企业官网建设流程全解析

原文引用：Chiu, MC., Hwang, GJ. Enhancing students’ critical thinking and creative thinking: An integrated mind mapping and robot-based learning approach.Educ Inf Technol29, 22779–22812 (2024). https://doi.org/10.1007/s10639-024-12752-6

提升学生的批判性思维和创造性思维：一种结合思维导图与机器人学习的综合教学方法

一、概念解析

5E 循环（5E 学习环 / 5E 教学模型）

是基于建构主义学习理论的探究式教学循环框架，由美国生物科学课程研究所（BSCS）开发，包含Engage、Explore、Explain、Elaborate、Evaluate（参与、探索、解释、深化和评估）五个阶段，各阶段环环相扣、可循环迭代。核心思想：让学生在主动探究中自主建构科学概念，而非被动接收知识。

Mind mapping-assisted robot approach（借助思维导图技术的机器人方法）

基于机器人的学习系统包含了一个机器学习模块、一个对话训练模块、一个内容编辑模块、一个视频数据库、一个测试数据库，以及一个教学材料数据库。通过这些模块的开发和数据库的完善，该系统旨在提升学习的互动性和自主性。

本研究将5E 教学设计应用于艺术课程中，并将学习活动划分为五个阶段。每个阶段的具体描述如下：

1.Engagement(conversations) 参与互动/交流

在老师介绍完这个机器人之后，学生们可以轮流与它进行对话，并询问各种艺术家的作品、艺术作品以及不同的艺术风格等相关信息。与机器人交谈的时间越长，他们就能获得更多的积分卡。

2.Exploration(interactive art cards) 探索（互动艺术卡片）：

他们使用机器人来探索与艺术家相关的知识和信息；同时，学生们还与机器人互动，通过本研究设计的艺术卡片来回答问题。如果学生正确回答了一个问题，他们就会获得一张积分卡。

3.Explanation解释：实验组使用了思维导图软件 GitMind 来完成学习任务，而对照组则通过学习系统来学习艺术鉴赏的相关内容。

在这个阶段，实验组使用思维导图软件来分析艺术鉴赏方面的知识。通过触摸卡片与机器人互动后，实验组利用电脑和 GitMind 系统绘制思维导图，将艺术类别的新旧知识联系起来。学生完成思维导图后会获得一张积分卡。而对照组则通过学习系统来学习艺术鉴赏知识，他们同样通过触摸卡片与机器人互动，完成学习系统上的学习任务。在学习系统中，教师设计了测验任务，要求对照组学生与机器人互动以寻找答案，并利用这些答案来完成学习系统上的测验任务。教师可以通过学习系统的后端功能来跟踪学生的进步情况以及他们对问题的理解程度。

4.Elaboration(digital storytelling for digital painting creation)深化创作过程（用于数字绘画的数字叙事方式）：

学生们利用机器人的内容编辑器作为媒介来进行数字绘画创作。机器人通过讲述故事来教授绘画技巧，并引导学生们创作数字绘画作品。他们使用图形软件来完成作品，并应用到日常用品上，比如马克杯、手提包等，从而培养创造性思维能力。这种方式让学生们能够充分理解艺术作品创作的过程，并将产品设计应用到日常生活中。

5.Evaluation(video chats and remote control) 评估方式（视频聊天和远程控制）：

老师可以通过远程控制来操控机器人的肢体动作，并借助机器人与学生进行视频通话。为了监控学生的学习情况，机器人会解释评估表中的问题及注意事项，并指导学生通过手机扫描机器人的二维码，从而自行评估自己的学习成果。

二、摘要

1.研究目的

在传统的以讲座为基础的教学模式中，由于缺乏师生互动，学生的学习效果可能会受到影响，而采用互动学习技术可以解决这个问题。但如果没有适当的指导和支持，这种互动学习模式下的学生学习效果可能会受到限制。为了提高学生的学习效果，本研究提出了一种基于思维导图辅助机器人的教学方法来探讨这种教学方法对学生在艺术鉴赏、数字绘画创作等方面表现的影响。

2.研究对象

本研究招募了台湾中部某大学两个班级共 48 名学生参与实验。其中一个班级为实验组（25 名），采用基于思维导图的机器人（MM-R）方法；另一个班级为对照组（23 名），采用传统的机器人技术（C-R）方法。

3.实验结论

研究结果表明，将 MM-R 方法整合到教学实践中，能够提升学生的学习成绩、数字绘画创作能力、创造性思维倾向以及批判性思维意识。

三、研究问题

在本研究中，采用了思维导图的方法来帮助学生整理他们在基于机器人的学习过程中所掌握的知识。为了评估这种方法的有效性，提出了以下研究问题：

1.与传统的机器人辅助教学方法相比，采用思维导图辅助的机器人（MM-R）方法如何在学生的学习成绩方面带来益处呢？

2.与 C-R 方法相比，MM-R 方法在数字绘画创作方面如何能够为学生带来益处呢？

3.与 C-R 方法相比，MM-R 方法在培养学生的创造性思维倾向方面有何优势？

4.与 C-R 方法相比，MM-R 方法在提升学生的批判性思维能力方面有何优势？

5.采用 MM-R 方法学习的学生与采用 C-R 方法学习的学生，在他们的认知上是否存在差异呢？

四、研究设计

本研究开发了一种辅助思维导图的机器人，用于探索其对学生艺术鉴赏能力、数字绘画创作能力、创造性思维倾向以及批判性思维意识的影响。实验在大学的一门普通教育艺术课程中进行；课程内容和学习活动包括各种艺术风格，代表性艺术家，以及艺术作品的特点。以下详细描述了研究的设计、参与者、课程安排、实验流程以及测量工具。本研究收集的数据通过可靠性分析、肯德尔ω检验以及协方差分析方法来进行分析。

1.实验工具

学习成果测试：前测和后测都由两位拥有 10 年以上设计教学经验的教师设计完成。测试中包含了一些关于艺术欣赏知识的选择题，以及基于艺术作品风格的多选题目。每项测试包含 25 道选择题，满分为 100 分。问卷共包含 20 道关于艺术形象选择的选择题（占 80%），以及 5 道关于艺术风格和代表性艺术家相关基础概念的题目（占 20%）。测试旨在确认学生是否能够准确理解各种艺术风格的基本概念、特征以及相关术语。问卷包含 20 道关于艺术形象选择的选择题（占 80%），以及 5 道关于艺术风格特点、技术应用以及代表性艺术家的问题（占 20%）。

创造性思维倾向问卷：该问卷包含六项条目，问卷采用五点量表评分，其中 5 表示“非常同意”，1 表示“完全不同意”。

批判性思维意识：问卷采用五点量表评分体系，其中 5 表示“非常同意”，1 表示“强烈反对”，问卷共包含 6 个条目。

数字绘画创作的评分标准：是根据 Lai 和 Hwang 在 2015 年提出的海报设计互动评估标准而修改的。两位设计教师对评分标准进行了一些微调，以符合本研究的需求。评分标准包含四个维度：图案、空间、色彩和主题，以及五个评分等级（最低得分 1 分，最高得分 5 分）。两位设计教师分别独立评估了每一件艺术作品，然后将他们的平均得分作为学生作品的最终得分。

在学习活动之后，共有 16 名学生（每班 8 名）被随机选中进行访谈。访谈问题共七个，旨在了解学生对机器人与 5E 教学模型结合方式的看法。访谈问题包括：“这种教学模式与您之前的学习方式有何不同？例如，机器辅助学习模式与您之前经历的学习方式有哪些差异？您认为这种教学模式有效吗？为什么？”以及“总体而言，您认为这种学习模式的优点是什么？”

2.实验对象

在本研究中，共有 48 名来自台湾某大学非艺术设计专业的大三学生参与了研究，他们的平均年龄为 20 到 21 岁。参与者被分为两个组：一组是实验组（25 名），采用 MM-R 方法进行教学；另一组是对照组（23 名），采用 C-R 方法进行教学。这两组参与者都由同一位拥有超过 10 年教学经验的教师授课。

3.实验过程

图4展示了实验的实施过程。在第一周，按照大学的教学安排，学生们完成了学习成果的预测试、关于创造性思维和批判性思维意识的预问卷的填写，以及数字绘画创作任务。在从第 2 周到第 11 周期间，学生们共经历了两个教学周期，每个周期都包含了 5E 教学设计的五个阶段。在最后一周，学生们进行了学习成果的后测试，填写了关于创造性思维和批判性思维意识的问卷，并参与了访谈环节。

五、实验结果

1.学习成果分析

对学生学习成绩前测数据进行正态性检验，根据结果，实验组和对照组P值均大于0.05；

分别绘制实验组（MM-R）与对照组（C-R）学习成果前测的标准 Q-Q 图进行正态性检验。结果显示，两组样本数据点基本沿对角线分布；实验组存在一处轻度高分离群点，对照组数据贴合程度更好，两组均近似服从正态分布，满足后续协方差分析（ANCOVA）的正态性假设。

通过莱文方差等同性检验，P=0.071>0.05，说明两组的方差是齐性的；

之后我们再看均值等同性t检验，P值为0.441>0.05，表明实验组和对照组学生之间的平均成绩没有显著差异。

前测满足正态，基线主检验使用独立样本 t 检验；为增加分析严谨性、补充非参数检验结果，额外使用 Mann‑Whitney U 交叉验证基线均衡情况，U=259.00，Z=-0.589，P=0.556＞0.05，两种检验结论一致。

通过莱文方差等同性检验，我们可以知道显著性P值0.290＞0.05，说明方差是齐性的，条件满足。

从描述性统计数据中可以看出，实验组的预测试分数平均值和标准差分别为 79.64 和 13.59，而对照组则分别为 63.70 和 16.74。在控制预测试分数的影响后，实验组的成绩明显优于对照组（M = 80.26；SD = 2.85）。两组的学习成绩存在显著差异（F = 17.441，p < 0.01）。研究结果表明，采用 MM-R 方法的学生在艺术鉴赏方面的能力明显优于采用 C-R 方法的学生。

与此同时，采用 Mann‑Whitney U 检验比较两组前后测增益分的差异，结果显示U=122.00，Z=-3.418，P=0.001＜0.05，表明两组干预带来的得分增益存在统计学差异。该结果与协方差分析结论基本一致，说明该结论具有较好稳健性。

2.创造性思维倾向分析

对学生学习成绩前测数据进行正态性检验，根据结果，实验组和对照组P值均大于0.05；

分别绘制实验组（MM-R）与对照组（C-R）创造性思维前测的标准 Q-Q 图进行正态性检验。结果显示，两组样本数据点基本沿对角线分布，两组均近似服从正态分布，满足后续协方差分析（ANCOVA）的正态性假设。

通过莱文方差等同性检验，P=0.196>0.05，说明两组的方差是齐性的；

之后我们再看均值等同性t检验，P值为0.414>0.05，表明实验组和对照组学生之间的创造性思维前测没有显著差异。

前测满足正态，基线主检验使用独立样本 t 检验；为增加分析严谨性、补充非参数检验结果，额外使用 Mann‑Whitney U 交叉验证基线均衡情况，U=253.00，Z=-0.713，P=0.476＞0.05，两种检验结论一致。

从描述性统计数据中可以看出，实验组在创造性思维倾向方面的评分平均值和标准差分别为 4.64 和 0.44，而对照组的相关数值分别为 4.49 和 0.52。通过莱文方差等同性检验，我们可以知道显著性P值0.125＞0.05，说明方差是齐性的，条件满足。

实验组的创造性思维倾向评分平均值为 4.68，标准差为 0.069，优于对照组4.45和0.072。两组在创造性思维倾向方面存在差异，F = 5.378，p < 0.05；这表明采用 MM-R 方法的学生在创新能力方面优于采用 C-R 方法的学生。换句话说，MM-R 方法能够激发实验组的创造力，并提升他们在数字绘画创作中的解决问题的能力。

3.批判性思维意识分析

对学生学习成绩前测数据进行正态性检验，根据结果，实验组和对照组P值均大于0.05；

通过莱文方差等同性检验，P=0.321>0.05，说明两组的方差是齐性的；

之后我们再看均值等同性t检验，P值为0.772>0.05，表明实验组和对照组学生之间的批判性思维前测水平没有显著差异。

从描述性统计数据中可以看出，实验组在批判性思维意识方面的问卷评分平均值和标准差分别为 4.55 和 0.42，而对照组的相关数值分别为 4.20 和 0.68。通过莱文方差等同性检验，我们可以知道显著性P值0.082＞0.05，说明方差是齐性的，条件满足。

采用了单因素 ANCOVA 方法进行分析，实验组的批判性思维意识优于对照组，F=6.064，p＜0.05；实验组的调整后平均值达到 4.53，而对照组为 4.21。这些结果表明，MM-R 方法有助于学生更准确地理解艺术鉴赏能力，并识别不同的艺术风格。这些艺术作品旨在促进学生的批判性思维能力。这些结果与先前的研究结果一致，研究表明，实验组采用的思维导图整合学习方法能够有助于学习，尤其是在批判性思维能力方面。

4.数字绘画创作性能分析

对学生学习成绩前测数据进行正态性检验，根据结果，实验组和对照组P值均大于0.05；

通过莱文方差等同性检验，P=0.180>0.05，说明两组的方差是齐性的；

之后我们再看均值等同性t检验，P值为0.094>0.05，表明实验组和对照组学生之间的数字绘画创作水平前测没有显著差异。

前测满足正态，基线主检验使用独立样本 t 检验；为增加分析严谨性、补充非参数检验结果，额外使用 Mann‑Whitney U 交叉验证基线均衡情况，U=195.00，Z=-1.909，P=0.056＞0.05，两种检验结论一致。

从描述性统计数据中可以看出，实验组在数字绘画创作方面的问卷评分平均值和标准差分别为 3.998 和 0.89，而对照组的相关数值分别为 3.268 和 0.97。通过莱文方差等同性检验，我们可以知道显著性P值0.686＞0.05，说明方差是齐性的，条件满足。

实验组的数字绘画创作评分平均值为 3.939，标准差为 0.184，优于对照组3.332和0.193。两组在数绘方面存在差异，F = 5.016，p < 0.05；这表明采用 MM-R 方法的学生在数绘创作方面优于采用 C-R 方法的学生，并提升他们在数字绘画创作中的解决问题的能力。

六、结论

在这项研究中，我们采用了 MM-R 方法。此外，还进行了一项准实验，以探讨该方法对学生艺术鉴赏能力、数字绘画创作能力、创造性思维倾向以及批判性思维意识的影响。通过收集定量数据并进行分析，我们了解了学生的学习效果和学习状况。研究发现，与对照组相比，实验组在艺术鉴赏能力、数字绘画创作能力、创造性思维倾向以及批判性思维意识方面都有显著的优势。

根据访谈结果，两组学生对这种基于 5E 教学模型的机器人辅助学习方式都持有积极的态度。大多数学生认为，这种教学方式能让课程变得更加互动和有趣。与之前的一对多教学模式不同，学生可以更加独立地学习。此外，一些学生表示，与真人教师相比，与机器人对话更加轻松，不会感到压力。实验组的学生认为，思维导图的优势在于其“结构清晰、图表并茂”，这有助于他们更清晰地理解知识并提高注意力。因此，这种方法确实帮助实验组更好地掌握了艺术欣赏的相关知识，并能够将其应用于数字绘画创作中。

附录

两组都采用教育机器人，为什么思维导图可以发挥显著效果？

两组都使用 Kebbi Air S 教育机器人、都完整执行 5E 教学周期，唯一的核心差异就在Explanation（解释）阶段：

实验组 MM‑R：和机器人交互获取信息后，用 GitMind 思维导图软件梳理知识

对照组 C‑R：和机器人交互获取信息后，直接在在线学习系统做测验习题，不使用思维导图

思维导图不是代替机器人干活，而是把机器人的对话、卡片问答得到的零散艺术知识点结构化，进而作用于后测的四个因变量。

实验组学生把从机器人那里问到的一堆零散信息，在 GitMind 绘制思维导图。以六大艺术流派为核心，把发展年代、代表人物、作品特征等建立关联，联结旧知识和新学知识；完成思维导图才能获得积分卡。对照组这里不做思维导图，把机器人得到的答案直接填进系统的测验任务，只完成客观习题，没有可视化知识建构过程。

对于学生数字创作绘画的评分，用到了Kendall ω检验：

肯德尔 ω 检验（Kendall's W，肯德尔和谐系数 / 协调系数）

属于非参数检验，用来检验3 个及以上评价者（评委 / 评分者）对同一批对象排序或打分的一致性程度，常用来做评分者信度、专家共识检验。

适用条件：

1.数据：有序等级资料（秩次），也可以是原始连续评分

2.设计：m 个评价者，对 n 个对象进行评价或排序

3.每个评价者独立完成对全部对象的评价