INSTRUCTIONAL-DESIGN THEORIES AND MODELS Volume 2

インストラクショナルデザイン 理論とモデル 2
第7章 構成主義学習のための教授設計

(Chapter 7 Designing Instruction for Constructivist Learning)


出典:Charles M. Reigeluth (1999). INSTRUCTIONAL-DESIGN THEORIES AND MODELS Volume 2 A New Paradigm of Instructional Theory. LEA.
担当 楚 世斌

■目次■

■構成主義の定義■

すべての知識は,子ども一人ひとりが多様な事象にはたらきかけ,その経験から何か意味をつくり出そうとするときに,彼ら一人ひとりの中に構成される。”こうした認識論的な見解を,一般的には構成主義という。 子供たちが精神的に白紙の状態ではなく,何らかの枠組みにもとづき学習を行う… この認識論は,知識の源泉を感覚的な‘経験’ととらえる経験主義とは対立する。
引用: http://popup7.tok2.com/home2/sessatakuma/kagaku/kagakuyo-03.htm


■構成主義学習のための教授設計■
構成主義学習のための教授設計

学習者が、提示される資料から意味をなそうとすることにより、積極的に自分が使える知識をしようとする場合、構成主義学習が生じる。例えば、稲妻の形成の教科書授業を読む際に、構成主義学習者は、稲妻形成のために因果関係システムの精神モデルを構築することを試みた。本章の目的は教科書、講義およびマルチメディア環境中の科学的なかつ構成主義の学問の促進のために設計法則を検討することである。本章の重要なテーマは、構成主義の学問を行うためには一つが発見学問を必要としないということ(つまり、学習者は、よく計画的な直接の指示からの意味を構築することができる)。最初に、学習者が構成主義学習のためのデザインの中でいくつかの導入問題を検討する。次に、構成主義学習に関与する認識のプロセスについての記述のために一般的なモデルを示し、例を実証する。第3に、構成主義学習を促進するように意図される教育の方法を調査する。第4に、構成主義学習用の教育設計の法則の基礎となるゴール、および値を論評する。

3種類の学習成果から見た構成主義学習
記憶テスト中のパフォーマンストランスファーテスト中のパフォーマンス学習成果
弱い弱いノーラーニング       
よい弱い記憶学習       
よいよい構成主義学習  

注:本文(p.146)TABLE7.3訳出した。

三種類の学習のイメージ図を見てみよう:


注:TABLE7.3に基づき自作例

■SOIモデルによって示唆された教育の方法■
学習のSOIモデル:知識構築での3つの認識のプロセスの促進
構成主義学習は、入って来る情報を整理し、かつ、既存の知識に入って来る情報を統合して、適切な情報を選択する学習の間に学習者の中のいくつかの認識のプロセスの活性化に依存する。  
SOIモデル:S→選択(Selecting) O→整理(Organizing) I→統合(Integrating) の学習モデルである。
SOIモデルによって示唆された教育の方法
教科書や講義とマルチメディアのメッセージを改善するためのSOIモデルの教授設計の含意は何だろう。ゴールが認識学習に関係になるように学習者を激励することである場合、教授方法は読者が有用な情報を識別し、資料がどのように適合するか理解し、資料が既存知識にどのように関係があるか確かめるのを助けることを設計するべきである。
学習者のSOI能力をアップために

1.資料の選択技術を促進する
どのように、教科書、レッスン、講義あるいはマルチメディア・プレゼンテーションで最も適切な情報に注目するように学生を激励することができるか? メイヤーは、テキスト形式のメッセージにどのように下記技術を組み入れることができるか実証しました:適切な情報を強調するために標題、イタリック体、太字体、大きなフォント、弾丸、矢、アイコン、下線、マージン ノート、反復および(または)余白を使用すること;そして、適切な情報を強調するために教育目的の補助問題と陳述を使用する。
稲妻の授業の例による資料の選択技術を促進する例:

選択技術を使ってない場合

空の中に上昇気流が発生すると、雹やあられなどの粒が雲中で摩擦され、雲の上方にプラス電荷がたまり、下方にマイナス電荷がたまります。 雲の発達にともない その電荷が多くなり、各々の電荷はそのままの状態では存在できなくなり プラス電荷マイナス電荷が引き合い空中放電(ショート)がおこります。 これが雷です。この雲の中で発生するものが雲放電で、雲と地上の間に発生するものがいわゆる落雷です。 雷が発生するとき、一瞬にしてエネルギーの放出がおこるため、激しい光(稲妻)と音(雷鳴)をともないます。

選択技術を使っている場合

空の中に↑↑上昇気流↑↑が発生すると、雹やあられなどの●粒●が雲中で摩擦され、雲の上方に+プラス電荷+がたまり、下方にーマイナス電荷ー電荷がたまります。 雲の発達にともない その電荷が多くなり、各々の電荷はそのままの状態では存在できなくなり プラス電荷マイナス電荷が引き合い空中放電(ショート)がおこります。 これが雷です。この雲の中で発生するものが雲放電で、雲と地上の間に発生するものがいわゆる落雷です。 雷が発生するとき、一瞬にしてエネルギーの放出がおこるため、激しい光(稲妻)と音(雷鳴)をともないます。

使った選択技術の説明
↑↑上昇気流↑↑:斜体、太字体、大きなフォント、矢印;
●粒●:弾丸;
+プラス電荷+:斜体、太字体、大きなフォント、アイコン;
ーマイナス電荷ー:斜体、太字体、大きなフォント、アイコン;
引き合い:大きなフォント;

  • 資料の整理技術を促進する

  • 資料の統合技術を促進する

  • 2.資料の整理技術を促進する
    どのように学生が首尾一貫した表現で入ってくる情報を整理するのを助けることができるか。 メイヤーは、概略を使用し、標題およびポインター言葉を段落の構成を教えた。さらに、物事の原因と因果関係チェーンのような理解し得る構造を持っているテキストを使用することは重要である。

    稲妻の授業の例による資料の整理技術を促進する例:


    注:本文(p.150)FIG.7.2訳出した。

  • 資料の選択技術を促進する

  • 資料の統合技術を促進する

  • 3.資料の統合技術を促進する
    どのように学生が既存知識を活用し、かつ資料の複合の表現を活用と調整するのを助けることができるか。メイヤーは、どう先行{せんこう}オーガナイザーと図解と緻密な例と精巧な質問を用いて、知識統合を促進する方法を実証した。

    稲妻の授業の流れ図(稲妻の授業の例による資料の整理技術を促進する例の5つの図)の中には、そのキャプションは、適切な資料に学生の注意を集中することを支援します。5ステップへメッ セージを押入ることは、読者への資料の構成に信号を送ることを支援します。また、挿絵を備え たテキストは、既存知識と単語の統合を促進することを支援します。
    統合のイメージ図

  • 資料の選択技術を促進する

  • 資料の整理技術を促進する

  • 2種類テストの例(稲妻の授業)
    記憶テストトランスファーテスト
    稲妻がどのように生ずるか説明してください雲が空にあると仮定してください。
    しかし、稲妻がありません、なぜ?
    稲妻を伴う嵐の強度を縮小するためになにを
    行うことができますか?
    何が稲妻を引き起こしますか?          
    注:本文(p.145)TABLE7.2訳出した。    
    ■結論■
    本章の命題は、学習者が活発な学習エピソードに従事していない場合さえ、構成主義学習を促進する教授設計することが可能であるということである。構成主義学習は、特に、テキストが学習者の中の適切な認識の処理を促進することを目指している場合にテキストを読む外見は受動のタスクに起因することができる。学習のSOIモデルによれば、学習者が3つの認識のプロセスに専念する場合、構成主義学習が生じることができる:関連ある情報に注目し、首尾一貫した手法で情報を整理し、既存知識を用いて情報の統合。テキストから情報を選ぶプロセスを促進する教育の方法は、標題、イタリック体、太字体、フォント・サイズ、弾丸、矢、アイコン、マージン ノート、余白ノート反復、余白およびキャプション(挿絵などにつける説明文)を使うこと。テキストからの情報を整理するプロセスを促進する教育の方法は輪郭、シグナリング標題、ポインター言葉、構造化した実例および首尾一貫したテキスト構造を使うこと。示された情報および既存知識を統合するプロセスを促進する教育の方法は、先行オーガナイザーを使用すること、キャプションを付けられたマルチフレーム実例、叙述を備えたアニメーション、練られた例、推測による付加質問を使うこと。構成主義の革命は、活発的なセンスメーカとして学習者の新しいビジョンを提示し、実践活動および議論を強調する教育の新方式を示唆する。本に基づいた教育に主な役割を果たし続けるという事実からみると、教科書からの構成主義学習を促進する方法を調査することは有用である。本章は、このゴールを遂行する方法のビジョンを提示した。
    ■関連リンク集■

     
    関連Webページ
    親ページ
    構成主義学習モデル NATURE



    ←トップへ