学校和家庭拥有的ICT资源为学生ICT素养的提升提供了基本条件，通过前面的分析我们已经了解到，在不同国家或地区，学生在学校和家庭使用ICT资源的情况很不一样，那么作为学校学习最为重要的环节，教学中如何使用和融入ICT技术？教学中的ICT使用与学生使用ICT解决问题之间存在什么样的关系呢？这部分我们以PISA 2012对数学课上电脑使用情况的调查，以及它与学生基于计算机的学科问题解决能力和一般问题解决能力来进行分析。
5.3.2.1 ICT在数学教学中的使用
数学教学中学生在多大程度上能通过操作电脑来完成常见的数学活动？如表5-9所示，PISA 2012调查了7种常见的绘图、计算、数据处理等可以借助电脑进行的数学活动，并分别要求学生报告这些任务是由学生自己操作的，还是通过教师演示的。
表5-9 学生数学课使用电脑的情况
我们分别计算了在7种任务上由学生操作和教师演示的比例，如表5-9所示，在几乎所有任务上，上海学生操作完成的比例都非常低，除用电子表格输入数据的比例达5.3%以外，其余各项的比例均不足5%。但从OECD平均值而言，学生操作电脑完成上述数学任务的比例均超过10%，甚至接近20%。另一方面，上海由教师演示的比例都显著高于OECD相应的比例。在几乎所有任务上，上海教师演示的比例均超过20%，最高的超过40%，但从OECD平均值而言，教师演示的比例均低，介于10%～13%之间。
可以说在上海，与教师采用电脑演示的比例相比，由学生操作电脑完成数学任务的比例几乎可以忽略不计。但在OECD国家，学生操作的比例均大于教师演示的比例（见图5-7）。
图5-7 部分国家或地区数学课堂使用电脑的比例及差异状况
我们进一步比较了不同国家或地区数学课堂学生操作电脑完成数学任务和教师演示数学任务的比例。为了简化起见，我们将前述的7种任务进行了综合计算。
结果表明，上海、韩国、中国台湾是所有参与国家或地区中学生操作电脑完成课堂数学任务比例最低的，均不到10%，不及OECD平均水平的1/3。根据学生报告，上海数学教师进行课堂演示的比例是所有国家中最高的，达47.4%，是OECD平均水平的3倍多。上海也是教师演示比例超过学生操作比例且差异最大的地区，尽管中国香港、韩国、中国台湾教师演示也超过学生操作比例，但差异相对较少。相反，在绝大多数国家，学生自己操作电脑完成数学任务的比例均显著高于教师演示的比例，从OECD平均值而言，两者相差近14个点。
综合上述分析，我们可以发现，尽管上海数学课堂采用电脑进行数学教学的比例[16]达56.0%，超过OECD的平均水平，但也比韩国、中国台湾和日本相应比例高出很多。但在上海的数学课堂中，几乎都采用的是教师演示的方式，极少让学生操作完成。这与OECD国家中主要由学生操作，较少教师演示的方式正好相反。在东亚文化圈的国家或地区，新加坡和日本与上海正好相反，尤其是日本，尽管教师课堂演示的比例非常低，仅为4.3%，但学生操作的比例达到23.8%。这充分说明了在上海数学课堂，计算机目前仅仅是作为教师进行课堂演示的工具，还远未成为学生学习的工具。
5.3.2.2 学生问题解决能力与数学课使用电脑的关系
那么，教师教学中使用ICT技术是否能够促进学生的学科成绩，特别是基于计算机测试的学科能力和问题解决能力呢？
首先，我们采用回归分析[17]的方法比较数学课上学生操作电脑完成数学任务、教师演示操作完数学任务两类学生，与数学课上没有使用电脑的学生之间在基于计算机测试的数学成绩上的差异。结果表明，在几乎所有参与国家或地区，相对报告数学课上没有使用电脑的学生，报告数学课上学生操作以及报告教师演示的学生成绩均显著更低。图5-8列出了在任意一项上，部分国家三组学生成绩的差异情况。
图5-8 部分国家或地区数学可使用电脑的情况与相应的计算机数学成绩
在选定的国家或地区中，报告数学课堂上“学生操作”的学生基于计算机的数学成绩均显著低于报告“没有”的学生成绩，或二者之间没有区别。上海相应的成绩差异达22分，中国香港、新加坡的成绩差异分别达到27分和31分。
除包括新加坡和德国在内的个别国家或地区外，报告数学课堂“教师演示”的学生数学成绩也与报告“没有”的学生持平或更低。在上海、中国香港、中国澳门和韩国，两组学生之间的成绩差异不显著，中国台湾、日本报告“教师演示”的学生成绩显著低于报告“没有”的学生。只有新加坡恰好相反，报告数学课堂有“教师演示”的学生比报告课堂“没有”的学生成绩高10分，差异显著。
为了更清晰地描述数学课上使用电脑的情况与学生基于计算机的数学成绩之间的关系，我们采用“数学课使用电脑”指数与学生基于计算机的数学成绩进行回归分析。“数学课使用电脑”指数综合了上述7项的学生回答，通过该指数可以描述描述各国数学课堂使用电脑的情况。
在第一个模型中，我们仅考虑了“数学课使用电脑”指数这一自变量，结果表明，在丹麦以外的其他所有国家或地区，学生“数学课使用电脑”指数均与学生基于计算机的数学成绩呈显著负相关或不相关。从OECD平均水平看，一个指数单位的变化对应学生基于计算机数学成绩降低11.3分，上海的成绩变化也类似，为-11.5分。
由于学校的ICT状况可能受到学生和学校的社会经济背景（ESCS）的影响，在第二个模型中我们控制了学生的ESCS水平和学校平均的ESCS水平，结果表明，指数与学生基于计算机的数学成绩之间仍呈现出显著的负相关，且指数与考虑ESCS水平之前的变化并不大。从OECD平均值而言，考虑ESCS水平之后，“数学课使用电脑”指数变化提高一个单位，学生基于计算机的数学成绩降低10分，上海相应的分数降低11分。在所有国家或地区中，只有丹麦指数和成绩之间呈显著正相关，在比利时、德国和西班牙，两者相关不显著。
可见，数学课使用电脑在几乎所有国家或地区都呈现出非常一致的特征，即对数学成绩有显著的消极影响，并且这种影响很少受到学生和学校社会经济背景的影响（见表5-10）。
那么，数学课中使用电脑与学生一般问题解决之间存在什么样的关系呢？我们仍然采用上述分析的方法，建立了两个模型。结果表明，当不考虑ESCS时，几乎所有国家“数学课使用电脑”指数与学生一般问题解决能力之间也普遍呈现出显著的负相关，也就是说数学课堂使用电脑越多，学生一般问题解决能力水平越低（见表5-11）。从OECD平均值看，指数增加一个单位，学生一般问题解决能力成绩降低15.6分，上海相应的成绩变化也达8.7分。在考虑ESCS水平之后，回归系数的变化非常小。从OECD平均值看，回归系数为-14.2，上海为-8.4。可见，数学课堂使用电脑与学生一般问题解决之间的关系较少受到学生和学校社会经济背景的影响。
表5-10 部分国家或地区数学课使用电脑情况与计算机数学成绩的关系
① 回归模型的因变量为学生一般问题解决成绩，自变量为“数学课ICT应用”指数。
② 在模型1的基础上，控制了学生ESCS水平和学校平均ESCS水平。
表5-11 部分国家或地区数学可使用电脑情况与一般问题解决成绩的关系
③ 回归模型的因变量为学生一般问题解决成绩，自变量为“数学课ICT应用”指数。
④ 在模型1的基础上，控制了学生ESCS水平和学校平均ESCS水平。
（续表）(www.xing528.com)
综合上述分析，我们发现，数学课堂教学使用电脑的教学方法与学生数学素养、一般问题解决能力都呈现出显著的负相关关系，也就是说，课堂教学的ICT使用对数学学习和问题解决能力有负面影响。这与我们通常的理解非常不一致。那么是什么原因导致了这种负相关？是由于电脑的使用替代了本该学生动手操作的内容不利于学生掌握基本的数学技能？抑或电脑的使用分散了学生的注意力？还是说电脑使得学生更依赖于电脑的运算和处理，而忽视了数学知识的深度理解和加工？在这方面，仍需要更深入的研究。
5.3.2.3 学生为完成学校工作而使用ICT
越来越多的学校意识到ICT对学生学习和未来工作的重要性，不断将ICT技术融入学校的各项工作中，除了在教学中鼓励教师使用ICT和新技术，也鼓励学生利用计算机和网络进行自主学习，并逐步将原本需要课堂上完成的一些学习任务分散到课堂之外的时间中。
基于这种学习方式的转变，有效利用ICT技术完成学校的工作就成为学生学习生活的重要组成部分。那么，在不同国家和地区，学生为了完成学校工作使用ICT的比例有多大？这种方法与学生的学习和问题解决之间存在什么样的关系呢？
PISA 2012分别调查了学生在家使用电脑完成学校相关任务的频率和学生在学校使用电脑完成各项活动的频率，要求学生根据自己的实际情况选择从“从不或几乎从不”到“每天”的五种频率。我们列出了学生上海和OECD学生在家使用电脑完成学校相关各项任务的比例，以及频率不同的学生在一般问题解决上的平均成绩（见表5-12）。
表5-12 学生在校外使用电脑的情况及一般问题解决能力成绩
结果表明，除了“下载、上传或浏览学校网站的材料”之外，上海学生在各项上选择“从不或几乎从不”的比例均显著高于OECD平均比例，尤其是在“用电脑写家庭作业”一项上，上海仅有35.2%的学生使用过，而OECD相应比例为85.0%，比上海高出50个百分点。在学生使用电子邮件方面，上海学生使用的比例也显著低于OECD平均水平，无论是与同学交流作业还是与教师交流或交作业，上海均比OECD平均水平低20多个百分点。相对而言，上海与OECD差异最小的是“为完成作业而浏览网页”一项。
比较不同组别学生的一般问题解决能力发现，学生并非使用电脑的频率越高，成绩越高。对上海学生而言，在大部分情况下，选择“每周一两次”的学生往往一般问题解决能力更强，在达到这一频率之前，随着电脑使用频率的增加，主要呈上升趋势；而在这一频率之后，随着使用频率增加，学生成绩迅速下降。唯一例外的是学生“为完成作业而浏览网页”一项，选择“几乎每天”都有的学生成绩最高，并且从没有这样做的学生问题解决能力最低（见图5-9）。尽管OECD平均水平的各类学生的成绩分布更趋平缓，但主要的趋势与上海类似。
图5-9 上海学生在校外使用电脑情况与一般问题解决能力的关系
非常有意思的是，在所有的国家或地区中，新加坡学生的成绩分布非常不同，如图5-10所示，除了在“下载、上传或浏览学校网站的材料”与“和其他同学分享学习资源”两项任务上，选择“每天”的学生成绩显著低于“几乎每天”的学生外，在其他5项任务上，新加坡学生一般问题解决能力都随着其电脑使用频率的提高持续上升。
图5-10 新加坡学生在校外使用电脑情况与一般问题解决能力的关系
并且新加坡学生在各项任务上使用电脑的比例均显著高于上海（见表5-13）。尤其是在“用电脑写家庭作业”和“用电子邮件和教师交流，或用它交家庭作业或其他学校作业”方面，新加坡学生使用的比例比上海分别高44.3和37.3个百分点。
为了更进一步比较各国学生为完成学校工作而使用ICT的情况与其一般问题解决能力之间的关系，我们采用回归分析的方法分析了PISA 2012“在家中使用ICT完成学校相关任务”指数（HOMSCH）与学生一般问题解决能力之间的关系。
表5-13 上海与新加坡学生在校外使用电脑的情况的比较
（续表）
如图5-11所示，在所有参加ICT熟悉度测评的国家或地区中，东亚文化圈国家或地区学生普遍较少在家庭使用ICT完成学校相关的任务。日本的指数值最低，比OECD平均低1个标准差，上海仅次于日本，为-0.6，韩国和中国台湾指数值也仅为-0.5。相对而言，中国澳门、中国香港、新加坡的学生使用ICT完成学校相关任务的比例较高。
图5-11 学生“家中使用ICT完成学校相关任务”指数均指
该指数与一般问题解决的能力的回归分析结果如图5-12所示，在不考虑学生和学校ESCS水平时，在大部分国家或地区，指数与学生一般问题解决能力之间呈显著正相关。就OECD平均水平而言，一个指数单位对应学生成绩4.3分的变化。在东亚文化圈的国家或地区，回归方程的系数均比较大，上海的回归系数最小，为10.1分；中国香港的回归系数最大，为16.2分。但在OECD国家，回归系数普遍比较小，并有不少国家回归系数不显著或呈现显著负相关。综合来看，方程对学生一般问题解决能力的解释率均不高，在上海仅为1.3%，新加坡为1.6%。这表明，在不考虑其他因素时，学生在家中使用ICT完成学校相关任务指数越大，其一般问题解决能力越强，但可能受到较强中介变量的影响。
图5-12 学生“家中使用ICT完成学校相关任务”与一般问题解决能力的关系
当控制了学生层面和学校层面的ESCS水平之后，我们发现，方程的回归系数在很多国家或地区都迅速下降。OECD平均水平而言，回归系数从4.3下降为-0.6，且不显著，在很多OECD国家，指数与一般问题解决能力之间的关系都变成显著负相关。但对东亚文化圈的国家或地区来说，仅有中国香港、韩国的回归系数人达到显著水平，在其他国家或地区，两者均不相关。
综合上述分析，我们可以说各国或地区的学生为完成学校工作而使用ICT的程度很不相同。首先，与OECD平均水平相比，上海学生很少使用ICT完成学校相关的任务，尤其是在使用电脑完成作业以及使用电子邮件与同学或教师交流方面。与上海不同，新加坡学生在家中使用ICT完成学校相关工作的比例较高。其次，对上海来说，适度采用ICT完成学校相关工作的学生问题解决能力更强，并且在大多数国家都是如此。最后，学生在家中使用ICT完成学校相关工作与其问题解决能力之间的关系很大程度上受学生和学校ESCS的影响。很显然，使用ICT技术完成学校相关工作对学生问题解决能力的影响作用比较复杂，并非简单的线性关系。
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。
