机器人能够取得高考好成绩意味着什么?

日本的人工智能团队对能够通过东京大学入学考试的机器人的开发已经很多年了。最近在Ted Talk上有一个视频,“Noriko Arai: Can a robot pass a university entrance exam?”,说,目前在数学(Top 1%)、作文等方面的表现已经很好,在某些强烈依赖于上下文和生活常识的其他地方,可能尚有欠缺,不过整体成绩来看已经是Top 20%的了。

这个项目一方面,当然,展示了人工智能的进展,机器推理,符号计算、自然语言处理、题库检索等各种方法在求解问题上的进展。但是,这个项目团队一直有一个梦想或者说目标:看一看完全不理解在做什么的机器人是不是能够和人的学习的成果相比。实际上,这个项目就发现,在所有的事实性知识的表现上,机器人远远超过人类,并且考试中考察这样的知识的问题(或者经过简单变化就可以变成事实性知识的问题)很多。

其实,我有另外一个非常类似的问题:拿过一门大学课程的考试题,让没有学过这门课程的学生来做题,可以运用书本和网络,如果成绩和学过的学生差不多,则证明这门课程不值得去学,基本上就是事实性知识,或者已经成为事实性知识的曾经可能需要创造性来解决的问题(后者稍微复杂一点,如果好好用这样的例子,让学生来体会当时的困难和创造性的过程,那么,也是值得学习的一门课)。这个日本机器人高考的项目,其实就相当于用人工智能来代替了我想用的没有学习过但是能够运用教材和网络的学生。

随着技术的进步,没准,以后,这样的而机器人会能够进入总成绩的Top 1%。如果是这样,我们是应该庆祝人工智能技术的进步呢,还是应该为人类学习悲伤呢?我认为,不应该庆祝,而应该悲伤,为人了学习的目标只不过是一个AI机器人而悲伤。看看视频最后主讲人和主持人的说法,

Todai1Todai2

Todai3Todai4

Todai5

那么,到底哪些东西是事实性的知识,考试中多大的比例是事实性知识?关于这个问题还可以见我关于“钢琴一个八度之内有几个黑键”的讨论。这样的统计分析是有意义的。甚至,我们还可以分析一下一本教科书中这样的比例有多少。

对比中国的所谓Aidam的操作:主要强调可以很快(比学生快很多)的完成高考试卷,强调分数还不错,来展示自己的AI技术很牛,就可以发现,这完全就不是一个层次的工作。其他人仔细研究Aidam的答案以后发现过程错了答案对了,这些细节够不说了。能够考试中战胜人类学习者的人工智能的卖点固然可以是人工智能很牛,但是,更重要是事情是,在这个基础上,人类学习者应该学什么,应该做什么?难道还要和机器比事实性知识吗?参加知识竞赛的Watson的表现,还有参加日本高考的Todai Robot的表现,以及足以使我们烦死和警惕:对人类学习者来说,要教什么,学什么,做什么,要怎么教,要怎么学,要怎么考?

大学在教什么?

英国University of Surrey的Ian Kinchin有一篇文章标题叫做“Universities as centres of non-learning”(作为最不学的地方的大学)。不是说,教了包含微积分和线性代数甚至拓扑的高等数学就是真的高等级的数学了;不是说,教了最小作用量原理和相对论甚至量子力学的物理学就是高等级的物理学了;不是说,浏览和了解和更多流派的画作和技巧就是高等级的美术了,尽管我们的大学基本上就是在教这些。那么,到底大学在各个学科上应该教什么呢,有没有教应该教的东西呢?

我一直在批评,小学教的四则运算,不管多么熟练能够计算多么高位的数字,都不是数学。那么,难道大学教的高等数学就是数学了吗?如果这样,也简单,往前赶就行了:让小学把现在初中的教了,初中把大学的教了(高中干什么?全留给复习,准备应付考试好了)。那到底什么才是教真的数学,不管大中小学。到底什么才是教各个学科?

今天遇到两个例子。第一个是我《学会学习和思考》课程的老师Kip举的他儿子的例子。他说,他居住的小区经常有人开车比较快。他儿子及其小朋友们就想看看到底那些车有没有超速。如果有测量速度的仪器(例如多普勒仪,现在马路上测速就用这个?),这是很简单的。孩子们没有这个仪器,甚至连足够长的尺子也没有。这群小朋友是这样做的:先推动自行车,记下来某一段路滚了多少圈(在车轮上做一个标记,撞到地上就记一圈),然后量好了自行车轮子一圈多长;接着,拿着秒表来给经过这段路的车计时,就知道车速了。并且,可以尽量匀速地骑行自行车,先算好速度,这样将来只需要把两个时间除一下就知道比自行车快了多少倍。这就是数学:把实际问题转化为数学问题,把关系转化成计算、转化成数学结构,是数学。类似的例子,还有我家心儿对水果店做的统计(见我们的公众号“为了理解教和学”之“用数学来做发现思考和表达”)以及对自来水使用量和生产量的分析。当然,为了有素材,有结构可以用,学点已经有的数学结构是有必要的。但是,更加重要的是,学会把问题转化成已有的数学结构或者从问题里面构建新的数学结构,才是数学。当然,除了创设情景来理解概念或者定理地图的动机,把概念之间的关系把握好理解好,也是好数学。那么,其他学科的好教学也一样,需要去追问那个学科里面最典型的思维方式、分析方法、基本研究问题、和世界以及其他学科的关系是什么,然后围绕着这个大图景来选择好例子。

说完了好数学的例子,来举一个坏的例子。天津美术学院有一个叫“李宝玖”的学生发了一个退学申明,
Withdrew
由于觉得学不到东西而退学,很了不起。尽管其退学可能有其他原因,例如违反校规很长时间不上课,但是,如果忍忍还是能够获得学位的,还是能继续混下去的。这个看其所拍摄的视频就可以了解到,也可以看下面老师对李宝玖的评价

回忆起这位学生在天津美院三年的经历,一位天津美院的老师这样说:“我了解到这个学生上大学的时候还是不错的,比较积极上进,希望以后在艺术上可以做些有影响力的事情,希望出人头地。”

我也不想具体讨论这个事情本身太多,尽管我也特别想了解美术教育到底教什么——是技法为主、欣赏为主、历史和流派介绍为主?我也不知道理想的美术应该以教什么为主。我想问的问题是,仅仅是美术教育学生从中学不到东西吗?数学、物理、化学、地理、文学、语言、经济、社会等其他学科呢?唱歌、书法、舞蹈等艺术类学科呢?我自己学过大量的数学和物理,在全球好几个不同的学校。我觉得还是能够学到东西的。学到的分几个层次:具体某个学科和某门课的知识,构成这个知识的概念和概念之间的关系,从这个具体知识开始产生的什么是数学或者物理这个学科的理解以及什么是科学的理解,甚至到学科的典型思维方式的理解,到解决学科发展的问题或者用这个学科来解决世界或者其他学科的问题的理解。因此,我认为,数学物理这些学科,还是能够从大学学到东西的,而且需要从很细节的很具体的概念和概念之间的关系抠起,同时心里要有这个学科是什么的大问题和对大问题的追求。当然,也不是每一门课都能够做到这样。例如,我学过数学老师开设的《量子力学》,其主要关注如何估计算符的本征值的上下界之类的问题,认为量子力学的叠加原理非常的平庸——你看不就是因为量子力学的基本方程是线性微分方程吗,自然你的解满足叠加原理。这就是属于只见树木不见森林。不过,人家本来就是这个方面的数学家,为了解决物理理论中的计算问题来的。

如果拿着这个标准来看其他的学科,我们问:某个学科或者课程有这个学科的大图景(对象、问题、思维方式、分析方法、和其他学科以及世界的关系)来当做教和学的中心吗?有把具体的概念、概念之间的关系等例子选择和精炼,来体现这个大图景吗?甚至,我们的大学教育的执行者们设计者们,有思考教什么的问题吗?还是在做无脑教学:拿过一本书,或者已有的一个培养方案,复制一下,从书上抄到黑板上或者PPT上,然后希望学生从黑板上或者PPT上转录到脑子里面,或者至少在考试的时候,还能在脑子里面?如果是这样,我们对得起来给了我们时间甚至敬仰的学生们吗?

看来源于同一个帖子的下一段话:

“十几年没见过你这样的学生”是片中杨书记无奈之下对李宝玖的评价。上课的时候,李宝玖也是老师眼里难对付的学生,老师正讲着课,他有时会当场质疑,“比如对于现代主义,我觉得一个二十几岁的人应该对它有一个反思,好好在哪儿,不好又不好在哪儿?不应该是直接灌输。”慢慢地,他在学校上课的时间越来越少。

如果学生当场质疑就是难对付,甚至需要对付的学生,咱们的老师们是在当老师吗,这是什么心态?老师说的就是对的?后面那句话“比如对于现代主义,我觉得一个二十几岁的人应该对它有一个反思,好好在哪儿,不好又不好在哪儿?不应该是直接灌输。”说得多好啊。反思而不是灌输,难道错了吗?这是多么好的学生啊。笛卡尔说,我从来不把没有经过我反复拷问的东西当做进一步思考的基础(大意)。科学就是反思和实验以及数学的结合才发展起来的。难道美术就不需要反思吗?

我不知道多少大学的课程实际上就是在灌输知识,并且这些知识也是没有考虑过为什么非得需要称为学习内容的知识。真希望有人能够搞一个调查,看看大学毕业十年二十年的学生对自己收到的大学教育的评价,看看这样的无脑教学有多少。

你能够倒背《史记》如流吗,倒背\(\pi\)呢?

乘法表、汉语拼音、英语音标,这些东西都是我们上学的时候需要考试的东西。我把这样的需要死记硬背的本来是起到辅助作用的东西,而不是学习的目标本身的东西,都称为“乘法表”。我更进一步断言,我们的小中大学,大多数时候,都在教乘法表,都在考乘法表,甚至直接学习乘法表。甚至,概念地图和思维导图我也可以当乘法表来用:对于给定的某一主题的知识,整理出来一个图,然后教给学生去记住,用于帮助学生整理和复习知识,而学生呢,只要记住这个图。我不否认这样做还可能真的对提高学生成绩有帮助,但是,那还是在教和学乘法表的层次。这些图示工具真正的作用在于让老师和学生通过制作这个图来做知识的整理,从整理中更进一步理解学科的大图景,找到“啊哈点”(aha moment)——理解了这个点就能明白所有的东西就能把知识融会贯穿的点。

有的人会说,那记住乘法表确实有助于更加快速地计算啊。是的,我不否认。我自己也是记住过乘法表的。如果明白乘法是加法的简便运算这个“什么是乘法”的问题,更进一步明白了加法来源于同样的单位某种事物的量加总(合计)这个“什么是加法”的问题,那么记住乘法表也无妨。但是,有的孩子在明白什么是加法之前甚至在明白“一、二”的意义之前就被灌输了“一加一等于二”,在明白乘法是加法的简便运算之前就被灌输了乘法表。这样,孩子们就失去了把实际问题抽象成数学计算数学结构的机会,而这个抽象化过程的经验,对于提出和解决新的问题,是非常有意义的。更加严重的事情是,孩子们不仅仅在数学乘法计算上要被乘法表,语文、英语、历史、政治、地理、化学、物理、数学都在背这样的乘法表。

为了理解记忆乘法表的学习和理解型学习的不同,我们来举两个例子。第一个例子是无脑除法——不管所面对的问题里面事物之间的关系,由于看起来相除法就直接用除法来求解。有\(6\)个馒头,每天吃两个,可以吃几天?如果要吃三天,每天吃几个(假设每天吃的一样多)?如果你已经会用除法,并且理解了什么是除法,那么,自然
\begin{align}
6\mbox{个}\div 2\frac{\mbox{个}}{\mbox{天}}=3\mbox{天}, \\
6\mbox{个}\div 3\mbox{天}=2\frac{\mbox{个}}{\mbox{天}},
\end{align}
也没错。但是,如果你仔细想就会发现,这两个除法所代表的含义是完全不一样的。第一个除法实际上就是减法的简便运算,馒头的总数里面先去掉第一天的量,然后再去掉第二天的量,直到没有馒头,看看能够去掉几次。第二个出发实际上是假设性思考或者说凑答案:看看如果一天吃掉一个,能够吃几天,不对的话,在尝试一天吃两个,直到刚好三天吃完。第二个例子是无脑用物理公式。我记得这样的物理学生:凡是看到问题里面出现速度(\(v\))就去找速度相关的公式,凡是出现路程(\(s\))就去找路程相关的公式,接着就开始套用这些公式,看看哪一个公式可以正好凑出来答案。以这样的思考方式,可以试着解决下面这个问题:上山\(1000m\)速度\(4\frac{m}{s}\),原路下山速度\(6\frac{m}{s}\),问平均速度多少。这个问题只要用好定义:平均速度等于总路程除以总时间,很容易就能够解决,但是,如果直接用算术平均来计算速度的平均,则就会出错。更进一步,我们应该来追问:在这里为什么算术平均不能用了,不是说好的平均吗?追问每一个计算背后的关系,为什么这个关系正好可以表达成这个计算,追问算出来的东西的意义,回到基本定义去理解,这才是理解型学习,才不是记忆乘法表。

千万不要认为你让孩子记住的乘法表很少。前几天,我家孩子被问了一个问题:“钢琴上一个八度之间有几个黑键?”。这就是乘法表。这个问题可以直接通过记住钢琴键盘的布局来回答,加上什么是一个八度的知识(不过,就算这样纯粹基于记忆的回答方式,其实,还有一个为什么八度是特殊的这样一个问题需要仔细问)。你看,这不就是把乘法表替换成记住钢琴键盘分布吗!当然,这个问题也可以用理解型的方式来回答:首先,需要知道通常的音符(白键)之间存在全音程和半音程两种;接着,还需要知道哪些音符之间是全音程哪些是半音程;接着,明白钢琴在设计的时候,要保证每一个伴音上都有键;最后,把以上三条画成一张图,就能够知道有几个黑键了。那是,除了最后的画图和推理,前面的三条,都是纯记忆性知识!这不是就是乘法表吗!因此,就算用理解型的方式来回答这个问题,其基础还是乘法表中的三行啊!当然,我们可以进一步做这三行的理解性思考:为什么八度是特殊的(答案是八度代表频率翻倍,更进一步为什么频率翻倍在听觉上就是特殊的?大概来说是因为大多数人对于音乐的感觉是频率之间的比值而不是绝对值。更进一步,这是为什么?三角函数的和差化积。再进一步,在听觉器官的层次,为什么这个三角函数的和差化积是根本性的?)?为什么当年会把白键音符定成这么奇怪的音程关系,而不是直接就是每个半音都设置一个音符?为什么钢琴最终又要保证每一个半音都有一个对应的键?但是,能够这样一步一步来做理解型学习的人,实在不多啊。问问题的人,大多数时候,也仅仅是想着,我就想知道孩子是不是知道答案!那这个不就是乘法表吗?

如果认为这样的乘法表属于应该知道的知识,是常识,那么,我就要反问了:你能够背诵《史记》吗?如果你还能够背,我就会接着问,你会背诵《左转》吗?如果你还会,我就会接着问,你会倒背《史记》吗?这些都是google应该完成的事情,而不是学习者应该完成的事情。如果乘法表、物理公式、钢琴键盘布局是应该记住的,那么凭什么《史记》、《左转》以及倒过来的《史记》就不是应该记住的了?就算你记住了这个世界上所有的有答案的问题,那你只不过就是一个菜谱、google甚至百度而已,这就是你学习和教学的目标吗?

最后,如果你还会背或者还认为应该会背,我就问,你会倒背\(\pi\)吗?

“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。

小学科学教育教什么怎么教

昨天看到小学科学教育主编郁波关于小学科学教育的思想的一个说法:

为什么要开设科学课?科学到底学什么?
科学…并不仅仅是要孩子们掌握碎片化的知识,例如植物的组成部分、动物的身体结构等等。

这些知识固然重要,但更重要的是更宏观、更接近自然的图景下,让孩子们了解自然科学的概念和理论,以及人们认识自然的方法和过程。

…需要学习像科学家那样时间和思考。

这个说法很好,至少是思考了科学是什么,应该教什么以后的一个说法。至少比中学物理编写组那个“凡是难点都去掉或者变选学”的说法和指导思想好很多。至少比语文教材编写组的“语文主要是培养情操,文以载道”高很多很多倍。后两者都没有从一个学科是什么的角度来思考教什么。如果某些难点的学习对于理解这个学科是什么,这个学科的研究者是如何思考的,那么这个难点就很应该称为学习的内容。如果一个难点的学习可以把很多知识融会贯通,(现在或者将来)起到了桥梁的作用,那么这个难点就必须成为学习的内容。比如说,力学的动量守恒。同样,语文学习最关键的地方在于帮助学习者更好地听说读写,以及愿意来听说读写,也就是能和喜欢交流,尤其是思想的交流。因此,分析性听说读写才是最重要的教学内容,也就是我说的WHWM(说什么,怎么说,为什么说这些这么说,对读者意味着什么)分析。当然,对于外语学习者,字词本身可能会稍微重要一些。这就是我一直说的以学科大图景为目标的理解型学习。首先,我们要问这个学科的大图景——基本对象、基本问题、典型思维方式、典型分析方法、和世界以及其他学科的关系——是什么,然后再决定用哪些例子、概念和概念之间的联系来体现这个大图景,从而帮助学生建立一个这个学科的大图景以及其中的核心概念的一个组织。有了这个大图景和大骨架,将来,学生可以自己来学习和探索新的东西,并且,这个新的学习和探索是通过把这些新的东西联系到这个骨架上的方式来进行的。

说完了这个说法好的地方,我们来说一个不够的地方。然后,我们来做一个补充,并且从这个补充我们来看科学教育,尤其是小学科学教育,教什么怎么教。这个说法的主要缺点是不够明确:像科学家那样思考值得是“怎样”,具体什么是那个更宏观的图景,什么是人们认识自然的方法?对于教材的主编来说,这个几个问题灭有明确的回答,是不够的。当然,也有可能是没有写出来,实际上郁波主编有答案。

具体的碎片化的科学知识,例如,“植物的组成部分、动物的身体结构”,甚至,“物质有分子原子构成”,这个被Feynman认为科学里面最最重要和值得传播(Feynman设想如果有一天人类即将毁灭,这个时候有机会留给下一个可能的文明的一句话,这样的场景)的一个知识,都是没有太大意义的。科学只不过就是技术的进步使得我们能够做测量,以及在尊重测量结果的前提下,我们展开批判性思维的结果。也就是说,科学的基石不过就是测量和批判性思维。举两个例子。我们的日常生活经验可能会告诉我们,重的物体下落更快,力是维持物体运动的原因(当我们把推一个桌子的力撤掉的时候,桌子也就不动了,因此,运动需要力来维持)。历史上,这两个说法确实在很长的时间内都被认为是正确的。直到,Galileo做了(或者说据传说做了)斜塔实验和滑块实验。前者中,两个不同重量的铁球同时从斜塔上落下,发现差不多同时达到。后者中,一个物块从一个斜面滑下来到达一个平面上,发现随着平面的光滑程度的提高,物块可以走的很远。这部分是测量和实验。想起来用测量和实验来检验一个命题,则是批判性思维:任何一个进入我的思考的事实、概念和命题,必须经过理性的拷问和实验的检验,而不是因为它是任何人说的。对于物块的滑动距离这个事情,我们来接着运用批判性的逻辑思维。如果说进入平面以后,物块已经不受力的作用,那么,它就应该马上停下来,这个和平面的光滑程度无关。因此,也就是说,要么前提“力是维持运动的原因”错了,要么在进入平面以后,物块继续受着力的作用。这个实验还可以做一个外推,假设平面做得非常非常光滑,按照越光滑物块走得越远推测,有可能物块可以继续运动下去。于是,问题来了,这个时候,维持运动的力是什么?经过批判性思维和实验测量的结合,我们就发现,之前的两个命题都是错的。

有了这个最最核心和基本的科学是什么之后,我们就要设计好的例子,找到具体的知识以及具体知识的发现过程,找到具体知识和其他知识以及现实生活经验的联系和区别,来体现这个核心的科学是什么。除了实验测量和批判性思维,当然,我们还有一些其他的核心理念。例如,还原论,也就是把事物不断地分解,就是一个科学的典型思维方式。跟还原论相配套的还有一个叫做还原以后的整体论,也就是叫做综合的典型分析方法。这里我们仅仅举例讨论分解。设想,你家电脑坏了。如果你是土豪,那跳过别看了。否则,你可能希望找出来哪里坏了然后去换那个坏的部分。其中一个方法就是找一个型号完全一样或者非常接近的好的电脑,然后采用替换元件的方法来找到坏的那个部分。例如你发现,替换了主机以后就好了。这个时候你把电脑看做了主机和显示器(电源线、网线暂时忽略)两个部分。接着,如果你还是想省点钱,也有时间,则继续把主机拆分成主板、硬盘、内存、电源、机箱等部分,继续用好的那个来替换。也许你就会发现,主板坏了。这时候,你就差不多可以去买主板了。但是,假设你跟我当年一样好奇,你就会把主板继续拆分和替换。没准能够发现是一个电容坏了,于是花五毛钱换个电容就好了。你看,这就是层层分解的思路。这是解决问题的很自然的思路,很科学的思路。当然,这个方法不解决所有的问题,在有的系统里面,完全都运行良好的各个部分放到一起会出现整体功能上的问题。这个时候,需要把各个部分分解之后在运用综合的分析方法。例如两个非常优秀的人放到一起就是没有产生更高的产出率。如果真的要解决这个问题,不是拆开就行,还需要对每一个人做某种分解,找出来真正的原因为止。因此,就算是综合分析法,其基础也是分解。只是,确实,分解有的时候不解决所有的问题。

顺便,在这个“体会还原论和还原之后的整体论”的意义上,Feynman所选的“物质有分子原子构成”具有了纯粹知识之外的价值。

除了实验测量、批判性思维、分解和综合,科学理论的表现形式往往是数学模型。因此,准备一些核心的数学概念来当做武器库,以及了解如何用数学概念来解决实际问题,也是科学非常重要的内容。具体到每一门具体的科学学科,还会有更多(其实也不是这么多)的典型思维方式和典型分析方法。关于数学和数学怎么用,以及其他具体学科的内容,在这里就不再展开具体的例子了。

有了实验测量、批判性思维、分解和综合,数学作为科学的语言,这几个核心的什么是科学的特质以后,我们就可以围绕这些来选择具体的例子、概念和概念之间的联系来做科学的教学了。

当然,第一总结出来这些核心特质,尤其要考虑到每一个具体学科,不是容易的事情。第二,就算脑子里面有了这些核心特质,如何用它们为指导来选择和组织具体科学知识,也是不容易的。第三,选择和组织好了具体科学知识,能够在教学中做好实现,也是不容易的。因此,如果要做好科学教育,尤其是小学的科学教育,我们首先要找到能够做到以上三点的人。

具体来说,前面两点,只要有一个真的能够搞懂的人就行了。其他的老师可以帮助这个老师。那么,我想一个还过得去的小学,找到一个这样的科学老师,还是有可能的。或者说,在师资的培养上,我们也只需要培养这样的人就够了。第三点,在这样的老师的带领下,有很多其他的老师是做得到的。