情景评价测验中的问题解决策略探究

以往有关情景评价测验的研究中，往往忽视被试在解答情景评价测验试题时的过程，对于测验过程的忽视会弱化我们对情景评价测验特征及其效度来源的认识。Simon，Newell，Shaw等（1958，1972）对于人类问题解决研究，为理解情景判断评价测验过程提供了较好的研究基础。

Simon等（1978）认为，当个体面临一项任务，但又不知道如何去完成时，就面临了一个问题，问题解决就是使面临的问题得到解决的认知过程。情景评价测验由一系列实际管理工作中可能会遇到的问题组成，需要个体通过应用自身的知识、经验等作出评价和判断，最后形成问题的解（朱新明、李亦菲，2000）。

Simon，Newell等通过口语报告分析方法，对个体在解决河内塔问题、国际象棋问题以及中国结问题时的认知加工过程（Shaw，Simon，1958；Newell，Simon，1972；Kotovsky，Hayes，Simon，1985），提 出了问题解决的信息加工理论，极大的推动了20世纪认知科学、人工智能等领域的研究。在《人类问题解决》一书中，Newell，Simon（1972）把个体的问题解决者与任务环境相互作用的过程，首先是对问题进行知觉和表征，形成问题空间，然后在问题空间中解决问题。在口语报告研究的基础上，提出了人类问题解决信息加工理论的一些原则：

（1）人类在问题解决过程中，有一些不依赖于任务特征的少数不变特征（Invariants），同时，人类行为也具有自适应的特点，能够根据不同任务要求建立相应的行为模式（Newell，Simon，1972；Simon，1990）；

（2）个体所面临的任务环境结构决定着问题空间的结构和大小；(www.xing528.com)

（3）问题空间的结构又决定着个体在问题解决中可能采取的方法和策略（Newell，Simon，1972）。

在大量人类问题解决过程研究基础上，Simon，et al（1972）指出个体问题解决方法可以分为两大类：算法和启发式方法。算法主要表现为假设——检验法，这种方法效率较低，是新手在问题解决过程中较多采用的方式；启发式方法则是利用一些经验性信息来帮助问题解决的方法，这种方法效率高、速度快，是专家解决问题的主要方式，其中常用的启发式方法策略包括启发式搜索和手段目的分析法等，启发式搜索的特点在于利用一些特定领域的范例和经验来帮助问题解决。在表述人类问题解决过程时，Newell，Simon将产生式（Production）作为描述问题解决中信息加工的形式化语言，并对知识丰富领域专家和新手在解决问题过程中的差异进行了深入研究，并提出了专家与新手在解决问题过程中的一些差异，其中非常重要的一点是专家更多的利用经验来帮助解决问题，往往采用启发式方法，很多时候表现为直觉的特点；而新手更多的依赖于假设检验方法来解决问题。

Newell，Simon（1972）的个体问题解决研究为理解情景评价测验内部过程提供很好的理论和研究支持。本研究认为不同类型的情景评价测验提供了不同的任务类型，因而会形成不同的问题解决策略。应用问题解决研究作为情景评价测验过程研究的基础，可以让我们初步探讨情景评价测验的内部过程。