戴維·H·喬納森

摘 要：綜合十年的研究，作者描述了意義學(xué)習(xí)的一種分類辦法。最有意義的學(xué)習(xí)結(jié)果是解決問題。在這種分類法中，四種不同的問題解決按層次方式排列。解決問題的先決條件是兩種基本的推理技能——類比推理和因果推理，這是解決所有問題的基礎(chǔ)。這些推理的形式要求運用概念，以及由概念和關(guān)系組成的低階命題和高階命題。解決問題的教學(xué)應(yīng)該是讓學(xué)習(xí)者解決問題，對結(jié)構(gòu)相似的問題進(jìn)行類比式比較，對問題空間中包含的因果關(guān)系（高階命題）進(jìn)行分析。

關(guān)鍵詞：意義學(xué)習(xí);分類學(xué);問題解決;學(xué)習(xí)遷移

中圖分類號：G434文獻(xiàn)標(biāo)志碼：A文章編號：2096-0069（2021）03-0087-06

收稿日期：2020-03-03

基金項目：國家自然科學(xué)基金面上項目“基于智能教學(xué)系統(tǒng)的精準(zhǔn)教學(xué)模式與發(fā)生機(jī)制研究”（61977057）

作者/譯者簡介：戴維 H.喬納森（1947—2012），已故國際頂尖教育技術(shù)學(xué)家。曾是密蘇里-哥倫比亞大學(xué)信息科學(xué)與學(xué)習(xí)技術(shù)學(xué)院杰出的教育學(xué)教授，著述等身，貢獻(xiàn)卓著，影響深遠(yuǎn)，主要研究建構(gòu)主義學(xué)習(xí)設(shè)計，聚焦高階能力;盛群力（1957— ），男，上海崇明人，浙江大學(xué)教育學(xué)院教授、博士生導(dǎo)師，研究方向為教學(xué)理論與設(shè)計。

文獻(xiàn)來源：Jonassen， D. H. A Taxonomy of Meaningful Learning. Source： Educational Technology， Sept.-Oct.2007， Vol.47， No.5， pp.30-35.

分類學(xué)是用來組織和描述實體的相關(guān)系統(tǒng)的分類方式。最廣為人知的分類學(xué)是將生物分為界、門、綱、目、科、屬和種。在學(xué)習(xí)領(lǐng)域，分類法是由布盧姆等人[1]在1956年提出的，他們闡述了學(xué)習(xí)結(jié)果的分類學(xué)，以描述評估項目的目標(biāo)。他們對學(xué)習(xí)結(jié)果的分類（知識、理解、應(yīng)用、分析、綜合和評價）本質(zhì)上是一種層級結(jié)構(gòu)，這意味著在層級結(jié)構(gòu)越上位的實體承續(xù)了層級結(jié)構(gòu)越下位的實體的特征。在學(xué)習(xí)結(jié)果的分類中，承續(xù)反映了每個學(xué)習(xí)結(jié)果的先決條件。也就是說，分類學(xué)中較高級的學(xué)習(xí)結(jié)果假設(shè)分類學(xué)中較低級的學(xué)習(xí)結(jié)果是先決條件（例如，學(xué)習(xí)者不能應(yīng)用之前沒有理解過的知識）。

在教學(xué)設(shè)計領(lǐng)域，已經(jīng)創(chuàng)建了許多分類學(xué)來描述學(xué)習(xí)結(jié)果[2][3][4][5]。這些分類的主要目的是為合理排序教學(xué)提供規(guī)則。如果我們認(rèn)為一種技能是另一種技能的先決條件，那么就應(yīng)該按照這樣的順序來開展教學(xué)。雖然這些分類學(xué)極大地促進(jìn)了教學(xué)設(shè)計領(lǐng)域的發(fā)展，但也有其局限性。第一，它們考察的是微觀層面的學(xué)習(xí)結(jié)果，因此對于描述復(fù)雜的、多方面的學(xué)習(xí)結(jié)果是無效的。第二，它們沒有提供一個有意義的學(xué)習(xí)目的。這些分類描述的教學(xué)處方不一定與各種有意義的學(xué)習(xí)結(jié)果有關(guān)。有意義的學(xué)習(xí)是真實的、有目的的、有意的，并不能總是由教師或教學(xué)設(shè)計者事先規(guī)定好。第三，這些分類學(xué)并沒有提供每個學(xué)習(xí)結(jié)果所要求的推理性質(zhì)的具體說明。例如，加涅[6]描述了規(guī)則學(xué)習(xí)結(jié)果，其中概念是先決條件。然而，規(guī)則學(xué)習(xí)卻無法解釋前提概念之間命題關(guān)系的性質(zhì)。第四，它們只把學(xué)習(xí)結(jié)果之間的等級關(guān)系規(guī)定為先決條件。在真實的語境中，當(dāng)學(xué)習(xí)者開始理解發(fā)展高階技能所必需的概念之間的關(guān)系時，就會理解所謂的先決觀念往往與高階技能同時發(fā)生。也就是說，學(xué)習(xí)結(jié)果通常是相輔相成的，某些概念的意義是在完成高階學(xué)習(xí)任務(wù)的背景下掌握的。

在本文中，我提出一個新的分類學(xué)——意義學(xué)習(xí)分類學(xué)。這個分類學(xué)描述意義學(xué)習(xí)所必需的技能。意義學(xué)習(xí)是有意的（目標(biāo)導(dǎo)向的和調(diào)控的）、主動的（動手動腦的和可觀察的）、建構(gòu)的（表現(xiàn)的和反思的）和真實的（復(fù)雜的和情境化的）[7]。這種意義學(xué)習(xí)的分類學(xué)（如圖1所示，并在本文中進(jìn)行了詳細(xì)說明）假設(shè)解決問題是最有意義的學(xué)習(xí)目標(biāo)狀態(tài)。學(xué)會解決問題需要分類學(xué)中兩種共同必需的推理技能——類比推理和因果推理，將各種概念和圖式整合成解決問題所必需的命題。我并不是說這種分類學(xué)是描述所有學(xué)習(xí)結(jié)果唯一的或者必然是最好的方法。相反，這種分類法是將我過去十年的研究綜合為“一種意義學(xué)習(xí)模式”（a model of meaningful learning）的嘗試。

一、問題解決

從過去十年的研究中，我得出結(jié)論：最有意義的學(xué)習(xí)結(jié)果是解決問題。這種說法是基于大量研究充分的證據(jù)。第一，解決問題是真實的。在日常生活和工作中，人們不斷地解決問題。與其他學(xué)習(xí)分類法中描述的結(jié)構(gòu)良好的問題，如加涅的高級規(guī)則學(xué)習(xí)[8]相對照，真實的問題往往是結(jié)構(gòu)不良的?？?波普爾曾經(jīng)聲稱“所有的生活都是解決問題”[9]。第二，解決問題為學(xué)習(xí)提供了目的。沒有學(xué)習(xí)的意圖，意義學(xué)習(xí)很少發(fā)生。當(dāng)學(xué)習(xí)者試圖解決一個問題時，有必要構(gòu)建并檢測問題發(fā)生時概念系統(tǒng)的心理模型。第三，幾乎所有關(guān)于情境學(xué)習(xí)的研究都表明，在以基于項目和以基于問題的學(xué)習(xí)環(huán)境中，在解決問題的背景下構(gòu)建的知識更有意義。也就是說，這樣的知識更有包容性、更容易保持和更可能遷移。第四，在解決問題時形成的知識本體論地位高于傳統(tǒng)的課程。在解決問題的過程中建立起來的知識才具有認(rèn)識論和現(xiàn)象學(xué)（epistemological and phenomenological）的價值，這是更有意義的知識形式[10]。第五，數(shù)十年的研究表明，基于問題的學(xué)習(xí)可以提高記憶力、推理能力和終身學(xué)習(xí)能力[11]。

正如前面提到的，問題在結(jié)構(gòu)化方面是不同的（從結(jié)構(gòu)良好到結(jié)構(gòu)不良），問題的復(fù)雜性、動態(tài)性和場景性也各不相同?；谶@些特征，喬納森[12]闡述了一種問題類型學(xué)（a typology of problems），包括算法問題、故事問題（應(yīng)用題）、規(guī)則使用/規(guī)則歸納問題、決策問題、故障/排除問題、診斷/解決問題、策略執(zhí)行問題、政策分析問題、規(guī)劃問題、設(shè)計問題和困境。盡管問題的類型并不是為了暗示分類關(guān)系，但是圖1還是可以推測某些類型問題之間存在著分類關(guān)系。具體地說，政策分析、診斷/解決和規(guī)劃問題都需要各種形式的決策;設(shè)計問題需要政策分析、診斷和規(guī)劃等解決問題的能力。有些問題只需要做決定（例如，什么樣的保險政策對我來說最好），而另外一些通常更復(fù)雜的問題，如設(shè)計和規(guī)劃問題，需要迭代的決策周期。由于問題解決的復(fù)雜性，傳統(tǒng)的學(xué)習(xí)分類法無法解釋解決復(fù)雜問題所必需的概念整合和高階推理過程。

我認(rèn)為，這些不同類型的問題解決有兩個分類的必要條件（不一定是先決條件）——類比推理和因果推理，它們集成了各種概念（圖式）作為必要條件。類比推理要求學(xué)習(xí)者從一個或多個問題中歸納出一個問題圖式，并將其推廣到其他問題中。生成問題圖式是新手解決問題的缺失環(huán)節(jié)[13]。這些問題圖式必須包括問題的結(jié)構(gòu)屬性，這需要理解問題元素之間的因果關(guān)系。這些結(jié)構(gòu)屬性幾乎完全由因果關(guān)系來定義。構(gòu)建問題的因果表征是發(fā)展問題空間的概念模型的必要條件[14]，這是解決問題的基礎(chǔ)。

類比推理和因果推理將概念相互聯(lián)系起來，這些概念就成為類比推理和因果推理的先決條件關(guān)系或者同步關(guān)系。然而，我對概念的假設(shè)與以往分類學(xué)中隱含的傳統(tǒng)的概念觀點有很大的不同。概率論/原型論和范例論迎合了一些概念固有的模糊性。我的假設(shè)是，概念只能被完全理解為一個“概念轉(zhuǎn)變”的過程、概念框架的重組，以及對正在使用的概念模式的評估[15]。下面我將簡要介紹這些概念的作用和每種推理技能，以及它們與解決問題的關(guān)系，然后再介紹類比推理和因果推理，最后討論它們?nèi)绾沃С纸鉀Q問題。

二、運用概念

運用概念是心理表征現(xiàn)象。運用概念是產(chǎn)生意義和開展交流的基礎(chǔ)，在人類的推理中起著重要作用。運用概念包括分類、學(xué)習(xí)、記憶、演繹推理、解釋、問題解決、概括、類比推理、語言理解和語言加工[16]。傳統(tǒng)的學(xué)習(xí)處方是根據(jù)概念所描述的類別中所有成員的歸因相似性來描述概念的名字。也就是說，任何概念的例子都是彼此相似的，因為它們共享基本特征、性能或?qū)傩?。理解一個概念意味著能夠正確地對任何概念的新實例進(jìn)行分類。概念學(xué)習(xí)是一種離散的學(xué)習(xí)結(jié)果，它與其他學(xué)習(xí)相關(guān)聯(lián)，是學(xué)習(xí)的前提。先決關(guān)系的性質(zhì)從來沒有予以明確。

人自然會建立個人理論或模型來解釋世界。通過經(jīng)驗和反思，人構(gòu)建概念，并在學(xué)習(xí)的過程中加入理論。概念是人類思想和行為的基礎(chǔ)[17]。適應(yīng)和重構(gòu)這些理論的認(rèn)知過程是“概念轉(zhuǎn)變”[18]。當(dāng)學(xué)習(xí)者改變對所使用概念的理解以及概念框架內(nèi)的組織方式時，概念轉(zhuǎn)變就發(fā)生了。我之前曾提出[19][20]，與其將概念視為離散的學(xué)習(xí)結(jié)果，設(shè)計師應(yīng)該檢查使用中的概念，因為孤立學(xué)習(xí)的概念缺乏凝聚力，因此在思想構(gòu)建過程中用處不大。用命題網(wǎng)絡(luò)中的謂詞來描述正在使用的概念之間的動態(tài)關(guān)系。概念由屬性正式描述，屬性有一個論證的謂詞。運用概念形成概念之間的關(guān)系，這些概念是接受兩個或多個論證的謂詞。概念是關(guān)系的構(gòu)建模塊;關(guān)系是解決問題所需的心智模型的構(gòu)建模塊。在本文中，我認(rèn)為這些關(guān)系的兩種必備的推理形式是類比推理和因果推理。

三、類比推理

為解決問題，學(xué)習(xí)者必須歸納或建構(gòu)高階問題圖式（又名腳本、問題空間），其中包括命題網(wǎng)絡(luò)。學(xué)習(xí)者需要從解決示例中歸納（建構(gòu)）問題圖式，將圖式存儲在記憶中，然后在解決問題時進(jìn)行類比遷移[21]。在幫助學(xué)生學(xué)習(xí)解決問題時，一個主要的挑戰(zhàn)是讓他們根據(jù)問題的結(jié)構(gòu)成分（即高階命題）來歸納圖式。我稍后會解釋，幫助學(xué)習(xí)者解決問題的高階命題（有兩個或兩個以上論據(jù)的命題）是因果命題。不幸的是，學(xué)習(xí)者往往會根據(jù)被解決問題的對象或?qū)傩缘南嗨菩?，特別是故事線和對象的對應(yīng)關(guān)系來引出問題圖式[22][23]。這些屬性只是帶論證的命題。當(dāng)面對一個新問題時，他們會嘗試應(yīng)用問題圖式，這個問題圖式是基于對問題的表面屬性進(jìn)行類比，而不是對其結(jié)構(gòu)特征進(jìn)行類比。結(jié)構(gòu)特征即使不是唯一的，很大程度上也是一種因果關(guān)系。當(dāng)學(xué)生學(xué)會根據(jù)示例中共享的結(jié)構(gòu)關(guān)系對問題圖式進(jìn)行類比時，就會改善遷移[24][25]。為了在學(xué)習(xí)解決問題的同時促進(jìn)圖式歸納，最成功的方法是類比編碼，在這個過程中，學(xué)習(xí)者在遷移之前明確地比較成對問題的結(jié)構(gòu)特征[26]。

另一種學(xué)習(xí)解決問題的方法是類比新問題和以前解決的問題，不是試圖歸納出問題圖式，而是基于案例推理的示例。根據(jù)案例推理，問題解決包括從記憶中或從標(biāo)注問題案例的索引庫中檢索最近的案例，然后重用或調(diào)整它來適應(yīng)一個新問題。當(dāng)遇到新問題時，大多數(shù)人都會嘗試從記憶中檢索以前解決的問題的案例，以便重用舊的案例。如果前一個案例中建議的解決方案不管用，那么必須修改舊的案例[27]。當(dāng)任何一個解決方案得到確認(rèn)時，所學(xué)習(xí)的案例將保留以供以后使用。案例推理是基于一種記憶理論，在這種理論中，情景或經(jīng)驗記憶以腳本的形式出現(xiàn)[28]或故事編碼在記憶中，并在需要時檢索和重用[29][30]。

人們通過嘗試解決問題來學(xué)會解決問題。在解決新問題時，學(xué)習(xí)者會很自然地將這些問題與他們已經(jīng)解決的問題進(jìn)行比較，這個過程需要在問題之間進(jìn)行不同種類的類比推理。對于學(xué)習(xí)解決問題來說，學(xué)習(xí)者試圖歸納問題圖式進(jìn)行類比推理是必不可少的。雖然還沒有嘗試過將圖式歸納法和基于案例的推理方法進(jìn)行直接比較，但通常使用圖式歸納法來支持學(xué)會解決結(jié)構(gòu)良好的問題;基于案例的推理則通常用于學(xué)會解決結(jié)構(gòu)不良的問題。

四、因果推理

如前所述，當(dāng)學(xué)習(xí)者生成圖式，在結(jié)構(gòu)上彼此匹配時，問題解決遷移就會得到改善。結(jié)構(gòu)匹配要求在問題示例中對高階命題進(jìn)行類比。對于問題來說，最完整的命題都是有因果關(guān)系的。因此，正如圖1所示，與解決問題相輔相成的另一種推理是因果推理。

因果推理是最基本的認(rèn)知過程之一，它支撐著包括解決問題在內(nèi)的所有高階活動。休謨把相互作用稱為“宇宙的黏合劑”[31]。因果推理支持四種不同的學(xué)習(xí)結(jié)果：預(yù)測、推斷、解釋和辯護(hù)（論證）?！邦A(yù)測”（prediction）假定因果之間存在一種確定的關(guān)系。從一個條件或一組條件或事件狀態(tài)的描述推理出這些狀態(tài)可能產(chǎn)生的結(jié)果，這就叫做預(yù)測。預(yù)測的兩個主要功能是預(yù)測事件（如經(jīng)濟(jì)預(yù)測或氣象預(yù)報）和驗證假設(shè)，以證實或推翻科學(xué)假設(shè)。當(dāng)一個結(jié)果或狀態(tài)存在而原因是未知的，就需要有一個“推斷”（inference）。從結(jié)果到原因的逆向推理需要推斷過程。推斷的一個主要功能是診斷。因果推理也支持解釋（explanation）。要解釋任何一個實體，需要的不僅僅是對該實體各部分的認(rèn)識。解釋需要理解任何系統(tǒng)中各組成部分之間相互關(guān)系的功能和結(jié)構(gòu)，以及它們之間的因果關(guān)系[32]。最后，對不同解決方案的辯護(hù)（justification）是基于對潛在系統(tǒng)行為的預(yù)測或推斷。

對于大多數(shù)學(xué)習(xí)者來說，因果推理是一種并未熟練掌握的技能，這通常是由于他們學(xué)習(xí)因果關(guān)系的方式所致。以往涉及因果關(guān)系的教學(xué)一般只關(guān)注因果關(guān)系定量的、協(xié)變的屬性，通常過分簡化因果關(guān)系的本質(zhì)。在科學(xué)課中解決問題時，默認(rèn)的教學(xué)方法是將問題陳述轉(zhuǎn)化為公式。這些公式定量地描述了這些因果關(guān)系的性質(zhì)。這些公式傳達(dá)了關(guān)系的方向和配價，但通常忽略了結(jié)果的概率、持續(xù)時間和直接性。學(xué)習(xí)者必須理解這些屬性，以發(fā)展對任何因果關(guān)系的完整理解。要完全理解問題中所代表的對象之間的因果命題，還需要理解因果關(guān)系的基本機(jī)制。許多當(dāng)代的因果理論家認(rèn)為，經(jīng)驗的歸納雖然是必要的，但對于理解因果關(guān)系是不夠的[33]。機(jī)制是解釋因果關(guān)系的理論實體、理論或過程。機(jī)制指定事物的運作方式，回答“為什么”的問題，以指定事件“如何”發(fā)生，與共變一樣，有不同的機(jī)制屬性。

一個重要的機(jī)制屬性是復(fù)雜性。因果關(guān)系通常被認(rèn)為體現(xiàn)為摩爾水平（例如，貨幣政策控制通貨膨脹）。這一摩爾關(guān)系必須被分解成因果關(guān)系（例如，美聯(lián)儲利率改變銀行借貸成本，進(jìn)而影響銀行收取的利率，進(jìn)而影響銀行向客戶借款的成本，等等）。如果學(xué)習(xí)者不能充分闡明這些復(fù)雜的因果過程，他們對機(jī)制理解就是過度簡化了。同樣，他們也無法清楚地說明個別因果關(guān)系的復(fù)雜性。

因果關(guān)系的復(fù)雜性也來自連接的多樣性，即兩個或兩個以上的原因必須共同出現(xiàn)才能產(chǎn)生結(jié)果。然而，效應(yīng)幾乎總是由多個單獨必要和共同充分的因素產(chǎn)生的[34]。因果關(guān)系必須在一個更微觀的層次上解釋，識別產(chǎn)生結(jié)果所必需的原因的連接程度[35]。

除了復(fù)雜性，對因果關(guān)系的機(jī)械解釋的影響效果還必須包括對原因的必要性和充分性的標(biāo)記。此外，學(xué)習(xí)者應(yīng)該能夠識別原因的貢獻(xiàn)度或近因性。充分的原因是一個動因，它本身可以導(dǎo)致一個結(jié)果。一個必要的原因是一個結(jié)果發(fā)生時必須存在，但它本身不能產(chǎn)生這個結(jié)果。貢獻(xiàn)度是指一個行動者幫助產(chǎn)生一種結(jié)果，但這種結(jié)果本身既不是必要的，也不是充分的。近因性是指緊接在結(jié)果之前發(fā)生的動因或事件。一個近因?qū)嶋H上可能是另一個原因的結(jié)果，因此它與最終結(jié)果的關(guān)系是間接的。

知識領(lǐng)域中最常見的高階命題是因果命題。因果關(guān)系定義了大多數(shù)領(lǐng)域關(guān)系的本質(zhì)，因為因果關(guān)系描述的是涉及任何問題的概念之間的功能關(guān)系，而不是歸因關(guān)系。

五、總結(jié)與結(jié)論

在這篇文章中，我簡要地綜合了很多最近對意義學(xué)習(xí)分類學(xué)的研究。在任何領(lǐng)域最有意義的學(xué)習(xí)結(jié)果都涉及解決問題。問題需要學(xué)習(xí)者發(fā)展對任何問題中包含的概念作出理解。這種理解要求學(xué)習(xí)者能夠比較問題示例之間的命題關(guān)系。能夠根據(jù)命題關(guān)系的相似度識別問題類型是學(xué)習(xí)解決不同類型問題的關(guān)鍵。最清楚地描述問題結(jié)構(gòu)的命題關(guān)系是因果關(guān)系。因果關(guān)系要求學(xué)習(xí)者在數(shù)量和質(zhì)量上都理解這些關(guān)系。描述在概念之間定義命題的復(fù)雜因果關(guān)系也是解決問題的關(guān)鍵。因此，我的分類學(xué)包括作為目標(biāo)狀態(tài)，以及類比推理和因果推理的問題，還包括了領(lǐng)域概念之間命題關(guān)系的推理的先決/充分形式。雖然我的分類學(xué)與以前的分類學(xué)有一些相似之處[36]，但只是描述了一種目標(biāo)狀態(tài)，并為需要學(xué)習(xí)的技能的性質(zhì)增加了特異性。

這個分類學(xué)有許多啟示。第一，我認(rèn)為設(shè)計人員應(yīng)該重新關(guān)注有意義的學(xué)習(xí)事件，比如解決問題，而不是孤立的學(xué)習(xí)結(jié)果。喬納森[37]提供了關(guān)于如何支持解決問題教學(xué)的實質(zhì)性建議。第二，領(lǐng)域知識準(zhǔn)備，無論是在問題解決之前提供的還是即時提供的，都應(yīng)該關(guān)注具有相似結(jié)構(gòu)的領(lǐng)域問題的類比。第三，定性地界定這些結(jié)構(gòu)的因果關(guān)系，以支持對這些復(fù)雜關(guān)系的理解，這對于概念性地理解問題是至關(guān)重要的。喬納森等人提供了關(guān)于如何從教學(xué)上支持因果推理的實質(zhì)性建議。第四，概念教學(xué)應(yīng)該關(guān)注運用概念，即定義問題的領(lǐng)域概念如何在命題（因果）關(guān)系中相互關(guān)聯(lián)。在正規(guī)的教育環(huán)境中，我們很少有時間和學(xué)生相處，為什么不好好利用它呢？

[1]BLOOM B S，ENGLEHART M D，F(xiàn)?RST E J，et al.The Classification? ?of Educational Goals：Handbook 1 The Cognitive Domain[M].New York：Longman，1956.

[2][6]GAGN? R M.Learning Hierarchies[J].Educational Psychologist，? 1968，6：1-9.

[3]JONASSEN D H，TESSMER M.An Outcomes-based Taxonomy for Instructional Systems Design，Evaluation，and Research[J].Training Research Journal，1996/97，2：11-46.

[4]LEITH G O M.The Acquisition of Knowledge and Mental Development of Students[J].Journal of Educational Technology Systems，1970，1：116-128.

[5][36]MERRILL M D.Component Display Theory[C]//REIGELUTH C M.Instructional Design Theories and Models：An Overview of Their Current Status.Hillsdale：Lawrence Erlbaum Associates，1983：279-334.

[7]JONASSEN D H，HOWLAND J，MARRA R M，et al.Meaningful Learning with Technology[M].3rd Ed.Columbus：Merrill，Prentice Hall，2007.

[8]GAGN? R M.The Conditions of Learning [M].4th Ed.New York：Holt，Rinehart & Winston，1985.

[9]POPPER K.Alles Lebenist Probleml?sen[M].Munich：Piper Verlag，1978.

[10][19]JONASSEN D H.2006a，Accommodating Ways of Human Knowing in the Design of Information and Instruction[J].International Journal of Knowledge and Learning，2（3/4）：181-190.

[11]HUNG W，JONASSEN D H，LIU R.Problem-based Learning[C]//SPECTOR J M，VAN MERRI?NBOER J G，MERRILL M D，et al， Handbook of Research on Educational Communications and Technology （3rd ed.）.Mahwah： Lawrence Erlbaum Associates，2007：485-506.

[12]JONASSEN D H.Toward a Design Theory of Problem Solving[J].? Educational Technology Research and Development，2000，48（4）：63-85.

[13]CHI M T H，F(xiàn)ELTOVICH J，GLASER R.Categorization and Representation of Physics Problems by Experts and Novices[J].Cognitive Science，1981，5：121-152.

[14]SIMON D P.Information Processing Theory of Human Problem Solving[C]// ESTES ?D.Handbook of Learning and Cognitive Process.Hillsdale：Lawrence Erlbaum Associates，1978：271-295.

[15][20]JONASSEN D H.On the Role of Concepts in Learning and Instructional Design[J].Educational Technology Research and Develop-ment，2006b，54（2）：177-196.

[16]THAGARD P.Conceptual Revolutions[M].Princeton：Princeton University Press，1992.

[17]MEDIN D L.Concepts and Conceptual Structure[J].American Psychologist，1989，44（12）：1469.

[18]VOSNIADOU S.Conceptual Change Research：The State of the Art and Future Directions[C]//SCHNOTZ W，VOSNIADOU S，CARRETERO M.New Perspectives on Conceptual Change. Amsterdam：Pergamon，1999：1-13.

[21]GICK M L，HOLYOAK K J.Schema Induction and Analogical Transfer[J].Cognitive Psychology，1983，15：1-38.

[22]ROSS B H.This is Like That： The Use of Earlier Problems and the Separation of Similarity Effects[J].Journal of Experimental Psychology： Learning，Memory，and Cognition，1987，13：456-468.

[23]ROSS B H.Distinguishing Types of Superficial Similarities：Different Effects on the Access and Use of Earlier Problems[J].Journal of Experi-? ? ?mental Psychology：Learning; Memory，and Cognition，1989，15：? 629-639.

[24]CATRAMBONE R，HOLYOAK K J.Overcoming Contextual Limit-? ? ations on Problem-solving Transfer[J].Journal of Experimental Psy-? ? chology：Learning，Memory，and Cognition，1989，15（6）：1147-1156.

[25]REED S K.A Structure-mapping Model for Word Problems[J]. Journal of Experimental Psychology：Learning，Memory，and Cognition，1987，130：124-139.

[26]GENTNER D，LOWENSTEIN J，THOMPSON L.Learning and Transfer：A General Role for Analogical Encoding[J].Journal of Educational Psychology，2003，95（2）：393-405.

[27]JONASSEN D H，HERNANDEZ-SERRANO J.Case-based Reasoning? ? and Instructional Design：Using Stories to Support Problem Solving[J].? ? Educational Technology Research and Development，2002，50（2）：? 65-77.

[28]SCHANK R C，ABELSON R.Scripts，Plans，Goals，and Under-standing：An Inquiry into Human Knowledge Structures[M].Hillsdale：Lawrence Erlbaum Associates，1977.

[29]SCHANK R C.Tell Me a Story：Narrative and Intelligence[M].Evanston：Northwestern University Press，1990.

[30]KOLODNER J.Case-based Reasoning[M].New York：Morgan Kaufman，1993.

[31]HUME D.A Treatise Of Human Nature[M].Oxford：Oxford University Press，2000.

[32]SEMBUGAMORTHY V，CHANDRASEKARAN B.Functional representations of devices and compilation of diagnostic problem-solving systems[C]//KOLODNER J，RIESBECK C K.Experience，memory，and reasoning.Hillsdale：Lawrence Erlbaum Associates，1986：47-73.

[33]AHN W，KALISH C W.The Role of Mechanism Beliefs in Causal Reasoning[C]//KEIL F C，WILSON R A.Explanation and Cognition.Cambridge：MIT Press，2000：199-225.

[34]CHENG P W.From Covariation to Causation：A Causal Power Theory.[J].Psychological Review，1997，104（2）：367-405.

[35]MARINI M M，SINGER B.Causality in the Social Sciences[J].Sociological Methodology，1988，18：347-409.

[37]JONASSEN D H.Learning to Solve Problems：An Instructional Design Guide[M].San Francisco：Pfeiffer，Jossey-Bass，2004.

（責(zé)任編輯 王策）