《跨学科协作学习何以有效-STEM教育中CSCL应用效果的元分析》由会员分享，可在线阅读，更多相关《跨学科协作学习何以有效-STEM教育中CSCL应用效果的元分析（18页珍藏版）》请在金锄头文库上搜索。
1、 跨学科协作学习何以有效STEM教育中CSCL应用效果的元分析 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
2、、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）。一、引言STEM
3、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S
4、TEM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
5、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.，
6、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
7、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（
8、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2009-201
9、9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。图1文献检索与筛选流程第一轮，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、
10、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）
11、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
12、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（100200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（16年级）、中学（712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、28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（
13、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
14、互同意度）/（1+平均相互同意度），其中平均相互同意度=2M/（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（R0.8）。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
15、（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，
16、这表明发表偏倚程度较小，在可接受范围内（张天嵩等，2009）。图2效应值分布漏斗图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、自由度为577、I2为88%（P0.00l），这表明研究间存在明显的异质性（I260%），故应采用随机效应模型对效应值进行分析（Lipsey et al.，2001）。表1异质性检验结果效应模型研究数量合并效应值95%置信区间异质性检验下限上限卡方自由度PI2固定效应模型1420.240.220.254871.565770.00188%随机效应模型1
