SECI模型視角下師范生機器人課程教學技能培訓模式的研究

張博

(長沙師范學院， 信息科學與工程學院， 湖南， 長沙 410100)

0 引言

目前機器人教育已經成為中小學課堂中素質教育的重要部分。機器人從實驗室走進課堂涉及人工智能、機械計算機等高科技，這就要求教師的教育觀念與職業素質需要適應信息時代的變化，對于教師來說是新的要求，也是職業責任[1]。但是目前我國機器人教育師資方面的教學技能培訓比較薄弱、教學技能水平低下、培訓效果不佳，僅僅是以機器人的實驗室活動以及講座為主，無法滿足師范生對于機器人學習的需要。因此，面向師范生開展機器人教學能力培訓是促進機器人教育未來發展和提高機器人教育師資力量的有效途徑。

文獻[2]在STEM教育理念的視角下，指導設計了機器人課程教學，在這種培訓模型下利用“做中學”的形式取代傳統“學后做”，致力于培養學生的綜合能力；文獻[3]將實驗對分模式應用于“機器人技術”課程的教學中，將引導式課堂講授貫穿到整個教學過程中去，設計實驗內化和遞進式討論總結，并采用過程性的評價體系。文獻中的2種方法均取得了較好的效果?；谀壳暗臋C器人教育背景，本文從SECI知識創生模型視角對師范生機器人課程教學技能培訓模式進行研究。

1 SECI知識創生模型構建

在SECI模型中，認為知識的創生主要是通過知識隱性和顯性2種狀態之間的相互作用和轉化，而形成的無限螺旋循環的過程[4]。知識創生模型結構如圖1所示。

圖1 SECI知識創生模型結構

根據圖1中的SECI知識創生模型結構，結合機器人課程教學中的理論知識與實踐知識進行分類。一般文字、圖片、概念與公式等課程知識可以通過具體的形式表現出來，具有一定的外顯化特點，屬于顯性知識的范疇；實踐知識包括難以表達的經驗和技能，在特定的情境和實踐中能夠表現出來，屬于隱性知識[5-6]。對于師范生來說，機器人課程教學技能培訓的主要目的就是解決機器人課堂上出現或存在的問題，將學到的知識和經驗有效地運用到教學過程中，以此來推動師范生教師專業的發展。SECI模型對應教學技能掌握的4個階段，將知識與情景和空間相互結合，設計組織每個階段培訓的過程活動，從解決一系列復雜的教學實踐中所產生的問題入手，由此創生出機器人教學知識[7-8];重視良好的培訓環境的構建，利用SECI模型實現并促進師范生互相交流對話，并對師范生自身具備的知識進行組織培訓。在培訓過程中，要使師范生對培訓目標有一個清楚的認識，在此基礎上設計有針對性的培訓內容。

2 教學技能培訓模式現狀與目標需求

2.1 師范生機器人課程教學技能培訓模式現狀

對于機器人教師的基本情況、參培態度、培訓內容、培訓形式以及培訓評價方式等進行問卷調查分析。選取150名機器人教師作為調查問卷對象，采取無記名方式，下發150份調查問卷，收回139份有效調查問卷，有效率為92.67%。本調查問卷共分為機器人課程教學技能目標需求以及培訓內容2個部分。問卷調查的機器人教師男女性別比例約為4.5∶5.5，教師年齡大部分在35歲以下，總體呈現年輕化結構，其學歷分布主要以本科和碩士學歷為主。關于參培態度方面，愿意參加培訓并認為培訓有必要的教師數量達到了85%以上，這是對開展機器人課程教學技能培訓的有力支持與需求。這個結果也從側面說明，機器人課程教師的教學技能可以通過有關的課程培訓促進其在機器人課程教學中提高專業技能[9]。問卷調查中的培訓內容主要涉及機器人系統理論知識、機器人控制以及編程、機器人設計競賽、課件資源開發、軟硬件設計使用方法、機械結構設計以及教學實踐等，調查問卷結果顯示，機器人設計競賽、軟硬件設計使用方法和機器人系統理論知識這3項的需求占比最高，達35%～72%，說明機器人課程教學技能培訓中，機器人教師更加重視競賽方面的培訓。對于培訓形式，問卷主要提及專家講座、小組合作、遠程網課、影像資料、教學觀摩、案例分析、實際操作以及示范模仿等幾種形式，調查發現雖然教師培訓方式相對于傳統學科培訓有不少新的形式，但是使用頻率較高的仍是傳統培訓形式。以上的調查結果顯示，在目前小學機器人課程教學技能培訓應用的過程中，主要存在以下問題：① 忽略機器人課程教師具有的特點以及知識結構；② 在培訓方面與實際的教學有所偏離，重心落在競賽方面；③ 培訓形式傳統且單一，降低培訓效果；④ 缺乏完善的培訓評價體系。

2.2 機器人課程教學技能培訓目標需求與影響因素

根據上述的研究可以確定，在師范生機器人課程教學技能培訓模式中，最終的影響因素主要包括培訓內容、形式、需求、培訓相關管理、環境、師資、評價等方面。通過影響因素來確定培訓模式，首先要對影響因素的權重進行分析，采用五級量表對以上指標分別設置5個不同的評分標準，分別對應“非常重要”“比較重要”“一般”“不太重要”“非常不重要”這幾個權重程度，并對調查問卷獲得的結果進行分析。確定結果是否可用，首先要確定問卷信度，測驗信度又稱之為測驗可靠性，指的是同一個測驗對同一組被試，兩次或多次施測所得的結果一致性的程度。在信度的計算中，實測分數為某次測驗分數的真變異數和總變異數的比值表示為

(1)

式中，ST2表示真變異數，Sx2表示總變異數。每一個調查問卷的實得分數的組成都可以表示為

X=T+E

(2)

式中，T表示真實分數，E表示誤差。在談論機器人課程教學技能目標需求以及培訓內容調查問卷的分數特性中，利用機器人課程教學技能目標需求以及培訓內容的方差來代表具體的分數：

(3)

(4)

調查問卷的信度經過計算后，對比各個因素的均值，均值的計算如式(5)：

(5)

式中，μ代表均值，N代表數據的數量，xi代表具體數值。

另外，為了反映數據集的離散程度，還需要進行標準差的計算，如式(6)：

(6)

標準誤差的計算如式(7)：

(7)

經過計算之后，得到影響因素權重指標值，如表1所示。

表1 影響因素權重指標計算結果

從表1可以看出，培訓內容、需求、師資以及評價的平均值在4.3以上，說明這幾個因素在影響因素中的權重比較大。因此，在后續的機器人課程教學技能培訓模式的構建過程中可以按照這個權重指標進行設計。

3 SECI模型視角下師范生機器人課程教學技能培訓模式

3.1 基于社會化設計

在社會化階段的設計中，主要是通過構建學習共同體、共享經歷并從觀察、模仿和實踐等方面建立隱性知識轉化。在網絡多媒體教室中，教師之間完成經驗交流和優質資源的共享，能夠有效提升師范生機器人課程教學技能，通過內容講解與經驗分享，促進專業隱性知識的共享。

3.2 基于外顯化設計

在SECI模型中，將隱性經驗轉化為顯性化語言，有利于對傳統隱性知識進行重構或修正。通過專題匯報、教學設計和評課交流等方式，可以以文字、語言、圖片等形式表達機器人教學中的隱性知識。利用教學設計對機器人教學的內容、方法、活動以及評價等內容進行說明。在評課交流中，授課者既可以選擇經驗豐富的在職機器人課程教師，也可以選擇經過培訓的師范生。在評課過程中，主要分析并觀察教師的教學活動設計及課堂教學組織，聽課者可以直觀感受到課堂教學氛圍，并通過評課工具，記錄并分享教學過程中的經驗與感想，從而提升師范生機器人課程的教學技能。

3.3 基于組合化設計

組合化階段的特征就是知識顯性之間的轉化，在這個過程中，通過培訓活動的設計充分發揮媒介作用，開展一些線上的主題研討以及資源創建共享活動。線上的主題研討能夠優化學習效果，在討論式的教學活動中，主題研討是較為常用的方法之一。本文通過硬件和軟件載體以及平臺的協助下，完成線上研討。線上研討的軟件功能很強大，例如可以對人物進行分配、查看、記錄和提醒，對于效果評價也有著常規線下方式不可比擬的優勢。在創建、共享資源的活動中，鼓勵培訓參與者對于機器人的相關教學資源進行查找和篩選，教學資源生成的過程就是顯性知識融合與創生的過程。在組合化設計的階段，主要是促進學習者資源創作與分享的過程，有助于增進團隊關系，以此優化教學技能培訓的開展和效果。

3.4 基于內隱化設計

在內隱化階段，在真實教學場景中可以得到一定的教學技能和經驗，學習、掌握、吸收培訓內容，完成知識的內化。在此階段中，設計的培訓活動主要包括小組協同備課、模擬教學以及教學反思。小組協作備課可以集思廣益，拓寬機器人教學中的思路，可以在一定范圍內更新教育觀念，這種知識的轉化可以使教師在后續的課堂實踐中產生正向的影響。在備課過程中，教師闡述自己的教學設計背后隱藏的觀點，其他教師可以提出自己的建議，并在模擬教學中通過角色扮演進行教學技能的訓練。在教學反思中，通過分享與交流完成頭腦風暴式的教學優化，學習到別人課堂中的亮點，意識到自身的不足之處，能夠體現出群體知識的升華，進一步確保師范生機器人課程教學技能培訓效果。

4 總結

綜上所述，在SECI知識創生模型視角下，師范生機器人課程教學知識在經過社會化、外顯化、組合化和內隱化等4個階段的培養過程后，個人知識與群體知識、顯性知識與隱性知識之間的上升，這對于師范生機器人課程教學技能培訓模式具有一定的指導意義。在社會化階段，構建學習共同體，建立隱性知識轉化，使師范生機器人課程教學技能得到提升；在外顯化階段，將個體工作過程積累到的隱性經驗轉化為顯性化語言，有利于對傳統隱性知識進行重構或修正，從而提升師范生機器人課程教學技能；在組合化階段，開展線上的主題研討以及資源創建共享活動，以此優化教學技能培訓的開展和效果；在內隱化階段，設計小組協同備課、模擬教學以及教學反思培訓活動，確保師范生機器人課程教學技能培訓效果。