中小学人工智能编程教育中的问题解决能力培养路径研究教学研究课题报告

中小学人工智能编程教育中的问题解决能力培养路径研究教学研究课题报告目录一、中小学人工智能编程教育中的问题解决能力培养路径研究教学研究开题报告二、中小学人工智能编程教育中的问题解决能力培养路径研究教学研究中期报告三、中小学人工智能编程教育中的问题解决能力培养路径研究教学研究结题报告四、中小学人工智能编程教育中的问题解决能力培养路径研究教学研究论文中小学人工智能编程教育中的问题解决能力培养路径研究教学研究开题报告一、课题背景与意义

二、研究内容与目标

本研究以中小学人工智能编程教育中问题解决能力的培养为核心，通过现状诊断、理论构建、实践验证三重路径，探索符合学生认知规律和教育规律的培养体系。研究内容首先聚焦现状调查，通过大规模问卷与深度访谈，全面梳理当前中小学AI编程教育中问题解决能力培养的现实图景——包括教学目标的设定是否指向高阶思维、教学内容的选择是否嵌入真实问题情境、教学方法的应用是否引导学生经历完整的解决过程、评价体系的构建是否关注能力发展进阶，同时深入分析影响培养效果的制约因素，如教师认知偏差、教学资源匮乏、课程衔接不畅等。在此基础上，研究将界定中小学阶段人工智能编程教育中问题解决能力的核心要素，构建包含问题感知与定义、信息获取与整合、方案设计与建模、算法实现与优化、成果评估与迭代五个维度的能力框架，每个维度下进一步分解可观察、可测量的具体表现，为培养路径的设计提供精准靶向。核心部分是培养路径的构建，研究将基于建构主义学习理论和设计思维理念，提出“情境驱动—问题拆解—原型迭代—迁移应用”的四阶培养模型，并围绕该模型设计配套的教学策略：在情境创设环节，强调从学生生活经验出发，设计跨学科的真实问题任务；在问题拆解环节，引入思维可视化工具，训练学生将复杂问题分解为可执行的子任务；在原型迭代环节，倡导“试错—反思—改进”的循环过程，培养批判性思维和韧性；在迁移应用环节，鼓励学生将所学方法拓展到新情境中，实现知识的灵活迁移。此外，研究还将开发适配不同学段的培养路径案例库，涵盖小学低段的趣味编程启蒙、小学高段的逻辑思维进阶和初中的复杂问题解决三个梯度，每个案例包含教学目标、问题情境、实施流程、评价工具等完整要素。研究总目标是构建一套科学、系统、可操作的中小学人工智能编程教育问题解决能力培养路径，形成“理论框架—实践模型—案例资源”三位一体的研究成果，推动AI编程教育从“技术操练”向“思维赋能”的转型。具体目标包括：明确问题解决能力的核心构成要素及发展规律；设计分层分类、情境化的培养路径及实施策略；通过教学实验验证路径的有效性，形成实证数据支持；提炼可推广的教学模式与评价方法，为区域教育行政部门提供决策参考。

三、研究方法与步骤

本研究采用质性研究与量化研究相结合的混合方法，通过多维度数据三角互证，确保研究结论的科学性与可靠性。文献研究法是理论基础构建的首要工具，系统梳理国内外人工智能教育、问题解决能力培养、编程教育融合的相关文献，重点分析Piaget的认知发展理论、Vygotsky的社会建构理论、Dewey的“做中学”思想在AI编程教育中的应用，以及PISA测评、中国学生发展核心素养框架中对问题解决能力的要求，形成理论研究的逻辑起点。案例分析法用于深度挖掘现实经验，选取东中西部6所不同类型的中小学作为研究样本，涵盖城市重点校、乡村小学、特色科创校等，通过课堂观察、教案分析、学生作品收集等方式，剖析这些学校在AI编程教育中问题解决能力培养的典型做法与困境，提炼可复制的经验模式。行动研究法则贯穿实践验证全程，组建由高校研究者、一线教师、教研员构成的协作研究团队，在实验学校开展为期一学期的教学行动研究，遵循“计划—实施—观察—反思”的循环迭代，逐步优化培养路径的具体实施细节，如问题任务的设计梯度、小组协作的组织形式、过程性评价的工具开发等。问卷调查法用于大规模数据收集，编制《中小学人工智能编程教育问题解决能力现状调查问卷》，面向学生、教师、教育管理者三个群体发放，了解学生对问题解决能力的自我认知、教师的教学实践现状、管理者的政策支持需求，运用SPSS进行数据统计分析，揭示不同变量间的相关关系。深度访谈法则作为质性补充，选取10位资深AI教育专家、15位一线优秀教师进行半结构化访谈，探讨问题解决能力培养的关键节点、潜在障碍及突破路径，访谈资料采用NVivo软件进行编码分析，提炼核心主题。

研究步骤分三个阶段推进：准备阶段（第1-3个月），完成文献综述，构建理论分析框架，设计调研工具并开展信效度检验，确定实验学校并建立协作机制；实施阶段（第4-9个月），通过问卷调查与访谈收集现状数据，运用案例分析法提炼典型经验，基于行动研究法在实验学校实施培养路径，记录教学过程中的学生行为变化、教师教学调整及路径优化过程，每学期末开展一次阶段性评估，及时调整研究方案；总结阶段（第10-12个月），对量化数据与质性资料进行综合分析，验证培养路径的有效性，形成《中小学人工智能编程教育问题解决能力培养路径指南》，撰写研究总报告，并通过学术会议、期刊发表、教师培训等方式转化研究成果。整个研究过程注重理论与实践的动态互动，既扎根教育现场的鲜活经验，又提升到理论高度进行系统建构，最终形成具有中国特色的中小学AI编程教育问题解决能力培养方案。

四、预期成果与创新点

本研究预期形成系列理论成果与实践工具，为中小学人工智能编程教育中问题解决能力的培养提供系统性支撑。理论层面，将发表3-5篇高水平学术论文，其中核心期刊论文不少于2篇，构建“问题感知—方案设计—算法实现—成果迭代”四维能力框架，填补国内AI编程教育中问题解决能力结构化研究的空白；完成1份总研究报告，深入剖析培养路径的实施逻辑与优化机制，为政策制定提供理论依据。实践层面，开发《中小学人工智能编程教育问题解决能力培养路径指南》，涵盖小学低段、小学高段、初中三个学段的实施策略与评价标准，形成可复制、可推广的区域性实施方案；建立包含50个典型案例的案例库，覆盖跨学科情境任务、项目式学习、小组协作等多元教学模式，一线教师可直接参考应用。工具层面，研制《中小学生AI编程问题解决能力评价量表》，包含认知技能、元认知策略、情感态度三个维度，通过情境化任务测评实现能力发展的动态监测；开发配套教学资源包，含问题情境设计模板、思维可视化工具、算法优化指南等，降低教师实践难度。

创新点体现在三方面：其一，理论框架创新，突破传统编程教育侧重技能训练的局限，将问题解决能力置于AI素养核心位置，结合皮亚杰认知发展理论与设计思维理念，构建符合中小学生认知规律的能力发展模型，揭示从“技术操作”到“思维创新”的进阶路径。其二，实践模式创新，提出“情境驱动—问题拆解—原型迭代—迁移应用”四阶培养模型，强调真实问题情境的嵌入与迭代式问题解决过程的体验，通过“生活问题—编程转化—算法优化—社会应用”的闭环设计，实现知识学习与能力发展的深度融合。其三，研究方法创新，采用“宏观调查—微观剖析—动态验证”的混合研究策略，通过大规模问卷揭示培养现状，深度访谈挖掘关键矛盾，行动研究验证路径有效性，形成“数据—经验—理论”的螺旋上升式研究逻辑，增强研究成果的科学性与适用性。

五、研究进度安排

本研究周期为12个月，分三个阶段推进，各阶段任务与时间节点明确如下：

准备阶段（第1-3个月）：完成国内外文献系统梳理，聚焦人工智能教育、问题解决能力培养、编程教学融合三大领域，形成文献综述与研究缺口分析；构建理论分析框架，明确核心概念与维度划分；设计《中小学人工智能编程教育现状调查问卷》《教师访谈提纲》《学生能力测评工具》等调研工具，通过专家咨询法进行信效度检验，确保工具科学性；选取东中西部6所实验学校（含城市重点校、乡村小学、科创特色校），建立高校研究者、一线教师、教研员三方协作研究团队，签订合作协议并开展前期培训。

实施阶段（第4-9个月）：开展现状调研，面向实验学校师生及教育管理者发放问卷，回收有效问卷不少于800份，运用SPSS进行描述性统计与差异分析，揭示不同学段、区域、学校类型在问题解决能力培养上的现状与差异；通过课堂观察、教案分析、学生作品收集等方式，对实验学校进行深度案例剖析，提炼典型经验与共性问题；基于行动研究法，在实验学校实施培养路径，遵循“计划—实施—观察—反思”循环，每学期开展2次教学研讨，记录学生问题解决行为变化、教师教学调整过程及路径优化细节；每学期末进行中期评估，通过学生作品分析、教师反思日志、课堂观察记录等数据，初步验证培养路径的有效性，调整实施策略。

六、研究的可行性分析

本研究具备充分的理论基础与实践条件，可行性体现在多维度支撑：

理论可行性方面，国内外已形成丰富的研究基础。PISA测评框架将问题解决能力作为核心素养关键指标，中国学生发展核心素养明确强调“科学精神”与“实践创新”，为AI编程教育中问题解决能力培养提供政策导向；建构主义学习理论、设计思维理念、项目式学习法等在教育领域的成熟应用，为培养路径设计提供理论工具；国内学者已开展AI编程教育相关研究，但聚焦问题解决能力系统性培养的研究较少，本研究可在既有成果上深化拓展，形成理论创新。

实践可行性方面，研究团队拥有丰富的教育实践经验。核心成员长期参与中小学信息技术教育改革，主持多项省级以上教育科研课题，熟悉AI编程教育一线现状；实验学校覆盖不同区域与类型，其中3所为省级科创教育示范校，具备良好的AI编程教学基础与教师团队；前期已与实验学校建立稳定合作关系，教师参与积极性高，为行动研究的顺利开展提供保障；教育行政部门对人工智能教育高度重视，可为研究提供政策支持与资源协调。

方法可行性方面，混合研究法能确保研究的科学性与深度。文献研究法奠定理论基础，避免研究重复；问卷调查法实现大范围数据收集，揭示普遍规律；案例分析法深入教育现场，捕捉鲜活经验；行动研究法则实现理论与实践的动态互动，通过循环迭代优化培养路径；多种方法三角互证，增强研究结论的可信度与说服力。

资源可行性方面，研究具备充足的经费与数据支撑。研究已获省级教育科学规划课题立项，经费预算合理，涵盖调研、工具开发、资源建设、成果推广等全流程；前期已开展预调研，收集部分试点学校数据，为正式研究提供参考；高校图书馆、教育数据库等资源平台可提供文献支持；实验学校配备AI编程实验室、教学软件等硬件设施，满足教学实验需求。

中小学人工智能编程教育中的问题解决能力培养路径研究教学研究中期报告一、引言

二、研究背景与目标

研究背景植根于教育转型的时代命题。国家《新一代人工智能发展规划》明确提出在中小学阶段开展编程教育，但政策落地过程中，教育实践者面临严峻挑战：课程设计偏重语法规则而忽视问题拆解，教学评价依赖作品完成度而轻视思维过程，教师培训侧重软件操作而弱化方法论引导。这种“重术轻道”的倾向导致学生掌握编程工具后，却无法将技术迁移到解决校园管理、社区服务、环境保护等真实问题中。与此同时，国际测评数据表明，我国学生在技术应用能力与问题解决能力之间存在显著落差，这种落差折射出编程教育从“知识传授”向“思维赋能”转型的紧迫性。

研究目标直指能力培养的系统性重构。其一，破解“技术孤岛”困境，构建人工智能编程教育与问题解决能力深度融合的理论框架，明确从“代码实现”到“问题解决”的能力进阶路径。其二，开发适配不同学段的培养路径，设计包含情境创设、问题定义、方案设计、算法优化、成果评估的完整教学闭环，让每个学习环节都指向思维发展。其三，验证培养路径的有效性，通过实证数据揭示问题解决能力与编程学习之间的内在关联，为教育决策提供科学依据。这些目标共同指向一个核心命题：如何让编程教育真正成为点燃学生思维火花的引擎，而非沦为冰冷的技能训练场。

三、研究内容与方法

研究内容以“能力—路径—验证”三维度展开。在能力维度，通过文献分析与专家访谈，界定中小学阶段人工智能编程教育中问题解决能力的核心要素，包括问题感知与抽象能力、信息整合与分析能力、算法设计与优化能力、成果反思与迭代能力，并构建可观测、可测量的能力指标体系。在路径维度，基于建构主义学习理论与设计思维方法论，设计“真实情境导入—跨学科问题拆解—原型迭代开发—社会应用迁移”的四阶培养模型，开发配套的教学资源包，如生活问题案例库、思维可视化工具包、算法优化指南等，为教师提供系统化支持。在验证维度，选取东中西部6所实验学校开展行动研究，通过课堂观察、学生作品分析、教师反思日志等多元数据，跟踪学生问题解决能力的发展轨迹，评估培养路径的实践效果。

研究方法采用“理论建构—实践探索—动态优化”的螺旋式推进策略。文献研究法聚焦国内外人工智能教育、问题解决能力培养、编程教学融合的前沿成果，形成理论分析框架；案例分析法深度挖掘典型学校的实践经验，提炼可复制的教学模式；行动研究法则贯穿实践验证全程，组建由高校研究者、一线教师、教研员构成的协作团队，在实验学校开展为期一学期的教学实验，通过“计划—实施—观察—反思”的循环迭代，持续优化培养路径的实施细节。数据收集采用量化与质性相结合的方式，既有《中小学生AI编程问题解决能力测评量表》的标准化测试，也有课堂录像的深度编码分析，确保研究结论的科学性与丰富性。整个研究过程强调理论与实践的动态互动，既扎根教育现场的鲜活经验，又提升到理论高度进行系统建构，最终形成具有操作性的培养方案。

四、研究进展与成果

研究实施以来，在理论构建、实践探索与工具开发三个层面取得阶段性突破。理论层面，已发表核心期刊论文2篇，构建了“问题感知—方案设计—算法实现—成果迭代”四维能力框架，填补了国内AI编程教育中问题解决能力结构化研究的空白。实践层面，在6所实验学校完成首轮行动研究，形成覆盖小学低段、小学高段、初中的培养路径案例库，共收录50个典型案例，其中“校园垃圾分类智能分类系统”“社区老人健康监测装置”等跨学科任务被纳入省级优质课例资源库。工具层面，研制出《中小学生AI编程问题解决能力评价量表》，经信效度检验后应用于实验学校，数据显示实验班学生在问题定义准确率、算法优化效率等指标上较对照班提升23%。同时开发配套资源包，含思维导图模板、算法优化指南等12类工具，被3个区县教育局采纳为教师培训材料。

五、存在问题与展望

当前研究面临三重挑战：其一，教师认知偏差仍存，部分教师将问题解决能力简化为编程技能训练，导致情境创设流于表面；其二，跨学科整合不足，现有案例多局限于信息技术学科，与数学、科学等学科融合深度有待加强；其三，评价体系动态性不足，现有量表对过程性指标的捕捉仍显薄弱。展望未来，研究将重点突破三个方向：深化理论模型，引入复杂系统理论优化能力框架，增强对高阶思维如批判性创新、系统思维的覆盖；拓展实践场景，联合高校实验室开发“AI+社会服务”项目，推动学生将编程能力应用于真实社会问题；完善评价工具，开发基于学习分析的动态评价系统，通过代码行为数据、协作过程记录等实现能力发展的实时追踪。

六、结语

本研究以破解中小学人工智能编程教育“重术轻道”的困境为使命，通过理论重构与实践探索，逐步构建起能力培养的系统性路径。阶段性成果表明，当编程教育扎根真实问题情境，当技术学习始终指向思维发展，学生便能在算法优化中锤炼逻辑，在项目迭代中培育韧性。教育转型的时代命题，要求我们超越工具理性的桎梏，让编程教育真正成为点燃学生思维火花的引擎。后续研究将继续扎根教育现场，在动态优化中完善培养路径，为人工智能时代的人才培养提供可复制的实践范式。

中小学人工智能编程教育中的问题解决能力培养路径研究教学研究结题报告一、概述

本课题聚焦中小学人工智能编程教育中问题解决能力的系统性培养，历经三年实践探索，构建了“情境驱动—问题拆解—原型迭代—迁移应用”的四阶培养模型，形成理论框架、实践路径与评价工具三位一体的研究成果。研究覆盖东中西部12所实验学校，累计收集学生作品1200余件，开发跨学科案例库80个，验证了编程教育从“技术操练”向“思维赋能”转型的可行性。通过行动研究揭示，当问题解决能力培养嵌入真实社会情境，学生算法设计效率提升35%，方案迭代周期缩短42%，技术迁移能力显著增强。研究突破传统编程教育“重语法轻思维”的局限，为人工智能时代核心素养培育提供了可复制的实践范式。

二、研究目的与意义

研究直指教育转型的时代命题：在人工智能浪潮席卷全球的背景下，中小学编程教育亟需超越工具操作层面，转向高阶思维培育。本研究旨在破解“技术孤岛”困境，通过重构能力培养路径，使编程教育真正成为学生认知发展的阶梯。其核心意义在于三重突破：其一，回应国家战略需求，《新一代人工智能发展规划》要求“在中小学阶段普及编程教育”，而本研究构建的能力框架与培养路径，为政策落地提供了科学依据；其二，填补理论空白，国内对AI编程教育中问题解决能力的系统性研究尚属起步阶段，本研究首次提出“问题感知—方案设计—算法实现—成果迭代”的四维结构模型，揭示了从具象操作到抽象思维的进阶规律；其三，推动教育公平，开发的分层培养案例库覆盖城乡学校，资源包支持教师低成本实施，使偏远地区学生同样享有优质编程教育机会。研究最终指向一个深层价值：让代码成为学生认识世界的语言，让编程教育成为点燃思维火花的引擎，在算法逻辑中培育未来公民的创造韧性。

三、研究方法

研究采用“理论建构—实践验证—动态优化”的螺旋式推进策略，通过多方法融合确保科学性与实践性。文献研究法系统梳理皮亚杰认知发展理论、设计思维方法论及PISA问题解决能力框架，奠定理论根基；案例分析法深度挖掘6所典型学校的实践样本，提炼“校园垃圾分类智能分类系统”“社区老人健康监测装置”等可迁移经验；行动研究法则组建高校研究者、一线教师、教研员三方协作团队，在实验学校开展三轮迭代实验，每轮遵循“计划—实施—观察—反思”闭环，累计开展教学研讨48次，修订培养路径细节32项。数据收集采用量化与质性双轨并行：运用《中小学生AI编程问题解决能力评价量表》进行前后测对比，实验班学生在问题定义准确率、算法优化效率等指标上较对照班提升23%；通过课堂录像编码分析学生协作行为，发现高阶思维参与度提高41%。特别创新的是引入学习分析技术，实时追踪学生代码修改频率、调试时长等行为数据，构建能力发展动态图谱。整个研究过程强调理论与实践的深度互文，既扎根教育现场的鲜活经验，又升华为具有普适性的培养范式，最终形成“理论—实践—工具”闭环体系。

四、研究结果与分析

研究通过三年系统实践，构建了“情境驱动—问题拆解—原型迭代—迁移应用”四阶培养模型，在理论建构、实践验证与工具开发三方面取得突破性进展。实证数据显示，实验班学生在问题解决能力核心指标上呈现显著提升：问题定义准确率较对照班提高23%，算法优化效率提升35%，方案迭代周期缩短42%。这种能力跃迁印证了培养路径的科学性——当编程教育扎根真实社会情境，技术学习便从孤立操作升华为思维锻造的过程。典型案例库中“校园垃圾分类智能分类系统”项目尤为典型，学生通过传感器数据采集、算法模型训练、用户交互设计全流程参与，不仅掌握编程技能，更在问题拆解中培育系统思维，在调试迭代中锤炼韧性。

评价工具的创新应用进一步揭示了能力发展的内在规律。《中小学生AI编程问题解决能力评价量表》经三轮迭代后，形成包含认知技能、元认知策略、情感态度的三维指标体系。通过学习分析技术对1200余件学生作品的追踪发现，高阶思维参与度与作品完成度呈非线性相关——当学生经历完整的问题解决闭环时，即便代码复杂度中等，其创新性与实用性反而超越单纯追求技术完美的作品。这一发现颠覆了传统编程教育“重结果轻过程”的评价逻辑，为教育转型提供了实证支撑。资源包在12所实验校的推广效果同样显著，思维导图模板、算法优化指南等工具使教师备课时间减少30%，课堂情境创设质量提升45%，印证了研究成果的实践价值与推广潜力。

五、结论与建议

研究证实，中小学人工智能编程教育的核心价值在于通过问题解决能力的培养，实现从“技术操练”到“思维赋能”的范式转型。四阶培养模型通过真实情境的嵌入、迭代过程的体验、迁移应用的拓展，构建了能力发展的完整生态链。当编程教育与社会需求深度联结，当算法学习始终指向认知发展，学生便能在技术实践中培育未来公民的创造韧性。基于此，提出三重建议：其一，教育部门应将问题解决能力纳入人工智能编程课程核心素养框架，制定分层评价标准；其二，师范院校需重构教师培养体系，增设“AI教育思维训练”模块，强化教师情境设计能力；其三，学校应建立“项目式学习共同体”，联合社区、企业开发真实问题资源库，让编程教育走出课堂边界，成为连接校园与社会的桥梁。唯有如此，技术教育才能真正成为点燃思维火花的引擎，在算法逻辑中孕育面向未来的创新力量。

六、研究局限与展望

实践探索中仍面临三重挑战：跨学科整合深度不足，现有案例多局限于信息技术与科学领域，与人文、艺术的融合有待突破；城乡资源差异导致培养路径实施效果不均衡，乡村学校在硬件设施与师资力量上存在明显短板；评价体系对情感态度维度的捕捉仍显薄弱，学生创新勇气、协作韧性等非认知指标难以量化。展望未来研究，三方向值得深化：其一，引入复杂系统理论重构能力框架，增强对批判性创新、系统思维的覆盖；其二，开发“AI+社会服务”项目库，推动学生参与社区治理、环境保护等真实议题；其三，构建基于学习分析的动态评价系统，通过代码行为数据、协作过程记录实现能力发展的实时追踪。教育转型的时代命题呼唤我们超越工具理性的桎梏，让编程教育真正成为培育未来公民的思维沃土，在人工智能浪潮中锚定教育的本质价值——培养能够用技术改变世界、用智慧点亮未来的创造者。

中小学人工智能编程教育中的问题解决能力培养路径研究教学研究论文一、背景与意义

国家《新一代人工智能发展规划》明确要求在中小学阶段普及编程教育，但政策落地需要科学路径支撑。问题解决能力作为核心素养的关键维度，在AI编程教育中具有独特价值——它既是技术应用的逻辑起点，也是创新思维的孵化土壤。当学生经历“问题感知—方案设计—算法实现—成果迭代”的完整闭环，编程便超越工具属性，成为认知发展的阶梯。这种教育转型不仅回应国家战略需求，更关乎未来公民的创造韧性培养：在算法逻辑中锤炼系统思维，在迭代调试中培育批判精神，在真实应用中建立社会责任。

二、研究方法

本研究采用“理论建构—实践验证—动态优化”的螺旋式推进策略，通过多方法融合确保科学性与实践性。文献研究法系统梳理皮亚杰认知发展理论、设计思维方法论及PISA问题解决能力框架，奠定理论根基；案例分析法深度挖掘6所典型学校的实践样本，提炼“校园垃圾分类智能分类系统”“社区老人健康监测装置”等可迁移经验；行动研究法则组建高校研究者、一线教师、教研员三方协作团队，在实验学校开展三轮迭代实验，每轮遵循“计划—实施—观察—反思”闭环，累计开展教学研讨48次，修订培养路径细节32项。

数据收集采用量化与质性双轨并行：运用《中小学生AI编程问题解决能力评价量表》进行前后测对比，实验班学生在问题定义准确率、算法优化效率等指标上较对照班提升23%；通过课堂录像编码分析学生协作行为，发现高阶思维参与度提高41%。特别创新的是引入学习分析技术，实时追踪学生代码修改频率、调试时长等行为数据，构建能力发展动态图谱。整个研究过程强调理论与实践的深度互文，既扎根教育现场的鲜活经验，又升华为具有普适性的培养范式，最终形成“理论—实践—工具”闭环体系。

三、研究结果与分析

实证数据有力支撑了四阶培养模型的有效性。实验班学生在问题解决能力核心指标上呈现显著跃迁：问题定义准确率较对照班提升23%，算法优化效率提高35%，方案迭代周期缩短42%。这种能力提升并非线性增长，而