【摘要】：本书综合了学习的科学基础。反映学术水平的这些关键特征并非是对人类认知和学习的深挖细究。随着学习研究的不断深入，出现了一些新的研究步骤和研究方法，这可能会动摇目前的学习理论观点，例如计算建模研究。这个研究被用来设计明确的计算模型，修改和扩展基本原理，并且通过行为实验、计算机模拟、功能性的大脑成像和数学分析将这个模型应用于大量的研究问题。
本书综合了学习的科学基础。科学成果包括对如下要点的更全面理解：（1）记忆和知识的结构；（2）问题解决和推理；（3）学习的早期基础；（4）对学习的调控过程，包括元认知；（5）如何从学习者的文化和所在群体中产生符号思维。
反映学术水平的这些关键特征并非是对人类认知和学习的深挖细究。人们所了解的对学习的某些方面起指导作用的原理并不能完全涵盖支配所有学习领域的所有原理。虽然科学基础本身不是肤浅的，但是它仅仅反映了人们对该学科的某个层面的完整理解。正如本书所反映的，我们仅仅对学习的某些方面进行了深入的研究，新出现的领域，如交互技术（Greenfield and Cocking，1996）是对以前研究的挑战性概括。(www.xing528.com)
随着学习研究的不断深入，出现了一些新的研究步骤和研究方法，这可能会动摇目前的学习理论观点，例如计算建模研究。科学研究涉及到学习、记忆、语言和认知方面的广义的认知和神经科学问题。例如，并行分布式处理研究（McClelland et al.，1995；Plaut et al.，1996；Munakata et al.，1997；McClelland and Chappell，1998）把学习看作是所有参与的神经元间通过连接的适应而发生的。这个研究被用来设计明确的计算模型，修改和扩展基本原理，并且通过行为实验、计算机模拟、功能性的大脑成像和数学分析将这个模型应用于大量的研究问题。因此，这些研究有利于改进理论和实践。新模型还包括了成人阶段的学习，为科学的知识基础增添了一个重要的维度。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
