技術(shù)范式轉(zhuǎn)換下工程經(jīng)驗(yàn)知識遷移的眼動追蹤實(shí)驗(yàn)研究

李心雨, 蔣祖華, 管業(yè)勤, 李 賡

技術(shù)范式轉(zhuǎn)換下工程經(jīng)驗(yàn)知識遷移的眼動追蹤實(shí)驗(yàn)研究

李心雨, 蔣祖華*, 管業(yè)勤, 李 賡

（上海交通大學(xué)機(jī)械與動力工程學(xué)院，上海 200240）

為實(shí)現(xiàn)“消化吸收再創(chuàng)新”這種更適應(yīng)我國國情的技術(shù)進(jìn)步方式，工程技術(shù)人員需要在技術(shù)范式發(fā)生轉(zhuǎn)換的情境下，準(zhǔn)確、高效地完成工程知識和經(jīng)驗(yàn)的學(xué)習(xí)和遷移。然而，對這種工程經(jīng)驗(yàn)知識遷移過程，尤其是其運(yùn)行機(jī)制和影響因素，仍然缺乏充分研究，因而在知識管理實(shí)踐中對“低質(zhì)低效”的遷移過程束手無策。對此，本文基于學(xué)習(xí)遷移理論和“概念—知識”理論，提出一種針對工程經(jīng)驗(yàn)知識遷移的眼動追蹤實(shí)驗(yàn)研究方法，并以新型增速器的概念設(shè)計為例，對影響工程技術(shù)人員知識遷移績效的因素展開了研究。實(shí)驗(yàn)結(jié)果表明，個體自我導(dǎo)向?qū)W習(xí)意愿中的創(chuàng)造性構(gòu)面、對固有技術(shù)范式掌握的準(zhǔn)確度，以及對新技術(shù)范式中重要名詞概念的接觸程度對知識遷移績效有正面影響；而固有技術(shù)范式掌握的完全度，以及對新技術(shù)范式中圖紙和無關(guān)名詞概念的接觸程度對知識遷移績效有負(fù)面影響。本實(shí)驗(yàn)的結(jié)果為構(gòu)建技術(shù)范式轉(zhuǎn)換下工程經(jīng)驗(yàn)知識遷移機(jī)制，從知識管理實(shí)踐層面提升知識遷移績效提供了依據(jù)。

知識遷移；工程經(jīng)驗(yàn)知識；技術(shù)范式轉(zhuǎn)換；眼動追蹤

0 引言

在知識經(jīng)濟(jì)社會，高新技術(shù)層出不窮，并引領(lǐng)各行各業(yè)發(fā)生深刻的技術(shù)變革，驅(qū)動社會、經(jīng)濟(jì)和文化的發(fā)展。針對技術(shù)自主創(chuàng)新，原始創(chuàng)新、集成創(chuàng)新和消化吸收再創(chuàng)新是其實(shí)現(xiàn)的三條途徑。而作為發(fā)展中國家，消化吸收再創(chuàng)新能整合利用各種各方引進(jìn)的資源，產(chǎn)出更優(yōu)、更成熟的產(chǎn)品和技術(shù)，因而是一種效能更佳、更符合國情的技術(shù)發(fā)展路徑和技術(shù)創(chuàng)新措施[1]。該創(chuàng)新途徑的實(shí)現(xiàn)主要依賴于工程技術(shù)人員在技術(shù)范式發(fā)生轉(zhuǎn)換的情境下，高質(zhì)高效地完成工程知識和工程經(jīng)驗(yàn)的學(xué)習(xí)和遷移。更具體地，即要求工程技術(shù)人員通過對新技術(shù)范式的快速學(xué)習(xí)和實(shí)踐，將固有技術(shù)范式的工程情境下所積累的技術(shù)知識和實(shí)踐經(jīng)驗(yàn)，應(yīng)用到新技術(shù)范式的新工程情境下的問題解決當(dāng)中，并在原有工程經(jīng)驗(yàn)知識的基礎(chǔ)上產(chǎn)生新工程經(jīng)驗(yàn)知識并能夠加以合理、準(zhǔn)確、迅捷地運(yùn)用，從而解決新工程情境下的新工程問題。

然而，學(xué)界和企業(yè)界目前對這種知識遷移過程的認(rèn)識較為淺顯：現(xiàn)有的研究工作大多集中于心理學(xué)、教育學(xué)和管理學(xué)層面的定性研究[2]，尚未深入到工程師個體的認(rèn)知層面定量化分析該過程的運(yùn)行機(jī)制和影響因素。理論研究的空白也導(dǎo)致在工程知識管理的實(shí)踐和應(yīng)用中，對于“低質(zhì)低效”的知識遷移過程依然束手無策。究其原因，主要是在傳統(tǒng)行為學(xué)實(shí)驗(yàn)中，研究者對工程師個體的認(rèn)知加工活動缺乏良好的實(shí)驗(yàn)研究手段：對認(rèn)知階段難以準(zhǔn)確把握，對認(rèn)知結(jié)構(gòu)難以清晰構(gòu)建，對認(rèn)知狀態(tài)難以定量測量。因此，新的實(shí)驗(yàn)研究方法和研究手段亟待被提出和應(yīng)用。

隨著眼動追蹤設(shè)備輕便化和智能化程度的不斷提高，近年來，眼動追蹤技術(shù)在學(xué)習(xí)研究和信息認(rèn)知領(lǐng)域的應(yīng)用程度也日漸廣泛[3]。對此，本文在綜合考慮學(xué)習(xí)遷移理論和“概念—知識”的知識認(rèn)知加工理論的基礎(chǔ)上，針對技術(shù)范式轉(zhuǎn)換下個體所有的工程經(jīng)驗(yàn)知識遷移行為，設(shè)計了一種眼動追蹤實(shí)驗(yàn)研究方法，在工程概念認(rèn)知層面定量分析個體的自主學(xué)習(xí)意愿、個體對固有范式的掌握程度和個體對新范式的接觸程度等因素對知識遷移的遷移質(zhì)量和遷移效率的影響，并以新型增速器的概念設(shè)計為例開展了實(shí)例研究，探究工程師個體在技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移機(jī)制并從知識管理實(shí)踐層面提出促進(jìn)知識遷移績效的措施和建議。

1 相關(guān)研究回顧

1.1 學(xué)習(xí)遷移理論

在教育學(xué)中，學(xué)習(xí)遷移（Transfer of learning）指的是一種學(xué)習(xí)對另一種學(xué)習(xí)的影響，即在一種情境中將所學(xué)的知識、技能、思維方法、原理、情感、態(tài)度、價值觀等應(yīng)用到新的情境活動中去，其目的是熟練運(yùn)用思維方法在新的情境中分析問題和解決問題。根據(jù)遷移的內(nèi)容、范圍、方向、層面、效果和特殊性，學(xué)習(xí)遷移的分類如表1所示[4]。本文研究的技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移過程的遷移特征，如表1中粗體標(biāo)注的類型所示。

源于教育學(xué)的相關(guān)理論和研究方法，學(xué)習(xí)遷移研究的設(shè)計和測量多采用“學(xué)習(xí)—測試”形式的實(shí)驗(yàn)研究范式，即面向基礎(chǔ)知識掌握程度不同的被試，首先進(jìn)行一段與基礎(chǔ)知識有關(guān)聯(lián)的新知識點(diǎn)的學(xué)習(xí)活動，然后對新知識點(diǎn)的掌握情況加以詳細(xì)測試。進(jìn)而，從基礎(chǔ)知識向新知識的遷移績效便可由測試結(jié)果的對比分析所評估和量化，如測試中遷移現(xiàn)象的發(fā)生頻率，新知識點(diǎn)認(rèn)知的準(zhǔn)確程度和完整程度，以及新問題解決的耗時等[5,6]?；谏鲜鰧?shí)驗(yàn)研究，早期的遷移理論有形式訓(xùn)練說（formal discipline）、相同要素說（identical elements）、經(jīng)驗(yàn)泛化說（experience generalization）、轉(zhuǎn)換關(guān)系說（transposition-relationship）以及學(xué)習(xí)定勢說（learning sets）等。這些早期理論對學(xué)習(xí)遷移的現(xiàn)象和動機(jī)進(jìn)行了探究，試圖在感官能力、聯(lián)想能力、記憶能力的基礎(chǔ)上發(fā)掘知識遷移的一般性規(guī)律[2,7]。但上述學(xué)說對不同學(xué)習(xí)情境、不同知識種類、不同實(shí)驗(yàn)人群的知識遷移的研究結(jié)果解釋不一，相互之間也存在較大矛盾，從而造成了上述遷移理論實(shí)踐應(yīng)用中的局限性。進(jìn)入20世紀(jì)80年代，美國學(xué)者Ausubel提出的認(rèn)知結(jié)構(gòu)遷移理論受到各界學(xué)者的廣泛認(rèn)同，并成為學(xué)習(xí)遷移研究中的經(jīng)典理論。認(rèn)知結(jié)構(gòu)遷移理論認(rèn)為一個人在情境遷移的狀況下，其認(rèn)知結(jié)構(gòu)遷移能力的高低取決于這個人認(rèn)知結(jié)構(gòu)的高低以及綜合能力、概括能力的高低[8]。后來的學(xué)者對其理論展開了深化和細(xì)化，并從主客觀兩方面總結(jié)了影響遷移能力和遷移效果的因素：主觀因素包括學(xué)習(xí)的興趣和動機(jī)、心理狀態(tài)、認(rèn)知水平和結(jié)構(gòu)、思維定勢，客觀因素包括教師的能力、教材的結(jié)構(gòu)編排和學(xué)習(xí)情境的相似性[9,10]。

然而，認(rèn)知水平和結(jié)構(gòu)（即學(xué)習(xí)者頭腦中知識的內(nèi)涵、關(guān)聯(lián)和組織[8]）作為知識遷移中最早提出也是最重要的影響因素，針對它的研究主要從學(xué)習(xí)者頭腦內(nèi)的認(rèn)知結(jié)構(gòu)的可利用性（Availability）、可辨別性（Discriminability）和穩(wěn)固性（Stability）開展定性的分析[8,11]。而認(rèn)知結(jié)構(gòu)的具體形式，所含的概念及其語義關(guān)聯(lián)，以及結(jié)構(gòu)穩(wěn)定程度卻難以在遷移過程中直觀地展現(xiàn)。這導(dǎo)致研究者僅能通過反復(fù)的行為實(shí)驗(yàn)和計算機(jī)模擬的方式進(jìn)行推測，難以把握知識遷移前后學(xué)習(xí)者頭腦內(nèi)的實(shí)際認(rèn)知變化情況，所得結(jié)論的可信程度受到質(zhì)疑。

表1 學(xué)習(xí)遷移的分類

1.2 “概念-知識”理論（C-K理論）

在設(shè)計學(xué)研究中，針對創(chuàng)新型工程產(chǎn)品設(shè)計過程，Hatchuel提出了“概念—知識”理論（Concept-Knowledge theory, C-K theory），為深入探究工程師參與設(shè)計任務(wù)中的認(rèn)知結(jié)構(gòu)變化過程構(gòu)建了一種新方法[12]。C-K理論構(gòu)建了兩個相互依賴、相互轉(zhuǎn)化的空間：概念空間C和知識空間K。兩個空間的結(jié)構(gòu)決定了工程師對于對象的認(rèn)知狀態(tài)：空間K中，存在一組已判定的命題k,k, …k，其成立與否由工程師已具備的經(jīng)驗(yàn)和知識推理生成和驗(yàn)證；空間C中，存在一組尚未判定的概念c,c, …c，它們是工程師目前未知的新概念或不確定的設(shè)計屬性。這些概念和命題不斷發(fā)生交互，其認(rèn)知狀態(tài)也不斷發(fā)生改變：工程師在工程設(shè)計活動的進(jìn)行中，或?qū)⒃疚创_定的概念轉(zhuǎn)變?yōu)閭€體知識的一部分（C→K交互），或仍然無法驗(yàn)證和確認(rèn)概念（C→C交互）；已構(gòu)建的知識也可能被摒棄（K→C交互），或與新構(gòu)建的知識產(chǎn)生關(guān)聯(lián)（K→K交互）。以概念關(guān)聯(lián)為基礎(chǔ)，兩個空間的結(jié)構(gòu)從工程概念的層面展現(xiàn)了工程師的認(rèn)知結(jié)構(gòu)；以邏輯推理為驅(qū)動，四種交互過程也完整地反映了工程師伴隨設(shè)計問題解決過程中的認(rèn)知狀態(tài)變化[13]。C-K理論的雙空間模型及其四種交互過程的運(yùn)行機(jī)制也在多種工程領(lǐng)域的、各種復(fù)雜程度的工程設(shè)計和研發(fā)中得到了推廣和驗(yàn)證，探究了例如升降機(jī)修理裝置[14]、氣動減速器[15]以及某軍民兩用產(chǎn)品[16]的設(shè)計和研發(fā)過程中工程師個體的知識體系的建立及其變化過程。

然而，C-K理論對于其四種交互過程發(fā)生的機(jī)理仍然缺乏較為深入的探究。在本文的技術(shù)范式發(fā)生轉(zhuǎn)換的情境下，C-K理論僅能展現(xiàn)工程師在學(xué)習(xí)遷移過程中的認(rèn)知結(jié)構(gòu)的變化，卻難以解釋這種變化背后的觸發(fā)因素及其影響效果。因而，在本文的研究中，C-K理論將與學(xué)習(xí)遷移理論相結(jié)合，實(shí)現(xiàn)認(rèn)知結(jié)構(gòu)遷移理論中認(rèn)知水平和結(jié)構(gòu)的顯式展現(xiàn)和定量測量，并探究不同認(rèn)知掌握程度對知識遷移的影響作用，從而深入分析技術(shù)范式轉(zhuǎn)換下個體所有的工程經(jīng)驗(yàn)知識遷移的機(jī)理。

1.3 自我導(dǎo)向的學(xué)習(xí)意愿

在心理學(xué)和管理學(xué)研究中，學(xué)習(xí)中自我主動調(diào)控也是影響學(xué)習(xí)遷移的關(guān)鍵因素。這種自我調(diào)控指學(xué)習(xí)者為獲取新知識、掌握新技能而主動付出持續(xù)穩(wěn)定的努力，而其動機(jī)源于學(xué)習(xí)者的自我學(xué)習(xí)意愿[17]。林崇德[18]認(rèn)為有效的學(xué)習(xí)者能夠深刻意識到知識遷移的重要性，具備利用一些可能的機(jī)會實(shí)現(xiàn)知識遷移的心理動機(jī)，進(jìn)而能夠準(zhǔn)確、快速判定不同學(xué)習(xí)內(nèi)容間的相關(guān)性，并選擇合適的相關(guān)經(jīng)驗(yàn)和知識資源構(gòu)建新舊情境之間的聯(lián)系，提高原有知識和經(jīng)驗(yàn)的可利用性（Availability）。周密[19]認(rèn)為個體在學(xué)習(xí)過程中的吸收能力、高質(zhì)量信息獲取以及信息源偏好等因素均依賴于自我導(dǎo)向的學(xué)習(xí)意愿。對此，在本文的遷移實(shí)驗(yàn)研究中，由于新技術(shù)范式的學(xué)習(xí)環(huán)節(jié)是被試接觸新技術(shù)范式的唯一途徑，被試的自我導(dǎo)向調(diào)控對學(xué)習(xí)環(huán)節(jié)中的工程概念認(rèn)知和吸收過程起到重要影響，因此自我導(dǎo)向的學(xué)習(xí)意愿因素對知識遷移績效的影響作用也將納入考慮的范圍之內(nèi)。

對于自我導(dǎo)向?qū)W習(xí)意愿的評估，尤其是對于成人學(xué)習(xí)意愿的量化，通常采用量表的形式進(jìn)行測量。Guglielmino采用里克特五級計分制，設(shè)計了包含58個題目的自我導(dǎo)向?qū)W習(xí)準(zhǔn)備度量表（Self-directed learning readiness scale），用以對學(xué)生的自我導(dǎo)向?qū)W習(xí)意愿中的開放學(xué)習(xí)、自主概念、主動學(xué)習(xí)、學(xué)習(xí)責(zé)任感、愛好學(xué)習(xí)、創(chuàng)造學(xué)習(xí)、學(xué)習(xí)期望和學(xué)習(xí)能力等8個構(gòu)面展開調(diào)查[20]。臺灣學(xué)者鄧運(yùn)林[21]將Guglielmino的問卷翻譯為中文，并依據(jù)中文學(xué)習(xí)者的特點(diǎn)對其進(jìn)行修訂。修訂后的問卷具有55個題目，原有的構(gòu)面也壓縮為學(xué)習(xí)效率、情感、動機(jī)、主動性、獨(dú)立性和創(chuàng)造性等6個。中文修訂版問卷在中文學(xué)習(xí)者學(xué)習(xí)意愿的相關(guān)研究中得到廣泛應(yīng)用和驗(yàn)證，展現(xiàn)出良好的信度和效度[22]。故本實(shí)驗(yàn)也沿用修訂版問卷展開調(diào)查研究。

1.4 眼動追蹤技術(shù)在學(xué)習(xí)遷移中的應(yīng)用

對于學(xué)習(xí)遷移行為，其主要包含兩個過程：學(xué)習(xí)過程和問題解決過程。對于被試在問題解決過程的認(rèn)知追蹤和意圖探究，相關(guān)的研究相對較為成熟，常用的研究方法有自我報告法、規(guī)范反饋法、出聲思考法等[23]。然而，這些方法往往會對被試的信息認(rèn)知加工和工作記憶的生成的過程造成一定的影響，因此不適宜于對被試的學(xué)習(xí)過程進(jìn)行監(jiān)控。與之相對的，采集被試的生理信號，如眼動注視信號等，則是一種能盡量避免影響被試，采集到可信度更高數(shù)據(jù)的方法，因此適宜于本實(shí)驗(yàn)研究。

依據(jù)Just和Carperter提出的眼腦假說（Eye-mind hypothesis），被試的視覺注意模式和其信息認(rèn)知加工行為具有緊密關(guān)聯(lián)[24]。在課程學(xué)習(xí)和問題解決相關(guān)的眼動追蹤研究中，研究者發(fā)現(xiàn)不同區(qū)域上的視覺注意模式（如學(xué)習(xí)者長時間關(guān)注哪些關(guān)鍵詞、何種順序觀察圖表等）對學(xué)習(xí)的最終效果有著顯著的影響作用[25]。常用的視覺注意模式的測度指標(biāo)可分為三類[3]：時間測度，如注視時間、回視時間、眼跳時間等；空間測度，如注視位置、注視順序、眼跳距離等；數(shù)量測度，如注視次數(shù)、眼跳次數(shù)、注視占比等。時間測度關(guān)注不同興趣區(qū)域內(nèi)的注意分配時間，旨在解決信息認(rèn)知加工中的“何時”和“多久”的問題；空間測度發(fā)掘不同關(guān)注對象的位置、距離、方向、序列等關(guān)系，旨在解決信息認(rèn)知加工中的“哪里”和“怎樣”的問題；數(shù)量測度對頻率和概率進(jìn)行計量，旨在解決信息認(rèn)知加工中的“是否重要”的問題。這三類眼動測量指標(biāo)在不同研究目的的實(shí)驗(yàn)設(shè)計中側(cè)重不一，如閱讀理解類研究一般更關(guān)注時間測度，視覺效果類研究一般更關(guān)注空間測度，視覺注意績效類研究一般更關(guān)注數(shù)量測度。在本文的研究中，我們重點(diǎn)關(guān)注學(xué)習(xí)過程中被試在閱讀學(xué)習(xí)材料的不同內(nèi)容區(qū)域上的視覺注意力分配情況，因此選擇注視時間和注視次數(shù)作為測量指標(biāo)，并依據(jù)總注視時長和總注視次數(shù)計算注視時間比率和注視次數(shù)比率。

1.5 小結(jié)

現(xiàn)有的相關(guān)研究工作中，針對技術(shù)范式轉(zhuǎn)換下工程師個體所有的工程經(jīng)驗(yàn)知識遷移過程，學(xué)習(xí)遷移理論和C-K理論重點(diǎn)關(guān)注工程師個人認(rèn)知結(jié)構(gòu)的建立和轉(zhuǎn)換，構(gòu)建了理論基礎(chǔ)。自我導(dǎo)向的學(xué)習(xí)意愿量表和眼動追蹤技術(shù)為探究和量化工程師心理行為和認(rèn)知行為提供了方法和技術(shù)的可行性。然而，以往研究工作在學(xué)習(xí)行為分析和認(rèn)知水平量化上仍存在一定的研究空白。對此，本文在回顧上述文獻(xiàn)工作的基礎(chǔ)上，提出以下三個研究假設(shè)：

H1: 工程師個體對固有技術(shù)范式的認(rèn)知掌握程度不同，其在技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移績效有顯著不同；

H2: 工程師個體的自我導(dǎo)向?qū)W習(xí)意愿不同，其在技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移績效有顯著不同；

H3: 工程師個體在新技術(shù)范式的學(xué)習(xí)中對學(xué)習(xí)材料各部分的注意力分配不同，其在技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移績效有顯著不同。

通過分析上述三方面因素對學(xué)習(xí)遷移績效（準(zhǔn)確性、完整性和效率等方面）的影響，本文在工程概念認(rèn)知和關(guān)聯(lián)層面，對技術(shù)范式轉(zhuǎn)換下工程經(jīng)驗(yàn)知識遷移的運(yùn)行機(jī)制和影響因素展開深入探究，彌補(bǔ)以往研究工作的研究空白。

2 實(shí)驗(yàn)總體流程

基于學(xué)習(xí)遷移理論和“C-K”理論，本文面向由固有技術(shù)范式向新技術(shù)范式遷移的技術(shù)范式轉(zhuǎn)換過程，設(shè)計了以“C-K拼圖”為核心任務(wù)的眼動監(jiān)控實(shí)驗(yàn)，對被試在實(shí)驗(yàn)中表現(xiàn)出的知識遷移質(zhì)量和知識遷移效率進(jìn)行測量，并通過分析被試對固有技術(shù)范式掌握程度、自我導(dǎo)向的學(xué)習(xí)意愿和對新技術(shù)范式學(xué)習(xí)材料的注意力分配等三方面因素對知識遷移績效的影響作用，檢驗(yàn)本文提出的研究假設(shè)。實(shí)驗(yàn)包括兩個階段：被試自主報告階段和眼動追蹤監(jiān)控階段。實(shí)驗(yàn)流程圖如圖1所示。

在第一個階段中，被試需要簽署知情同意書，并匿名完成兩份調(diào)查問卷：基本信息調(diào)查問卷和鄧運(yùn)林版Guglielmino自我導(dǎo)向?qū)W習(xí)意愿調(diào)查問卷[21]。其中基本信息調(diào)查問卷包含10個題目，旨在調(diào)查被試的年齡、性別、專業(yè)學(xué)習(xí)情況以及工程項(xiàng)目實(shí)踐情況。鄧運(yùn)林修訂的中文版Guglielmino學(xué)習(xí)意愿調(diào)查問卷包含55個題目，采用里克特五級計分制，對被試的學(xué)習(xí)效率、情感、動機(jī)、主動性、獨(dú)立性和創(chuàng)造性等六個構(gòu)面展開調(diào)查。

圖1 實(shí)驗(yàn)總體流程圖

Figure 1 General flow chart of experiment

在第二個階段中，被試需要首先完成一次固有技術(shù)范式下的C-K拼圖任務(wù)，以了解其對固有范式的掌握程度。然后，在學(xué)習(xí)過一段新技術(shù)范式相關(guān)的學(xué)習(xí)材料后，再完成一次新技術(shù)范式下的C-K拼圖任務(wù)，以檢驗(yàn)其知識遷移情況。在這個階段中，被試全程受眼動儀的監(jiān)控。眼動儀記錄被試雙眼瞳孔在屏幕上的眼動軌跡和注視情況。

作為實(shí)驗(yàn)核心的C-K拼圖任務(wù)是本文基于C-K理論設(shè)計的開放性任務(wù)，旨在利用技術(shù)范式下涉及的一系列工程概念構(gòu)筑被試頭腦中的認(rèn)知結(jié)構(gòu)，并通過認(rèn)知結(jié)構(gòu)對應(yīng)的、可顯式表達(dá)的經(jīng)驗(yàn)知識的準(zhǔn)確性和完整性衡量認(rèn)知結(jié)構(gòu)遷移理論中的認(rèn)知水平，從而量化工程師個體學(xué)習(xí)遷移的績效。C-K拼圖任務(wù)的流程圖如圖2所示。它以一項(xiàng)具體的工程設(shè)計任務(wù)為背景，以若干“概念展示—選擇—反饋理由”環(huán)節(jié)引導(dǎo)被試完成設(shè)計任務(wù)，并采用“出聲思考法”（Think aloud protocol）獲取被試頭腦中的想法片段。具體地，C-K拼圖首先向被試告知設(shè)計任務(wù)的功能需求、設(shè)計情境及設(shè)計條件。然后，依據(jù)工程設(shè)計的流程，整項(xiàng)設(shè)計任務(wù)被劃分為若干設(shè)計階段。每個設(shè)計階段旨在解決任務(wù)中的一個關(guān)鍵設(shè)計問題，或設(shè)計機(jī)構(gòu)中的一個關(guān)鍵功能模塊，并由若干輪次的“概念展示—選擇—反饋理由”環(huán)節(jié)組成。在每個輪次中，被試需要閱讀一組工程概念，并根據(jù)自己的所學(xué)內(nèi)容及工程經(jīng)驗(yàn)，從中選擇若干項(xiàng)（或不選）與當(dāng)前設(shè)計狀態(tài)相關(guān)的工程概念，并逐條反饋選擇理由。反饋理由時，被試需按照規(guī)定的“我之所以選擇（概念）/我之所以沒有選擇任何概念，是因?yàn)椋ɡ碛桑蹦０?，采用口述的形式，陳述概念的選擇理由，并由主試錄音記錄和評價。當(dāng)被試口述完成后，進(jìn)入下一個輪次的“概念展示—選擇—反饋理由”環(huán)節(jié)，并在完成所有設(shè)計階段后，結(jié)束C-K拼圖任務(wù)。

實(shí)驗(yàn)總時長約1小時。在兩個實(shí)驗(yàn)階段結(jié)束后，向被試發(fā)放80元的禮金或等值禮品。

圖2 “C-K拼圖”任務(wù)流程圖

Figure 2 "C-K Puzzle" task flow chart

3 實(shí)驗(yàn)案例選取、被試招募及系統(tǒng)開發(fā)

以某風(fēng)力發(fā)電機(jī)增速傳動機(jī)構(gòu)的概念設(shè)計任務(wù)為實(shí)驗(yàn)案例，實(shí)現(xiàn)本文提出的技術(shù)范式轉(zhuǎn)換下工程經(jīng)驗(yàn)知識遷移的眼動追蹤實(shí)驗(yàn)研究方法。增減速傳動機(jī)構(gòu)是工程產(chǎn)品設(shè)計中最典型且最常見的設(shè)計任務(wù)。而概念設(shè)計（Conceptual design）作為工程產(chǎn)品設(shè)計的起始階段，僅需在任務(wù)需求目標(biāo)和情境約束下考慮產(chǎn)品特征和產(chǎn)品功能間的映射關(guān)系，組合利用設(shè)計概念，無需確定具體的工程參數(shù)，因而充分依賴于設(shè)計者對設(shè)計概念的認(rèn)知理解和推理能力。當(dāng)技術(shù)范式發(fā)生轉(zhuǎn)換時，概念設(shè)計結(jié)果也因設(shè)計情境的變化而發(fā)生顯著的改變。因此，該設(shè)計任務(wù)滿足本文實(shí)驗(yàn)設(shè)計需求，并能夠用于探究本文的研究目標(biāo)。

3.1 兩個技術(shù)范式的選取

本實(shí)驗(yàn)中，固有技術(shù)范式選用展開式圓柱齒輪傳動機(jī)構(gòu)，新技術(shù)范式選用行星齒輪傳動機(jī)構(gòu)。展開式圓柱齒輪傳動機(jī)構(gòu)是減速器/增速器設(shè)計中最基礎(chǔ)也是最常見的技術(shù)范式。它僅采用一級或多級齒輪對傳遞運(yùn)動，每個齒輪對僅包含兩個外嚙合的固定軸線的齒輪，因此結(jié)構(gòu)簡單，設(shè)計難度較低。行星齒輪是當(dāng)前較為先進(jìn)的技術(shù)范式。它采用采用一級或多級周轉(zhuǎn)輪系傳遞運(yùn)動，每級周轉(zhuǎn)輪系中包括一個中心輪和一個內(nèi)齒圈，以及若干數(shù)量的行星輪，嚙合形式同時兼具內(nèi)嚙合和外嚙合，齒輪軸線同時兼具固定軸線和運(yùn)動軸線，因此結(jié)構(gòu)復(fù)雜，設(shè)計難度高。

在面臨設(shè)計任務(wù)帶來的負(fù)載較大且不均勻、減速比較高、結(jié)構(gòu)緊湊的工程情境約束下，采用展開式圓柱齒輪傳動機(jī)構(gòu)完成設(shè)計需要使用較多級的傳動結(jié)構(gòu)，導(dǎo)致傳動結(jié)構(gòu)復(fù)雜、體積和質(zhì)量較大，設(shè)計結(jié)果不能良好滿足設(shè)計需求。而行星齒輪傳動可以通過合理設(shè)計周轉(zhuǎn)輪系各部分的齒數(shù)形成較大傳動比，使用較少級數(shù)的傳動結(jié)構(gòu)即可滿足傳動比要求，多個行星輪的結(jié)構(gòu)也能滿足大負(fù)載下的結(jié)構(gòu)強(qiáng)度要求。因此通過技術(shù)范式轉(zhuǎn)換，將圓柱齒輪傳動機(jī)構(gòu)相關(guān)的工程經(jīng)驗(yàn)知識遷移演化至行星齒輪傳動機(jī)構(gòu)，并利用行星齒輪傳動機(jī)構(gòu)完成設(shè)計，則可以有效解決上述問題，達(dá)成設(shè)計目標(biāo)。

3.2 展示工程概念的選取

C-K拼圖任務(wù)中向被試展示的概念是引導(dǎo)被試在相應(yīng)的技術(shù)范式下構(gòu)建正確的認(rèn)知結(jié)構(gòu)，完成設(shè)計任務(wù)的關(guān)鍵。本實(shí)驗(yàn)中所展示的概念均摘自于《機(jī)械設(shè)計手冊》等權(quán)威書籍的詞匯表，從而保證其準(zhǔn)確性和明確性。而如何從海量的詞表中篩選出合適數(shù)量的概念并分組，則是構(gòu)建C-K拼圖任務(wù)中的一個難題。對此，本文采用了自然語言處理技術(shù)輔助的專家決策方法，半自動地構(gòu)建C-K拼圖任務(wù)中每個“概念展示—選擇—反饋理由”環(huán)節(jié)中的展示概念。

首先，定量評價詞匯表兩兩概念之間的關(guān)聯(lián)關(guān)系，即對于兩個工程概念C和C，按式1計算其間關(guān)聯(lián)程度，并依據(jù)概念間關(guān)聯(lián)關(guān)系，將高關(guān)聯(lián)的概念聚類，初步確定概念所屬的工程語義組別：

（1）兩個概念完全相同，或其中對應(yīng)位置的詞語同義，L是概念的詞組長度；

（2）當(dāng)現(xiàn)有工程領(lǐng)域本體中已有兩個概念的定義，且為兩概念間增加了關(guān)系時，關(guān)聯(lián)關(guān)系依據(jù)其在本體中的關(guān)系所決定[26]；

然后，參考《減速器設(shè)計》等設(shè)計手冊及專著，劃分C-K拼圖任務(wù)的設(shè)計階段。為排除階段劃分粒度帶來的干擾因素，各設(shè)計階段的劃分僅與傳動機(jī)構(gòu)的第一級功能分解展開相關(guān)，而與選擇何種技術(shù)范式無關(guān)。對于每個設(shè)計階段，由若干經(jīng)驗(yàn)豐富的領(lǐng)域?qū)＜?，通過Delphi方法，在按照工程語義初步分類的概念組中，選擇若干與該階段緊密相關(guān)的、階段特有的工程概念。對選擇出的每一個階段特有工程概念，抽取出詞匯表中與之關(guān)聯(lián)最相近的3個概念（不包含該概念本身或同義概念，但允許選擇上下位概念），構(gòu)成一組在C-K拼圖任務(wù)某一環(huán)節(jié)中向被試展示的備選概念集合。領(lǐng)域?qū)＜乙残鑼蟽?nèi)添加的相近概念決定其在相應(yīng)設(shè)計階段中的角色，即為設(shè)計階段特有概念（SC）、通用性概念（GC）或是與設(shè)計無關(guān)的概念（NC）。本實(shí)驗(yàn)中，為控制實(shí)驗(yàn)總時長在60min以內(nèi)，實(shí)驗(yàn)中兩個技術(shù)范式下的C-K拼圖任務(wù)均含8個設(shè)計階段和50組備選概念集合。

3.3 新技術(shù)范式學(xué)習(xí)材料的選取

被試在兩次C-K拼圖任務(wù)的中間，會進(jìn)行一次時長為5min的學(xué)習(xí)階段，用于學(xué)習(xí)新技術(shù)范式的相關(guān)知識。本實(shí)驗(yàn)中，學(xué)習(xí)展示材料節(jié)選自《減速器設(shè)計》中“行星齒輪減速器設(shè)計”章節(jié)，包含599字的文字介紹和4張圖紙。內(nèi)容覆蓋行星齒輪減速器設(shè)計的全部設(shè)計階段，但僅簡要介紹機(jī)構(gòu)原理、應(yīng)用場合、設(shè)計約束和示意圖紙，并未直接向被試闡釋具體的設(shè)計公式、尺寸、零件明細(xì)等設(shè)計細(xì)節(jié)。學(xué)習(xí)材料的容量和學(xué)習(xí)時長能夠保證被試充分接觸新技術(shù)范式，并產(chǎn)生新概念的認(rèn)知。

為進(jìn)一步研究被試在閱讀學(xué)習(xí)材料中的視覺注意力分配情況，本實(shí)驗(yàn)還對學(xué)習(xí)材料的文本進(jìn)行了詞性處理，提取了其中名詞（N）、動詞（V）和形容詞（ADJ）等實(shí)意詞匯。名詞還根據(jù)領(lǐng)域?qū)＜乙庖?，進(jìn)一步分為特有名詞（SN）、通用工程名詞（GN）和設(shè)計任務(wù)無關(guān)的普通工程名詞（NN）。學(xué)習(xí)材料中的圖紙（PIC）也依據(jù)專家意見，將其中重要區(qū)域（關(guān)鍵性原理的示意圖、重要零部件結(jié)構(gòu)等）提取出來。這些詞匯和區(qū)域?qū)⒆鳛檠蹌幼粉櫛O(jiān)控中的興趣區(qū)域（Area of interest, AOI）。但在向被試展示時，對這些詞匯和區(qū)域并不做任何的特殊標(biāo)記。

3.4 實(shí)驗(yàn)被試的招募條件

從完成概念設(shè)計任務(wù)的能力和相應(yīng)的工程經(jīng)驗(yàn)知識儲備等方面考慮，實(shí)驗(yàn)招募的被試需同時滿足以下五個條件：

（1）在最近一年內(nèi)，學(xué)習(xí)過展開式圓柱齒輪傳動機(jī)構(gòu)相關(guān)基礎(chǔ)課程（如機(jī)械原理、機(jī)械零部件設(shè)計等）的在校學(xué)生，或參與過涉及展開式圓柱齒輪傳動機(jī)構(gòu)設(shè)計項(xiàng)目工作的工程技術(shù)人員；

（2）在最近一年內(nèi)，在校學(xué)生沒有學(xué)習(xí)過行星齒輪傳動機(jī)構(gòu)設(shè)計的專業(yè)課程，工程技術(shù)人員沒有接觸過涉及行星齒輪傳動機(jī)構(gòu)設(shè)計的項(xiàng)目工作；

（3）對于調(diào)查問卷、工程技術(shù)圖紙和工程技術(shù)文檔，具有足夠的閱讀理解和口頭表達(dá)能力；

（4）雙眼裸眼或矯正視力正常；

（5）能夠依照顯示器提示，操作計算機(jī)。

本實(shí)驗(yàn)在上海交通大學(xué)機(jī)械與動力工程學(xué)院的師生中招募了實(shí)驗(yàn)被試樣本。除去2位未完整完成實(shí)驗(yàn)以及在實(shí)驗(yàn)中出現(xiàn)不適狀況的被試，合格被試樣本共有31人。31位被試平均年齡24.81歲，標(biāo)準(zhǔn)差4.52歲，其中男性23名，女性8名；本科9名，碩士15名，博士7名；近一年內(nèi)參與過工程企業(yè)實(shí)習(xí)或正在工作18名。

3.5 實(shí)驗(yàn)的程序軟件開發(fā)

利用Java編程語言，開發(fā)了本實(shí)驗(yàn)的執(zhí)行程序。其中實(shí)驗(yàn)核心任務(wù)C-K拼圖的運(yùn)行界面如圖3所示。界面左側(cè)列出了被試已經(jīng)選擇的工程概念，界面右側(cè)告知被試當(dāng)前的設(shè)計階段，并向被試提供了一組工程概念。被試在充分思考后，選擇其中若干項(xiàng)概念，并點(diǎn)擊“請口述選擇理由”按鈕進(jìn)入口述理由環(huán)節(jié)。此時，系統(tǒng)會彈出對話框，告知被試的口述理由模板。被試完成口述后，點(diǎn)擊對話框按鈕，進(jìn)入下一組選擇。當(dāng)所有選擇完成后，被試點(diǎn)擊“提交”按鈕提交實(shí)驗(yàn)結(jié)果。

圖3 實(shí)驗(yàn)執(zhí)行程序界面

Figure 3 Experimental executive interface

兩次C-K拼圖任務(wù)中間的學(xué)習(xí)階段，通過ErgoLAB人機(jī)同步環(huán)境系統(tǒng)，采用定時自動播放的方式，向被試全屏展示學(xué)習(xí)材料。ErgoLAB系統(tǒng)還負(fù)責(zé)收集并初步處理實(shí)驗(yàn)第二個階段中被試的眼動數(shù)據(jù)。

3.6 實(shí)驗(yàn)的環(huán)境硬件準(zhǔn)備

Figure 4 Subject's experiment situation and the location of experiment equipment

本實(shí)驗(yàn)在獨(dú)立、安靜的實(shí)驗(yàn)室環(huán)境中進(jìn)行。實(shí)驗(yàn)系統(tǒng)運(yùn)行在配置4GB內(nèi)存，Core i5 處理器和NvidiaTMGeForce GTS450顯卡的計算機(jī)上，并通過1920x1080像素、60Hz刷新率的顯示器（顯示區(qū)域?qū)?07mm，高283mm）向被試顯示實(shí)驗(yàn)內(nèi)容。被試通過Logitech鼠標(biāo)，按照實(shí)驗(yàn)系統(tǒng)指示完成相應(yīng)操作。采用固定在屏幕下方的Tobii X2-60眼動儀，記錄被試在實(shí)驗(yàn)第二階段中的雙眼眼動數(shù)據(jù)，采樣頻率為60Hz。為采集被試的口述反饋信息方便更進(jìn)一步的分析，所有被試的實(shí)驗(yàn)過程均采用頭戴式耳機(jī)和具有錄音功能的電子設(shè)備進(jìn)行記錄。被試實(shí)驗(yàn)情況及實(shí)驗(yàn)各設(shè)備位置幾何關(guān)系如圖4所示。

4 實(shí)驗(yàn)數(shù)據(jù)獲取和結(jié)果處理

4.1 原始數(shù)據(jù)采集

實(shí)驗(yàn)中，采集以下4類實(shí)驗(yàn)原始數(shù)據(jù)：

（1）通過基本信息調(diào)查問卷，獲取被試性別、年齡、自述經(jīng)歷等基本信息；

（2）通過Guglielmino學(xué)習(xí)意愿調(diào)查問卷得分，獲取被試學(xué)習(xí)意愿情況；

（3）通過Java程序運(yùn)行記錄，獲取被試在完成兩次C-K拼圖任務(wù)中的概念選擇和耗時情況；

（4）通過眼動儀和ErgoLAB數(shù)據(jù)同步系統(tǒng)，獲取被試在兩次C-K拼圖任務(wù)間的新范式學(xué)習(xí)階段中的眼動注視情況。

4.2 研究因素的量化表達(dá)

為量化固有技術(shù)范式掌握程度、自我導(dǎo)向的學(xué)習(xí)意愿和對新技術(shù)范式學(xué)習(xí)材料的注意力分配等三方面研究因素，以及遷移質(zhì)量和遷移效率兩方面的工程經(jīng)驗(yàn)知識遷移績效，本文對實(shí)驗(yàn)采集的原始數(shù)據(jù)分別進(jìn)行下列處理。

4.2.1 固有技術(shù)范式掌握程度

為均衡參數(shù)，用于評估在C-K拼圖任務(wù)中被試選擇通用性概念對概念設(shè)計任務(wù)的貢獻(xiàn)程度，計算中取= 0.5。

4.2.2 自我導(dǎo)向的學(xué)習(xí)意愿

文獻(xiàn)[21]和[22]對Guglielmino自我導(dǎo)向?qū)W習(xí)意愿調(diào)查問卷題目進(jìn)行了分類，將問卷中55個題目分為6個構(gòu)面：情感、效率、動機(jī)、主動性、獨(dú)立性和創(chuàng)造性。題號與對應(yīng)構(gòu)面間的關(guān)系如表2所示。對此，分類統(tǒng)計各構(gòu)面下題目的平均得分，即可對被試學(xué)習(xí)意愿進(jìn)行量化。

表2 自我導(dǎo)向?qū)W習(xí)意愿問卷的6個構(gòu)面

4.2.3新技術(shù)范式學(xué)習(xí)材料的注意力分配

統(tǒng)計眼動追蹤數(shù)據(jù)中在學(xué)習(xí)材料的特有名詞（SN）、通用工程名詞（GN）、設(shè)計任務(wù)無關(guān)的普通工程名詞（NN）、動詞（V）、形容詞（ADJ）和圖紙（PIC）等6個興趣區(qū)域和除此之外的無關(guān)區(qū)域（Others）上的注視時間和注視次數(shù)，并計算各興趣區(qū)域上的注視時間比率和注視次數(shù)比率，量化被試在新技術(shù)范式學(xué)習(xí)中在學(xué)習(xí)材料各內(nèi)容上的視覺注意力分配情況。

4.2.4 工程經(jīng)驗(yàn)知識遷移的準(zhǔn)確性和完整性

4.2.5 工程經(jīng)驗(yàn)知識遷移的效率

4.3 實(shí)驗(yàn)結(jié)果報告

4.3.1自我導(dǎo)向?qū)W習(xí)意愿調(diào)查問卷得分統(tǒng)計

31位被試在Guglielmino自我導(dǎo)向?qū)W習(xí)意愿調(diào)查問卷6個構(gòu)面上的調(diào)查結(jié)果如表3所示。6個構(gòu)面上的Cronbach’s 𝛂系數(shù)均大于0.7，表明各構(gòu)面的量表均具有較好的穩(wěn)定性與內(nèi)部一致性。6個構(gòu)面上平均得分最高的是動機(jī)構(gòu)面，表明被試具備較強(qiáng)的學(xué)習(xí)動機(jī)；得分最低的是效率構(gòu)面，表明被試的學(xué)習(xí)效率大多一般。

表3 自我導(dǎo)向?qū)W習(xí)意愿問卷6個構(gòu)面上的結(jié)果

4.3.2視覺注視力分配情況統(tǒng)計

圖5 學(xué)習(xí)材料上的各興趣區(qū)域示例

Figure 5 Example of regions of interest on learning materials

圖5展示了行星齒輪傳動機(jī)構(gòu)學(xué)習(xí)材料上興趣區(qū)域的劃分示例，學(xué)習(xí)材料中的特有名詞（SN）、通用工程名詞（GN）、設(shè)計任務(wù)無關(guān)的普通工程名詞（NN）、動詞（V）、形容詞（ADJ）和圖紙（PIC）等興趣區(qū)域以不同顏色標(biāo)出，未標(biāo)注的部分均為無關(guān)區(qū)域（Others）。圖6和表4則展示了31位被試在學(xué)習(xí)階段中，在上述各區(qū)域上的注視熱點(diǎn)圖及注意力分配情況。圖6中的著色區(qū)域?yàn)楸辉囋趯W(xué)習(xí)階段中所關(guān)注到的區(qū)域，且被試將更多的視覺注意力分配于著色區(qū)域內(nèi)的紅色部分。

由圖6和表4可知，被試的視覺注意力集中分配于SN、GN和PIC區(qū)域，這表明31位被試大多能夠重點(diǎn)關(guān)注到學(xué)習(xí)材料中信息含量較高的部分，因而對新技術(shù)范式的學(xué)習(xí)有效。此外，被試在NN和Others區(qū)域分配的視覺注意力的變異系數(shù)均較大，這表明31位被試之間對低效或無效學(xué)習(xí)信息的甄別能力分布不均，差異較大。

圖6 學(xué)習(xí)材料上的注視時間熱點(diǎn)圖示例

Figure 6 Exampleof gaze time hotspots on learning materials

表4 學(xué)習(xí)材料各興趣區(qū)域上視覺注意力分配結(jié)果

4.3.3 C-K拼圖任務(wù)完成情況統(tǒng)計

31位被試在新型增速器概念設(shè)計任務(wù)下的兩次C-K拼圖任務(wù)完成情況如表5所示。

表5 兩個技術(shù)范式下C-K拼圖任務(wù)完成情況

兩次C-K拼圖任務(wù)的平均準(zhǔn)確率和召回率均在0.5以上，表明被試能夠在新型增速器概念設(shè)計任務(wù)中，利用實(shí)驗(yàn)提供的領(lǐng)域概念建立起兩個技術(shù)范式的認(rèn)知結(jié)構(gòu)，并且結(jié)構(gòu)的準(zhǔn)確度和完整度良好。兩次C-K拼圖任務(wù)中的平均準(zhǔn)確率均高于平均召回率，這表明被試在實(shí)驗(yàn)中表現(xiàn)較為“保守”，即對于不能給出合理理由的概念選項(xiàng)（模棱兩可或者不能理解的概念），被試不會輕易挑選并使用于概念設(shè)計中（這將導(dǎo)致召回率降低），而是采用了解和掌握程度更大的概念選項(xiàng)（這將導(dǎo)致準(zhǔn)確率升高）。對此，通過C-K拼圖任務(wù)構(gòu)建出的認(rèn)知結(jié)構(gòu)能夠較為準(zhǔn)確地反映出被試的實(shí)際認(rèn)知情況，結(jié)果可信度較高。

在耗時方面，完成新技術(shù)范式下的C-K拼圖任務(wù)平均選擇耗時較之固有技術(shù)范式提升了19.2%，這表明被試在學(xué)習(xí)遷移的認(rèn)知加工過程中將花費(fèi)更長時間去辨析新技術(shù)范式下的工程概念，推理所選概念與新技術(shù)范式的設(shè)計情境之間的因果關(guān)聯(lián)，并構(gòu)筑相應(yīng)的認(rèn)知結(jié)構(gòu)。

4.4 實(shí)驗(yàn)結(jié)果回歸分析

表6 知識遷移績效的逐步線性回歸分析

表6（續(xù)） 知識遷移績效的逐步線性回歸分析

5 實(shí)驗(yàn)討論及分析

本節(jié)將檢驗(yàn)本文在1.5節(jié)提出的三個研究假設(shè)，并結(jié)合工程師設(shè)計認(rèn)知的C-K理論中的四個交互過程（C→K交互、K→K交互、K→C交互和C→C交互），對知識遷移實(shí)驗(yàn)結(jié)果進(jìn)行解釋和分析，探討技術(shù)范式下工程經(jīng)驗(yàn)知識遷移的機(jī)制及其影響因素，提出知識管理實(shí)踐層面的針對性建議。

5.1 固有技術(shù)范式的認(rèn)知掌握程度對知識遷移的影響

5.2 自我導(dǎo)向的學(xué)習(xí)意愿對知識遷移的影響

工程師個體的自我導(dǎo)向?qū)W習(xí)意愿，也對知識遷移過程有顯著影響作用，其具體表現(xiàn)在學(xué)習(xí)創(chuàng)造性構(gòu)面得分正向顯著影響知識遷移的準(zhǔn)確性。這使得假設(shè)H2不能被拒絕，即工程師個體的自我導(dǎo)向?qū)W習(xí)意愿不同，其在技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移績效有顯著不同。根據(jù)劉廷婷[29]的研究，學(xué)習(xí)者創(chuàng)新思維的多向性（對應(yīng)學(xué)習(xí)意愿調(diào)查問卷創(chuàng)造性構(gòu)面下的第29題的“一題多解”）、深刻性（對應(yīng)第28題“打破砂鍋問到底”）、靈活性（對應(yīng)第35題“異于常規(guī)方法思考”）都能夠使學(xué)習(xí)者在學(xué)習(xí)中構(gòu)建良好的認(rèn)知結(jié)構(gòu)，提升新知識的學(xué)習(xí)績效。與此同時，良好的創(chuàng)造性能力也能夠克服思維定勢的限制，促進(jìn)知識正遷移的進(jìn)行。這都說明了創(chuàng)造性能夠促進(jìn)工程師頭腦中的K→C交互過程。

而自我導(dǎo)向?qū)W習(xí)意愿中的其他幾個構(gòu)面，本實(shí)驗(yàn)并未發(fā)現(xiàn)它們與知識遷移績效之間的顯著影響作用。其原因一方面可能是本實(shí)驗(yàn)被試樣本的采樣范圍較小，所參與的被試學(xué)習(xí)意愿評分均較高，缺乏反面樣本對比；另一方面，被試也可能對自己認(rèn)識不足，容易高估自己的實(shí)際學(xué)習(xí)意愿。

5.3 學(xué)習(xí)中的注意力分配對知識遷移的影響

由表6的3個回歸分析模型，被試在學(xué)習(xí)材料的不同興趣區(qū)域上視覺注意力分配情況，對其知識遷移績效的三個方面均有顯著或潛在的影響，因此假設(shè)H3不能被拒絕。具體地，被試將視覺注意力分配于新技術(shù)范式學(xué)習(xí)材料中的范式特有名詞區(qū)域（SN），有助于被試提升學(xué)習(xí)遷移準(zhǔn)確度。楊琨[30]在與本實(shí)驗(yàn)情境類似的汽車發(fā)動機(jī)再設(shè)計過程中指出，設(shè)計語義網(wǎng)絡(luò)中重要度最高的概念節(jié)點(diǎn)是與核心組成部分（如發(fā)動機(jī)）的功能、原理和結(jié)構(gòu)相關(guān)的概念，新增的其他概念也傾向于與這些概念構(gòu)建關(guān)聯(lián)，使得語義網(wǎng)絡(luò)不斷擴(kuò)張。在本實(shí)驗(yàn)中，這些概念也正是學(xué)習(xí)材料中新技術(shù)范式特有的名詞，因此被試將視覺注意力分配于此，能有效提升被試對新技術(shù)范式的功能、原理和結(jié)構(gòu)的概念認(rèn)知程度，使被試獲得新概念之間及其與確定性固有知識之間的語義關(guān)聯(lián)（即C→C交互和C→K交互過程），繼而構(gòu)筑準(zhǔn)確的新范式認(rèn)知結(jié)構(gòu)并解決新情境下工程問題。與此相對的，被試將視覺注意力分配于新技術(shù)范式學(xué)習(xí)材料中的與設(shè)計任務(wù)無關(guān)的名詞區(qū)域（NN），顯著負(fù)面影響被試知識遷移的效率（與耗時比顯著正相關(guān)），也可以通過上述認(rèn)知過程加以解釋：NN區(qū)域內(nèi)的概念不含有有價值的語義信息，無益于使被試構(gòu)筑新認(rèn)知結(jié)構(gòu)，降低了其在技術(shù)范式轉(zhuǎn)換下的知識遷移效率。

而被試將視覺注意力分配于新技術(shù)范式學(xué)習(xí)材料中的形容詞區(qū)域（ADJ）和動詞區(qū)域（V），卻對學(xué)習(xí)遷移質(zhì)量（準(zhǔn)確性和完整性）有負(fù)面影響。其原因可能是學(xué)習(xí)材料中形容詞和動詞關(guān)注于介紹新技術(shù)范式下的設(shè)計約束和設(shè)計條件（如“至少”“同心”“配合”等）。在C→K交互和K→C交互過程考慮這些新約束使得交互過程的難度增加，導(dǎo)致知識空間K中推理產(chǎn)生的確定性命題減少，而概念空間C中更多概念仍然保持未判定狀態(tài)。這使得被試對新技術(shù)范式的認(rèn)知結(jié)構(gòu)仍處于不完全和不準(zhǔn)確狀態(tài)。表現(xiàn)在本實(shí)驗(yàn)中，對ADJ區(qū)域和V區(qū)域關(guān)注程度較高的被試，在C-K拼圖任務(wù)的口述選擇理由中多次出現(xiàn)盡管對備選概念已經(jīng)有基本的認(rèn)知（了解概念的原理和內(nèi)涵等），但難以對其可用性做出評價（不清楚在何種工程設(shè)計情境下使用此概念等）的現(xiàn)象。這導(dǎo)致這些被試在實(shí)驗(yàn)中少選或不選概念，C-K拼圖任務(wù)成績下降，知識遷移質(zhì)量不高。

關(guān)于學(xué)習(xí)材料中工程圖紙區(qū)域（PIC）的注視情況對知識遷移績效的影響，之前的研究少有涉及。本實(shí)驗(yàn)研究發(fā)現(xiàn)，將視覺注意力分配至工程圖紙區(qū)域，降低了知識遷移的效率。其原因可能與設(shè)計任務(wù)無關(guān)的名詞區(qū)域（NN）降低知識遷移的效率的原因類似：工程圖紙區(qū)域較之明確的工程文本區(qū)域，對設(shè)計原理和設(shè)計方法的表達(dá)較為抽象，阻礙了被試對其中蘊(yùn)含的工程概念及其關(guān)聯(lián)的認(rèn)知加工過程（即C→C交互和C→K交互過程）。本實(shí)驗(yàn)也在實(shí)驗(yàn)結(jié)束后對被試進(jìn)行簡短訪談，部分被試反饋出程度不一的圖紙認(rèn)知困難。對此，工程圖紙的難度如何影響工程師對工程概念的認(rèn)知加工，可在今后的研究中進(jìn)一步探討。

5.4 技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移機(jī)制

除了上述三方面因素，實(shí)驗(yàn)中并未發(fā)現(xiàn)被試的年齡、性別和工作經(jīng)歷等人口學(xué)基本信息對被試知識遷移績效具有顯著影響作用。這一方面印證了經(jīng)典的認(rèn)知遷移理論中，學(xué)習(xí)遷移能力主要受被試認(rèn)知能力影響，而與其具備的人口學(xué)基本特征（年齡、性別、職業(yè)等）無關(guān)[8-10]；另一方面，也推測出工程經(jīng)驗(yàn)知識的遷移在不同的工程師個體中，可能具有一種共性的遷移機(jī)制。

綜合上述分析，并結(jié)合C-K理論的雙空間模型及其四種交互過程的運(yùn)行機(jī)制[12,13]，本文構(gòu)建的技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移的機(jī)制如圖7所示。

圖7 技術(shù)范式轉(zhuǎn)換下的工程經(jīng)驗(yàn)知識遷移機(jī)制

Figure 7 Engineering experience knowledge transfer mechanism under technical paradigm shift

5.5 知識管理實(shí)踐層面的針對性建議

依據(jù)上述分析結(jié)論，本文從知識管理實(shí)踐層面，提出以下三條促進(jìn)技術(shù)范式下工程經(jīng)驗(yàn)知識遷移的針對性建議：

（1）為促使工程經(jīng)驗(yàn)知識向新技術(shù)范式遷移，應(yīng)當(dāng)使工程師多接觸盡可能具體的、與新技術(shù)范式的技術(shù)和方法緊密相關(guān)的學(xué)習(xí)內(nèi)容，而不應(yīng)接觸過多泛泛而談的介紹性材料。學(xué)習(xí)材料應(yīng)立足于促進(jìn)知識工作者的快速理解，內(nèi)容中的關(guān)鍵名詞概念和信息應(yīng)著重標(biāo)記，圖紙或其他多媒體輔助材料應(yīng)當(dāng)清晰具體、一目了然；

（2）對于新技術(shù)范式的學(xué)習(xí)方式，宜采用以了解整體框架、著力快速實(shí)現(xiàn)應(yīng)用目標(biāo)的“廣度優(yōu)先”學(xué)習(xí)方式，而不宜采用以聚焦技術(shù)細(xì)節(jié)、完全了解涉及的原理和方法的“深度優(yōu)先”學(xué)習(xí)方式，從而避免工程師產(chǎn)生嚴(yán)重的思維定勢，阻礙工程經(jīng)驗(yàn)知識遷移；

（3）可從開放式學(xué)習(xí)環(huán)境構(gòu)建、創(chuàng)新性企業(yè)文化培養(yǎng)、跨專業(yè)協(xié)作交流等方面，培養(yǎng)和激發(fā)工程師的學(xué)習(xí)創(chuàng)造性，培養(yǎng)工程經(jīng)驗(yàn)知識遷移的內(nèi)在動力。

6 總結(jié)和展望

技術(shù)范式轉(zhuǎn)換下個體所有的工程經(jīng)驗(yàn)知識遷移，是實(shí)現(xiàn)消化吸收再創(chuàng)新這一高質(zhì)高效創(chuàng)新途徑的關(guān)鍵過程。旨在研究這一遷移過程的機(jī)制和影響因素，本文結(jié)合學(xué)習(xí)遷移理論、“概念—知識”理論以及眼動追蹤技術(shù)，提出了一種以“C-K拼圖”為核心任務(wù)的眼動追蹤監(jiān)控實(shí)驗(yàn)的研究方法。本文以新型增速器的概念設(shè)計為實(shí)驗(yàn)主題，對工程師固有技術(shù)范式掌握程度、自我導(dǎo)向的學(xué)習(xí)意愿和對新技術(shù)范式學(xué)習(xí)材料的注意力分配等三方面研究因素進(jìn)行量化，并探究這三方面因素對技術(shù)范式轉(zhuǎn)化下知識遷移質(zhì)量和效率的影響作用。實(shí)驗(yàn)結(jié)果表明這三方面因素對知識遷移績效均有顯著的影響作用。本文也結(jié)合C-K理論的四個關(guān)鍵過程，對研究因素在實(shí)驗(yàn)結(jié)果中展現(xiàn)的不同影響展開了深入的分析討論，構(gòu)建了技術(shù)范式轉(zhuǎn)換下工程經(jīng)驗(yàn)知識遷移機(jī)制，并從知識管理實(shí)踐層面提升知識遷移績效提出了針對性的建議。

在今后的研究工作中，可以從以下三方面進(jìn)行更進(jìn)一步的研究。其一，本實(shí)驗(yàn)僅考慮了一種技術(shù)范式轉(zhuǎn)換下的知識遷移過程（從圓柱齒輪傳動遷移至行星齒輪傳動）。今后的實(shí)驗(yàn)中，可以考慮與固有技術(shù)范式有不同關(guān)聯(lián)程度的多種新技術(shù)范式（如圓柱齒輪傳動遷移至擺線針輪傳動，或無級變速傳動等），分析技術(shù)范式間的相似性和差異性對知識遷移過程，尤其是其中對思維定勢現(xiàn)象的影響作用。其二，可采集被試在實(shí)驗(yàn)中的腦區(qū)血氧量、腦電信號、腦磁信號等神經(jīng)生理數(shù)據(jù)，構(gòu)建C-K理論四種交互過程的定量測量指標(biāo)，探究其腦神經(jīng)運(yùn)行機(jī)制，對本文關(guān)于四種交互過程的認(rèn)知加工過程的分析進(jìn)行進(jìn)一步深化。其三，可在軟件研發(fā)、高新技術(shù)決策等更多領(lǐng)域的技術(shù)范式轉(zhuǎn)換情境下重復(fù)本文提出的眼動追蹤實(shí)驗(yàn)研究方法，發(fā)掘更具有共性的知識遷移根本因素和基本規(guī)律。

[1] 郄紅偉,張青. 我國引進(jìn)消化吸收再創(chuàng)新現(xiàn)狀及國內(nèi)外經(jīng)驗(yàn)借鑒[J]. 科技管理研究, 2012,32(7): 1-3+16.

Qie H W, Zhang Q. The status quo and experience learning in the import and innovation of China[J]. Science and Technology Management Research, 2012,32 (7): 1-3+16.

[2] 季海濤,凌和軍. 學(xué)習(xí)遷移能力研究綜述[J]. 揚(yáng)州大學(xué)學(xué)報(高教研究版), 2013,(S1): 3-6.

Ji H T, Ling H J. A review of the research on learning transfer ability [J]. Journal of Yangzhou University (Higher Education Study Edition), 2013,(S1): 3-6.

[3] 鄭玉瑋,王亞蘭,崔磊. 眼動追蹤技術(shù)在多媒體學(xué)習(xí)中的應(yīng)用:2005—2015年相關(guān)研究的綜述[J]. 電化教育研究, 2016,37(4): 68-76+91.

Zheng Y W, Wang Y L, Cui L. The application of eye tracking technology in multimedia learning: a review of research from 2005 to 2015[J]. e-Education Research, 2016,37(4): 68-76+91.

[4] Schunk D H. Learning theories: An educational perspective (4th ed.)[M]. Upper Saddle River, NJ, USA: Pearson, 2004

[5] 齊宇歆. 基于PISA的學(xué)習(xí)素養(yǎng)評價系統(tǒng)設(shè)計[D]. 上海: 華東師范大學(xué), 2013.

Qi Y X. The design of assessment system of learning literacy based on PISA[D]. Shanghai: East China Normal University, 2013.

[6] 曹寶龍. 學(xué)習(xí)與遷移[M]. 杭州:浙江大學(xué)出版社, 2009.

Cao B L. Learning and Transfer[M]. Hangzhou:Zhejiang University Press, 2009.

[7] 莫雷. 西方兩大派別學(xué)習(xí)理論發(fā)展過程的系統(tǒng)分析[J]. 華南師范大學(xué)學(xué)報:社會科學(xué)版, 2003(4): 103-110.

Mo L. A systematic analysis of the developmental course of the two western schools of learning theories[J]. Journal of South China Normal University(Social Science Edition) , 2003(4): 103-110.

[8] Ausubel D P. Educational Psychology: A Cognitive View [J]. Journal of Educational Psychology, 1988,(80): 177.

[9] 齊冰. 教學(xué)中促進(jìn)學(xué)習(xí)遷移的策略研究[J]. 現(xiàn)代教育科學(xué), 2007,(12): 11-12.

Qi B. On Strategies of promoting the transfer of learning in teaching[J]. Modern Education Science, 2007,(12): 11-12.

[10] 王文靜. 促進(jìn)學(xué)習(xí)遷移的策略研究[J]. 教育科學(xué), 2004,(02): 26-29.

Wang W J. On the strategies of facilitate the learning transfer[J]. Education Science, 2004,(02): 26-29.

[11] Mayer R E. Cognitive, metacognitive, and motivational aspects of problem solving [J]. Instructional Science, 1998, 26(1-2): 49-63.

[12] Hatchuel A, Weil B. C-K design theory: an advanced formulation [J]. Research in Engineering Design, 2009, 19(4): 181-192.

[13] Hatchuel A, Weil B, Masson P L. Towards an ontology of design: lessons from C–K design theory and forcing [J]. Research in Engineering Design, 2013, 24(2): 147-163.

[14] Poelmans J, Dedene G, Snoeck M, et al. An iterative requirements engineering framework based on Formal Concept Analysis and C-K theory [J]. Expert Systems with Applications, 2012, 39(9): 8115-8135.

[15] Kroll E, Le Masson P, Weil B. Steepest-first exploration with learning-based path evaluation: uncovering the design strategy of parameter analysis with C-K theory [J]. Research in Engineering Design, 2014, 25(4): 351-373.

[16] 楊少鮮, 皮成功, 賈小漫. 基于C-K理論的軍民兩用技術(shù)與產(chǎn)品創(chuàng)新[J]. 科技進(jìn)步與對策, 2014(7): 84-88.

Yang S B, Pi C G, Jia X M. Military-civilian dual-use technology and product innovation based on C-K theory[J]. Science & Technology Progress and Policy, 2014(7): 84-88.

[17] Gong Y, Huang J C, Farh J L. Employee Learning Orientation, Transformational Leadership, and Employee Creativity: The Mediating Role of Employee Creative Self-Efficacy [J]. Academy of Management Journal, 2009, 52(4):765-778.

[18] 林崇德. 學(xué)習(xí)與發(fā)展:中小學(xué)生心理能力發(fā)展與培養(yǎng)[M]. 北京:北京師范大學(xué)出版社, 2011

Lin C D. Learning and development: development and cultivation of psychological ability of primary and secondary school students[M]. Beijing:Beijing Normal University Press, 2011

[19] 周密, 于玲玲, 王德凱. 工作任務(wù)情境下成本、收益對信息源偏好影響的實(shí)證研究——個體學(xué)習(xí)導(dǎo)向、吸收能力的調(diào)節(jié)作用[J]. 軟科學(xué), 2015, 29(12):92-95.

Zhou M, Yu L L, Wang D K.Empirical research about the influence of costs and benefits on information source preference under tasks situations-based on moderating effects of learning orientation and absorptive capacity[J]. Soft Science, 2015, 29(12):92-95.

[20] Bonham L A. Guglielmino's Self-Directed Learning Readiness Scale: What Does It Measure? [J]. Adult Education Quarterly, 1991, 41(2):92-99.

[21] 鄧運(yùn)林. 成人教學(xué)與自導(dǎo)學(xué)習(xí)[M]. 臺灣:五南圖書出版公司, 2004.

Deng Y L. Adult teaching and self-directed learning[M]. Taiwan:Wunan Book Publishing Company, 2004.

[22] 李彥章, 楊曦, 李敏. 自我導(dǎo)向?qū)W習(xí)量表信度和效度的檢測及試用[J]. 護(hù)理研究, 2008, 22(10):930-932.

Li Y Z, Yang X, Li M. Check and on probation of reliability and validity of self-guided learning scale[J]. Chinese Nursing Research, 2008, 22(10):930-932.

[23] 孫兆洋, 劉繼紅. 設(shè)計思考過程模型中設(shè)計意圖的表達(dá)[J]. 機(jī)械工程學(xué)報, 2009, 45(8): 182-189.

Sun Z Y, Liu J H. Representation of design Intents in design thinking process model[J]. Journal of Mechanical Engineering, 2009, 45(8): 182-189.

[24] Just M A, Carpenter P A. A theory of reading: from eye fixations to comprehension [J]. Psychological Review, 1980, 87(4): 329-54.

[25] Bi Y and Reid T N. Evaluating students' understanding of statics concepts using eye gaze data [J]. International Journal of Engineering Education, 2017, 33(1A): 225-235.

[26] Zhen L, Wang L, Li J G. A design of knowledge management tool for supporting product development [J]. Information Processing & Management, 2013, 49(4):884-894.

[27] Jiang J J, Conrath D W. Semantic Similarity Based on Corpus Statistics and Lexical Taxonomy [J]. In the Proceedings of International Conference Research on Computational Linguistics, 1997: 1-15.

[28] Li J. Negative language transfer in college English writing by Chinese students: Problems and strategies [J]. CELEA Journal, 2007, 2: 88- 103.

[29] 劉廷婷. 高中生化學(xué)學(xué)習(xí)思維定勢負(fù)效應(yīng)的研究[D].武漢:華中師范大學(xué), 2016.

Liu T T. Study on the negative effects of thinking set in chemistry learning of high school students[D].Central China Normal University, 2016.

[30] 楊琨,李彥,熊艷等. 基于復(fù)雜網(wǎng)絡(luò)的知識驅(qū)動產(chǎn)品創(chuàng)新設(shè)計[J]. 計算機(jī)集成制造系統(tǒng), 2015, (09): 2257-2269.

Yang K, Li Y, Xiong Y. Knowledge driven product innovation design based on complex network[J]. Computer Integrated Manufacturing Systems, 2015, (09): 2257-2269.

Transfer of empirical engineering knowledge under technological paradigm shift: Evidence from an eye-tracking experiment

LI Xinyu, JIANG Zuhua*, GUAN Yeqin, LI Geng

(School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

“Absorbing, transferring, and re-innovating” is a feasible and effective approach of technology improvement for the developing countries to keep up with the technology reform. To achieve the goal of this approach, it demands an accurate and rapid transfer of empirical engineering knowledge (EEK) under a technological paradigm shift. However, it remains divergent about the mechanism and influencing factors in knowledge transfer, thus leading to the incapability in tackling the low-quality and low-efficiency transfer in this process. For the transfer of EEK triggered by a technological paradigm shift, this paper proposes an eye-tracking experiment based on the transfer of cognitive structure and Concept-Knowledge (C-K) theory.

This paper firstly reviews relevant literature that is related to the research topic, which includes the theory of transfer of learning, concept-knowledge theory, self-directed learning, and the application of eye-tracking technology. Based on the review, three hypotheses for the performance in knowledge transfer are proposed: mastery of an original technological paradigm, willingness in self-direct learning, and distribution of attention in learning a new technological paradigm. A two-phase experiment is then designed. In the first phase, participants are asked to anonymously fill in two questionnaires: basic information questionnaire, and Guglielmino’s self-directed learning readiness scale. In the second phase, they are required to accomplish the first C-K jigsaw for the original technological paradigm to reveal their mastery level. After a 5-min learning process monitored by the eye-tracking tool, another C-K jigsaw for the new paradigm is displayed and finished, to evaluate their performance of knowledge transfer. C-K jigsaw, which is composed of several rounds of “concept represent, concept select and reason feedback,” aims at explicitly constructing the cognitive structure in an engineer’s mind with concepts involved in a paradigm and enabling a quantitative measurement for cognitive structure. Conducted in the conceptual design of new type accelerator, the choice of technological paradigms, presented concepts, learning materials, and the recruitment of participants in the experiments are determined, and an experimental system is developed. The acquisition and analysis of experimental data are also reported.

Experimental results of 31 participants in Shanghai Jiao Tong University are reported in this paper. The eye-tracking data reveals that the participants distribute more visual attention to the area of special nouns (SN), general nouns (GN) and engineering drawings. Precision and recall in two C-K jigsaws are all above 0.5, indicating that the participants can construct and transfer their cognitive structure in the experiment. Linear regression on mastery level, learning willingness, and attention distribution for the performance of knowledge transfer are conducted, showing that all three independents have significant impacts on the performance of knowledge transfer. Specifically, the quality of the transfer is positively affected by the creativity facet in self-direct learning, the accuracy of mastering an original technological paradigm, and important noun concepts in accessing a new technological paradigm. In contrast, the efficiency of transfer is negatively affected by the integrity of mastering an original technological paradigm, and unrelated noun concepts and engineering plots in accessing a new technological paradigm.

Combined with four cognitive interactions proposed in C-K theory, the explanations for these results are discussed in depth. The mechanism model for the transfer of EEK under technological paradigm shift is hence established. Based on the finding of this experiment, three suggestions are proposed for fostering the transfer of EEK: novel-describing and specific learning materials, breadth-first learning style, and creative learning circumstance. This paper opens up a novel way to research knowledge transfer, and further research could focus on three aspects. Firstly, multiple technological paradigms that construct different correlations with the original one could be considered, to investigate the influence of dissimilarity among technological paradigms on the process and performance of EEK transfer. Secondly, neurophysiology data like blood oxygen content, electroencephalogram (EEG) and magnetoencephalogram (MEG) in different brain regions could be collected to construct a neural mechanism for knowledge transfer. Thirdly, similar experiments could be repeated in more engineering domains, and discovering more common rules and factors impacting knowledge transfer.

Knowledge transfer; Empirical engineering knowledge; Technological paradigm shift; Eye-tracking

2017-07-22

2017-11-14

Supported by the National Natural Science Foundation of China (71271133, 71671113) and the Scientific Innovation Key Projects of Shanghai Municipal Education Committee (13ZZ012)

TP391.6

A

1004-6062(2020)01-0034-012

10.13587/j.cnki.jieem.2020.01.005

2017-07-22

2017-11-14

國家自然科學(xué)基金資助面上項(xiàng)目（71271133、71671113）；上海市教委科研創(chuàng)新項(xiàng)目重點(diǎn)項(xiàng)目（13ZZ012）

蔣祖華（1966—），男，浙江溫嶺人；上海交通大學(xué)機(jī)械與動力工程學(xué)院教授，博士生導(dǎo)師；研究方向：知識管理、人因工程。

中文編輯：杜 ??；英文編輯：Charlie C. Chen