最近，加州修订后的《数学框架》引发了激烈的争议，这是一套关于加州K-12学校应该如何教授数学的建议。涉及公平、特权、社会经济阶层和性别、民族和种族等热点问题。

对于提高数学流畅性和缩小成绩差距的必要性，大家都没有异议。2019年，在大流行前的最后一次全州评估中，只有34%的加州学生、18%的黑人学生和20%的拉丁裔学生达到或超过了该州的数学标准。

根据提议框架的提倡者的说法，改变方法是必要的，因为“传统的数学教学强调死记硬背‘毫无意义的公式’和程序，让许多学生失去了兴趣;除了枯燥之外，它还与学生的生活和经历脱节。”

为了更好地激励学生，让更多学生为STEM领域的成功做好准备，初步框架草案建议:

通过混合不同数学成绩水平的学生，取消高阶、低阶和补习数学课程，来疏导数学教学。

通过初中和高中数学的循序渐进，以确保学生掌握基础代数和几何的概念框架。

取消11年级前数学成绩好的学生的速成和天才课程。

一种数据科学途径，作为标准代数II、微积分预备和微积分序列的替代方案。

一种强调探究、讨论、协作解决问题和概念理解而不是死记硬背的数学教学法。

最初的草案宣称:

“我们拒绝天赋和天赋的观念”和“天才崇拜”。

数学教学“有很多需要纠正的地方，(因为)数学这门学科和数学社区有排斥和过滤的历史，而不是包容和欢迎。”

“不要把家庭作业作为评分的一部分。家庭作业是最不公平的教育方式之一。”

“在12年级推动微积分本身就是一种误导。”

包括加州大学伯克利分校(UC Berkeley)、加州理工学院(Caltech)和斯坦福大学(Stanford)在内的四年制学院和大学的数百名教职员工和学术人员在内的批评者签署了一份声明，批评拟议的框架是对卓越的攻击，将不利于“学生为大学水平的数学课程做好准备，并加剧STEM领域现有的种族和性别差异”。这些批评包括:

该报告缺乏可靠的研究来支持其方法将促进公平的说法。

该框架在神经科学、加速、跟踪和评估方面精选、歪曲和扭曲了被引用的文献。

该文件的作者偏向于数据科学，而忽视了数学的其他领域。

该报告贬低了程序技能，淡化了数学作业的重要性，用更客观的评估方法代替了学习的主观衡量标准(比如作品集)。

当然，围绕数学教育的争议并不仅限于加州。根据国家教育进展评估，2015年，全国只有25%的12年级学生在数学方面达到或超过熟练程度。

关于如何教授数学的争论也不是什么新鲜事。我自己在中学时就经历了新的数学。K-12的数学不再是简单地教学生如何使用数字来解决日常挑战，比如做预算、平衡支票簿或纳税，而是越来越不被视为一系列需要应用的技术和程序，而是被视为需要理解的概念(如集合论和数值基础)，更重要的是，在人造卫星之后，它被视为科学理解和技术进步的关键。

《花生》漫画中的一段对话捕捉到了人们对新数学的强烈反对，并引发了“回归基本”的回应。

莱纳斯:新数学对我来说太难了。

露西:你会找到的。只是需要时间。

莱纳斯:不是我。我永远也不会去做。你怎么能用一个老的数学头脑解决新的数学问题?

在今天的数学战争中，比在识字战争中更重要的是，公平地进入许多增长最快的领域的根本问题。毕竟，缺乏扎实的微积分和统计学背景的学生不仅无法进入商业分析和金融技术、工程学、流行病学和健康信息学、机器学习和定量社会科学等专业，甚至连医学院、牙科和护理学院都无法进入。

辩论包括:

是否所有的学生都应该接触高等数学，或者是否应该为那些不打算进入数学密集型领域的学生提供不同的途径?

不同的数学路径——一条通向微积分，另一条通向统计学和与文化相关的数学——会成为“有色人种学生的路径”，加剧种族和阶级不平等吗?

大流行导致的数学学习损失以及收入和族裔和种族差距的加深应该如何得到最好的纠正?

这些争议背后是一个更大的问题:是否有可能让更多的学生，而不仅仅是那些有数学天赋的学生，达到适当的能力水平?是一些学生在数学方面更有天赋，他们应该被安排在要求更高的数学课上，而另一些学生不是“数学人”，他们可以从更符合他们兴趣的不同途径中受益?

社会并不期望所有的学生在艺术、音乐或体育方面都有同样的天赋。我们应该期望所有的学生都精通数学和统计学吗?

毫无疑问，许多美国人觉得数学很难学，而且容易引起焦虑。根据2009年一项经常被报道的统计数据，17%的普通人群对数学有高度焦虑。3%到7%的人被认为患有特定于数学的学习障碍，比如计算障碍。这在数学上相当于阅读障碍;患有计算障碍的人很难掌握与数字相关的概念，进行准确的数学计算，以及用数字或统计来推理和解决问题。

计算障碍并不能解释普通人群在数学成绩上的差距——这似乎更多的是教学质量和形式的问题，以及根深蒂固的态度和信仰。这使得数学教育改革者得出结论:可以通过更好的教学、思维模式训练、额外的关注以及更相关和更符合文化的课程来提高数学成绩。

那么这对学院和大学意味着什么呢?

我们的校园需要认识到，对量化、概率、统计和数据的熟练掌握是必不可少的。具有分析、数据挖掘、数据可视化、信息学和概率的设施不是奢侈品。这是必须的。大学毕业生应该能够定位和理解数据源，从数据中获得有意义的信息，解释数据可视化(包括图形和图表)，批判性地评估，分析和评估统计声明，并识别数据的错误表述。

学院和大学应该在课程中加入计算和统计知识。写作太重要了，不能留给修辞学和写作的一两门课程，同样，数学也太重要了，不能留给几门数学入门课程。数学以外的许多学科都很好地将数学和统计分析融入到他们的许多课程中。即使是人文学科课程也可以将计算思维、数据挖掘、数据可视化、地理空间分析、时间序列网络分析、来源、数据隐私、三维数字重建和仿真建模整合到课程中。

院校应该为学生提供更多的机会，让他们学习与学科和职业相关的应用数学课程。这些课程包括生物统计学、气候学、行为计算建模、计算社会科学、流行病学、金融学、基因组学、投资分析、材料科学、医学、风险管理和供应链分析。

韦尔斯利学院(Wellesley College)的定量推理课程提出了一个我认为我们都应该接受的论断:“在当代社会，清晰而批判性地思考定量问题的能力是必不可少的。”虽然正如卫尔斯理大学网站所宣称的那样。“几乎所有学术领域都需要定量推理……而且几乎每个职业都需要定量推理”，但事实是，在一个日益受到数据驱动的社会中，分析数据、统计数据和图表的能力是批判性思维的关键组成部分。

当然，量化素养并不是唯一需要加强的素养。精通社会科学思维和科学方法也是必不可少的。但没有理由把一种文化优先于另一种文化。这些都是必要的。

解决这场数学之战并不容易。正如我们所看到的，它们并不是新的。数学之战之所以持续，是因为各方都认识到，数学文盲造成了一个玻璃天花板，限制了可能性和潜力。

我们不能重复《Teen Talk Barbie》那句轻蔑的口头禅“数学课很难”。是的，数学很难，但也很重要。正如伽利略所指出的，自然之书是用数学语言写成的。量化素养需要成为贯穿整个课程的共同责任。

注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。