学生在计算机学习过程中表达的元认知
作者
编程教育与计算思维协作学习与同伴教学中小学教师(K-12)大学教授与研究人员
文献标题
Students’ Verbalized Metacognition During Computerized Learning
文献信息
- 主题领域: 自我调节学习、元认知与人机交互
- 关键词: 元认知、自我调节学习、困惑、情感、自然语言处理、学习评估、教育技术、人机交互
研究背景与问题
- 问题或挑战: 学生在计算机化学习环境中常需要自我调节其学习过程,这要求元认知能力。然而,元认知难以通过传统方法(如问卷调查)准确测量。现有研究尚未充分探索学生的元认知与学习效果及行为模式之间的关系。
- 重要性: 元认知能力是有效学习的关键,特别是在需要自我调节的开端式学习环境中。了解元认知如何影响学习结果,对设计更有支持性的教育技术具有重要意义。
- 研究动机与相关工作: 作者审视了现有方法,提出通过自然语言处理(NLP)分析学生访谈文本,以研究元认知与学习、困惑及元认知问题解决策略之间的关系。这种方法旨在克服传统测量方法的局限性,并为教育技术设计提供数据支持。
解决方案
- 何种方法或解决方案:
- 应用改进后的NLP工具分析访谈文本以提取学生“明确表述的元认知”(verbalized metacognition),包括元认知知识、经验和策略。
- 将访谈数据与学生使用软件时的行为日志,通过共现分析方法(coherence analysis)结合以研究元认知策略。
- 创新之处:
- 提出了基于NLP的全自动化测量元认知的解决方案。
- 跨多个层面(学习、困惑、行为)全面探索元认知可能的作用,从而验证现有元认知策略的有效性。
- 实施步骤与关键技术:
- 在中学课堂中收集访谈数据,访谈以非结构化形式进行,旨在捕捉学生的元认知陈述。
- 使用一个改良版的NLP工具从访谈记录中抽取明确表述的元认知短语,并调整原工具字典以适应中学生语言特征。
- 从学生的软件使用日志中提取元认知策略,如基于测验结果进行概念阅读或地图编辑。
- 将元认知短语与学生软件中行为策略进行相关性分析。
研究成果
- 成果:
- 元认知与学习关系(RQ1): 访谈过程本身可能促进学习,但学生明确表述元认知与学习之间无显著关系。
- 元认知与困惑关系(RQ2): 最近解决的困惑(如“困惑→愉悦”状态)倾向于与更多元认知表达相关,但未解决的困惑(如“困惑→沮丧→无聊”状态)与更少元认知表达相关。
- 元认知与行为策略关系(RQ3): 某些行为策略(如基于测验结果标记/编辑概念地图)与明确表述的元认知正相关,但未显著涵盖所有策略。
- 优势与意义: 提供了一种全面、自动化的方法来衡量元认知;研究揭示了访谈可能成为有效的学习支持工具,尤其是在解决困惑上。
- 实验与评估结果: 使用493次访谈数据与软件交互日志分析发现,访谈本身对学生学习效果有潜在促进作用;NLP工具的测量结果与人工标注具有较高的一致性(Cohen's kappa = 0.684)。
- 局限性与未来方向:
- 本研究无法明确因果关系,未来需进一步设计实验来验证访谈对学习的实际促进作用。
- 探索将类似访谈功能集成到教育技术中,以在实时学习环境中促进学生元认知活动。
- 将研究扩展到不同年龄层和学习环境以验证结果泛化性。
结论
本研究对在计算机化学习环境中评估元认知的意义和可能方法进行了深入探讨。实验结果支持学生访谈作为学习支持的潜力,并提供了关于困惑解决和元认知行为模式的重要见解。这些发现为教育技术的设计与优化提供了实证依据和工具支持,同时展示了NLP在教育领域的应用潜力。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 学生在计算机化学习中表达的元认知如何影响学习成果?分类: 课堂分析与学习可视化同类问题arrow_forward
- 元认知表达与学生在解决困惑时的情绪变化有何关联?分类: 课堂分析与学习可视化同类问题arrow_forward
- 学生的行为策略(如概念图的标记或编辑)如何与元认知表达相关联?分类: 课堂分析与学习可视化同类问题arrow_forward
lightbulb
现实痛点
1- 学生在在线学习中难以有效调节自己的学习过程。分类: 课堂分析与学习可视化同类问题arrow_forward
- 100%
机器人与(主)框架:探索实物积木和协作游戏在教育编程游戏中的影响
CHI '18· 编程教育与计算思维 +1
- 80%
HOPE计算教育:迈向大学-学校合作伙伴关系的支持基础设施建设
CHI '19· 编程教育与计算思维 +1
- 80%
调查实时多模态学生参与分析技术在真实课堂中的影响
CHI '19· 编程教育与计算思维 +2
- 80%
让教师参与共同设计K-12课堂的综合人工智能课程
CHI '21· 编程教育与计算思维 +2
- 67%
Meta-AR-App:STEM课堂中协作增强现实的创作平台
CHI '20· AR 导航与情境感知 +2
- 67%
兴趣驱动的内容创作如何塑造Scratch中的非正式学习机会:一项关于新手使用数据结构的案例研究
CHI '22· 编程教育与计算思维 +2
- 67%
ExposAR: 通过协作创作工具将增强现实带入计算思维议程
CHI '22· AR 导航与情境感知 +3
- 67%
互动壁画:STEAM协作学习的新机遇
CHI '24· 编程教育与计算思维 +2
- 67%
小学协作课堂中逼真AI虚拟学伴的设计与评估
CHI '26· 编程教育与计算思维 +2
- 67%
ML-Machine工具包:赋能教师和教育专业人员探索机器学习具身教学方法
DIS '25· 大语言模型(LLM)的人机协作 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445809
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
编程教育与计算思维、协作学习与同伴教学
work
职业/产业
中小学教师(K-12)、大学教授与研究人员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文