劉爽

〔摘要〕目前，教育與學習研究中存在一個熱議的話題，即在教學中教師應該為學生提供多少指導？Koedinger等人于2012年提出了知識-學習-教學（KLI）理論框架，為解決這個問題提供了一個新思路。該理論將知識、學習過程和教學決策進行了分類，圍繞知識的種類分析了知識、學習和教學之間的關系。本文關注該理論中的知識種類的劃分，并闡述知識分類對教育設計的啟示。

〔關鍵詞〕知識分類； 教學設計； KLI理論； 知識成分

〔中圖分類號〕 G44 〔文獻標識碼〕A 〔文章編號〕1671-2684（2019）03-0022-04

盡管大量教育與學習理論為教學設計提供了應用廣泛的指導方針，但仍存在一個爭議，即為學生提供多少指導更能產(chǎn)生有效的學習？一部分研究者認為，教師應該為學生提供充分全面的指導，給學生描述所有的概念或程序，不需要學生進行任何推理（例如，認知負荷理論提倡的樣例效應）[1]；還有一部分研究者則強調(diào)為學生提供低程度的指導（例如練習）更能促進學生的學習[2]。解決這一矛盾的一個關鍵因素是學生所要學習的知識的種類，即教學設計的實施有著特定性，受知識種類的限制。面對相同先備知識水平的學生，不同知識內(nèi)容的最佳教學設計是不同的。本文闡述了一種區(qū)分知識種類的理論，即Koedinger等人提出的KLI（Knowledge-Learning-Instruction）理論。

一、KLI理論

任何教育理論分析事物的種類時，必須在某個分析水平上進行區(qū)分，例如，認知負荷理論在元素交互性的水平上將知識分為高元素交互的知識和低元素交互性的知識[3]。KLI理論強調(diào)在知識成分（knowledge components）的水平上給知識分類，知識成分這個分析水平介于教育研究中的宏觀群體水平和心理研究中的微觀認知水平，這樣是為了幫助解釋各個學習領域的研究成果，獲得具有普遍性的結(jié)論和教學設計原則。按照知識成分的性質(zhì)劃分知識的標準如下：給定條件和相應反應的變化性、言語性/非言語性、原理性[4]。

（一）知識成分的給定條件和相應反應的變化性

為檢驗學生是否理解和掌握了知識或規(guī)則，教師通常使用測驗（考試和課堂提問）來評判學生的學習效果，學生對于給定的條件，運用已學習的知識做出相應的反應。Koedinger等根據(jù)給定的條件和相應的反應（條件-反應）的變化性可以把知識分為“不變-不變”知識、“變-不變”知識和“變-變”知識[4]。例如，為了考察學生是否掌握了重力加速度g=9.8m/s2這一知識，要求學生回答的問題是“重力加速度是多少”，學生的正確反應是“9.8m/s2”。在這個例子中，知識應用的條件和反應均是不變的，因此，可將這一知識歸為“不變-不變”知識。表1列出了在語言學習、數(shù)學和科學領域中三種知識的更多例子。

如表1所示，“不變-不變”知識的應用條件和相應反應通常是一對一的映射，而“變-不變”知識的應用條件和相應反應通常是多對一的映射。如表1中的例子，以元音發(fā)音開頭的可數(shù)名詞前的冠詞應該是“an”，這一知識的應用條件可以是“apple”“orange”“hour”等，相應的反應是不變的，即名詞前用“an”。“變-變”知識的應用條件和相應反應則是“關系-關系”映射，如求組合圖形的面積，將組合圖形分割成若干簡單圖形，求出這些簡單圖形的面積的總和就是組合圖形的面積，這一知識的應用條件可以是各種各樣的組合圖形，相應的反應隨之變化，所以它是“變-變”知識。

（二）知識成分的言語性

有些表示關聯(lián)、類別、技能或程序的知識不容易被學習者用語言表述，有些知識如定理、概念卻可以用語言來表達。KLI理論區(qū)分知識成分的言語性，這一分類類似于ACT-R理論中的陳述性知識和程序性知識[5]，但不完全相同。ACT-R描述的對象是不可觀察的認知機制，KLI則強調(diào)可觀察的行為。根據(jù)知識成分的言語性，可將知識分為非言語知識、“惰性”言語知識和言語知識[4]。

許多知識是非言語知識，例如，學生能夠?qū)⑾铲o歸為鳥類，但不清楚為什么這樣做。Aleven 和 Koedinger發(fā)現(xiàn)，在幾何知識的學習中，相比完成匹配解釋項目的任務，學生更多地做對幾何推理問題，說明學生常常能夠完成任務卻不加以解釋[6]。非言語知識即為學生在學習過程中使用卻不做出解釋或言語化的知識。需要注意的是，非言語知識或許可以用語言表達，但學生們往往不這么做。事實、概念等知識可被視作“惰性”言語知識，也就是學生只將其言語描述并記憶，并不在問題解決或任務中直接使用的知識。言語知識就是學生在學習過程中將其言語化，并在問題解決或任務中使用的知識，例如原理、模型等。

（三）知識成分的原理性

KLI理論指出，“有些規(guī)則、原理和模型有其基本原理，如數(shù)學定理；有些知識有著看似任意的規(guī)律性，如英語拼寫規(guī)則。因此，知識成分的基本原理不僅僅是全或無兩種可能，而是分級的，具備基本原理的程度（低或高）決定于特定領域的理論發(fā)展的深度。”

表2列出了一些基本知識種類，表中的名稱（事實、規(guī)則等）是常用術語與知識成分分類的粗略映射，在這個分類中未必一一對應。

二、知識種類與教學設計

（一）知識成分的給定條件和相應反應的變化性與教學設計

根據(jù)知識成分的給定條件和相應反應的變化性區(qū)分不同的知識，這對于教師進行教學設計有重要啟示。對于“不變-不變”知識（歷史事件、詞匯）和“變-不變”知識（種類、概念等），提取練習比重復閱讀更加適合學生學習這類知識[2]；對于“變-變”知識（如組合圖形的面積），樣例學習相比問題解決產(chǎn)生更好的學習效果[7]。Koedinger等推測，學生所要學習的知識越復雜，學習過程就越復雜，包括記憶、歸納和概括、理解，所以教學設計也就越復雜[4]。

從表1可以看出，“不變-不變”知識、“變-不變”知識和“變-變”知識這三類知識的復雜性和抽象性依次增加，“不變-不變”知識最為簡單具體，學生需要做的是記憶知識，不需要進行更多的推理。因此，學生學習這種知識，直接聯(lián)系條件和反應的教學設計可能對于學習者來說更有效，例如提取練習。學生學習“變-不變”知識時，需要對變化的給定條件進行歸納，并概括出不變的相應反應。所以，對于這種知識，教學設計應注意幫助學生歸納條件和概括反應，如反饋、標記。相比前兩種知識，“變-變”知識是最復雜抽象的，學生需要理解條件中蘊含的關系，推理出規(guī)則和原理。因而，適合這種知識的教學設計應該促進學生理解關系并建立條件中的關系和反應中的關系之間的聯(lián)系，如樣例、口頭解釋。

（二）知識成分的言語性與教學設計

有些學習方式能夠提高學生在近遷移上的學習效果，卻對遠遷移的學習效果不明顯，如采用樣例學習的學生難以學會解決與樣例結(jié)構(gòu)性特征不同的問題[8]?？赡苁且驗槠渲荒艽龠M學生學習非言語知識，無法幫助學生言語化地歸納和概括規(guī)則或原理。許多“自我解釋”研究表明，提示學生進行言語解釋（無論是自己解釋還是教學提供解釋）通常可以幫助產(chǎn)生有效學習[9]。但是當學生學習非言語知識時，如“自我解釋”這樣的言語化活動可能會干擾學習[10]。雖然許多教師重視規(guī)則或原理的言語表達，為了之后可以進行推理論證，為未來學習做準備，但可能對當前學習的效果不明顯。因此，教師在設計教學時應該考慮要學習的知識內(nèi)容是否有必要言語化。

（三）知識成分的原理性與教學設計

類似于考慮知識成分的言語性，教師應該考慮知識成分的基本原理來設計教學。KLI理論推測，有基本原理的知識所需要的教學設計應該促進學生建構(gòu)問題解決的規(guī)則等，例如課堂討論和解釋性教學[11]。因此，解釋性教學等促進學生規(guī)則建構(gòu)的教學對于有基本原理的知識來說是有利的，但對無基本原理或原理不具普遍性的知識來說是沒有效果的甚至有害（冗余效應）[12]。

三、總結(jié)

區(qū)別知識種類對教學設計的有效性有重要意義，可以幫助解決教學決策中的矛盾。KLI理論強調(diào)，許多學習過程和教學設計不受限于領域，而是由知識種類決定的，教學決策不應該和學習領域聯(lián)系。例如，在數(shù)學學習的方面，給學生提供的教學通常是樣例、解釋性教學等相對較充分的教學，從KLI理論中我們可以推測，對于如圖形面積公式這樣的數(shù)學領域知識，純練習可能是一個理想的選擇。同樣，第二語言學習通常得益于背誦（詞匯），其他方面（語用）可能受益于對話、解釋和練習的結(jié)合。

Koedinger等人充分論證了理論的普遍性，教育工作者應用該理論時需要注意以下幾點：第一，理論中的許多結(jié)論是作者基于現(xiàn)有研究的推測，所以未來研究需要設計實驗來驗證理論中的知識分類是否合理有效，進一步探索是否需要對分類進行補充或是刪除。第二，教師不僅要針對知識種類的不同設計教學，還要注意學生的先備知識水平，也就是說，知識種類不是教學決策的唯一決定因素，只是在實際教學中學生的先備知識水平通?；疽恢拢▽W生的年級相同，要學習的知識通常是新知識）。第三，該理論對知識的分類并非否定其他教育學家的知識分類，這個分類和其他理論相比，它們對知識的分析水平不同，應用的領域也有所不同，例如，認知負荷理論只關注復雜學習領域，而KLI理論則強調(diào)原理應用領域的普遍性。

參考文獻

[1]Cooper G，Sweller J. Effects of schema acquisition and rule automation on mathematical problemsolving transfer[J]. Journal of Educational Psychology，1987，79 （4）：347-362.

[2]Roediger H L，Karpicke J D. The power of testing memory[J]. Perspectives on Psychological Science，2006，1（3）：181-210.

[3]Sweller J，Ayres P & Kalyuga S. Cognitive load theory[M]. New York：Springer，2011.

[4]Koedinger K R，Corbett A T & Perfetti C. The knowledge-learning-instruction （KLI）framework：bridging the science-practice chasm to enhance robust student learning. Cognitive Science[J]，2012（36）：757-798.

[5]Anderson J R，Lebiere C. The atomic components of thought[J]. Journal of Mathematical Psychology，1995，45（6）：917-923.

[6]Aleven V，Koedinger K R. An effective metacognitive strategy：Learning by doing and explaining with a computer-based cognitive tutor[J]. Cognitive Science， 2002，26（2）：147-149.

[7]Chen O，Kalyuga S & Sweller J. The worked example effect，the generation effect，and element interactivity[J]. Journal of Educational Psychology，2015，107：689-704.

[8]Catrambone R. The subgoal learning model：creating better examples so that students can solve novel problems[J]. Journal of Experimental Psychology General，1998，127（4）：355-376.

[9]Chi M T H，de Leeuw N，Chiu M H & LaVancher C. Eliciting self-explanations improves understanding[J]. Cognitive Science，1994，18（3）：439-477.

[10] Schooler J W，F(xiàn)iore S & Brandimonte M A. At a loss from words：Verbal overshadowing of perceptual memories[J]. Psychology of Learning and Motivation，1997，37（8）：291-340.

[11] Michaels S，OConnor C，Resnick L B. Deliberative Discourse Idealized and Realized：Accountable Talk in the Classroom and in Civic Life[J]. Studies in Philosophy & Education，2007，27（4）：283-297.

[12] Chandler P，Sweller J. Cognitive Load Theory and the Format of Instruction[J]. Cognition & Instruction，1991，8（4）：293-332.

（作者單位：遼寧師范大學心理學院，大連，116029）

編輯/于 洪 終校/肖亦華