基于ACT―R对小学算术解题过程分析研究.docVIP

基于ACT―R对小学算术解题过程分析研究 　　[摘要]当前教育的中心越来越围绕学生展开，对学生解题过程的分析能挖掘出深层次的认知过程，帮助教师更精确地定位学生的问题所在。文章基于卡耐基梅隆大学最新研究成果，利用ACT-R模拟学生的解题过程，通过解题过程分析提出课题教学的四点建议，帮助教师更加有效地实施教学促进学生学习。 　　[关键词]算术；解题过程分析；ACT-R模拟；认知诊断 　　[中图分类号]G420 [文献标识码]A [论文编号]1009-8097（2013）03-0036-05 [DOI]10.3969/j.issn.1009-8097.2013.03.007 　　引言 　　算术是数学中最基础的部分，其内容包括自然数及其在各种运算下产生的性质、运算法则和实际中的应用。它的发展与逻辑思维能力、空间观念的培养是紧密联系的。算术的学习是小学数学教学的核心，教育家徐特立曾指出：“小学校之算术，使习熟日常计算生活必须之知识，兼以精确其思考为要旨。”依照皮亚杰认知发展理论，小学生处于四个阶段中的具体运演阶段，这个阶段的学生出现了逻辑思维和零散的可逆运算，但一般只能对具体事物或形象进行运算。算术学习中的一个重要任务是学习算理，而算理其实就是对数字的逻辑操作方法，可想而知算术对于刚刚出现逻辑思维的小学生来说相当困难。怎样科学地进行算术教学，才能帮助学生有效地掌握算理，从而运用算术解决实际问题？ 　　目前对算术学习的研究很多，主要集中在教育学、心理学、认知神经科学三个领域。自古以来，中国的算术教学较为关注学生计算技能的培养，教育学探索有效教学的方法和失误的原因及纠错的方法。学生要达到熟练掌握计算步骤必须从运算的流畅和对运算所需的数学思想和法则的理解上着手。20世纪70年代以来，有关算术认知的研究受到了心理学家的广泛关注。Hitch开创了工作记忆在算术认知中作用的研究，他认为个体犯错误的原因主要是忘记了部分计算结果和最初的信息：以Siegler等为主要代表的研究者关注算术认知策略，从儿童算术策略提取、选择和发现的角度解释儿童算术认知的表现。认知神经科学认为计算行为可能包含以下几种认知成分，即数字识别、数学符号含义的理解、从长时记忆中提取计算事件、计算方法的选择、运算规则和特殊计算程序的执行、中间结果的暂时储存和再提取以及记忆结果的表达；张权等用fMRI技术对数字计算相关脑功能区进行定位，初步分析各个脑功能区在数字计算中的作用，证实工作记忆在计算中发挥了重要作用。这些领域的广泛关注，促使算术研究越来越科学化，算术教学越来越有成效，但是仍然存在许多不足。教育学领域对算术的研究停留在实践总结的水平上，对于算术的认知过程不了解，总结出来的教学方法缺乏可操作性。而心理学对于算术的研究大多只着眼于影响算术过程的某些方面，比如工作记忆、认知策略等，它也没有清楚地描述出算术的整个认知过程。认知神经科学的研究推动了算术研究的科学化，但是离教学有一定的距离。 　　针对以上不足，本文借助卡耐基梅隆大学认知实验室的最新研究成果ACT-R，对一道有余数的除法题的解题过程进行仿真，清晰地呈现学生解决有余数除法题的过程，依据仿真结果挖掘出算术学习的关键点，希望能对小学算术教学提供有效的参考。 　　一.基于ACT-R的算术仿真 　　1.ACT-R（Adaptive Control Theory-Rational）的简介 　　ACT-R是著名认知心理学家安德森（Anderson J.R）组织开发的一种认知仿真工具，能够模拟人的一些认知活动。它依据大量的认知心理学实验，其仿真结果得到真人实验和核磁共振实验的验证。目前使用这种认知工具已经成功地模拟了多种认知任务，如汉诺塔、模式识别、记忆、数学的认知过程等。 　　ACT-R将知识划分为陈述性知识和程序性知识，从而将认知过程细化到操作层次，可帮助我们了解学生学习的过程及其调用的知识，通过诊断可反应其知识的完整性。其中陈述性知识是指我们意识到自己知道并且能够陈述给其他人的知识，例如：地球是圆的，1+1=2等。陈述性知识要先定义类型再编码具体的知识，ACTOR中的陈述性知识定义模式为（chunk-type名称属性1属性2属性3…）。图1为ACT-R对两条陈述性知识的编码。 　　ACT-R中的陈述性知识用知识块（chunk）来表示。每个知识块由其名称、类别、属性及属性值来定义。如图1左边所示，“Character”是这个知识块的名称，“shape”表示该知识块所属的类别是形状，“agent”和“attribute”是属性，“earth”和“global”是对应的属性值。每一个知识块可以由任意多个属性及其属性值构成，图1右边的例子表示一个事实（fact），其类别是加法事实（addition-fact），属性有三个，被加数（addend