0 引 言
学科融合（Discipline Integration）是学科发展的趋势，是在承认学科差异的基础上不断打破学科边界，相互渗透、交叉，成为教育产生创新成果的重要途径 [1]。在当前学科融合的大背景下，跨学科协同教学（Interdisciplinary CooperativeTeaching）的课程改革势在必行，随之而来的是对新型融合教学模式的探索。
跨学科协同教学的理念，是多学科的教师之间、教师与其他相关人员之间，就某个特定施教目标，以团队或搭档的形式，实施协同教学。例如，有研究者尝试在建设密码学主干课程时，与数学和通信工程学科融合，促成知识与工程实践结合 [2]。也有研究发现，跨学科协同教学模式能激发学习主体共享知识与协作创新的积极性，从而产生知识协同效应 [3]。但现有研究对于跨学科的融合教学团队在教学中的角色和具体工作模式却少有回答。
研究性学习（Inquiry-Based Learning， IBL）是指学生在教师指导下，以类似科学研究的方法，将科学精神、问题意识、科研方法、创新思维、探究技能等研究或探索因素贯穿于学习的全过程，充分调动自身学习主动性，自主探究问题并建构知识体系的学习过程 [4]。研究性学习的目的是培养具有创新素质的人才，这种创新素质是学生在自主学习、自主实践的过程中获得的，而不是在教师单方面灌输的教学中获得的。有研究者将翻转式学习与研究性学习相结合，通过改变工程课堂的学习环境促成教学目标的达成 [5]；还有研究者根据小学、中学、大学不同教学对象的知识储备设计阶梯型研究性学习案例 [6]。但现有研究对于什么样的学习流程才能充分体现学生主体地位、教师的引领作用少有涉及，又或者倾向于实证学习而忽略了对学生独立发现问题、求解问题的创新能力培养。
1 P-MASE研究性学习模型
研究性学习方法体现了知识、方法、技能三者之间的关系。知识学习是获得技能的基础，将知识转化为技能则需要科研方法的指导，因此将科研方法引入教学过程非常必要。实施研究性教学，要从提出问题入手，引导学生把知识形成的起因、构建方式、发展脉络弄清楚，把教学过程作为一种探究过程，培养学生发现问题的意识和解决问题的能力。
P-MASE模型源于科研规程，该模型包括5个环节，即引入问题 (Problem)、 寻 找 方法 (Method)、科学分析 (Analysis)、有效解决(Solution) 和效果评价 (Evaluation)，称之为“五步学习法”。P-MASE 模型的基本形式为递进式，相互联系的各个环节则充分体现了研究性教学“目标进阶、分步实施”的特点。P-MASE 研究性学习模型如图 1 所示。
P-MASE 模型重视教学设计，首先确定每个环节的教学目标，然后分步实施并最终达成。
（1）引入问题。引入问题的目标是确定研究选题。使用问题三层次分析法，即提出专业问题、筛选价值问题和提炼研究选题。其中，提出专业问题是基本层次，即启发学生的问题意识，培养发现问题的能力，学生发现并提出那些不了解但感兴趣的专业问题。筛选价值问题是中间层次，即学生进一步将问题逻辑化，从中梳理出多个具有研究价值或技术创新的专业问题。提炼研究选题是高级层次，即学生筛选具有研究价值的众多问题，从中确定有望解决的选题。
（2）寻找方法。寻找方法的目标是明确有哪些解决问题的方法。例如数学建模、模拟仿真等数理方法；实验、推测、类比等经验方法；归纳与演绎、分析与综合等辩证方法。方法选择可以很灵活，其原则是不追求最优，但要确保有效性、通用性和可行性。教师根据知识、方法、技能等不同教学内容布置不同层次的实践，科学研究方法的积累为接下来的挑战性课题研究打下方法论的基础。
（3）科学分析。科学分析的目标是确定问题求解方案。可选择流程图、思维导图、决策树图等可视分析法；进程表、二维矩阵、任务节点表等表格分析法；角色轮换、小组讨论等研讨法。一方面鼓励学生个人积极思考，另一方面指导学生组建小组，通过协作解决专业问题。在此过程中，若小组数量较多，教师则需要分别或分批指导。
（4）有效解决。有效解决的目标是借助科研方法和工具，按照求解方案，获得问题求解结果或者有价值的结论。这通常是流程中耗时较长的环节。实践经验表明，可以在单个学习单元或者章节中实施一个 P-MASE 研究性学习过程；对于代表整个课程成果产出的综合性专业问题，则需要组建研究小组，在一个学期内完成研究性学习过程，并以论文、实验实践报告、社会专题调查等方式结题并答辩。
（5）效果评价。效果评价的目标是评估学生研究性学习的成果。学生的付出在该阶段得到肯定。教学评价包括自评、互评、第三方评价。其中，自评指学生本人的自我评价、小组成员对本组的评价；互评指组内同学之间、不同小组之间的评价；第三方评价指教师团队的评价。
2 研究性学习与跨学科协同教学的结合
P-MASE 研究性学习模型与跨学科协同教学结合的教学方法，是在学科融合的语境下实施跨学科协同教学，以跨学科的教师、学生团队为主体，以发现问题为起点，以科研方法为指引，以求解问题为目的，实现对学生创新能力的培养。
实施研究性学习的要素主要包括学习内容、学习平台、学习主体 3 个维度。将 P-MASE 研究性学习模型应用于跨学科协同教学中，就要解决在这 3 个维度上以什么样的具体形式进行学科融合。
以数据科学类通识课程的学科融合为例。数据科学类通识课程面向所有非计算机专业学生，教学目标是“培养学生用数据科学方法解决专业问题的意识和能力”，将数据科学方法与各专业学科融合，是跨学科协同教学研究的热点领域。在学习内容、学习平台、学习主体这 3 个维度上，从“物”和“人”两方面实现学科融合，如图 2 所示。
“物”指学习内容和学习平台。在数据科学课程的学习内容上，从教学对象所属的专业学院、从产学合作企业获取科研领域、行业领域的数据和案例作为融合性学习内容；在数据科学实践环境上，从企业实践基地获取企业级的学习实践平台作为融合性学习平台。
“人”指学习主体。这方面包括各学科师师融合、生生融合以及师生融合。一方面，通识类融合课程的特点要求不同专业背景的教师以及业界导师共同授课，不同专业背景的学生共同听课，从不同学科的角度对学生进行有效地科研训练，兼顾教学要求和职场需求。学生在互动学习中培养起交叉学科思维方式和科研素养。另一方面，融合课程基于师生共同体 [7] 实现教育主体的平权特性，显现师生互动在人才培养中的共同体作用。
将 P-MASE 研究性学习模型应用于跨学科协同教学的实施过程就是学生、各学科教师、业界导师构成的跨学科学习主体，在模拟真实应用场景的学习平台上，针对来自学科研究和行业领域的跨学科学习内容，进行 P、 M、 A、 S、 E 五步学习的过程。
3 教学案例
南开大学的数据科学类通识课程大数据可视化面向全校学生开设，其教学设计是双循环模式。课程中的每个学习单元均采用 P-MASE 模型设计，作为内循环；整个学期由一个综合研究项目贯穿始终，也使用 P-MASE 模型设计，作为外循环。课程的能力教学目标是“能使用可视分析的工具和方法解决各专业的数据分析问题并指导研究或管理决策”。以大数据可视化课程与旅游管理学科的融合课堂为案例，基于 P-MASE 模型的新型融合教学过程如下。
3.1 内循环教学案例——学习单元
本单元的学习目标是：能处理层级数据、时序数据的可视化问题；能用 SaCa DataViz 企业级商业智能可视分析工具建模，解读旅游大数据、洞察旅游趋势和规律，实现未知数据的交互探索；能用可视分析结论指导旅游管理决策。学习主体 S 代表学生， T1 代表数据科学教师， T2 代表旅游专业教师， T3 代表旅游业界导师；学习内容使用旅游业界的真实数据和案例；学习平台使用专业的配置式和编程式的商业智能可视分析工具。案例的教学设计见表 1。
教学流程分为“课前（60 分钟）”“课堂（90分钟）”“课后（30 分钟）” 3 个阶段。
（1）引入问题发生在课前，贯彻了问题三层次分析法，由旅游业界导师提出旅游专业问题，由旅游专业教师引导学生完成“筛选价值问题”和“提炼研究选题”。
（2）寻找方法也发生在课前，学生在数据科学教师制作的 MOOC 上完成自主学习，积累可视化数据建模的各种方法。
（3）科学分析发生在课堂，学生以小组协作方式制定旅游大数据可视化分析方案。
（4）有效解决也发生在课堂，小组成员完成旅游大数据可视化建模，数据科学教师仅在必要的情况下提供技术指导；最后在旅游专业教师指导下解读可视分析结论。
（5）效果评价发生在课后，学生和教师对问题求解过程和结论进行“三维”评价，包括学生组内自评、学生组间互评，以及由 T1、 T2、 T3三类教师做出的第三方评价。
3.2 外循环教学案例——综合研究项目
大数据可视化课程的结课考核要求学生以小组为单位完成一个可视化研究项目，项目具有一定广度和深度，需要综合运用整个学期所学知识，求解一个与本学科相关的融合性研究课题。综合研究项目贯穿整个学期，小组在 P-MASE 研究性学习模型的框架下，设置时间轴，按期完成各个节点。综合研究项目流程如图 3 所示。
（1）引入问题阶段，在学期初进行分组开题。仍然使用问题三层次分析法，以小组形式，结合各自专业，在专业教师和业界导师的指导下，确定有研究价值的研究选题。
（2）寻找方法阶段，项目小组在逐个单元的学习过程中，逐渐积累各种可视化数据建模、数据分析的方法。
（3）科学分析阶段，各项目小组协作进行项目需求分析和方案设计。
（4）有效解决阶段，各小组依据数据可视化项目一般流程，逐步进行数据获取、数据清洗、可视化建模、可视化映射以及可视分析，完成课题的研究工作。
（5）效果评价阶段，在学期末以现场答辩的形式结题，仍然使用“三维”评价的方法。
4 有效性分析
对比研究的对象为同一位教师授课的两个平行班。C1 班为样本班， 48 人，采用 P-MASE 模型的跨学科协同教学；C2 班为对照班， 44 人，采用传统教学模式。对两个班级的可视化综合研究项目进行评估，采用三方教师评价方式，即数据科学教师、各专业教师、业界导师的评分各占1/3。E1-E6 表示 6 个评价维度，分别是项目选题（E1）、难度（E2）、完成度（E3）、学科 / 行业应用价值（E4）、创新性（E5）和答辩表现（E6）。试点班和对照班综合研究项目的平均成绩表现如图 4 所示。可见试点班在 E1、 E2、 E4、 E5 几个维度上明显超过了对照班。
用李克特五级量表（Likert Scale）收集试点班学生对课程的反馈。结果表明， 81.25% 的学生认为 P-MASE 模型结合跨学科协同教学有助于培养发现专业问题的能力；85.42% 的学生认为在小组的研究性学习中提高了求解专业问题的能力；91.66% 的学生认为与不同学科的教师协作会产生专业互补的学习效果；87.5% 的学生对课程的学习体验和效果总体感到满意，见表 2。
将 P-MASE 研究性学习模型与跨学科协同教学相融合，应用实践效果表明，该方法能够促进多学科教学融合，发挥各专业教师的学科特长，激发学生问题意识和探究兴趣，增强学生学习的自主性，促进师师、生生和师生间多维度、多层次的互动交流；同时，该方法还原了学生在教学中的核心地位，在过程上实现了从“教为中心”到“学为中心”的转变，在结果上实现了从“学会知识”到“具备能力”的转变。
参考文献：
[1] 林健. 多学科交叉融合的新生工科专业建设[J]. 高等工程教育研究, 2018(1): 32-45.
[2] 宋婷婷, 张可佳, 李佩雅, 等. “思政渗透、学科融合、创新培养”的密码类课程教学改革与实践[J]. 计算机教育, 2022(3): 65-67, 72.
[3] 刘璘琳. 高校跨学科协同教学模式的运行机理与实现策略: 知识共享的视角[J]. 重庆高教研究, 2018, 6(3): 107-116.
[4] 张伟刚, 严铁毅, 张严昕. 基于P-MASE模型的研究性教学与素质教育[C]// 素质教育: 让未来更美好: 2020年大学素质教育高层论坛文集. 北京: 高等教育出版社, 2020: 166-173.
[5] 宋彩霞, 陈龙猛. 结合翻转式学习与探究性学习的数字电路教学方法研究[J]. 计算机教育, 2019(6): 157-160.
[6] 王峰, 许力. 以密码学为主题的数学研究性学习翻转课堂教学研究[J]. 计算机教育, 2021(7): 135-138.
[7] 余华, 李川勇, 刘玉斌. 新时代高校师生共同体的重构与实践[J]. 中国大学教学, 2021(12): 82-87.
基金项目：教育部新文科研究与改革实践项目（2021020001）；教育部产学合作协同育人项目（202002021001，202002021004，202102094007）；天津市普通高等学校本科教学质量与教学改革研究计划项目（B201005507）；全国高等学校计算机教育研究会教育改革项目（CERACU2021P13）；全国高等院校计算机基础教育研究会项目（2020-AFCEC-282，2021-AFCEC-336）。
第一作者简介：高裴裴，女，南开大学副教授，研究方向为视觉建模与可视分析，watersky@nankai.edu.cn。
引文格式：高裴裴，张伟刚，赵宏. 学科融合语境下的研究性学习模式探索[J].计算机教育,2022(11):108-113.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
