從認(rèn)知的角度談教育可視化

視覺賦能

從認(rèn)知的角度談教育可視化可視化是一種基于視覺認(rèn)知的思維系統(tǒng)大腦具有超強(qiáng)的物體和場(chǎng)景記憶能力！3記憶的路徑：超強(qiáng)記憶背后的大腦英國(guó)倫敦大學(xué)——神經(jīng)生物學(xué)家馬圭爾（Maguire）NatureNeuroscience,

2003,

6(1),90-95.4人腦具有很強(qiáng)的空間認(rèn)知能力5視覺是人類發(fā)展的重要基石?

幾億年演化為人類大腦中最復(fù)雜的系統(tǒng)?

大腦能夠在150微秒之內(nèi)區(qū)別非常復(fù)雜的圖像。基于fMRI重建人腦記憶影像看不見的大猩猩：六大錯(cuò)覺：注意錯(cuò)覺、記憶錯(cuò)覺、自信錯(cuò)覺、知識(shí)錯(cuò)覺、因果錯(cuò)覺以及潛能錯(cuò)覺?Viscog

Productions,

思維系統(tǒng)表達(dá)

(符號(hào))

+

操作規(guī)則邏輯計(jì)算數(shù)學(xué)語(yǔ)言可視化與形象思維（認(rèn)知）推理與統(tǒng)計(jì)面向某些任務(wù)，采用不同的思維系統(tǒng)，人類效率的差別可達(dá)到10倍乃至100倍數(shù)學(xué)數(shù)字的表達(dá)Norman

and

Zhang,Cognition,

1995數(shù)字的表達(dá):

4個(gè)層次外部和內(nèi)部的表達(dá)分布式認(rèn)知:

乘法使用阿拉伯計(jì)數(shù)系統(tǒng)的乘法運(yùn)算效率（心算與筆算）From“Introduction

to

Information

Visualization,”

Card,Schneiderman,

Mackinlay,

1999Long-hand

乘法可視阿拉伯計(jì)數(shù)>

阿拉伯計(jì)數(shù)

>

羅馬計(jì)數(shù)可視的阿拉伯?dāng)?shù)字系統(tǒng):

優(yōu)化的分布式認(rèn)知SeeingTheory/index.html#4thPage數(shù)據(jù)可視化?

創(chuàng)建并研究數(shù)據(jù)的視覺表達(dá)

(VisualRepresentation)?

輸入：數(shù)據(jù)

(data)?

輸出：視覺形式

(visual

form)?

目標(biāo)：深入理解

(insight)數(shù)據(jù)視覺形式深入理解可視化與視覺認(rèn)知

減少內(nèi)存負(fù)擔(dān)

記憶有限

將信息存在外部的圖表

減少搜索時(shí)間

潛意識(shí)（固定時(shí)間）的搜索過程

空間索引的模式存儲(chǔ)了“事實(shí)”和“規(guī)律”MalesUnder65

65orOverFemales65orOver

支持感知推理IncomeGroup0-$24,999Under65375250430200300550500

將推理轉(zhuǎn)換為模式搜索$25,000+700Why

isaDiagram

(Sometimes)Worth

10,000

WordsLarkinand

Simon,CognitiveScience,1987一圖勝千言

圖表表達(dá)與句型表達(dá)具有信息和計(jì)算上的等價(jià)性

[Simon

1978]圖像到文字的互相轉(zhuǎn)換一圖勝千言

圖表具有拓?fù)浜蛶缀蔚年P(guān)聯(lián)，將信息基于位置進(jìn)行索引，所見處即所得；一圖勝千言

句型表達(dá)具有時(shí)間或邏輯方面的序列，顯式地表達(dá)了單個(gè)元素。

句型表達(dá)假設(shè)每句話是串行陣列；而圖表表達(dá)有一個(gè)簡(jiǎn)潔的語(yǔ)義網(wǎng)絡(luò)，認(rèn)知時(shí)只需要在不同的節(jié)點(diǎn)間定位。重要人物的關(guān)系分析系統(tǒng)一圖勝千言在求解問題時(shí)，圖表表達(dá)可以提供搜索與認(rèn)知的便利；句型表達(dá)在搜索時(shí)需要記住更多的信息?？梢暬且环N外部認(rèn)知的方法，即：如何利用人眼的感知能力和人腦之外的資源，提升人腦的認(rèn)知能力。Stuart

Card，1946-美國(guó)工程院院士1970年代就職于美國(guó)施樂公司，鼠標(biāo)和GUI的主要推動(dòng)者大數(shù)據(jù)可視化是人工智能關(guān)鍵技術(shù)7大數(shù)據(jù)可視化可視化與可視分析是人類理解數(shù)據(jù)的導(dǎo)航儀：運(yùn)用與人類視認(rèn)知相一致的圖形展示數(shù)據(jù)內(nèi)在結(jié)構(gòu)與規(guī)律，增強(qiáng)理解和分析效率。4.大數(shù)據(jù)分析與可視化1.可視化推動(dòng)大數(shù)據(jù)平民化科學(xué)性：Science連續(xù)發(fā)文指出：借助可視化手段將人機(jī)智能有機(jī)結(jié)合，形成可視分析環(huán)境，可有效提升數(shù)據(jù)關(guān)聯(lián)分析的效率10.可視化技術(shù)和工具提升大數(shù)據(jù)分析工具的易用性8.可視化分析與可視化呈現(xiàn)重要性：中國(guó)計(jì)算機(jī)學(xué)會(huì)每年發(fā)布十大大數(shù)據(jù)發(fā)展趨勢(shì)報(bào)告8大數(shù)據(jù)可視化與人工智能中國(guó)科技創(chuàng)新2030“新一代人工智能”和“大數(shù)據(jù)”專項(xiàng)均將可視化和可視分析列為大數(shù)據(jù)智能急需突破的關(guān)鍵共性技術(shù)。2008年后，美、歐盟、日均成立國(guó)家可視分析研究中心。國(guó)內(nèi)外著名企業(yè)成立獨(dú)立部門，研發(fā)新興可視化與可視分析技術(shù)。急迫性：為美國(guó)中情局服務(wù)的大數(shù)據(jù)可視分析軟件Palantir對(duì)中國(guó)禁售！大科學(xué)大安全大工程大數(shù)據(jù)可視化物聯(lián)網(wǎng)與智慧城市互聯(lián)網(wǎng)與社交媒體“地球系統(tǒng)數(shù)值模擬裝置”國(guó)家十三五重大科學(xué)裝置項(xiàng)目,擬投資13億，其中可視化部分7000萬(wàn)。國(guó)家衛(wèi)星氣象中心全球大氣數(shù)據(jù)可視化平臺(tái)（浙江大學(xué)）博世智能工廠數(shù)據(jù)可視化分析（美國(guó)博世研究院，浙江大學(xué)）網(wǎng)絡(luò)威脅事件的關(guān)聯(lián)分析與可視化系統(tǒng)（部署于國(guó)家信息安全測(cè)評(píng)中心）阿里-浙大：蘇州城市大腦城市間電子商務(wù)物流可視化阿里云監(jiān)控日志的可視化基于電子交易數(shù)據(jù)的異常交易可視分析電子商務(wù)交易的關(guān)聯(lián)規(guī)則可視分析浙大-新華網(wǎng)制作的數(shù)據(jù)新聞：周琦的NBA之路/swf/2017_sjxw/zhouqi/PC/index.html浙大-新華網(wǎng)制作的數(shù)據(jù)新聞：宋詞文化互動(dòng)版（pc端支持更多交互）：/swf/2018_sjxw/quansongci/index.html#/圖文版鏈接

http://www.xinhu/video/sjxw/2018-09/05/c_129947285.htm微博鏈接

http:///Rsfnshp基于視覺賦能的教育可視化知識(shí)可視化通過圖形和圖像建構(gòu)和傳遞知識(shí)的過程被稱為“知識(shí)可視化”：?jiǎn)l(fā)性草圖、概念圖、視覺隱喻、知識(shí)動(dòng)畫、知識(shí)地圖、科學(xué)圖表、故事敘述、三維時(shí)空模型?

人腦具有超強(qiáng)的圖像和場(chǎng)景記憶能力，知識(shí)可視化通過視覺通道啟動(dòng)了長(zhǎng)時(shí)工作記憶，可突破短時(shí)工作記憶模塊限制；?

根據(jù)雙重編碼理論，與文本信息相比，圖像信息更容易得到有效的編碼；?

知識(shí)可視化可以有效地利用人腦的空間認(rèn)知和推理能力。Eppler

&Burkhard2004

Knowledge

Visualization|是什么？|怎么樣？|啟發(fā)性草圖|分享|創(chuàng)造|概念圖|視覺隱喻|為什么？|在哪里？|學(xué)習(xí)|編碼|知識(shí)動(dòng)畫|誰(shuí)？|搜尋|知識(shí)地圖|科學(xué)圖表|評(píng)估Eppler

&

Burkhard

2004Knowledge

Visualization畫著學(xué)科學(xué)知識(shí)可視化在科學(xué)學(xué)習(xí)中的價(jià)值：作為一種重要的學(xué)習(xí)策略，畫圖（知識(shí)可視化的一種重要方式）可以提高學(xué)習(xí)者的投入程度、提高學(xué)習(xí)者表達(dá)、交流和推理的能力。哈佛大學(xué)教育學(xué)院視覺思維哈佛大學(xué)多元智能理論提出者加德納教授主持的零點(diǎn)項(xiàng)目（Project

Zero）中有一個(gè)重要的研究方向，就是視覺思維（visiblethinking）。視覺思維的基本做法就是引入各種可視化的思考路徑來(lái)提高學(xué)習(xí)者的理解能力。(美)羅恩?理查德，馬克?丘奇，卡琳?莫里森.

哈佛大學(xué)教育學(xué)院思維訓(xùn)練課：讓學(xué)生學(xué)會(huì)思考的20

個(gè)方法，于璐譯，中國(guó)青年出版社，2014。視覺學(xué)習(xí)：創(chuàng)造和使用回憶線索超級(jí)學(xué)習(xí)帶來(lái)超級(jí)記憶記憶宮殿新時(shí)代認(rèn)知學(xué)習(xí)的挑戰(zhàn)

大數(shù)據(jù)、網(wǎng)絡(luò)化、社會(huì)化對(duì)認(rèn)知對(duì)象“量質(zhì)”的影響

快增性

人類知識(shí)總量的倍增速度已降至5-7年，部分領(lǐng)域僅為1-2年

LOD:

2009年的89

個(gè)數(shù)據(jù)集增長(zhǎng)到

2012年的325個(gè)，具有2.5*1010個(gè)RDF

Triples.

Google’sKnowledge

Graph：5.7*108個(gè)實(shí)體，1.8*109個(gè)事實(shí)與關(guān)聯(lián)

低值化

知識(shí)總量劇增使得真正符合學(xué)習(xí)者需求的知識(shí)比例相對(duì)減少

Google等外部記憶體使得傳統(tǒng)Know-how與Know-what類知識(shí)的價(jià)值密度降低，

而Know-where類知識(shí)得到提升新時(shí)代認(rèn)知學(xué)習(xí)的挑戰(zhàn)

碎片化（Fragmentization）：與特點(diǎn)主題相關(guān)的知識(shí)分布在不同數(shù)據(jù)集或應(yīng)用中，且不存在顯式關(guān)聯(lián)基本簡(jiǎn)介發(fā)展歷史在Google中搜索“k-means算法”，反饋的結(jié)果分布在近300萬(wàn)個(gè)頁(yè)面中。算法描述實(shí)現(xiàn)方法基本步驟優(yōu)缺點(diǎn)算法應(yīng)用新時(shí)代認(rèn)知學(xué)習(xí)的挑戰(zhàn)

碎片化（Fragmentization）：與特點(diǎn)主題相關(guān)的知識(shí)分布在不同數(shù)據(jù)集或應(yīng)用中，且不存在顯式關(guān)聯(lián)簡(jiǎn)介生平在Sindice

(LOD

中的數(shù)據(jù)集)中成就作品搜索“Da

Vinci”，反饋的結(jié)果分布在近2055個(gè)頁(yè)面中

。作為認(rèn)知對(duì)象的知識(shí)呈現(xiàn)出“多、變、散、亂”的趨勢(shì)新時(shí)代認(rèn)知學(xué)習(xí)的挑戰(zhàn)

認(rèn)知個(gè)體的三個(gè)特點(diǎn)：

有限認(rèn)知帶寬:

個(gè)體獲取、處理、理解信息的能力是受限的

STM存儲(chǔ)7±2個(gè)信息塊，同時(shí)處理不多于4個(gè)概念，現(xiàn)在知識(shí)倍增周期為5到7年20世紀(jì)60文本理解速度低于知識(shí)量腦容量年代知識(shí)倍增周期為50年60bits/s現(xiàn)代人腦容量約為1500ML南方古猿腦容量為450-550ML

“人科”出現(xiàn)數(shù)百萬(wàn)年后，大腦容量?jī)H增加1.6~2倍，目前已停止進(jìn)化萬(wàn)年-400-200-140

-100-50-1現(xiàn)代人有限認(rèn)知帶寬與快增性間的矛盾：個(gè)體受限的認(rèn)知能力還難以應(yīng)對(duì)人類知識(shí)的迅猛增長(zhǎng)新時(shí)代認(rèn)知學(xué)習(xí)的挑戰(zhàn)

內(nèi)容聯(lián)想：人腦記憶是一個(gè)激活擴(kuò)散(spreading

activation)過程，善于聯(lián)想學(xué)習(xí)(Associative

learning)

回想（retrieval）及其線索對(duì)增進(jìn)記憶有核心作用

Karpicke,J.

D.,&Roediger,H.

L.(2008).

Thecritical

importanceof

retrieval

for

learning.

science,

319(5865）

referential

與causal/logical

relations對(duì)認(rèn)知有重要影響

vanden

Broek,P.(2010).

Usingtexts

inscienceeducation:

Cognitive

processes

and

knowledgerepresentation,

science,328(5977)

多維聚合：從不同視角對(duì)同一事物會(huì)有不同認(rèn)知，形成完整認(rèn)知需聚合多個(gè)維度聯(lián)想、聚合認(rèn)知特點(diǎn)與知識(shí)碎片化現(xiàn)狀間的矛盾：不同維度的知識(shí)碎片高度分布且缺少顯式聯(lián)系，難以支持聯(lián)想學(xué)習(xí)，并易引發(fā)片面或偏差的認(rèn)知新時(shí)代認(rèn)知學(xué)習(xí)的挑戰(zhàn)

認(rèn)知社會(huì)化（

Socialization）：知識(shí)產(chǎn)生、獲取、認(rèn)知突破了個(gè)體局限，表現(xiàn)為網(wǎng)絡(luò)化群體認(rèn)知，具有時(shí)空分布、涌現(xiàn)等特性

網(wǎng)絡(luò)將人類社交性提升10倍，超過75%的知識(shí)來(lái)自社會(huì)網(wǎng)絡(luò)

加重知識(shí)碎片化的同時(shí)，也呈現(xiàn)出超越個(gè)體的網(wǎng)絡(luò)化群體智能(

NetworkedCollective

Intelligence,

NCI

)，有助于突破個(gè)體認(rèn)知局限Polymath1:劍橋大學(xué)的菲爾茨獎(jiǎng)金獲得者、數(shù)學(xué)家TimGowers利用博客邀請(qǐng)網(wǎng)友合作證明一項(xiàng)重要數(shù)學(xué)難題——邊長(zhǎng)為3的the

DensityHales-Jewett

Theorem。令人感到驚訝的是，不到6周，不到1000個(gè)評(píng)論就已經(jīng)完成了證明.主流認(rèn)知理論與工具二十世紀(jì)初二十世紀(jì)50年代二十世紀(jì)80-90年代

缺點(diǎn)一：未能考慮知識(shí)爆炸、信息技術(shù)發(fā)展對(duì)人類認(rèn)知的影響

缺點(diǎn)二：強(qiáng)調(diào)單個(gè)知識(shí)單元的學(xué)習(xí)，忽視知識(shí)關(guān)聯(lián)對(duì)認(rèn)知的影響

缺點(diǎn)三：針對(duì)個(gè)體認(rèn)知，缺乏對(duì)社會(huì)學(xué)習(xí)與群體認(rèn)知的支持主流認(rèn)知理論與工具

主流認(rèn)知工具及其特點(diǎn)知識(shí)地圖思維導(dǎo)圖綜合文字、符號(hào)、圖形、色彩等的放射性思維工具認(rèn)知工具知識(shí)單元及其內(nèi)在關(guān)聯(lián)構(gòu)成的有向圖實(shí)現(xiàn)知識(shí)單元間內(nèi)在關(guān)聯(lián)的可視

用層次和分類來(lái)組織中心主題相關(guān)的知識(shí)，化，為導(dǎo)航學(xué)習(xí)提供支撐

方便知識(shí)獲取，增進(jìn)理解和記憶目標(biāo)優(yōu)點(diǎn)符合認(rèn)知的內(nèi)容聯(lián)想特點(diǎn)，有助

符合認(rèn)知的多維聚合特點(diǎn)，有助于緩解知