小学科学（心得）之基于数据收集的科学探究课型探讨 11页

小学科学论文之基于数据收集的科学探究课型探讨 ‎ 基于数据收集的科学探究课型探讨杭州市拱墅区教科室  陶 林 内容摘要：基于数据收集型的科学探究课是建构主义理论指导下的，最具有科学探究本质的课。其收集的数据可以分为单个数据和连续数据、单列数据和对比数据、有规律的数据和无规律的数据、证实的数据和证伪的数据等类型。其教学流程以问题为核心，包括四个过程：创设问题情境、制订研究计划、实验收集数据、结论交流研讨。教学过程中，教师可以运用误差控制、图表运用、设计“记录单”等策略来帮助学生完成探究过程。关键词：数据收集  科学探究  科学精神  科学素养  新课程标准理念认为，科学探究既是学生的学习目标又是学习方式，科学探究的学习过程能使科学知识、技能、方法、能力、态度、情感在学生自身人格中内化，使学生的科学素养得以全面提升。基于数据收集的科学探究课是最具有科学探究本质的课型，对学生的科学素养培养具有重要作用。 一、              对基于数据收集型的科学探究课的理解1．           ‎ ‎ 本课型是最具有科学探究本质的课型。基于数据收集的科学探究课是指在科学探究课堂教学中，学生在对问题进行探究的时候，是通过收集数据来获取问题信息，并通过对数据的解读来形成对问题的解释的科学探究课型。基于数据收集的科学探究课既是科学课的重要内容，又是最具有科学探究本质的课型。首先，数据收集型科学探究课具有探究型课堂教学一切特征，学生经历科学发现的简约过程。它通常要学生像科学家那样通过严密的实验条件控制，来设计对比实验，收集数据，形成对问题的解释，在此过程培养科学探究技能，养成科学素养；其次，数据收集型科学探究课强调学生数据收集与数据分析能力的培养，这些能力是科学探究的核心能力；第三，数据收集型科学探究课对培养学生的实证意识、求真态度、合作精神、逻辑思维等科学精神具有先天的优越性。2．                    本课型的分类。由于数据收集型科学探究课在小学科学课中有重要作用，也占有相当比重，因此可以从多个层面对其进行分类。（1）    单个数据和连续数据。按科学探究过程中收集数据的数量和过程，可以分为单个数据课型和连续数据课型。单个数据课型是指通过一系列的探究活动收集到一个数据，就能解释假设和猜想。当然通常为了保证数据的真实和正确性，通常重复几次实验，这种数据还是属于单个数据。比如在人教版六上《哪杯水的温度高》中，教师设计把两杯体积相同的不同水温的水混合，请学生猜测他们的混合后的温度，然后再通过实践验证，测出实际的温度。连续数据课型是通过连续的数据收集活动得到一系列的数据，通过这一系列的数据的分析来形成能对问题的解释。比如“连续测量一杯热水的温度”‎ ‎，通过定时测量一杯热水的温度，得到一组数据，再分析这组数据后得出水温变化的规律。一般说来，单一数据需要通过多次验证才能形成对问题的结论，它并不需要对数据进行统计图的分析，而连续数据为了加强数据的直观性可在教师的示范或帮助下绘成统计图。如六下教材《我们是怎么知道的》一课中，对班级中学生身高的统计完成后，把学生身高数据绘成直方图，很容易看出是一个正态分布数据。（2）    单列数据和对比数据。单列数据是指在数据统计时，收集到的数据是一组单一的数据，数据之间并没有关联。比如在统计家庭一日中的垃圾分类的数据就属于单列数据。对比数据则是在对比实验中测出的一组有关联的数据。通过自变量和因变量的数据变化来形成对问题的解释。这类数据是科学探究过程中获得最多的，也是最能体现科学探究价值和思想的数据。教师有时为了让学生更直观地看出数据之间的关联性，可把它绘成统计图。比如《在斜坡上》一课，测得斜面大小与拉力之间关系的数据就属于一组对比数据，通过数据可以发现斜面的角度越大，越费力。（3）    有规律的数据和无规律的数据。通常，学生在收集数据时，要进行不同条件下的实验，或进行连续的数据收集，按照收集到数据的是否有规律，可以将其分为有规律数据的课型和无规律数据的课型。比如，在“连续测量一杯水的温度”时，收集到的数据就是一个有规律的数据，它可能是一个函数。在“抵抗弯曲”一课中，教师通过让学生增加纸的厚度，测量出纸张的载重能力，从中得出的数据也是有规律的数据。还有类似通过改变摆线的长短来测量摆的快慢等等。而有些数据测量出来是没有规律的，比如在我执教的“‎ 桔子的探究”一课中，学生收集到的桔子大小和桔子瓣数量之间关系的数据就是一组无规律的数据。（4）    证实的数据和证伪的数据。按照收集到的数据能否对假设形成有效的证明，可以把它分为证实的数据和证伪的数据。证实的数据是那些能够证明假设成立的数据，而证伪的数据则是证明假设是不成立的数据。如在《哪杯水的温度高》中，学生猜测两杯同体积的水混合后，水温是热水和冷水的温度相加的一半，经过比较精密的实验，证实了猜测。而在“桔子的探究”一课中，收集到的数据则证明有些学生认为桔子越大，瓣数越多的想法是不成立的。3．            建构主义理论是数据收集型科学探究课的基本理论。           1997年《科学与教育》杂志的第6卷第1、2期以“科学教育中的哲学与建构主义”为主题结集出版了专刊，从哲学角度讨论了建构主义及其对科学教育的意义与影响。大量关于建构主义与科学教育改革的专著如雨后春笋，如美国著名的建构主义学者冯·‎ 格拉塞斯菲尔德（vonGlasersfeld）主编的《教育中的建构主义》，马修斯著述的《建构主义与新西兰的科学教育》，杜宾（K．Tobin）主编、美国促进科学协会出版的《科学教育中的建构主义实践》，斯特弗（L．Steffe）等人主编的《教育中的建构主义》，等等。这些专著和其他更多地散见于教育期刊上有关建构主义与科学教育的论文，极大地促进了建构主义作为科学教育理论（乃至一般的学习理论）的传播，使其成为面向21世纪科学教育改革的主流理论。建构主义的科学教学观与传统教学观的区别首先基于对科学知识看法的差异。传统的教学观是建立在客观主义或归纳主义的基础上。客观主义者力求把人的主体性与实在的事实分离开来，并且从教育话语中取消价值和情境因素。因而，依据这种范式，科学知识是客观实在的反映，而科学教育的目的就是把科学家们所获得的知识传递给学生。然而，在建构主义看来，在教学过程中，科学知识永远只是主体建构活动的结果，因此，它是不能传递给被动的接受者的。科学知识必须由每一个认知者主动地建构。从建构主义的观点来看，教师的讲授表面上好像是在传递知识，但实际上只是在促进学生自己建构知识而已。建构主义认为，知识不是通过教师传授得到，而是学习者在一定的情境即社会文化背景下，借助学习是获取知识的过程其他人（包括教师和学习伙伴）的帮助，利用必要的学习资料，通过意义建构的方式而获得。由于学习是在一定的情境即社会文化背景下，借助其他人的帮助即通过人际间的协作活动而实现的意义建构过程，因此建构主义学习理论认为“情境”、“协作”、“会话”和“意义建构”是学习环境中的四大要素或四大属性。在本课型的教学中，学生通过情境的感悟，提出需要通过收集数据来解释现象的问题，并通过小组协作、集体交流等来形成对问题的看法，去“同化”或“顺应”‎ 过去的经验，形成新的知识和技能。例一：在《哪杯水温度高》一课中，我先出示情境：我口渴了，有两杯体积相同的水，一杯水太热（95摄氏度），一杯水太凉（5摄氏度），混合后水温是多少？学生估计是50摄氏度。并讨论出验证的具体步骤：先测量冷水的温度，再测热水的温度；测完后马上马冷水倒水热水中；可以用温度计边测量边搅拌混合的水，等温度计的液柱停止上升后马上读出温度。实验中学生规范操作，绝大部分都得出了接近50摄氏度的数据。本课中，学生通过在真实的问题情境中提出一个命题后，进行实践检验，建构出一个新的科学概念：体积相同的热水和冷水混合后的温度=（水温1+水温2）/2。 二、             本课型对学生学习的意义1．                        ‎ ‎ 数据收集与分析能力是科学探究技能中的核心能力。科学探究技能由多种能力组成，其中主要有提出问题的能力、做出假设的能力、计划能力、观察能力、数据收集和分析能力、合作与交流能力等等，这些能力在数据收集型探究课中都能得到培养。与一般的科学探究相比，培养学生数据收集与分析能力更是本课型的强项。本课型最重要的一个环节就是要收集和分析数据，来形成对问题的解释。在此过程中，计划、观察、分析能力都在围绕数据收集过程得到培养的。如，在《抵抗弯曲》一课中，为了让学生能够收集到准确的数据，让学生在试误的基础上讨论影响纸张承载力的因素。学生讨论后认为，放垫片的位置、纸张的长度、厚度，放垫片的力度等等都会影响纸级的承载力，最后学生在标准统一的情况下，设计出承载实验，测出同样厚度，8厘米长的纸片2张，能承载的垫片约为2个，3张纸约为11个，4倍纸约为30个。再把这些数据画在统计表上，看出，纸张的厚度增加，它的承载能力急剧增长。通过对教科版科学教材的统计发现，小学阶段基于数据收集的科学探究课占相当大的比重（见附件一），并且随着学生年级的升高，科学探究能力的增强，此类课型迅速增多，对学生的要求也越来越高，由开始的收集一些单一的数据，到后来收集对比数据或多组数据，并分类，画出统计图等等。由此，可以说，学生如果不会收集和分析数据，他们的科学探究能力还处于最低层次。2．           ‎ ‎ 数据收集和分析过程是培养学生科学精神的重要途径。科学的本质不仅仅是科学的结论，更重要的是要理解和体验科学探究的过程，并在此过程中培养学生严谨、求实、怀疑等科学精神。而数据收集与分析过程正是培养这些科学精神的最佳途径。数据收集的过程必须严谨，才可能得到最精确的数据，因此学生必须事前周密计划，达到精益求精。比如，在求证热水和冷水的混合温度时，为了得出更精确的数据，不仅热水和冷水的体积要相同，两杯水测量出温度后还必须马上混合。此时，还有学生提出为了减慢热量的散失，应该关掉教室里的冷气，此时教师尊重学生的意见，关掉冷气，以求结果的精确。最后，大部分学生测出的接近两杯水温的平均值，而有一个小组则明显高出平均数据。教师首先表扬了这个小组的求实精神，然后再和同学们一起分析这组数据偏差的原因，最后学生认为可能是热水的体积多于冷水的体积，并建议再进行一次测试，第二次在众多变量得到很好控制的情况下，该组得到了精确的数据。三、              基于数据收集型的科学探究课的教学流程                 ‎ 科学探究是围绕问题展开的，基于数据收集型的科学探究课也是如此。一个科学的问题应该体现封闭性，具体来说，首先问题应该贴近学生生活经验，不能脱离学生生活实际。其次，科学的问题还应该具体，不能漫无边际。如研究“两杯同何种的水混合后温度是否为两杯水温的平均值”；研究“桔子的大小和它的瓣数之间有没有必然关系”；研究“一个豆夹中豌豆种子的数量是否有一个集中值”等等。这个问题是整个探究的核心，其教学的所有流程都是围绕它展开。其教学流程也可分为四大部分：创设问题情境、制订研究计划、实验收集数据、结论交流研讨。其模式如图一所示： 图一    基于数据收集型的科学探究课的教学模式 1．           ‎ ‎ 问题情境。问题情境是科学探究的前提，也是建构主义理论的四大要素之一。在科学探究之前，教师都应该设置一个真实的任务情境，来激发学生的思维，驱动学生提出问题和作出假设。问题情境可能通过两种形式创设，一是通过为学生提供丰富的探究材料，让学生在操作材料的过程中主动提出问题，如在《桔子》的探究一课中，教师先给学生一些桔子，让学生通过吃和玩来提出桔子大是否就瓣数多的问题。二是通过教师提供的情境，让学生在和教师的互动过程中提出问题。如《哪杯水温度高》一课，教师说渴死了，找到了两杯水，一杯太烫，一杯太冷，问学生两杯水混合后，水温适中吗？是多少度？这样，自然得出本课要研究的问题。本课型第二种类型更常见。2．            制订计划。制订计划是本课型不可缺少的重要环节，数据收集是否准确、充分、必要，都必须经过事前的周密计划来实现。此过程同时也是学生脑力碰撞、思维火花闪现最重要环节。通常是让学生先小组讨论，然后集体交流，形成一个比较完善的方案，再进行实践检验。当然，只要学生的方案可行，并不强调所有学生都按一种方法研究。学生的研究方法可以多样，学生的研究内容也可以分解。例二：桔子的探究师：现在有两种观点：一种认为桔子大，肯定瓣数就多，理由是它的体积大了，就应该是由更多的桔子的瓣组成的；第二种观点认为，桔子大小和瓣数多少没有关系。怎么样去证明哪一种观点正确呢？              ‎ ‎ 生：做实验。师：做实验，是科学的方法。怎么实验？各小组讨论一下。（生讨论后交流）生1：我们认为可以称出大小不同重量的桔子，桔子大了，肯定重。还要把它剥开，数一下瓣数。看看是不是重的瓣数多。师：好方法。是先称重量还是先数桔子瓣？生1：应该先称重量。师：是的，这儿有个次序问题，不然先数桔子瓣，再称就麻烦一些。我这儿有弹簧秤，你们等一下可以来拿。还有其他方法吗？生2：我们认为可以用线把桔子围起来，再量这根线的长度。这根线越长，表明桔子越大。然后和第二组一样，把桔子剥开，数一下瓣数，看看是不是桔子大，瓣数多。师：这个办法也很好，一般来说，桔子越大，它的腰围就大了。没有带线和尺子的话可以到我这儿来拿。还有其他方法吗？（生沉默）师：没有其他方法，大家就选择其中的一种方法去检验。然后把这张“记录单”填好。3．            数据收集。数据收集的过程是学生实践的过程，也是学生最喜欢的环节。它要建立在学生对问题和研究方法的理解的基础之上。数据收集的过程是本课型的核心所在，也是培养学生操作技能，培养学生科学精神、合作能力的核心环节。以“连续测量一杯热水的温度”为例，学生要掌握测量、读、写温度的能力，要把握定时的能力（刚好两分钟测量一次），在二三十分钟的实验过程中，要有耐心和恒心。同时，对于读数的要求，更要科学、严谨。通常，如果收集的数据是单个的数据，则需要改变实验的一些自变量进行重复验证，这个过程可以分两步进行，也可以一次进行，具体情况可视研究的问题和学生的能力进行。4．            结论交流。研究结论的交流是必须的环节，一是部分学生收集的数据出现差错是在所难免的；二是科学研究结果是需要交流和发布的，它是科学研究的推广和应用的前提；三是可以更大范围地了解别人研究的情况，来理性思考自己的结论。学生的研究结果需要交流第四个原因是，通常教师需要把各小组收集的数据统一起来，得到一个更大的样本，来综合判断形成新的结论。四、‎ ‎                          [11]  ‎