國際科學教育模型和建模研究進展與審思

吳軼鵬　徐學福

摘要： 基于國際科學教育領域480篇模型和建模相關文獻梳理，總體概覽了文獻發(fā)表的時間分布與被引變化。基于關鍵詞的共現(xiàn)分析和文獻閱讀，從模型和建模的認識論、具體內(nèi)容主題、與其他實踐的聯(lián)系以及技術支持下的相關研究四個方面分析了現(xiàn)有研究的進展。基于現(xiàn)有研究發(fā)展的脈絡，思考了國內(nèi)有關模型和建模研究的進路；同時基于現(xiàn)有研究成果，提出了有關模型和建模教學的建議。

關鍵詞： 科學教育； 科學模型； 科學建模； 認識論

文章編號： 10056629（2023）11002206 中圖分類號： G633.8 文獻標識碼： B

科學是一個復雜而多元的活動，包括新知識的形成、證明以及利用這些新知識解釋自然現(xiàn)象的過程。描述科學復雜性的一種方法是將科學定義為構建自然現(xiàn)象的預測性概念模型的過程［1］。據(jù)此觀點，科學被視為一個復雜的、動態(tài)的模型網(wǎng)絡，模型則是科學理論的核心組成，在知識的形成和論證中起著核心作用［2］。模型降低了自然世界的復雜性，放大了特定的對象和關系，增加了它們的可見性和兼容性，因而建模也就成了科學家實踐的核心，用模型思考和推理使科學家能夠可視化他們研究的抽象過程和對象，提供解釋并進行預測，模型和建模也使科學家能更好地表達他們對研究的系統(tǒng)理解，更方便溝通交流。

科學教育的重要目標是促進學生像科學家一樣思考和實踐，而像科學家一樣思考和實踐必然不能脫離對模型和建模的理解和實踐。因此，鑒于模型和建模在科學和科學教育中的基礎性和重要性，本文對國際科學模型和建模相關研究進行梳理，以了解此領域的進展趨勢，為我國模型和建模研究和教學提供參考。

1 總體概覽

研究分析的文獻源于Web of Science（簡稱WoS）核心合集數(shù)據(jù)庫，檢索時間為“所有年份”，截止日期為2023年7月1日，檢索式為“TS=model” and “TS=modeling” and “TS=science education”，檢索出文獻19164篇。精煉后（“Document Types”勾選“artical”和“review”；“Web of Science Categories”勾選“Education Educational Research”和“Education Scientific Disciplines”）獲得文獻8358篇。通過文獻閱讀梳理，刪除文獻含有“Rasch model”或“LDA topic modeling”等主題詞、含有模型或建模的英文單詞但其內(nèi)容并非與科學教育模型和建模相關的文獻，最后獲得文獻480篇，以此構成本研究的文獻數(shù)據(jù)庫。

將數(shù)據(jù)導入HistCiteTM軟件進行統(tǒng)計，模型和建模研究文獻的出版時間、發(fā)文量和被引頻次統(tǒng)計情況如圖1所示。HistCiteTM軟件中文獻的被引可以用本地引用頻次（Local Citation Score，簡稱LCS）和全球引用頻次（Global Citation Score，簡稱LCS）來統(tǒng)計，LCS意指一篇文獻在本地數(shù)據(jù)庫中的被引頻次，GCS指一篇文獻在WoS數(shù)據(jù)庫中的被引頻次，而本地引用總頻次（Total Local Citation Score，簡稱TLCS）和全球引用總頻次（Total Global Citation Score，簡稱TGCS）則分別指多篇文獻的本地引用頻次和全球引用頻次之和。由于LCS的被引頻次可以客觀反映文獻在具體領域研究中的影響和作用，因此LCS值較高的文獻可以代表領域研究的核心內(nèi)容與演變中心［3］。圖1是科學教育中模型和建模領域研究每年所發(fā)表的文獻總量、本地文獻總被引頻次和WoS數(shù)據(jù)庫總被引頻次的年度分布。

從圖1可以看出，最早的模型和建模研究文獻出現(xiàn)在1987年，分別是Hestenes的“指向物理教學的建模理論”以及Abouhalloun和Hestenes合作發(fā)表的“力學中的建模教學”［4，5］。而從1987到2000年，模型和建模研究文獻每年發(fā)表都不超過3篇，處于早期研究探索階段，但這個階段中，1991年的TLCS值相較于其他年份高，其原因是當年Grosslight等人發(fā)表了“理解模型及其在科學中的應用：初中和高中學生以及專家的概念”［6］一文，其LCS值為117，在本地數(shù)據(jù)庫文獻LCS的排名第二，對后續(xù)模型和建模研究產(chǎn)生了較大影響。

自2000年開始，模型和建模研究的發(fā)文量雖有波動，但總體呈現(xiàn)增長的趨勢，說明學術界對于模型和建模研究的交流越發(fā)活躍，研究成果也越加豐富，處于初步發(fā)展的階段。尤其是Schwarz和其合作者于2005年和2009年發(fā)表的“元建模知識：培養(yǎng)學生對科學建模的理解”“發(fā)展科學建模的學習進階：使科學建模對學習者來說是可接近和有意義的”［7，8］LCS值分別為108和153，位于LCS排名的第三和第一。在整個研究領域，僅有Grosslight和Schwarz等人發(fā)表的這三篇文獻LCS值超過100，也說明了此領域?qū)δＰ秃徒ＵJ識論研究的重視。

自2015年后文獻發(fā)表的數(shù)量總體仍然處于上升趨勢，但TLCS值整體呈現(xiàn)下降趨勢；不過這并不意味著這些年模型和建模研究領域熱度下降，更多是因為這些文獻較新，缺乏時間累積和影響擴散，才導致這些年份文獻在本地數(shù)據(jù)庫中的被引頻次趨勢下降；同時可以發(fā)現(xiàn)2020年及以后的文獻發(fā)表總量有164篇，超過總發(fā)文量的三分之一，可見本領域近些年來的研究呈現(xiàn)蓬勃發(fā)展的態(tài)勢，處于高速發(fā)展階段。最后，從圖1中各年份文獻的TGCS值遠大于TLCS值也可以發(fā)現(xiàn)模型和建模研究的成果在不斷地向其他相關研究領域外溢和擴散，反映出模型和建模研究融合其他領域知識，并進一步擴散到其他研究領域這一特點。

2 研究進展

利用VOSviewer軟件對文獻作者所給出的關鍵詞進行分析，通過統(tǒng)計共獲得1038個關鍵詞。為防止數(shù)據(jù)雜亂影響關鍵詞的共現(xiàn)分析，因此對數(shù)據(jù)進行了清洗，主要為合并和刪除兩種情況。第一，合并同義詞。例如單復數(shù)合并（argument和arguments）、不同詞性合并（argument和argumentation）以及詞義范圍合并（argument和arguments in mathematics）等。第二，刪除無意義的詞。例如研究的主題詞（model和modeling）、意義泛化的詞（students和education）以及一些意義不明的詞等。數(shù)據(jù)清洗后獲得824個關鍵詞，篩選出現(xiàn)頻次大于5的關鍵詞進行分析，其結果見圖2，為便于查看，關鍵詞已由英文翻譯為中文，關鍵詞后括號內(nèi)的數(shù)字為其出現(xiàn)頻數(shù)。

VOSviewer關鍵詞的標簽視圖是以關鍵詞的平均年份取值進行顏色映射，進而呈現(xiàn)研究領域趨勢的演變。從圖2可知頻次大于5的關鍵詞共35個，其中化學教育出現(xiàn)頻次最高為37次，而物理教育和生物教育都為12次。此外模型和建模認識論關鍵詞出現(xiàn)頻次排在第二，為32次，這也與LCS值高的文獻得出的結果相印證，認識論研究是模型和建模研究領域的重要內(nèi)容和方向。為確定模型和建模領域研究的進展，以下通過結合關鍵詞呈現(xiàn)的研究內(nèi)容演變情況和具體文獻閱讀加以概述。

2.1 模型和建模認識論調(diào)查

模型和建模認識論實際從屬于科學本質(zhì)（Nature of Science）的認識，對模型和建模性質(zhì)和功能等的認識能有效促進對科學本質(zhì)的理解。正是清楚認識到模型和建模認識論在科學本質(zhì)教育層面上的重要性和必要性，模型和建模認識論的研究才貫穿了整個研究領域的始終。

早期有關模型和建模的認識論研究主要通過問卷進行測評，以調(diào)查和描繪學生或教師模型和建模認識論水平。Grosslight等人關于學生對模型及其在科學中的用途的理解研究［9］是模型和建模認識論研究的起點，其基于訪談結果提出了從模型的種類、用于同一事物的多個模型、模型的目的、設計和創(chuàng)建模型以及更改模型五個方面理解內(nèi)容和相對應的三個理解層級。與此類似，Treagust等人開發(fā)的學生對科學模型的理解量表（簡稱SUMS量表）［10］對模型和建模認識論研究也起到了極大的促進作用，量表提出了學生對科學模型理解的五個主題：模型作為多重表征、模型的實物復制性、模型的解釋功能、模型的運用和模型的可變性。

如果說Treagust是對Grosslight關于模型和建模認識論的五個主題內(nèi)容進行了橫向擴充并利用李克特量表進行調(diào)查，提高了調(diào)查的便捷性。那么Schwarz等人提出的兩維度四水平學習進階就是對Grosslight關于模型的認識論的三個理解層級的縱向延伸，增強了對模型和建模認識論的理解深度。該學習進階兩個維度分別是“理解模型是解釋和預測的工具”和“理解模型是可變的實體”，并從這兩個維度出發(fā)，在四個水平上描繪了學生對科學模型理解的軌跡和建模技能發(fā)展的可能路徑。

在上述重要開創(chuàng)研究的基礎上，后續(xù)研究者對其進行了跟進和發(fā)展。對Grosslight提出的五方面三層級框架，有研究者在化學、物理和生物等不同學科背景和教師、職前教師和學生等群體進行了深化的研究［11～13］。對Treagust提出的SUMS量表，研究者或通過訪談等質(zhì)性研究的方法進行有針對性的案例分析，或突破經(jīng)典測量理論的局限結合項目反應理論和結構方程模型等現(xiàn)代測量理論進行了驗證和完善［14～16］，考查SUMS量表在不同文化背景和不同類型學生或教師進行測評的適用性。而對Schwarz提出的兩維度四水平學習進階，后續(xù)研究對其教學影響進行了討論，例如建模等復雜實踐的學習進階能不能代表所有學生學習的固定路徑［17］；同時作為一種脫離具體背景的獨立于意義建構的思考模型和建模認識論主題的方式，兩維度四水平學習進階可能缺乏經(jīng)驗有效性和教學實用性［18］。

2.2 內(nèi)容主題時間變化分析

最早的模型和建模研究文獻就是關于教學應用的研究。于1987年發(fā)表的“指向物理教學的建模理論”以及“力學中的建模教學”，介紹了作為新教學方法的建模理論，并將其應用在高中物理核心概念的教學中，以驗證建模理論指導教學的有效性。這也奠定了早期模型和建模研究的主要內(nèi)容就是在化學、物理和生物等學科內(nèi)進行學科內(nèi)容主題的教學，具體包括原子分子等微粒模型、細胞生物模型和電路模型等。研究者通過測查學生學科核心概念的心理模型，診斷學生核心概念認識中可能存在的相異構想，并利用基于模型或建模的教學方法加以實證轉(zhuǎn)變，其目的是促進學生相應概念的理解。這在圖1中可以得到證明，概念理解、相異構想、心理模型和基于模型的教學、基于模型的探究等關鍵詞聯(lián)系緊密，而從時間上看，這些關鍵詞的平均年份也位于研究的早期。

隨著教育教學理念的發(fā)展，研究主題開始轉(zhuǎn)向社會性科學議題的教學。社會性科學議題是指因科技發(fā)展而產(chǎn)生的對社會具有沖擊和影響的議題，因來自人們彼此間對該議題所持立場的不同而導致觀念上的沖突，具有較強的爭議性。在模型和建模研究主題上最典型的就是水主題和氣候變化主題的教學，水循環(huán)和氣候變化涉及所有人的生活，對政治、經(jīng)濟、社會、價值、道德、倫理和情感等方面都有影響，因此是模型和建模研究的熱點主題。

與早期重點關注單學科內(nèi)核心內(nèi)容概念的模型和建模教學不同，在2020年后的模型和建模相關研究內(nèi)容主題主要涉及STEM和數(shù)學建模等跨學科的模型和建模研究，其目的是促進學生系統(tǒng)思維和計算思維等思維能力的發(fā)展。從促進概念理解到思維能力等的培養(yǎng)發(fā)展，也體現(xiàn)了整個科學教育目標由知識向素養(yǎng)的重心轉(zhuǎn)向。

2.3 建模與其他實踐的聯(lián)系

建模與其他實踐的關系可以放到科學實踐這個概念提出的背景下進行理解［19］。科學實踐要求基于問題開發(fā)和使用模型，對開展研究后獲得的數(shù)據(jù)利用數(shù)學和計算思維進行解讀，進而能夠加以解釋并參與基于證據(jù)的論證，并在這個過程中獲取評價和交流信息。從科學實踐的內(nèi)在要求看，其過程就包含了建模、解釋、推理、論證和評價等實踐，并且在整個科學實踐過程中蘊含著探究這一實踐，因為科學實踐的提出本就是對科學探究的繼承與發(fā)展，二者具有內(nèi)在的連續(xù)性。

有研究者探討建模的過程與科學探究的關系，認為所有的科學學科在研究過程中都受到模型的指導，科學家們用這些模型來構建對數(shù)據(jù)的解釋并進一步探索自然，模型和相關解釋的開發(fā)、使用、評估和修改在科學探究中起著核心作用［20］。論證是對模型進行批判性評估的過程，即根據(jù)可用的經(jīng)驗數(shù)據(jù)驗證一種或多種競爭模型的適當性和邏輯連貫性，但論證卻不是僅僅存在于模型的測試和評估階段，在模型的開發(fā)和表達階段，學生提出自己的心智模型并為其辯護，首要考慮的就是該模型的適當性。

與模型測試和評估階段有新數(shù)據(jù)或科學知識來判斷模型的適當性不同，在模型的開發(fā)和表達階段的論證過程顯得更加內(nèi)隱。論證和解釋又通常是隱性的組合，并且在教學目標上存在很大程度的重疊［21］，可見論證和解釋發(fā)生在建模的整個階段中。現(xiàn)有研究中基于模型的探究、基于論證的建模、基于模型的推理、基于模型的解釋以及論證驅(qū)動的建模等主題詞也反映了模型和建模與其他實踐的內(nèi)在關聯(lián)。

2.4 技術支持下的相關研究

科學前進的方向是構建自然世界如何以及為什么以這種方式工作的一般規(guī)則，即生成解釋性模型［22］。隨著技術的進步，研究者們逐漸思考在開發(fā)和使用模型時技術如何支持和改進基于模型和建模的教學，如何為學生提供參與真實、復雜的問題解決任務的機會。計算機作為一種重要的技術支持手段輔助著建模活動開展，可以有效培養(yǎng)學生的計算思維和系統(tǒng)思維。

計算實驗方法將建模視為探究性科學教育的基本特征，模型和計算機取代了經(jīng)典的實驗設置，模擬取代了實驗［23］。計算實驗包括假設、實驗和預測三個空間，其中假設空間包含了所要研究問題的假設以及所要使用的變量及變量間的關系，實驗空間包含了所研究問題的模型和仿真，預測空間則是通過分析解決方案和來自現(xiàn)實世界的數(shù)據(jù)對實驗空間制定結果、結論和解決方案進行檢查［24］。在計算實驗中建立仿真模型的首要原則依賴于使用數(shù)學關系和算法，以計算機理解的語言實現(xiàn)數(shù)據(jù)到模型的轉(zhuǎn)換。在使用計算模型方法時，學生需要列出他們問題假設的數(shù)學關系，選擇合適的模擬方法，開發(fā)算法，并使用軟件或編程語言實現(xiàn)算法，最后通過對結果的探索和與真實數(shù)據(jù)的比較來評估和可視化，在整個過程中，學生的概念理解通過計算模型的構建和解釋不斷迭代，循環(huán)發(fā)展。

此外，傳統(tǒng)的建模局限于將復雜的系統(tǒng)抽象還原為一些簡單的變量和方程，保持數(shù)學形式的完美，但也正因這些數(shù)學模型能夠演化出來的復雜性有限，不能反映真實系統(tǒng)的規(guī)律。基于代理的建模（Agent－based modeling）常用于創(chuàng)建和探索復雜系統(tǒng)的涌現(xiàn)（emergent）行為，以支持學生對復雜現(xiàn)象和系統(tǒng)的潛在機制的建模理解。

一般認為復雜系統(tǒng)是由眾多復雜的相互作用的組分或子系統(tǒng)組成，系統(tǒng)的各組分在無數(shù)可能方式的相互作用中使整個系統(tǒng)涌現(xiàn)出所有組分不具有的整體行為，換言之，涌現(xiàn)意味著整體具有部分不具有的特征，整體的涌現(xiàn)性無法由部分來預測和推斷，也不能反推。基于代理的建模是一種自下而上的建模方法，利用代理來模擬個體的行為方式，然后通過大量的代理在計算機環(huán)境中相互作用，實現(xiàn)微觀個體的局部交互行為，形成宏觀整體的規(guī)律性，最終建立整個系統(tǒng)的模型。代理作為一種計算實體，通過對模型參數(shù)和規(guī)則的不斷改進和擴充就能夠得到復雜系統(tǒng)的仿真模型［25］。

3 研究啟示

國際模型與建模研究呈現(xiàn)出蓬勃發(fā)展的態(tài)勢，但國內(nèi)在國際發(fā)表成果僅有9篇，從內(nèi)容看包括促進概念理解等應用研究和SUMS量表驗證等認識論調(diào)查研究。如何扎根本土的同時與國際研究接軌進而有所超越，建立我國模型與建模教育教學研究的話語體系，需要從驗證國際研究成果的適用性和有效性逐漸走向探索模型和建模教學發(fā)生的原理的本土理解，進而生發(fā)出各種本土學生適用的教學策略。具體可以從以下方面考慮。

3.1 探尋模型和建模認識論影響學生發(fā)展機理

科學教育的一個重要目標是幫助學生了解模型和建模的性質(zhì)，了解構建和測試模型的過程以及模型在解釋和預測現(xiàn)實世界現(xiàn)象方面的效用［26］。建模為學生提供了探究和實踐的機會，讓學生參與建模可以讓他們更好地理解科學中的關鍵模型，并幫助他們理解科學知識的性質(zhì)［27］ADDINEN.CITE.DATA。不同的研究內(nèi)容和方法極大地豐富和完善了模型和建模認識論的研究領域，但從整個研究領域的發(fā)展現(xiàn)狀看，國際上有關模型和建模認識論維度水平還沒達成一致認識，這既包括不同學者們提出的構成模型和建模認識論的維度水平?jīng)]有統(tǒng)一，也體現(xiàn)在對不同國家和地區(qū)采用同一維度水平框架進行調(diào)查研究時所獲得的結果不盡相同。由此，有關模型和建模認識論的組成結構以及影響因素等還有待后續(xù)研究者們的進一步探索。這也就帶來了本土話語建構的契機，即從源頭去探索模型和建模認識論為何以及如何與學生的發(fā)展相關聯(lián)，只有廓清內(nèi)在迷霧才能建立更加合理的解釋。

3.2 探查新興技術支持下教學實踐原理和樣態(tài)

各種新興技術的應用給模型和建模研究帶來了新的生機與活力。已有研究比較了技術支持下的模型和建模教學與常規(guī)模型和建模教學效果的差異，結果既有前者優(yōu)于后者，也有二者并無顯著差異。研究結果的多樣性無疑是可以預料的，因為不同國家、不同文化環(huán)境、不同教師和學生群體等各種因素的差別，很自然地導致了技術支持下的模型和建模教學效果的不同，所以各種研究結果的不一致可以預期。但這里強調(diào)的是后續(xù)研究不僅要在不同的背景下探索教學的效果如何，更要探查新技術帶來的新應用是如何與學生的認知、情感和素養(yǎng)發(fā)展相關聯(lián)，如探查3D打印與建模和虛擬仿真與建模等促進學生發(fā)展的原理。各種類型的基于模型和建模的實踐原理的發(fā)生機制考察有助于打開黑箱，助力各種教學現(xiàn)象的解釋。因此相關研究和實踐不能僅停留于新技術的教學效果驗證，更要在長時間實證的基礎上，不斷追問為什么能促進一部分學生發(fā)展而另一部分卻不行，這能促進與不能促進的界限正是技術支持下的模型和建模實踐原理顯現(xiàn)的裂口，透過這個裂口才能一窺其發(fā)生的原理，進而才能針對不同情況開展不同樣態(tài)的教學實踐。

3.3 教學中關注學生模型和建模認識論的培養(yǎng)

已有研究從不同層面證明了模型和建模認識論培養(yǎng)的重要性，主要體現(xiàn)于對學生學業(yè)成就、思維以及能力等發(fā)展的促進。因而在模型和建模相關教學中滲透對學生模型和建模認識論的培養(yǎng)，是促進學生發(fā)展的重要教學方式。有研究表明在教學中利用顯性呈現(xiàn)的方法更有利于學生模型和建模認識論的提高。但很明顯的是，過多應用顯性方法可能會造成學生的熟視無睹，因而在教學中教師還應該把握好顯性和隱性呈現(xiàn)模型和建模認識論相關內(nèi)容的平衡，使學生在顯性和隱性的交替循環(huán)中加深理解。而無論是顯性還是隱性呈現(xiàn)，長期地開展模型和建模教學是兩種方式有效性發(fā)揮的基礎。

參考文獻：

［1］Gilbert S W. Model－building and a definition of science ［J］. Journal of Research in Science Teaching， 1991， 28（1）： 73～79.

［2］Koponen I T. Models and modelling in physics education： A critical re－analysis of philosophical underpinnings and suggestions for revisions ［J］. Science & Education， 2007， （16）： 751～773.

［3］Griffith B C， Small H G， Stonehill J A， et al. The structure of scientific literatures II： Toward a macro－ and microstructure for science ［J］. Science Studies， 1974， 4（4）： 339～365.

［4］Hestenes D. Toward a modeling theory of physics instruction ［J］. American Journal of Physics， 1987， 55（5）： 440～454.

［5］Abouhalloun I， Hestenes D. Modeling instruction in mechanics ［J］. American Journal of Physics， 1987， 55（5）： 455～462.

［6］［9］Grosslight L， Unger C， Jay E， et al. Understanding models and their use in science： Conceptions of middle and high school students and experts ［J］. Journal of Research in Science Teaching， 1991， 28（9）： 799～822.

［7］［26］Schwarz C V， White B Y. Metamodeling knowledge： Developing students understanding of scientific modeling ［J］. Cognition and Instruction， 2005， 23（2）： 165～205.

［8］［27］Schwarz C V， Reiser B J， Davis E A， et al. Developing a learning progression for scientific modeling： Making scientific modeling accessible and meaningful for learners ［J］. Journal of Research in Science Teaching， 2009， 46（6）： 632～654.

［10］Treagust D F， Chittleborough G， Mamiala T L. Students understanding of the role of scientific models in learning science ［J］. International Journal of Science Education， 2002， 24（4）： 357～368.

［11］Grunkorn J， Belzen A U Z， Kruger D. Assessing students understandings of biological models and their use in science to evaluate a theoretical framework ［J］. International Journal of Science Education， 2014， 36（10）： 1651～1684.

［12］Krell M， Kruger D. Testing models： A key aspect to promote teaching activities related to models and modelling in biology lessons？ ［J］. Journal of Biological Education， 2016， 50（2）： 160～173.

［13］Krell M， Kruger D. University students meta－modelling knowledge ［J］. Research in Science & Technological Education， 2017， 35（3）： 261～273.

［14］Wei S L， Liu X F， Jia Y N. Using Rasch measurement to validate the instrument of Students Understanding of Models in Science （SUMS） ［J］. International Journal of Science and Mathematics Education， 2014， 12（5）： 1067～1082.

［15］Lazenby K， Becker N M. Evaluation of the students understanding of models in science （SUMS） for use in undergraduate chemistry ［J］. Chemistry Education Research and Practice， 2021， 22（1）： 62～76.

［16］Oliva J M， Blanco－Lopez A. Development of a questionnaire for assessing Spanish－speaking students understanding of the nature of models and their uses in science ［J］. Journal of Research in Science Teaching， 2021， 58（6）： 852～878.

［17］Pierson A E， Clark D B， Sherard M K. Learning progressions in context： Tensions and insights from a semester－long middle school modeling curriculum ［J］. Science Education， 2017， 101（6）： 1061～1088.

［18］Sikorski T R. Context－dependent “upper anchors” for learning progressions ［J］. Science & Education， 2019， 28（8）： 957～981.

［19］唐小為， 丁邦平. “科學探究”緣何變身“科學實踐”——解讀美國科學教育框架理念的首位關鍵詞之變［J］. 教育研究， 2012， 33（11）： 141～145.

［20］Passmore C， Stewart J， Cartier J. Model－based inquiry and school science： Creating connections ［J］. School Science and Mathematics， 2009， 109 （7）： 394～402.

［21］Berland L K， Reiser B J. Making sense of argumentation and explanation ［J］. Science education， 2009， 93（1）： 26～55.

［22］Passmore C， Gouvea J S， Giere R. International Handbook of Research in History， Philosophy and Science Teaching ［M］. Springer， Dordrecht， 2014： 1171～1202.

［23］Landau R H， Meja M J P， Bordeianu C C. A survey of computational physics： introductory computational science ［M］. Princeton： Princeton University Press， 2008： 2～3.

［24］Psycharis S. The computational experiment and its effects on approach to learning and beliefs on physics ［J］. Computers & Education， 2011， 56（3）： 547～555.

［25］吳今培， 李學偉. 系統(tǒng)科學發(fā)展概論［M］. 北京： 清華大學出版社， 2010： 164.