北极星计划
人工智能教育知识类型概念性知识认识论知识课程现代化学科重构

人工智能时代的知识（2024）

2026年8月24日•约 32 分钟

Abstract / 摘要

“CCR 将知识按分类、获取方法和领域三个轴重新组织，重点区分陈述性、程序性、概念性与认识论专业知识，并主张用不同教学方式推动知识迁移。文章进一步提出传统学科现代化、加入现代学科和跨学科主题的课程方案。”

资料来源： Chapter 5 Knowledge for the Age of AI. In Charles Fadel, Alexis Black, Robbie Taylor, Janet Slesinski, Katie Dunn, EDUCATION FOR THE AGE OF AI. Center for Curriculum Redesign, 2024
“知识就是力量。” - 弗朗西斯·培根（Francis Bacon）
“我们淹没在信息之中，却渴望知识。” - 约翰·奈斯比特（John Naisbitt）
第四章探讨了在人工智能时代持续学习和知识相关性的必要性。本章将更深入地探讨知识维度方面的具体内容。

什么是知识？

从历史上看，教育一直以知识维度为中心。一个禅宗的比喻将人的思想与杯子联系起来，并将知识视为用来装满杯子的水。在互联网出现之前的世界里，将教育的主要功能视为使学习者能够“用事实和想法填满他们的大脑”，以便他们终生携带，是合理的。在一个几乎普及互联网接入和人工智能快速发展的世界里，这种“填满大脑”的模式值得进行重大改进。
为了追求教育的传统使命——“填满学习者的大脑”，知识被分类为各种学科。希腊传统提出了大学教育的七项自由技艺：语法、逻辑、修辞、天文学、几何学、算术和音乐。精通这些自由技艺的人有资格继续深造哲学、神学、法律和医学。中国传统则涵盖了文学和诗歌、书法、绘画、历史、哲学、数学和天文学、武术、医学和音乐。几千年过去了，口头传统几乎完全让位于书面传统，而现在又被信息时代所取代。尽管如此，这些学科仍然是当今大多数人教育经历的核心。百科全书通过各种机制一次又一次地（重新）分类这些学科，而新的工具只会增强分类能力。

CCR关于知识的综合研究

对不同“知识类型”的研究综述揭示了多种分类方式。为了确保这项研究的广度，CCR 查阅了三篇被引用最多的学术论文，综合了三个搜索引擎和信息库（谷歌、必应和维基百科）的搜索结果，并与三个不同的 LLM（GPT4、Claude 和 Poe Assistant）进行了对话。为了凑足十个，我们添加了被链接到最多搜索结果的见解：一个提供信息解决方案的商业技术平台（GetGuru., 2023）。
不出所料，对于学术研究来说，关于不同类型的知识，并没有一个公认的分类。这十个来源产生了五十八种（！）不同的“知识类型”，其中只有四种类型出现在一半的来源中，并且只有不到三分之一的类型出现了不止一次。当然，不同的领域在提出这个问题时有着不同的目标。历史学家寻求记录已经发生的事情，信息技术专家进行分类以使知识的存储更有效率，而认识论者则寻求区分信念和真理。每个领域都创建了不同的分类系统，以获得一个视角，将“知识”这个相当无定形的概念提炼成对该领域有用的东西。CCR 的目标是相同的，即综合这些来源，设计一个对教育有用的分类法。从历史上看，教育领域并没有太多区分不同类型知识的需要，因为所有不同类型的知识似乎都对学生的学习有用。互联网时代确立了区分知识类型的必要性。人工智能革命巩固了这种必要性。
教育领域甚至还没有深入应对近乎无处不在的互联网访问所带来的挑战，尽管这种访问正在从我们的工作场所迁移到我们的家庭，到我们的口袋里，并且很快就会更接近我们的身体。教育界一直在努力设计解决方案，将学生从记忆事实转变为利用这些事实，而这些事实几乎总是只需点击一下即可获得。尽管职场世界要求团队合作和协作，但学生们仍然被劝阻不要在作业上进行合作。“闭卷”评估仍然很常见，更不用说“禁用互联网”了，而且围绕维基百科作为一个有效信息来源的合法性仍然存在普遍的污名化，尽管它是人类历史上设计最稳健、验证最透明的成就之一。

整合

在综合五十八种已识别的“知识类型”时，这十个来源利用了各种不同的特征来区分知识的类别。其中三个特征脱颖而出，我们将称之为知识的三个不同轴线：
1. 知识分类（classification），或知识在使用中如何表现，例如，作为事实或程序。
2. 知识获取方法（acquisition method），或个人如何获取知识，例如，通过个人经验。
3. 知识领域（domain），或知识相关的领域或内容范围，例如，文化或技术知识，通常按学科分组。
使这项工作更加复杂的是，许多被研究的知识类型都属于 CCR 分类为教育的其他维度——技能、品格和元学习。这些维度自然与知识重叠，这也是 CCR 维恩图可视化的核心信息。尽管存在重叠，但它们被刻意保持不同，以便教育工作者可以更有效、更明确地教授它们。
这也是设计三个知识轴的目标。这些轴允许创建知识的差异化，随后，可以使用技术和资源分配来优化每一种类型的知识，从而优化学生的学习体验。主要关注的是提高教育工作者对不同类型知识的熟练程度，因为它们不应该以相同的方式教授，也不应该以相同的方式进行范围界定和排序。以下是每个轴的更详细介绍。
知识分类（Knowledge Classification）：在所研究的来源中，只有四种不同的“知识类型”出现在超过一半的来源中。其中三种属于知识分类轴（另一种将在获取方法中讨论），并且对教育工作者有用。它们是：
1. 陈述性知识（Declarative knowledge），或对可以明确陈述或描述的事实、信息和数据的理解。
2. 程序性知识（Procedural knowledge），或对如何执行特定任务、流程或动作的理解。
3. 概念性知识（Conceptual knowledge），或对知识的各个组成部分如何构建成模式和其他组织原则的理解。
主要类型CCR 综合相关
陈述性陈述性命题性；事实性；语义性
概念性概念性态度性
程序性程序性 +（高阶思维）技能认知性
其他——组合类型
因果性概念性 + 元认知
策略性程序性 + 能力
元认知概念性 + 元认知自我知识；元知识
关系性程序性 + 能力包含概念
文化性陈述性 + 程序性
道德性陈述性 + 伦理
其他——不同维度
显性/隐性；缄默；先验/后验；情景性；经验性；条件性；运动/元运动；认识论性
还有一种额外的类别，所有这些不同的知识片段都构建于其上——认知专业知识（epistemic expertise）（或称领域专门知识、认识论的专门知识）。认识论知识（Epistemic knowledge） 是那些能够“像数学家一样思考”、“像历史学家一样思考”或“像工程师一样思考”的领域专家所具备的。这些专家已经内化了各种概念，将它们视为一个工具包，并把它们当作在各种情况下应用的透镜。这种认识论知识使这些人能够在他们的领域中创造新的陈述性、程序性和概念性知识。
历史上，教育最关注并为陈述性知识投入了最多的资源，通过向学生传授他们理解周围世界所需的事实。记忆词汇、数学公式、科学定律和原理，以及历史事件和人物都属于这一类。
由于对陈述性知识的关注，教育已经被引导为将所有知识都视为陈述性的。课程通常围绕陈述性知识构建，而评估——尤其是“封闭式”评估——旨在确定学生是否知道“正确”的事实。人工智能在通过各种考试方面取得的惊人成功（Varanasi, L., 2023）突显了此类测试有多少是关于回忆和记忆，而不是深刻理解。
程序和概念通常以与陈述性知识相同的方式教授。学生可能会记住科学实验的步骤、一些历史思维技能、论文的结构或解决数学问题的算法。这里需要深刻的变革，也需要区分针对每种分类的课程设计和教学策略。记住有用的程序是不够的，需要的是个人在理解它的同时执行它的能力。记忆的概念只有在概念的内化塑造了个人世界观的程度上才有用。为了让学生持续地执行程序并内化概念，他们需要被明确地教授，并且以不同于陈述性知识的方式进行。
应该注意的是，并非所有知识都能整齐地归入这三个类别中的每一个。例如，科学方法可以作为这三种类型中的任何一种或全部来教授：
  • 作为陈述性知识，科学方法的定义可以被记住为“一种获取和验证知识的系统方法”。
  • 作为程序性知识，科学方法可以作为一个多步骤的过程来执行，通常被称为观察、提问、假设、预测、实验、分析、得出结论、交流。
  • 作为概念性知识，有多种概念是科学家们由于内化了科学方法而经常且熟练地运用的。它们包括认识到：科学需要经验证据；证据可以通过观察和测试获得；新的证据导致旧知识体系的改进。
每种分类都受益于不同的课程设计和教学方法。当然，陈述性知识的定义可以通过传统的方式来教授——让学生熟悉这个术语，鼓励记忆，并经常在语境中使用该术语。程序性知识最好通过真实地执行实验来教授，并逐渐将责任释放给学生，让他们在执行实验时拥有自主权和能动性。科学方法的概念需要反复接触，需要能引起共鸣的例子来促进近迁移和远迁移，还需要精心设计的作业和项目来推动学生将这些概念内化为他们不断增长的科学工具包中的灵活工具。

迈向专业知识的旅程

在审视这些不同的知识分类时，研究学习者整合所有这三种分类的旅程是很有用的，最终达到（某种领域的）专业知识（expertise）。深厚的专业知识（Deep expertise） 是所有四个层级的结合。
从陈述性知识、程序性知识、概念性知识逐步走向认识论知识的专业知识层级 Epistemic Knowledge （认识论知识 / 探究性知识） Conceptual Knowledge （概念性知识） Procedural Knowledge （程序性知识） Declarative Knowledge （陈述性知识）
为了说明推动教育向概念理解方向发展的必要性，以数学中的指数为例是一个很好的例子（指数增长 是数学教育的一个关键课题，通常在学生十几岁时开始学习初等代数时教授）：COVID-19 大流行期间的决策说明了人类在指数增长的概念化方面存在关键差距，即使很多成年人在学校进行过指数计算。在 CCR 的课程中，这个概念被提炼成一句话：指数是“先欺骗，后爆发”。也就是说，它们开始时缓慢得具有欺骗性，然后爆发式地上升。在 COVID-19 大流行的案例中，认识到病毒将呈指数级传播将促使人们尽早采取集体行动，在疾病变得无法控制之前将其阻止。不幸的是，即使是“拉平曲线”和“阻止传播”的努力也来得太晚了，全世界仍然在集体承受其影响。
要将学生带到认识论知识（epistemic knowledge） 的水平，起点仍然是陈述性知识。在指数的例子中，一个人可以简单地从记住 “指数具有欺骗性，然后具有爆发性” 开始。对这个短语的记忆使其成为陈述性知识——评估可能会问：“指数如何表现？”，学习者可以用这个正确的答案来回答。尽管这个短语是一个概念，但学习者还没有将这个概念内化。
为了达到这个目标，一个可能的下一步将是利用陈述性信息来执行程序。理论数字计算（“2 的五次方是多少？”）和实际现实问题（“如果一个人从两个便士开始，每天都翻倍，那么第五天会有多少便士？”）相结合，将为学生创造机会来练习应用这些新获得的陈述性知识。通过练习，学生将开始正确计算指数增长，并掌握这些程序。
然而，学生还没有将这个概念内化。他们的陈述性知识和程序性知识将仍然与他们所学的上下文相关联。为了内化这个概念，学生需要在各种上下文中接触这个概念，以促进迁移。可以向学生介绍指数增长如何在病毒传播、人口增长或社交媒体参与中发生。每一个新的上下文都允许学生认识到该场景具有指数增长的特征，并且“指数具有欺骗性，然后具有爆发性”适用。有了足够多不同的上下文，学生就可以内化概念性知识。

知识获取方法

在陈述性知识、程序性知识和概念性知识分类之后，在我们的综合中，下一个最常被引用的“知识类型”是“内隐知识（tacit knowledge）”（在 10 个来源中的 5 个中出现）和“外显知识（explicit knowledge）”（在 10 个来源中的 4 个中出现）。这两种类型在获取和分享知识的复杂性上有所不同——外显知识易于构建和分享，而内隐知识则很困难，通常需要亲身经历。突出这种差异的一个例子是，工作场所的政策和程序属于外显知识，而工作场所的文化规范则属于内隐知识。前者可以通过手册分享，后者则需要时间，并且很可能需要个人的亲身经历。
另外两种知识“类型”出现在这项研究中，它们来自哲学领域。拉丁语短语 a priori 和 a posteriori 指的是推理是否在有或没有个人经验的情况下进行。A priori 知识是一种独立于经验的知识形式，而是通过纯粹的理论推导得出。A posteriori 知识是基于观察和经验的知识。A priori 知识与外显知识有很大程度的重叠，因为一个人不需要个人观察或经验来获得此类知识。A posteriori 知识与内隐知识有重叠，因为它通常需要个人经验来获得知识。
为了推进构建一个对教育工作者有用的框架的目标，同时认识到这些术语不一定能很好地促进快速理解，CCR 将这些术语改编成以下两种知识获取方法：
1. 体验性知识（Experiential knowledge），即通过个人经历、观察和反思获得的知识。
2. 理论性知识（Theoretical knowledge），即没有个人经历，而是依靠推理和逻辑获得的知识。
在这两种获取方法中，体验性知识代表 a posteriori 和外显知识，而理论性知识包括 a priori 和内隐知识。尽管这些术语在 CCR 的研究中并不经常出现，但选择它们是为了实用性，以便教育工作者可以快速理解它们所代表的含义。
“体验式学习（experiential learning）”一词已经在教育领域得到广泛应用，最初由David Kolb和他提出的“体验式学习周期（experiential learning cycle）”设计（Kolb, D. A., 1984)），该周期主张学习者利用直接经验进行观察，然后形成意义。项目式学习也在类似领域运作，使学生能够通过实践来学习。体验式学习和项目式学习都有其拥护者、机构、模型和框架，他们认识到，在某些情况下，直接经验是个人学习某些东西的唯一途径。此外，这些直接经验也为学生学习理论知识提供了机会。
例如，学生可以开始一个体验式学习项目来研究当地公园里的树木。通过这样做，学生可以获得关于树木的外观和感觉以及它们的根如何相互连接的体验性知识。他们还可以检查叶子的质地，并在生态系统中寻找其他生物。这些知识在教室里是无法获得的，即使（截至目前）使用最新的虚拟现实头戴设备也无法获得。诸如空气的气味、树木的感知大小以及看到蠕虫啃食树叶等细节，都是体验性知识。
体验式学习经验也可以用来教授理论知识。学生可以通过检查叶子的亮度和颜色来理解光合作用，或者通过思考人类和树木“呼吸”的不同方式来进一步加深他们对氧气-二氧化碳循环的理论理解。虽然这些东西可以在没有直接经验的教室里教授，但体验式学习可以更有效地促进这些事实的意义构建，因为它能让学习者全身心地投入其中。
尽管如此，我们应该认识到，这些类型的丰富的现实世界经验是资源密集型的。一所学校可能位于附近没有树木的环境中。带学生进行实地考察需要花费资金。可能正值冬季。此外，由于经验对于每所学校的背景来说都是独一无二的，因此教师还需要承担额外的负担，以便为他们的课堂有效地定制体验。将购买的课程或教学计划轻易地转变为丰富的现实世界体验是很困难的。
因此，体验式和理论式知识获取方法之间的区别提醒学校认识到现实世界经验的力量，并优化他们的资源来产生这些经验，以帮助学生获得仅由这些经验提供的有价值的、相关的知识，并且非常值得投入必要的资源。

知识是能力的基石

能力（Competencies） 将在下一章详细讨论；尽管如此，知识不能在真空中讨论。教授学生如何思考、学习和应用社会情感技能的重要性，经常会掩盖关于首先应该教授什么内容的讨论。然而，重要的是要注意，学习高度依赖于情境，因此最好通过一些合适的内容基底或媒介来教授能力。(Heald, J. B., Lengyel, M., & Wolpert, D. M., 2022) 也有理由相信，某些内容可能比其他内容更适合于教授某些能力 (Dunn, K. et al., 2021) 。
综合的“知识类型”中有十九种与 CCR 框架的其他三个维度重叠。它们被引用如下：
技能品格元学习
认知过程技能道德知识认知过程技能
程序性知识伦理知识心智运动知识
策略性知识伦理理论情感知识
认知策略道德原则叙事知识
态度知识精神知识
策略性知识
自我知识
高级知识
元知识
元认知知识
自我意识
认知策略
运动技能
元认知策略
态度知识
这些重叠是 CCR 框架的一个特点，而不是一个缺陷。考虑以下复杂策略的执行：软件产品的发布。项目负责人将需要：
  • 对软件项目相关的陈述性知识有深入的了解： 关于产品如何工作、提供什么解决方案以及它如何与竞争对手抗衡的事实。
  • 将复杂信息组合在一起以做出果断和清晰判断的概念性知识： 负责人将利用一系列概念，例如软件部署如何具有流动性和可修补性，或者个人在用户界面中的最初几秒钟会影响整个体验。
  • 了解软件如何实现其解决方案以及将产品推向市场所需的程序的程序性知识： 软启动、构建用户反馈系统等。
  • 来自技能维度的强大能力： 其中一些将与上述内容重叠——概念性知识工具包有助于批判性思维，基线陈述性知识（这是创造性和有效执行程序的基础）将需要强有力的协作和沟通。
  • 坚定的品格： 为了有效地收集陈述性知识，个人将利用他们的好奇心。将会有充满挑战的时刻需要勇气和韧性，任何软件产品的成功发布都需要对其影响有坚定的道德理解。
  • 随着新信息改变决策背后的考量，实时学习的能力： 元学习维度的坚实基础将使负责人能够管理各种复杂的、动态的相互作用。他们还将能够管理和分配生活中所有相互竞争的需求的资源。

人工智能的影响：重新设计学科

K-12 阶段传统学科现代化的理由

在本章前面以及前一章中已经阐述了理由，特别是在“对教育系统的影响”部分。

以数学为例

传统学科的内容现代化可以在三个层面实现：
A. 微小变化（Minor changes）： 重新排列内容项目并进行微调，由于学术惯性和政治困难，历史上各辖区都煞费苦心地执行。这些方面不在本书的讨论范围之内。
B. 重大修改（Significant rework）： 这是 CCR 与澳大利亚课程、评估和报告管理局 (ACARA) 共同完成的工作 (Bialik, M. et al., 2021)。这些标准保留了典型 K-12 科目的大部分结构，并通过以下过程进行了重大改进：
1. 分析了（针对经合组织的）不同主题的需求 (Center for Curriculum Redesign., 2021)。
  • 建议关注那些在学校教育中常常被忽视的传统数学领域：数感、估算、不规则形状、比例、基本概率和指数。
  • 建议在数学课程中增加一些现代应用领域的内容 (Center for Curriculum Redesign., 2021)，这些内容在学校教育中很少甚至从未涉及：贝叶斯概率和离散/计算数学（算法与图论、复杂系统、博弈论）。
2. 开发了两个粒度层次的核心数学概念：学科层面和分支层面。对于数学来说，这一步最为复杂，因为该学科经常会将内容和概念混淆，而其他学科，如历史学，传统上在区分两者方面做得更好。以下是两个例子，分别来自工程学（学科）和计算机科学（分支）：
  • 学科层面：脆弱性：在设计和制造产品时，重要的是要考虑产品在压力下的表现，可能被误用的方式，或者它可能发生故障的方式。
  • 分支层面：垃圾进/垃圾出：计算机执行它们被编程或（在人工智能的情况下）被训练执行的任务。大多数计算机错误是由于输入数据、设计或编程中的人为错误造成的。
3. 确定了与数学相关的最重要的能力 (Dunn, K. et al., 2021)： 批判性思维；韧性、元认知和成长型思维模式。
C. 最深层的重新设计：个性化。教育工作者已经认识到个性化教育的必要性，特别是在中学之后，因为中学教育是所有学生共同学习的基础。因此，CCR 提出了三个复杂性级别，根据学生在每个学科中的潜力和兴趣进行分配：产出；解释；理解。以下关于复杂系统和森林火灾的例子将解释这三个级别之间的区别：如果你是一名即将冒生命危险的消防员，你难道不想质疑当地政府是否策略性地设置了防火带和水井吗？因为你知道森林火灾是分形的（理解），并且希望确保政策制定者（解释）和数学家（产出）都做好了他们的工作（就像你可以向你的会计师或律师提问一样）。
许多地区传统上通过提供每门课程的不同版本（荣誉课程、常规课程、职业课程）并将学生相应地进行分类来实现这一点。
然而，这种实施方式历来效果不佳，因为它主要是相同的内容，仅仅是调整了教学速度，而不是教学深度。为什么一个电工需要学习解多项式？（而且，还是手工解？）即使他们比那些以 STEM 专业为升学目标的学生有更多的时间……
层级 (Level)生成/推导 (Produce)解读/理解 (Interpret)鉴赏/感知 (Appreciate)
Level 3 (STEM方向)Produce (生成)Produce (生成)Produce (生成)
Level 2 (大学/学术方向)Produce (生成)Produce (生成)Interpret (解读)
Level 1 (职教/VET方向)Produce (生成)Interpret (解读)Appreciate (鉴赏)
示例 (Example)指数函数 (Exponentials)二次函数 (Quadratics)心脏线、摆线等 (Cardioid, cycloid etc.)
(来源：CCR - 课程重塑中心)

将现代学科纳入 K12 教育的理由

基于各种职业的相对增长情况 (Center for Curriculum Redesign., 2018)，三个现代学科对现代世界至关重要，但通常没有在 K-12 教育中进行系统地教授。它们的重要性可以被充分论证，具体如下：
(1)技术与工程 (T&E)： 教育工作者谈论 STEM，但充其量只是教授“S 和 M”。目前，STEM 这个缩写在K-12 课程中主要代表科学和数学，而技术和工程则被忽视了。通过将工程教育纳入学校，教育工作者可以为学生提供更全面和综合的 STEM 体验，这也是一种自然的基于项目的学习方式 (Center for Curriculum Redesign and Australian Learning Lecture, 2021)。这将确保学生接受全面的教育，为他们将要遇到的各种挑战和机遇做好准备：
  • 推动创新和经济增长： 技术与工程在现代世界中至关重要，因为与其他任何学科相比，它更能推动创新和经济增长 (Murphy, K. M. et al., 1990)。它为设计和实施各种社会挑战的解决方案提供了基础，从基础设施开发到能源管理。此外，它将有助于培养一支能够解决复杂的现实问题并推动经济向前发展的劳动力队伍。
  • 培养对 STEM 学科的兴趣： 虽然近年来计算机科学受到了广泛关注，但其他 STEM 领域同样具有吸引学生参与和创新的潜力。CCR 已经为六个工程分支制定了一套全面的标准，包括土木、设计、电气、图形、制造和机械，以便 K-12 学校能够为学生提供全面的 STEM 教育。这种广泛的机会将使学生能够探索他们的兴趣和能力，鼓励更多学生从事 STEM 职业。
  • 弥合自然世界和人造世界之间的差距： 在 K-12 教育中，主要关注自然世界（通过科学课程）往往使人造世界未得到充分探索。工程教育可以弥合这一差距，并为学生提供对这两个领域的全面理解。通过了解塑造他们日常生活的技术和系统，学生可以更深刻地认识到科学、技术和人类成就之间的相互联系。
  • 补充科学思维： 工程学是科学思维的自然延伸，因为它涉及到科学原理的实际应用。工程学将科学进行规模化应用。
  • 发展能力： 技术与工程鼓励学生进行批判性思考，培养解决问题的能力，并以实际的方式应用他们的科学知识。这种理论与实践的融合将确保学生接受全面的教育，为他们在学术和职业生涯中将面临的挑战做好准备。
  • 发展关键的核心概念： 工程教育帮助学生发展在现实世界中运作中非常宝贵的关键核心概念。例如，生产前进行原型制作，以及前馈而非反馈的概念，可以应用于各个领域和行业。
  • 与发明过程相联系： 将工程学纳入 K-12 教育可以引入发明方法论，例如发明问题解决理论（Theory of Inventive Problem Solving） (TRIZ) (Wikipedia, 2023)。例如，TRIZ 提供了一种系统的方法来进行创新和解决问题，可以应对紧迫的全球挑战。
(2)社会科学： 在现代世界，理解自己和他人的需求至关重要，然而各地区通常不教授，或者充其量只是选修社会科学学科，例如心理学、社会学、人类学和政治学。
  • 心理学 帮助学生理解人类行为和心理过程。它让他们了解认知偏差、启发法和自我实现的预言，以及发展的里程碑和能力差异。
  • 社会学 帮助学生理解社会群体、机构和文化如何塑造人类行为和经验。它向他们展示了不平等、歧视和社会化等社会力量对个人和社会的影响。
  • 人类学 通过研究过去和现在的不同人类群体来扩展学生的文化概念。它培养对文化差异和跨文化共同人性的欣赏，并提供对人类进化及其如何塑造人类行为和社会的见解。
  • 政治学 教导学生关于塑造法律、政策和公民生活的政治制度和结构。它促进对政府职能、公民身份和政治参与的理解。学生对当代政治议题和辩论形成明智的观点，包括西方政治制度所基于的民主、正义、自由和平等原则。
(3)创业/商业： 如今人们常说“创业是未来的工作”，CCR 完全同意这一观点，因为就业机会主要出现在中小型企业 (SMB) 中 (International Labour Office, Geneva, 2015)。然而，尽管这门学科具有内在价值，而且经济学、会计、市场营销、销售和法律等分支学科以及金融素养等主题也很有价值，但这门学科并非强制性的，甚至不是广泛/普遍开设的。它确实：
  • 让学生为现实世界做好准备： 这些科目教授学生将在其个人和职业生活中使用的实用技能。它们让学生了解经济和商业世界的运作方式。
  • 培养创业思维： 从小教授创业精神可以培养创新、寻求机会的思维方式。这可以帮助学生识别问题并提出创造性的解决方案。
  • 培养金融素养： 经济学、商业和个人理财等科目教学生管理资金、了解市场并做出明智的财务决策。这对学生未来的福祉至关重要。
  • 培养市场营销和销售方面实际的、可雇佣的能力： 这些能力是雇主非常看重的。
  • 激发职业兴趣： 让学生在年幼时接触不同的商业和法律职业可以激发他们的兴趣，并激励他们在这些领域寻求进一步的教育。
  • 帮助经济发展： 当更多的学生发展商业和创业技能时，它可能会在未来经济中带来更多的初创公司、创新和就业机会。
  • 教授其他方面难以培养的关键能力，例如勇气。
所有这些现代学科也有助于培养不同的能力，这些能力是对传统学科所承担的能力的补充。

跨学科性和交叉主题

在《四维教育》中，CCR讨论了二十一世纪课程的一个重要方面——主题（themes）。主题代表了贯穿许多学科（传统的和现代的）的共同学习线索，并且对许多国家地区和文化都很重要。教师、学生和课程设计者会发现无数方法可以在各个重要学习领域中突出它们。CCR 在 2015 年确定的关键跨学科主题在今天仍然非常重要（具体参见Four-Dimensional Education）。它们是：
  • 环境素养（Environmental Literacy）
  • 全球素养（Global Literacy）
  • 信息素养（Information Literacy）
  • 系统思维（Systems Thinking）
  • 设计思维（Design Thinking）
  • 数字素养（Digital Literacy）
  • 计算思维（Computational Thinking） 是一个新增项：将其纳入的理由在于所有学生都需要理解逻辑的、线性的思维，这适用于各种学科，而不仅仅是计算机科学。下图提供了该过程的完整视图：
计算思维从识别模式、分解问题和筛选信息，到处理数据、自动化程序及使用模型理解系统的流程
本章阐明了知识维度课程改革的必要性和过程。接下来的章节将对能力及其关键驱动因素进行同样的阐述。

参考文献

版权声明：此编译稿仅供大家学习，不得用于商业用途。版权归原作者。如涉及侵权，请告知，将及时处理。
返回文章

交流感悟 (0)

0 / 500

暂无讨论内容