Развитие навыков теоретизирования в условиях сложного и быстроменяющегося мира

Обложка

Цитировать

Полный текст

Аннотация

Развитие в современном быстроменяющемся контексте зависит от умения по-новому осмысливать сложные проблемы и принимать решения в условиях неопределенности. Подобные навыки не находятся в фокусе системы образования. В статье представлена методика их формирования путем обучения разработке научных теорий, которая прошла апробацию в одной из школ США. Особое внимание уделено методам преподавания, включая организацию коллективных дискуссий по оценке предлагаемых учащимися теорий, и роли преподавателя в успешной реализации целей курса. Умение выстраивать теории и находить причинно-следственные связи — ценное свойство не только для будущих ученых, но и для всех студентов и школьников, поскольку способствует наращиванию человеческого потенциала для ответа на масштабные вызовы в экономике, экологии, медицине и многих других сферах.

Об авторах

Хиллари Суонсон

Северо-Западный университет

Email: hillary.swanson@northwestern.edu
633 Clark St, Evanston, IL 60208, United States

Аллен Коллинз

Северо-Западный университет

Email: acollins1937@gmail.com
633 Clark St, Evanston, IL 60208, United States

Список литературы

  1. Atkins P. (2010) The laws of thermodynamics: A very short introduction. Oxford: OUP Oxford.
  2. Bang M., Medin D. (2010) Cultural processes in science education: Supporting the navigation of multiple epistemologies // Science Education. Vol. 94. № 6. P. 1008-1026.
  3. Bang M., Warren B., Rosebery A.S., Medin D. (2012) Desettling expectations in science education // Human Development. Vol. 55. № 5-6. P. 302-318.
  4. Bruner J.S. (1977) The process of education. Cambridge, MA: Harvard University Press.
  5. Chi M.T., Feltovich P.J., Glaser R. (1981) Categorization and representation of physics problems by experts and novices // Cognitive Science. Vol. 5. № 2. P. 121-152.
  6. Collins A. (2017) What’s worth teaching: Rethinking curriculum in the age of technology. New York: Teachers College Press.
  7. Devaney R.L. (1992) A first course in chaotic dynamical system: Theory and experiment. Reading, MA: Addison-Wesley Publishing Co.
  8. Devlin K. (2012) Introduction to mathematical thinking. Palo Alto, CA: Keith Devlin.
  9. Di Sessa A.A. (1991) If we want to get ahead, we should get some theories // Proceedings of the Thirteenth Annual Meeting of the North American Chapter of the International Group for the Psychology of Mathematics Education / Ed. R.G. Underhill. Vol. 1 (Plenary Lecture and Reaction). Blacksburg, VA: Virginia Tech. P. 220 -239.
  10. Di Sessa A.A. (2014) The construction of causal schemes: Learning mechanisms at the knowledge level // Cognitive Science. Vol. 38. № 5. P. 795-850.
  11. Einstein A. (1936) Physics and Reality // Journal of the Franklin Institute. Vol. 221. № 3. P. 349-382.
  12. Feyerabend P.K. (1993) Against Method. London: Verso.
  13. Gentner D. (1983) Structure-mapping: A theoretical framework for analogy // Cognitive Science. Vol. 7. № 2. P. 155-170.
  14. Gentner D., Colhoun J. (2010) Analogical processes in human thinking and learning // On Thinking: Vol. 2. Towards a Theory of Thinking / Eds. A. von Muller, E. Poppel, B. Glatzeder, V. Goel, A. von Muller), Heidelberg, New York, Dordrecht, London: Springer, pp. 35-48.
  15. Gick M.L., Holyoak K.J. (1983) Schema induction and analogical transfer // Cognitive Psychology. Vol. 15. № 1. P. 1-38.
  16. Hempel C. (1974) Formulation and Formalization of Scientific Theories: A Summary-Abstract // The Structure of Scientific Theories / Eds. T.S. Kuhn, F. Suppe. Chicago: University of Illinois Press. P. 244-254.
  17. Hempel C.G., Oppenheim P. (1948) Studies in the logic of explanation // Philosophy of Science. Vol. 15. № 2. P. 135-175.
  18. Kolodner J.L., Camp P.J., Crismond D., Fasse B., Gray J., Holbrook J., Puntambekar S., Ryan M. (2003) Problem-based learning meets case-based reasoning in the middle-school classroom: Putting Learning by Design into practice // Journal of the Learning Sciences. Vol. 12. № 4. P. 495-547.
  19. Larkin J.H. (1983) The role of problem representation in physics // Mental Models / Eds. D. Gentner, A.L. Stevens. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc. P. 75-98.
  20. Loewenstein J., Gentner D. (2001) Spatial mapping in preschoolers: Close comparisons facilitate far mappings // Journal of Cognition and Development. Vol. 2. № 2. P. 189-219.
  21. Smith III J.P., diSessa A.A., Roschelle J. (1994) Misconceptions reconceived: A constructivist analysis of knowledge in transition // Journal of the Learning Sciences. Vol. 3. № 2. P. 115-163.
  22. Suppe F. (1972) What's wrong with the received view on the structure of scientific theories? // Philosophy of Science. Vol. 39. № 1. P. 1-19.
  23. Suppe F. (1974) The search for philosophic understanding of scientific theories: Introduction // The structure of scientific theories / Eds. T.S. Kuhn, F. Suppe. Chicago: University of Illinois Press. P. 244-254.
  24. Swanson H. (forthcoming) Refining everyday thinking through scientific theory building // Deeper learning, communicative competence, and critical thinking: Innovative, research-based strategies for development in 21st century classrooms / Ed. E. Manalo. Abingdon-on-Thames: Routledge.
  25. Swanson H., Collins A. (2018) How failure is productive in the creative process: Refining student explanations through theory-building discussion // Thinking Skills and Creativity (Advanced online publication). Режим доступа: , дата обращения 04.02.2019. DOI:https://doi.org/10.1016/j.tsc.2018.03.005
  26. Toulmin S.E. (1958) Introduction to the Philosophy of Science. Watford: William Brendan and Son.
  27. Von Glasersfeld E. (1991) Abstraction, re-presentation, and reflection: An interpretation of experience and Piaget's approach // Epistemological foundations of mathematical experience / Ed. L. Steffe. New York: Springer. P. 45-67.
  28. Warren B., Ballenger C., Ogonowski M., Rosebery A.S., Hudicourt?Barnes J. (2001) Rethinking diversity in learning science: The logic of everyday sense?making // Journal of Research in Science Teaching. Vol. 38. № 5. P. 529-552.
  29. Wilensky U., Rand W. (2007) Making models match: Replicating an agent-based model // Journal of Artificial Societies and Social Simulation. Vol. 10. № 4. Article 2. Режим доступа:http://jasss.soc.surrey.ac.uk/10/4/2.html, дата обращения 04.02.2019.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».