究也存在危险。在设计实验中，布朗（1992：171）写道：“仅仅辩称合理的端点是存在的证明是不够的，尽管这确实是重要的第一步。”一个危险是，因为这项工作是关于创新的，所以它经常需要放弃当前的理论。这可以创造一个创新的喋喋不休的塔，几乎没有积累知识的短期希望。第二个危险是，如果创新必须在先前理论的有限支持下独立存在，那么研究就很困难，失败的风险很高。例如，迪斯萨和科布（2004年）认为，设计实验的一个突出目标是创造新的理论。对于处于游戏巅峰的杰出研究人员来说，这可能是一个很好的目标，但对我们其他人来说，这是一个发自内心的陈词滥调的秘诀。

仅创新和仅效率的方法不足以满足改善教育所需的进步类型。研究的最终目标是促进越来越多的知识体系，其中包括经过测试的“真相”，但适应新的发现和历史时代。设计实验的挑战是找到一种方法来平衡创新目标与后续效率的需求。我们建议，专注于仪器可以帮助实现这种平衡。

促进创新和效率的工具

如果能够量化对科学进步的贡献，仪器将竞争激烈。新仪器开辟了科学家迅速居住的领域。人们只需要看看fMRI对心理学的影响。有趣的是，工具创新往往独立于特定的研究方法。例如，视频录像可用于临床、实验和文化应用。有时我们想知道关于研究方法的辩论是否没有采取行动。引用最多的作者，至少在心理学方面，是那些为研究创造新工具的人。在这里，我们描述了仪器研究如何支持创新和随后转向效率的例子。我们从科学开始，然后发展个人学习的平行。

科学

仪器创新

新仪器通常通过让科学家看到他们以前看不到的东西来促进科学创新；细胞染色、望远镜和习惯化范式只是三个例子。它们体现了仪器方程的前半部分——使现象可观察的“仪器”。无源设备（相机）和发射设备（雷达）是自然科学的主要内容。在行为科学中，研究人员经常使用扰动装置来触发过程，使其特征更可见。例如，心理学家可以使用单词刺激的“仪器”来触发人们的思想，看看它们如何影响记忆。

设计实验，因为它们是干预，也可以被重塑为“扰动”设备。科布等人（2003：9）表示：“通常设计实验既需要lsquo;工程rsquo;特定的学习形式，也需要系统地研究这些学习形式hellip;hellip;当设计研究人员设计新的课程、技术或社会实践时，他们正在设计一种扰乱环境的新设备，以揭示学习过程。

仪器方程的后半部分是测量的发展。测量将观测转化为精确的通信信息。虽然测量减少了现象的整体性，但精度的提高可以帮助创新。精确的措施可以从预期中提取异常。天文学家在19世纪初发现天王星的测量位置与其预测轨道不匹配。这种反常现象导致了第八颗行星海王星的假设和最终被发现。伽利略通过望远镜看到了海王星，但他将其视为恒星。测量的准确性，而不是纯粹的观察，导致了发现。

转而提高效率

曾经创新的工具随后可能会支持科学的有效进步。皮亚杰创建了评估儿童认知功能的工具（例如，皮亚杰及其持有者，1975年）。这些工具本身可以独立于皮亚杰传播和评估（例如跨文化应用）。乐器可以“交出”。这使得研究界能够从一套创新但独特的研究转向更有效的研究模式，以完善仪器并解决导致测量变化的原因（以及皮亚杰是否正确）。

仪器的测量部分还允许其他人确定他们是否“看到”了同样的东西。测量可以是定量的，例如完成任务的时间。测量也可以是定性的，例如一套现象存在的观察标准。如果研究人员愿意，他们可以通过记录观测的频率或强度将定性测量转换为定量形式。量化的好处是，它允许研究人员使用数学提供的实质性结构设备来推断。然而，量化不是测量的先决条件，将一组观测结果强加到特定的数学模型（例如线性模型）往往是错误的。

创新研究的一个挑战是“使用特定设备并以特定方式使用它的决定包含一个假设，即只会出现某些情况”（库恩，1970：59）。一些研究人员拒绝使用措施的想法，因为他们担心这些措施将排除检测意外情况的可能性。因此，许多人依靠叙事而不是离散措施来创造主体间性。像艾斯纳（2001年）这样的极端立场认为，研究报告应该帮助读者体验研究人员所看到的东西，包括他们的顿悟和失败。与一些传统主义者不同（沙维尔森等人，2003年），我们对叙事没有强烈的看法。我们不知道任何以这样或那样的方式确定叙事是否在研究人员和受众之间产生准确一致的证据。

就我个人而言，我们在科学论文中

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[588259]，资料为PDF文档或Word文档，PDF文档可免费转换为Word