一起教授技术（2019）

我的母亲多丽丝·威尔逊 (Doris Wilson) 教会了数百名儿童阅读和相信自己。还有我弟弟杰夫，他没能活着看到它完成。 “记住，你面前还有很多美好的时光。”本书销售所得的所有版税都捐给了 Carpentries，这是一个向全球研究人员教授基础编码和数据科学技能的志愿者组织。 ……每节课对老师来说太短，对学习者来说太长……草根团体在世界各地涌现，向自由范围的学习者教授编程、网页设计、机器人技术和其他技能。这些团体的存在是为了让人们不必自己学习这些东西，但具有讽刺意味的是，他们的创始人和老师经常自学如何教学。有更好的方法。正如了解有关细菌和营养的一些基本事实可以帮助您保持健康一样，了解一些有关认知心理学、教学设计、包容性和社区组织的知识可以帮助您成为一名更有效的教师。本书介绍了您现在可以使用的关键思想，解释了为什么我们相信它们是正确的，并为您指出其他有助于您走得更远的资源。本书的部分内容最初是为 Software Carpentry 讲师培训计划而创建的，并且所有内容都可以在知识共享署名-非商业性使用 4.0 许可（附录 16）下免费分发和重复使用。您可以在任何课程（免费或付费）中使用 http://teachtogether.tech/ 上的在线版本，并且可以根据合理使用条款引用简短的摘录，但未经事先许可，不得在商业作品中重新发布大部分内容。

欢迎贡献、更正和建议，每次发布新版本时都会感谢所有贡献者。详情请参阅附录 18，我们的行为准则请参阅附录 17。第 6.1 节解释了如何确定您的学习者是谁。本书面向的四位教师都是最终用户：教学不是他们的主要职业，他们几乎没有或根本没有教育学背景，并且可能在机构课堂之外工作。接受过图书管理员培训，现在在一家小型咨询公司担任网页设计师和项目经理。在业余时间，她帮助为进入科技行业作为第二职业的女性开设网页设计课程。她现在正在招募同事在她所在的地区开设更多课程，并想知道如何制作其他人可以使用的课程并发展一个志愿教学组织。是一名专业程序员，有两个十几岁的孩子，他们的学校不提供编程课程。他自愿每月经营一个课后编程俱乐部，虽然他经常向同事做演讲，但他没有课堂经验。他想学习如何在合理的时间内建立有效的课程，并想更多地了解自定进度在线课程的利弊。是机器人专业的本科生，她正在考虑毕业后成为一名教师。她想在周末的机器人研讨会上为她的同龄人提供帮助，但之前从未教过一门课，感觉很多冒名顶替综合症。她想更多地了解一般教育，以确定它是否适合她，并且还在寻找具体的技巧来帮助她更有效地授课。是计算机科学教授。他们教授关于操作系统的本科课程已经六年了，并且越来越相信必须有更好的方法。他们大学的教学中心提供的唯一培训是在在线学习管理系统中发布作业和提交成绩，因此他们想了解他们还应该要求什么。这些人具有各种技术背景和一些以前的教学经验，但没有在教学、课程设计或社区组织方面接受过正规培训。大多数与自由放养的学习者一起工作，并且专注于青少年和成人而不是儿童；所有人的时间和资源都有限。我们希望我们的四重奏使用这种材料如下：

将在为期一天的周末研讨会中介绍本书的一部分，并自行学习其余部分。将在一个学期的本科课程中使用这本书，包括作业、项目和期末考试。将在办公室或通勤时自己阅读这本书，一直希望大学为支持高质量教学做更多的工作。如果您赶时间或想了解本书将涵盖的内容，[ Brow2018] 提供了十个基于证据的计算教学技巧。您可能还会喜欢：[Lang2016] 和 [Hust2012]，它们简短易懂，将您现在可以做的事情与支持它们的研究联系起来。 [Berg2012, Lemo2014, Majo2015, Broo2016, Rice2018, Wein2018b] 都对你可以在课堂上做的事情提出了实用的建议，但一旦你有了一个框架来理解他们的想法为什么有效，可能会更有意义。 [DeBr2015]，它通过解释什么不是教育来解释教育的真相，以及 [Dida2016]，它是认知心理学中学习理论的基础。

[Pape1993]，这仍然是一个关于计算机如何改变教育的鼓舞人心的愿景。 Amy Ko 出色的描述在总结 Papert 的想法方面做得比我所能做的更好，[ Craw2010] 是两者的发人深省的伴侣。 [ Gree2014, McMi2017, Watt2014] 解释了为什么在过去四十年中如此多的教育改革尝试都失败了，营利性大学如何利用和加剧我们社会中日益严重的不平等，以及技术如何一再未能彻底改变教育。 [ Brow2007] 和 [Mann2015]，因为不改变我们的教学体系，你不能教好，你不能自己做。那些想要更多学术资料的人也可能会发现 [Guzd2015a, Hazz2014, Sent2018, Finc2019, Hpl2018] 很有收获，而 Mark Guzdial 的博客一直是信息丰富且发人深省的。如果没有 Laura Acion、Jorge Aranda、Mara Averick、Erin Becker、Yanina Bellini Saibene、Azalee Bostroem、Hugo Bowne-Anderson、Neil Brown、Gerard Capes、Francis Castro、Daniel Chen、Dav Clark、Warren Code 的贡献，这本书就不会存在, 本·科顿, 里奇·科顿, 凯伦·克兰斯顿, 凯蒂·坎宁安, 娜塔莎·达纳斯, 马特·戴维斯, 尼尔·戴维斯, 马克·德加尼, 蒂姆·丹尼斯, 保罗·丹尼, 迈克尔·多伊奇, 布赖恩·迪林厄姆, 格雷·德雷克, 凯西·菲斯勒, 德娜·福特, 奥里尔·福尼尔, 鲍勃弗里曼、内森·加勒特、马克·古兹迪亚、雷娜·哈里斯、艾哈迈德·哈桑、伊恩·霍克、费利安·赫尔曼斯、凯特·赫特维克、托比·霍奇斯、罗尔·霍格沃斯特、迈克·霍耶、丹·卡茨、克里斯蒂娜·科赫、施瑞拉姆·克里希那穆提、卡特琳·莱因韦伯、科琳·刘易斯、戴夫·洛伊尔、 Paweł Marczewski、Lenny Markus、Sue McClatchy、Jessica McKellar、Ian Milligan、Julie Moronuki、Lex Nederbragt、Aleksandra Nenadic、Jeramia Ory、Joel Ostblom、Elizabeth Patitsas、Aleksandra Pawlik、Sorawee Porncharoenwase、Emily Porta Price、Thomas Quandle客栈、伊恩·拉格斯代尔、艾琳·罗宾逊、罗萨里奥·罗宾逊、阿里尔·罗克姆、帕特·施洛斯、马尔维卡·夏兰、弗洛里安·什库蒂、丹·舒勒、尤哈·索尔瓦、伊戈尔·斯坦马赫、特雷西·蒂尔、蒂芙尼·木材、理查德·汤姆塞特、普雷斯顿·汤内尔·威尔逊、马特·特威克、菲奥娜·特迪, Martin Ukrop, Anelda van der Walt, Stéfan van der Walt, Allegra Via, Petr Viktorin, Belinda Weaver, Hadley Wickham, Jason Williams, Simon Willison, Karen Word, John Wrenn, and Andromeda Yelton。我还要感谢 Lukas Blakk 的徽标、Shashi Kumar 的 LaTeX 帮助、Markku Rontu 使图表看起来更好，以及多年来使用这种材料的每个人。剩下的任何错误都是我的。每一章都以各种练习结束，其中包括建议的格式以及他们通常需要多长时间亲自完成。大多数都可以以其他形式使用——特别是，如果你自己阅读这本书，你仍然可以做许多针对小组的练习——而且你总是可以花比建议的更多的时间。如果您在教师培训研讨会上使用这些材料，您可以提前一两天向参与者提供以下练习，以了解他们是谁以及如何最好地帮助他们。在执行此操作之前，请阅读第 9.4 节中的警告。

写下对以下问题的简要回答并与您的同行分享。 （如果您按照第 9.7 节所述在网上一起做笔记，请将您的答案放在那里。）您参加过的最好的课程或研讨会是什么？是什么让它这么好？与您的同行分享以下问题的简要答案。记录你的答案，以便你在阅读本书的其余部分时可以参考它们。政治家、商界领袖和教育家经常说人们应该学习编程，因为未来的工作需要它。然而，正如 Benjamin Doxtdator 所指出的那样，其中许多主张都是建立在不稳定的基础之上的。即使它们是真的，教育也不应该让人们为未来的工作做好准备：它应该赋予他们决定有什么样的工作并确保这些工作值得做的权力。正如 Mark Guzdial 指出的那样，学习如何编程实际上有很多原因：绘制一个 3 × 3 的网格，其轴标记为“低”、“中”和“高”，并根据如何将每个原因放在一个扇区中它对您（X 轴）和您计划教的人（Y 轴）很重要。教学的首要任务是弄清楚你的学习者是谁。我们的方法基于 Patricia Benner 等研究人员的工作，她研究了护士如何从新手到专家 [Benn2000]。 Benner 确定了大多数人以相当一致的方式经历的认知发展的五个阶段。出于我们的目的，我们将把这个过程简化为三个阶段：不知道他们不知道什么，即他们还没有问题域的可用心智模型。

有一个足以满足日常目的的心智模型。他们可以在正常情况下以正常的努力完成正常的任务，并且对自己知识的局限性有一定的了解（即他们知道自己不知道的东西）。拥有包含例外和特殊情况的心智模型，这使他们能够处理不寻常的情况。我们将在第 3 章更详细地讨论专业知识。那么什么是心智模型？顾名思义，它是某些问题域中最重要部分的简化表示，足以解决问题。一个例子是高中化学中使用的分子的球弹簧模型。原子实际上不是球，它们的键实际上也不是弹簧，但该模型使人们能够推理化合物及其反应。一个更复杂的原子模型有一个小的中心球（原子核），周围环绕着轨道电子。这也是错误的，但额外的复杂性使人们能够解释更多并解决更多问题。 （就像软件一样，心智模型永远不会完成：它们只是被使用过。）向新手展示一堆事实会适得其反，因为他们还没有一个模型来适应这些事实。事实上，过早呈现太多事实实际上会强化他们拼凑在一起的错误心理模型。正如 [Mull2007a] 在一项针对理科学生的视频教学研究中所观察到的：学生在观看视频之前已经有了关于……现象的想法。如果视频以清晰、图文并茂的方式呈现……概念，学生相信他们正在学习，但他们没有在足够深的层面上与媒体接触，无法意识到所呈现的内容与他们先前的知识不同……然而，希望是存在的。在视频中展示学生常见的误解以及……概念已被证明可以通过增加学生在观看视频时花费的心理努力来提高学习效果。因此，您在教授新手时的目标应该是帮助他们构建一个心智模型，以便他们有地方可以放置事实。例如，Software Carpentry 的 Unix shell 课程在三个小时内介绍了 15 个命令。这是每 12 分钟执行一个命令，这似乎非常缓慢，直到您意识到本课的真正目的不是教授这 15 个命令：它是教授路径、历史记录、制表符补全、通配符、管道、命令行参数和重定向。在新手理解这些概念之前，特定的命令没有意义；一旦他们这样做了，他们就可以开始阅读手册页，在网络上搜索正确的关键字，并判断他们的搜索结果是否有用。新手和有能力的从业者之间的认知差异导致了两种教材之间的差异。一个教程帮助一个领域的新手建立一个心智模型；另一方面，手册帮助有能力的从业者填补他们的知识空白。教程让有能力的从业者感到沮丧，因为他们动作太慢并且说的东西很明显（尽管它们对新手来说并不明显）。同样，手册使新手感到沮丧，因为它们使用行话并且不解释事物。这种现象被称为专业知识逆转效应 [Kaly2003]，这也是你必须尽早决定你的课程是谁的原因之一。

Unix 和 C 流行的原因之一是 [Kern1978, Kern1983, Kern1988] 不知何故设法同时成为好的教程和好的手册。 [ Fehi2008] 和 [ Ray2014] 是为数不多的实现这一目标的其他计算书籍；即使重读了好几遍，我也不知道他们是怎么做到的。马克吐温曾经写道：“让你陷入困境的并不是你不知道的东西。这是你肯定知道的，但事实并非如此。”因此，建立心智模型的练习之一就是清除不属于自己的东西。从广义上讲，新手的误解分为三类：比如认为温哥华是不列颠哥伦比亚省的首府（它是维多利亚）。这些通常很容易纠正。就像相信运动和加速度必须在同一方向一样。我们可以通过让新手通过示例给出错误答案的例子来解决这些问题。例如“世界只有几千年的历史”或“有些人天生就比其他人更擅长编程”[Guzd2015b，Pati2016]。这些错误往往与学习者的社会身份有着密切的联系，因此他们抵制证据并将矛盾合理化。当教师在讲授课程时识别并清除学习者的误解时，人们学得最快。这被称为形成性评估，因为它在教学进行的同时形成（或塑造）了教学。学习者没有通过或未通过形成性评估；相反，它为教师和学习者提供了关于他们做得如何以及接下来应该关注什么的反馈。例如，音乐老师可能会要求学习者非常缓慢地弹奏音阶以检查他们的呼吸。学习者会发现他们的呼吸是否正确，而老师会得到关于他们刚刚给出的解释是否有意义的反馈。形成性评估的对应点是总结性评估，它在课程结束时进行。总结性评估就像驾驶测试：它告诉学习者他们是否已经掌握了主题以及老师他们的课程是否成功。考虑差异的一种方式是，厨师在烹饪食物时品尝食物是形成性评估，但客人一旦品尝到食物，则是总结性评估。

不幸的是，学校已经让大多数人相信所有的评估都是总结性的，也就是说，如果某件事感觉像是考试，那么做不好就会对你不利。让形成性评估感觉非正式有助于减少这种焦虑；根据我的经验，使用在线测验、答题器或其他任何东西似乎都会增加这种情况，因为当今大多数人认为他们在网络上所做的任何事情都会被观看和记录。为了在教学中发挥作用，形成性评估必须快速进行（以免打乱课程流程）并有明确的正确答案（以便可以与小组一起使用）。最广泛使用的形成性评估可能是多项选择题 (MCQ)。很多老师对它们的评价很低，但是当它们设计好时，它们可以揭示的不仅仅是某人是否知道具体事实。例如，假设您正在教孩子们如何进行多位数加法 [Ojos2015]，并且您给了他们这个 MCQ：如果孩子选择 42，她不理解“携带”是什么意思。 （她很可能写出 12 作为 7+5 的答案，然后用她从 3+1 得到的 4 覆盖 1。）如果她选择 412，她将每一列数字视为一个单独的问题。这仍然是错误的，但由于不同的原因而错误。如果她选择 43，那么她知道她必须携带 1 但将它携带回它来自的列。同样，这是一个不同的错误，需要老师进行不同的澄清解释。这些不正确的答案中的每一个都是具有诊断能力的似是而非的干扰因素。干扰项是错误的或不太好的答案； “似是而非”意味着它看起来可能是正确的，而“诊断能力”意味着每个干扰项都可以帮助教师找出在该特定学习者旁边要解释的内容。对形成性评估的反应的传播指导您下一步做什么。如果全班有足够多的人答对了，你就继续。如果班上的大多数人选择了相同的错误答案，你应该回去努力纠正干扰者所指向的误解。如果他们的答案在几个选项之间平均分配，他们可能只是在猜测，所以你应该备份并以不同的方式重新解释这个想法。 （重复完全相同的解释可能没有用，这是使如此多的视频课程在教学上无效的原因之一。）

如果大多数班级投票支持正确答案，而少数人投票支持错误答案怎么办？在这种情况下，您必须决定是否应该花时间让少数人参与进来，还是让大多数人参与更重要。无论你工作多么努力，或者你使用什么样的教学方法，你都不可能总是给每个人他们需要的东西；作为老师，您有责任做出决定。为了找出合理的干扰因素，请考虑您上次教授该主题时您的学习者提出的问题或他们遇到的问题。如果你以前没有教过它，想想你自己的误解，问问同事们的经历，或者看看你所在领域的历史：如果五十年前每个人都以某种方式误解了你的主题，很可能你的很多人今天的学习者仍然会误解它。您还可以在课堂上提出开放式问题，以收集对稍后课程中要涵盖的材料的误解，或者查看 Quora 或 Stack Overflow 等问答网站，看看人们在其他地方学习该主题的哪些方面会感到困惑。发展形成性评估可以让您的课程更好，因为它迫使您考虑学习者的心理模型。根据我的经验，一旦我这样做，我就会自动编写课程以涵盖最可能的差距和错误。因此，即使不使用形成性评估也能带来回报（尽管如果使用，教学会更有效）。 MCQ 并不是唯一一种形成性评估：第 12 章描述了其他类型的快速且明确的练习。无论你选择什么，你都应该每 10 到 15 分钟做一两分钟的事情，以确保你的学习者真正在学习。这种节奏不是基于内在的注意力限制：[ Wils2007] 发现......