學習科學研究：先驗知識不僅僅是內容，技能和信念也會影響學習
作者：
Susan A. Ambrose Northeastern University
Marsha C. Lovett Carnegie Mellon University
翻譯：張鐵光教授、劍橋博士
引言
任何教過一門課程的人都知道學生不是一個同質的群體。他們進入我們的課程時，對主題內容有不同程度的了解，有廣泛的智力和元認知技能，對主題和學習有不同的信念和態度。事實上，先驗知識是影響學生學習的最重要因素之一，因為新的信息是通過人們已經知道、相信和能夠做的事情來處理的。在這一章中，我們廣義地定義了先驗知識，包括內容、技能和信念，因為所有這些都是「知識」，因為它們來自過去的經驗，並影響到後來的學習和表現。當先前的內容知識是準確的、充分的、活躍的和適當的時，學生可以建立在這個基礎上，將新的內容知識連接到已經建立的內容知識中，以使他們能夠在需要的時候學習、檢索和使用新知識（Ambrose、Bridges、DiPietro、Lovett及Norman，2010）。當先前的技能——包括領域特定的和更一般的知識技能——被磨練，適當地使用和流利地使用時，它們可以幫助學生學習更複雜的技能。當先前的信念支持導致學習的行為時，學生的表現就會提高（Aronson、Fried、及Good，2002；Henderson及Dweck，1990）。然而，如果學生現有的內容知識被扭曲，如果他們的技能不足，和/或如果他們的信仰導致妨礙學習的行為，那麼他們將沒有一個建立新知識的穩定基礎。
這種對先驗知識的擴展定義提出了兩個問題：教師如何確定學生知道、能做和相信什麼，然後教師如何調整教學以解決先驗知識問題並促進學生學習？在本章中，我們將重點幫助教師更好地理解（1）學生進入課程的不同類型的先驗知識；（2）先驗知識、技能和信念如何幫助或阻礙學習；以及（3）教師可能使用什麼策略來處理先驗知識、技能，以及有害的信念和潛在的幫助。
具體來說，我們關注四種最有效的先驗知識：
特定於內容的知識
包括了解特定領域中的內容、何時、如何和為什麼
知識技能
學生表達、應用和展示其內容知識的工具
認識論信仰
關注知識和學習的本質
元認知
包括學生反思和指導他們自己思考和學習的能力
在下面的章節中，我們將描述這些類型的先驗知識的主要特徵，分享一些研究結果，通過假設的學生案例說明先驗知識在行動中的作用，並提供相應的策略來解決先驗知識的差異。
內容知識（Content Knowledge）
「內容」的先驗知識是指教師最常注意到的一種先驗知識，這可能是因為學生缺乏後續學習和表現所必需的關鍵內容，也可能是因為學生的內容知識不準確，妨礙了學習和表現。無論哪種方式，先前的內容知識都與特定的領域知識相關，包括知道什麼（事實）、如何（技能和程序）、何時（可以應用事實和技能的條件）或為什麼（領域中各種事實和技能之間的聯繫和關係）。
知道什麼
知道如何
知道何時
知道為什麼
牛頓第二定律
應用牛頓第二定律
認識到牛頓第二定律有助於解決一個特殊問題
解釋牛頓第一定律和第二定律兩者之間的關係
視覺層次原理
分析海報的視覺層次
恰當運用視覺層次表達意義
將視覺層次原理與人類自然感知聯繫起來
圖1 先前的內容知識包括知道的多個方面：什麼、如何、何時和為什麼
學生先前的內容知識的準確性是至關重要的教學和學習，因為它是建立新知識的基礎（例如，Bransford和Johnson，1972；Resnick，1983）。如果學生先前的知識是錯誤的（例如，不準確的事實、想法、模型或理論），隨後的學習往往會受到阻礙，因為他們忽略、貶低或抵制與現有知識衝突的重要新證據（Dunbar、Fugelsang和Stein，2007；Chinn和Malhotra，2002）。例如，如果一年級的物理系學生 Toby 錯誤地認為「較重的物體落得更快」，那麼當他演示牛頓第二定律時，他很可能會喜歡看到他所期望的結果。一般來說，學生可以從直接挑戰他們的錯誤觀念或利用準確概念作為消除錯誤觀念橋梁的課程中受益匪淺（例如，Clement，1993；Hunt和Minstrell，1994）。因此，教師如果意識到學生先前不準確的內容知識，就可以針對性地設計教學，糾正錯誤觀念。
即使是準確的先驗知識，也會對學生學習新的相關材料的能力產生重要影響。例如，當向大學生傳授熟悉個體的新事實（即高先驗知識）時，對於相同數量的新事實，他們所保留的是不熟悉個體（即低先驗知識）學生的兩倍多。此外，研究表明，如果學生被提示「激活」信息（例如：Peeck、VanDenBosch和Kruepeling，1982；Garfield、delMas和Chance，2007），他們可以最大限度地發揮準確先驗知識的潛在益處。例如，假設一個學生，Donna，開始了她的第二學期的統計課程，她的老師要求全班學生在更深入地學習這個概念之前，先找到日常生活中變化的例子。通過記住這些例子，Donna能夠更好地將現有知識與新知識聯繫起來，從而更好地學習新材料。換言之，了解學生準確先驗知識的教師可以設計教學，使新信息更有效地與學生已有的知識相聯繫。
由於內容知識的不同類型（圖1），如果教師知道學生可能擁有一種類型的先驗知識，而不是其他類型的知識，那麼他們將從中受益。例如，學生可能知道如何進行各種統計測試，但不知道何時使用它們。更為複雜的是，學生，尤其是表現不佳的學生，往往高估了他們所掌握的知識（參見本卷《回顧》；Dunning，2007）。因此，教師可能：
l 設計和管理診斷表現評估（例如，小測驗或小作業），以揭示學生對材料的先前知識。
l 讓學生使用描述性的量表來區分粗略的熟悉程度（「我聽說過這個詞」）、事實知識（「我可以定義它」）、應用（「我可以用它來解決問題」）和概念理解（「我可以教別人」）。這一策略也加強了學生不同層次的知識。
l 尋找學生工作中的錯誤模式，以確定學生先前知識中可能存在的差距或誤解。
l 通過促使學生思考他們已經知道的關於當前課程主題的知識，激活學生的先前知識並促進聯繫。這可以作為課前練習或課內討論或活動進行。
l 使用類比和例子，將新材料與學生的日常知識聯繫起來。
l 突出適用性條件（以及你使用的其他啟發式方法），幫助那些缺少「何時」知識的學生。
l 通過幫助學生在需要應用新概念/方法/模型的地方（而不是僅僅要求他們背誦「正確」的答案）創造經驗，幫助他們認識到思維中的矛盾，從而消除誤解。認識到越是深刻地持有錯誤的觀念，就越需要時間去驅逐，所以要為學生創造多個實踐新思維方式的機會。
l 調整作業中的支持水平，以便為低先驗知識學生提供更多的支持（例如，工作示例、注釋案例、問題的逐步分解），為高先驗知識學生提供更少的支持（例如，開放式、更複雜的問題）（見本卷Lee和Kalyuga）。
智力技能（Intellectual Skills）
在本章中，我們使用「智力技能」一詞來描述可以應用於各種不同內容領域的技能。Pascarella和Terrizini（2005）將這些技能描述為幫助學生「處理和利用新信息，有效溝通、客觀推理和從各種類型的數據中得出客觀結論，有效評估新思想和新技術，對信念、態度和價值觀更加客觀的技能；批判性地評估論點和主張；面對不完善的信息做出合理的決定（第155頁）。」
這些技能很重要，因為它們與我們所教的內容密不可分。為了吸收和消化課堂上提供的信息，學生必須能夠通過這些智力技能表達、應用、展示和使用他們的內容知識。此外，對學生知識的評估通常是領域特定知識和領域一般知識和技能的混合。例如，學生需要能夠寫得好，以便教師能夠清楚地評估他們對歷史事件背後原因的認識。同樣，學生也需要很強的分析和解釋數據的技能，來定義和支持公共政策決策。
智力技能是終身學習能力的基礎，特別是在當今的工作環境中，專業人士可能會在工作過程中多次改變工作，甚至可能改變從事的職業。不同行業的僱主已經認識到這些知識技能對公司持續/未來健康和成功的重要性（2013年，這需要一個以上的專業；2012年，就業前景；2012年，高等教育在職業發展中的作用）。
根據我們的經驗，教師經常忽視或儘量減少學生智力技能的發展。一些教師不相信教授這些技能是他們的責任，另一些則擔心他們沒有專業知識來進行這種教學，還有一些人嘗試過，但做得很差。我們認為，對於教師來說，承擔培養學生智力技能的責任至關重要，因為智力技能中包含的學科變化，對於學習和發展專業知識至關重要。
如果教師教授智力能力的明確組成部分，幫助學生意識到智力能力的這些獨立方面，那麼試圖教授智力技能的教師將能夠更有效地教授智力技能。對於教師而言，這通常是一項具有挑戰性的任務，因為研究表明，一旦某個過程成為專家的第二天性，他們往往會跳過或合併這些步驟（Anderson，1992；Koedinger和Anderson，1990）)。但是能夠掌握智力技能的組成部分，就像能夠在進行複雜雜耍時掌握和操縱每個球的軌跡一樣。如果學生沒有流利地抓住每個球的「微觀技巧」 ，那麼流暢的雜耍動作就會失敗。類似地，創建一個論點需要一系列的具體步驟，這些步驟我們參與其中，但通常不會明確承認：陳述一個立場，檢查假設，使用證據，駁斥其他論點，得出結論，以及許多其他步驟。 每個步驟都有子步驟。 學會在這些智力動作中快速而流暢地操作，只有在多年的實踐中逐步建立對個別步驟的理解之後才會出現。
雖然有些教師認為智力技能是不能傳授的，但我們認為不僅可以傳授，而且應該在各自的領域內明確傳授。例如，Harskamp和Suhre（2007）發現，他們可以通過在電腦程式中通過正式和非正式的提示進行幹預，提高學生解決問題的技能，特別是解決問題的方法（計劃）和正確解決方案（驗證）的反饋。這項研究是基於Schoenfeld（1992）的工作，他幫助學生提高解決問題的技能，要求他們回憶在解決問題時採取的步驟，並反思下一步的步驟，通過課堂討論來加強。Garfield、delMas和Zieffler（2012年）的研究表明，當教師「搭建」指令（即，在課程開始時提供詳細指令，然後在課程結束時逐漸減少指令）時，統計思維（尤其是在建模和模擬過程方面）有了改進，並提供了一個圖解總結及對兩個過程進行綜合，和在課堂上進行了討論。Nadolski、Kirschner和van Merriënbuer（2005）的研究也驗證了工作表如何幫助學生學習準備和完成法律抗辯所需的步驟。再次，在上述研究中，對複雜任務中的各個步驟的明確解釋使教學變得有價值。
關於學生智力技能的信息應該影響我們為他們設計的活動和評估。當學生在各自的課程和課程中學習時，他們應該將這些技能應用到越來越複雜和具有挑戰性的作業、項目、問題等中，最終將它們轉移到新的/新的環境中。因為我們需要在學生進入我們的課程時所具備的技能的基礎上再接再厲，並在他們還沒有獲得他們所需要的技能時填補空白，我們應該準備好促進這些技能的學習和擴展的策略，例如：
l 向學生提供與課程所需技能相關的績效任務，以評估他們的實際水平，並確定你需要在哪裡提供支持。
l 通過創建和教授你希望學生學習和使用的技能的關鍵子組件，為學生解構專家技能。
l 通過大聲解釋你理解、解決和反思某項活動或作業的過程，塑造你希望學生學習的技能。
l 對缺失或薄弱的技能提供指導性實踐。
l 在課程中使用評估準則來加強知識技能及其組成部分。
l 提出探究性問題，讓學生反思自己的學習和工作中的智力過程。
認識論信念（Epistemological Beliefs）
根據Billett（2009），學生對學習的信念來源於他們對世界的「能力、早期經驗和正在進行的談判」（第211頁），這肯定會促進或阻礙學習。許多人認為，學習者對自己能力的信念——通常是先入為主的，而且往往是不準確的——可能是比實際能力更重要的行為驅動力。然而，研究表明，這些信念隨著時間的推移而演變，這意味著教師可以隨著學生的發展影響他們的個人認識論（Schommer 1994；Perry，1970；Belenky、Clinchy、Goldberger和Tarule，1986；King和Kitchener，1994；Baxter Magolda，1992）。要產生影響，首先教師必須承認學生的個人認識論是其先驗知識的一部分，然後他們需要決定何時以及如何面對對行為產生負面影響的信念，以及哪些替代視角將引導學生產生會導致學習的行為。
有幾種認識論信仰（Perry，1970；Schoenfeld，1983、1985；Schommer，1990）存在於一個連續統中，彼此獨立（Schommer和Walker，1995）。當我們在下面描述這些信念時，我們提供了在譜的各個末端的學生的例子，來說明信念如何對影響學習和表現的行為產生影響的。
圖2 學生對知識和學習的信念是多維度的。
知識結構：學生可以將知識視為孤立的信息或集成的概念和連接的結構（Perry，1970；Schommer，1990d、1994a）。例如，對比Toby，他閱讀指定的文章，目的是記住名字、事實和概念，而Claudia的閱讀是為了聯繫和「大局」。
知識的確定性或穩定性：學生也可以認為知識是不變的和高度確定的，或者是容易出錯和高度不確定的（Perry，1970；Kuhn，1991）。例如，Donna認為所有的問題都有一個正確或錯誤的答案，因此尋找「最終的」解決方案。另一方面，Josh歡迎相互競爭的理論，接受不同觀點和不斷發展的知識的合法性，並認識到背景和參照系的重要性。
知識來源：一些學生認為知識來源於專家權威，而另一些學生則認為知識來源於自我，基於理性和經驗證據（Belenky等人，1986；Baxter Magolda，1992）。一個叫Will的學生可能認為他的老師和教科書的作者都是專家，他們的職責是把他們的知識傳授給他。他可能會跳過實驗室，因為他不相信自己需要積極參與學習，他把專家的話當成「真理」。另一方面，他的實驗室搭檔Abbie定期參加實驗室，喜歡調整實驗條件，看看她是否能以有趣的方式改變結果，並相信實證研究最終可能會產生挑戰現有知識的結果。
知識獲取的速度：學習的速度也會影響學習行為（Hofer和Pintrich 1997；Schoenfeld 1983c、1985b）。如果學生相信學習是快速而容易的，那麼，當他們閱讀一篇文章或試圖解決一個問題時，當他們第一次沒有「得到它」的時候，他們就不會堅持下去。高中時，Leo很快就輕鬆地完成了作業，但在大學裡，當他在五、十分鐘內解決不了的問題時，他就放棄了。相反，Kate認為學習需要時間，所以她堅持閱讀課文，複習筆記，尋找更多的信息和新的例子。
智力的本質：研究表明，認為智力與生俱來的學生專注於自己的能力及其充分性/不足性，而認為智力具有可塑性的學生則在努力掌握時使用策略和努力（Schoenfeld，1983c、1985b；Bandura和Dweck，1985；Leggett，1985）。想像一下Charlie，他從來沒有在數學上取得過高分，因此相信他在數學上永遠不會很好。因此，他不嘗試額外的問題，不尋求其他解釋，不參加背誦或複習課，也不參加學習小組。他認為這些行動是徒勞的，因為他認為自己在數學方面「能力低下」。另一方面，Nancy認為，不管她天生的能力如何，她對一門學科的投入越多，她就會學到的東西就越多。結果，她在課堂上問了很多問題，參加了複習課，加入了一個學習小組，在不確定的時候找她的助教和教授。她相信她的努力會有回報的。他們的每一種信仰都會影響行為，一種是積極的，另一種是消極的。
這些例子說明了學習者所持有的信念如何有意義地影響他們的行為，進而影響他們的學習和表現。一些研究（如Schommer 1990、1993；Schommer、Crouse和Rhodes，1992）表明，在控制了一般智力之後，認識論信念預測了平均成績，並能影響理解。換句話說，信念比能力更能預測績效。
研究人員已經記錄了將學習者從簡單的信念轉移到更有成效的信念的幹預措施。其中一些幹預措施提供的信息與受試者自己的天真信念相衝突，或通過使用科學證據反駁受試者的當前信念，而助長對受試者當前信念的不滿，這兩種幹預措施都促使學生的信念發生變化（Gill，Ashton和Algina，2004；Kienhues，Bromme和Stahl，2008年）。其他為學生提供關注「大腦作為肌肉」（即智力是增量的和可改進的）課程的幹預研究表明，那些接受這種幹預的學生後來認可了增量信念（Blackwell、Trzesniewski和Dweck，2007）。在另一項研究中（Dweck、Dinces和Tenney，1982）中，那些最初認為智力是固定的學習者，在閱讀了將智力描述為一系列遞增變化的段落後，接受了反映智力可獲得觀點的目標。
這些和其他研究表明，我們可以創造條件，幫助學生發展信念，將提高他們的學習。為了做到這一點，教師可以：
l 在第一天上課前進行認識論信念調查，為學生和教師提供信息。
l 與全班討論知識和學習的性質，包括一般知識和專業知識（基於調查結果，或者如果不進行調查，則僅限於一般知識和學習）。
l 為學生提供如何面對多個觀點、理論、解決方案和設計的模型，並使用證據對一個理論或觀點做出決策/承諾。然後，給學生一個練習，讓他們做同樣的事情。
l 不斷地在概念、原則和理論之間建立聯繫，在講座、實驗和朗誦之間建立聯繫，或在課程的主要部分之間建立聯繫，以幫助那些認為知識是一組孤立的部分的學生。
l 設計作業，迫使學生通過視覺表現，如心理模型或概念圖，在概念、原則和理論之間建立聯繫。
l 在你的課程中為學生創造機會，讓他們反思他們所從事的行為，以及這種行為是如何從他們的信仰中自然產生的。
元認知（Metacognition）
元認知是一套過程，涉及到監督和指導自己的思維（Flavell，1976年；NRC，2001年）。學生從元認知中受益，因為元認知使他們能夠反思自己的學習方法，準確評估自己做什麼和不知道什麼，並因此做出更好的選擇（例如，Butler和Winne，1995；Zimmerman，2001）。元認知對任何領域的學習和表現都是至關重要的，隨著學生在學習過程中不斷進步——無論是在學校、大學期間，還是在以後——並對自己的學習承擔越來越多的責任，元認知變得越來越重要。例如，與高中相比，大學裡的學生常常被要求獨立完成更多的任務，更獨立地學習，在更少的支持下管理他們的時間和方法。這類工作要求學生認識到他們已經知道的相關知識，確定他們還需要學習的東西，計劃一種獨立學習材料的方法，並在學習過程中監控和調整他們的方法。教師很自然地會假設學生在進入他們的課程時具有這些和其他的元認知技能。然而，研究表明，大多數學生缺乏或相當薄弱的元認知（見下文）。鑑於研究告訴我們的情況，學生進入大學後面臨的主要智力挑戰之一就是管理自己的學習，這並不奇怪（Pascarella和Terenzini，2005）。
元認知是成為一個有效的自我導向學習者（有時被稱為自我調節或終身學習者）的關鍵，但它不是一個單一的能力。根據元認知和自我導向學習的文獻，我們可以確定在監控自己學習的周期中的幾個步驟（Butler，1997；Pintrich，2000；Winne和Hadwin，1998；Zimmerman，2001）。
圖3顯示了五個不同的組件，每個組件依賴於不同的知識和技能（改編自Ambrose等人，2010年）：
圖3 元認知的五個組成部分，使有效的自我導向學習成為可能.
因為這些都是不同的技能領域，教師可能會看到學生元認知先驗知識的不同側面。最重要的是，學生在某些領域可能比其他領域更強（例如，Ertmer和Newby，1996；Winne和Hadwin，1998）。此外，不同的學習環境可能會對其中一些技能提出更高的要求。舉個例子，想像一下一年級的物理學生Joey，他在第一次考試中成績很差，但在第二次考試時，他花了兩倍的時間做同樣的學習，結果卻在記憶公式的策略上翻了一番。當 Joey在第二次考試中表現不佳時，他可能會對考試結果感到困惑，除非老師幫助他認識到，是他的學習方法有問題，還有其他方法可能會產生更好的成績。
鑑於學生的元認知先驗知識可能會有所不同，有沒有一個教師可以依賴的基線水平？不幸的是，最有可能的答案是「不」。在一項研究中，研究對象是學生評估學術任務的能力（圖3中的步驟1），Carey等人（1989）發現，他們觀察的大學生中有一半忽視了老師對寫作作業的指示，而是使用了他們在高中時使用的一般性的「寫作即知識講述」策略。Dunning (2007)還發現，人們通常很難認識到自己的長處和短處（圖3中的步驟2），初學者（即學生）是判斷自己知識和技能的最差的人。另一個例子是，研究表明，學生，尤其是初學者，在規劃方面通常也很差（圖3中的步驟3）；他們常常完全跳過規划過程，或者只是做得太少，以至於規劃沒有用處（Schoenfeld，1985；VanLehn，1998）。
學生通常具有較低水平的元認知知識，這一事實並不奇怪，因為元認知往往不在大多數課程的內容範圍之內。然而，以抽象或一般的方式教授元認知（例如，在題為「College 101」或「如何成為一個好學生」的迷你課程中）並不一定是解決辦法，因為這類課程的學生往往在以後的特定情況下難以實施元認知技能（Carr、Kurtz、Schneider、Turner和Borkowski，1989；Lizarraga、Baquedano、Mangado和Cardelle Elawar，2009年；Schraw、Crippen和Hartley，2006年）。換言之，正如許多種類的知識和學習一樣，學生不會自動地將他們所學的應用到他們所學的情景之外，除非學生們齊心協力，在多個情境中練習這些技能，並反思有助於學生認識到何時適當廣泛地應用這些技能的深層特徵。
因此，以下策略為教師提供了在典型課程背景下解決學生先前元認知知識和技能的途徑：
l 識別並闡明你希望學生學習的具體元認知技能，告知他們在哪裡集中精力。
l 為學生創造（多個）機會練習目標元認知技能，並提供反饋，以便學生完善他們的技能。
l 讓學生在不同的情況下接觸元認知技能，以確保他們有更大的能力概括這些技能。
l 將你希望學生學習的元認知過程置於語境中，通過給出例子和建立與課程內容相關的過程模型。
結論
本章主要有三個「要點」，可以用一句話來概括：
（1）先驗知識在學習中起著至關重要的作用，這意味著（2）教員需要評估學生帶入課程的內容、信念和技能，（3）使用這些信息作為新學習的基礎，也是當內容知識不準確或不充分時幹預的機會；技能沒有得到充分的發展；信念的幹擾產生富有成效的學習行為。
了解學生的先驗知識可以幫助教師創造有效的學習環境。畢竟，教師影響學習的唯一方法是影響學生的行為。了解這種行為的來源是有效教學的第一步。
參考文獻
Ambrose, S. A., Bridges, M. W., DiPietro, M., Lovett, M. C., & Norman, M. K. (2010). How learning works: 7 research-based principles for smart teaching (1st ed.). San Francisco, CA: Jossey-Bass.
Anderson, J. R. (1992). Automaticity and the ACT theory. American Journal of Psychology, 105, 165–180.
Aronson, J., Fried, C. B., Good, C. (2002). Reducing the effects of stereotype threat on African American college students by shaping theories of intelligence. Journal of Experimental Social
Psychology,38(2), 113-125.
Baxter Magolda, M. B. (1992). Knowing and reasoning in college: Gender-related patterns in students』 intellectual development. San Francisco: Jossey Bass.
Belenky, M. F., Clinchy, B. M., Goldberger, N. R., & Tarule, J. M. (1986). Women’s ways of knowing: The development of self, voice and mind. New York: Basic Books.
Billett, S. (2009). Personal epistemologies, work and learning. Educational Research Review, 4(3), 210– 219.
Blackwell, L. S., Trzesniewski, K. H., & Dweck, C. S. (2007). Implicit theories of intelligence predict achievement across an adolescent transition: A longitudinal study and an intervention. Child
Development, 78(1), 246–263.
Bransford, J. D., & Johnson, M. K. (1972). Contextual prerequisites for understanding: Some
investigations of comprehension and recall. Journal of Verbal Learning and Verbal Behavior, 11, 717-726.
Butler, D. (1997). The roles of goal setting and self-monitoring in students』 self-regulated engagement of tasks. Paper presented at the annual meeting of the American Educational Research
Association, Chicago, IL.
Butler, D. L., & Winne, P. H. (1995). Feedback and Self-Regulated Learning: A Theoretical Synthesis.
Review of Educational Research, 65(3), 245 -281.
Carey, L. J., Flower, L., Hayes, J., Shriver, K.A., & Haas, C. (1989). Differences in writers』 initial task representations (Technical Report No. 34). Center for the Study of Writing at University of California at Berkeley and Carnegie Mellon University.
Carr, M., Kurtz, B. E., Schneider, W., Turner, L. A., & Borkowski, J. G. (1989). Strategy acquisition and transfer among U.S. and German children: Environmental influences on metacognitive development. Developmental Psychology, 25, 765-771.
Chinn, C. A., & Malhotra, B. A. (2002). Children’s responses to anomalous scientific data: How is conceptual change impeded? Journal of Educational Psychology, 94, 327–343.
Clement, J. (1993). Using bridging analogies and anchoring intuitions to deal with students』 misconceptions in physics. Journal of Research in Science Teaching, 30, 1241–1257.
Dunbar, K. N., Fugelsang, J. A., & Stein, C. (2007). Do naïve theories ever go away? Using brain and behavior to understand changes in concepts. In Lovett, M.C. & Shah, P. (Eds.), Thinking with data. New York: Lawrence Erlbaum.
Dweck, C. S., Dinces, N., & Tenney, Y. (1982). Implicit theories of intelligence as determinants of achievement goal choice. Unpublished raw data.
Dunning, D. (2007). Self-insight: Roadblocks and detours on the path to knowing thyself. New York: Taylor & Francis. Ertmer, P.A., & Newby, T.J. (1996). The expert learner: Strategic, self-regulated, and reflective. Instructional Science, 24(1), 1-24.
Flavell, J. H. (1976). Metacognitive aspects of problem solving. In L. B. Resnick (Ed.), The nature of intelligence (pp.231-236). Hillsdale, NJ: Erlbaum.
Garfield, J., delMas, R. C., & Chance, B. (2007). Using students' informal notions of variability to develop an understanding of formal measures of variability. In M. C. Lovett & P. Shah (Eds.), Thinking with data (pp. 117-147). New York: Erlbaum.
Gill, M. G., Ashton, P. T., & Algina, J. (2004). Changing preservice teachers』 epistemological beliefs about teaching and learning in mathematics: An intervention study. Contemporary Educational
Psychology, 29(2), 164–185.
Harskamp, E., & Suhre, C. (2007). Schoenfeld’s problem solving theory in a student controlled learning environment. Computers & Education, 49(3), 822–839.
Henderson, V. L., & Dweck, C. S. (1990). Motivation and Achievement. In S. S. Feldman & G. R. Elliott (Eds.), At the threshold: The developing adolescent (pp. 308–329). Cambridge, MA: Harvard University Press.
Hofer, B. K., & Pintrich, P. R. (1997). The development of epistemological theories: Beliefs about knowledge and knowing and their relation to learning. American Educational Research Association, 67(1), 88–144.
It takes more than a major: Employer priorities for college learning and student success. (2013). Hart Research Associates, 1–14.
Job outlook 2013. (2012). National Association of Colleges and Employers.
Kienhues, D., Bromme, R., & Stahl, E. (2008). Changing epistemological beliefs: The unexpected impact of a short-term intervention. The British Psychological Society, 78, 545–565.
King, P. M., & Kitchener, K. S. (1994). Developing reflective judgement: Understanding and promoting intellectual growth and critical thinking in adolescents and adults. San Francisco: Jossey-Bass.
Koedinger, K. R., & Anderson, J. R. (1990). Abstract planning and perceptual chunks: Elements of expertise in geometry. Cognitive Science, 14(4), 511–550.
Kuhn, D. (1991). The skills of argument. Cambridge, England: Cambridge University Press.
Leggett, E. L. (1985). Children’s entity and incremental theories of intelligence: Relationships to achievement behavior. Paper presented at the annual meeting of the Eastern Psychological Association, Boston.
Lizarraga, M. L., Baquedano, M. T., Mangado, T. G., & Cardelle-Elawar, M. (2009). Enhancement of thinking skills: Effects of two intervention methods. Thinking Skills and Creativity, 4, 30-43.
Schraw, G., Crippen, K., & Hartley, K. (2006). Promoting self-regulation in science education: metacognition as part of a broader perspective on learning. Research in Science Education, 36, 111-139.
Nadolski, R. J., Kirschner, P. A., & van Merriënboer, J. J. G. (2005). Optimizing the number of steps in learning tasks for complex skills. The British Psychological Society, 75, 223–237.
National Research Council (2001). Knowing what students know: The science and design of educational assessment. Washington, DC: National Academies Press.
Pascarella, E. T., & Terenzini, P. T. (2005). How college affects students (Vol. 2). San Francisco, CA: Jossey-Bass.
Peeck, J., Van Den Bosch, A. B., & Kruepeling, W. (1982). The effect of mobilizing prior knowledge on learning from text. Journal of Educational Psychology, 74, 771–777.
Perry, W. G. (1970). Forms of intellectual and ethical development in the college years: A scheme. New York: Holt, Rinehart, and Winston.
Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In M. Boekaerts, P. R.
Pintrich, & M. Zeider (Eds.), Handbook of self-regulation (pp. 451–502). San Diego Academic
Press.
The role of higher education in career development: Employer perceptions. (2012). Marketplace and The Chronicle of Higher Education, 1–86.
Schoenfeld, A. H. (1985). Mathematical problem solving. New York: Academic Press.
Schoenfeld, A. H. (1983). Beyond the purely cognitive: Belief system, social cognitions, and metacognitions as driving forces in intellectual performance. Cognitive Science, 7, 329–363.
Schommer, M. (1990d). Effects of beliefs about the nature of knowledge on comprehension. Journal of Educational Psychology, 82(3), 498–504.
Schommer, M. (1992). Predictors of epistemological beliefs: Comparing adults with only a secondary education to adults with post-secondary education. Paper presented at the annual meeting of the Mid-Western Educational Research Association, Chicago.
Schommer, M. (1993). Epistemological development and academic performance among secondary students. Journal of Educational Psychology, 85, 406–411.
Schommer, M. (1994). An emerging conceptualization of epistemological beliefs and their role in learning. Beliefs about Text and instruction with text, 25–40.
Schommer, M., Crouse, A., & Rhodes, N. (1992). Epistemological beliefs and mathematical text comprehension: Believing it’s simple doesn’t make it so. Journal of Educational Psychology, 84, 435–443.
Schommer, M., & Walker, K. (1995). Are epistemological beliefs similar across domains? Journal of Educational Psychology, 87(3), 424–432.
VanLehn, K. (1998). Analogy events: How examples are used during problem solving. Cognitive Science, 22(3), 347-388.
Winne, P. H., & Hadwin, A. F. (1998). Studying as self-regulated learning. In D. Hacker, J. Dunlosky & A.
Graesser (Eds.), Metacognition in educational theory and practice. Mahwah, NJ: Erlbaum.
Zimmerman, B. J. (2001). Theories of self-regulated learning and academic achievement: An overview and analysis. In B. J. Zimmerman & D. H. Schunk (Eds.) Self-regulated learning and academic achievement (2nd ed., pp. 1–38). Hillsdale, NJ: Erlbaum.