大規(guī)模計算機交互式測評中科學(xué)探究能力表現(xiàn)的實證研究

陽敏 林長春

摘要： 以截取的PISA2015中國學(xué)生的log數(shù)據(jù)，運用關(guān)系挖掘、聚類、Logistic回歸分析等教育數(shù)據(jù)挖掘方法，分析中國學(xué)生在“可持續(xù)漁業(yè)”單元中兩個項目的探究行為的特點、探究行為與探究能力之間的關(guān)系，以及學(xué)生探究行為的影響因素。結(jié)果顯示： （1）依據(jù)學(xué)生項目反應(yīng)時間和訪問次數(shù)，可以將學(xué)生分為4個群組（快速猜測型、任務(wù)驅(qū)動型、粗略檢查型、反復(fù)檢查型），反復(fù)檢查型學(xué)生科學(xué)素養(yǎng)平均成績均最高，而快速猜測型學(xué)生科學(xué)素養(yǎng)平均成績最低;（2）學(xué)生在兩個項目上的探究行為顯著相關(guān);（3）科學(xué)樂趣和成就動機越強的學(xué)生，越有可能是反復(fù)檢查型。最后，基于研究結(jié)果，為教師的實踐教學(xué)提建設(shè)性建議。

關(guān)鍵詞： log數(shù)據(jù); PISA; 科學(xué)探究能力

文章編號： 10056629（2022）06001607

中圖分類號： G633.8

文獻標識碼： B

1 問題的提出

隨著計算機和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，計算機在教育領(lǐng)域得到了更為廣泛的應(yīng)用，基于計算機的教育測評正在進入教育領(lǐng)域。為了培養(yǎng)新時代發(fā)展需要的人才，傳統(tǒng)唯分數(shù)論的教育測評正在發(fā)生重大改變，通過動態(tài)、模擬的計算機任務(wù)對學(xué)生進行測評的方式成為了一種重要的發(fā)展方向[1]，國際評估學(xué)生項目（PISA）逐漸開始采用基于計算機的教育測評?；谟嬎銠C的測評是學(xué)生在電腦上完成計算機模擬任務(wù)[2]，在計算機的管理后臺可以提供學(xué)生在評估期間所有操作的記錄以及相應(yīng)時間戳的日志文件數(shù)據(jù)（log數(shù)據(jù)）。PISA2015在科學(xué)素養(yǎng)的測評領(lǐng)域采用了基于計算機的交互式測評方式，其log數(shù)據(jù)提供的信息不僅包括回答的正確性，還包含了學(xué)生作答的時間、項目訪問的次數(shù)、操作的次數(shù)等數(shù)據(jù)，對深入了解學(xué)生的探究表現(xiàn)提供了可能。PISA 2015中科學(xué)素養(yǎng)被視為一項關(guān)鍵能力，探究能力成為科學(xué)素養(yǎng)測評的核心。因此，本研究著眼于學(xué)生在科學(xué)素養(yǎng)測評中科學(xué)探究能力的表現(xiàn)，通過log數(shù)據(jù)分析學(xué)生科學(xué)探究能力差異的原因，理解學(xué)生的探究行為和表現(xiàn)，為教育者的實踐教學(xué)提供教育決策的依據(jù)。

2 PISA2015科學(xué)探究能力的測評

2.1 PISA2015科學(xué)探究能力測評概述

PISA2015科學(xué)素養(yǎng)中評估的科學(xué)探究能力主要包括三項： 科學(xué)地解釋現(xiàn)象、評估和設(shè)計科學(xué)調(diào)查以及科學(xué)地解釋數(shù)據(jù)與證據(jù)。該框架通過計算機交互式測評測量學(xué)生的科學(xué)探究能力，計算機交互式科學(xué)探究測試需要學(xué)生在計算模擬環(huán)境下解決情境化的科學(xué)問題，交互式測試題以單元形式呈現(xiàn)，學(xué)生不僅需要應(yīng)用科學(xué)概念和原理解決探究的問題，還需要運用一系列探究技能才能完成，比如調(diào)查、推理、評估實驗數(shù)據(jù)等。

PISA2015對科學(xué)素養(yǎng)評估的三種能力定義了認知需求水平，基于知識深度分類法將認知需求分為高、中、低三個水平。低水平的項目只需要執(zhí)行一步程序，例如回憶事實、原理和概念，在圖表中查找單個信息等。中等水平認知需求項目需要應(yīng)用概念知識來描述或解釋現(xiàn)象，其涉及兩個或多個步驟。高水平認知需求項目需要分析復(fù)雜的信息或數(shù)據(jù)，在整合與評估證據(jù)的基礎(chǔ)上制定解決問題的計劃或步驟。此外，在2006年測評的6個能力水平中，增加了“1b”級，專門對能力最低、科學(xué)素養(yǎng)最低的學(xué)生進行描述。從而形成了“1b”級、“1a”級、2級、3級、4級、5級和6級一共7個層級，對能力水平的描述更詳細、更具體。

2.2 PISA2015 “Sustainable Fish Farming（可持續(xù)漁業(yè)）”探究任務(wù)

2015年，在參與PISA的72個國家的學(xué)校中，約有540000名學(xué)生被選入全球范圍，代表了約2900萬名學(xué)生。中國樣本由27384名學(xué)生組成，其中一共5984名學(xué)生對PISA測試題“Sustainable Fish Farming（可持續(xù)漁業(yè)）”做出了反應(yīng)。“可持續(xù)漁業(yè)”項目1（如圖1）需要學(xué)生了解養(yǎng)魚場的目標和三個魚缸的功能，以及哪一種生物最適合完成每一項功能，主要考察科學(xué)探究過程中“科學(xué)地解釋現(xiàn)象”的能力。僅7.8%的學(xué)生答對項目1，這主要源于該項目需要學(xué)生拖動鼠標來解決問題，并且該項目為開放性的任務(wù)，這四種生物中的任何一種都可以放置在三個容器中的任何一個，每個容器中的生物數(shù)量沒有限制，難度較大。PISA2015將其認知需求水平設(shè)定為高、能力水平等級為6[3]。

項目2（如圖2）需要學(xué)生根據(jù)對每種生物體的描述，確定列出的生物體中哪一種會減少漁場向海洋釋放的大量營養(yǎng)物質(zhì)，主要考察科學(xué)探究過程中“科學(xué)地解釋數(shù)據(jù)和證據(jù)”的能力。78.9%的學(xué)生答對項目2，該題是簡單選擇題，學(xué)生只需要點擊鼠標就能回答問題，操作簡單。PISA2015將其認知需求水平設(shè)定為低、能力等級水平為2（456分）[4]。

由于“可持續(xù)漁業(yè)”項目1和項目2難易程度、操作程序、操作方式均不同，為了探究學(xué)生在復(fù)雜程度與認知需求水平不同的項目上表現(xiàn)出來的探究行為是否具有差異性，因此本研究選擇項目1和項目2來進行對比分析。

3 研究的變量與方法

3.1 變量的選取及說明

在PISA探究任務(wù)中獲得相似分數(shù)的學(xué)生不一定以同樣的方式進行答題，學(xué)生的最終回答結(jié)果無法體現(xiàn)他們?nèi)绾螀⑴c探究任務(wù)以產(chǎn)生這樣的結(jié)果。研究表明，學(xué)生探究過程中的特定行為，如嘗試的次數(shù)和任務(wù)時間等過程行為可能有助于理解學(xué)生取得成就的過程[5]。此外，性別差異在理解學(xué)生探究能力方面發(fā)揮重要作用[6]，一般女生在學(xué)習(xí)上更主動，學(xué)習(xí)目標更明確，探究過程中表現(xiàn)更好[7]。研究表明，喜歡科學(xué)并有較高成就動機的學(xué)生更熱衷于探索科學(xué)研究[8]，而學(xué)生對ICT的興趣能夠顯著預(yù)測學(xué)業(yè)成績，ICT興趣越高的學(xué)生對科學(xué)探究任務(wù)表現(xiàn)越積極，科學(xué)素養(yǎng)成績越好[9]。

因此，本研究選取PISA2015中國區(qū)的科學(xué)素養(yǎng)測評的log數(shù)據(jù)，擬探討如下問題： （1）通過log數(shù)據(jù)可以確定學(xué)生哪些探究行為？（2）學(xué)生探究行為與探究能力的關(guān)系？（3）學(xué)生探究行為受哪些因素的影響？據(jù)此，本研究設(shè)計了如下變量（見表1）。1FAB15F2-9EBA-480A-9E5E-ABB40618407E

3.1.1 探究行為

學(xué)生的科學(xué)探究行為可分為響應(yīng)行為和檢查行為。根據(jù)Michalis P.等人的研究[10]，通過任務(wù)時間的閾值將學(xué)生響應(yīng)行為分為快速猜測行為（即快速反應(yīng)而不實際考慮問題）和解決問題行為（即尋求正確答案）。平均任務(wù)時間的10%作為閾值，但同時閾值不能超過10秒。在短于閾值的時間內(nèi)發(fā)生的響應(yīng)被認為是快速猜測，其余響應(yīng)被認為是解決問題。

由于PISA2015測試中允許學(xué)生在一個單元內(nèi)多次訪問項目，因此學(xué)生可以在完成項目后返回檢查自己的結(jié)果。本研究利用log數(shù)據(jù)中學(xué)生訪問次數(shù)將學(xué)生檢查結(jié)果行為分為未檢查、粗略檢查和反復(fù)檢查。未檢查： 學(xué)生訪問的次數(shù)=1，即該學(xué)生完成任務(wù)后沒有再返回對結(jié)果進行檢查;粗略檢查： 訪問的次數(shù)為2～3，即該學(xué)生解決問題后有再返回來檢查了1～2次;反復(fù)檢查： 訪問的次數(shù)為4及以上，即該學(xué)生解決問題后有多次返回來進行了反復(fù)檢查。

3.1.2 人口學(xué)特征和態(tài)度特征

除了科學(xué)素養(yǎng)評估，學(xué)生還花了30～45分鐘來回答PISA背景問卷。本研究利用問卷中學(xué)生的性別、科學(xué)樂趣、ICT興趣和成就動機相關(guān)數(shù)據(jù)，進一步分析探究行為的影響因素。

3.2 數(shù)據(jù)統(tǒng)計方法

本研究采用教育數(shù)據(jù)挖掘理念下的Log數(shù)據(jù)挖掘的方法。教育數(shù)據(jù)挖掘通過算法和心理學(xué)方法幫助學(xué)?；蜓芯空呤占头治鰧W(xué)習(xí)者的行為數(shù)據(jù)[11]，了解學(xué)生的學(xué)習(xí)方式、學(xué)習(xí)環(huán)境，提高教育效果并進一步指導(dǎo)教育決策。聚類分析、回歸分析是教育數(shù)據(jù)中兩種重要的數(shù)據(jù)挖掘方法[12]。

我們首先借助SPSS 24.0聚類分析區(qū)分不同探究行為群組，分析學(xué)生探究行為特征。然后通過不同探究行為群組答題正確率統(tǒng)計和科學(xué)素養(yǎng)成就kruskal-Wallis H差異性檢驗，探討學(xué)生探究行為與科學(xué)能力的關(guān)系。最后，為了教師在教學(xué)中能夠針對不同的學(xué)生群體實施有效的教學(xué)策略，本研究試圖探究不同探究行為群組間差異形成的原因，因此運用相關(guān)分析、Logistic回歸分析探究項目的復(fù)雜程度與認知需求、人口學(xué)特征和態(tài)度特征對學(xué)生探究行為的影響。

4 結(jié)果與分析

4.1 探究行為分析

4.1.1 探究行為統(tǒng)計與分析

如表2所示，“可持續(xù)漁業(yè)”項目1的閾值為10秒。任務(wù)反應(yīng)時間超過10秒為解決問題行為，10秒內(nèi)則為快速猜測行為。項目2的閾值為3.2秒，任務(wù)反應(yīng)時間超過3.2秒為解決問題行為，3.2秒內(nèi)則為快速猜測行為。項目1快速猜測者的比例為4.8%，而項目2快速猜測者的比例僅為1%。由此可見，科學(xué)探究項目認知需求越高，學(xué)生越容易放棄。

此外，項目1中粗略檢查的學(xué)生占33.5%，會進行反復(fù)檢查的學(xué)生僅占6.8%;而項目2中粗略檢查的學(xué)生占31.4%，會進行反復(fù)檢查的學(xué)生僅占5.8%。可見，隨著項目復(fù)雜程度的降低，檢查行為（粗略檢查行為和反復(fù)檢查行為）會呈現(xiàn)下降的趨勢。

4.1.2 探究行為群組

將響應(yīng)行為和檢查行為分別納入分類變量，依據(jù)對數(shù)似然距離計算兩個變量之間的相似性，并對樣本進行兩步聚類分析，共獲得4組穩(wěn)定的聚類結(jié)果。結(jié)果如表3所示，群組1在響應(yīng)行為上表現(xiàn)為快速猜測，在檢查行為上表現(xiàn)為未檢查，說明這類學(xué)生尚未認真思考就點擊鼠標草草了事;群組2在響應(yīng)行為上表現(xiàn)為努力解決問題，在檢查行為上表現(xiàn)為未檢查，說明這類學(xué)生正在嘗試參與科學(xué)探究的過程，但是沒有進行自查和反思，可見這類學(xué)生趨向于完成既定的任務(wù);群組3在努力解決問題同時對結(jié)果進行了1～2次的檢查，說明這類學(xué)生不僅僅只是把科學(xué)探究當成任務(wù)，還對結(jié)果進行了粗略的檢查;群組4在努力解決問題的同時對結(jié)果進行了多次的檢查，表明這類學(xué)生不僅在探究過程中努力思考，同時還通過不斷的自查和反思來盡可能減少錯誤。

綜上，群組1是“快速猜測型”，群組2是“任務(wù)驅(qū)動型”，群組3是“粗略檢查型”，群組4是“反復(fù)檢查型”。

4.2 探究行為與探究能力表現(xiàn)

4.2.1 探究行為與答題正確率

由圖3可見，項目1和項目2的正確率由高到低依次為反復(fù)檢查型、粗略檢查型、任務(wù)驅(qū)動型和快速猜測型。說明學(xué)生的努力程度會直接影響探究結(jié)果，通過猜測的方式來敷衍了事是很難得到正確的答案的，而努力解決問題和對結(jié)果的不斷檢查能夠提升做題的準確率。在項目2中反復(fù)檢查型的正確率略高于粗略檢查型，而在項目1中反復(fù)檢查型的正確率是粗略檢查型的2倍?？梢?，學(xué)生可以通過不斷的自查而避免錯誤[13]，越是復(fù)雜的項目越需要反復(fù)檢查。

4.2.2 探究行為與科學(xué)素養(yǎng)成就

我們進一步調(diào)查了四種類型學(xué)生在科學(xué)素養(yǎng)成就方面是否存在差異。在PISA 2015中，采用項目反應(yīng)理論為每個學(xué)生生成10個科學(xué)素養(yǎng)成就似真值。按照Greiff等人的建議[14]，采用PISA提供的第一個似真值得分為科學(xué)素養(yǎng)成就值。

如表4所示，項目1和項目2的平均成績由高到低依次為反復(fù)檢查型、粗略檢查型、任務(wù)驅(qū)動型和快速猜測型。分別對項目1和項目2探究行為類型科學(xué)素養(yǎng)成績進行kruskal-Wallis H檢驗，項目1（H=381.08， P<0.01）和項目2（H=381.08， P<0.01）中四種探究行為類型的科學(xué)素養(yǎng)成績有顯著性差異。進一步對四種探究行為類型進行兩兩比較，在項目1和項目2上四種探究行為類型中任意兩個探究行為類型之間科學(xué)素養(yǎng)成績均有顯著性差異。由此可見，學(xué)生的探究行為是科學(xué)素養(yǎng)的重要體現(xiàn)。科學(xué)探究往往不是一蹴而就的，需要鍥而不舍的精神、不斷的探索、反復(fù)的思考。

4.3 探究行為影響因素的分析

4.3.1 項目復(fù)雜程度與認知需求水平對探究行為的影響

本研究比較了兩個項目中保持相同探究行為的學(xué)生和轉(zhuǎn)向不同探究行為的學(xué)生的比例（見圖4）。項目1上為粗略檢查型和任務(wù)驅(qū)動型的學(xué)生在項目2上仍為該類型的比例分別是76.6%和94.9%。從項目1到項目2，快速猜測型學(xué)生雖有84.1%發(fā)生了轉(zhuǎn)變，大部分轉(zhuǎn)變?yōu)榱巳蝿?wù)驅(qū)動型，且沒有學(xué)生轉(zhuǎn)變?yōu)榉磸?fù)檢查型;反復(fù)檢查型學(xué)生中有55.2%發(fā)生了轉(zhuǎn)變，大部分轉(zhuǎn)變?yōu)榱舜致詸z查型，且沒有學(xué)生轉(zhuǎn)變?yōu)榭焖俨聹y型。這似乎表明學(xué)生的探究行為在不同項目上是相互關(guān)聯(lián)的，進一步進行斯皮爾曼相關(guān)分析，結(jié)果顯示，學(xué)生的探究行為類型在項目1和項目2上顯著相關(guān)（r=0.723， P<0.01）。這說明在項目1上某個特定類型的學(xué)生很有可能在項目2仍為該類型。可見，學(xué)生的探究行為是一種習(xí)慣，具有某種特定探究行為習(xí)慣的學(xué)生有很大概率在不同的項目上均表現(xiàn)該行為。1FAB15F2-9EBA-480A-9E5E-ABB40618407E

但是，學(xué)生在不同探究行為類型轉(zhuǎn)變比例也存在一些差異。在項目1上反復(fù)檢查型的學(xué)生有將近一半轉(zhuǎn)變?yōu)轫椖?中的粗略檢查型。項目2的認知需求比較低，學(xué)生似乎對自己的結(jié)果比較自信，他們表現(xiàn)出不太愿意再多花時間反復(fù)檢查。而項目1中快速猜測型的學(xué)生有68.6%轉(zhuǎn)變?yōu)轫椖?中的任務(wù)驅(qū)動型，項目難度降低時，能力水平較低的學(xué)生則表現(xiàn)更為積極。這些數(shù)據(jù)表明，任務(wù)復(fù)雜性和認知需求水平是導(dǎo)致學(xué)生探究行為發(fā)生變化的潛在因素。

4.3.2 人口學(xué)變量和態(tài)度變量對探究行為的影響

我們對學(xué)生探究行為類型與人口學(xué)變量和態(tài)度變量進行Logistic回歸分析（見表5）。關(guān)于學(xué)生的人口學(xué)特征，性別的顯著性差異僅體現(xiàn)在項目1上，男生更有可能是快速猜測型而不是任務(wù)驅(qū)動型。即男生在認知需求水平高的項目上更容易放棄作答，探究任務(wù)越復(fù)雜男生越容易出現(xiàn)快速猜測行為。喜歡科學(xué)的學(xué)生不太可能是快速猜測型而更傾向于是反復(fù)檢查型和任務(wù)驅(qū)動型，可能是對科學(xué)探究感興趣的學(xué)生更愿意花時間反復(fù)推理來體驗探究的樂趣。對于成就動機較強的學(xué)生，更有可能是反復(fù)檢查型而不是快速猜測型，成就動機較強的學(xué)生會更加期待測試的結(jié)果而認真完成并反復(fù)檢查。此外，ICT興趣影響僅表現(xiàn)在項目1上，ICT興趣強的學(xué)生更有可能是反復(fù)檢查型而不是快速猜測型。對信息技術(shù)興趣較弱的學(xué)生可能不知道如何進行電腦操作，因此他們不太可能會返回來反復(fù)檢查，尤其是電腦操作復(fù)雜時，他們更容易對這種基于計算機的科學(xué)探究任務(wù)失去信心而快速猜測來完成任務(wù)。

綜上所述，學(xué)生的態(tài)度對于成功實施科學(xué)探究非常重要，創(chuàng)造有利于學(xué)生科學(xué)興趣和成就動機發(fā)展的學(xué)習(xí)環(huán)境有利于科學(xué)探究任務(wù)的順利實施。

5 結(jié)論與建議

5.1 重視學(xué)生探究行為習(xí)慣的培養(yǎng)

學(xué)生大概率在不同項目上表現(xiàn)出相同的探究行為?？梢?，良好的行為習(xí)慣是提高學(xué)生科學(xué)素養(yǎng)的重要因素，所以重視培養(yǎng)學(xué)生良好探究行為習(xí)慣對科學(xué)探究尤為重要。行為習(xí)慣不是簡單的外化動作，其應(yīng)同時包括理性思維、個人情感等內(nèi)容。教師在培養(yǎng)學(xué)生探究習(xí)慣時，不能只是從外部要求學(xué)生完成某項動作，而應(yīng)從學(xué)生的科學(xué)情感、科學(xué)思維等多方面引導(dǎo)學(xué)生全身心參與科學(xué)探究過程，以此形成良好的科學(xué)探究習(xí)慣。

此外，當項目的復(fù)雜程度和認知需求降低時，快速猜測型的學(xué)生傾向于轉(zhuǎn)變?yōu)槿蝿?wù)驅(qū)動型，對于認知能力比較低的學(xué)生，在面對復(fù)雜問題時，他們可能缺乏足夠的信心而放棄答題。從項目1到項目2的轉(zhuǎn)變中，粗略檢查型中轉(zhuǎn)變?yōu)槿蝿?wù)驅(qū)動型的比例大于反復(fù)檢查型，而反復(fù)檢查型有將近一半轉(zhuǎn)變?yōu)榱舜致詸z查型?？梢姡椖繌?fù)雜程度越高，學(xué)生在解決問題的過程中傾向于更仔細、謹慎。所以學(xué)生在應(yīng)對復(fù)雜探究任務(wù)時，教師需要更多鼓勵認知水平低的學(xué)生，給予更多的時間讓學(xué)生參與科學(xué)探究實踐，同時引導(dǎo)學(xué)生不斷思考，反復(fù)檢查。

5.2 促進探究行為群組的轉(zhuǎn)化

Logistic回歸分析結(jié)果表明，喜歡科學(xué)的學(xué)生更可能是任務(wù)驅(qū)動型和反復(fù)檢查型而不是快速猜測型，成就動機強的學(xué)生更有可能是反復(fù)檢查型而不是快速猜測型和任務(wù)驅(qū)動型。學(xué)生的科學(xué)興趣和成就動機是學(xué)習(xí)行為的重要內(nèi)部動因[15]，是行動的引擎[16]，是指導(dǎo)學(xué)生科學(xué)探究的最原初動力。教師應(yīng)該鼓勵學(xué)生踴躍參與科學(xué)探究實驗，并且多提供學(xué)生表現(xiàn)自己的機會，讓學(xué)生在科學(xué)探究的過程中體驗科學(xué)的樂趣，促進快速猜測型向任務(wù)驅(qū)動型和反復(fù)檢查型轉(zhuǎn)變。教師可以根據(jù)學(xué)生的特點，給予學(xué)生相應(yīng)的肯定和引導(dǎo)，以此來增強學(xué)生的成就動機。促使任務(wù)驅(qū)動型和快速猜測型向反復(fù)檢查型轉(zhuǎn)化，從而提升學(xué)生的科學(xué)探究能力。

此外，ICT興趣對探究行為的影響體現(xiàn)在項目1上，當電腦操作復(fù)雜時，ICT興趣越強的學(xué)生越有可能是反復(fù)檢查型。學(xué)校應(yīng)該多給予學(xué)生電腦實操的機會，提升學(xué)生電腦操作的能力，培養(yǎng)學(xué)生對計算機模擬任務(wù)的興趣。計算機是數(shù)據(jù)處理的重要工具，是21世紀學(xué)生必需具備的技能[17]。培養(yǎng)學(xué)生ICT興趣不僅有利于學(xué)生科學(xué)素養(yǎng)的提升，對于適應(yīng)未來社會的發(fā)展也至關(guān)重要。

參考文獻：

[1]殷慧霞. 計算機輔助測試與評價文獻綜述[J]. 當代教育實踐與教學(xué)研究， 2017， （8）： 28.

[2]楊菁， 張軍朋. 基于計算機模擬實驗的PISA2015交互式測評的特點與啟示[J]. 物理教學(xué)， 2017， （3）： 74～77， 73.

[3]

[4]OECD. PISA 2015 Assessment and Analytical Framework： Science， Reading， Mathematic， Financial Literacy and Collaborative Problem Solving [M]. Paris： OECD publishing， 2017.

[5]LEE Y H， CHEN H. A review of recent response-time analyses in educational testing [J]. Psychological Test & Assessment Modeling， 2011， 53（3）： 359～379.

[6]NEHRING A. Predicting Students Skills in the Context of Scientific Inquiry with Cognitive， Motivational， and Sociodemographic Variables [J]. International Journal of Science Education， 2015， 37（9）： 1343～1363.

[7]Garcia， Arianna. Analysis of Gender Differences in Authentic Science Inquiry Practices [J]. Ursidae： The Undergraduate Research Journal at the University of Northern Colorado， 2017， 7（1）： 17.1FAB15F2-9EBA-480A-9E5E-ABB40618407E

[8]Hsiao-Ching She， Huann-Shyang Lin， Li-Yu Huang. Reflections on and implications of the Program for International Student Assessment 2015 （PISA 2015） performance of students in Taiwan： The role of epistemic beliefs about science in scientific literacy [J]. Journal of Research in Science Teaching， 2019， 56（10）： 1309～1340.

[9]趙寧寧， 王易， 陳小涵， 溫紅博. 信息技術(shù)對學(xué)生學(xué)業(yè)成績的影響——基于PISA2018數(shù)據(jù)[J]. 中國考試， 2020， （11）： 67～73.

[10]MICHAELIDES M P， IVANOVA M， NICOLAOU. The Relationship between Response-Time Effort and Accuracy in PISA Science Multiple Choice Items [J]. International Journal of Testing， 2020， 20（3）： 187～205.

[11]PSAROMILIGKOS Y， ORFANIDOU M， KYTAGIAS C， et al. Mining log data for the analysis of learners behaviour in web-based learning management systems [J]. Operational Research， 2011， 11（2）： 187～200.

[12]Silva， C.， Fonseca， J.. Educational Data Mining： A Literature Review. In： Rocha， .， Serrhini， M.， Felgueiras， C. （eds） Europe and MENA Cooperation Advances in Information and Communication Technologies [J]. Advances in Intelligent Systems and Computing， 2017， 520：87～94.

[13]首新， 何鵬， 陳明艷， 胡衛(wèi)平. 基于教育數(shù)據(jù)挖掘的“探索和理解”問題解決過程研究——以PISA（2012）新加坡、日本、中國上海Log數(shù)據(jù)為例[J]. 現(xiàn)代教育技術(shù)， 2018， 28（12）： 41～47.

[14]Samuel Greiff， Sascha Wüstenberg， Francesco Avvisati. Computer-generated log-file analyses as a window into students minds？ A showcase study based on the PISA 2012 assessment of problem solving [J]. Computers & Education， 2015， 91： 92～105.

[15]付曉潔， 張雪蓮， 鄭建君. 中學(xué)生成就動機對其學(xué)業(yè)成績影響的實驗研究[J]. 教育理論與實踐， 2014， 34（17）： 33～35.

[16]龍琪， 倪娟， 李永發(fā). 青少年科學(xué)興趣的形成路徑與提升對策——基于模糊集定性比較分析法的實證研究[J]. 基礎(chǔ)教育， 2020， 17（5）： 13～21.

[17]21世紀學(xué)生需要具備的技能/學(xué)習(xí)方式[J]. 遠程教育雜志， 2020， 38（2）： 88.1FAB15F2-9EBA-480A-9E5E-ABB40618407E