大学建模教学物理课程中理解学习的神经生物学基础

介绍

主动学习既不是课程，也不是教育学。主动学习是一门教育学和课程材料课程，旨在更充分地吸引学生并促进对课程材料的批判性思考。学生在进行调查、讨论、建模、解决问题和其他积极探索时，学习效率更高(国家研究委员会，2012年;Kober，2014年). 然而，物理（以及其他科学、技术、工程和数学[STEM]领域）的典型大学教学是以讲授为基础的。虽然讲座可能很有趣，但一些学生显然已经接受过培训，能够在讲座中投入到学习中(Schwartz和Bransford，1998年)对于大多数学生来说，讲座是被动的活动。学生学习方式和许多课堂教学方式之间的这种不匹配是STEM教学改革的主要动机。当教室被改造时，证据是压倒性的；学生学习更多，更有可能在主动学习环境中取得成功(Freeman等人，2014).

为了促进主动学习，已经为导论物理开发了多种变革性课程和教学方法。例如，同行指导通过纳入概念性问题进行讨论，从而加强了基于讲课的标准方法，进而促进了个人回应系统的开发(克劳奇和马祖，2001年).物理教程通过在复习课中使用来补充标准讲座(McDermott和Shaffer，2001年). 其他材料，如以学生为中心的积极学习环境，采用倒置式教学法[放大](Beichner和Saul，2003年)和研究性科学学习环境[ISLE]公司(Etkina等人，2006年;Etkina和Van Heuvelen，2007年)实施一种将实验室和讲座结合起来的学习形式，包括更多的概念推理和更强调探索。建模指导（MI）是一种积极的学习方法(布雷，2008)与SCALE-UP和ISLE类似，它是一个完整的课程转换，将实验室和讲座组件集成到一个工作室格式的课堂中。然而，MI不同于其他改革，因为它是围绕明确的科学认识论理论建立的，而这一基础是使用功能性磁共振成像（fMRI）研究学习物理如何影响大脑网络发展的动机之一。

犹豫不决（1987）主张科学本质上是一种建模努力。科学通过发展模型来描述并最终预测现象。随着模型的开发，它通过模型产生的预测和支持这些预测的证据之间的相互作用来验证。一旦开发出有效的模型，该模型就会部署到新的情况中。这是一个过程库恩（1970）被称为“正常科学”，科学家利用现有的流行模型来探索模型的适用范围，并寻找与证据相反的模型产生预测的地方。最终，模型达到了其适用性的极限，需要修改，或者在某些情况下完全放弃，开始库恩所称的“革命性科学”。当这种情况发生时，提出了一个新的模型，循环又开始了。

科学建模理论是MI的理论和认识论基础科学，不是一个理论科学教学它通过以下前提转化为教学：如果建模是科学发展的方式，并且我们认为学生应该参与真实的科学实践，那么教学应该设计为让学生参与建模过程。Wells等人（1995年）将建模周期描述为让学生参与模型开发、验证、部署和修订的递归过程。

在本文中，我们首先概述了作为变革性课程和建模努力的MI背后的理论背景、发展过程和关键特征。这一概述有助于激发为什么大学教学中学生的科学模型发展不仅需要在学术（如年级）和社会层面（如社交网络）进行进一步研究，而且需要在神经生物学层面进行进一步研究，因为这是一种发生在大脑中的假定可测量的现象。然后，我们将重点转移到展示功能磁共振成像研究的结果，在该研究中，我们测量了学生在完成MI课程前后从事物理推理和模型使用的大脑活动。我们随后讨论了显示与物理推理相关的独特大脑活动的结果，以及与科学建模理论相一致的教学修改了从课程前到课程后的大脑活动。

概念模型在物理入门课程中的作用

围绕建模构建指导需要对模型进行工作理解。迄今为止，MI背景下的研究侧重于概念模型，这在教学上很有用，而不是心智模型，因为心智模型很难直接观察到。在此，我们试图通过采用神经成像技术，通过明确的概念建模方法（即MI），在接受指导的学生中询问心理模型，从而扩展现有研究。我们根据概念模型的以下定义进行操作：概念模型是存在于共享社会话语领域中的一类特殊现象的有目的的协调表示集（例如，图形、方程式、图表或书面描述）。这个定义有几个值得详细阐述的特征。首先，它适合一件t恤。其次，这个定义建立了概念模型的领域、目的和组成，我们将在下面对此进行扩展。最后，概念模型的定义帮助我们设计研究，以寻找课堂建模过程的证据。图1说明了概念模型和心理模型之间的关系。

试图综合模型的许多定义和描述并不是我们的目的。相反，我们的目的是强调我们定义的一些特征，这些特征与基于构建、验证、部署和修改模型的MI方法的开发相关。然后，这些特征（即概念模型的组成、目的和领域）将用于构建对学生心智模型形成本质的调查，通过基于大脑的fMRI数据进行测量。

组成

概念模型由表示组成。表征是代表现象的人类发明/构造(摩根和莫里森，1999年;Giere，2005年;Frigg和Hartmann，2006年;Windschol等人，2008年;施瓦兹等人，2009年). 在物理学中，常见的表示类型包括图形、矢量图、方程、模拟、单词和图片(克里格，1987年). 从MI的角度来看，这意味着教学应侧重于帮助学生识别、使用和解释描述物理系统中有用的表征工具。关于模型构建的指导必然侧重于一门学科中常见的表示形式、如何使用它们以及如何从中提取信息。此外，这些表示的协调有助于构建更健壮的模型，并提供多种方法从模型中提取信息(Hestenes，1992年;哈龙，2004).

目的

摩根和莫里森（1999）将心理模型描述为思维的中介，独立于它们所代表的系统，但与之对应。模型的这种中介作用确立了模型在科学中作为思维、解释和预测中心的作用(克里克，1943年;约翰逊-莱尔德，1983年). 例如，克里克（1943）声明，“如果生物体在头脑中携带一个外部现实和自身可能行动的“小规模模型”，它就能够尝试各种替代方案…“从教学上讲，如果模型扮演了思维中介的角色，那么模型应该构建课程的组织结构。模型还允许学生解决新现象(奥登堡，2005;斯沃博达和帕斯莫尔，2011年;Gouvea和Passmore，2017年). 这一目的构建在教学建模周期中，通过部署现有模型来提取有关现象的信息并描述其特征，鼓励学生理解新现象。当现有模型不起作用时，学生预计将调整或重新开发能够解释这些新现象的模型.

域

我们建议区分科学概念和心理模型领域并将概念模型置于话语的共享社会领域。这种观点不同于其他概念化，在这些概念化中，个人头脑/大脑中的心理模型隐式或显式地成为焦点(格雷卡和莫雷拉，2000年,2001). 具体来说，为了推断学生心理模型的状态，调查人员通常会评估学生的行为或行为，例如写作、说话、绘画、预测或争论(哈龙，1996a;Justi和Gilbert，2000年;Lehrer和Schauble，2006年). 因此，基于模型的推理证据存在于个体外部，并取决于外部评估。在教学方面，我们一直致力于帮助学生开发作为分布式认知元素的模型。这意味着每个学生都会有一个共享模型的实例化，但模型的可见元素通过写作、演讲、绘画、绘图、预测和/或模拟存在于个人之外。这种共享模型的概念提高了团队绩效和学习过程(Mathieu等人，2000年). 因此，MI课程和教学法的设计不侧重于心理模型就其本身而言但对社会建设的一种模式。换句话说，我们关注学生使用一致的表征工具在互动团队环境中构建现象模型。模型在类成员之间共享，并在部署这些模型以分析新情况之前达成一致。我们在“MI学习环境的特点”一节中对课堂设置进行了更详细的描述，但大部分课堂时间都花在小组上，在小型便携式白板上开发特定现象的模型，然后在大型“董事会会议”上展示小团体和大团体之间的相互作用为学生提供了一种工具，使他们可以使用图表、方程式或图形来表示模型的元素。

例如，我们并不否认个人有内在的心理模型，或者这些心理模型包括表征和概念之间的联系，或者数学和直觉之间的相互作用。作为罗格夫（1990）指出，认知功能是有目的行为的基本组成部分。我们赞同这样的观点，即科学概念模型是分布式的认知元素，然后被个人挪用。在分配过程中，学生构建与科学概念模型相对应的心理模型。相反，我们的观点是，评估外部行为涉及概念模型领域，而评估心理模型领域将受益于直接考虑大脑。

概念模型在教学中的作用

出于教学目的，模型代表了适当且可访问的抽象级别(哈伦，2004年). 在更大的上下文中，模型占据了概念层次结构的中间层（表1;哈龙，2004;马修斯，2007年)这最好用一个典型的例子来说明(Lakoff，1987年). 兽医不太可能研究动物的高级类别，因为这一类别太广，没有用处。他们也不太可能研究次级寻回犬；这太具体了，不能广泛使用。相反，狗很可能成为关注的焦点。这一级别被称为“基本”级别，被认为是理想的教学重点(哈龙，2004).

在MI课堂中，构建基本概念模型首先考虑要描述的特定现象。一旦确定了目标现象，下一步就是通过相关表征工具来表征这些现象。例如，使用速度与时间图来表示移动对象的运动。当学生创建物体运动的表示时，这种特殊现象的模型正在开发中，或者我们称之为特定模型这些特定模型通常不适用，它们与所考虑情况的具体细节有关。根据需要，特定模型是基本模型随着额外的代表性工具的引入和与现有工具的集成，特定模型变得更加稳健。表征工具的引入以及随后对其使用和解释的协商都是由要建模的特定现象驱动的，因此创建的模型总是特定的模型。

然而，一种可取的科学技能是基于通用模型(Nersessian，1995年,2002年a,b条). 因此，MI课程和教学法是专门为促进学生从特定模式过渡到基本模式而设计的。基本模型是从特定模型集合中抽象出来的，它们是通用的，代表了整个现象类别（例如恒加速度模型）(哈龙，1996b,2004). 例如，基本恒加速度模型的一般特征可以从经历恒加速度的对象的特定模型中抽象出来，例如自由下落或均匀减速的对象。通过让学生考虑一些特定模型，然后确定与所有此类模型相似的特征，可以在MI课堂上实现这一点。例如，所有恒加速度模型都包含线性速度-时间图。然后，这些类似的功能被编译成一个可用于所有情况的模型，即基本模型。基本模型之所以有用，是因为它们与特定现象无关，就像标准模型是从原子碰撞、粒子相互作用等特定模型中建立和抽象出来的基本模型一样。基本模型在科学中至关重要，因为它们促进了对新现象的抽象推理(Nersessian，1995年); 当物理学家试图理解原子粒子的相互作用时，他们首先使用标准模型。

一旦建立了基本模型，学生就可以在各种设置中部署模型。这个部署阶段与物理课堂上发生的标准问题解决最为一致。目的是培养使构成模型的表示适应新情况的技能，并从表示中提取有关情况的信息。

MI教学周期的最后一个阶段是修订。当学生遇到不符合模型假设的现象时，就会修改基本模型。当学生试图在一维恒加速度模型的基础上生成特定的二维运动模型时，经常会遇到这样一个例子。如果不进行修改，一维情况不足以理解二维运动，因此必须进行修改。在某些情况下，修订涉及对表征工具的简单修改，而在其他情况下，它需要从完全不同的模型开始。

总之，MI的建模周期描述了课程内容的进展。此外，MI还交织了旨在促进话语构建概念模型的社会互动。接下来，我们将更全面地描述支持模型开发、验证、部署和修订的MI学习环境的精确方面。

MI学习环境的特点

对于科学家和课程讲师来说，基本概念模型通常开发得很好，但对于物理入门课程的学生来说，这些模型开发得并不好。因此，MI课堂的第一个上下文特征是支持学生在自己的学习环境中重新开发构成基本模型。因此，MI讲师的角色是通过建立活动和提供脚手架来管理学生的话语并促进模型的建立和部署，引导学生发展这些基本概念模型。这样，MI课程和教学法可以被视为一种引导式探究方法。如果没有老师的有力指导，学生就不可能发现物理定律，老师会选择活动，介绍表征工具，并引导学生正确使用和解释物理定律。这样，讲师就成为了学科规范和工具的指南。

学生参与以模型为中心的学习环境

要实现基本概念模型的这种基本再发展，学生需要在学习环境中积极参与。因此，密歇根州立大学的学生可以通过特定的方式参与基本概念模型的再开发。首先，学生应参与识别图片、图表、图形和方程式等工具用于表示现象的方式。他们不需要发明或发现这些工具，而是在讲师的指导下确定如何使用这些工具以及如何解释这些表示。例如，力的矢量表示如何描述物体所参与的相互作用，这些力使我们能够推断物体的当前状态及其未来行为？第二，学生应该参与解释这些表征工具，并从中得出与物理定律相关的推论。第三，学生们应该通过将这些已建立的基本概念模型扩展到新的情况来部署这些模型。最后，学生需要交流基本的概念模型。这有助于在向他人展示模型时获得更多的专业知识，并有助于提高科学沟通技能的能力。

Studio格式

MI是为在学习型课堂中实施而设计的。在工作室物理课堂中，学生能够灵活地参与各种类型的活动，其中可能包括实验室、概念推理或问题解决活动。在佛罗里达国际大学（FIU），MI教室整合了物理入门课程的讲座和实验室部分，每周举行为期3天的总共6小时的会议。通常，学生们三人一组完成课堂活动。这个小组的工作总结在小型便携式白板上。然后，这些白板会在更大的小组“董事会会议”上展示，全班学生都会积极参与。

小团体参与

在小组活动中，学生进行建模活动。在这些小组中，学生通过创建白板来分享或“发布”他们的实验结果和/或问题解决方案，从而开始达成共识的过程。讲师的角色是在课堂上循环，提出问题，介绍新内容，检查正在准备的白板。这种小组活动允许学生们一起进行建模活动，生成概念模型，并在相对“低风险”的环境中练习交流科学信息。

大型团体参与：“董事会会议”

让学生先在小组中工作，然后向更大的小组展示他们的成果的做法为学生提供了多种机会来协商概念模型的使用。董事会会议让全班学生围成一个圈，这样每个成员都可以看到其他成员和每个小组的董事会。在董事会会议期间，讲师扮演学科专家的角色，引导讨论走向共享的概念模型。促进讨论包括调节小组的白板演示，解决学生的问题，并帮助小组澄清他们的演示和理解。在董事会会议期间，讲师的指导很大程度上依赖于为学生群体提供形成性反馈。这些董事会会议的明确目标是就概念模型达成共识。除了明确的目标外，隐性目标还包括建立话语共同体的规范和鼓励学生使用科学的论证策略(帕斯莫尔和斯沃博达，2012年). 这些策略包括基于共享概念模型的证据和推理支持主张。

配对大群体和小群体互动

组合交互结构旨在导出目标概念模型。这些相互作用的结构也模仿了一般科学的结构，特别是在研究环境中实践的物理结构。学生们在小型研究小组中工作，建立并综合概念模型，然后在董事会上“发表”，就像科学会议一样。小团体和大团体的设置都依赖于教师的教学技能。在类似MI-的环境中（与传统课堂相比，这种环境“以教师为中心”较少），学习轨迹根据参与者的输入采取不同的路径。因此，MI的课程和教学法不像是演员要遵循的剧本，更像是一套即兴喜剧演员的指南。

对学生成绩的影响

设计用于递归实施建模周期的课程材料与类似支持性的学习环境和教学法相结合，已证明能够有效促进学习。与大学物理的其他改革课程一样，MI促进概念理解和学生在导论物理方面的成功(Brewe等人，2010b). 一项生存分析表明，入门物理成功率的提高并不是标准降低的结果，因为MI班的学生在完成物理专业学业时表现出的成功可能性与讲座班的学生相当(Rodriguez等人，2016年). 麻省理工学院的学生也报告说，他们对学习物理的态度有所改善(Brewe等人，2009年,2013)这些态度的转变在种族方面是公平的(Traxler和Brewe，2015年). MI课堂中的小组互动促进了更完善的课堂网络(Brewe等人，2010a)众所周知，这些网络有助于物理课程的记忆(Zwolak等人，2017年). 记录了与参与MI相关的自我效能感的积极转变(Sawtelle等人，2010年)虽然不是一贯的(Dou等人，2016年). 我们正在定性研究MI中概念模型的构建(Brewe和Sawtelle，2018年)调查学生在解决问题时的表征选择(麦克帕登和布鲁，2017). 这些研究与学生构建和使用概念模型来解决问题和分析物理系统是一致的。MI课堂上取得的成功激发了我们当前对物理推理的神经生物学机制的研究。

利用神经成像研究心理模型的发展

虽然之前对MI对学生影响的评估通常侧重于概念模型的社会建构(布雷，2008,2011;Sawtelle等人，2012年)在这里，我们使用脑成像技术考虑MI对心理模型的潜在影响。本研究旨在研究物理推理任务期间的大脑激活情况以及MI课程教学后与教学前相比大脑激活的变化。先前的神经影像学研究已经将与各种形式（例如数学、形式逻辑和流体推理）的推理相关的大脑活动局限于局部；Prabhakaran等人，1997年;阿萨利杜和泰勒，2011年;Prado等人，2011年)，但没有调查在物理领域或跨物理课堂教学中探讨过此类大脑活动。因此，没有标准化的任务适用于MRI环境来检查这种大脑激活。因此，作为第一步，我们寻求开发一种新的神经成像范式来探测物理推理过程中的大脑活动。我们将此任务的发展重点放在物理推理过程中的心理模型使用上，因为之前的研究已经提供了证据，证明学生在概念物理推理中使用了各种心理模型(Nersessian，1999年;Hegarty，2004年). 因此，我们改编了著名的部队概念清单（FCI；Hestenes等人，1992年)这是众所周知的参与概念物理推理。对FCI问题进行了修改，以符合MRI数据收集的参数，并研究物理推理（见“物理推理任务”一节了解更多详细信息。同时，为了促进形成关于我们在物理推理过程中可能观察到的大脑网络的神经解剖学假设，我们进行了一项神经成像荟萃分析(Bartley等人，出版)功能磁共振成像研究中，研究了不同表征方式下的问题解决。简言之，该元分析的主要结果是，类似的推理任务使用数学、言语和视觉空间刺激，包括注意力、工作记忆和认知控制，激活了背外侧前额叶和顶叶区域。参与者在完成物理课程之前（之前）和之后（之后）接受功能性磁共振成像（fMRI）扫描的同时完成了这项物理推理任务，以调查物理教学对大脑功能的假定影响。推动这一神经教育项目的是两个主要假设：（1）这一新颖的物理推理任务将导致大脑中先前与注意力、工作记忆和问题解决相关的区域（例如，侧前额叶和顶叶区域）的活动增加，（2）课程前后的激活模式不同，表明大脑活动可以因物理教学而改变。

之前的一些研究表明，短期和长期的课程教学可以影响大脑功能。在参加为期90天的法学院入学考试准备课程的学生中，观察到了课前和课后大脑功能的差异(Mackey等人，2013年).《梅森与正义》（2015）研究表明，在MRI扫描仪（他们称之为物理教学）中向研究参与者提供有关机械系统的信息，会导致连续学习阶段的知识表征发生变化。在另一项研究中，他们还能够使用机器学习和因子分析来识别四个物理概念的神经表示：运动可视化、周期性、代数形式和能量流(《梅森与正义》，2016年). 然而，据我们所知，这是第一次考虑一个完整的、为期一个学期的物理课对大脑的影响的神经教育研究。

神经影像学研究简介

本手稿面向教育研究受众，读者对神经影像学作为一种研究方法缺乏丰富的经验。因此，本节简要概述了神经成像研究，尤其是fMRI。在神经成像研究中，研究人员开发了一项实验任务，以分离参与者在获得一系列三维大脑图像的同时躺在MRI扫描仪中进行的感兴趣的心理操作。通常，这些大脑图像大约每2秒采集一次，由称为体素的小体积元素组成，在本研究中，体素的测量值为3.4毫米^三在每个体素中，测量血液中不断变化的氧水平（称为血氧水平依赖信号）。BOLD信号中与任务相关的变化提供了对大脑活动的间接测量。在功能磁共振成像实验设计的一个实现中，大脑图像是分块采集的。在“主动任务”模块中，参与者会收到一个刺激（例如物理问题），产生感兴趣的认知过程（例如物理推理），并被指示使用与MRI兼容的键盘做出回应。在精心构建的“控制任务”模块中，参与者也会受到刺激并做出反应；然而，呈现的刺激不会产生感兴趣的认知过程。将活动块与控制块进行对比，可能会分离出与感兴趣的认知过程相关的任务相关的大脑活动，并排除这两种情况下常见的活动（例如，视觉处理、单词阅读、按钮按下）。

数据收集完成后，对fMRI数据进行处理，以校正扫描仪中的头部运动，并将其安装到标准化的大脑模板上，以便对一组参与者进行平均。将来自每个体素的BOLD时间序列输入到一个通用线性模型（GLM）中，该模型包括各种任务事件（和其他已知噪声源）的不同回归变量，以表征BOLD信号的变异性与这些任务事件的关联程度。然后可以对比活动任务块和控制任务块产生的β权重，并将显著差异解释为各任务块之间大脑活动的差异。对整个大脑中所有体素的BOLD时间序列重复此过程。正如本研究所做的那样，可以对这些结果进行额外的多层次建模，以测试大脑活动在重复测量中的变化（即从教学前到教学后）。

方法

参与者

参与者是从佛罗里达国际大学的MI课程中抽取的，为期3年（2014-2017学年）。我们招募了55名学生（33名男性，22名女性），年龄范围为18-25岁（平均值±标准偏差：20.1±1.4）。所有参与者都被筛选为右撇子，不使用精神药物，没有精神疾病、认知或神经损伤和MRI禁忌症。受邀参加的志愿者之前没有参加过大学物理课程，并且符合GPA（>2.24）或SAT数学（>500）的纳入标准。这些标准的实施是为了最大限度地减少参与者之间的差异，因为这些差异可能会混淆与实验条件相关的大脑测量。所有参与者都获得了对金融情报室机构审查委员会批准的方案的书面知情同意。成像数据是在位于迈阿密大学心理学系神经成像套件（NIS）的通用电气3-Tesla Healthcare Discovery 750W MRI扫描仪上收集的。每个参与者都在教学前和教学后的时间点完成了90分钟的MRI扫描。课前扫描安排在学期的前4周内，课后扫描在学期后的前2周内完成。所有参与者参与MRI评估的时间都得到了补偿（扫描前50美元，扫描后100美元）。

物理推理任务

我们改编了部队概念清单（FCI）中的一组问题，用于MRI扫描仪中的演示（图2安培). 考虑到佛罗里达大学密歇根州学生关于这一指标的大量现有数据，选择了FCI(Brewe等人，2010b)，确定的可靠性措施(Lasry等人，2011年)和已知的时间要求(Lasry等人，2013年). FCI是一项针对学生对牛顿力学理解的30个问题、多项选择的概念性调查(Hestenes等人，1992年). 每个问题有五个多选选项、一个正确选项和四个分心选项，这些选项最初是由学生对相同问题的开放式回答产生的。这些问题呈现的是“日常场景”，不需要任何数学计算，并且以描述场景的文本形式呈现，并附有代表性图表。为了确保MRI数据收集过程易于管理，参与者能够很好地接受，我们将FCI问题的数量从30个减少到9个（FCI 2、3、6、7、12、14、27和29）。这九个问题被选为跨越一系列难度水平，这些难度水平同时具有挑战性，足以对参与者的精神资源造成负担，但不一定是FCI中最难的项目，如莫里斯等人（2012）（表2). 此外，由于通过fMRI测量大脑网络需要在多个相似的实验试验中进行重复观察，我们试图缩小本任务中探索的与物理相关的广泛认知范围，并选择了一些问题，要求学生确定物体的轨迹和运动，这些轨迹和运动是由不同的场景和初始速度和/或力配置的组合引起的。考虑到与使用四按钮MRI兼容键盘相关的技术限制，通过删除五个多选选项中选择最少的选项，对问题进行了修改，如项目响应曲线所示莫里斯等人（2012）在当前的神经成像任务实施中，每个问题被解析为三个自定步调的演示阶段；参与者被允许控制这些阶段的时间。问题的第一阶段包括介绍描述现象的文本和附带的图表。第二阶段提出了问题，第三阶段提出了多种选择答案选项。评估FCI反应的总体准确性和项目特异性。

除了FCI问题，参与者还回答了一系列“控制问题”（图2B型)，在阅读要求、视觉复杂性和整体设计方面，每一个问题都与FCI问题具有相似的特征。然而，控制性问题并没有询问与物理相关的内容，而是关注阅读理解和形状辨别。当对比FCI（“主动任务”）和控制问题（“控制任务”）时，控制问题使我们能够隔离可能与物理推理相关的认知过程。

FCI和控制问题在三次任务运行中以伪随机顺序提出。每个问题之后都有20秒的“休息”时间，在此期间，参与者将目光集中在屏幕中央投影的注视十字架上。这三次跑步各持续约6分钟。参与者在精心管理的模拟扫描仪培训课程中接受了有关任务的指导和练习，以确保MRI课程中的正确表现。除了让参与者熟悉任务外，模拟扫描仪还允许参与者体验实际的MRI扫描。

数据分析

有关fMRI数据采集参数的详细信息，请参阅补充资料。在分析之前，使用常用的神经成像分析软件包对数据进行预处理：FSL（FMRIB软件库，网址：www.fmrib.ox.ac.uk/fsl)和AFNI（功能神经图像分析，http://afni.nimh.nih.gov/afni). 标准fMRI预处理程序包括运动校正以消除与头部运动相关的信号伪影，高通滤波以消除与非脑噪声源（即心脏或呼吸）相关的信号中的低频趋势，以及空间平滑以增加分析过程中的信噪比。然后将这些数据映射到标准化脑图谱（MNI152），以便进行群体级评估。

我们进行了两项主要分析以确定：（1）与物理推理相关的大脑区域（任务效应）和（2）与物理教学相关的大脑活动变化（教学效应）。为了描述在教学前的时间点与物理推理相关的大脑区域，将每个预处理的fMRI数据集输入到体素级通用线性模型（GLM）中，包括FCI和控制任务条件（以及各种干扰信号）的回归变量。通过从FCI问题的β权重中减去与对照问题相关的β权重，为每个参与者创建对比图像，FCI问题表示与对照条件相比，每个体素在物理推理过程中的反应更大的程度（FCI>control）。然后将这些参与者级别的对比图像输入到组级别的一个样本中t吨-测试和重要物理推理相关的大脑激活使用阈值P（P）_已更正< 0.05 (P（P）_{体素−级别}<0.001，家庭误差[FWE]聚类校正）。为了描述MI课程后显示物理推理相关激活变化的大脑区域，将参与者级FCI>控制任务对比度图像（如上所述）从教学前和教学后数据采集会话输入到组级配对样本中t吨-测试。计算前>后和后>前对比度，并使用P（P）_已更正<0.05阈值(P（P）_{体素−级别}<0.001，FWE聚类校正）。此外，还对上述指令效果分析中确定的四个最大显著聚类（≥1000个体素）中指令间的BOLD信号变化（Post>Pre）与FCI上指令后的准确性进行了后续相关性分析，使用P（P）<0.0125，Bonferroni修正，。由于探测到的簇显示出跨越多个大脑区域的显著范围，因此BOLD信号是从每个簇的峰值z分数中心的球形种子中提取的。

结果

准确性

表2包括学生在教学前和教学后扫描中对九个问题的准确回答结果，以及基于经典测试理论的项目难度，莫里斯等人（2006）.成对样品t吨-测试是为了比较教学前后的平均数。计算Cohen’s d，以确定影响的大小，以及影响的95%置信区间。的结果t吨-测试[t吨₍₅₅₎=6.31，第页<0.001]和科恩d(d日=0.84），95%置信区间为0.45–1.23，表示在指示后响应准确度增加。这些结果与先前检查课程指导后FCI准确性提高的结果一致(Brewe等人，2010b). 此外，扫描器参与者的这些准确度结果与经典测试理论项目难度（扫描器性能之外）一致，其中难度计算为特定项目的平均分数。

任务效果

MI学生在教学前的四个大脑区域（前额叶皮层、顶叶皮层、颞叶和右小脑）表现出与物理推理相关的大脑活动（FCI>控制）（图三，红色；补充表1）。更具体地说，在前额叶皮层（PFC）中，左侧额叶上回（SFG）、背内侧PFC（dmPFC）、双侧背外侧PFC（dlPFC），额叶下回（IFG）和眶额皮层（OFC）出现了激活峰。在后顶叶皮质内，在双侧缘上回、顶叶内沟（IPS）和角gryi（AG）观察到大脑活动。在物理推理过程中，在中颞（MT）和中上颞（MST）区域也观察到大量双侧激活簇。在教学后阶段进行类似评估时，也观察到了教学前阶段与任务相关的大脑活动的这些相同模式（数据未显示）。

指令效果

在前额叶和顶叶皮质内观察到指令后（Post>Pre）大脑活动显著增加（图三，蓝色；补充表2）。特别是，在左侧dlPFC中，沿着中央前下沟和双侧额叶极发现三组PFC活性增加。教学后表现出活动增强的顶叶区位于后扣带回皮质（PCC），延伸至脾后皮质、楔前叶和左侧角回。与教学后（pre>post）相比，在教学前阶段，没有大脑区域显示出更多与任务相关的活动。随访左PCC、左角回、左眶额叶极和左DLPFC之间的相关分析，与FCI的准确性无显著相关性（r_{印刷电路板}= −0.12,第页_已更正= 1; rag=−0.07，第页_已更正= 1; 第页_ofc公司= −0.01,第页_已更正= 1; 第页_dlpfc公司= 0.02,第页_已更正= 1).

讨论

这项神经教育研究是一项初步的努力，旨在了解物理推理如何转化为功能磁共振成像评估的大脑功能水平，以及教学如何导致大脑活动的变化。为此，我们提供了两项主要评估的大脑激活功能磁共振成像结果。首先，我们观察到物理推理任务（FCI>控制问题）与大脑活动增加有关，尤其是在额叶和顶叶外侧区域。其次，我们观察到，完成MI课程的学生在课程结束后的物理推理任务中，后扣带皮层和额叶极区域的活动增强。

准确性与物理推理

参与者对扫描器中FCI问题的回答表明，准确度符合已发布项目的难度，并且课程后准确度的提高与Brewe等人（2010b）这表明我们开发的任务的MRI版本正在促进物理推理，这与在扫描仪外观察到的情况一致。从教学前到教学后的效果大小表明，修改后的FCI问题在这项任务上的表现与完整的FCI相似。这一改进表明，由于教学，物理推理发生了转变。我们没有将这些变化解释为回忆效应，原因有二，FCI的结果没有与学生讨论，任务本身也没有被确定为源自FCI。此外，亨德森（2002）研究表明，在整个学期内，回忆的影响是最小的。虽然准确度对于描述和在一定程度上验证为fMRI环境开发的任务很重要，但我们并不期望准确度与大脑活动相关。相反，无论准确性如何，物理推理都与大脑活动有关。

任务效果：与物理推理相关的大脑活动

我们的初步分析确定了与物理推理（FCI>Control）相关的大学生前额叶和顶叶外侧区域的大脑活动。一种解释是，这些区域的活动支持对回答物理推理问题至关重要的认知过程，例如注意力、工作记忆、空间推理和数学认知。更具体地说，横向PFC在工作记忆和计划等执行功能中的作用得到了很好的表征(Bressler和Menon，2010年)这些区域在操作工作记忆和推理中的表征方面很重要(Andrews-Hanna，2012年;Barbey等人，2013年). 侧顶叶区域参与运动功能以及空间推理、数学认知和注意力(温德尔肯，2015). 这种解释在当前任务的背景下是合理的，因为当前任务可能涉及生成心理模拟和表征，以帮助确定正确的答案选择。从大规模脑网络的角度来看，显示物理推理相关激活的大脑区域类似于一个常见的功能性脑网络，即中央执行网络（CEN）。CEN由侧面前额叶和顶叶区域组成(Bressler和Menon，2010年)通常与面向外部的注意和执行过程有关（例如，工作记忆、反应选择和抑制；科尔和施耐德，2007年;Seeley等人，2007年).

当分别考虑在教学前和教学后扫描期间收集的数据时，我们观察到的与任务相关的大脑区域通常是相似的。在谈到这种大脑活动的一致性时，该分析并不打算确定哪些大脑区域因完成MI课程而不同（见下文）。我们怀疑，在其他教学环境中的学生中，这种与任务相关的大脑活动也会类似。

教学效果：术后与术前大脑活动的变化

我们的第二项分析发现，完成物理推理任务的学生在完成后扣带回皮层、额叶极、dlPFC和角回的MI课程（后>前）后，大脑活动增加。这些大脑区域（PCC，角回）与另一个常见的大规模功能性脑网络（称为默认模式网络（DMN））的区域重叠。DMN由后扣带回（PCC）、角回、内侧PFC和颞中回组成(Raichle等人，2001年;Laird等人，2009年)通常与面向内部的认知过程（即自我反思、思维漫游、自传体记忆、计划；Buckner等人，2008年). 然而，其他证据也表明DMN参与了复杂的任务，如叙事理解(Simony等人，2016年)，语义处理(Binder等人，2009年;Binder and Desai，2011年)或者心理图像的生成和操作(Andrews-Hanna，2012年). 在当前任务的背景下，一种解释是，学生可以产生心理图像来模拟事件并制定预测。此外，在物理推理过程中观察到DMN活动在教学后增加（我们的研究结果得到了CEN的支持），并且在认知过程中DMN和CEN之间的这种耦合被假设为在控制注意力集中的过程中出现，从而有助于有效的认知功能(Leech and Sharp，2014年).

MI课程后，在物理推理过程中，其他大脑区域表现出更大的激活，包括dlPFC和额极皮层。额叶皮层是决策网络的一个组成部分，通常与学习有关(Koechlin和Hyafil，2007年). dlPFC与工作记忆中言语和空间信息的操纵密切相关(Barbey等人，2013年). 考虑到之前与心理模拟、工作记忆、数学计算和注意力等方面的联系，我们推测，教学后PCC、角回、，dlFPC和额极可能反映出增强的心理操作和/或涉及物理推理和/或生成物理结果预测的模型。

PCC、左角回、左额叶极和左DLPFC是活动增强程度最高的四个区域（后>前），然而，我们没有发现这些区域内活动的变化与指导后FCI的准确性之间的相关性。FCI是一项要求认知的任务，其中包括直观但错误的答案。因此，这可能只是因为即使是FCI上的错误答案也需要大量的脑力劳动。不准确的物理推理可能仍然涉及许多成功的物理推理所做的相同的心理操作（例如，心理想象、可视化、预测生成和决策等）。准确度的测量本身可能不会显示出与整个教学过程中大脑活动变化的简单一对一关系。相反，大脑活动的这些变化可能与学生如何通过物理问题进行推理的更复杂的行为变化有关，而这些问题是相对于之前的教学而言的。这些可能包括战略的转变或增加物理知识和解决问题资源的获取。

我们假设，在物理推理过程中观察到的教学前到教学后大脑激活的变化与学生在课堂学习中发展精细的心理模型时所预期的结果一致。物理推理，无论个人对材料的熟悉程度如何，都是一个由心理模型使用不断支撑的过程(Nersessian，1995年,1999,2002年a,b条;Giere，2005年;Koponen，2006年)有效的物理学习是通过建立和部署策略来实现推理过程中的心理模型(赫斯特内斯，1987年). 在这项研究中，我们探讨了在MI课堂环境中学习引起的大脑活动变化，因为这种教学方法已被证明能有效鼓励物理推理过程中模型的开发和灵活实施(布雷，2008;Brewe等人，2010b). 我们的实验结果并没有暗示MI在支持学生大脑网络的教学相关变化方面比其他教学策略更有效或更无效。然而，如果我们接受物理推理内在地依赖于心理模型的使用，我们可以开始考虑对物理学习进行更为真实的神经教育解释，在这种解释中，跨教学的网络参与的转变带来了学生概念的改变。描述这些神经生物学变化的特征可能最终有助于研究人员和教育工作者了解哪种教学策略最能支持成功的模型开发。我们认为，学生在学期初推理过程中使用的心理模型，在CEN支持的各种注意力和执行过程的支持下，在教学后发生了变化，学生在推理过程中的整体准确性提高就是明证。这种指令诱导的模型使用的转变促进了推理中关键DMN和CEN区域的参与。这项研究代表了神经教育研究的第一步，证明了这种指示学习的变化是可测量的，并且可以使用非侵入性脑成像技术进行检测。需要做更多的工作来理解科学教育中研究的外部概念模型与神经影像学文献中研究的心理模型和相关认知结构之间的关系。

这个项目有几个限制。首先，我们关注的是MI课程，没有评估来自传统课堂或其他积极学习环境的学生的大脑活动。根据所提供的数据，我们并没有声称MI是一种更好的或唯一能够诱导大脑网络改变的教学工具。相反，在当前的研究中，我们以心肌梗死为例。不同的教学方法是否会对物理推理相关脑网络的发展产生不同的影响尚待确定。如上所述，符合建议(Freeman等人，2014年)，我们将在未来探索这一点，未来的方向可以调查主动学习模式之间的差异。其次，这些分析涉及大脑激活，没有考虑与其他行为测量的相关性，例如心理旋转、科学焦虑或学业表现测量，这些测量可以进一步帮助解释这些功能磁共振成像结果。第三，对男女学生之间潜在差异的考虑仍有待于今后的调查。

尽管有这些限制和未来的方向，但这些初步结果涉及与物理推理相关的大脑区域，关键的是，表明物理推理过程中的大脑活动在一个学期的物理教学过程中是可以改变的。进一步的工作应该调查MI和课堂教学之间的差异，以及跨学科的不同主动学习策略之间的差异。广泛研究主动学习有可能更清楚地阐述这些教学法如何影响学生的学习和大脑功能。

道德声明

本研究是根据佛罗里达国际大学机构审查委员会的建议进行的，并获得所有受试者的书面知情同意。所有受试者均根据《赫尔辛基宣言》给予书面知情同意。该方案得到了金融情报室内部审查委员会的批准。

作者贡献

EB、JB和AL完全可以访问研究中的所有数据，并对数据的完整性和数据分析的准确性负责。研究概念和设计：EB、JB、MR、RL、MS、SP和AL。数据的采集、分析或解释：EB，JB，MR，VS，TS，ERB，EIB，RO，AN，KB，RL，MS，SP和AL.手稿起草：EB和JB。重要知识内容手稿的关键修订：EB、JB、MR、VS、TS、ERB、EIB、RO、AN、KB、RL、MS、SP和AL。获得的资金：AL、EB和SP。行政、技术或材料支持：EB，RL，MS，SP和AL.研究监督：AL，MS、SP、MR和EB。

利益冲突声明

作者声明，该研究是在没有任何可能被解释为潜在利益冲突的商业或金融关系的情况下进行的。

致谢

该项目的主要资金由NSF REAL DRL-1420627（AL、EB、SP和JB）提供。合著者的部分贡献由NSF 1631325（AL、MR和TS）、NIH R01 DA041353（AL，MS和MR）、NIH-U01 DA041156（AL和MS、MR、KB和ERB）、NSF CNS 1532061（AL）、NSH K01DA037819（MS）、NIHU54MD012393（MS）和FIU研究生院论文年奖学金（AN和RO）提供。此外，还要感谢金融情报室教学和研究计算中心（IRCC，http://ircc.fiu.edu)为本论文中报告的研究结果提供HPC和计算资源，并为迈阿密大学心理系提供MRI扫描仪的访问权限。最后，特别感谢佛罗里达大学本科生自愿参与并为该项目做出贡献。

补充材料

本文的补充材料可以在以下网站上找到：https://www.frontiersin.org/articles/10.3389/fict.2018.00010/full#补充-材料

参考文献