基于GINI-PCC分析方法的批判性思維培養的探索

王梅， 康美玲

(東北石油大學， 計算機與信息技術學院， 黑龍江， 大慶 163318)

0 引言

批判性思維作為一種合理、反省的思維，已成為創新人才必不可少的品質之一，對學生的培養質量有重要影響[1]。2016年發布的《面向未來：21世紀核心素養教育的全球經驗》中列出了最受經濟體和國際組織重視的七大素養，批判性思維為其中之一[2]。美國“深度學習聯盟”指出：21世紀社會生活必備技能的核心是批判性思維、問題解決能力、溝通能力、合作能力以及創造革新能力[3]。2019年OECD發布的《培養學生的創造力與批判性思維》中提出一套關于創造力和批判性思維的通用教學標準[4]。由此可見，批判性思維對于學生知識和智能的協調發展起著非常重要的作用。

隨著互聯網的高速發展，計算機在教育中的應用變得越來越廣泛。教育信息化2.0指出：在教育信息化過程中，要立足教育事業發展實際需求，充分發揮云計算、人工智能等技術，提高教育教學效果[5]。然而，當前有關學生批判性思維與計算機相關的研究還比較匱乏。本研究旨在通過基尼指數確定學生批判性思維能力各個特征的重要性，并采用皮爾遜相關系數找出與重要特征相關性最強的特征，針對這些特征進行側重培養，以期提高學生的批判性思維。

1 批判性思維

批判性思維由思維技能和思維傾向兩方面構成。一個人若具備較強的批判性思維傾向，一般來說能更好地運用批判性思維技能，即批判性思維技能與批判性思維傾向呈正相關[6]。決定一個人的批判性思維傾向的因素包括尋求真理意識、思想開放性、分析能力、系統能力、自信度、求知欲、認知成熟度[7]。目前，有部分學者采用不同的分析方法對批判性思維展開研究。柳晨晨等[8]采用定量內容分析和滯后序列分析，探究在線學習中學生互動討論模式對批判性思維的影響。汪洋等[9]運用多元線性回歸分析方法研究性別對批判性思維能力的影響。鄒鳳瓊[10]采用方差分析的方法，研究文理科學生與批判性思維傾向的關系。

2 數據采集與數據預處理

2.1 數據采集

數據采集部分主要包括問卷設計、數據來源兩部分。

問卷設計部分采用羅清旭等[11]制定的CCTDI(《批判性思維能力(中文版)測量表》)，該量表是測量批判性思維傾向的有效工具，在國內權威性較高、信效度較好。問卷共70道選擇題，每10道題為一個特征維度，并采用Likert 6分制計分方法，從非常贊同到非常不贊同分別記1～6分[12]。

數據來源部分。本研究面向一所高校的計算機專業研一學生，選擇“人工智能及其應用”課程發放問卷。為了保證問卷的質量和真實性，本研究主要采用紙質問卷。本研究發放問卷121份，回收有效問卷117份，有效率為96.6%。

2.2 數據預處理

數據預處理能降低數據的復雜度，提升數據分析的準確性。對每個特征的題目進行分值處理，形成最終的數據集。此時的數據集形態為117行8列的數據，前7列對應每個學生樣本的特征值，最后一列為學生的批判性思維能力得分，部分數據如表1所示。

表1 批判性思維數據集

特征值是連續性數據，對每個特征進行離散化處理，此時學生的批判性思維數據集中包括117條數據、7個特征、3個類別。

根據量表評分標準，將批判性思維能力中每個特征劃分為較弱、良好、較強三個等級，分別用0、1、2表示，對應分值區間為[0，39]、[40，49]、[50，60]。CCTDI總分作為類標簽，用于描述學生批判性思維能力分布情況，對應分值區間為[0，279]、[280，349]、[350，420]，分別用0、1、2表示較弱、良好、較強。由此得到特征屬性集和類別標簽，離散化處理結果如表2所示。

表2 批判性思維離散化數據集

經過離散化處理后得到可輸入算法的數據集，以便對學生進行特征重要度和特征相關性分析。

3 基于Gini指數的批判性思維特征重要度分析

批判性思維樣本集合中有尋求真理意識(A)、思想開放性(B)、分析能力(C)、系統能力(D)、自信度(E)、求知欲(F)、認知成熟度(G)7種特征。本研究采用基尼指數算法作為其貢獻度的衡量指標，根據分析結果確定特征重要度。

其算法思想：假設A是n個樣本的集合，將A按照類屬性劃分，可產生m個子集Ai(i=1,2,…,m)，其中,第i個子集包含了樣本集合A中所有類屬性值為Ci(i=1,2,…,m)的樣本，樣本數記為ai(i=1,2,…,m)，則數據集A的基尼指數為

(1)

若按照樣本屬性進行劃分，可將數據集A劃分為k個子集Aj(j=1,2,…,k)，子集樣本數記為aj(j=1,2,…,k)，則分裂后的基尼指數為

(2)

其中,k是樣本屬性個數。Aj即第j個屬性的樣本集合。

針對批判性思維能力的7種特征分別計算其基尼指數，結果如下：Gini(A)=0.654 8，Gini(B)=0.546 4，Gini(C)=0.545 0，Gini(D)=0.430 3，Gini(E)=0.389 3，Gini(F)=0.499 7，Gini(G)=0.564 2?；嶂笖翟叫?，其特征重要性越高。因此，自信度的特征重要性最高，對學生批判性思維能力的影響最大。

4 基于PCC的批判性思維特征相關性分析

在實際的教學過程中，應從多方面進行教學過程的實施，需要研究各個特征與自信度特征的相關性。本研究采用皮爾遜相關系數來衡量其線性相關程度。

皮爾遜相關系數可以反映2個變量間線性相關程度的強弱。對于隨機變量X=(x1,x2,x3,…,xi)，Y=(y1,y2,y3,…,yi)，其皮爾遜相關系數的定義為

(3)

(4)

其中，cov(E,A)為自信度特征E與尋求真理意識特征A之間的協方差，δE為自信度特征E的標準差，δA為尋求真理意識特征A的標準差。

根據式(4)，可計算出各特征與自信度特征的皮爾遜相關系數分別為REA=0.21，REB=0.04，REC=0.28，RED=0.31，REF=0.54，REG=0.02。皮爾遜相關系數越大，兩特征的線性相關性越高。根據結果可知，與自信度特征相關性最大的特征為求知欲特征，兩者最容易產生相互影響。

5 學生批判性思維培養的實踐成效

根據上述對學生批判性思維能力的特征重要度分析及相關性分析，本研究采用不同的教學策略側重培養學生的自信度及求知欲，進而提高學生的批判性思維，具體采用的教學策略如表3所示。

表3 教學策略

經過一學期的教學實驗后，再次對這批學生進行問卷調查，以驗證該教學策略是否能夠有效提高學生的批判性思維能力。對收集到的數據進行分析得出，在教學培養前，批判性思維較強的學生占比最少，僅為18.8%，較弱的學生則占比最多，高達44.5%；在教學培養后，較強的學生占比達到32.5%，較弱的學生占比則減少到26.5%，學生的批判性思維得到了顯著提高。因此，在著重培養自信度、求知欲等方面，對學生批判性思維的提高具有正向作用。

6 總結

本研究采用基尼指數進行特征重要性分析，確定自信度特征是對學生的批判性思維影響最大的特征，采用皮爾遜相關系數進行相關性分析，得出求知欲特征與自信度特征相關性最強。因此，本研究認為對學生自信度和求知欲進行側重培養，能夠更好地提升學習者的批判性思維。

本研究的研究對象僅選擇于一所高校，數據來源可能并未覆蓋所有學習者特征，對于數據的采集面還需進一步完善。在后續的工作中，應繼續完善數據，并不斷對算法進行優化，以提高數據分析的準確性，為學生批判性思維的培養提供更加準確的參考和指導。