Articol tradus

Ton de Jong și Wouter R. van Joolingen University of Twente

Învățarea descoperirii științifice este o formă de învățare extrem de regizată și constructivistă.

O simulare computer este un tip de mediu bazat pe computer, care este potrivit pentru
învățarea descoperirii, sarcina principală a cursantului fiind de a deduce, prin experimentare,
caracteristicile modelului care stă la baza simulării. În acest articol oferim o trecere în revistă
a eficienței și eficienței observate a învățării descoperirii în medii de simulare, împreună cu
problemele pe care le pot întâmpina cursanții în învățarea descoperirii și discutăm cum pot fi
combinate simulările cu suportul instructiv pentru a depăși aceste probleme. În domeniul
învățării și instruirii, vedem acum o influență impresionantă a așa-numitei abordări
constructiviste. În această abordare, un accent puternic este pus pe elev ca agent activ în
procesul de achiziție a cunoștințelor. Ca și în tradiția obiectivistă, unde evoluțiile au fost
urmate și încurajate de medii de învățare bazate pe computer, cum ar fi instrucțiuni
programate, tutoriale și programe de exercițiu și exerciții (Alessi și Trollip, 1985), mediile de
învățare pe calculator ajută la avansarea evoluțiilor. Exemple sunt medii hipertext (vezi, de
exemplu, Gall & Hannafin, 1994), medii de mapare conceptuală (vezi, de exemplu, Novak &
Wandersee, 1990), simulări (De Jong, 1991; Reigeluth și Schwartz, 1989; Towne, 1995) și
medii de modelare (de exemplu, diSessa & Abelson, 1986; Riley, 1990; Smith, 1986). În acest
articol ne concentrăm pe utilizarea simulărilor pe calculator pentru învățare, deoarece
învățarea cu simulări este strâns legată de o formă specifică de învățare constructivistă, și
anume, învățarea prin descoperire științifică. În primul rând, oferim o scurtă introducere a
celor doi termeni cheie din acest articol (simularea computerului și învățarea descoperirii
științifice), urmată de o scurtă privire de ansamblu asupra studiilor care

O parte din lucrarea prezentată aici a fost realizată în cadrul proiectelor SAFE / SIMULATE,
SMISLE și SERVIVE. Aceste proiecte au fost parțial sponsorizate de Comisia Europeană în
programele sale de telematică. Apreciem contribuțiile colegilor noștri din aceste proiecte la
lucrările prezentate aici, în special Jules Pieters și Janine Swaak (Universitatea din Twente),
Melanie Njoo (acum la Origin / Instruction Technology), Anja van der Hulst (acum la TNO
Physics and Electronics Laborator) și Robert de Hoog (Universitatea din Amsterdam). Jules
Pieters, Jeroen van Merrienboer (Universitatea din Twente), Patricia Alexander (Universitatea
din Maryland) și Simon King (EDS-Ingevision) ne-au oferit comentarii utile la un proiect al
acestui articol. Vă rugăm să adresați corespondenței referitoare la acest articol primului autor.

179
De Jong și Van Joolingen au realizat învățarea descoperirii bazate pe simulări, care nu a
susținut o anumită formă de predare expunentă. Aceste studii arată că avantajele învățării
bazate pe simulări nu sunt întotdeauna evidente și sugerează că unul dintre motivele acestui
fapt este că elevii au probleme cu învățarea descoperirii. Această concluzie ne aduce la
întrebările principale discutate în acest articol: Care sunt problemele pe care le au elevii în
învățarea descoperirii și cum putem proiecta medii de simulare care să sprijine elevii în
depășirea acestor probleme? O simulare computer este un program care conține un model al
unui sistem (natural sau artificial; de exemplu, echipament) sau un proces. Simulările
computerizate pot fi împărțite în două tipuri: simulări care conțin modele conceptuale și cele
bazate pe modele operaționale. Modelele conceptuale conțin principii, concepte și fapte legate
de sistemul (clasa) de sisteme care sunt simulate. Modelele operaționale includ secvențe de
operații (proceduri) cognitive și necunoscute care pot fi aplicate sistemului (sistemelor)
simulate. Exemple de modele conceptuale pot fi găsite în economie (Shute și Glaser, 1990) și
în fizică (de exemplu, circuite electrice; White și Frederiksen, 1989, 1990). Modelele
operaționale pot fi găsite, de exemplu, în sarcinile de control al radarului (Munro, Fehling, &
Towne, 1985). În contextele de învățare a descoperirii, în general, găsim concepții mai
degrabă decât simulări operaționale. (Acestea din urmă sunt utilizate în principal pentru
învățarea experiențială.) Ca o clasă, modelele conceptuale cuprind o gamă largă de tipuri de
modele - de exemplu, modele calitative versus cantitative, modele continue versus discrete și
modele statice versus dinamice (vezi Van Joolingen și De Jong) , 1991a). Modelele pot diferi
considerabil și în complexitate. Acestea variază de la modele foarte simple și simple - de
exemplu, genetica Mendeliană simplă (Brant, Hooper și Sugrue, 1991) - la modele foarte
complexe - de exemplu, simularea medicală UMANĂ (Coleman și Randall, 1986), în care
200 de variabile și parametri pot fi schimbați. De asemenea, caracteristici specifice, cum ar fi
locul variabilelor din model sau distanța dintre variabilele teoretice și operaționale, pot ajuta
la definirea unui model conceptual (Glaser, Schauble, Raghavan, & Zeitz, 1992). În învățarea
descoperirii științifice, sarcina principală a cursantului este de a deduce caracteristicile
modelului care stă la baza simulării. Acțiunile de bază ale cursanților sunt schimbarea
valorilor variabilelor de intrare și observarea modificărilor rezultate în valorile variabilelor de
ieșire (De Jong, 1991; Reigeluth și Schwartz, 1989). Inițial, mijloacele de a oferi și de a primi
rezultate din mediile de simulare au fost destul de limitate, dar acum interfețe din ce în ce mai
sofisticate folosind manipulare directă pentru intrare și grafică și animații pe măsură ce ieșirile
apar (de exemplu, Hanel, 1994; Kozma, Russell, Jones, Marx, & Davis, 1996; Teodoro,
1992); mediile de realitate virtuală sunt cele mai recente dezvoltări (vezi, de exemplu,
Thurman & Mattoon, 1994). Învățarea descoperirii își are rădăcinile în psihologia Gestalt și în
activitatea lui Bruner (1961). Studiul învățării descoperirii s-a îndepărtat, în ultimele decenii,
de descoperirea conceptelor (ca în studiile lui Bruner) spre ceea ce s-a numit învățarea
descoperirii științifice (Klahr și Dunbar, 1988; Reimann, 1991). Teoriile învățării descoperirii
științifice se bazează, de regulă, pe teoriile discovării științifice. Rivers și Vockell (1987), de
exemplu, au descris un ciclu care implică planificarea (proiectarea unui experiment),
executarea (efectuarea experimentului și colectarea datelor) și evaluarea (analizarea datelor și
dezvoltarea unei ipoteze). Friedler, Nachmias și Linn (1990) au spus că raționamentul
științific cuprinde următoarele etape: "(a) definește o problemă științifică; (b) afirmă o
ipoteză; (c) proiectează 180
Descoperirea științifică Învățarea cu simulări pe computer un experiment; (d) observă,
colectează, analizează și interpretează date; (e) aplică rezultatele; și (0 fac predicții pe baza
rezultatelor "(p. 173). De Jong și Njoo (1992) au adăugat distincția între procesele
transformatoare - adică procese care produc cunoștințe direct (de exemplu, cele menționate de
Friedler et al. și Rivers și Vockell) - și procese de reglementare - adică procese care sunt
necesare pentru a gestiona procesul de descoperire (de exemplu, planificare și monitorizare).
Un al doilea grup de teorii despre învățarea descoperirii științifice își găsește inspirația în
lucrare a lui Simon (de exemplu, Kulkarni și Simon, 1988; Qin și Simon, 1990; Simon și Lea,
1974). O contribuție majoră în acest domeniu o are teoria descoperirii științifice a lui Klahr și
Dunbar ca căutare dublă (SDDS), care are ca concepte centrale două spații: spațiul ipotezei și
spațiul experimentului. În teoria SDDS, spațiul ipotezei este un spațiu de căutare format din
toate regulile care pot descrie fenomenele care pot fi observate în cadrul unui domeniu.
domeniu și rezultatele acestor experimente. Deși primul accent în teoria SDDS este pus pe
structura spațiilor de căutare, Klahr și Dunbar au acordat o atenție considerabilă proceselor de
descoperire. Într-o imagine de ansamblu a educației bazate pe computer, Bangert-Drowns,
Kulik și Kulik (1985) au raportat că învățarea bazată pe simulare nu ridică scorul de
examinare. Studiile ulterioare care au contrastat (uneori ca parte a unui set mai mare de
comparații) învățând din simularea „pură” (care conține modele conceptuale) cu învățarea
dintr-o formă de instrucțiune expusă (tutorial computer, sala de clasă) au acoperit o varietate
de domenii, precum biologie (Rivers & Vockell, 1987), economie (Grimes & Willey, 1990),
mecanică newtoniană (Rieber, Boyce, & Assad, 1990; Rieber & Parmley, 1995) și circuite
electrice (Carlsen & Andre, 1992; Chambers et al. . 1994). Uneori, o singură simulare este
comparată cu instrucțiunea de expunere (Rieber & Parmley, 1995), dar destul de des se face o
comparație între (a) o simulare încorporată într-un curriculum sau instrucțiune expunătoare și
(b) curriculumul sau instrucțiunea de expunere ca atare. (Carlsen și Andre, 1992; Chambers și
colab., 1994; Grimes & Willey, 1990; Rieber și colab., 1990; Rivers & Vockell, 1987). De
asemenea, în unele cazuri, instrucțiunea de expunere cu care este comparată simularea este
„îmbunătățită” - de exemplu, prin „caracteristici de schimbare conceptuală” (Chambers et al.,
1994) sau prin întrebări (într-o condiție din Rieber et al., 1990 ). Ca o imagine de ansamblu,
rezultatele favorabile pentru învățarea bazată pe simulare au fost raportate de Grimes și
Willey (1990), iar Carlsen și Andre (1992) și Chambers și colab. Nu au raportat nicio
diferență între învățarea bazată pe simulație și predarea de expunere. (1994). Rivers și Vockell
(1987) au găsit un amestec de rezultate favorabile și fără diferențe. În Rieber și colab. (1990)
grupul de studenți care au primit o simulare, în plus față de un tutorial, a obținut o notă mai
mare la un test care măsoară „aplicarea regulilor” decât grupul doar tutorial, dar a fost notat la
același nivel cu un grup de tutorial care a primit întrebări suplimentare în timpul învățării. În
Rieber și Parmley (1995) subiecții care au primit doar o simulare nestructurată (pură) au
scăzut cu performanța subiecților care au primit un tutorial. Concluzia generală care rezultă
din aceste studii este că nu există un rezultat clar și univoc în favoarea simulărilor. O
explicație a motivului pentru care învățarea bazată pe simulare nu îmbunătățește rezultatele
învățării poate fi găsită în problemele intrinseci pe care le pot avea elevii cu învățarea
descoperirii. Chambers și colab. (1994),

181
De Jong și Van Joolingen, de exemplu, au analizat filmele video ale studenților care lucrează
cu o simulare și au observat că studenții nu au putut face față unor rezultate neașteptate și că
studenții nu au utilizat toate posibilitățile de experimentare disponibile. De asemenea, studiile
care au comparat comportamentele de învățare ale cursanților de succes și fără succes în
mediile de învățare de simulare (de exemplu, Schauble, Glaser, Raghavan și Reiner, 1991) au
indicat deficiențele specifice ale cursanților. Din acest motiv, autorii unui număr de studii au
sugerat măsuri de instruire suplimentare care să îi ajute pe cursanți să depășească problemele
pe care le pot avea cu învățarea descoperirii științifice. În discuția care urmează, oferim o
imagine de ansamblu asupra potențialelor probleme cu învățarea descoperirii științifice bazate
pe simulare și căutarea de îndrumări în tratarea acestor probleme. În plus, examinăm studii
care au analizat efectul combinării simulărilor cu diferite măsuri de sprijin instructiv pentru
cursanți. Literatura care servește drept cadru pentru această discuție provine din mai multe
surse. În primul rând, am început cu documente din două programe de cercetare relevante:
Centrul de cercetare și dezvoltare a învățării și Carnegie Mellon (de exemplu, Klahr și
Dunbar, 1988; Reimann, 1991; Schauble, Glaser și alții, 1991; Shute & Glaser, 1990) . Nu
numai că aceste documente au fost utile în organizarea acestei revizuiri, dar au fost resurse
valoroase în localizarea studiilor suplimentare de învățare a descoperirilor științifice cu
simulări pe computer. În continuare, am căutat sisteme de regăsire on-line (de exemplu, baza
de date ERIC) folosind principalele simulări ale calculatoarelor. Acest lucru a produs (în
versiunea din iunie 1997 a bazei de date ERIC) 2.073 de scrieri. Deoarece limitarea acestei
căutări inițiale cu descoperirea suplimentară a descriptorului (învățare sau procese) a dat un
set de documente care nu conțineau unele documente relevante despre care știam, am
examinat descrierile ERIC ale tuturor celor 2.073 de lucrări. De asemenea, am solicitat lucrări
prezentate la conferințe naționale și internaționale (de exemplu, Asociația de Cercetare
Educațională Ameri-can, Asociația Europeană pentru Cercetare despre Învățare și Instruire,
Conferința Mondială privind Inteligența Artificială în Educație și Conferința Internațională
despre Sisteme de Tutorat Inteligent) care s-a adresat tema simulărilor pe calculator și am
examinat conținutul volumelor editate publicate în ultimii cinci ani. Mai mult, ne-am angajat
într-o căutare fizică a revistelor de cercetare selectate, care ar putea publica studii referitoare
la simulări pe calculator. Aceste jurnale includeau Jurnalul de cercetare în știința predării,
calculatoarelor și educației, Jurnalul instrucțiunilor pe computer, știința instrucțională și
Jurnalul științelor învățării. Pe tema învățării descoperirii cu simulări pe calculator am găsit
patru tipuri de lucrări. În primul rând, am găsit lucrări pe care le numim studii de inginerie, în
care un mediu de învățare este doar descris. Al doilea tip este lucrări conceptuale care tratează
probleme teoretice legate de învățarea descoperirilor și simulări. În al treilea rând, am găsit
lucrări în care s-au colectat date empirice (prin, de exemplu, fișiere de jurnal sau proceduri de
gândire cu voce tare) despre procesele de învățare a descoperirii. În cel de-al patrulea tip de
hârtie, sunt descrise studii experimentale în care mediile de simulare sunt evaluate în raport cu
predarea expunerii sau în care sunt comparate versiuni diferite ale practic același mediu de
simulare. Procesul nostru de selecție a fost ghidat după următoarele criterii. În primul rând,
am exclus lucrările experimentale dacă nu foloseau modele experimentale controlate cu
atenție și / sau nu aveau măsuri de performanță bine definite. În al doilea rând, am vizat studii
originale pentru 182
Învățarea descoperirii științifice cu simulări computerizate, această recenzie și a exclus
scrierile ulterioare care nu fac decât să reformeze un studiu anterior sau să repete aceeași
argumentare.

Probleme pe care le întâlnesc cursanții în învățarea descoperirii În subsecțiunile următoare

identificăm o serie de probleme caracteristice pe care elevii le pot întâmpina în învățarea
descoperirii și le clasificăm în funcție de principalele procese de învățare a descoperirii:
generarea de ipoteze, proiectarea experiențelor, interpretarea datelor, și reglementarea
învățării.

Generarea ipotezelor Componența cu noi ipoteze este în general recunoscută ca un proces

dificil (Chinn & Brewer, 1993), care distinge în mod clar elevii de succes și de nereușit
(Schauble, Glaser și colab., 1991). O problemă importantă este aceea că elevii (chiar și
studenții universitari) pot să nu știe cum ar trebui să arate o ipoteză. Njoo și De Jong (1993a)
au evaluat „validitatea” proceselor de învățare a 91 de studenți de inginerie mecanică care au
lucrat la o simulare a teoriei controlului. Aceștia au observat corectitudinea sintactică a
proceselor de învățare pe care elevii le-au scris pe „formularele de completare”. De exemplu,
pentru procesul de generare a unei ipoteze, ei au examinat dacă aceasta consta din variabile și
o relație între ele, nu dacă ipoteza era corectă în domeniu. Njoo și De Jong au găsit o rată
medie de corectitudine de 42% pentru procese în general și chiar scoruri mai mici pentru
procesul specific de generare a ipotezelor. O a doua problemă este că elevii nu pot fi capabili
să declare sau să adapteze ipoteze pe baza datelor culese. Klahr și Dunbar (1988) au
descoperit că, în 56% din cazurile observate, studenții nu au reușit să tragă concluziile corecte
din experimente care nu confirmă; adică ipotezele au fost păstrate incorect pe baza unui
rezultat experimental negativ. Alte studii subliniază, de asemenea, rezistența cursanților la
schimbările teoretice. Chinn and Brewer (1993) prezintă șapte reacții tipice ale cursanților la
date anomale, dintre care doar una este adaptarea teoriei pe baza datelor. Chinn și Brewer
citează, de asemenea, un număr mare de studii în care s-a constatat că elevii ignoră date
anomale (a se vedea, de asemenea, Chambers și colab., 1994), resping datele anomale, dețin
date anomale în respect, reinterpretă date anomale și păstrează o teorie inițială, sau
reinterpretați datele anomale și faceți modificări marginale la o teorie inițială (Chinn &
Brewer, 1993, p. 4). De asemenea, Dunbar (1993) a găsit în studiile sale dovezi că subiecții au
o dificultate generală de a renunța la un obiectiv inițial, ceea ce îi determină să persiste în a
susține o ipoteză inițială, mai degrabă decât să declare o nouă. Ca o explicație, Dunbar
menționează ceea ce el numește "phe-nomenon" imposibil de gândit-o-alternativă-ipoteză ",
ceea ce înseamnă că subiecții se lipesc de ipoteza lor actuală (în ciuda probelor de conflict),
pur și simplu pentru că nu au nicio alternativă . Aceste descoperiri pot conduce la
presupunerea generală că oamenii au o tendință puternică de a-și păstra ideile originale. Cu
toate acestea, Klahr și Dunbar (1988) au găsit, de asemenea, un efect invers: Studenții au
respins ipotezele în absența rezultatelor experimentale neconfirmante. Această problemă
generală a traducerii datelor în teorie este ilustrată într-un studiu realizat de Kuhn, Schauble și
Garcia-Mila (1992), care au descoperit că subiecții (copii de 10 ani) și-au schimbat ideile cu
privire la cauzalitatea unei variabile de domeniu.

183
De Jong și Van Joolingen de multe ori (de 10 până la 11 ori) în timpul unei sesiuni de
experimentare. Schimbarea frecventă de idei poate fi parțial explicată prin faptul că subiecții
din acest studiu au folosit un repertoriu mare din ceea ce Kuhn și colab. apelați „inferențe
nevalide”. De exemplu, subiecții au făcut inferențe despre cauzalitate într-o singură instanță
sau au făcut inferențe despre o variabilă care nu a fost modificată în două experimente. Un
aspect care poate influența bine capacitatea de a adapta ipotezele pe baza datelor este distanța
dintre variabilele teoretice și variabilele care sunt manipulate în simulare (Van Joolingen și
De Jong, 1997). Glaser și colab. (1992) a contrastat (a) mediile Voltaville (pe circuite de
curent continuu) și Refract (la refracția luminii), în care există o distanță relativ mică între
variabilele teo-reticale și variabilele care pot fi manipulate în simulare, cu ( b) medii precum
Smithtown (pe economie), unde există o distanță mai mare între variabilele teoretice și
variabilele care pot fi manipulate în simulare. Glaser și colab. afirmă că în primul tip de
mediu este mai ușor pentru subiecți să vadă relația dintre (a) manipulările lor de astfel de
variabile precum lentile, distanțele și rezistențele și (b) caracteristicile modelelor teoretice. O
a treia problemă în afirmarea ipotezelor este că elevii pot fi conduși de considerații care nu îi
ajută neapărat să găsească principiile teoretice corecte (sau cele mai bune). Van Joolingen și
De Jong (1993) descriu un fenomen pe care ei îl numesc frică de respingere. Într-o analiză a
utilizării unui așa-numit scratchpad de ipoteză de către 31 de studenți, ei au descoperit că
subiecții tind să evite ipotezele care au o șansă mare de a fi respinși - de exemplu, o ipoteză în
care relația dintre variabilele dintre acestea are un nivel ridicat nivel de precizie. Un fenomen
similar a fost descris de Klayman și Ha (1987) și de Klahr, Fay și Dunbar (1993). Proiectarea
experimentelor Un aspect crucial al descoperirii științifice este proiectarea experimentelor
care oferă informații pentru a decide valabilitatea unei ipoteze. În mod alternativ, dacă un
cursant nu are încă o ipoteză, experimente bine concepute pot fi utilizate pentru a genera idei
despre model în simulare. Klahr, Dunbar și Fay (1991) au identificat o serie de euristici de
succes pentru experimentare în mediul BigTrak, care se referă la funcționarea unui robot
programabil. Printre euristicile lor se numără: Proiectarea unor experimente simple care să
permită monitorizarea ușoară, experimente de proiectare care dau rezultate caracteristice, să
se concentreze pe o dimensiune a unei ipoteze, să exploateze rezultate surprinzătoare și să
folosească puterea a priori a unei ipoteze pentru a alege o strategie experimentală (Klahr et al.,
1991, p. 388-391). În literatura de specialitate găsim o serie de fenomene în care elevii
folosesc experimente slab concepute. Primul fenomen, prejudecata de confirmare, este
tendința cursantului de a căuta informații care confirmă o ipoteză, în loc să încerce să
neconfirmă ipoteza. Într-un experiment clasic, Wason (1960) a găsit prejudecăți de confirmare
pentru o sarcină de descoperire a regulilor (2-4-6) în care căutarea dovezilor confirmatoare nu
este cea mai bună strategie de utilizat (Klayman & Ha, 1987). Dunbar (1993) a arătat, într-un
mediu de simulare, că unii studenți au o puternică înclinație de a căuta dovezi care să susțină
ipoteza lor actuală și că această înclinație îi poate împiedica să afirme o ipoteză alternativă,
chiar și atunci când se confruntă cu dovezi inconsistente. Într-un experiment cu o simulare a
răspândirii unui

184
Învățarea științifică a descoperirii cu simularea computerizată epidemie de gripă, Quinn și Alessi
(1994) au descoperit că numai într-un număr mic de cazuri (unul din șase dintr-un eșantion de 179 de
subiecți) studenții au efectuat experimente cu intenția de a elimina ipotezele. În acest studiu, elevii
au fost solicitați înainte de a efectua un experiment pentru a alege scopul experimentului dintr-o
serie de alternative prezentate. Al doilea fenomen descrie elevii care proiectează experiențe
neconcludente. Unul dintre cele mai cunoscute exemple este descris în experimentul de
transformare a cardurilor lui Wason (1966), Acest fenomen, care este analog fenomenului
prejudecății de confirmare, arată că subiecții nu se comportă întotdeauna ca gânditori logici și nu
îndeplinesc acțiunile care ar fi cele mai multe eficient pentru testarea unei hipotese. De exemplu, în
contextul învățării descoperirii cu simulări, Glaser și colab. (1992) indică un fenomen frecvent
observat: Studenții tind să varieze prea multe variabile într-un singur experiment și, ca urmare, nu
pot trage concluzii din experimentele lor. Reimann (1991) a observat în domeniul opticii că subiecții
efectuează experimente slab proiectate, care nu le permit să tragă concluzii univoc. În două studii,
Van Joolingen și De Jong (199 1 b, 1993) au descoperit că elevii manipulau adesea variabile care nu
aveau nicio legătură cu ipoteza pe care o testau. Procentul experimentelor eficiente ar putea fi de
până la 22%. Shute and Glaser (1990) și Schauble, Glaser și colab. (1991) raportează că elevii fără
succes nu adună suficiente date înainte de a realiza concluzii. Un al treilea fenomen este acela că
subiecții prezintă un comportament de experimentare ineficient. De exemplu, Kuhn și colab. (1992) a
constatat că subiecții nu au utilizat întreaga gamă de experimente informative potențiale disponibile,
ci doar un set limitat și, în plus, a proiectat același experiment de mai multe ori. Un al patrulea
fenomen descrie elevii care construiesc experimente care nu sunt destinate testării unei ipoteze.
Schauble, Klopfer și Raghavan (1991) au identificat ceea ce au numit abordarea inginerească, în care
elevii încearcă să creeze un rezultat dezirabil în loc să încerce să înțeleagă modelul. O abordare
inginerească, în comparație cu abordarea științifică, duce la o căutare mult mai restrânsă și la o
concentrare pe acele variabile în care se așteaptă succes. În consecință, această abordare poate
împiedica cursanții să proiecteze experimente care furnizează date bine organizate, care să fie
suficiente pentru a descoperi toate relațiile de domeniu relevante. Această abordare inginerească a
fost găsită și de Schauble, Glaser, Duschl, Schulze și John (1995) și Njoo și De Jong (1993a). Un
fenomen comparabil a fost găsit de White (1993), care a raportat că studenții au creat experimente
care au fost distractive (elevii au lucrat cu jocuri în mediul de simulare al lui White) în loc de
experimente care au oferit o perspectivă asupra modelului.

Interpretarea datelor Odată efectuate experimentele corecte, datele care provin din aceste
experimente trebuie interpretate înainte ca rezultatele experimentelor să poată fi traduse în ipoteze
din domeniu. Conform Schauble, Glaser și colab. (1991), elevii de succes sunt mai pricepuți să
găsească regularități în date decât cei care nu au reușit. Klahr și colab. (1993) a constatat că subiecții
au codat greșit datele experimentale; rata la care subiecții au făcut cel puțin o codare greșită a variat
de la o medie de 35% la un maxim de 63%, în funcție de tipul de regulă reală

185
De Jong și Van Joolinger! implicat. Și, într-adevăr, așa cum Klahr și colab. stat, "în
comparație cu feedback-ul binar oferit subiecților în experimentul tipic de psihologie,
evaluarea reală a probelor nu este atât de simplă" (p. 114). Aceștia au raportat că interpretarea
greșită a datelor a dus, cel mai probabil, la o confirmare a ipotezei actuale, sugerând astfel că
ipoteza pe care un subiect o deține poate direcționa interpretarea datelor (a se vedea, de
asemenea, Chinn și Brewer, 1993; Kuhn et al. , 1992). Interpretarea graficelor, o abilitate
frecvent necesară atunci când interacționează cu simulările, este în mod clar un proces dificil.
Linn, Layman și Nachmias (1987) au comparat un grup de studenți care au lucrat într-un
„laborator bazat pe microcomputere” (MBL) cu studenți din clasele tradiționale. În MBL
studenții au efectuat experimente în domeniul căldurii și temperaturii. Rezultatele acestor
experimente au fost date sub formă de grafice generate dinamic. Linn și colab. a constatat că
abilitățile de grafică ale elevilor au crescut ca urmare a colaborării cu MBL, dar că în ceea ce
privește abilitățile de grafică mai complicate (de exemplu, compararea diferitelor grafice) au
existat încă dificultăți după cursul MBL. Mokros și Tinker (1987) i-au plasat pe studenți în
laboratoarele de calculator unde ar putea genera grafice pe baza experimentelor și unde au
fost încurajați să facă predicții grafice. Mokros și Tinker au descoperit că problemele inițiale
ale copiilor în interpretarea graficelor au dispărut rapid. Reglementarea învățării descoperirii
Pentru procesele de reglementare, se raportează frecvent că elevii de succes folosesc
planificarea și monitorizarea sistematică, în timp ce elevii care nu au succes lucrează într-un
mod nesistematic (de exemplu, Lavoie & Good, 1988; Simmons și Lunetta, 1993). Shute and
Glaser (1990) susțin că elevii de succes își planifică experimentele și manipulările într-o
măsură mai mare și acordă mai multă atenție problemelor de gestionare a datelor. Glaser și
colab. (1992) a raportat că a reușit. descoperitorii au urmat un plan de experimente, în timp ce
cele nereușite au folosit o strategie mai aleatorie, concentrându-se la deciziile locale, ceea ce
le-a dat și problema monitorizării a ceea ce făcuseră (a se vedea, de asemenea, Schauble,
Glaser și colab., 1991). Deși Glaser și colab. menționat persistența de a urmări un obiectiv ca
o caracteristică a cursanților buni, acești subiecți de succes erau de asemenea pregătiți să
părăsească un traseu atunci când se pare că nu va duce la succes. Stabilirea obiectivelor este,
de asemenea, raportată ca o problemă (pentru subiecții cu cunoștințe prealabile scăzute) de
Charney, Reder și Kusbit (1990). Într-un mod mai general, Veenman și Elshout (1995) au
descoperit că, în mai multe studii, indivizii cu o capacitate intelectuală ridicată au arătat o
metodă de lucru mai bună decât indivizii cu o capacitate intelectuală scăzută, dar și că această
metodă de lucru și-a adus propria contribuție la învățare. rezultat pe baza capacității
intelectuale. Pentru procesul de monitorizare, diferențele dintre studenții de succes și cei care
nu reușesc sunt raportați de Lavoie și Good, care au constatat că elevii buni fac mai multe
note în timpul învățării și de Schauble, Glaser și colab., Care au descoperit că elevii de succes
au înregistrat date mai mult sistematic.

Combinarea simulărilor și asistența instrucțională Secțiunea anterioară a prezentat o serie de

probleme caracteristice prezentate în învățarea descoperirii științifice. O serie de cercetători și
designeri au recunoscut aceste probleme și, în conformitate cu evoluția conceptului

186
Învățarea științifică a descoperirii cu simulări pe calculator Învățarea obișnuită (vezi, de
exemplu, Mayer, 1987), au oferit cursanților sprijin în plus față de simulări. În secțiunea
actuală rezumăm o serie de metode de susținere a cursanților în procesul de descoperire.
Primul mijloc de sprijin pe care îl descriem este să oferim cursantului acces direct la
informațiile din domeniu. Ulterior, prezentăm metode care urmăresc să sprijine elevul în
procesele de descoperire specifice.

Acces direct la Cunoașterea domeniului O pretenție rostită frecvent despre învățarea cu

simulări este că elevii ar trebui să știe ceva în prealabil, dacă învățarea descoperirii trebuie să
fructifice. Cunoașterea prealabilă insuficientă ar putea fi motivul pentru care elevii nu știu ce
ipoteză să afirme, nu pot face o interpretare bună a datelor și să se angajeze într-o
experimentare nesistematică (Glaser și colab., 1992; Schauble, Glaser și colab., 1991) . Câțiva
autori au introdus accesul la informații suplimentare ca măsură de sprijin într-un mediu de
simulare, destul de des sub forma unui sistem de hipertext / hipermedia (mai mult sau mai
puțin sofisticat) (Glaser, Ragahvan, & Schauble, 1988; Lajoie, 1993; Shute, 1993; Thomas &
Neilson, 1995). Shute (1993) a descris un sistem de instruire intelli-gent (ITS) pe principiile
de bază ale electricității, în cadrul căruia cursanții ar putea solicita definirea unui concept (de
exemplu, amperometru, amper, încărcare, circuit, curent), prin selectarea unui termen dintr-un
meniu și urmați legături de hipertext. Shute a raportat efecte pozitive ale utilizării acestui
dicționar hipertext on-line pe un post-test compus care măsoară cunoștințe declarative și
conceptuale, rezolvarea problemelor și transferul de cunoștințe și abilități. Câțiva autori au
subliniat aspectul critic al momentului privind disponibilitatea informațiilor. Berry and
Broadbent (1987) au descoperit că furnizarea de informații exact în momentul în care este
nevoie de cursant este mult mai eficientă decât furnizarea tuturor informațiilor necesare
înainte de începerea interacțiunii cu o simulare. Leutner (1993) a utilizat o simulare a unui
sistem agricol destul de complex; sarcina studenților era de a optimiza producția agricolă.
Unii studenți au primit informații (constând din concepte de domeniu, fapte, reguli și
principii) înainte de a interacționa cu simularea, în timp ce alți studenți au primit informații
(informații de fond despre variabilele sistemului) în timp ce interacționează cu simularea.
Leutner a descoperit că informațiile disponibile permanent îi ajută pe cursanți să dobândească
cunoștințe de domeniu, dar că informațiile furnizate înainte de simulare nu erau eficiente.
Pentru dobândirea cunoștințelor funcționale (capacitatea de a optimiza rezultatul simulării) a
fost găsit același model, dar aici rezultatele au fost mai puțin directe, deoarece furnizarea
informațiilor înainte sau în timpul interacțiunii cu simularea a fost combinată cu sfaturi de
experimentare mai mult sau mai puțin elaborate. . De asemenea, Elshout și Veenman (1992)
au raportat că subiecții care au primit informații despre domenii înainte de a lucra într-un
mediu de simulare (pe teoria căldurii) nu au profitat de aceste informații. Informațiile nu
trebuie să fie furnizate numai de mediul de învățare, dar trebuie invocate și din memoria
cursanților. Măsurile de sprijin pot stimula elevii să-și confrunte cunoștințele anterioare cu
rezultatele experimentale. Pentru a realiza acest lucru, Lewis, Stern și Linn (1993) le-au oferit
cursanților o formă de notare electronică pentru a nota „exemple din viața de zi cu zi” a
fenomenelor pe care le-au observat într-un mediu de simulare (pe termodinamică).

187
De Jong și Van Joolingen Suport pentru generarea ipotezei Generarea ipotezei este un proces
central în învățarea descoperirii. Mai multe studențe au creat sprijin pentru a depăși
problemele pe care le au elevii cu acest proces. Mediul Smithtown (Shute & Glaser, 1990)
oferă asistentului asistență pentru generarea de ipoteze cu ajutorul unui meniu de ipoteze.
Acest meniu este format din patru ferestre care prezintă părți ale unei ipoteze - de exemplu,
variabile, verbe care indică schimbarea și conectori. Un mijloc similar de susținere îl
constituie scratchpad-ul ipotezei (Van Joolingen & De Jong, 1991 b, 1993). Aici cursanților li
se oferă ferestre diferite pentru selectarea variabilelor, relațiilor și condițiilor. Aceste două
abordări oferă cursanților elemente de ipoteze pe care trebuie să le adune. Un suport mai
direct pentru crearea de ipoteze poate fi găsit în CIRCSIM-TUTOR (Kim, Evens, Michael, &
Rovick, 1989), un ITS în domeniul medicinii - în special, în tratarea problemelor asociate cu
tensiunea arterială. În această simulare, elevii sunt rugați să precizeze calitativ ce se va
întâmpla cu șapte componente ale sistemului cardiovascular. Ca mijloc de susținere, li se
oferă o foaie de calcul predefinită în care să-și ofere ideile. Un pas mai departe este de a oferi
cursanților ipoteze complete. În cadrul Pathophysiology Tutor (PPT; Michael, Hague, Rovick,
& Evens, 1989), elevii pot selecta dintre listele ipotezelor predefinite, aranjate în meniuri
cuibărite. Njoo și De Jong (1993a, 1993b) au folosit tehnici similare. Ei ajung la concluzia că
oferirea unor ipoteze predefinite elevilor influențează pozitiv procesul de învățare și
performanța cursanților. Quinn și Alessi (1994) i-au obligat pe elevi să scrie, înainte de a
experimenta, o singură ipoteză cea mai plauzibilă sau o listă de multiple ipoteze plauzibile.
Ideea este că a avea mai multe ipoteze disponibile va duce la o strategie de eliminare, care ar
putea fi mai bună decât să ne concentrăm pe o singură ipoteză la un moment dat. Datele lor au
arătat că strategia multiplelor ipoteze a dus într-adevăr la o performanță mai eficientă
(atingerea unei stări a simulării), dar numai dacă complexitatea simulării a fost scăzută. La
niveluri mai ridicate de complexitate, nu s-a putut găsi niciun avantaj al strategiei multiple
ipoteze față de strategia unică. Eficacitatea mai mare a strategiei cu ipoteze multiple ar fi
putut fi sporită de faptul că una dintre variabilele incluse a avut un rezultat contraintuitiv.

Suport pentru proiectarea experimentelor Pentru a sprijini un elev în proiectarea

experimentelor, mediul de învățare poate oferi indicii de experimentare. Rivers și Vockell
(1987) au dat câteva exemple de astfel de indicii, cum ar fi „Este înțelept să variați doar o
variabilă la un moment dat”. Aceștia le-au oferit cursanților indicii generale de experimentare
de acest fel înainte ca elevii să lucreze cu simulări pe computer. Acest lucru nu a afectat
rezultatul învățării, dar a avut un efect asupra abilităților de experimentare ale elevilor.
Sugestii pot fi, de asemenea, generate dinamic pe baza comportamentului de experimentare
real al cursanților. Sugestiile sunt apoi prezentate dacă un cursant afișează un comportament
de învățare non-optim. Un exemplu de sistem care conține acest tip de indiciu este Smithtown
(Shute & Glaser, 1990). Leutner (1993) a studiat efectul de a oferi cursanților sfaturi adaptive
de acest fel. El a descoperit că, dacă sfatul avea un caracter limitat, acesta a contribuit la
creșterea cunoștințelor domeniului elevului, dar a împiedicat dobândirea cunoștințelor
funcționale

188
Învățarea descoperirii științifice cu marginea simulărilor computerizate. Dacă sfatul conținea
mai multe detalii, atunci a contribuit, de asemenea, la creșterea cunoștințelor funcționale ale
cursantului, deși efectul a fost mai puțin clar, deoarece a fost combinat cu oferirea de
informații suplimentare despre domeniu.

Suport pentru realizarea previziunilor În timp ce o ipoteză este o declarație despre relațiile
dintre variabile dintr-un model teoretic, o predicție este o afirmație despre valoarea (valorile)
uneia sau mai multor variabile dependente sub influența uneia sau mai multor variabile
independente, deoarece acestea pot efectiv să fie observat în simulare. Un mod specific de a
ajuta elevii să exprime predicții este de a le oferi un instrument de grafic în care să poată
desena o curbă care să prezinte predicția. Lewis și colab. (1993) le-a oferit cursanților un
astfel de instrument. Studenții au primit feedback prin desenarea curbei corecte în aceeași
diagramă în care a fost trasată predicția cursantului. Tait (1994) a descris un mecanism
similar, dar în cazul său feedback-ul a inclus și explicații despre diferențele dintre curba
sistemului și curba cursantului. Reimann (1991). într-un mediu de refracție a luminii, le-a
oferit cursanților posibilitatea de a prezice predicții la trei niveluri de precizie: ca date
numerice, ca grafic desenat și ca zonă în care ar fi amplasat graficul. Suport pentru procesele
de învățare regulativă Procesele de reglementare sunt procesele care gestionează procesul de
învățare. Aspecte regulative, cum ar fi planitatea și sistematicitatea, sunt considerate
caracteristici centrale ale învățării descoperirii de succes (Glaser și colab., 1992; Schauble și
colab., 1995). Cele mai centrale două procese de reglementare sunt planificarea și
monitorizarea (De Jong & Njoo, 1992), ambele putând fi susținute prin introducerea
progresiei modelului în mediul de simulare. Pe lângă progresia modelului, am găsit măsuri
specifice pentru susținerea planificării sau monitorizării. În cele din urmă, procesele de
reglementare pot fi susținute prin structurarea procesului de descoperire. Progresia modelului.
Ideea de bază din spatele evoluției modelului este că prezentarea cursantului cu întreaga
complexitate a simulării dintr-o dată poate fi prea excesivă. În progresia modelului, modelul
este introdus treptat, pas cu pas. Lucrarea lui White și Frederiksen (1989, 1990) la QUEST
este una dintre cele mai cunoscute aplicații de progresie a modelului. În QUEST, sistemele
electrice și modelele circuitelor electrice diferă în ordine (modele calitative sau cantitative),
gradul de elaborare (numărul de variabile și relațiile dintre variabile) și perspectiva. În timp ce
învață cu QUEST, elevii se confruntă cu modele care trec de la o natură calitativă la una
cantitativă, care sunt mai elaborate și care se transformă dintr-o perspectivă funcțională în una
fizică. În acest sens, secvența instrucțională urmărește trecerea (asumată) de la o stare de
cunoștințe novice la una expertă. Din câte știm, nu a fost efectuată nicio evaluare controlată a
QUEST. Swaak, Van Joolingen și De Jong (1998) au studiat evoluția modelului în care
modelul crește în complexitate pentru cursant. SETCOM este o simulare a oscilației armonice
în care modelul se dezvoltă de la oscilație liberă, prin oscilație amortizată, până la oscilație cu
o forță externă. Swaak și colab. a constatat că progresia modelului a avut succes în lărgirea
cunoștințelor intuitive ale studenților (dar nu și a cunoștințelor lor definitorii) în comparație cu
un mediu fără progresie de model. Într-un studiu într-un domeniu diferit, dar cu același tip de
mediu, De Jong și colab. (în presă) nu a găsit niciun efect oferind cursanților o evoluție a
modelului pe deasupra oferindu-le sarcini. 189
Quinn and Alessi (1994) au efectuat un studiu în care studenții au avut acces la o simulare
(privind răspândirea unei boli în cadrul unei populații) cu patru variabile de intrare. Un grup a
pornit cu acces la toate cele patru variabile de intrare; un grup practicat cu trei variabile
înainte de a trece la simularea completă; iar ultimul grup a început cu acces la două variabile,
a procedat la trei și s-a încheiat cu toate cele patru. În toate cazurile, elevii au trebuit să
minimizeze valoarea uneia dintre variabilele de ieșire. Datele au relevat faptul că evoluția
modelului nu a avut un efect pozitiv general asupra performanței. Mai mult, progresia
modelului sa dovedit a fi mai puțin eficientă decât cea pro văzând elevii cu o complexitate
deplină la început. Trebuie menționat că domeniul folosit de Quinn și Alessi a fost destul de
simplu; variabilele din model nu au interacționat. Într-un alt studiu asupra unei simulări mai
complexe a unui multimetru, Alessi (1995) a constatat că creșterea treptată a nivelului de
complexitate al interfeței a fost benefică pentru învățarea inițială și pentru transfer. De
asemenea, Rieber și Parmley (1995) au descoperit, în zona mișcării newtoniene, că subiecții
care învață cu o simulare care oferea un control tot mai mare asupra variabilelor au marcat
semnificație mult mai mare la un test de măsurare a aplicării regulilor decât subiecții care ar
putea exercita controlul în întreaga sa complexitate din start.

Suport de planificare. Asistența de planificare poate, după cum arată Charney și colab. (1990)
au poziție târziu, să fie de ajutor în special pentru subiecții care au cunoștințe prealabile
scăzute. Suportul de planificare ia deciziile de la cursanți și, în acest fel, îi ajută în gestionare
în procesul de învățare. Sprijin pentru planificare poate fi oferit în moduri diferite. Chiar și în
primele zile ale utilizării simulărilor pentru învățarea descoperirii științifice, Showalter (1970)
a recomandat utilizarea întrebărilor pentru a ghida elevul prin procesul de descoperire.
Întrebările lui - de exemplu, „Șobolanii ajung vreodată într-un punct în care nu învață mai
multe?” (p. 49) - a concentrat atenția cursantului asupra unor aspecte specifice ale simulării.
Zietsman și Hewson (1986) au folosit tipuri similare de întrebări în combinație cu o simulare
a vitezei, iar Tabak, Smith, Sandoval și Reiser (1996) au folosit astfel de întrebări cu scopul
de a stabili obiective într-o simulare biologică. White (1984) i-a ajutat pe cursanți să-și
stabilească obiectivele într-o simulare a mecanicii newtoniene ics prin introducerea jocurilor.
Jocurile, pe măsură ce White le folosește, cereți cursanților să ajungă la o stare specifică în
simulare - de exemplu, să obțină o navă spațială în simularea din jurul unui colț, fără a se
prăbuși în pereți (p. 78). White a constatat că elevii care au învățat cu o simulare care conținea
jocuri au depășit cursanți care au lucrat cu simularea pură la un test de probleme calitative
(conținând întrebări cu forma „Ce s-ar întâmpla dacă ...?” Sau „Cum s-ar putea realiza. .? "[p.
81]). Mediul ThinkerTools (White, 1993) folosește jocuri într-un mod similar.

De Jong și colab. (1994) descrie diferite tipuri de misiuni care pot fi utilizate în combinație cu
simulări. Tipurile de misiuni includ (a) sarcini de investigare, care îi determină pe elevi să
găsească relația dintre două sau mai multe variabile, (b) atribuții de specificații, care solicită
elevilor să prezice o valoare a unei anumite variabile și (c) sarcini „explicative”, care solicită
elevului să explice un anumit fenomen în mediul de simulare. De Jong și colab. (în presă),
folosind o simulare la coliziuni, Swaak și colab. (1998), folosind o simulare despre oscilația
armonică, și De Jong, Hartel, Swaak și Van Joolingen (1996), folosind o simulare pe subiectul
fizic al liniilor de transmisie, au descoperit că studenții. 190
(care au fost liberi să aleagă) au folosit sarcini foarte frecvent și că folosirea sarcinilor a avut
un efect pozitiv asupra obținerii ceea ce acești cercetători numesc cunoștințe intuitive.

Suport de monitorizare. Sprijin pentru monitorizarea propriului proces de descoperire poate fi

oferit de rezumate a celor făcute în mediul de simulare. Reimann (1991) a oferit elevilor din
Refract o facilitate de caiet pentru stocarea datelor numerice și nominale din experimente.
Datele din caiet ar putea fi manipulate, astfel încât (a) experimentele să poată fi sortate pe
valori pentru o anumită variabilă, (b) să poată fi selectat experimente în care o anumită
variabilă să aibă o valoare specificată și (c) o ecuație să poată fi calculată peste experimente.
De asemenea, studentul ar putea reda experimentele din caiet. Notebook facili-legăturile sunt
prezente în Smithtown (Shute & Glaser, 1990) și Voltaville (Glaser și colab., 1988). În
SHERLOCK, elevii pot primi la cerere o imagine de ansamblu asupra tuturor acțiunilor
întreprinse până acum (Lesgold, Lajoie, Bunzo și Eggan, 1992). Schauble, Raghavan și Glaser
(1993) au prezentat sprijin de monitorizare, care nu numai că ofere o imagine de ansamblu
asupra acțiunilor studentului, dar au oferit și posibilitatea de a grupa acțiuni în cadrul
obiectivelor și de a solicita o „vedere expertă” care să dea relevanța acțiunilor studentului. în
contextul unui obiectiv specific (de exemplu, găsirea relației dintre două variabile). (Aceste
metode, de fapt, au susținut atât monitorizarea, cât și planificarea.) În toate exemplele
prezentate aici, elevii trebuie să selecteze experimentele anterioare pentru comparație din
setul complet de experimente. Reimann și Beller (1993) propun un sistem (CABAT) care
selectează un experiment anterior pe baza asemănării și propune elevului acest experiment
pentru comparație. Structurarea descoperirii, procesului. Procesele de reglementare pot fi, de
asemenea, susținute prin conducerea cursantului prin diferite etape ale procesului. Mai multe
studii au comparat efectele mediilor structurate (unde structurarea este destul de des
combinată cu alte câteva măsuri) cu așa-numitele medii nestructurate. Linn și Songer (1991)
au constatat că le oferă elevilor o secvență de experiență etapele de menționare („Înainte de a
face experimentul ...”, „Faceți acum experimentul”, „După ce ați făcut experimentul.”) și cu
indicații mai detaliate în fiecare dintre acești pași a fost eficient. Ei raportează că de până la
două și patru ori mai mulți studenți au fost capabili să distingă între conceptele centrale de
domeniul (căldură și temperatură), în comparație cu studenții care au folosit o versiune
nestructurată a mediului. Njoo și De Jong (1993b) au avut studenți (studenți de inginerie
mecanică) să lucreze cu o simulare (pe teoria controlului) în combinație cu forme care aveau
celule separate pentru a nota următoarele: variabile și parametri, ipoteze, experiment,
predicție, interpretarea datelor , și concluzie. La un test care a măsurat „intuiția calitativă”,
grupul structurat a depășit un grup care a lucrat doar cu mediul de simulare. Gruber, Graf,
Mandl, Renkl și Stark (1995) au oferit jumătate dintre subiecții lor (60 de studenți ai unei
școli de economie vocațională) instrucțiuni în a face predicții, a compara predicțiile cu
rezultatele și a trage inferențe. Cealaltă jumătate nu a primit nicio îndrumare. Simularea
folosită a fost în domeniul economiei și a implicat o fabrică de blugi pentru care profitul ar
trebui maximizat. La un test de cunoștințe în care elevii au trebuit să facă predicții în situații
noi, grupul de îndrumare a depășit grupul fără ghidare. White (1993), în mediul ei
ThinkerTools, a forțat subiecții să urmeze o succesiune în patru faze de activități - „punând
întrebări, făcând experimente, formulând legi și cercetând generele 191
De Jong și Van Joolingen al izations "(p. 53) --- și au furnizat schele detaliate în fiecare fază.
Alb a găsit un avantaj clar pentru un curriculum bazat pe simulare în comparație cu un
curriculum tradițional la un test care a măsurat predicțiile calitative în real- situații mondiale.
Într-o serie de experimente, Veenman și Elshout au comparat comportamentul de învățare și
rezultatul învățării studenților care lucrează cu medii de simulare structurate și nestructurate.
-condiție de mediere recunoscută "), subiecții au primit" sarcini de sarcină "și au fost invitați
să" para-fraze întrebarea, să genereze o ipoteză, să gândească un plan de acțiune detaliat și să
ia notițe. "De asemenea, după ce au avut au efectuat o serie de acțiuni, li s-a cerut „să-și
evalueze rezultatele experimentale”, să „tragă o concluzie elaborată pe subiect și să ia note”
(de exemplu, Veenman, Elshout, & Busato, 1994 , p. 97). Domeniile implicate au fost circuite
electrice simple, teoria căldurii și statistici. Într-o analiză globală a datelor din patru dintre
studiile lor, Veenman și Elshout (1995) nu au găsit niciun efect general în structurarea
mediului. La un nivel mai detaliat, ei au găsit dovezi că subiecții cu inteligență scăzută, cu
metode de lucru slabe, profitau din medii structurate, în timp ce acest lucru nu era valabil
pentru subiecții cu informații reduse, cu metode de lucru bune sau pentru subiecți de înaltă
inteligență, indiferent de metodele lor de lucru. În această analiză generală, mai multe măsuri
de performanță (inclusiv teste ale cunoștințelor faptice și sarcini de rezolvare a problemelor)
au fost combinate într-un singur scor de performanță. Am găsit două studii în care s-a făcut o
comparație între un mediu de simulare structurat și instrucțiunea tradițională de expunere.
Lewis și colab. (1993) au cerut cursanților să folosească un mediu structurat pentru a face
predicții înainte de a face un experiment și a scrie „comparații grafice” și „concluzii” după
experiment. În plus, acești cursanți au fost încurajați să scrie „exemple de zi cu zi”, „puncte
importante”, „confuzii despre” note și „exemplu de concept” (p. 48). Acest lucru a fost
realizat în formă electronică folosind o metaforă „Notă post-it”. Lewis și colab. a descoperit
că, răspunzând elementelor care necesitau o înțelegere funda-mentală a diferenței dintre
căldură și temperatură, studenții care au folosit mediul structurat au depășit elevii care au
urmat curricula tradițională în anul precedent. În Smithtown (Shute și Glaser, 1990), elevii
sunt luați de mână și conduși printr-o secvență fixă de acțiuni care este puțin mai puțin strictă,
de exemplu, secvența din Lewis și colab. (1993). În Smithtown, elevii sunt întrebați doar dacă
vor să facă o predicție înainte de experimentare și nu sunt obligați să facă acest lucru.
Smithtown include nu numai structurarea, ci și o mulțime de alte măsuri de sprijin. O evaluare
a lui Smithtown, folosind un test care a necesitat rechemarea conceptelor, nu a reușit să arate
un avantaj al lui Smithtown față de o lecție tradițională (deși învățarea cu Smithtown a fost
mult mai eficientă).

Concluzii și discuții În acest articol am oferit o imagine de ansamblu a studiilor în învățarea

descoperirilor științifice cu simulări pe computer ale domeniilor conceptuale. Din studiile care
au examinat empiric procesul de învățare a descoperirii putem concluziona că o serie de
abilități specifice sunt necesare pentru o descoperire de succes. În general, se poate spune că
învățarea cu succes a descoperirii este legată de raționarea din ipoteze, de aplicarea unui
proces de descoperire sistematică și planificată (cum ar fi variația sistematică a

192
Învățarea științifică a descoperirii cu valori variabile ale simulărilor computerizate) și
folosirea heuristicii de înaltă calitate pentru experimentare. Aceste abilități pot avea un
caracter general, dar pot fi, de asemenea, mai strâns legate de un anumit domeniu (Glaser și
colab., 1992). Au fost identificate mai multe probleme caracterizate în mod caracteristic în
procesul de descoperire. Pentru procesul de generare a ipotezelor, potențialele slăbiciuni ale
unui elev includ alegerea ipotezelor care par „sigure” și transformarea fără succes a datelor
într-o ipoteză, atât atunci când datele se confirmă, cât și atunci când se confirmă. Pentru
proiectarea experiențelor, am găsit rapoarte ale cursanților care proiectează experimente
neconcludente, care arată un comportament de experimentare ineficient, care urmează o
părtinire de confirmare și care aplică o abordare inginerească în locul celei științifice. Mai
mult, elevii au destul de des probleme cu interpretarea datelor ca atare. O ultimă problemă
raportată este că elevii nu sunt foarte capabili să reglementeze procesul de învățare; acest
lucru este evident în comportamentul nestructurat condus de decizii locale, mai degrabă decât
în planul general și în monitorizarea insuficientă a procesului de învățare. De asemenea, am
examinat măsurile de instruire care sunt utilizate împreună cu simulări. Câteva dintre studiile
în care au fost introduse măsuri de instruire au fost încă în faza de inginerie și nu au evaluat
efectul măsurii instructive într-o manieră controlată. Alte studii în care au fost evaluate
efectele adăugării de măsuri instructive au utilizat combinații de măsuri instructive, astfel
încât efectul unei măsuri specifice nu a putut fi urmărit. Pe baza studiilor rămase, se pot vedea
trei măsuri de instruire individuale care țin promisiunea de a influența pozitiv rezultatele
învățării. În primul rând, furnizarea de acces direct la informațiile din domeniu pare eficientă
atât timp cât informațiile sunt prezentate concomitent cu simularea, astfel încât informațiile
sunt disponibile la momentul potrivit. În al doilea rând, oferirea cursanților de sarcini (sau
întrebări, exerciții sau jocuri) pare să aibă un efect clar asupra rezultatului învățării. În al
treilea rând, elevii care utilizează un mediu care include progresia modelului pe formă mai
bună decât elevii care folosesc același mediu fără progresul modelului, deși pare că modelul
trebuie să fie suficient de complex pentru a se evidenția acest efect. Pentru alte măsuri
individuale (de exemplu, suport pentru ipoteze, indicii de experimentare, instrumente de
monitorizare, suport pentru predicție), dovezile nu sunt suficient de substanțiale pentru a
justifica concluzii generale. În cele din urmă, o serie de studii privind structurarea mediului
arată că acest lucru poate duce la învățare mai eficientă decât la utilizarea unui mediu
nestructurat, deși trebuie menționat că structurarea mediului în toate aceste studii nu implica
doar divizarea procesului de învățare în etape distincte, dar a inclus și alte măsuri de instruire.
Un aspect crucial al învățării descoperirii științifice este obiectivul instructiv pentru care este
utilizat. În urma celor mai vechi idei despre învățarea descoperirii, se afirmă frecvent că
învățarea descoperirii științifice conduce la cunoștințe care sunt mai intuitive și adânc
înrădăcinate într-o bază de cunoștințe a unui elev (Berry & Broadbent. 1984; Laurillard, 1992;
Lindstrom, Marton, Ottosson și Laurillard , 1993; Swaak și De Jong, 1996) și acesta are un
caracter mai calitativ (White, 1993). Se afirmă, de asemenea, că rezultatele învățării bazate pe
simulare sunt măsurate corespunzător numai prin „teste de aplicare și transfer” (Thomas &
Hooper, 1991, p. 500). Sprijinul pentru această afirmație se găsește în studiile lui Berry și
Broadbent (1984), care au arătat că, deși simulările pot fi eficiente în predarea abilității de a
dobândi o anumită stare în simulare, acest lucru nu înseamnă neapărat că cunoștințele
conceptuale asociate sunt învățate ca bine. Această lipsă a unei relații între „explicabile” 193
Cunoștințele De Jong și Van Joolingen și cunoștințele „funcționale” au fost, de asemenea,
găsite pentru simulări în afaceri (Anderson & Lawton, 1992), mișcare newtoniană (cu copii;
Flick, 1990), cinematică (McDermott, 1990), coliziuni (De Jong et al., în presă; Whitelock și
colab., 1993), agricultură (Leutner, 1993), un subdomeniu al economiei (Mandl, Gruber, &
Renkl, 1994), accelerație și viteză (Rieber, 1996; Rieber et al., 1996 ) și oscilații armonice
(Swaak și colab., 1998). În studiile pe care le-am citat în această imagine de ansamblu găsim
sprijin pentru importanța cunoașterii „intuitive” sau „profunde” pentru învățarea descoperirii.
În studiile care au comparat simularea cu învățământul expozițional, Grimes și Willey (1990),
pentru ex-ample, au folosit un test care conține elemente care au solicitat „recunoaștere și
înțelegere”, „aplicație explicită” sau „aplicație implicită”. În acest studiu, grupul de simulare,
care a arătat un avantaj general față de grupul de control, a avut un succes specific în itemii
care măsoară aplicarea implicită. În Carlsen și Andre (1992), grupurile de simulare nu s-au
comportat mai bine la un post-test decât au făcut-o un grup fără simulare; cu toate acestea,
când articolele au fost analizate (analizând alternativele alese) pe modelele mentale pe care le-
au dobândit studenții, studenții din grupurile de simulare au arătat modele mai avansate.
Rieber și colab. (1990) a folosit un test pentru a măsura capacitatea de a aplica reguli din
domeniu. Grupul de simulare a avut mult mai puțin timp pentru a răspunde la întrebările
postestest decât un grup care a primit un tutorial îmbunătățit cu întrebări. Potrivit lui Rieber și
colab., Acest lucru indică cunoștințe mai profund procesate. În studiile în care au fost
comparate diferite versiuni ale mediilor de simulare, observăm din nou un efect al tipului de
test de cunoștințe utilizat. De Jong și colab. (în presă) și Swaak și colab. (1998) a folosit un
test al cunoștințelor definitorii și, de asemenea, un test care măsoară cunoștințele „intuitive”.
În ultimul test, subiecții au trebuit să prezică ce se va întâmpla după ce a fost introdusă o
schimbare într-o situație și au trebuit să facă această predicție cât mai repede posibil (a se
vedea, de asemenea, Swaak și De Jong, 1996). Deși elevii s-au îmbunătățit în cunoștințele
definitorii atunci când au învățat cu mediile de simulare (care conțineau și informații de
expunere), câștigul cunoștințelor intuitive a fost mai mare. De asemenea, efectele diferențiale
ale mediilor de simulare au apărut doar la testul cunoștințelor intuitive. În cele din urmă, tipul
de test de cunoștințe utilizat joacă, de asemenea, un rol în studiile care au comparat mediile
structurate de simulare cu cele nestructurate sau cu programa normală. În Linn și Songer
(1991) și Lewis și colab. (1993) a fost utilizat un test care a măsurat distincțiile calitative între
conceptele centrale. Njoo și De Jong (1993a, 1993b) au folosit articole care au măsurat
cunoștințele calitative și Gruber et al. (1995) și White (1993) au folosit teste în care trebuiau
să se facă predicții (ca în De Jong și colab., În presă și Swaak și colab., 1998). Toate aceste
studii au arătat un avantaj pentru mediile structurate de simulare. În Veenman și Elshout
(1995), unde elevii au fost testați pe o combinație de cunoștințe calitative și definitorii, nu a
fost găsit niciun efect de ansamblu în structurarea mediului, cu o excepție pentru grupul
specific de cursanți. În cele din urmă, într-o evaluare a lui Smithtown (Shute & Glaser, 1990),
nu a putut fi găsită nicio diferență de eficiență între un mediu de simulare structurat și o lecție
tradițională, dar aici s-a aplicat un test de măsurare a rechemării conceptelor. Avantajele
simulărilor par clare atunci când obiectivul instrucțional este stăpânirea abilităților de
descoperire. În Rivers and Vockell (1987), nu numai că a fost evaluată cunoașterea
domeniului, dar și abilitățile de descoperire au fost măsurate printr-o serie de teste generale
(de exemplu, Watson-Glaser 194
Învățarea descoperirii științifice cu simulări pe computer Evaluarea gândirii critice) și prin
analizarea tendinței scorurilor pe un pretest de domeniu. Rivers și Vockell au concluzionat că
elevii din programele de simulare au depășit subiecții de control, mai ales dacă simulările
conțineau ghiduri sub formă de indicii care indică un comportament bun de descoperire (a se
vedea, de asemenea, Faryniarz și Lockwood, 1992; Woodward, Carnine și Gersten, 1988).
Dezvoltarea mediilor care invită elevii să se angajeze în învățare autoreglată (descoperire) și
care oferă instrumente de sprijin pentru procesul de învățare continuă (vezi, de exemplu,
Suthers, Weiner, Connelly și Paolucci, 1995). Prin urmare, în opinia noastră, o analiză
suplimentară și mai profundă a problemelor pe care le întâmpină studenții în învățarea
descoperirii și o evaluare suplimentară a modalităților specifice de susținere a cursanților ar
trebui să fie principalele elemente din agenda de cercetare actuală în acest domeniu. Studiile
ar trebui să urmărească să afle când și cum să le ofere cursanților mijloace pentru a-și depăși
deficiențele în învățarea descoperirii - cu alte cuvinte, când și cum să furnizeze schele pentru
procesul de învățare a descoperirii. Pentru aceste studii de evaluare există trei puncte de
interes suplimentare. Prima dintre ele este că introducerea de instrumente de asistență
suplimentare nu înseamnă doar pentru a permite elevului să efectueze anumite acțiuni, ci
poate fi folosit și pentru a preveni supraîncărcarea cognitivă (Glaser și colab., 1988, p. 63). Cu
toate acestea, unele măsuri de instruire pot, de asemenea, să crească încărcătura cognitivă,
prin introducerea mai multor complexități în mediu. Gruber și colab. (1995), de exemplu,
sugerează că o creștere a încărcării cognitive are loc atunci când perspective multiple sunt
introduse într-un mediu de simulare. Cercetările ulterioare privind măsurile de sprijin ar trebui
să ia în considerare efectele măsurilor suplimentare de sprijin asupra încărcării cognitive (a se
vedea, de exemplu, De Jong și colab., În presă; Swaak și colab., 1998). Un al doilea aspect al
instrumentelor de sprijin este că în mediile de învățare, aceste instrumente pot fi utilizate ca
măsuri discrete, așa cum a fost recunoscut de Glaser și colab., (1988) în proiectarea
Voltaville. De exemplu, în SHERLOCK (Lesgold și colab., 1992) elevul parcurge procesul de
rezolvare a problemelor de diagnostic, alegând din meniurile de acțiuni. Pe de o parte, acest
lucru ajută elevul în procesul de planificare; pe de altă parte, acest lucru ajută cercetătorul
(sistemul) să evalueze intențiile elevului. În mediul SHERLOCK, informațiile din această
măsură, care altfel servesc ca instrument de planificare pentru cursant, sunt utilizate pentru
generarea de indicii adecvate. Van Joolingen (1995) descrie câteva principii ale modului în
care informațiile culese printr-o ipoteză scratchpad pot fi utilizate pentru evaluarea stării reale
de cunoaștere a elevului. Al treilea punct de interes este că ar trebui investigat locul
simulărilor din curriculum. Lavoie and Good (1988) sugerează utilizarea unei abordări
„Piagetiene”, ceea ce implică faptul că simulările sunt introduse într-o primă fază de învățare,
unde explorarea este permisă, iar conceptele sunt introduse formal mai târziu, urmate în cele
din urmă de aplicarea conceptului ( vezi și Brant și colab., 1991; White, 1993). Acest lucru
sugerează o utilizare potențială a simulării computerului care diferă de abordarea clasică,
bazată pe ipoteze. Numai după ce a fost efectuată o cercetare suficientă de-a lungul liniilor
schițate în această secțiune, poate apărea o teorie de proiectare adecvată pentru simulări
instructive. Încercările actuale la o astfel de teorie, deși interesante, sunt în mod necesar
fragmentare și incomplete (vezi, de exemplu, Thurman, 1993). Însă atunci când apare o astfel
de teorie, învățarea prin descoperire cu simulări poate să-și ia locul în învățare și instruire ca o
nouă linie de medii de învățare, bazate pe tehnologie, în care se pune mai mult accent pe
inițiativa elevului.

195