领域知识与自我解释策略间关系的实验研究，本文主要内容关键词为：实验研究论文,策略论文,自我论文,领域论文,关系论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
摘 要 从领域知识的个体差异的角度，研究领域知识与自我解释策略之间的关系，探讨自我解释在示例学习中的作用。研究结果表明，（1）在学习示例时， 高领域知识组被试倾向于使用发现意义和建立新旧信息间联结的解释策略对示例进行认知加工；低领域知识组被试主要采用句法加工策略对示例进行加工；（2 ）领域知识对监控活动的制约，主要体现在被试监控到理解失败之后所采取的对策上。高领域知识组被试利用解释策略解决问题，低领域知识组被试利用句法加工策略解决问题。
关键词 示例学习，高领域知识，低领域知识，自我解释。
1 问题的提出
示例学习就是从具体事例中发现规律，解决问题。在认知科学中，许多研究者在数学、物理、计算机科学等不同领域探讨了示例学习，多方面论证了示例在学习中的重要作用。研究表明，无论是在实验条件下[1]，还是在自然场合中[2]学生都比较喜欢利用示例进行学习。当学生解决问题时，他们经常参考示例。但是他们能否通过对示例的类比而成功地解决问题则依赖于他们对示例的理解程度[3]， 而对示例理解的好坏，又依赖于他们如何学习示例。因此一些研究者采用更直接的研究范式， 对影响示例学习效果的学习者的内部活动过程进行了分析研究。 Chi等人比较了学习材料相同时，有效学习者与无效学习者的行为， 发现成绩优良者往往是那些对示例产生较多解释的学生。Chi 等人将这种学习策略称之为“自我解释”策略，认为它是改善学习和领域特定技能获得的一种有效方式。所谓“自我解释”，是一种关于示例陈述的评论，是学生在学习示例中产生的一种推理过程。Pirolli & Recker[4] 用与Chi等人相似的设计，以Lisp编程为任务领域也得出了相似结论。
上述研究结果证实了自我解释在示例学习中的作用。但是他们在实验中都假定被试具有相同的背景知识，只是根据实验结果，即随后的问题解决成绩将被试分为优与差。这样就产生了一个问题，被试的已有知识与自我解释策略之间的关系如何，即被试如何利用其领域知识建构对示例的解释。本文将以学习者领域知识的个体差异为研究基点，对领域知识与自我解释策略之间的关系进行初步探讨。
2 被试相关领域知识的测量
2.1 被试 北京信息工程学院附中初二年级学生120人，男生55人，女生65人。平均年龄14.7岁。经过瑞文智力测验，去掉95百分点以上的学生10人，和25百分点以下的学生4人，取智力正常的学生共计106人，其中，男生50人，女生56人，平均年龄14.6岁。
2.2 测量材料
由实验者与任课教师共同编制的一套物理测试题，用以测查被试关于浮力的领域知识。这套测试题包含下列几类问题。
①描述性问题：评估学生对物理概念的掌握情况，如“浮力是怎么产生的？”
②定性问题：是为了评估学生对于概念原理的推理能力，例如“若将一铁块浸没在水面下不同深度的地方，弹簧称的示数都相同，这是为什么？”。
③定量问题：评估学生的解决问题程序化技能，如“体积是0.01立方米的铁块浸没在水中，水对它的浮力是多少（ρ[,水]＝1.0×10[ 3]千克／m[3]）？”
整套测验题包括20个题目，每道题的权重一样，均为5分， 总分为100分。
2.3 测量方法
先根据第一学期末和第二学期末的物理考试成绩， 将被试分为优生组和困难生组。优生组53人，成绩在85—98之间，困难生组41人，成绩在55—70之间。然后测查相关领域知识。测验采用分班集体测验方式，主试与任课教师共同阅卷计分。
2.4 测量结果 据测验结果， 分别在优生组和困难生组中选出具有相同领域知识背景的两组被试，即高领域知识组与低领域知识组。高领域知识组标准是成绩在85—100之间， 对每类问题回答的正确率在60%以上；低领域知识组的标准是成绩在65—50之间，对每类问题回答的正确率在40—60%之间，据此标准选出高领域知识组28人，低领域知识组30人。测验前的物理成绩与本次测验成绩之间的相关系数r＝0.8949，P＜0.001。说明此次测验结果是有效的。
3 领域知识与自我解释策略间关系的实验研究
3.1 被试 北京信息工程学院附中初二年级学生12人， 其中高领域知识组6人，男生4人，女生2人；低领域知识组6人，男生3人， 女生3人。全部被试平均年龄14.5岁。
3.2 实验仪器与材料
仪器：录音机、秒表、纸、笔。
材料：在领域知识测定的基础上，与任课教师共同参照教科书及习题集编制了30道测试题。经过预试，从30道测试题中筛选出6 道测试题，同时又选出三道具有代表性的问题作为示例题目。经过预试和教师的评定，6道测试题从第1题至第4题，题目的难度渐次增加。其中第1题的类型与例题相似，但比例题简单，它只需要完成例题解题步骤中的一半；第2题与例题完全一样，只是物质的名称和具体数据有所改变。第3、第4题均为迁移题目，它们与例题均存在不同程度的差异。 最后两道题为练习题目。
三道示例题分别是关于密度、压强和浮力知识的例题，其中前两个示例是作为练习题目呈现给被试的，目的是为了让被试学会并适应采用“出声思维”方法进行学习。第三个示例题为正式实验题目。
3.3 实验程序
主试先向被试说明实验目的、要求和注意事项，然后让被试练习用“出声思维”的方法学习两个示例并解决相应的两个问题，主试随时回答并指导被试在学习中遇到的问题，鼓励他们对自己的思维活动提供连续的、完整的口述报告。
正式实验分两个阶段。第一阶段是学习示例，直到被试表示已经学会为止，便开始第二阶段，即解决四个与示例相关的问题，在此期间主试用录音机记录被试的口述报告，并进行观察，记录被试学习和解决问题的时间。当被试保持沉默超过5秒时，主试要提示他“继续说”、 “把你想的都说出来”等，以保证被试产生的口述报告是即时的，而不是一种追述。
3.4 实验结果
原有12名被试参加实验，但在实验中有一位被试无论怎样提示，在学习示例时始终没有进行口述报告，因而被排除。其他实验数据均为有效。
首先将被试的口语报告转换成书面形式，各句之间的分割以口语报告中的自然停顿为标准。然后在通读全部口语报告的基础上，将口语报告的内容划分为六大范畴，即：阅读、分析、监控、解释、错误及不完整叙述。
3.4.1 编码规则的信度检验
主试先对10份口语报告进行独立评判编码（自评1），一周后， 对同样的10份口语报告再进行评判编码（自评2）， 两次评判的一致性达到93%，经检验，Kappa系数平均值为0.93，其中最大值为1。然后请一位经过训练的、不了解学生情况的心理学硕士对口语报告进行评判编码（她评），将其编码结果与主试的两次编码结果分别进行检验。她评与自评1之间的一致性为92%，Kappa系数平均值为0.89，其中最大值为0 .97；她评与自评2之间的一致性为90%，Kappa系数平均值为0.88， 其中最大值为0.98。三次评判编码的平均Kappa系数值达到0.899。这说明本编码规则具有较高的可靠性。
3.4.2 范畴分析
在进行编码时，我们将被试产生的口语报告分成六大范畴。由于每位被试在学习示例时都要实现“阅读”这一基本认知加工过程，因而在具体统计分析时，不将“阅读”包容其中。另外，因为“不完整叙述”，如“这个…”、“嗯…”等，并没有表达出有意义的学习活动，因此在具体统计分析时，也将它排除。这样，我们只对其中的四个范畴，即分析、解释、监控和错误进行剖析。
首先对被试在学习示例时产生的口语报告中不同范畴的数量进行统计分析，结果见表1。
表1 两组被试学习示例时产生的不同范畴的口语报告
高领域知识组(N=5人) 低领域知识组(N=6人)
次数 百分比
频率
次数
百分比频率 t(9)[*] p
分析
1929.73.8 71 70.3 11.83-10.660.000
监控
1218.82.4 10 9.9 1.67 1.240.245
解释
2843.75.6 6 5.94 1.0
3.550.006
错误5 7.8 1 15 14.35 2.53 -1.490.187
总数
64 100
12.8101 100 16.83 -1.040.328
从上述结果可以发现，两组被试虽然在口语报告的总体数量上没有显著差异，但在具体内容上却存在很大差异。下面将分别对分析、监控及解释和错误进行剖析。
在编码规则中，分析表现为被试不断地阅读示例的解题步骤，可视为一种句法加工策略。在低领域知识组被试的口语报告中，分析占全部口语报告的70%以上，而高领域知识组被试的分析只占全部口语报告的29.7%两者之间的差异非常显著。这说明低领域知识组被试学习示例时，主要是应用句法加工策略对示例进行加工。
从解释的范畴看，两组被试存在显著差异。高领域知识组产生解释的数量明显高于低领域知识组，而且产生解释的数量与随后的问题解决成绩之间的相关也是很高的（r=0.89，P＜0.02）。 这些结果至少可以说明一点，即领域知识对自我解释的产生有促进作用，但自我解释在示例学习中如何起作用尚不明晰，这个问题将在以后的研究中加以讨论。
对解释的一种分析方法是分析被试产生的解释的结构，即他们表述思想的形式。在分析被试的解释的基础上，我们将解释分为三个子范畴。
①精炼、扩展条件，例如，当被试S 4看到F[,浮]＝G[,木]时， 叙述了以下解释：“浮力等于重力，这是因为物体漂浮在水面上，所以浮力等于重力，这是浮力的规律。”
②解释推理结果，例如S 4在读到ρ[,水]·g·V[,排]＝ρ[,木]·g·V[,木]时说：“ρ[,水]·g·V[,排]是浮力，那么ρ[,木]·g·V[,木]是什么呢？应该是重力，重力等于mg，m又等于pV，所以ρ[,水]·g·V[,排]＝ρ[,木]·g·V[,木]，这样就可以算出ρ[,木]等于多少，啊，是为了算出木头的密度。”
③给定量表述以意义，例如被试S 6 在读下列等式时这样解释：“水的密度是1.0×10[3]千克／米[3]， 木头在水中排出水的体积是它总体积的四分之三，再除以木头的体积，就是木头的密度。”
高领域知识组被试的解释大多以扩展条件和解释推理结果的形式出现，与低领域知识组被试存在显著差异，t（9）＝6.84，P＝0.000；低领域知识组被试的解释则主要以“给定量表述以意义”的形式出现，两组被试在绝对数量上没有显著差异，t（9）＝0.72，P＝0.439，但是从该范畴在解释中所占的比例来分析，两组被试差异显著，Z＝0.199， P＜0.05。
至此我们已明确了解释的结构特征，但是评价解释的结构仍不能清楚地把握两组被试产生的解释的重大差异，为此还需进一步分析解释的内容。首先通过对照比较两组被试对F'[,浮]＝G[,水]的解释， 对其解释内容提供定性分析。一个低领域知识组被试（S 7 ）是这样说的：“嗯，F'[,浮]＝G[,木]……，就是…浮力等于重力。 ”显然他是在句法水平上对此等式进行解释加工。另一个高领域知识被试对此等式是这样解释的：“这是在另一种液体中物体处于漂浮状态，所以根据浮力的规律，F'[,浮]＝G[,木]。”显然他试图从长时记忆中搜索相关的领域知 识，用搜索到的知识来细化当前的学习材料，并对解题过程中所使用的规则的条件部分进行分析。接着他又进行了更深入的分析。“物体在第一种液体中处于漂浮状态，所以F[,浮]＝G[,木]；它在第二种液体中也处于漂浮状态，（所以）F'[,浮]＝G[,木]，那么等式替换就可以得出F[,浮]＝F'[,浮]，物体在两种液体中所受浮力相等，然后再等式替换，就可以直接求出另一种液体的密度，对！”而这一简洁的解题步骤并未在示例中呈现出来。该被试在试图建立当前目标与已有知识以及不同解题步骤间的联系，并获得了成功。这种联系的成功部分地依赖于通过发现示例陈述的意义来细化示例的程度。如果当前目标得到充分的细化，就可能建立正确的联结。
我们又进一步限定范围，仅分析从浮力规律和阿基米德定律中产生解释的数量。结果表明，高领域知识组中约有1／3的解释（1.80比5.6）来自浮力规律和阿基米德定律；低领域知识组只有1／6的解释（0.17比3.5）来自浮力规律和阿基米德定律，二者差异显著，t（9）＝3.54，P＝0.006。这说明高领域知识组的被试更多地对规则使用的条件和范围进行解释，更加注重条件认知过程，对规则的条件部分进行主动加工。
从监控范畴来看，两组被试不存在显著差异，这与Chi 等人的研究结果是不一致的。Chi等人认为，在示例学习中， 优生产生的监控的频率远高于差生的监控频率。但是从本实验中监控的两个子范畴（理解与理解失败）来看，两组被试存在着某些差异。高领域知识组被试表示理解的监控频率，明显高于低领域知识组的频率，t（9）＝2.67，P ＜0.05；但是理解失败的监控频率，两组之间没有显著差异，t（9）＝-0.65，P＝0.531， 尽管低领域知识组被试的理解失败占其监控陈述的90%。问题的关键在于理解失败之后伴随着什么样的学习活动。我们认为能够觉察理解失败对学生来说是很重要的，因为这使学生知道需要作出努力去理解问题。从口语报告中可以看出，两组被试在觉察到理解失败以后都试图采取某些策略以解决当前的困境。高领域知识组被试在理解失败之后在75%的情况下伴随着解释的产生（四分之三），低领域知识组在理解失败后伴随解释的产生的百分数为22%（九分之二）。这说明高领域知识组被试大多采用深加工策略解决困境；而低领域知识组被试在遇到理解失败时更常采用句法加工策略去复述示例解题步骤。这些现象一方面说明领域知识与其监控活动有密切关系；另一方面也说明，在学习中出现的理解失败也许更能促进对学习材料的理解。
两组被试在产生错误解释上没有显著差异。这是由于低领域知识组的被试所产生的解释很少，因此，其错误解释的总次数也较少，但错误率较大[15／（6+15）＝0.71]。高领域知识组被试不仅错误解释少， 而且，其解释错误率也较低[5／（8+5）＝0.15]。这就进一步说明， 领域知识对自我解释的重要影响：领域知识可以指导被试在分析条件和条件认知活动中减少错误。
4 讨论
本研究探讨了具有不同领域知识的被试在学习示例时对示例进行解释的特点与差异。研究结果发现，高领域知识的被试在学习例子时，主要采用发现意义和建立联系的策略对示例进行解释。他们的解释扩展了解题步骤的条件，强化了条件认知过程，阐述了条件与认知活动的关系，深化了解题规则的条件适应性。Lewis和Mark[5]也发现，学习者经常自发地对事情为何以这种方式发生提出解释。高领域知识组的被试常常将其解释与已有知识联系起来，这反过来加深了对其已有的物理原理的理解，也使新规则与已有规则的适用条件间的差别更加清晰。低领域知识组的被试在学习示例时，常采用句法加工策略对示例进行分析理解，他们的解释较少与已有知识进行联结，因此，经常出现无法正确区分规则的适用条件的现象，出现了较多的错误。
两组被试都能正确地监控理解失败，这种监控对学习是很重要的，因为它能引导学习者努力学习材料。但是高领域知识组主要是对概念、原理的例化感到理解困难。为解决困难，他们试图利用已有知识对当前问题进行解释、分析；而低领域知识组则对示例中等式变换感到困惑不解，于是就通过反复阅读来解决当前的困难。这也表明，高领域知识组被试更注意条件认知，更多地对概念和原理的使用条件进行分析，而低领域知识组被试只分析规则使用的结果，不会发现条件是否适当。
5 结论
高领域知识组被试在学习示例时，倾向于使用发现意义和条件联系，并建立新旧信息间联结的解释策略对示例进行条件认知加工；低领域知识组被试主要采用句法加工策略对示例进行加工。
高领域知识组和低领域知识组被试都能对其学习活动进行积极的监控；领域知识对监控活动的制约，主要体现在监控到理解失败后所采取的对策上。高领域知识组被试利用解释策略解决困境，低领域知识组被试则用句法加工策略解决困境。
1） 本文初稿于1996年11月6日收到，修改稿于1997年5月16 日收到。
* 国家自然科学基金资助项目。
SELF－EXPLANATION STRATEGIES IN LEARNING
FROM EXAMPLES
Pei Lifang Zhu Xinming Lin Zhongxian
(Institute of Psychology,CAS)
Abstract
Learning from examples has been studied by manyresearchers, many problems need to be
studied.Therelationships between the domain-specific knowledge and theself-explanation strategies were examined.
The conclusions of the experimental research were asfollows:(1). The subjects of the high domain- specificknowledge preferred to apply the explanatory strategies offinding meaning and establishing the relationships betweenthe new and old knowledge,while the ones of the low domain- specific knowledge were inclined to use the syntacticprocessing strategy; (2).The subjects of the high domain-specific knowledge resolved predicament with explanatorystrategies when they monitored understanding failure, whilethe subjects of the low domain- specific knowledge resolvedpredicament with the syntactic processing strategy.Key words Learning from examples,self-explanation strategy,high domain-specific knowledge,low domain-specific knowledge.