未来的STEM教育

Jochen Kuhn教授阐述了现代教育技术如何促进STEM学科的教学和学习，以及眼动追踪技术如何支持研究其影响。

Jochen Kuhn教授是德国慕尼黑大学（LMU Munich）物理教育学的主席。他目前的研究兴趣集中在通过多种表达方式进行STEM教育和物理教育的学习，以及利用多媒体学习环境和技术（智能手机、平板电脑、增强/虚拟现实等）进行学习。这包括STEM教师培训、学校和大学中与人工智能（AI）相关的学习，以及基于眼动追踪的学习和问题解决过程的研究。

您研究整体的愿景是什么？

如今，许多学生仍然认为物理学是人为而且与日常生活关系不大。物理学的内容被认为很"枯燥"和抽象，许多关系和过程完全是理论上的，难以观察到。

为了弥合抽象和现象学、日常生活和学科特定之间的这些紧张关系，我们开发和研究了使用多媒体学习环境的方法。通过使用多媒体可视化，即所谓的多重外部表现形式，学生可以学习和了解他们在日常生活中也需要的认知工具（例如，图表的解释和理解），从而使他们自己能够建立这些桥梁。为此，我们还在教学环境中使用现代技术，以增强学生（和教师）对这些媒体的教育和了解。这是因为我们可以预期，现代技术将在未来的日常生活中得到广泛应用。

当然，我们还想找出学生如何以及通过哪些表现形式成功地学习物理、设计实验或解决物理问题。因此，我们不仅关心学习或问题解决的结果，而且关心这个过程，因为它能够帮助我们更好地理解如何支持、鼓励或挑战学生以实现成功学习。

这种学习支持必须是个性化和个性化的，因此不同的学生可以通过不同类型的表现形式、不同的策略和不同的方式访问相同的学习内容。因此，通过机器学习技术预测学习成功也是我们与表现形式和尖端学习技术相关研究的重要方面。

是什么启发您踏上这个旅程？又是什么使您保持动力继续前行？

有很多方法可以设计好的物理课程。然而，通过多重表现形式学习提供了通过多媒体和创新学习技术获得全面、静态和动态选择的方式。这些选择将继续增加，尤其是在数字化的推动下，用于教育和研究。

此外，通过对内容相关概念的创新学习技术的发展和研究，当前和即将到来的一代人也能够获得与社会相关的能力，比如数据素养或人工智能素养，从而改变社会本身。

因此，多种选择和社会发展的重要性是选择使用创新、尖端的学习技术进行多重表示学习的原因。

到目前为止，您工作的主要发现是什么？

还没有重要的结果；相反，重要的是认识到由于数字化的高速发展，教育在某些领域存在与社会需求和要求脱节的危险。这意味着教育必须获得与社会发展同步的机会。

当你考虑到在德国等地，一个像平板电脑这样的日常媒介花费了超过十年的时间才能进入课堂并且接受更加系统化的应用时，我们需要为未来开发新的机遇。

尤其是在教育研究中，我们必须更加努力地预测和研究下一代日常技术可能会对教学产生类似智能手机和平板电脑的影响。然后，应该开发并研究有效和实用的学习概念，以便在引入下一代学习技术时，我们已经有了经过实证测试的成功教学概念，而不必等到那时才开始开发它们。

政治需要创建框架和计划，与学校密切合作，在课堂内促进这些前沿技术的发展与研究。

一方面，将所有着眼于教育和研究的机构纳入这样的过程中至关重要。另一方面，教师也需要接受培训，以有意义和有针对性的方式在他们的课堂中实施新的方法和技术。

引入眼动追踪技术是您的实验怎样从中获益呢?

除了用于增强现实（AR）和虚拟现实（VR）的头戴式显示器（HMD），我们估计眼动追踪技术等技术将成为或者被应用于下一代教育技术（EDTech）中。

例如，在学习、问题解决或尝试多种表达方式时，我们使用不同类型的眼动追踪系统（固定、移动、集成于VR / AR HMD）来研究学习者的视觉策略，以区分成功和失败的学习策略。

此外，我们可以使用凝视数据来训练人工智能算法，预测问题是否会成功解决，使用学习者在学习过程中的视觉策略。这使我们能够在他们选择错误的策略或解决方案之前提供个性化支持 - 无需额外的评估，仅基于视觉策略完全定制。

再次强调，培训和发展教师使用这种基于眼动的系统非常重要。

从您目前的角度和丰富的眼动跟踪经验来看，您会向那些考虑在研究中采用眼动跟踪技术的人提供建议？

首先，人们应该全面考虑眼动追踪分析在其研究中应扮演的角色。

如果眼动追踪不打算成为主要的研究方法，我建议与有经验的研究伙伴合作，以获得经验而不是在收益不明确的情况下投资设备来调查相关问题。

然而，如果眼动追踪方法要成为研究小组的标准仪器，我建议从一开始就投入足够的物质和人力资源，专门用于这条研究路线。

相关信息

以下是一些最近的出版物，描述了利用眼动追踪技术开展的类似研究：

Becker, S., Küchemann, S., Klein, P., Lichtenberger, A. & Kuhn, J. (2022). Gaze patterns enhance response prediction: More than correct or incorrect. Physical Review Physics Education Research, 18(020107).

Dzsotjan, D., Ludwig-Petsch, K., Mukhametov, S., Ishimaru, S., Küchemann, S., & Kuhn, J. (2021). The Predictive Power of Eye-Tracking Data in an Interactive AR Learning Environment. Adjunct Proceedings of the 2021 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2021 ACM International Symposium on Wearable Computers, September 2021, 467–471

Klein, P., Becker, S., Küchemann, S., & Kuhn, J. (2021). Test of understanding graphs in kinematics: Item objectives confirmed by clustering eye movement transitions. Physical Review Physics Education Research, 17(1), 013102.

Kumari. N., Ruf, V., Mukhametov, S., Schmidt, A., Kuhn, J., & Küchemann, S. (2021). Mobile Eye-Tracking Data Analysis Using Object Detection via YOLOv4. Sensors, 21(22), 7668. MDPI AG.

有关Kuhn教授实验室的更多信息，请访问他们的网站