融合学科教育下的大学的形式

上一个帖子融合学科的大学教和学讨论了融合学科教育的必要性和方式。这种教育和通识教育的精神相通,把学科知识围绕着学科大图景分解成各个阶段的普适基础部分、学科基础部分和方向性部分(注意,在更高的阶段后两者可以不断地成为前者,不断推进这个边界),然后,让学习者自己来选择把自己学成一个个的四不像,只要抓住所感兴趣的学科的大图景,也就是典型对象、典型问题、典型分析方法、典型思维方式,以及和其他学科还有世界的关系。绝大多数课程不过就是在各个层次开设的体现大图景的通识课(注意,不是肤浅课,不是知识课,而是只能够用最少的概念和例子来构建的深刻的反映学科大图景的真正的通识课)。

一旦这样的重新梳理和建设完成之后,学校的组织形式是不是就不一样了?我们先来看看学校在功能上的变化。每一门课在全国甚至全世界范围内只要在不同的层次都有几个老师能够讲好,就可以了。需要通过实践和运用来辅助学习的部分,需要讨论和答疑等交互来辅助学习的部分,交给助教老师和学生来完成。当然,这样的话,学生在选择课程的时候,除了多多尝试,也需要一些指导,更需要比较完善的用来了解每一门课程主要介绍什么学科的什么样的大图景的资料。于是,学校大部分时候,就会成为一个提供指导和辅导服务的机构。

除了提供指导和辅导,学校还会承担审批和颁发学位的责任。比如说,物理系可以不管你上了哪些课,只要掌握了和前面提到的学科核心基础课相当的课程,例如四大力学,就可以授予物理学学士的学位。

那么,如果学校仅仅从提供这些功能——指导、辅导、专业学位审批——的角度来说,其组织形式会发生什么变化?

首先,学院不再不负责管理学生,学生直接由学校和学生自己来管理。学院对学生而言,不过就是一个某个特定方向或者学科中提供指导、辅导和学位审批的单位,而不再是一个学生的管理单位。选课、上课等学生的日常行为完全是在和学校打交道,学校只不过刚好选择了或者反过来学院的老师们刚好选择了来开设这样的一门门课程而已。

其次,学院不再负责制定培养方案,仅仅提出来本专业的学位要求(核心课程,而不管学习顺序和学习方式),以及提供一些推荐课程选择模板供学生参考。

接着,学校的层面,也不再区分课程由哪些老师来开设,不管是谁,都可以选择来开设任何一门课程,只要学生有人选,并且教学大纲和质量通过粗糙的审批。例如,物理系的老师也可以来开设《线性代数》而且和数学系老师开设的在满足学位要求和进一步学习要求上,不存在区别对待。反过来,冲着物理专业学位学习的学生也可以去选择数学系开设的相当于《线性代数》的课程,不存在区别对待。只要各个课程的先修课联系和毕业要求规定好。学校甚至可以把大部分的老师,在自由选择的条件下,转成通过审批的网络课程的助教老师,以及指导学生来选课的老师。

最后,全国甚至全球的学校联盟或者专业联盟,可以一起来提炼学科大图景和体现这些大图景的主要概念和例子。当然,每一个教课的老师还会在这个基础上有自己在学科大图景上的侧重点,以及自己的独特的例子。上一个帖子也已经提到,甚至“课程”这个单位也可以去掉,只要能够学习到某个特定的集合的概念和概念之间的关系,学习到这个学科的学科大图景,就行。也就是说,学习的内容和顺序,完全是学生自己选择的结果,受到概念和概念之间的关系的约束,受到这些概念要反映学科大图景的约束而已。

当然,一旦课程这个级别也取消,学校的审批认证就需要更加合理的方式,例如通过在一个学科的概念地图上做高效率的检测和推断——例如,通过考察学生直接关于三个概念的问题来推断学生是否理解好了三十个相关的概念。这个高效的考察方法和高效的反映学科大图景的学习方法一样,都要基于学科的概念地图。这也是我们正在以汉字结构含义网络来当例子开展的研究。如果你想了解一下前期的研究,可以搜索一下BBC的报道“A better way to learn Chinese?”。最近的工作正在缓慢但是持续地开展中。

这个帖子也是长又长,总结一下:在体现和融合学科大图景的教育体系下面,对学生而言,不再有学院有专业的区别,甚至不再有课程这个级别的单位,仅仅受到学科大图景的制约,收到概念和概念之间的关系的制约;从学生的角度来说,学校仅仅起到提供指导、辅导和学位审批的作用;从学校的角度而言,无论开课老师来自于哪里,各个院系甚至网络,只要内容上通过粗糙的审查,则完全没有区别对待的问题。

于是,学校和院系,只不过就是一堆大概来说具有类似的兴趣的研究者的集散地。当然,这些研究者,除了研究,还能够在培养人才上起到指导和辅导的作用(当然,也允许那些主要起到指导和辅导作用,稍微做一点研究的),并且其中的少数还可以成为促进学生理解学科大图景的课程的建设者。

顺便,袁强问,我为什么写这几个帖子。我认为这是能够解决当前的一些问题的思考,尽管有可能有点超前了。并且,我提供这些思考就是为了能够促进其他人思考,至于能不能被实现,那是另一个问题。能够促进思考,就是值得的了。另外,顺便推广一下概念地图和系统科学,也不错。

融合学科的大学教和学

随着机器辅助智能和机器辅助劳动的发展,以后,人类的吃饭问题(基本需求)是容易被满足的——躺着就可以吃饭,生下来就可以开始等死。例如,昨天我和心儿就说起来,以后你的身边都会有一个小助手,可以随时帮你完成各种计算,求解各种已经知道如何求解的题,但是,不会自己提出来合适的问题。比如说,只要问“2+3等于几”,就会给出来答案“5”,并且这样的问题在这个助手看起来并没有比“15的质因数是什么”更复杂。那么,这个时候,心儿的任务就是找到合适的问题来问,把一个问题分解成助手能够解决的问题来问。例如,针对什么样的情况来才真的来问前面的两个问题。也就是说,做有方向性的思考,做分解,做未知的问题和已知的问题的联系,才是人类要完成的事情。如果为了提出(新)问题和解决问题,那么,人类的学习到底怎么学?

今天,我们来主要关注大学,在这个背景下,怎么教和学。其实小学也一样需要考虑这个问题,一样要做翻天覆地的变化。不过,小学这个公众号已经有比较多的讨论。今天,我们主要集中在大学上。

面对的实际问题是不分学科的。一个实际问题的解决可能需要用到很多各不同的学科知识和思维方式、分析方法。于是,相应的学生的学习也应该没有学科的边界。当然,没准通过来自于多个学科的专家的合作,也可以解决很多问题。但是,让每一个学生都学成四不像(当然,这个四不像也可以实际上很像一个传统数学家、传统物理学家),也是很好的选择,具有很大的解决问题的潜力。再说,这些各自不同的四不像也可以合作起来提出和解决问题啊。

但是,四不像,并不是任意生长。要成为四不像,才需要更好地把握一般知识和技能和专业知识和技能的边界,以及这些边界的融合。也就是说,需要放弃把学科作为边界,要融合掉学科的边界(关于这个“融合掉”,一会回来这个主题),但是,要注意一般性知识技能和专业性知识技能的区别和融合。在展开这个讨论之前,先回到学科的边界和融合的问题。

每一个学科都关注自然和社会的一方面,用某个角度来观测和思考自然和社会。每一个学科都有自己的典型研究对象、典型问题、典型分析方法、典型思维方式,以及这个学科和世界以及其他学科的关系。我称这些东西为这个学科的大图景。当然,这个大图景是可以随着学科的发展而有所变化的。但是,没有一个学科特定的思维方式,也就是看待世界的角度,是不可能成为一个学科的。那么,当我们要来学习一个学科的时候,我们首先要把握的就是这个学科的大图景,把这个学科和其他学科,还有和这个世界的混沌状态(各个学科还没有分开的状态)区别开来。于是,学科的边界是非常有必要的,不分开学科就是永远沉浸于混沌之中。

可是,如果仅仅关注在各个学科里面,则,前面提到了,实际问题总是没有学科的限制的。你拿着一把把来自于各个学科的分开的刀子,来解剖世界这个牛,只有逼迫自己学会各种刀,或者组建一个很好的掌握各种刀子的团队才行。但是,在这样的团队里面,那个把问题分解成每一个不同的刀手能够解决的子问题的人就非常非常的重要。其他人都是刀子,都是“机器人助手”,而这个人,需要提出问题、分解问题的人,只能是“人”,具有高度创造性的人。至少迄今为止如此。将来是不是机器智能能够提高到这个程度,不知道。

于是,我们发现,尊重学科边界,学好各自的学习之外,还有一个融合多个学科的必要性。

这个时候,怎么办?简单粗暴的办法就是让每一个人都成为多学科的专家。例如物理学家就是这么悲催,或者幸运:我们当然要学好物理,但是自然界的语言是数学思维的语言也是数学(从思考到模型到计算都是数学),所以我们不得不具有水平相当过得去的数学;解析计算很多时候在实际问题中不够用另外把事物抽象成对象(拥有内部状态变量和外部接口)甚至把问题分解成每一个小小的步骤来完成也是物理学的典型思维方式,所以我们也不得不或者很自然地具有水平相当过得去的计算机科学;物理学还经常自以为自己是自然科学的老大,所以就经常思考一些基于具体科学但是超过具体科学的问题,甚至由于这种学科带来的傲慢(我从来没说这是坏事啊)不得不成为一个很好的传物理学的道的人。那,是不是真的就得要求没一个物理学家都得学会怎么多东西呢?或者反过来,要求每一个研究者,先成为一个物理学家呢?因此,简单粗暴的办法是真的不行的。

那么,能不能在不这么简单粗暴地要求一个学习者什么都学的条件下,还能够达到融合学科边界的效果呢?这就是需要要做好一般性知识技能和专业性知识技能的区别和融合。也就是说,把一部分知识和技能抽取出来当做人人都要学习的来自于多个学科的东西,把另一部分知识和技能当做领域专家才需要学习的东西,并且,在每一个阶段,不断地推进这个一般性和专业性的边界。这也是那个叫做“通识教育”的精神。于是,通识教育的第一步,就是按照一定的原则,把知识和技能分成一般性和专业性,以及相应的阶段。相应的阶段的意思是,例如在高中阶段大约这些知识和技能可以当做一般性的,而在大学本科阶段则更多的知识和技能可以当做一般性的,类似地在研究生、博士、终身学习的不同阶段有一个大概的一般性和专业性的边界。

那么,这样区分的原则是什么,谁来做这个区分,区分的结果大概怎样?这个原则又需要回到学科的边界和融合的问题,回到学科大图景。我先给出来一个区分完了的答案,一会再讨论区分的原则等其他问题:比较基础的学科的大图景属于早期层次的一般性技能,更加专门的学科的大图景属于稍微晚点的阶段的一般性技能;同时,任何的知识,如果不是为了体现一般性技能,则永远都属于专业性知识。

为什么这样来区分?前面提到了,具体如何用刀子,具体如何计算“2+3”都是有“机器辅助(可以实际上就是人)”帮你完成的,只有提出问题和拆分问题把问题转化成操作,才是真的需要具有创造性的人来完成的。因此,一个学习者真的需要理解的就是没把刀子的各自的特点,而且是深刻地体会到这个特点,也就是深刻地体会到每一个学科的大图景——研究什么对象、什么问题、如何分析、思考模式或者说学科精神,以及这个学科如何服务于其他学科和这个世界。从小学到博士的教育,都要帮助学习者体会好这个学科大图景。当然,没有具体研究工作、理论体系、具体知识当做媒介,学习者是不可能体会好这个学科的大图景的。因此,具体知识还需要按照如何体现学科大图景的方式来组织好。例如,在物理学里面要从做具体的实验中来学会用实验的方式来探索世界,甚至和数学将结合来体会如何运用数学结构来描述这个世界。具体的例子和具体的知识的选择万万种,但是,都是为了体现物理学的典型思维方式的。

每一个学科都需要这样来做好知识的重新梳理,一切围绕着学科大图景来组织。

顺便,更多的关于物理学的学科大图景、数学的学科大图景可以去翻翻“吴金闪的书们”上面的那些书——《系统科学》、《量子力学》、《教的更少》、《小学数学》。

一旦做好了这个不同层次的区分,有什么用?以此为基础,在学习的不同阶段,开展内容不同但是原则相同的通识教育。每一个阶段,我们都是为了学生更好地理解一系列学科的学科大图景,只不过所领会的大图景的层次可能不一样,所要求的学科可能不一样,所用的当做媒介的具体知识可能不一样,但是,原则和目的是一模一样的。

至于前面提到的问题,谁来做,就不好回答了。我在我所教过的所有的课程里面,都在做这个实践。我还在尽量地影响我周围的人来做这个实践。但是,真的,真个可能需要有组织地来实现,而不是通过我这个个人的经验和魅力。

更具体一点,我来举个例子:把这样的——以“学科大图景”为目标的通识教育——体系用于系统科学、物理学这个学科或者其中的一门课的建设。其实,用于其他学科和其他课程也是一样的。

首先,我们要把这两个学科的大图景精炼好。例如,系统科学就是用相互联系的视角去分析具有系统性的问题。具体的什么是相互联系的视角、什么是系统性的问题、这样来分析的话典型方法是什么,我就暂时不展开了,以后没准可以展开,或者请去看《系统科学导引》和《量子力学》。精练好了之后,我们把学科的知识和研究工作的例子,都围绕着这些典型对象、问题、分析方法、思维方式组织好。接着,我们再来看 ,其中的哪一些大图景和例子是可以并且值得放到前期来让学习者体会的,哪一些应该放在后期的。例如,我们会发现,力学的世界观(事物状态的描述、状态的变化、状态变化的原因)、用数学结构来描述世界(例如用矢量来描述位置和速度)、用实验来促进和检验思考这些物理学的大图景和相应的知识和例子,是值得并且能够在很早的阶段,例如小学就可以渗透的,时空观以及对时空观还有时空和物体状态的关系的思考没准需要稍微晚一点,高中或者大学。有了这样的对学科的大图景和知识的分析,才能够真的做好通识教育。于是,物理学这个学科的一部分大图景和知识就应该成为比较早起并且比较普适的学习内容,不管你将来想学什么学科。

顺便,通识教育不是肤浅教育,不是了解性教育,不是不需要思考只需要听故事的教育,而是不以具体学科的高深知识为目的,但是以必要的学科的大图景为目的的,为了学生来了解这些个学科而开设的,需要做大量的更加深刻的思考的教育。

有了内容上的梳理,实际课程的开设怎么办?这里,我的讨论主要集中在本科和以上阶段。在大学本科阶段,或者本科前两年,要做好普适性大的学科的通识教育,例如数学、物理学、学习方法、分析性阅读和写作、计算机科学(典型编程思想例如从现实到对象的抽象和过程变成的具体化步骤化思考、算法、具体编程实现的技能)等。注意,这个阶段的数学可能知识内容还是和现有的课程一样——微积分和矩阵,但是学习的目的不是这些知识而是数学学科的大图景。同样,物理没准也还是力学,但是目的不是Newton定律这些知识,而是物理学的学科大图景。

对于系统科学这样的交叉科学,就可以允许学生去选择来自于数学系的数学,来自于物理系的物理学。可以是数学专业的数学分析,也可以是给外专业的大学数学,让学生自己选,只要这些课程是为了理解数学的学科大图景的,仅仅在知识要求上不一样。可以是物理专业的力学,也可以是给外专业的大学物理,让学生自己选,只要这些课程是为了理解物理学的学科大图景的,仅仅在知识要求上不一样。

有了这个大约五六门以学科大图景为目标的普适基础课,有了学会学习和思考,有了分析性阅读和写作,有了计算机,就可以开设各自学科的学科核心课程和学科方向导论课。例如,物理学自己,也要在前面的基础上面开设类似于现在四大力学的学科核心基础课,同样也是强调学科大图景,只不过具体的知识和计算,可以稍微复杂一点点了而已。在系统科学而言,就需要开始《系统科学概论》这个层次的课程了。这样的学科核心基础课,也要按照通识课程的理念,主要为了帮助学习者体会学科大图景。在这个基础上的学科方向导论课,则可以在一个比较小的子领域内来做这个子领域的大图景——典型对象、问题、分析方法、思维方式、在整个学科甚至整个世界中的地位。

这个体系下面,各个专业,在普适基础课的基础上,只不过需要建设几门学科核心基础课,几门学科方向导论课。其课程数量是非常少的。但是,其实,建设任务是相当重的,一切需要围绕这各自阶段的学科大图景,重新来梳理和选择具体知识。

类似地,在研究生教育甚至终身学习阶段,一方面,在本身学科上,还需要有更深刻的例子来体现学科大图景;另一方面,可以考虑在其他学科上,也有一些对这些学科的大图景的了解。同时,随着研究工作的开展,在本身学科(或者其他学科)的具体知识和具体分析计算上,也会有更深刻的体会,从而促进更好地理解学科大图景。

这个帖子实在长又长,总结一下:学习每一个学科都要充分体会到这个学科的大图景搞清楚这个学科和其他学科的边界;但是,同时在清楚边界之后,要融合这些边界,还是通过以学科大图景为学习目标的方式;按照学科大图景的原则把学科和学科知识技能分成适合不同学习阶段的普适性基础课程、学科基础课程和学科方向导论课,开展真正的不肤浅的通识教育;学科教育也将变成各专业一起建设的普适性基础、极少量的学科核心基础课、一些学科方向导论课。

更进一步,实际上,课程都是一个没有必要有的概念,只要一堆紧密结合在一起的概念,通过概念之间的关系相互联系在一起,就可以了。

顺便,这样的把每一个东西做拆分,搞清楚这些东西各自的特点之后,重新在整合起来的思想,就是系统科学的思想。不是说,整体论比还原论高明,而是,拆分也就是还原,需要和整合,不断地分别展开和再次结合,交替进行。没有还原的整体论是伪科学,没有整合的还原论则会丧失方向,看不到大图景。先分开,则融合才是真融合,不分开就融合那就混沌。

因此,在这里,也再一次推荐人人都来学一学系统科学,例如通过我的《系统科学导引》课程或者教材。还推荐来学习一下我的《学会学习和思考》课程,或者书《教的更少,学得更多》

“教的更少,学得更多”的课程设计要求

我一直在散播这样的理念:一个一个的知识点不重要,知识的组织,用知识来反映一个学科大图景(一个学科的基本研究对象,基本研究问题,典型思维方式,典型分析方法,和其他学科以及世界的关系)才重要;因此,教学(和研究)都要围绕着这个学科大图景来选择教(研究)什么,然后才是怎么教的问题。这样做需要依靠系联性思考——把一个概念或者知识点放到和其他的概念的联系里面去理解,和批判性思维——没有经过理性以及实验拷问的概念知识点等不能成为进一步思考的基础。

我还举了数学、语文、力学、量子力学、系统科学等例子。比如说语文,最核心的东西不在于字词的记忆背诵默写,而在于喜欢和能够说出来自己想说的,以及搞清楚自己想搞清楚的其他人说的东西,也就是喜欢和能够交流,也就是分析性听说读写。我甚至提出了WHWM分析方法。比如说数学,最核心的东西不在于四则运算,甚至微积分运算,而在于抽象化能力——把一个问题变成数学问题并且进而来做形式化语言思考的能力。比如这些科学的分支,最主要的不是碎片化的知识,而是首先通过具体学科的例子明白科学是什么,然后明白自身学科特有的对象思维方式和分析方法是什么。

那今天,我们来看看,要实现这个体系,怎么做,需要什么。

首先,需要一个能够站的足够高脑子里面有学科大图景的老师。自己的理解不到位,只在知识点层次,那就不能看到知识的组织,并且看到这群联系起来的知识的灵魂——学科大图景。

其次,需要愿意来做理解型学习的学生。仅仅对知识点和考试成绩感兴趣的学生,可能很难转过来做理解型学习。

再次,需要一个还能够比较成体系比较有灵魂的学科。当然,一般来说,只要站的足够高,这样的灵魂总是看得见的。但是,也存在比较不容易说清楚灵魂的时候,例如,历史、语文,其典型问题和思考方式是什么,其教学的核心目标和理念是什么,还可能真不好说。

接着,假设这些条件都具备,那么,需要学一点点技术:概念地图的制作,来把思考呈现为一个有组织的知识,来帮助把学科大图景提炼出来,并且提现到具体知识之中。

最后,再具体课程或者学科的设计的层次,我们要有
1. 目标 (在设计目标的时候,要围绕着课程的主旨——教会学生学习和思考,于是要关注这个模块如何帮助学生更一般地学习和思考(这个部分要突出批判性思维、系联性思考),以及如何帮助学生做这个学科的学习和思考(这个部分要突出如何像这个领域的专家一样来思考,这个学科的大图景),以及如何使得学生们学会欣赏和开始喜欢这个学科。
2. 对学生的要求
3. 反映大图景的大图
4. 分解以后的小图,专题,以及理据性——为什么要讲这些专题,它们如何实现上面的目标
5. 课程内容的时间安排
6. 参考文献,学习材料,作业,课程项目,以及学生需要花的时间的估计。

具体的例子请关注我们《学会学习和思考》课程的教学和教学设计《系统科学导引》的网络课程《量子力学》的网络课程,《概念地图教学和学习方法》的网络课程,以及将来更多的其他课程。

《学会学习和思考之科学和科学教育》设计

按照Teach Less, Learn More课程体系的一般设计要求《学会学习和思考》的设计原则,我们做了《学会学习和思考科学和科学教育模块》的设计。

科学和科学教育模块的概念地图
ScienceEdu

课程目标
1、刺激和引导学生思考什么是什么是科学,什么是数学,什么是教育。
2、学生可以有自己的思考和理解,但是大概来说:科学是可计算的可证伪的但是迄今为止没有被证伪的现实世界的心智模型;数学是对事物之间的关系的描述结构的描述;教育这个学科的目的则是使得学生能够学得更好,老师能够教得更好,更容易抓住各个学科的大图景。
3、对科学研究方法有一定了解:观察现象、提出可检验的问题、实验、理论模型的提出、模型的求解、结果的实验检验,模型的理论化。
4、理解科学对于一致性和统一性的追求:理论模型不能相互矛盾,越少的理论模型描述越多的现象,公理化体系。
5、体会批判性思维、系联性思考在数学和物理中的作用和地位。
6、对数学和科学的兴趣,以及用它们来理解世界的兴趣。
7、在学习和思考“科学”和“教育”的过程中实践系联性思考、批判性思维,学会学习和思考。

学习材料:
1、Ted Talks视频:
Alan Kay: A powerful idea about ideas,精心设计的神奇的任务和计算模块帮助学习数学和科学
Andreas Schleicher: Use data to build better schools,能力和潜力能够检测吗,检测结果能够用来促进教学吗?
Aaron O’Connell: Making sense of a visible quantum object,神奇的量子客体
Arthur Benjamin: Teach statistics before calculus!,按照其他人或者教科书来教学吗?
Adam Savage: How simple ideas lead to scientific discoveries 科学里面的简单性
Christopher Emdin: Teach teachers how to create magic,教学本身需要创造性
Chris Anderson: Questions no one knows the answers to,好奇心、科学和教育
Clint Smith: The danger of silence,让每个人都问你所想问,说你所想说
Conrad Wolfram: Teaching kids real math with computers,数学的四个阶段(提出问题、抽象化、计算求解、验证和提高)和当前数学教育以及可能的解决方案
Dan Meyer: Math class needs a makeover,数学教育和粗糙问题的关系
David Deutsch: A new way to explain explanation,科学是什么
Hans Rosling: Let my dataset change your mindset,数学可以很有趣并且改变你的思想
Jared Ficklin: New ways to see music (with color! and fire!),炫酷的科学
Kevin Slavin: How algorithms shape our world,算法改变世界
Ken Robinson: Changing education paradigms,Ken Robinson教育的问题和出路四重奏,创造性和现代教育的目的
Ken Robinson: How to escape education’s death valley
Ken Robinson: Bring on the learning revolution!
Ken Robinson: Do schools kill creativity?
Leonard Susskind: My friend Richard Feynman,Susskind谈Feynman
Liz Coleman: A call to reinvent liberal arts education,什么是真正的通识教育
Marcus du Sautoy: Symmetry, reality’s riddle,世界中的数学,尤其是对称性
Murray Gell-Mann: Beauty, truth and … physics?,物理学的美
Nathan Myhrvold: Cooking as never seen before,做饭和科学研究
Patrick Awuah: How to educate leaders? Liberal arts,通识教育和社会
Peter Doolittle: How your “working memory” makes sense of the world,脑科学如何帮助学习和教学
Roger Antonsen: Math is the hidden secret to understanding the world,关于“理解”和数学,以及数学作为现实的表示
Richard Feynman: Physics is fun to imagine,想象力和物理
Stephen Wolfram: Computing a theory of all knowledge,计算和科学
Tim Brown: Tales of creativity and play,创造力和玩
Uri Alon: Why science demands a leap into the unknown,科学和未知
2、参考书:
Einstein 《物理学的进化》
Feynman《物理定律的特性》
Whitehead《教育的目的》
Novak《学习、创造与使用知识——概念图促进企业和学校的学习变革》
Alder《如何阅读一本书》
Beveridge《科学研究的艺术》
Feynman《QED:光和物质的奇异性》
Cleick《混沌开创新科学》
Popper《科学发现的逻辑》
Bender 《An Introduction to Mathematical Modeling(数学模型引论)》
Gowers《Mathematics: A Very Short Introduction(牛津读本数学)》
吴金闪《概念地图教学和学习方法》
吴金闪《系统科学导论》概论部分

先修课:
《学会学习和思考》技能训练模块,或者其他经过我们认可的概念地图和系联性思考培训班

课程形式和教学安排:
在两周的时间内每周3次每次3小时集中上课,6小时老师授课(分享理念、举例子、讨论、提问、做演示实验、作总结),学生看视频做30分钟口头报告和讨论教学。每周的另外两个晚上同样三小时用于习题课。注意,讨论必须人人参与。

第一次课
老师授课,内容:分享“教的更少,学得更多”的理念,突出系联性思考和批判性思维。学生选择学习材料。通过量子力学和万有引力的例子体会什么是科学,以及科学和数学的关系(用引力的发现、双缝干涉、重物落得快、芝诺佯、比萨斜塔、狭义相对论谬为例,阐述科学中观察、思辨、数学的意义,以及对统一性的追求)。介绍课程基本信息(课堂形式、作业、考试、评分、课程目标、对学生的要求、课程负担、课程网站、习题课、助教等)。

第二次课
老师授课,内容:以量子力学的实验以及实验现象导致的理论上的挑战为例,阐述数学、思辨、想象力,实验在科学和物理学中的意义。另外,老师选择一个科学或者数学的视频,一个教育的视频,分别做一次演示教学。突出第一次课里面的理念以及阵对具体问题做好WHWM问题的讨论。剩余时间,按照第一次课结束之后学生选择的内容和顺序开展报告和讨论。

第三-五次课
按照学生选择的内容和顺序做报告、讨论和点评

第六次课
按照学生选择的内容和顺序做报告、讨论和点评。剩余时间,老师做总结,提示思考这些视频之间的关系,以及这些视频和课程目标——思考什么是科学,什么是数学,什么是好的教学——之间的关系。布置好最后的作业。总结大家表现出来的好的地方和主要问题。

对学生的要求:
熟练的英语听说(课程为全英文授课)、对科学和物理学感兴趣并且有一个开放的头脑还要愿意接受理念和学习难度学习方式上的挑战。

课程主要作业:
看所有的视频,选择其中的一个按照WHWM来做基于视频的关于“什么是科学”、“什么是数学”、“什么是好的教学”或者它们之间的关系的报告,按照“Teach Less, Learn More”的原则完成一门课的课程设计,完成课程报告——总结课程学到的内容并反思。

课程工作量:
上正课时间每天3小时(3*6=18小时),习题课时间每天3小时(4*3=12小时),课后看所有的视频(约20小时)和书(约6小时),为口头报告做准备(基本在习题课时间完成),完成课程设计作业(约10小时),完成课程学习报告(约10小时)。课后思考,相信我肯定会有很多,时间不可计。

注意:课程配有助教,习题课不强制要求参加但是会大大缩短你准备的时间和提高你学习的效果

警告:本课程需要你大量的时间和精力的投入,做主动学习,而不是听听课而已。如果你做不到,或者你对记忆型学习非常满意,请不要来选择这门课程。

每一项具体教学内容的概念地图和理据性:

0、在本课程中,之前的学生在学习过程中整理了各个学习材料的概念地图(在北京师范大学概念地图服务器上http://cmap.systemsci.org),可供参考。另外,理据性部分仅仅举了两个例子。实际上,所有学习内容的理据性都应该明确写下来。后续会再补充。

1、为什么采用教师分享理念举例和学生讲解同学老师讨论的相结合的方式来授课

物理学是一个比较成熟的学科,有自己的理论体系、典型思维方式。因此,用典型的例子来阐述和让学生体会什么是物理学(典型研究对象、典型研究问题、典型思考方式、典型分析方法)以及物理学和科学的联系是非常有必要的。在这一点上,必须是老师这个先行组织者来带领大家一起完成。

此外,做中学(Learning by doing),教中学(Learning by teaching),才能让学生对学习材料有更好的主动的体验和理解,而不是被动听课。

于是,老师的责任就是引领道路和引领思考,分享完理念之后,做一个或者多个表现出来这些理念和思考的演示教学,然后在点评中进一步体现理念。同时,学生口头报告中暴露出来的问题会比老师专门设计出来的问题和场景更好地成为大家讨论学习的材料。

当然,两种方式的比例需要按照学生的情况来考量。在可能的情况下,给学生更多的锻炼机会更好。

2、为什么教“Teach Less, Learn More”

很多的老师的教学行为是按照其他人怎么教或者某一本或者几本教科书来进行的。来很多时候,没有深入地思考过是否每一个教学内容都是有必要的,为了实现某一个目的并且这个目的有利于培养真正的提出问题、创造知识或者创造性地使用知识的人的。随着我们所积累的知识的量的增加和技术的进步,单纯为了存储知识的学习基本上已经没有必要了。进一步,如果什么东西都要按部就班来学,那么,在我们真的能够创造知识之前我们就必须花费越来越多的时间来学习。有没有什么办法,能够用尽量少的具体知识作为学习内容可是学习得到的对这个学科的理解又能够比较深刻,明白这个学科的大图景:典型问题、典型思考方式和典型分析方法呢?有,把握住这个学科的核心概念体系——概念、举例以及它们之间的关系,然后选择能够体现大图景的概念、举例和它们之间的关系来作为学习内容,把非核心和基础的内容留给学生自学(例如通过布置作业)。

这样的一个体系就是我们称之为“教的更少,学得更多”的体系。它的主要教学目标是学会这个学科的大图景——典型问题、典型思考方式和典型分析方法还有核心概念体系,让学生能够进一步自学——所以也学会使用系联性思考和批判性思维,愿意进一步自学——所以要用教师自己对这个学科的情感来感染学生。为了实现这个目标,对于一门课程,老师需要明确写下来:教学的目标(按照上面的一般目标来细化),整体知识结构的概念地图,选择的核心概念和典型例子的子概念地图,每一项教学内容的理据性,教学过程中一定要问好WHWM问题促进学习者对大图景和小问题的理解。

3、为什么要把科学教育和科学放在一起来学习?

没有深入思考和理解具体学科,是完全做不到好的教学的。好的教学一定是体现学科大图景,围绕少量核心概念和核心概念之间的关系,用好例子展开的。这个就要求对学科本身有相当的造诣,并且掌握了“以概念地图为基础的理解型教学方法”,能够做到“Teach Less, Learn More”。

《学会学习和思考之物理学》设计

按照Teach Less, Learn More课程体系的一般设计要求《学会学习和思考》的设计原则,我们做了《学会学习和思考物理学模块》的设计。

物理学模块的概念地图
PhysModuleDesign

课程目标
1、刺激和引导学生思考什么是物理学,什么是科学,如何像科学家一样思考。
2、学生可以有自己的思考和理解,但是大概来说:科学是可计算的可证伪的但是迄今为止没有被证伪的现实世界的心智模型,而物理学则是关于“物理系统1”的科学。
3、对科学研究方法有一定了解:观察和实验(中间有关键步骤提出问题),理论模型的提出和求解,模型结果的实验检验,模型的改进和推广。
4、理解科学对于一致性和统一性的追求:理论模型不能相互矛盾,越少的理论模型描述越多的现象,公理化体系。
5、体会批判性思维、系联性思考和数学在科学和物理学中的作用。
6、对物理学和科学理论的兴趣,以及用它们来理解世界的兴趣。
7、在学习和思考“物理学”的过程中实践系联性思考、批判性思维,学会学习和思考。

学习材料
1、Ted Talks视频:
Chris Anderson: Questions no one knows the answers to,好奇心、科学和教育
Marcus du Sautoy: Symmetry, reality’s riddle,世界中的数学,尤其是对称性
Cédric Villani: What’s so sexy about math? ,数学描述世界超越简单经验
Roger Antonsen: Math is the hidden secret to understanding the world,关于“理解”和数学,以及数学作为现实的表示
Hans Rosling: Let my dataset change your mindset,数学可以很有趣并且改变你的思想
Conrad Wolfram: Teaching kids real math with computers,数学的四个阶段(提出问题、抽象化、计算求解、验证和提高)和当前数学教育以及可能的解决方案
Dan Meyer: Math class needs a makeover,数学教育和粗糙问题的关系
Alan Kay: A powerful idea about ideas,精心设计的神奇的任务和计算模块帮助学习数学和科学
Murray Gell-Mann: Beauty, truth and … physics?,物理学的美
Adam Savage: How simple ideas lead to scientific discoveries
Stephen Wolfram: Computing a theory of all knowledge,计算和科学
David Deutsch: A new way to explain explanation,科学是什么
Richard Feynman: Physics is fun to imagine,想象力和物理
Nathan Myhrvold: Cooking as never seen before,做饭和科学研究
Leonard Susskind: My friend Richard Feynman,Susskind谈Feynman
Uri Alon: Why science demands a leap into the unknown,科学和未知
Jared Ficklin: New ways to see music (with color! and fire!),炫酷的科学
Aaron O’Connell: Making sense of a visible quantum object,神奇的量子客体
Kevin Slavin: How algorithms shape our world,算法改变世界

2、教材:
Einstein 《物理学的进化》
Feynman《物理定律的特性》
吴金闪《系统科学导论》概论部分

3、参考书:
Whitehead《教育的目的》
Novak《学习、创造与使用知识——概念图促进企业和学校的学习变革》
Alder《如何阅读一本书》
Beveridge《科学研究的艺术》
Feynman《QED:光和物质的奇异性》
Cleick《混沌开创新科学》
Popper《科学发现的逻辑》
Bender 《An Introduction to Mathematical Modeling(数学模型引论)》
Gowers《Mathematics: A Very Short Introduction(牛津读本数学)》
吴金闪《概念地图教学和学习方法》

先修课
《学会学习和思考》技能训练模块,或者其他经过我们认可的概念地图和系联性思考培训班

课程形式和教学安排
在两周的时间内每周3次每次3小时集中上课,6小时老师授课(分享理念、举例子、讨论、提问、做演示实验、作总结),学生看视频做30分钟口头报告和讨论教学。每周的另外两个晚上同样三小时用于习题课。注意,讨论必须人人参与。

第一次课
老师授课,内容:提出什么是科学什么是物理学的问题(用引力的发现、重物落得快、芝诺佯、比萨斜塔、狭义相对论谬为例,阐述科学中观察、思辨、数学的意义,以及对统一性的追求)。介绍课程基本信息(课堂形式、作业、考试、评分、课程目标、对学生的要求、课程负担、课程网站、习题课、助教等)。分享“教的更少,学得更多”的理念,突出系联性思考和批判性思维。学生选择学习材料。
PhysModule

第二次课
老师授课,内容:以量子力学的实验以及实验现象导致的理论上的挑战为例,阐述数学、思辨、想象力,实验在科学和物理学中的意义。另外,老师选择某个视频,做一次演示教学。突出第一次课里面的理念以及阵对具体问题做好WHWM问题的讨论。剩余时间,按照第一次课结束之后学生选择的内容和顺序开展报告和讨论。

第三-五次课
按照学生选择的内容和顺序做报告、讨论和点评

第六次课
按照学生选择的内容和顺序做报告、讨论和点评。剩余时间,老师做总结,提示思考这些视频之间的关系,以及这些视频和课程目标——思考什么是物理学和科学——之间的关系。布置好最后的作业。总结大家表现出来的好的地方和主要问题。

对学生的要求
熟练的英语听说(课程为全英文授课)、对科学和物理学感兴趣并且有一个开放的头脑还要愿意接受理念和学习难度学习方式上的挑战。

课程主要作业
看所有的视频,选择其中的一个按照WHWM来做基于视频的“关于什么是科学和物理学”的报告,按照“Teach Less, Learn More”的原则完成一门课的课程设计,完成课程报告——总结课程学到的内容并反思。

课程工作量
上正课时间每天3小时(3*6=18小时),习题课时间每天3小时(4*3=12小时),课后看所有的视频(约20小时)和书(约6小时),为口头报告做准备(基本在习题课时间完成),完成课程设计作业(约10小时),完成课程学习报告(约10小时)。课后思考,相信我肯定会有很多,时间不可计。

注意:课程配有助教,习题课不强制要求参加但是会大大缩短你准备的时间和提高你学习的效果

警告:本课程需要你大量的时间和精力的投入,做主动学习,而不是听听课而已。如果你做不到,或者你对记忆型学习非常满意,请不要来选择这门课程。

每一项具体教学内容的概念地图和理据性

0、在本课程中,之前的学生在学习过程中整理了各个学习材料的概念地图(在北京师范大学概念地图服务器上http://cmap.systemsci.org),可供参考。另外,理据性部分仅仅举了两个例子。实际上,所有学习内容的理据性都应该明确写下来。后续会再补充。

1、为什么采用教师分享理念举例和学生讲解同学老师讨论的相结合的方式来授课

物理学是一个比较成熟的学科,有自己的理论体系、典型思维方式。因此,用典型的例子来阐述和让学生体会什么是物理学(典型研究对象、典型研究问题、典型思考方式、典型分析方法)以及物理学和科学的联系是非常有必要的。在这一点上,必须是老师这个先行组织者来带领大家一起完成。

此外,做中学(Learning by doing),教中学(Learning by teaching),才能让学生对学习材料有更好的主动的体验和理解,而不是被动听课。

于是,老师的责任就是引领道路和引领思考,分享完理念之后,做一个或者多个表现出来这些理念和思考的演示教学,然后在点评中进一步体现理念。同时,学生口头报告中暴露出来的问题会比老师专门设计出来的问题和场景更好地成为大家讨论学习的材料。

当然,两种方式的比例需要按照学生的情况来考量。在可能的情况下,给学生更多的锻炼机会更好。

2、为什么教“Teach Less, Learn More”

很多的老师的教学行为是按照其他人怎么教或者某一本或者几本教科书来进行的。来很多时候,没有深入地思考过是否每一个教学内容都是有必要的,为了实现某一个目的并且这个目的有利于培养真正的提出问题、创造知识或者创造性地使用知识的人的。随着我们所积累的知识的量的增加和技术的进步,单纯为了存储知识的学习基本上已经没有必要了。进一步,如果什么东西都要按部就班来学,那么,在我们真的能够创造知识之前我们就必须花费越来越多的时间来学习。有没有什么办法,能够用尽量少的具体知识作为学习内容可是学习得到的对这个学科的理解又能够比较深刻,明白这个学科的大图景:典型问题、典型思考方式和典型分析方法呢?有,把握住这个学科的核心概念体系——概念、举例以及它们之间的关系,然后选择能够体现大图景的概念、举例和它们之间的关系来作为学习内容,把非核心和基础的内容留给学生自学(例如通过布置作业)。

这样的一个体系就是我们称之为“教的更少,学得更多”的体系。它的主要教学目标是学会这个学科的大图景——典型问题、典型思考方式和典型分析方法还有核心概念体系,让学生能够进一步自学——所以也学会使用系联性思考和批判性思维,愿意进一步自学——所以要用教师自己对这个学科的情感来感染学生。为了实现这个目标,对于一门课程,老师需要明确写下来:教学的目标(按照上面的一般目标来细化),整体知识结构的概念地图,选择的核心概念和典型例子的子概念地图,每一项教学内容的理据性,教学过程中一定要问好WHWM问题促进学习者对大图景和小问题的理解。

3、为什么要教量子系统的行为、对世界观的冲突和可能的理论
相对论突破了绝对时空观(时间的流逝本身和运动没有关系),量子力学突破了经典概率论(在那里,概率可以看做对不完全信息的状态的描述,一个猫只能够是死的或者活的)。后者比前者对世界观的冲击更大。在单电子双缝实验里面,一方面,如果我们认为粒子经过的是双缝之一按照经典概率论得到的结果和实验现象矛盾;另一方面,如果观测,任何时候只能看到一个整体的粒子,不是这个粒子的一部分——也就是说粒子不会分开来(像经典波一样)同时过两个缝。那怎么从数学上描述粒子的状态和行为?后者说明,电子肯定一个整体过去的,那么“自然”就是从某一个缝过去的,而既然从两个缝之中的某一个缝过去最终的结果肯定是两个缝的情况的概率叠加。可是,这又是不符合实验现象的。
doubleslit

类似地,在单光子Dirac三偏振片实验中,我们可以看到(1)光子的偏振仅仅有两个自由度,(2)其中的一个自由度的光子先被放在前面的偏振片消灭,然后又被放在后面的偏振片“复活”。这样的实验现象在经典理论里面也是不可能的:一个盒子的红豆和黑豆,通过第一道机器先把红豆挑走只剩下黑豆,然后后来过了某个机器又出现红豆。

面对这样的挑战世界观的实验现象的时候,物理学家如何思考,数学如何用来构建描述这样的客体的模型,模型的结果如何通过实践的检验,这个非常能够体现什么是物理学什么是科学。