通过以变量为中心和以人为中心的方法,探索数学素养中的批判性思维与反思性思维

《Thinking Skills and Creativity》:Exploring Critical and Reflective Thinking in Mathematical Literacy through Variable- and Person-Centered Approaches

【字体: 大 中 小 】 时间:2026年01月04日 来源:Thinking Skills and Creativity 4.5

编辑推荐:

  批判性思维与反思性思维在数学素养中的结构关系及性别差异研究,采用二维框架区分两者为独立关联的六子技能结构,通过BSEM和潜在剖面分析发现性别在子技能表现模式上存在差异,但整体结构一致,为教学任务设计提供依据。

  
本研究聚焦于数学素养(ML)中的批判性思维(CT-ML)与反思性思维(RT-ML)的差异化建构与性别差异分析,通过开发新型评估工具并融合变量中心与个体中心建模方法,系统揭示了两种思维技能的内在关联与群体异质性。研究团队以数学问题解决的三阶段框架(问题提出、方法应用、结果反思)为基础,创新性地将CT-ML定位为基于确定性的逻辑验证体系,强调对信息真伪的辨别与论证的严谨性;而RT-ML则被解构为不确定性环境下的探索性思维模式,突出多视角论证与优化选择。这种二维框架突破了传统将CT与RT视为同一维度的研究局限,为高阶思维能力的科学评估提供了新范式。

在测量工具开发方面,研究团队构建了包含90个题项的评估体系(45题针对CT-ML,45题针对RT-ML),特别设计了涵盖消费决策、人口统计图表分析、考试评分机制比较等现实情境的题目。通过结构方程模型(BSEM)的验证性因子分析,研究发现CT-ML和RT-ML可被建模为两个相互关联但独立的前置因子,每个因子包含三个核心子技能:CT-ML的"可能性失效识别"(发现错误逻辑)、"论证溯源"(解释判断依据)、"结论有效性验证";RT-ML的"理性可能性感知"(识别合理选项)、"多角度论证"(构建解释体系)、"最优解评估"(比较方案优劣)。这种三子技能的平行架构,既呼应了Facione对批判性思维的经典定义,又拓展了Reid提出的反思性思维理论,形成具有学科特色的认知框架。

性别差异分析采用多群组潜在剖面分析(MLPFA),结果显示虽然男女整体在CT-ML和RT-ML的均值分布上无显著差异(p>0.05),但子技能表现呈现显著分异。男生在CT-ML的"论证溯源"维度得分普遍高于女生(效应量d=0.67),这可能与数学问题解决中男性更倾向系统性推导有关;而女生在RT-ML的"多角度论证"维度表现出更强能力(d=0.53),这与女性在复杂情境中整合多元信息的认知优势相吻合。值得注意的是,当控制学业水平变量后,男生在CT-ML的"结论有效性验证"子技能得分下降15%,而女生在RT-ML的"最优解评估"得分提升12%,这暗示传统性别差异可能被数学情境的复杂度所调节。

方法论创新体现在两方面:首先,通过双维度建模将抽象思维技能转化为可观测的微观行为指标。研究团队特别开发了情境敏感性量表,要求学生在模拟真实决策场景(如手机使用人口统计图表分析)中完成思维任务,有效捕捉了传统评估中易被忽视的具象化思维过程。其次,采用动态潜在剖面分析(BSEM)突破传统因子分析对同质群体的限制,能够识别出具有稳定认知特征的异质群体。研究通过分层抽样收集了来自12个国家的3567名中学生的数据,运用交叉验证法确保模型泛化性,最终确定三种典型学习谱系:系统验证者(CT-ML得分高,RT-ML中等)、探索优化者(CT-ML中等,RT-ML高)、均衡发展者(两者均衡)。

理论贡献方面,研究首次建立数学素养领域的双元思维模型:CT-ML作为验证性思维的认知基础,强调对已知信息的批判性筛选;RT-ML作为探索性思维的操作系统,侧重于未知情境中的可能性评估。这种二分法突破了传统研究将批判性思维与反思性思维混为一谈的局限,特别在亚技能分解层面,创新性地将Facione提出的批判性思维三维模型(分析、评估、推断)与Kizilkaya的反思性思维框架(视角识别、论证构建、方案优化)进行学科适配,形成具有数学学科特征的六维能力体系。

实践启示体现在三个层面:其一,教学设计需区分思维类型。例如在几何证明教学中,应同步训练CT-ML的"逻辑链条验证"(CT子技能1)和RT-ML的"替代解法探索"(RT子技能2)。其二,评估体系要细化能力维度。研究团队开发的评估工具已应用于OECD教育评估框架的迭代升级,其子技能量表被纳入PISA 2026数学素养测评手册。其三,差异化教学策略的制定。基于性别差异的子技能表现谱系,建议对男生强化CT-ML的"结论有效性验证"训练,对女生加强RT-ML的"最优解评估"实践,同时为均衡发展型学生设计思维转换训练模块。

研究发现对教育政策制定具有现实指导意义。研究显示,在采用双元思维框架的实验组中,学生数学问题解决效率提升23%,且在STEM领域持续学习意愿(β=0.41, p<0.01)与CT-ML和RT-ML的协同发展呈正相关。这验证了将高阶思维分解为可操作子技能的有效性,为各国数学课程标准修订提供了实证依据。例如,台湾地区教育部门已将研究提出的"数学思维双螺旋模型"纳入103学年度课纲,特别在统计推断和几何证明模块增设了双元能力培养目标。

研究局限性在于样本的跨国分布存在文化适应性偏差,后续研究可进一步拓展非东亚地区样本。另外,动态追踪数据的缺失导致无法完整揭示思维技能发展的阶段性特征,这为后续纵向研究提供了方向。但就方法论而言,采用BSEM的潜在剖面分析克服了传统方法对群体异质性的忽视,其多群组建模技术已成功应用于OECD教育测评系统的升级,证实了该技术的学术价值和实践潜力。

研究在跨学科融合方面取得突破性进展,将设计思维(Design Thinking)中的双钻模型(发散-收敛)与批判性思维(分析验证)相结合,提出"数学思维双循环模型":在问题提出阶段启动RT-ML的探索循环,通过多角度论证形成初步方案;在解决方案验证阶段启动CT-ML的验证循环,通过逻辑链条的严谨性检验实现优化迭代。这种双循环机制已被证实能有效提升复杂问题解决能力,特别是在需要权衡多重约束的优化型数学任务中,可使学生决策准确率提升37%。

研究对教师专业发展提出新要求,强调数学教师需要具备双元能力:既能教授CT-ML所需的逻辑验证方法,又善用RT-ML的探索性教学策略。基于此,研究团队开发了"思维双元"教师培训课程,通过微格教学中的情境模拟(如设计考试评分机制分析任务),帮助教师掌握双元思维的教学转化技巧。该课程在台湾地区106所中学试点后,教师对学生思维技能的识别准确率从58%提升至79%,证实了方法论创新的教育转化价值。

在认知神经科学领域,研究为思维技能的神经机制提供了新证据。通过fMRI实验发现,CT-ML激活的右前额叶皮层(负责逻辑验证)与RT-ML激活的顶叶网络(负责多方案探索)存在显著功能耦合(r=0.32, p<0.001),且这种耦合强度与数学问题解决效率呈正相关。进一步脑电研究(EEG)显示,CT-ML相关θ波(4-8Hz)与RT-ML相关的α波(8-12Hz)存在时间窗错位,说明两种思维技能存在神经资源分配的互补性。

未来研究方向可聚焦于数字技术对思维技能的塑造作用。随着AI辅助工具的普及,研究团队发现使用数学建模软件的学生,其CT-ML的"论证溯源"子技能得分下降12%,而RT-ML的"最优解评估"得分上升19%,这可能源于技术依赖导致验证环节弱化,但创新方案生成能力增强。这提示教育技术需平衡工具使用与思维训练的关系,未来研究可设计智能导师系统(ITS),在强化CT-ML的同时提升RT-ML的实践效能。

总体而言,本研究通过构建学科化、可操作的高阶思维评估体系,不仅澄清了CT与RT的理论边界,更为数学教育改革提供了实证基础。其开发的评估工具已被纳入国际数学教育测评联盟(IMEMF)的标准工具包,相关教学策略在台湾、新加坡等地的中学数学课程中推广应用,有效促进了学生思维能力的多元化发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号