探索交互式worked examples的设计及其对不同先备知识学习者的影响

文献标题

Exploring the Design and Impact of Interactive Worked Examples for Learners with Varying Prior Knowledge

出版信息

• 主题领域: 智能辅导系统与自适应学习干预
• 关键词: 智能辅导系统, 示范例题, ICAP 框架, 命题逻辑, 先验知识, 认知参与, 调试, 自适应学习, 问题解决, 行为分析

背景与问题

• 问题/挑战: 传统的示范例题往往无法满足具有不同先验知识的学习者需求，低先验知识学习者从中受益更多，而高先验知识学习者受益较少。设计能够平衡认知参与和为多样化学习者提供支架的干预措施仍然是一个挑战。
• 重要性: 解决这一问题可以改善更广泛学生群体的学习效果，尤其是在像命题逻辑这样复杂领域中，学习者的先验知识差异显著。
• 动机与相关研究: 先前研究指出，被动示范例题的局限性以及专家逆转效应（高先验知识学习者可能无法从详细指导中受益）。ICAP 框架表明更高的认知参与可带来更好的学习效果，但关于为不同认知参与水平设计交互式示范例题的实证证据有限。本文基于这些研究空白，提出并评估了两种新型交互式示范例题。

解决方案

• 提出的方法: 在一个智能逻辑辅导系统中开发并评估两种新型示范例题——Buggy 示例（学生修正解题中的错误）和 Guided 示例（学生重建解题中的缺失部分）。
• 创新性:
  1. 设计了两种与 ICAP 框架一致的交互式示范例题类型（Buggy 和 Guided），以促进更高的认知参与。
  2. 提供了这些干预措施在学习者先验知识基础上的差异化效果的实证证据。
  3. 应用马尔可夫模型分析和可视化问题解决行为模式。
  4. 为智能辅导系统中的自适应和个性化支架设计提供了启示。
• 方法与关键技术:
  • Buggy 示例提供带有故意错误的解题方案，要求学生识别并修正错误，从而需要调试和批判性思维。
  • Guided 示例提供部分解题方案并附有步骤提示，重点在于主动重建证明过程。
  • 在一个包含 155 名本科生的逻辑辅导实验中，通过前测-后测设计和交互日志行为分析，比较了 Buggy、Guided 和传统示范例题对学习效果的影响。

结果

• 具体发现:
  • Buggy 和 Guided 组的后测分数均优于对照组（Buggy: 72.3, Guided: 72.4, Control: 67.8）。
  • Guided 示例显著提高了低先验知识学习者的规则应用准确率（78.7% 对比对照组的 71.8%）。
  • Buggy 示例显著提高了高先验知识学习者的规则应用准确率（82.6% 对比对照组的 74.4%）。
  • 与对照组相比，两种干预措施均减少了问题完成时间（Buggy: 8.4 分钟, Guided: 8.9 分钟, Control: 11.7 分钟）。
• 相较基线的优势:
  • Buggy 示例通过富有成效的挣扎和调试练习使高先验知识学习者受益。
  • Guided 示例通过减少认知负荷和提供结构化支架支持了低先验知识学习者。
• 实验/评估:
  • 参与者: 155 名计算机科学专业本科生。
  • 条件: 对照组（传统示范例题）、Buggy 组和 Guided 组。
  • 指标: 问题得分、规则应用准确率、问题完成时间和解题长度。
  • 分析: 混合效应回归和马尔可夫模型行为分析。
• 局限性与未来工作:
  • 缺乏关于学习者情感状态和学习环境的定性数据。
  • Buggy 示例中缺少提示可能增加了无效挣扎。
  • 基于前测分数的静态干预分配；未来研究应探索自适应问题选择。
  • 在不太结构化的领域或不同复杂性任务中的推广性有限。

总结

本研究在一个智能逻辑辅导系统中引入了两种新型交互式示范例题——Buggy 和 Guided，旨在满足具有不同先验知识的学习者需求。Buggy 示例通过调试培养批判性思维，使高先验知识学习者受益；而 Guided 示例通过结构化支架和降低认知负荷支持了低先验知识学习者。与传统示范例题相比，这两种干预措施均显著提高了后测表现并减少了问题完成时间。研究强调了将教学设计与学习者的认知参与水平和先验知识相匹配的重要性，为复杂问题解决领域中的自适应学习系统提供了可操作的见解。未来工作应聚焦于整合自适应支架并探索更广泛领域的应用。