基于LOG数据研究PISA问题解决能力

PISA 2012测评框架提到，自从2003年发布了问题解决测评框架以来，在复杂问题解决、迁移、计算机化的问题解决和问题解决能力的大尺度测评方面开展了许多研究。PISA测评框架中引用的许多文献都以复杂问题解决（Complex Problem Solving，缩写为CPS）为标题，PISA问题解决专家组的专家们发表的论文也有许多用复杂问题解决作为标题的，在问题解决研究领域CPS已经成为一个广泛采用的缩略语了。但是PISA 2012测评框架却并没有采用复杂问题解决这个术语，而是用了互动问题解决的提法，这是为什么呢？带着这个疑问，我对相关文献做了梳理。

（一）简单问题、复杂问题及问题的复杂性

在20世纪70年代至80年代，问题解决的定义扩大到了几乎涵盖除感知和记忆之外的每一种认知活动。基本上，每个目标导向的活动都被认为是解决问题^[33]。这种过度延伸损害了问题解决研究的有效性，一是这些研究没有能够解释生活中的问题，例如人们如何控制“建筑，设备，人力和消耗品”^[34]；二是研究人员对任务片面性的不满，这些问题被批评为太简单、完全透明和静态，而现实世界的经济、政治和技术问题情况是复杂、不透明和动态的；三是研究者们对传统智商测试很难有效地预测在日常情况下解决问题的能力感到失望。因此，研究者们逐步将重点转到复杂问题研究上。当时初步的研究结果表明，复杂问题解决能力能比较有效地预测学业成绩，于是20世纪70年代中期，复杂问题解决开始成为研究的热点。然而，学者们似乎都同意哪些是“简单问题解决”任务，即那些可以通过使用纯逻辑的简单推理程序解决的谜题，那些有明确的解决方法、界定清晰、结构也清晰的问题，例如“河内塔”和国际象棋问题。但对于复杂问题是什么，欧洲和美国的研究人员存在不同的看法，为表述简便，我们将其称为欧洲学派和美国学派。欧洲学派重视实验室中的模拟现实问题，通过控制动态场景，如模拟经济、城市和工厂，将真实世界的问题带入实验室；美国学派重视专业领域的问题，以数学和自然科学领域为主。

欧洲学派的代表人物之一Dörner^[35]对简单问题和复杂问题做了区分，指出在复杂问题解决过程中，与解决过程相关的要素多（复杂性）、相互关联高（关联性）、随时间动态变化（动态性）、结构和动态都是封闭的（不透明性）、目标结构不是直截了当的，并且问题解决者会面对许多不同方面的目标，需要权衡和协调。

Funke^[36]在Dörner研究的基础上做了细化，认为复杂问题具有简单问题所不具备的5个关键特征：第一，问题情境的复杂性。传统上来说，复杂性是根据系统的变量数来界定的，但这只是估计问题难度的一个方面，还要依据其他特点来做出更可靠的判断。复杂性要求问题解决者将问题还原到本质来简化问题情境。第二，变量之间的连接性。问题解决者的工作负荷不仅仅是变量数决定的，而且是变量之间的连接性决定的。假定一个系统中有100个变量，每个变量只和其他一个变量相联系，那么其连接性肯定低于所有变量都相互连接的另一系统。为了理解变量之间的互相依存关系，问题解决者需要建立连接性的模型。第三，情境的动态性。对复杂的、联成网络的系统的干预可能激活一些过程，这些过程可能产生不可预期的影响。有一种独特的变式是变量自己发生动态变化（“本征动态”）。它表示在很多情况下，问题不会等待解决问题的人和他的决定，而是会随时间而自己改变。动态问题需要问题解决者考虑“时间”因素。第四，不透明性，既涉及变量也涉及到目标界定。在不透明（模糊）的情境中，不是所有有关变量和可能目标的信息都是在一开始给定的或已知的。不透明性要求问题解决者要积极地获取信息。第五，多元目标。在复杂的情境中，达到目标的过程是复杂的。在复杂情境中一般必须考虑一个以上的目标，目标之间的矛盾和对抗性可能会造成冲突，这就要求问题解决者能够达成妥协并且确定优先事项。

Reeff也提出了简单问题与复杂问题之间最重要的区别，如表2-1所示^[37]。

表2-1　简单问题和复杂问题对照

Halford、Wilson和Phillips提出，关系的复杂性可以通过彼此相关的变量数来量化：例如，取决于预测变量x的标准y的心理表征可以表示为二元关系r（y，x），而对多重预测因子的依赖性可以表示为更高秩的关系，例如三元关系r（y，x 1，x 2），并且因此将被认为更复杂。他们认为，人类处理能力的极限是四元关系，比四元关系更复杂的结构被假定为必须通过概念分块或分割来处理。^[38]

Jonassen^[39]认为问题解决复杂性是问题解决者如何与问题相互作用的函数，是内部和外部因素之间的相互作用。Jonassen和Hung^[40]描述了内部和外部因素方面的问题复杂性。内部因素包括解决问题所需的知识的广度，问题解决者的达成水平和领域知识的水平。外部因素包括问题解决程序的复杂性，领域概念之间的关系复杂性、不透明度（问题空间中的未知数）、问题解释的异质性，以及替代解决方案的跨学科性、动态性和合法性。劣构问题往往更复杂，然而存在许多高度复杂的良构问题。

（二）复杂问题解决的欧洲观点

欧洲学派尽管都采用实验室模拟的办法来研究复杂问题解决，但实际上有两个在理论和方法上不同的分支。一是以Broadbent为代表的“最低复杂系统”研究。典型的任务例子是，要求被试控制一个简单的城市交通系统，可以通过改变公共汽车进入城市的时间间隔和改变停车费，来控制每辆公共汽车的人数和可用的停车位，其背后的原理是基于两个联立的线性方程。Broadbent强调该系统故意保持简单和数学上的明确定义“以允许分析的心理过程”^[41]。另一个是以Dörner为代表的计算机模拟现实研究，典型的任务例子是LOHHAUSEN小镇研究^[42]。在这项研究中，被试被要求通过操纵，如工作条件、休闲活动、税收、住房政策等来控制一个名为LOHHAUSEN的小镇。LOHHAUSEN计算机模拟包含了超过2 000个高度相关的变量，虽然有8个两小时的实验来让被试慢慢探索，但这些变量对于被试来说还是太多了。管理LOHHAUSEN的主题目标被故意保持模糊，被试只是被告知要确保该镇在未来繁荣。每个被试通过告诉实验者采取哪些措施间接地与系统交互，然后实验者做出适当的输入。此外，被试必须通过询问实验者问题来获取他们认为重要的信息，而实验者只给出概括的回答。总之，LOHHAUSEN研究结合了许多与现实生活中的政治和经济决策相关的特征。

Frensch和Funke认为，有必要对复杂问题解决做出界定，以区别于简单的、常规的问题解决。他们请了10多位欧洲学者来给复杂问题解决下定义^[43]，其中Buchner^[44]给出的定义是，“与动态（即作为用户干预的函数和/或作为时间的函数而改变）的任务环境的成功交互，并且其中一些（如果不是全部）环境的规律性只能通过成功地探索和整合在该过程中获得的信息来揭示”，强调了动态性和不透明性。

Frensch和Funke在综合欧洲研究者们的观点基础上，提出了对复杂问题解决的定义，代表了欧洲学派的观点：复杂问题解决发生在借助认知活动和行为来减少起始状态和预期目标状态之间的障碍时，起始状态、目标状态和两者之间的障碍是复杂的、随时间动态变化的，并且是局部不透明的（模糊的）。与简单问题解决相反，复杂问题在刚开始解决时，它的起始状态、预期目标状态以及障碍的特点都是不清楚的。复杂问题解决要求问题解决者和取决于任务的情境条件之间有效的互动，除了需要运用知识外，还需要运用认知、情感和社会资源^[45]。

由于动态性和不透明性是复杂问题最重要的特点，成功解决复杂问题需要与动态的任务情境成功互动（随使用者干预而变化，或者随时间变化而变化），有时候情境的规律性只有通过成功探索并把探索过程中获得的信息整合起来才能揭示^[46]。这说明复杂问题解决需要获得充分的、关于问题情境的知识，而且把已知状态转变为目标状态（即解决问题），用户必须应用获取的知识。即复杂问题解决包括在动态和不透明情境中获取知识及应用知识解决问题这两个阶段。

Frensch和Funke根据实证结果，构建了问题解决者与任务及环境互动的理论框架来理解复杂问题解决，如图2-3所示，框架包含3个单独的组件：问题解决者、任务和环境。(www.chuimin.cn)

任务是用已知状态和目标状态之间存在的障碍来描述的，假定障碍是复杂的、动态变化的和不透明的，从已知到目标状态的转换受到问题解决者的记忆内容和信息处理以及可用的工具的约束。环境包括可用于解决问题的资源，以及反馈、期望、合作、同行压力、干扰等。环境同时影响问题解决者和任务，它通过约束哪些信息过程可以使用以及通过影响哪些知识可以访问来影响问题解决者；通过提供附加信息，约束可以使用哪些工具等来影响任务；此外，环境可以由问题解决者主动改变，但任务不能改变环境。

图2-3　复杂问题解决是问题解决者和环境中的任务间的交互（Frensch＆Funke）

（三）复杂问题解决的美国观点

美国学派的复杂问题解决研究起源也在欧洲，是DeGroot对国际象棋专业棋手的开拓性研究工作^[47]，后来Chase和Simon拓展了他的研究^[48]。过去美国的问题解决研究强调一般信息处理，这以后开始转向重视对杰出专业知识的研究。美国典型的复杂问题解决研究是比较专家和新手在执行需要高水平专业知识的任务中的表现。早期的研究是在下棋和游戏方面，后来研究重点转移到在美国被认为是比较严肃的职业上，以数学和自然科学领域为主，例如物理学、计算机编程和数学计算，也有非技术管理问题解决的研究项目，如社会科学中的复杂问题研究，特别是国际关系问题^[49]。斯滕伯格是美国学派的代表人物之一，他在1991年写了一本《复杂问题解决：原理和机制》，^[50]涵盖了广泛的主题，包括阅读、写作、算术、管理问题解决、法律推理、力学和电子问题解决和程序调试。他将这些研究结合在一起，主要是因为这些研究都用了“专家—新手”比较的方法。这本书没有明确提出复杂问题或复杂问题解决的定义，但从他选择的研究问题可以看出，他对复杂问题的隐性定义，指那些不能在实验室中通过简单任务来理解的、人们在现实生活中要运用专业知识来解决的问题。

美国学者Norkes，Schunn和Chi^[51]将专家解决问题的过程概括为：①问题分类；②建构问题的心理表征；③搜索适当的问题解决算子（策略或程序）；④检索和应用算子；⑤解决问题的进度和解决方案的评价；⑥如果不满足目标那么重复①～④；⑦结论存储，如图2-4所示。这些阶段可以不严格按照顺序进行，可以是反复迭代的。

图2-4　专家知识在问题解决各个阶段中的作用

（四）本研究对复杂问题解决概念的理解

问题的复杂性可以从自变量、因变量以及两者的关系方面来理解，Dörner和Funke所说的情境复杂性主要指自变量数量多，连接性指的是自变量、因变量自身的关系以及自变量和因变量之间的关系多，动态性主要指因变量会随时间发生变化，不透明性指的是一些自变量和因变量在一开始没有明确，多元目标主要指有多个因变量。有这些影响复杂性的条件出现，自变量和因变量之间的关系模型就变得复杂，也就是问题变得复杂，这些条件出现越多，问题可能就越复杂。从这个角度来说，简单问题和复杂问题之间并没有截然的鸿沟，有的只是复杂性程度的不同，因此用复杂和简单作为问题分类的标准并不妥当。所以PISA框架没有采用复杂性这个分类维度，而只是将影响任务复杂性的因素作为命题的重要参考因素，这样处理是比较稳妥的。

虽然欧美学者对复杂问题解决的研究已经相当丰富，已经成为一个显性的研究领域并有着公认的研究方法，但到目前为止，还没有形成一致公认的复杂问题的定义，对于如何定义和测量复杂性还存在争论。根据Frensch和Funke^[52]对复杂问题解决的定义以及Dörner和Funke对复杂问题和简单问题的区分，复杂问题解决的情境有动态性、复杂性和不透明性的特点，复杂问题解决的变量有连接性。但是他们的定义受到了一些学者的批评^[53]，主要原因有两个：一是许多被大家广泛接受并引用的复杂问题解决任务并不符合他们提出的定义，例如许多内隐学习任务和一些复杂的决策问题都不是动态的，不能纳入他们界定的复杂问题解决范畴；二是被他们列入复杂问题解决中的一些任务其实并不复杂，例如“糖厂”任务（SUGAR FACTOR），基于方程P t=2×W-P t-1+e；其中W是工人数量，P t是在某个时间点t生产出来的糖的总量，1≤W≤12和1≤P≤12，e是随机误差项（+1，0，-1），实际上是使用一个简单的计算机模拟场景参与者，通过操作工人数（W）来控制糖的产量（P）。Quesada等学者对影响复杂性的因素做了分析后提出，没有简单的方法可以用来对复杂问题进行分类，没有一个维度可以作为判定一个问题是否为复杂问题的充分必要条件，所以对于什么是复杂问题仍然有待进一步研究。

但是从目前主流学者在研究中实际选取的问题来看，复杂问题解决已经形成了稳定一致的研究范畴，指的是与静态分析问题解决相对的、互动的、不透明（不明确、模糊）的问题解决。研究者在自己的研究中一般会对自己选取的复杂问题解决给出显性的操作性定义。另外，从他们实际选取的研究问题可以看出他们对复杂问题解决的隐性定义，虽然不同的学者对复杂问题和复杂问题解决的界定不同，但是在实际操作中，大多数学者不是将简单问题与复杂问题看成一个连续体的两端，而是作为两类不同的问题来研究的。目前对复杂问题解决的研究主要集中在互动的、不透明情境的问题解决上，变量多、连接复杂、多目标多结果等特点并没有体现，动态性（本征动态）也没有充分体现。所以在实际的研究操作中，提到复杂问题解决一般同时满足的三个特点：一是非常规，这是个相对的概念，指的是对问题解决者来说是非常规的；二是问题情境的不透明性；三是互动性，指的是问题解决者要主动探究问题情境中的条件才能解决问题，和Dörner所说的动态性（Dynamic）并非同一概念，动态性主要指系统中的变量在没有人操控的情况下会自主发生变化。这三个特点中，互动性是最突出的特点。

Greiff和Funke认为，复杂问题解决和互动问题解决是同义词，复杂问题解决应该总是互动的，与静态分析性的问题解决是相对照的概念^[54]。我赞同这个解释。在本研究中，因为引用的文献常常提到“复杂问题解决”，从尊重原文的角度考虑不做改动，仍然采用原文的提法，但我认为它与PISA研究框架中提到的互动问题解决是同样的概念，因此在我的分析中将采用互动问题解决的提法。