愿景

帮助老师教得更好,帮助学生学得更好

使命

推动经得起检验的深层教和学,促进知识的创造和创造性的使用

为了系联的世界中的新教育模式——人类知识高速公路上的以高层知识生成器为目标的理解型学习

口号

透彻联系,看到整体

中心简介

基于“认知和教育中的系统科学”研究的共同兴趣,基于对“帮助老师们教的更好,帮助学生们学得更好”的共同愿景,我们成立了北京师范大学系统科学学院 教育系统科学研究中心。

名词解释

这里解释了浏览本站需要的知识准备,包含教和学的目的、学科大图景、知识的层次、知识生成器、理解型学习、深层教和学、人类知识高速公路。点击展开。推荐本站严肃读者必看。

中心核心理念的概念地图

教和学的目的

学习的目的是为了成为提出问题、解决问题、创造知识、创造性地使用知识、或者能够欣赏知识的创造和创造性地使用的人。教的目的是为了帮助学习者更好地达成这个学习的目的,通过例如帮助学习者学会学习。

知识的重复性使用,也就是把知识按照其已经被使用过得方式用到其已经被使用过的场合,不是教育的基本目的。

学科大图景

一个学科的典型研究对象、典型研究问题、典型思维方式、典型分析方法、和世界以及其他学科的关系。

知识的层次和知识生成器

知识分为第一层事实性和程序性知识,第二层学科概念以及概念之间的关系的知识,第三层学科大图景尤其是学科思维的知识,以及第四层一般性的人类思维(包含批判性思维和系联性思考,系联性思考包含层次性思维和类比思维)以及基于这些思维的教和学的方法的知识。其中,第二层知识称为第一层知识的生成器,也叫“浅层知识生成器(Shallow Knowledge Generator)”;第三层知识称为第二、一层知识的生成器;第四层知识称为第三、二、一层知识的生成器;后两者称为“高层知识生成器(Advanced Knowledge Generator)”。

把某个学科的知识之间的这样的上下左右联系都明确标注出来构成的网络称为学科知识网络。各个学科以及还没有独立为学科的知识的网络合起来的整体称为“人类知识高速公路”。

一般性人类思维

我们进一步猜测,一般性人类思维的基本形式只有质量维度的批判性思维和方式维度的系联性思考,而系联性思考包含层次性思维和类比思维,也就是上下贯通和左右贯通。如果这个猜测成立,则教和学完全可以看做是先通过上下左右贯通的方式来达到学会这个上下左右贯通的一般性人类思维,然后,再把这个一般性人类思维用于具体学科的典型对象和典型问题,得到具体学科的知识。在这个意义上,学科的教、学和研究,是完全统一的,教和学不过就是已经有了答案但是假装没有答案的研究(顺便,我们称之为“创造体验式学习”)。甚至,进一步,人工智能的研究也可以看做是,先训练出来掌握上下左右贯通这个一般性人类思维的算法,然后,把这样的具有核心能力的算法用于具体问题上来解决具体领域的问题。

当然,是否人类一般思维确实都可以分解成上下左右贯通,是否以一般性人类思维为目标的教和学可以培养提出和解决问题、创造和创造性地使用知识、探索世界的人,是否人工智能可以找到实现这个一般性人类思维的算法并且进而用这个基本算法来更好地解决具体问题,都需要探索和实验。不过,你看,至少,在咱们的理念下,教、学、研究、用于人工智能,有一个整体性的方向和框架啊——“大图景指导下的教、学、研究和人工智能”。

理解型学习:上下左右贯通

理解型学习是指利用了上下层知识之间的联系、同层知识之间的左右联系、具有类似结构的不同领域之间的左右联系来教和学的方式。反过来,不利用知识之间的上下左右联系,把知识孤立起来通过整体记忆和记忆提取练习来学习这个知识的过程称为机械式学习。一般我们把从下到上叫做总结(提升、归纳、抽象),从上到下叫做生成(演绎、运用)。

深层教和学

教和学的目标知识的层次决定了教和学的层次。例如,“第一层教和学”就是把第一层知识当做教和学的目标。

我们把“机械式的第一、二、三、四层教和学”和“理解型的第一层教和学”都称为浅层教和学(Shallow Teaching and Learning),把“理解型的第二层教和学”称为中层教和学(Halfway Teaching and Learning),把“理解型的第三层或者第四层教和学”称为深层教和学(Deep Teaching and Learning)。也就是说,“深层教和学”就是“以高层知识生成器为目标的理解型教和学”。

人类知识高速公路上的以高层知识生成器为目标的理解型学习

就如已经看出来的,我们正在研究和推广的新教育模式是人类知识高速公路上的以高层知识生成器为目标的理解型学习,也称为人类知识高速公路上的深层教和学,有的时候简称为深层教和学,或者理解型学习。

通过在人类知识高速公路上开展以高层知识生成器为目标的运用知识之间的上下左右联系来教和学,我们可以实现“教的更少,学得更多”,“越往上学,越透彻,记住的东西越少,看到的联系越多,学习成本越低”,“每个学习者可以学成自己想要的四不像”。这样的学习也应该可以促进知识的创造和知识的创造性使用。

当然,所有的对这个新教育模式的期望,都需要等待我们下一步具体研究工作的证明或者证伪。

这个长长的介绍也有一个演示文档的版本:中心研究鸟瞰.

研究工作定位

给教育提供的附加值

中心为教育和教育研究增加的核心价值是:

  • 系统——从孤立到有联系,从直接联系到间接联系,上下左右贯通;
  • 科学——问题和数据驱动,计算、建模,实验检验。

开展人类知识高速公路上的深层教和学的研究

建设人类知识高速公路,研究人类知识高速公路上的学习顺序算法和检测算法,对比理解型学习和机械式学习的脑活动和行为效果,研究促进理解型学习的方法。跟目前的教育神经科学主要研究的浅层教和学不同,我们主要研究深层教和学。

促进基于数据和基于实验的研究

教和学的行为和脑活动数据,实验室实验、课堂实验和田野调查相结合。建模计算和实验检验相结合。

融合多个学科

系统科学、知识学科领域(对学科现有知识的理解和学科研究经验)、脑与认知科学,合起来用于教和学以及相适配的教和学的管理的研究。系统科学是其中的粘合剂。

给教师和学生提供教和学的脚手架

超越纯粹思辨,提供可操作的抓手,理念、基础架构、工具和使用方法并重。

研究中心定位:问题驱动的开放性研究机构

围绕“帮助老师们教得更好,帮助学生们学得更好”的愿景提出和募集研究问题,募集研究经费,帮助一部分研究者全身心做好研究工作。只要你是这样的人,欢迎来一起玩。

联系我们

  • iess.sec@bnu.edu.cn
  • 新街口外大街19号(19 Xinjiekouwai St.), 北京(Beijing), 海淀区(Haidian) 100875