跳到主要內容

[批判思考]問問題在學習、思考與教學所扮演的角色

一般而言,教師多認為答案與問題兩者是分離的,並且往往過分強調“範圍內容的重要性”而忽略了“深度思考”。 事實上,這樣的問題,埋在既定的指示的事實,所有的斷言--所有陳述這是什麼、那個是這樣--是隱式的答案,問題是幾乎從來不承認。 例如,水沸點是100攝氏度。這句話是回答:“在什麼溫度攝氏沒有水燒開?”。 

因此,每個直述語句就是一個問題的答案。 因此,每本教科書當中的直述語句皆可以改寫為疑問句模式,這是將每個直述語句轉換為問題模式。 據我所知,這歷來沒有人做過此事。 在教學和教師的誤解有關意義的問題在學習的過程當中,它沒有被證明的特權地位問題的答案了。 大多數問題埋沒在模糊的答案當中。

思考由問題決定

決定思考的因素不是答案,而是問題。 若沒有誘發出人們詢問問題,那麼在既有基礎上(例如,物理或生物)就不會有如今的巨大發展。進一步地,每個學科與學門能夠繼續存活下去的原因就是產生新的問題與嚴謹地聚集或蒐集一系列的思考過程。人必須要思考或重新思考所有事物方能激發我們的思想。 

問題明確任務,明確問題和界定問題。 換言之,答案往往為思考畫下句號。 只有利用答案繼續產生進一步的問題才能讓思考(思維)繼續存活。 這就是為什麼只有當學生在腦袋當中出現問題,才是真正的思想和學習。

我們可以透過要求學生列出對應學科之所有問題,甚至利用第一次陳列的問題再持續陳列延伸出來的問題。 教師並不應該要求學生列出問題後,解釋其意義,再次證明了教師給予對應的答案之特權地位。 也就是說,這樣的行為是提出問題只拿到思想停止的答案,不產生進一步的問題。

讓學生記住無止盡的內容 

飼養學生無盡的內容記(即陳述句記住)類似於反复踩著剎車在車輛,不幸的是,已經在休息。 相反,學生需要的問題,打開他們的智力引擎,他們需要產生的問題,從我們的問題得到他們的思維去的地方。 思考是沒有用的,除非它去的地方,並再次,問題的提出在我們的思維去判斷。 

深層問題,推動我們的思想下的表面的東西,迫使我們處理的複雜性。

問題的目的,迫使我們定義我們的任務。
問題的信息迫使我們看看我們的信息來源,以及在我們的信息的質量。 
問題的解釋迫使我們審視我們如何組織或給予意義的信息。
問題的假設,迫使我們審視我們正在採取理所當然的。
問題的影響迫使我們按照我們的想法是在什麼地方去。
問題的觀點迫使我們審視我們的觀點,並考慮其他相關的觀點。 

相關問題迫使我們歧視是什麼,什麼不緊的問題上。 問題迫使我們準確評估和檢驗真理和正確性。

問題的精密迫使我們提供詳細資料和具體化。 一致性問題迫使我們審視我們的思想的矛盾。
問題的邏輯迫使我們要考慮如何把我們的整個思想整合起來,使得這一切具有一定的合理性。

死的問題反映死頭腦

不幸的是,大多數學生問幾乎沒有想到這些刺激類型的問題。 他們往往堅持到死的問題,如“這將是考不考?”的問題,這意味著慾望不去想。 大部分教師又不是自己的發電機的問題和答案本身,也就是說,沒有認真地思考,通過反思或通過自己的科目。 相反,它們是傳播者的問題和答案的人-通常是那些一本教科書。 

我們必須不斷提醒自己,思想開始對一些內容只有當問題產生的教師和學生。 不等於沒有問題的認識。 淺表的問題等於膚淺的認識。 大多數學生一般沒有問題。 他們不僅坐在沉默,他們心中都沉默也是如此。 因此,確實有問題,他們往往是膚淺和虐待的情況。 這表明,大部分時間他們都沒有想到他們是通過內容推定為學習。 這表明,大部分時間他們沒有學習的內容,他們被假定為學習。

如果我們要思考我們必須刺激它的問題,引導學生進一步的問題。 我們必須克服以往教育做了什麼給學生的思維。 我們必須頭腦的復甦在很大程度上是死的,當我們接收他們。 我們必須給我們的學生可以被稱為“人造思維”(智力相當於人工呼吸)。 {批判性思維手冊: 基礎理論和教學結構 } 原文出處:http://www.criticalthinking.org/resources/assessment/index.cfm

這個網誌中的熱門文章

Durbin-Watson檢定與LM檢定的存在意義

每一本統計學、計量經濟學、時間序列分析、迴歸分析、市場預測的書籍都會提到資料自我相關問題。為了找到資料的自我相關性,有的學者從樣本相關係數出發進行資料的假設檢定,有的學者則是創造與樣本相關係數很相近的數學公式進行資料的假設檢定,其中,最知名的便是Durbin-Watson檢定與LM檢定(Breusch–Godfrey)。兩個檢定公式的出發點都是一樣的,那就是從迴歸分析的殘差出發。

Durbin-Watson檢定公式

LM檢定公式
從資料角度去看,無庸置疑的是資料的數值都是已知的,我們使用迴歸分析來瞭解資料間的因果關係。換言之,此時,解釋變數與被解釋變數之間是樣本條件關係。然而,我們卻遺忘了一件事情,那就是資料也是可以形成分配的,那就是抽樣分配。
既然資料可形成抽樣分配,這意味著解釋變數與被解釋變數都是抽樣分配,需要以分配的概念去解讀。於是,在統計學內就明確寫著: 每個樣本服從母體分配樣本的變異數一樣都是母體變異數樣本之間是無線性相關
同樣在迴歸分析的解釋變數、被解釋變數與誤差都有各自的母體分配,並且滿足上面的三個條件。同時解釋變數與被解釋變數之間可以是聯合關係,也可以是條件關係。
進一步推導所得到的係數、殘差、甚至是殘差的數學組合、變異數分析表內的SSR、SSE、MSR、MSE、自我相關係數都是抽樣分配。
請注意,這些都是隨機變數或隨機變數的數學組合,所以都是抽樣分配(只討論一個數字,不是分配)。當樣本數夠大時,才能夠代表母體分配(樣本要多大,沒人知道)。
所以要使用公式前,問問: 你確定資料的抽樣分配了嗎?你確定資料的抽樣分配轉換過程了嗎?(是數值的亂數表,不是機率生成的亂數表)隨機變數的數學組合之間有沒有成為函數關係?(例如自我相關係數與MSE)
當我們確定每一個轉換步驟狀況後,就可以觀察到解釋變數數值、解釋變數個數、誤差母體分配、樣本數、殘差限制對Durbin-Watson檢定與LM檢定的抽樣分配變化。
確實,Durbin-Watson檢定適合所有樣本大小,但是Durbin-Watson檢定的決策規則本身有問題,不符合統計公式的原則,那就是灰色地帶判定給虛無假設,因此只有虛無與對立假設的二分法,以及分配的臨界值只會有一個數字,而不會有所謂的上下界。除非沒有控制住解釋變數數值與殘差限制影響,才會讓這兩個影響融入分配當中,造成臨界值的不確定,產生了帶狀區間。
Dur…

經濟學的基礎 - 經濟循環圖概說

無論是基礎的經濟學、個體經濟學或總體經濟學,在前言總是會提到循環圖來讓學習者了解他們位在哪個地方。有趣的是循環圖總是無法全面性地展顯出來,甚至指引學習者知道他們該怎麼使用經濟循環圖。

Parkin在他所論著的經濟學教科書中,就將整個經濟循環圖展現出來。


就像是線上遊戲一般,初心者進入遊戲前總會來段開場動畫,告訴初心者所在的情境是怎樣。同樣地,完整的經濟循環圖內會包含四名角色、四個市場與金流方向。

四名角色:家計單位、廠商、政府與國外部門

如果沒有國外部門的話,那麼經濟循環圖就是封閉體系,如同清朝鎖國時期。
如果有國外部門的話,那麼經濟循環圖就是開放體系,如同台灣從早年至今的情況。

在圖上,四名角色可以在四個地方活動,也就是市場(Market)。

四個市場:勞動市場、商品市場、金融市場、外匯市場

在這邊的勞動市場只是要素市場當中的一種要素。
因為勞動的數量就為龐大,所以我在這邊將勞動市場指稱為要素市場的代表。

四種要素:勞動、資本、土地、企業家精神
四種報酬:工資、利息、地租、利潤

整個經濟循環圖,其實就是在講總體經濟的範圍。






學習經濟學的入門經驗

過去看過的經濟學教科書多是使用圖解、數學式來證實經濟學觀念的正確性,同時也讓學習者了解經濟學觀念的實用性。我常想如果能夠搭配電腦使用,達到經濟學觀念的實作演練,那不知該有多好?!

其實國外也有類似的教科書,只是深入一看,也都是根據經濟學的章節來撰寫內容。於是,我又想如果可以從本質著手,配合真實狀況,會不會更能夠將經濟學觀念的基礎說明得更加透徹?

經濟學最常見的區分方式就是個體經濟學(Microeconomics)與總體經濟學(Macroeconomics)。

所謂個體或總體,其實是從討論的對象(或角色)不同範疇而有所區隔。

個體經濟學是討論消費者(或生產者、政府)的經濟行為,而總體經濟學則是討論較大範疇,如國家、區域或全球的整合性經濟行為。於是,兩者的代表性指標就有所不同。


雖然個體經濟學與總體經濟學有所差異,但是,個體經濟學還是總體經濟學的基礎,所以,在新古典理論,常會提到個體基礎下的總體分析方法。

無論是先從總體的角度學習經濟學,或是先從個體角度學習經濟學,都是合宜且適用的。原因在於你選擇想先「見樹」再「見林」,還是先「見林」再「見樹」。

如果你選擇先「見樹」再「見林」,未免有以管窺天之虞,容易產生合成謬誤。如果選擇先「見林」再「見樹」,又難免犯了分割謬誤。

如此說來,好像怎樣做都不合適。那麼在這邊給初學者一個小小的建議,那就是投資理財上的一個觀念:

先見全盤(大盤走勢),然後觀看類股走勢,從強勢的類股中挑選一支值得你投資的股票。

或者是當你開車去某目的地前,先看看地圖,如同俯視一般了解大致的路況後,再上路,總比到了當地,在巷弄之間如無頭蒼蠅穿梭其中還來得好吧。

想避開分割謬誤,則可以如此思考:

並非一個類股下的所有股票都是強勢,開紅。

因此,當你了解整個經濟狀況後,再深入去看個體的經濟行為時,總是比較能夠抓出系統性的相同因素,剩下的就是個體自己的特殊因素在影響其決策了。