自然世界中的复杂系统比比皆是,如生态系统、化学反应系统等。它们是由多个自主运行的个体所构成的系统,其复杂之处在于,即便了解个体的行为法则,也难以推理出系统的变化规律。这样的性质违背了现代科学长期依赖的还原论思想,称之为“突现（Emergence）”。也正因如此,复杂系统提供了理解世界的新视角,值得引入科学教育中。实际上,中学科学课程中有很多内容是与复杂系统相关的,但在教学中教师常常偏向于讲授宏观层面的变化规律是什么,对于其背后的微观法则与推理解释涉及甚少,而且对于宏观规律的介绍也相对片面,不足以体现系统的复杂性,导致学生复杂系统的知识存在结构性的缺失。基于主体建模（Agent-based Modeling,ABM）是一种适合研究复杂系统的计算机建模方法,国外的学习科学研究者将其用于解决复杂系统的教学难题。但目前大多数都是用已经建构好的ABM模型进行教学演示或让学生探索,由学生自主建构模型而学习复杂系统知识的还非常少,因此ABM难以发挥出作为复杂系统认知工具的作用。鉴此,本研究的目标是设计基于主体建模学习复杂系统的科学知识的学习环境（Learning Complex Systems through Agent-based Modeling,LCSt ABM）,并且将其作为中介研究学生知识建构的过程。本研究将回答以下几个问题:问题1:我国科学课程中有哪些内容与复杂系统相关,并且适合学生以基于主体建模的方式学习?问题2:以基于主体建模的方式建构复杂系统科学知识的学习环境是怎样的?问题3:通过本研究所设计的学习环境,学生对复杂系统科学知识的理解发生了怎样的变化?变化是如何发生的?对于这三个问题开展三项子研究,子研究1首先根据已有的研究归纳出复杂系统的内容主题,然后对国内现有的教科书中这些主题的内容进行分析,以复杂系统的知识框架评估教学的困难与内容的缺失。接着采用ABM工具——Star Logo NOVA（SLN）对这些复杂系统进行建模,用建好的模型来表征出相应的复杂系统科学知识。研究发现,种群的数量变化、自然选择、流行病学以及化学反应原理能够通过相应的SLN模型表征出来,适合学生以基于主体建模的方式进行学习。在子研究1的基础上,子研究2选取了“抗生素的使用”、“流行病的传播”和“农场中的野兔”三个主题作为的学习内容。设计出学习环境的雏形,将其进行教学检验并优化。最终,开发了更适合学生编程建模的“SLN工具包”作为学习工具,以“分析预测-建模验证-拓展探究-总结归纳”的任务流程,并且为每个环节设计学生工作单。子研究3在S市一所初中开展,对象是七年级和八年级的学生,采用了连续比较法来收集和分析学生的个案。研究发现,在学习之前,学生对复杂系统的宏观层面的预测往往是片面的,尽管已经提示了微观层面的信息,学生也难以解释变化规律的微观机理。借助本研究所设计的学习环境,学生能够将微观的信息整合到知识结构中,并且在宏观层面拓展出更多、更全面的规律,以及能够形成相对复杂的跨层推理与解释。学生的学习过程表明,建构模型能够促使学生从主体的角度来思考复杂系统。在模拟的过程中,计算机模型的运行承担了复杂的推理工作,使得学生能够快速地获得不同变量条件下系统的变化情况,并结合模型中所呈现的变化过程来做出解释。总之,学生在建模与模拟的人机互动中建构了复杂系统的科学知识。本研究验证了学生以基于主体建模学习复杂系统科学知识是可行的,将来可以尝试将其应用到常规教学中,并且开发出更多的复杂系统科学内容主题,以及创设计算机编程与科学交叉的课程。