李葆萍 等 | 基于核心概念的知識整合及其教學效果研究：以C語言為例

關注“在線學習”

獲取更多資訊！

刊載信息

李葆萍，& 胡悅.(2026).基于核心概念的知識整合及其教學效果研究：以C語言為例. 中國遠程教育(2),81-107.

基于核心概念的知識整合及其教學效果研究：以C語言為例
李葆萍, 胡悅

【摘要】基于學科邏輯的知識組織方式易造成概念理解碎片化，導致所學知識難以在情境性任務中遷移應用。針對該問題，本研究提出以核心概念的認知邏輯整合知識教學的觀點。本研究以數據類型、信息輸入、算法設計和結果輸出四個核心概念構建了C語言知識塔式結構圖，并設計了學習路徑。采用基于設計的研究和準實驗研究方法，在某高校非計算機專業C語言課程中開展了實證研究。結果表明，實驗組課程延遲測試表現顯著優于對照組且構建起四個核心概念之間的本質聯系，形成具有真實問題解決價值的認知網絡。研究發現，基于核心概念的知識表征模型能夠促使學生使用具體抽象協同思維來加工整理零散概念，形成對學科知識的整體理解；通過組合練習或交錯練習等讓學習產生必要難度促進學生對概念的深層理解和長時記憶，有助于構建更具靈活性的認知結構。本研究提出在課程中以貫穿核心概念的進階式理解來組織和編排教學內容，參照SOLO模型定位學生概念學習中的最近發展區，根據核心概念獲得中的長短期效應調整階段性教學目標，實施差異化教學等建議。

【關鍵詞】核心概念; 碎片化學習; 知識表征; 程序設計教學; 必要難度

一、

問題提出

數字技術已經普遍地應用于社會各領域，引發業務邏輯和流程的重構，人機協同將成為人們進行學習、工作的新形態。理解以計算機和人工智能為代表的智能機器的基本工作原理和底層業務邏輯，成為數字時代公民的必備知識和素養。程序設計課程是理解機器處理現實問題、培養學生計算思維的核心課程，也是進一步學習人工智能等相關領域知識的前置課程。當前高等院校的程序設計常依托C、C++、Java或Python等高級語言完成，具有知識點數量多、概念高度抽象、學習難度大等特點，學生需要記憶和理解大量的語法知識和規則，并學會如何在實際的情境中運用。對非計算機專業學生而言，在有限的課時和先備知識情況下完成程序設計任務更具挑戰性。在實際教學中學生常因個別知識點掌握不熟練或者不當應用，導致整個程序編寫或調試任務失敗。面對真實問題，學生常以日常思維來分析問題，難以轉化為有效的算法模型，阻礙了學生計算思維和程序設計能力的發展。教材的知識體系編排和呈現形式會對學習和教學設計產生直接影響。高等教育程序設計教材側重于按學科邏輯確定學習內容，編排知識呈現順序，各章節盡可能聚焦單一主題，保持概念間的相對獨立（蔡笑岳 & 何伯鋒, 2010），學習者學到的多是符號化、形式化的知識（Flaig et al., 2018）。學習者會不自覺地以章節順序建構頭腦中的知識體系（洪志忠 & 程菁菁, 2021），難以在知識之間建立起如聚類、拓撲關聯等深度聯系（張帆 等, 2015）。教師同樣可能囿于教材結構，從程序設計語言自身的語句、語法規則等具體知識點出發組織教學，而非著眼于計算機解決問題的計算思維。這種線性的演繹式學習路徑在一定程度上割裂了概念之間的思維聯系，同時也增加了學生知識學習的難度和冗余（沈軍, 2022），即便知識存儲在學生大腦中，也難以在實際應用中被有效激活和運用，從而成為惰性知識。

現實提醒我們有必要重新組織教學中的知識體系，引導教學關注的焦點從逐個知識點的記憶、訓練和掌握轉向對于若干數量有限的重要概念的深度理解和遷移應用。教育實踐中對知識體系進行組織加工的策略各不相同，常見的如根據知識粒度大小，將知識劃分為知識元—知識單元—知識模塊—學科概念等（董曉曉 等, 2022）；從知識內在的邏輯關系出發，以前置知識、后置知識和相關知識等來表征知識之間的關聯（姜強 等, 2015）；還有研究基于知識內在邏輯聯系，結合學生知識建構過程對教材中相關教學內容重新編排和組織知識學習順序等（劉佳, 2019）。上述研究將零散的知識點（小概念）聚集成一定結構的知識模塊或知識網絡，有助于解決學習者知識碎片化等淺層次學習問題（滿娜, 2023）。不同的知識體系結構會引導學生形成不同的思維方式偏好和問題解決模式。當前的知識體系多直觀表征客觀知識內容及其邏輯關系，揭示了知識間顯性的連接，然而知識之間的聯系相對平面化、簡單化、靜止化，缺乏對隱身于知識中的學科核心思想和思維的表征，從教學應用的角度來看，缺少對學生知識建構和認知發展路徑的考慮。有意義學習需要學生將新知識融入已有認知結構中并不斷推動認知結構的更新，這就要求知識結構既具有清晰的層次結構，又能支持學生的主動建構和遷移應用（吳小兵, 2020），推動學習者認知結構和思維的高階發展（呂立杰, 2020）。

學科核心概念（又稱學科大概念、大觀念）是內含于具體知識中的更本質的思想或觀念，并非某些知識的具體概念，而是對概念間關系的抽象表述，是對事物間本質特征、內在關系和規律的高度概括（鄧靖武, 2021）。學科核心概念因其統攝性、抽象性、中心性等特征，擁有廣泛的適用性和解釋力，使其蘊含了培養學習者問題解決、遷移應用等高階能力的潛在教育價值。有研究顯示，通過挖掘課程知識體系的核心概念開展教學，可跨越理論與實踐之間的鴻溝，有效提升學生的設計推理和探索創新能力（黃美根 等, 2023）。盡管有研究證明了核心概念學習有助于提升學習效果，但適用于核心概念的知識組織樣態如何，怎樣用來指導日常教學活動設計等問題，尚缺乏深入探索。

根據上述研究背景，面對非計算機專業學生程序設計學習中存在的知識零散、課時有限、計算思維水平不高等現實，本研究聚焦以核心概念統攝程序設計課程知識體系的方法構建和教學實施，基于C語言課程核心概念教學提出以下研究問題：C語言課程的核心概念是什么？如何基于核心概念表征C語言知識體系？基于核心概念的學習是否能提升學生的學習效果？基于核心概念的學習是否有助于學生形成體系化的知識結構？

二、

文獻綜述

（一）核心概念的表征和學習設計

核心概念是在事實和經驗基礎上抽取和總括出來的事物的共同特征，是各概念本質屬性的抽象概括，是學科中處于更高層次的上位概念。核心概念可以為學習者認識事物和建構知識提供一個認知框架或結構，使得學習者能夠以具有內在一致性的視角連續地、整體地獲得經驗、事物和概念的意義，促進學習者對知識的持久記憶、深度理解、廣泛遷移和持續創新（李松林, 2020）。核心概念具有對下位概念的統攝性，呈現出抽象—具體的關聯關系。如程嶺和宋夢園（2022）提出的知識金字塔模型將知識分為五個層次，從基礎的事實性知識到高層次的哲學性知識，建立起知識之間的關聯化、層次化、高能化和思想化結構，幫助學生逐步掌握復雜概念。胡玉華（2015）根據概念的不同抽象程度，構建了事實、一般概念、重要概念、大概念四個層級的知識結構。事實是具體的客觀事件，是認識現實的起點；在對事實的分析歸納基礎上得到一般概念；一般概念之間的內在聯系抽象為重要概念，具有一定的普適性和遷移應用價值；最高層的大概念能夠幫助學習者理解學科關鍵思想方法和知識體系，可以適應情境變化解決不同問題。

核心概念超越具體情境的廣泛解釋力，決定了這類概念往往以去情境性、高度抽象的形式出現，導致學習者覺得內容空洞、難以理解，因此，有研究者認為，可通過對具體事物的觀察和理解，先獲得抽象程度較低的概念或知識，隨后通過抽象思維提煉出普遍性的規律，形成抽象程度更高的概念，再將這些抽象概念應用在新的情境中，實現遷移應用，形成從具體到抽象再回歸具體的認知路徑。這不僅是對概念的深化和結構化，更是將所學知識靈活運用到不同情境的關鍵（劉徽, 2020a）。蘭德?斯皮羅（Spiro, R. J.）等就以多維度、非線性的“十字交叉型”立體網來表征核心概念生成中抽象和具體的交互作用，核心概念處于中心位置，與之相關的概念、案例、情境和問題等構成十字型的交叉軸，并相互連接。學習者可以帶著不同的學習目的，在不同情境下依托原有知識和經驗對同一概念進行精細加工和重新構建，在具體情境中獲得對概念知識的新認識，并在意識到概念知識應用多樣性的基礎上，形成對概念的多維度理解，掌握概念之間的多種關聯關系，逐步構建起自己的知識網絡，從而不僅將碎片化的信息整合為系統化的知識體系，也能夠幫助其更好地應對復雜多變的現實情境，運用所學知識解決實際問題（Spiro et al., 1991）。可見表征核心概念的關鍵在于促使不同抽象層次的知識間有意義連接的顯性化，支持學習者靈活地選擇由處于不同抽象層次的知識所構成的立體路徑來激活和調用自身的概念體系，從而面對新的問題情境做出恰當的反應（胡楊 & 王后雄, 2020）。

學習者在不同變式的聚類、比較、辨析過程中獲得核心概念的整體性學習，核心概念的掌握必然是一個不斷探索、發現、關聯和重構的過程。國際上使用學習進階來描述學習者對某一領域由淺入深、逐漸復雜的概念理解過程（Merritt et al., 2008），即學習同一主題的概念時所遵循的連貫的、典型的學習路徑，常呈現為圍繞核心概念展開的一系列由簡單到復雜、相互關聯的概念序列（劉晟 & 劉恩山, 2012）。可觀察的學習結果結構（Structure of the Observed Learning，SOLO）模型提出根據能力、思維操作、一致性與收斂和結構等方面的差別將學習結果從低到高分為前結構、單點結構、多點結構、關聯結構和抽象拓展結構五種水平（約翰?B. 彼格斯 & 凱文?F. 科利斯, 2010, pp.27-28），表達出知識學習從點、線、面、體再到系統的一個結構化發展過程（吳思遠 & 王笑君, 2021）。SOLO模型既可以表達出學生在知識記憶方面的水平，又能表達出學生對知識“從具體到抽象”的思維加工水平，特別是抽象拓展結構水平上的“包容性概念”與核心概念本質有高度的類似性（劉徽, 2020b）。SOLO模型的可觀察特征既方便刻畫學習者對核心概念的學習進階路徑，又可用來客觀評估學習者對核心概念的掌握水平。

整合現有研究的觀點，本研究認為教學中有效的核心概念表征除反映概念間的層級聯系外，更應當蘊含學習者獲得核心概念的認知規律，即可支持學習者在不同抽象層級的概念和知識間建構起螺旋上升的學習進階路徑。有研究者提出以不同知識粒度和抽象層次構建起“大概念—次級概念—知識點”的塔式結構，并輔以使用學科思想或方法對不同層級知識或概念間的聯系進行標注，形成了多層進階知識結構和思維可視化表征模型（李葆萍 等, 2023）。該模型從學科知識體系中精選出數量不多的核心概念，借助學科思想和方法連接起所統攝的不同抽象程度的下位概念和知識點，形成有共同指向性、層次分明的概念層級。相關研究表明，該知識表征方式在大概念教學實施中有助于學生進階式的學習路徑設計（左小晶, 2024, pp.53-57），推動學生對核心概念的持續性理解和高通路聯結（王祥宇, 2024, pp.62-63）。

（二）程序設計課程的核心概念界定和表征研究

多項研究都表明，整合工程學中的計算、編碼等思想，通過結構化知識的系統講授，可促進大學生計算思維能力的提升（胡曉玲 等, 2025）。在計算機編程領域，程序設計由問題界定（Define）—數據輸入（Input）—信息處理（Process）—結果輸出（Output）四階段構成（郁曉華 & 王美玲, 2019），即任何一個程序都可概括為分析問題情境，將其界定為可操作的對象，并抽象為相應的數據類型來表示，將數據準確地輸入計算機，計算機根據要求合理地選擇算法對信息進行計算和處理，最終將結果輸出反饋的過程。這四個階段在程序設計的教學和實踐中具有基礎性和普適性，不因編程語言種類不同而變化，即便是在當前生成式人工智能（Artificial Intelligent，AI）環境下使用自然語言形式的低技術門檻情境亦可適用，用戶產生問題意識，向AI組織語言并發起對話，便是問題界定和數據輸入，AI根據用戶提示詞引導來理解意圖并給出回應，便是信息處理和結果輸出。這四個相互關聯的概念為學生構建起程序設計中實現人機協同和人機交互的整體認知框架，為學生理解和掌握程序設計提供了關鍵思路（郭炯 & 郝建江, 2019）。

面對繁雜的編程語言知識體系和內隱性、抽象性的計算思維，程序設計課程中常會采用可視化策略來呈現知識間的關聯，外顯問題解決的思維黑箱等，梳理起來主要有如下幾種：基于教材現有的章節結構描述其所包含的各知識點之間的前驅、后繼和相關關系（姜強 等, 2015）；用包含關系、順序關系和相關關系等來表征以章、節和知識點為代表的不同知識單元粒度之間的聯系（黃煥 等, 2019）；用思維導圖等方式可視化理想狀態下人腦中對程序設計知識的組織和存儲（鄧瑞新, 2011）；或者用三元組的方式生成程序設計知識圖譜用來支持在線課程或個性化學習推薦等（王亮, 2018）；從計算思維形成的規律出發，提煉出發展學生抽象能力（陳振總 & 王碧芳, 2025）和分解能力（陳振總 & 傅新宇, 2025）等具體的教學設計策略；等等。

上述研究為整合碎片化的程序設計知識學習提供了支架，然而這些研究聚焦于對知識點和概念的語義關系的挖掘，對于程序設計中學科核心概念、核心思想、核心方法等可作為學習者高階學習結果的學習元素表征空間不足（馮友梅 & 魏寧, 2025），容易將知識學習和思維發展兩類目標相分離。有研究繪制了C程序設計的知識邏輯結構圖，在縱向上將語法知識歸類為“定義數據、輸入數據、計算數據、輸出數據”，橫向上根據知識的復雜程度分為三個遞進的層次，構成縱橫交錯的知識網絡圖（周穎 等, 2018）。該研究的知識表征初步體現了知識間多維聯系和學科思維融入，但尚未清晰地描述出不同層級概念和知識點之間的立體化連接路徑和本質關系。核心概念的學習不是一蹴而就的，而是包含一系列認知沖突、調整和整合的長期過程，最終由相互關聯的概念構成靈活可遷移的知識體系（Zuccarini & Malgieri, 2024）。顯然目前各類平面化、局部化的知識表征尚難以為教師規劃復雜的學習進階路徑和設計連續、遞進的教學目標體系提供支持（史霄波 等, 2025）。

（三）基于核心概念學習的C語言教學研究框架構建

在分析譚浩強主編的《C程序設計》（第五版）教材和現有C語言相關教學研究基礎上，經過與三位具有資深程序設計教學經驗的教授討論后，本研究將數據類型、信息輸入、算法設計和結果輸出作為C語言課程的四個核心概念，進一步分析了支撐各個核心概念的基本概念和事實，并對其相互關系進行梳理，按照概念抽象層級進行排列，聯通不同概念（知識點），構建起完整的概念網絡，由點及面建立知識的生長序列，促使學生自主構建意義。本研究最終構建的基于核心概念的程序設計知識表征模型如圖1所示（由于涉及的知識點數量非常多，圖1只展示了部分示例）。概念根據抽象層次分為“核心概念—次級概念—基本概念—基礎語法規則”四個層級，其中“基礎語法規則”對應現有研究中的事實性知識，特指組成C語言學習起點的基本知識和語法規則，如printf函數等，上位概念可以統攝下位概念。概念之間的關系可以被其分別隸屬的下位概念繼承，如基本數據類型通過同一類型組合構成數組的關系可被整型數據構成整型數組所繼承。除了上位概念對下位概念的統攝關系外，下位概念亦可在新的情境下成為不同層次上位概念的外延表現，如函數參數隸屬于函數，并具備數據類型的性質，同時具備信息輸入的功能，函數返回值也可以成為表達式或函數參數的一部分，進入算法設計，或作為結果輸出。

圖1 基于核心概念的程序設計知識表征模型

圖1中，數據類型是對現實元素的抽象表征和操作元素，用于存儲和表示程序運行時需要處理的信息，包括數據的表示（常量和變量）、基本數據類型［整型（int）、字符型（char）、浮點型（float）］、構造數據類型（數組、結構體、共用體、枚舉類型等）以及指針等。信息輸入是程序在運行時通過外部輸入設備（如鍵盤、文件等）獲取的信息，用于程序進行處理和計算，針對非計算機專業學生的課程教學中主要包含格式輸入函數（scanf函數）和非格式輸入函數（getchar、gets等系列函數）。算法設計是對解決問題進行分解和流程控制設計，是解決問題的關鍵環節，包括算法分析（如排序、查找等）、數據的運算（算術運算、關系運算、邏輯運算等）、程序的控制流程（線性結構、選擇結構、循環結構）以及模塊化處理（函數定義和調用等）。對問題解決過程的結構化描述就產生了順序結構和分支結構，對于算法功能的模塊化封裝就產生了函數，函數的相關下位概念，如“參數”不僅繼承上位概念數據類型的相關性質，同時還是核心概念“數據類型”和“信息輸入”在函數定義和調用情境下的一種表現形式，這些既體現了概念間的本質聯系也是計算思維的體現。結果輸出是程序將計算和處理后生成的結果展示給用戶或保存到某個位置的過程，包括格式輸出函數（printf函數）和非格式輸出（putchar和puts）等系列函數。正是借助對概念之間共同本質和多元外延的表征，形成了橫縱交織的認知網絡和進階式的學習路徑。

通過基于核心概念的程序設計知識表征模型的構建，促使學生在學習新知識點時能夠與核心概念產生深層次聯系，一方面，能加深對核心概念內涵和外延的理解，使其更具系統性和認知靈活性；另一方面，能夠在核心概念認知框架下定位新知識點，賦予其真實的學習意義。以數據類型概念學習進階路徑為例（如圖2所示），在初始階段，學生理解處理不同數據需要不同的數據類型表示，不同的數據類型變量在內存中有不同的存儲空間等知識點，可使用簡單的數據結構完成問題解決任務，如浮點型表示溫度計讀數，字符型記錄成績等級等。隨著處理問題的復雜程度加深，如處理課程成績單或學生信息管理等，需要將數據類型概念進階到簡單數據類型組合出新的數據結構，如數組和結構體等。在此階段，常見的認知障礙表現為對數據的建模能力不足，學生常會用多個獨立變量來存儲一個班級的信息，導致代碼無法擴展，或是使用多個平行且無邏輯關聯的數組來分別管理學生信息，陷入未能將離散信息抽象為統一數據實體的困境。當需要對海量數據進行處理或需要動態分配內存時，指針數據類型的作用就凸顯出來，它將變量的值和變量的存儲空間關聯起來，使學生可以從計算機工作原理的角度理解數據類型。由于間接抽象思維的缺失，部分學生在此階段容易將指針誤當作普通變量使用，如直接對指針變量進行賦值等。數據類型的選擇不僅可以在變量定義中完成，還可以在函數參數的定義中完成；而選擇不同的數據類型會影響數據的輸入和處理流程等，可見概念理解進階中始終都將不同數據類型定義置于具體的問題解決情境予以有意義的學習。

圖2 數據類型核心概念的螺旋理解路徑

三、

研究設計

（一）研究對象

本研究的研究對象為某高校基礎公共課程“程序設計基礎（C語言）”大一非計算機專業的學生64人，隨機分為實驗組和對照組，每組32人。課程第一周通過5道C語言基礎語法測試題對所有研究對象進行程序設計基礎知識測試，滿分10分。結果顯示實驗組平均分7.70（SD=2.01），對照組平均分7.67（SD=2.47），前期知識水平無顯著差異（t=0.054, p=0.96＞0.05）。

（二）研究工具

研究工具包括在線練習平臺、日常練習題目和延遲測試題目三類。本研究使用天天練平臺進行線上練習，該平臺具備練習、查看答案解析、鞏固錯題、收藏題目、互動討論等功能（如圖3所示）。本研究參考了教材配套的習題冊以及歷年平臺上的題庫，經過與授課教師逐題校對，改編在線練習題，題型包括選擇題、填空題、改錯題等。SOLO理論與學習進階具有相同的理論基礎和明顯的層次分類結構，本研究采用SOLO模型指導實驗組學習進階框架的練習設計（羅曉燕 等, 2021），如表1所示。實驗組共154道題目，對照組共204道題目。延遲測試題目由授課教師團隊編制，包括25道單項選擇題、5道程序填空題、5道程序改錯題和2道程序設計題，考核范圍和認知目標均在教學和日常練習之內。延遲測試完成時間為90分鐘，用以更全面、穩定地評估學生的學習效果。經檢驗，該測試的Cronbach’s α系數為0.74，具有良好的內部一致性。

圖3 天天練平臺界面

表1 實驗組和對照組練習設計對比

（三）研究過程

本研究采用基于設計的研究范式，主要教學模式是根據四個核心概念統攝的知識塔式結構圖選擇學習路徑，以所選學習路徑上的知識點映射編制相應的練習內容，結合準實驗研究來檢驗以核心概念設計學習路徑的學習效果。由于兩組學生同屬一個班級，課堂中采用不同的教學策略缺乏可行性，而大量的認知科學研究證實了練習對于記憶和概念加工理解具有直接積極的影響（Adesope et al., 2017），因此授課環節按照教材知識編排開展，主要干預發生在練習環節。具體而言，實驗組的練習在“數據類型—信息輸入—算法設計—結果輸出”的人機協同框架下，按照各核心概念螺旋式學習路徑進行練習內容編排，通過貫穿式持續迭代的練習模式，使學生在不同情境中反復強化同一框架和深化理解框架中的每一個核心概念。對照組則依據教材的編排順序進行練習，即按章節知識點學習順序依次練習。兩組學生授課教師為同一教師，課堂授課內容進度均相同，前測學習基礎無顯著差異，在線練習中花費的時間、知識點覆蓋面和難度保持基本一致，以確保教學的公平性。

根據核心概念迭代學習進度安排，研究分為兩輪開展。第一輪課程的1—6周，教學目標是完成四個核心概念的基礎學習，教學內容包括C語言基本特征、程序調試環境、算法初步、基本數據類型、運算符和表達式、格式輸入輸出等。兩組學生每天會收到系統推送的2道題目。檢驗第一輪學習效果，發現兩組學習效果差異性不顯著。本研究分析了兩組練習題目，在第二輪教學中強化了實驗組練習題目中多點結構和關聯結構的路徑選擇（如表1所示），引導實驗組學生不斷地在復雜的概念體系中穿梭，將不同的概念組織、聯結起來。由于實驗組的練習問題以綜合性問題為主，問題覆蓋的概念范圍較為廣泛，學生在解決問題時需要有更高的認知投入度，在第二階段適當減少了實驗組練習問題的數量，后經統計兩組學生在練習總時長上不存在顯著差異（t=1.23，p=0.23＞0.05）。第二輪為課程的7—16周，教學目標是完成四個核心概念的整體進階學習，教學周期相對較長，教學內容包括分支結構程序設計、數組、函數、指針、結構體和文件等。為了驗證核心概念對于學生深度學習和長期記憶的作用，研究采用延遲測試的方案，類似研究通常選擇學習完后數天到一個月來開展測試（羅良 & 張瑋, 2012），由于該時間段正逢假期，因此在課程結束八周后，兩組學生完成了課程的延遲測試。

（四）數據收集與分析

本研究通過天天練平臺采集了學生在線學習過程中的學習行為數據，包括練習時間、練習題目內容、得分等，通過延遲測試采集了學生總測試成績和各題型成績。將研究采集的學習數據清洗后進一步采用以下方法進行數據分析。首先使用SPSS 26.0對數據進行描述性統計和差異性檢驗，探究兩組學生學習結果的差異。為進一步揭示學生在認知結構層面的特征與變化，研究采用認知網絡分析（Epistemic Network Analysis，ENA），通過認知元素之間連線的粗細、元素節點的大小以及網絡結構的整體形態，直觀呈現學習者復雜認知網絡中的連接結構和結構特征（王志軍 & 楊陽, 2019）。認知網絡分析不僅能從宏觀層面對學習者群體的認知網絡進行對比分析，揭示不同群體之間的認知差異和共性，也能根據學習者在特定時間范圍內的認知情況，動態追蹤其認知結構的演變過程（Wang et al., 2023）。本研究認知框架包括數據類型、信息輸入、算法設計、結果輸出四個核心概念元素，在對天天練平臺自動采集的學生行為數據進行編碼后，將數據導入ENA Webkit在線建模平臺進行處理。

四、

研究結果

（一）第一輪實施效果分析

1. 學習行為和學習效果

對兩組學生在線練習路徑進行可視化處理發現，實驗組的練習呈組塊式（如圖4所示），表明其初步了解C語言和基本數據類型后開始對不同核心概念下的問題進行穿插練習，建立起程序解決現實問題的基本模式。對照組則呈現出片段式練習的特點（如圖5所示），在一段時間內集中對某個核心概念進行練習，學習完一個核心概念后轉向下一個核心概念。

圖4 第一輪實驗組練習概念分布

圖5 第一輪對照組練習概念分布

兩組學生練習正確率如表2所示。實驗組的正確率稍高于對照組，但不存在顯著差異。

表2 第一輪實驗組和對照組的練習正確率

逐題統計兩組學生的練習正確率情況如圖6所示。在前期，兩組學生的練習正確率變化趨勢呈現出相似性，說明兩組學生在C語言學習初始階段認知結構正處于適應新知識的同化狀態，正在適應和理解C語言的基本概念和編程思維。隨著課程開展，實驗組的正確率變化幅度稍大，根據研究設計，實驗組練習過程中會回顧已學習過的核心概念，兩組正確率的差異一定程度上反映不同的練習序列設計對學生認知結構發展的影響，由于此時學習內容容量相對少，認知復雜性不高，差異并不顯著。

圖6 第一輪實驗組和對照組練習正確率變化情況

2. 第一輪教學設計反思和改進思路

根據SOLO模型，如圖4和圖5所示，第一輪實驗組通過題目間的交錯來構建對核心概念的理解，練習題目設計主要使用簡單的概念組合，多屬于單點結構狀態。從答題表現來看第一輪兩組間無顯著差異，反映出核心概念對隸屬概念的統攝性以及概念之間的關聯程度有待進一步加強。隨著四個核心概念的初步學習完成，課程教學中新知識點數量更加豐富。本研究將在第二輪練習設計中，增加知識塔式圖中跨層級的概念組合，設計可表征多點結構和關聯結構的學習路徑，并據此設計練習題目，引導學生對四個核心概念整合應用，形成完整的認知鏈條。

（二）第二輪實施效果

兩組學生在線練習的核心概念分布如圖7和圖8所示，本輪實驗組學習內容組塊式分布特征顯著，后半段11—16周表現得更加突出。由于對照組和教材中學科知識體系保持同步，后半段主要集中在算法設計（函數等）和結果輸出（文件）等部分。

圖7 第二輪實驗組練習概念分布

圖8 第二輪對照組練習概念分布

兩組學生逐日練習題的正確率結果如表3所示，實驗組正確率低于對照組，但無顯著差異。

表3第二輪實驗組和對照組的練習正確率

兩組練習正確率隨學習時間變化情況如圖9所示，實驗組的練習正確率出現了較大的波動幅度，對照組的練習正確率基本保持在0.4~0.8。由于本輪實驗組練習的多為復雜的綜合性問題，并且與課程教學進度不同步，因此實驗組需要將不同知識點融合到由四個核心概念構成的連貫的認知框架中，這可能會導致關聯認知負荷增加，造成短期內練習正確率下降。

圖9 第二輪實驗組和對照組練習正確率變化情況

（三）兩組學生學習效果延遲測試差異性分析

兩組延遲測試結果如表4所示，實驗組的總成績以及各題型得分均高于對照組，其中總成績（p=0.047＜0.05）、程序填空題（p=0.022＜0.05）、程序改錯題（p=0.011＜0.05）和程序設計題（p=0.031＜0.05）均有顯著差異。以前測成績作為協變量進行協方差分析，兩組學生在延遲測試上依然存在顯著差異（F=4.21，p=0.04＜0.05），排除了知識基礎對學習效果的影響。測試距離學習結束間隔2個月，根據艾賓浩斯記憶留存曲線，知識的記憶強度處于較低的狀態。綜合結果說明核心概念的學習有助于知識點之間產生深度的意義連接，增強了學生在高階認知任務上的表現，而對于孤立的知識點記憶而言影響并不顯著。

表4 實驗組和對照組程序設計能力測試結果差異性檢驗

注：*p＜0.05。

（四）認知網絡分析結果

兩輪實驗中實驗組和對照組的認知網絡共線系數值如表5所示，基于該結果完成了認知網絡分析圖。為揭示整個教學過程中兩組學生的認知網絡發展情況，分別比較兩輪教學中組間認知網絡差異和組內認知網絡差異。

表5 第一、二輪實驗組和對照組認知網絡共線系數值

1. 第一輪兩組認知網絡結構特征及差異

第一輪兩組認知網絡圖如圖10所示。實驗組如圖10（a）所示，算法設計與數據類型、信息輸入、結果輸出方面都有強連接性。對照組如圖10（b）所示，認知網絡強連接集中在算法設計—結果輸出，其余節點之間的連接較弱，數據類型與結果輸出之間未構建起連接。

圖10 第一輪實驗組、對照組認知網絡圖

兩組認知網絡質心的分布t檢驗結果表明，兩組質心在水平維度（x軸）上有顯著性差異（p＜0.05），在垂直維度（y軸）上沒有差異（t=0，p=1）。第一輪兩組認知網絡疊減圖（如圖11所示），僅保留實驗組在算法設計與數據類型、信息輸入以及數據類型和結果輸出之間的強聯系，表明實驗組相比對照組，在四個核心概念的初步學習階段就超越了孤立的知識點記憶，進入了主動構建概念間意義聯系的認知狀態。

圖11 第一輪實驗組和對照組認知網絡疊減圖

2. 第二輪兩組認知網絡結構特征及差異

第二輪兩組認知網絡圖如圖12所示。實驗組的認知網絡圖中各節點較大，在各節點之間均具有強連接，只有數據類型與信息輸入之間的連接較弱，如圖12（a）所示。對照組在數據類型與信息輸入、信息輸入與算法設計、算法設計與結果輸出之間具有強連接，其余節點的連接強度較弱，如圖12（b）所示。認知結構的演化不僅體現在知識量的增加，更表現為知識間連接方式的優化，從最初零散的點到形成相互關聯的網絡，對照組相比于實驗組僅在局部概念間建立鏈式連接，缺乏整體性結構。

圖12 第二輪實驗組、對照組認知網絡圖

第二輪兩組認知網絡疊減圖（如圖13所示），僅保留實驗組在算法設計、數據處理、結果輸出等核心概念間的強聯系，表明相對于對照組，實驗組已形成系統化的知識網絡。由于編程中變量數據輸入處理前必須進行變量數據類型定義，實驗組可能在四個核心概念持續整體化學習中，進一步內化了知識網絡，將“數據類型—信息輸入”整合為一個新的認知概念，如數據準備階段組塊，使兩者的顯性連接在認知網絡中被弱化。經過兩輪核心概念的迭代學習，實驗組更好地克服了知識點學習碎片化的問題，將不同概念聯結起來，形成對于程序設計的整體性和本質性理解，并促使他們在知識應用中不斷驗證和修正自己的理解，實現深度的知識建構。

圖13 第二輪實驗組與對照組的認知網絡疊減圖

3. 組內認知網絡變化結果

為更精細了解學生的核心概念建構過程，研究分別對兩組學生在兩輪學習中的認知網絡進行疊減處理。實驗組兩輪認知網絡差異圖如圖14所示，第二輪的信息輸入與結果輸出、算法設計與結果輸出、數據類型與結果輸出之間的連接線最為顯著。信息輸入與結果輸出之間的連接增強，表明實驗組經過核心概念的迭代學習后加強了對輸入和輸出之間的因果關系的理解，背后是對計算機信息加工處理本質的理解。算法設計與結果輸出之間的連接提供了更直接的支持。數據類型與結果輸出之間的連接表明，學生對數據處理加工過程形成了更精細化操作的認識。差異圖為理解實驗組核心概念認知結構的發展提供了清晰的視角，反映出學生不斷抽象概括，呈現出具有層次梯度的動態知識建構過程。

圖14 實驗組第一、二輪認知網絡疊減圖

對照組兩輪認知網絡差異圖如圖15所示，圖中保留了第一輪中算法設計和結果輸出之間的連線，暗示第二輪該聯系可能沒得到進一步的發展。圖中還保留第二輪中數據類型和信息輸入、信息輸入與算法設計、數據類型與結果輸出之間的連線，表明對照組在隨后的學習中加強了對各個概念的深層次理解。盡管這些概念之間的連接尚未達到完全整合的程度，但也說明知識點的學習同樣可以促進學生的認知結構發展，只是效率和效果相對欠佳。

圖15 對照組第一、二輪的認知網絡疊減圖

五、

研究結論和討論

（一）研究結論

本研究結果回答了提出的三個問題：

第一，以“數據類型—信息輸入—算法設計—結果輸出”四個核心概念構建的C語言塔式知識圖，可以有效地整合程序設計知識和計算思維，通過立體可視化的知識表征，支持教師圍繞核心概念設計螺旋上升式的學習進階路徑。

第二，在不增加額外教學時間的基礎上，通過概念間的多點結構和關聯結構練習，讓實驗組學生超越碎片化的知識記憶，延遲測試成績顯著高于對照組，高階學習任務的表現優于低階學習任務。

第三，實驗組學生基于四個核心概念，通過系列的認知沖突和重構，最終形成了穩定和高度系統化的知識網絡結構，促進了對程序設計知識的本質性理解，支持了知識遷移應用能力的提高。

總體而言，研究構建的核心概念表征模型不僅是一種知識組織工具，更是一種指向核心能力發展的教學設計框架，可以有效化解知識碎片化困境，在有限的課時內高效提升學生的計算思維和可持續的程序設計能力。研究同時也深化了對核心概念學習中認知機制的探索和思考。

（二）研究討論

1. 具體抽象協同思維在核心概念形成中的作用分析

核心概念不是一個具體的概念或知識點，而是專家思維的概念和觀念的體現（劉徽 等, 2021）。專家面對問題解決是以模式識別的方式來界定問題，而新手是圍繞具體的主題或概念來思考問題（約翰?D. 布蘭思福特 等, 2013, p.35），即所謂專家思維表現為能夠靈活地在抽象的觀念和具體的問題情境中完成知識的切換和遷移應用，也就是具體與抽象之間的協同思維。在教學中促成專家思維的關鍵之一就是引導學習者搭建核心概念地圖，以學科本質思想和方法為策略，將與各類具體情境相關的零散下位知識和概念，鑲嵌于核心概念地圖適當的位置，形成多維度的立體知識網絡。

本研究以“數據類型—信息輸入—算法設計—結果輸出”（簡稱“DIPO”）搭建起使用程序解決實際問題的核心觀念和方法，通過C語言塔式結構圖將不同抽象層次的概念和知識組織在一起賦予其有學科意義的聯系。不同的下位概念可被視作上位概念在不同情境下的表達變式，借助于不斷地給同一概念提供不同情境下的具體表現，促進具體—抽象—新具體的螺旋學習路徑，支持學習者在跨越不同知識維度的情境中不斷豐富自己對于概念的編碼和重構（張優幼, 2019），通過反復感知、親身體驗和意義提煉，深度理解概念的本質屬性，完成自身知識體系的構建（殷常鴻 等, 2019）。對比兩組學生的認知網絡差異圖和前后兩個輪次的認知網絡，均能看到“數據類型—信息輸入—算法設計—結果輸出”預設核心概念逐步加強的過程。實驗組以跨越概念層級以及隱含程序解決問題思想的方式開展的練習，從本質上講就是通過不同的問題情境持續地對學習者的認知圖式進行驗證和調整。相比之下，對照組按照傳統教材編排順序以線性方式展開的練習，每一次的練習分別指向不同層級的具體概念，缺少對于同一核心概念的共同抽象以及連接不同核心概念之間的有意義連接。盡管能夠掌握具體的知識點（兩組學生在延遲測試的選擇題上的表現無顯著差異），然而一旦面臨編寫程序這類綜合性計算思維任務情境時，缺少對核心概念本質的理解進而導致知識高位遷移路徑不暢的弊端便充分顯現出來。

2. 基于核心概念學習產生的必要難度對不同時期學習效果的影響

必要難度（Desirable Difficulty）理論指出，人的記憶受存儲和提取雙重影響，過于流暢的學習過程通常無法實現知識的長期記憶和遷移，而造成困難和減緩學習速度的學習條件能夠支持知識的長期保留和遷移應用（Bjork & Bjork, 2020）。學習中保持必要難度的策略包括改變練習情境、重新學習、間隔練習等（de Bruin et al., 2023）。

在研究的第二階段，實驗組正確率比對照組低，且波動較大。從時間趨勢分析，兩組正確率波峰和波谷從第一階段相位的基本同步（如圖6所示），到第二階段出現了相位差（如圖9所示）。從題型和練習知識點分析，填空題正確率低于選擇題，有跨教學單元知識點的題目正確率低于僅包含教學單元內知識點的題目。基于必要難度理論，該階段實驗組所練習的題目多是基于知識塔式圖所選擇的包含多點結構或關聯結構的綜合性任務，練習題目中包含的概念并不完全與課堂教學進度一致，具備交錯練習的特征。與實驗組因知識點交錯而不斷變化的問題情境相比，對照組在某個時間段內主要對同一概念進行集中式練習，相似知識點帶來記憶的流暢性，使得對照組會更快表現出掌握當前知識點的狀態，而實驗組的相位移動恰好反映出因為交錯的內容設計，使其完成這類練習不僅要記憶新知識，還要重新提取過去所學知識的記憶，導致其花費更多的時間完成新知識的掌握。

有研究發現，在學習類別之間相似、類別內不太相似或復雜的材料時，交錯學習的效果更為顯著（Brunmair & Richter, 2019）。由于本研究中的練習是基于核心概念的學習進階路徑特意設計的，此時的練習不僅只是對舊知識記憶的重新提取和對新知識的記憶，還需要將新舊知識放置于核心概念的框架下整合，會引導學生遭遇更多的認知沖突，經歷更多的概念同化或順應過程，導致學習中的關聯認知負荷增加。關聯認知負荷是有效的認知負荷，是構成本實驗中練習必要難度的主要要素。因此盡管學生在即時練習中出現了部分正確率低于0.4的狀態，可學生一旦經歷了知識記憶與提取和關聯認知負荷這兩類必要難度，就會獲得更深刻的記憶和更具靈活性的認知結構。隨后實驗組延遲測試成績的提升和學生認知網絡的變化，證明了基于核心概念教學所產生的必要難度對學習產生的持續性促進作用。本研究結果也對從核心概念的角度理解交錯學習認知規律提供了新的視角。

綜上所述，本研究提出的基于核心概念的學習模式呈現出鮮明的短期與長期效應差異。單元教學期間，實驗組因交錯練習和綜合性任務而產生的必要難度，導致了練習正確率的波動，體現了知識學習的短期認知挑戰。正是這種挑戰性的認知加工過程，促進了更深層次的概念整合與圖式構建，長期來看，這種深度的認知加工能轉化為更穩定、更可遷移的程序設計能力。

六、

研究啟示和展望

本研究通過C語言驗證了由DIPO四階段構建的核心概念塔式結構圖在教學中的可行性和有效性。在核心概念教學實施過程中發現，學生有可能出現短期學習效果不佳的現象，但長期來看可促成學生達成深度知識建構。基于此，本研究為人工智能時代下的程序設計教學乃至高等教育的課程設計提供以下參考。

（一）核心概念框架融入課程教學，培養學生高階思維

本研究探索了DIPO作為具有通用性的計算機處理問題范式可適用于Java、Python以及人工智能通用教學等。其他學科也可挖掘本學科領域關鍵核心概念，除類似借助核心概念塔式圖設計知識學習路徑外，教師還可從多個途徑將核心概念融合到教學活動中。比如，融入課程培養目標激發學生深層學習動機，借助學科核心概念使學生更清晰地理解本領域知識是如何處理真實問題的，有助于學生從“知識學習和掌握者”向“知識探索和發現者”轉變。這在當前AI可以實現自動編程以及大量人機協同工作場景出現的背景下，在各個學科領域不斷涌現出新的、復雜的、跨學科的問題的情境下顯得尤為重要。融入綜合研發任務，以核心概念作為基本框架，引導學生通過實際項目實施，如開發“學生成績管理系統”時，必須明確定義Student結構體（Define），討論數據輸入途徑（Input），設計排序、查詢等算法（Process），最后確定結果顯示格式和保存方式等（Output），獲得完整的核心概念學習體驗，減少對概念的碎片化理解。

（二）基于SOLO模型定位學生最近發展區，構建“診斷—支架—躍遷”教學閉環

結合研究中所發現的必要難度在學生深度學習和長期保留知識中的積極作用，本研究認為可參考最近發展區理論，在SOLO模型的指導下，將必要難度設置于學生“實際水平”與“潛在水平”之間，構建可支持核心概念持續深化理解的“診斷—支架—躍遷”教學閉環。

首先，利用SOLO模型進行發展區量化診斷，從知識圖中選擇知識點分別編制單點結構題檢測學生實際掌握水平，關聯結構題探測潛在水平，基于評估規則（如單點結構正確率＞90%且關聯結構正確率＜50%），設定學生潛在發展區。其次，針對核心概念的發展區狀態，搭建相應的認知支架，如發現學生能處理整型數組排序但字符串操作出錯，說明同級概念遷移存在困難，可提供對比策略，引導學生關注到兩者同屬一類構造數據類型（概念向上抽象，聯通高通路遷移路徑）。最后，檢測達標后可撤下支架引入新的變式形成關聯結構予以鞏固，或向SOLO模型中抽象拓展層級躍升。基于該策略，以跨抽象層級或概念模塊的方式評估和設計學習任務及學習路徑，精準作用于學生認知發展的關鍵節點，持續產生認知沖突和不平衡狀態，促使學生投入更多的認知努力，推動核心概念學習從“被動接受”轉向“認知拓展”。

（三）區分短期績效與長期素養，設計差異化教學路徑

研究證明，核心概念的教學價值并非立竿見影地提升即時績效，而在于通過創設“必要難度”鍛造學生長期保留和靈活遷移的認知結構。同時，核心概念的掌握，背后是對一套完整的概念體系的學習，不能完全離開知識點的記憶、理解等低階認知目標的支持，因此，核心概念的學習應當同時關注短期和長期效應，設計差異化的教學與評價策略。

各階段性的知識教學期間，教師應當關注學生對知識點的掌握情況，可通過及時了解學生作業反饋等，發現知識掌握薄弱點及時進行補救性教學指導。教學活動中增加復習環節，回顧前期學習知識點。降低對于學生正答率的預期，對學生的評價方式從結果導向轉向過程導向，評價內容從知識掌握轉向思維發展，關注學生是否嘗試聯結不同概念，其思考是否體現抽象、分解等思維活動，并及時提供認知支架化解學習中遭遇的認知沖突。

在整個課程教學期間，教師應關注長期教學目標，設計核心素養的學習進階路徑，規劃不同階段的學習目標和學習互動，針對各核心概念設計不同難度的綜合性任務。基于完整的學習進程開展核心概念學習的增值評價，評價標準超越對孤立語法知識的記憶性考查，關注綜合應用多個核心概念解決新問題的能力，用以評估學生知識的長期保留度和遷移應用能力。

（四）研究局限和未來展望

由于教學時長的限制，研究未能將第二輪實驗中出現的練習正確率下降等問題予以優化干預，未能對學生練習中的認知負荷等進行測量和控制。同時受客觀條件限制，本研究還存在樣本容量較小、僅在一所學校實施教學實驗等不足，影響了結論的普適性。未來將進一步擴大樣本數量，優化研究設計，細化教學策略，充分考慮核心概念學習中的認知負荷因素。同時進一步豐富數據分析指標，將學生的編程錯誤類型、問題解決策略、任務難度、認知負荷等維度納入學生的學習效果分析和認知網絡分析中，更加立體地了解核心概念對學生知識和認知水平的影響。

參考文獻

蔡笑岳, & 何伯鋒. （2010）. 學科領域知識的研究與教學——當代領域知識研究及其教學遷移. 華東師范大學學報（教育科學版）（2）, 43-51.

陳振總, & 傅新宇. （2025）. 探究基于“分解”思維的問題解決之徑——新課標視域下計算思維之分解能力的培養. 中國信息技術教育（7）, 33-36.

陳振總, & 王碧芳. （2025）. 圖形?規則?變量：數智時代計算思維之抽象能力的三維培養策略. 中國信息技術教育（11）, 56-59.

程嶺, & 宋夢園. （2022）. “階梯與序列雙軸聯動”：“知識結構化”建設的關鍵取徑. 當代教育科學（10）, 41-48.

鄧靖武. （2021）. 大概念統攝下物理單元知識結構構建及教學探討. 課程?教材?教法（1）, 118-124.

鄧瑞新. （2011）. “C語言程序設計”知識構建的思維導圖方式. 計算機教育（8）, 96-99.

董曉曉, 周東岱, 黃雪嬌, 顧恒年, & 李振. （2022）. 學科核心素養發展導向下教育領域知識圖譜模式構建方法研究. 電化教育研究（5）, 76-83.

馮友梅, & 魏寧. （2025）. 歸于算法，始于算理——發展學生計算思維的有效策略. 中國信息技術教育（6）, 4-11.

郭炯, & 郝建江. （2019）. 人工智能環境下的學習發生機制. 現代遠程教育研究（5）, 32-38.

洪志忠, & 程菁菁. （2021）. 核心概念視域下的美國本科STEM課程設計——以密歇根州立大學為例. 四川師范大學學報（社會科學版）（1）, 128-135.

胡曉玲, 李靜澤, & 魏江瑩. （2025）. 國際視域下大學生計算思維的培養路徑與評價策略研究. 開放學習研究（3）, 43-52.

胡楊, & 王后雄. （2020）. 基于認知彈性理論的高中化學教學設計研究. 教育理論與實踐（11）, 54-57.

胡玉華. （2015）. 科學教育中的核心概念及其教學價值. 課程?教材?教法（3）, 79-84.

黃煥, 元帥, 何婷婷, & 吳林靜. （2019）. 面向適應性學習系統的課程知識圖譜構建研究——以“Java程序設計基礎”課程為例. 現代教育技術（12）, 89-95.

黃美根, 王濤, 明夢君, & 朱一凡. （2023）. 基于建構主義的工程能力CDIO實踐培養模式. 高等工程教育研究（4）, 58-64.

姜強, 趙蔚, 王朋嬌, & 王麗萍. （2015）. 基于大數據的個性化自適應在線學習分析模型及實現. 中國電化教育（1）, 85-92.

李葆萍, 楊翹楚, 馮雨涵, & 張翔. （2023）. 學科大觀念視角下數字化賦能基礎教育課程改革的路徑研究. 中國教師（10）, 6-10.

李松林. （2020）. 以大概念為核心的整合性教學. 課程?教材?教法（10）, 56-61.

劉晟, & 劉恩山. （2012）. 學習進階：關注學生認知發展和生活經驗. 教育學報（2）, 81-87.

劉徽. （2020a）. “大概念”視角下的單元整體教學構型——兼論素養導向的課堂變革. 教育研究（6）, 64-77.

劉徽. （2020b）. 可觀察的學習結果結構——讀《學習質量評價：SOLO分類理論》. 現代教學（21）, 77-79.

劉徽, 徐玲玲, 蔡小瑛, & 徐春建. （2021）. 概念地圖：以大概念促進深度學習. 教育發展研究（24）, 53-63.

劉佳. （2019）. 從點到體：結構化視域下整合課程探究. 上海教育科研（7）, 84-87.

羅良, & 張瑋. （2012）. 利用測試促進學習：記憶心理學的研究進展與教育啟示. 北京師范大學學報（社會科學版）（1）, 43-50.

羅曉燕, 李佳, 袁萍, & 李舒麗. （2021）. SOLO分類理論與學習進階比較研究. 課程教學研究（1）, 12-17.

呂立杰. （2020）. 大概念課程設計的內涵與實施. 教育研究（10）, 53-61.

滿娜. （2023）. 指向深度學習的高中物理深度教學研究與實踐. 中國教育學刊（S2）, 110-114.

沈軍. （2022）. SITD策略在程序設計課程教學中的應用. 計算機教育（11）, 123-127.

史霄波, 趙冰瑩, 李寧寧, 廉偉偉, & 張俊娜. （2025）. “學習進階”視域下計算思維培養模式的構建與應用. 教育信息技術（6）, 11-15.

王亮. （2018）. 深度學習視角下基于多模態知識圖譜的MOOC課程重構. 現代教育技術（10）, 100-106.

王祥宇. （2024）. 大概念視角下知識體系構建與單元整體教學研究——以小學數學表內除法單元為例. 北京師范大學.

王志軍, & 楊陽. （2019）. 認知網絡分析法及其應用案例分析. 電化教育研究（6）, 27-34, 57.

吳思遠, & 王笑君. （2021）. 基于SOLO分類理論命制物理選擇題——以高中“質點直線運動”的教學為例. 物理教學（1）, 65-67, 71.

吳小兵. （2020）. 結構化視角下數學深度學習的實踐探究. 教學與管理（10）, 53-55.

殷常鴻, 張義兵, 高偉, & 李藝. （2019）. “皮亞杰—比格斯”深度學習評價模型構建. 電化教育研究（7）, 13-20.

郁曉華, & 王美玲. （2019）. 流程圖支持下的計算思維培養實踐研究. 中國遠程教育（9）, 83-91.

約翰?B. 彼格斯, & 凱文?F. 科利斯. （2010）. 學習質量評價：SOLO分類理論可觀察的學習成果結構（高凌飚, & 張洪巖 主譯）. 人民教育出版社.

約翰?D. 布蘭思福特 等. （2013）. 人是如何學習的——大腦、心理、經驗及學校（擴展版）（程可拉, 孫亞玲, & 王旭卿 譯）, 華東師范大學出版社.

張帆, 周法國, & 楊炳儒. （2015）. KM教學論在數據結構算法教學中的應用. 計算機教育（16）, 32-35, 48.

張優幼. （2019）. 指向認知結構生長的大單元教學. 教學與管理（26）, 31-33.

周穎, 馬超, & 李葆萍. （2018）. 知識邏輯結構圖的繪制及在復習課中的應用. 電化教育研究（1）, 92-97, 113.

左小晶. （2024）. 面向高中信息技術學科核心素養的大概念教學設計與實踐研究. 北京師范大學.

Adesope, O. O., Trevisan, D. A., & Sundararajan, N. (2017). Rethinking the use of tests: A meta-analysis of practice testing. Review of Educational Research, 87(3), 659-701.

Bjork, R. A., & Bjork, E. L. (2020). Desirable difficulties in theory and practice. Journal of Applied Research in Memory and Cognition, 9(4), 475-479.

Brunmair, M., & Richter, T. (2019). Similarity matters: A meta-analysis of interleaved learning and its moderators. Psychological Bulletin, 145(11), 1029-1052.

de Bruin, A. B. H., Biwer, F., Hui, L., Onan, E., David, L., & Wiradhany, W. (2023). Worth the effort: The start and stick to desirable difficulties (S2D2) framework. Educational Psychology Review, 35(2), 41.

Flaig, M., Simonsmeier, B. A., Mayer, A. K., Rosman, T., Gorges, J., & Schneider, M. (2018). Conceptual change and knowledge integration as learning processes in higher education: A latent transition analysis. Learning and Individual Differences, 62, 49-61.

Merritt, J. D., Krajcik, J., & Shwartz, Y. (2008). Development of a learning progression for the particle model of matter. In Computer-Supported Collaborative Learning Conference, CSCL (PART 2 ed., pp.75-81).

Spiro, R. J., Feltovich, P. J., Feltovich, P. L., Jacobson, M. J., & Coulson, R. L. (1991). Cognitive flexibility, constructivism, and hypertext: Random access instruction for advanced knowledge acquisition in ill-structured domains. Educational Technology, 31(5), 24-33.

Wang, X., Liu, Q., Pang, H., Tan, S. C., Lei, J., Wallace, M. P., & Li, L. (2023). What matters in AI-supported learning: A study of human-AI interactions in language learning using cluster analysis and epistemic network analysis. Computers & Education, 194, 104703.

Zuccarini, G., & Malgieri, M. (2024). Modeling and representing conceptual change in the learning of successive theories. Science & Education, 33, 717-761.

Research on Knowledge Integration of Core Concepts and Its Instructional Effectiveness: A Case Study of C Programming

Li Baoping, Hu Yue

Abstract:This research addresses issues such as fragmented understanding of concepts in the knowledge organization pattern based on disciplinary logic within course instruction, which hinder the transfer and application of knowledge in contextual tasks. It proposes a perspective on knowledge instruction that integrates cognitive logic based on core concepts. Focusing on C programming instruction, a pyramidal knowledge structure diagram with four core concepts: data types, information input, algorithm design, and result output was constructed, and learning pathways for the core concepts were designed using knowledge maps. Employing Design-based research (DBR) and quasi-experimental research methods, the study was conducted over two iterations in a C language course at a university. The results indicated that the experimental group significantly outperformed the control group on a delayed test of C programming ability. Furthermore, students in the experimental group successfully established connections between the four core concepts, forming a cognitive network with genuine problem-solving value. The study found that the core concept-based model enables students to form concrete-abstract coordinated thinking to process and organize scattered concepts, forming a holistic understanding of subject knowledge; it also promotes students’ deep understanding and long-term memory of concepts by introducing the desirable necessary difficulty through methods such as combined practice or interleaved practice of core concepts, and constructs more flexible cognitive structures. The study recommends to organize and structure teaching content around the progressive understanding of core concepts and to locate students’ zone of proximal development based on the SOLO model. Additionally, differentiated instruction should be applied by adjusting staged teaching objectives based on the short-term and long-term effects of acquiring core concepts.

Keywords:core concepts; fragmented learning; knowledge representation; programming instruction; desirable difficulty

作者簡介

李葆萍，北京師范大學教育學部副教授（北京 100875）。

胡悅，杭州市蕭山區城東小學教師（通訊作者：xshuyue@126.com 杭州 311201）。

基金項目

國家社會科學基金2022年度教育學一般項目“碎片化學習的深度學習機制和應用效果研究”（項目編號：BCA220209）

責任編輯：單玲 陳鳳英

期刊簡介

《中國遠程教育》創刊于1981年，是教育部主管、國家開放大學主辦的綜合性教育理論學術期刊，是中文社會科學引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學期刊AMI綜合評價（A刊） 核心期刊、中國科學評價研究中心（RCCSE） 核心期刊、中國期刊方陣雙效期刊、人大復印報刊資料重要轉載來源期刊，面向國內外公開發行。

本刊關注重大教育理論與政策，推動科技賦能教育，反映國際學術前沿，聚焦本土教育改革，注重學術研究規范，提倡教育原創研究。

地址

北京市海淀區西四環中路45號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網址

cjde.ouchn.edu.cn

本文來源｜中國遠程教育微刊

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與我們聯系，我們將及時更正、刪除，謝謝。