學習習慣在線干預的原理與模型設計
發(fā)布時間：2021-03-03 18:43
"干預"是學習習慣動力學的三個核心要素之一,干預原理是干預模型設計的基礎。依據FBM行為模型提出學習行為發(fā)生模型,并根據學習行為發(fā)生模型提出學習習慣干預的兩階段原理,分別針對觸發(fā)有效區(qū)和觸發(fā)無效區(qū)進行兩階段的干預,在此基礎上分析了學習習慣干預的作用機制,作用機制的分析為具體的干預設計實踐提供了理論支撐。學習習慣在線干預的模型是具有通用性特征的學習習慣干預的設計框架,該模型包括干預級別設計、干預策略匹配設計、干預時機設計、干預效果修正四個部分。干預策略庫的設計包括任務支持類策略、對話支持類策略、社會支持類策略等三大類十項策略。學習習慣在線干預模型為智能學習系統(tǒng)中實現對學習習慣的自動化和半自動化干預奠定了基礎。
【文章來源】：電化教育研究. 2019,40(12)北大核心CSSCI
【文章頁數】：8 頁
【部分圖文】：
學習習慣干預的作用機制學習習慣干預策略的設計是指為了使學習者的社會學習社會比較
足夠的動機、實施這個行為的能力、引起行為發(fā)生的觸發(fā)因素[4]。三個要素必須同時出現，行為才會發(fā)生。FBM行為模型能夠很好地說明人類行為的發(fā)生，被廣泛用于說服式設計的研究中，設計師通過了解用戶行為的發(fā)生，從而采取更有效的設計方式，勸導用戶從事目標行為操作。FBM行為模型對學習習慣干預的設計具有重要的啟示，設計者要理解學習者學習行為發(fā)生的原因和條件，并在此基礎上進行干預的設計，勸導學習者從事目標學習行為，從而改變其不良的學習習慣。基于Fogg的FBM行為模型，本研究提出學習行為發(fā)生模型，如圖1所示。動機、認知能力、觸發(fā)因素（任務和環(huán)境）共同構成了該模型的要素，一個學習行為能夠發(fā)生，必須同時具備這些要素�？v軸表示學習者實施目標行為的動機強弱，越往上動機越強；水平軸表示學習者的認知能力，通常認知能力越強，實施目標行為越容易。學習行為曲線確定了目標學習行為發(fā)生的程度，學習者的動機和認知水平越高，學習行為發(fā)生的可能性就越大，觸發(fā)因素的及時性和適當性是觸發(fā)行為的關鍵，任務和環(huán)境作為觸發(fā)因素位于目標學習行為的附近。觸發(fā)因素也是有作用范圍的，學習行為曲線的下方，由于學習者的動機和認知能力較低，是觸發(fā)的無效區(qū)，這時無論多么完美的任務驅動和環(huán)境設計都不能起到理想的預期，干預的設計應該著重于提高學習者的動機和認知能力；學習行為曲線的上方，由于學習者動機和認知能力較強，是觸發(fā)的有效區(qū)，這時對觸發(fā)因素進行干預能取得很好的效果，干預的設計應該著重于改善任務和環(huán)境的設計�；诖耍狙芯刻岢鰧W習習慣干預實施的兩階段原理，即學習習慣的干預實施應該從兩個階段進行，第一階段，針對觸發(fā)的無效區(qū)進行動機和認知能力的干預；第二階段，針對觸發(fā)的有效區(qū)進行?
段進行干預和什么時候進行干預兩個問題），干預的效果怎樣，根據這四個研究問題，本研究設計了學習習慣干預模型，如圖3所示。該模型包括干預級別設計、干預策略匹配設計、干預時機設計、干預效果修正四個部分，這四個部分分別對應上面提到的四個問題。圖3學習習慣在線干預模型設計（一）干預級別設計將學習習慣模型診斷的結果與干預級別進行匹配，是干預策略選擇和實施的起點和關鍵環(huán)節(jié)。根據學習習慣測量模型，識別出學習者學習習慣的狀態(tài)，對于診斷出的不良學習習慣，根據其嚴重的程度，啟動不同級別的干預。圖4學習習慣干預級別設計美國國家干預反應研究中心（NCRTI）在2006年提出干預反應模型（ResponsetoInterventionModel，RTI），RTI將教育評估和干預整合在一個多層的預防系統(tǒng)中，通過RTI學校可以確定班級中有潛在學習問題的學習者，并追蹤其學習進程，進行相應的教學干學習習慣診斷不良學習習慣嚴重一般輕微特征：對個體全方位干預良好學習習慣匹配匹配匹配解釋解釋解釋方式：對綜合的、系統(tǒng)的干預方案方式：中等強度的干預方案特征：對對行為期望值的直接干預方式：低等強度的干預方案特征：對成因匹配不同的干預干預人數逐漸增加干預強度逐漸增加診斷結果三級干預一級干預二級干預2級3級1級認知環(huán)境人格任務整體效果局部效果任務支持類策略庫社會支持類策略庫對話支持類策略庫動力因素診斷數據集學習習慣診斷數據集重一般輕每天每周每月外部動機E-mail在線實時討論區(qū)電話教師音頻內部關聯(lián)不良學習習慣修正修正人工自動
【參考文獻】：
期刊論文
[1]學習習慣動力學研究范式及其創(chuàng)新價值[J]. 武法提,殷寶媛,黃石華. 現代遠程教育研究. 2019(01)
[2]基于教育大數據的學習習慣動力學研究框架[J]. 武法提,殷寶媛,黃石華. 中國電化教育. 2019(01)
[3]場景化:學習服務設計的新思路[J]. 武法提,黃石華,殷寶媛. 電化教育研究. 2018(12)
[4]在線教育自組織系統(tǒng)的科學原理與趨勢分析[J]. 殷寶媛,陳麗. 電化教育研究. 2018(03)
[5]智慧教育云平臺標準的“三環(huán)”模型構建[J]. 殷寶媛,武法提,章怡. 現代教育技術. 2018(01)
[6]模糊匹配中的匹配度計算方法[J]. 李紅明,秦貴和,郝勃,冀進朝. 計算機工程. 2010(06)
本文編號：3061746
【文章來源】：電化教育研究. 2019,40(12)北大核心CSSCI
【文章頁數】：8 頁
【部分圖文】：
學習習慣干預的作用機制學習習慣干預策略的設計是指為了使學習者的社會學習社會比較
足夠的動機、實施這個行為的能力、引起行為發(fā)生的觸發(fā)因素[4]。三個要素必須同時出現，行為才會發(fā)生。FBM行為模型能夠很好地說明人類行為的發(fā)生，被廣泛用于說服式設計的研究中，設計師通過了解用戶行為的發(fā)生，從而采取更有效的設計方式，勸導用戶從事目標行為操作。FBM行為模型對學習習慣干預的設計具有重要的啟示，設計者要理解學習者學習行為發(fā)生的原因和條件，并在此基礎上進行干預的設計，勸導學習者從事目標學習行為，從而改變其不良的學習習慣。基于Fogg的FBM行為模型，本研究提出學習行為發(fā)生模型，如圖1所示。動機、認知能力、觸發(fā)因素（任務和環(huán)境）共同構成了該模型的要素，一個學習行為能夠發(fā)生，必須同時具備這些要素�？v軸表示學習者實施目標行為的動機強弱，越往上動機越強；水平軸表示學習者的認知能力，通常認知能力越強，實施目標行為越容易。學習行為曲線確定了目標學習行為發(fā)生的程度，學習者的動機和認知水平越高，學習行為發(fā)生的可能性就越大，觸發(fā)因素的及時性和適當性是觸發(fā)行為的關鍵，任務和環(huán)境作為觸發(fā)因素位于目標學習行為的附近。觸發(fā)因素也是有作用范圍的，學習行為曲線的下方，由于學習者的動機和認知能力較低，是觸發(fā)的無效區(qū)，這時無論多么完美的任務驅動和環(huán)境設計都不能起到理想的預期，干預的設計應該著重于提高學習者的動機和認知能力；學習行為曲線的上方，由于學習者動機和認知能力較強，是觸發(fā)的有效區(qū)，這時對觸發(fā)因素進行干預能取得很好的效果，干預的設計應該著重于改善任務和環(huán)境的設計�；诖耍狙芯刻岢鰧W習習慣干預實施的兩階段原理，即學習習慣的干預實施應該從兩個階段進行，第一階段，針對觸發(fā)的無效區(qū)進行動機和認知能力的干預；第二階段，針對觸發(fā)的有效區(qū)進行?
段進行干預和什么時候進行干預兩個問題），干預的效果怎樣，根據這四個研究問題，本研究設計了學習習慣干預模型，如圖3所示。該模型包括干預級別設計、干預策略匹配設計、干預時機設計、干預效果修正四個部分，這四個部分分別對應上面提到的四個問題。圖3學習習慣在線干預模型設計（一）干預級別設計將學習習慣模型診斷的結果與干預級別進行匹配，是干預策略選擇和實施的起點和關鍵環(huán)節(jié)。根據學習習慣測量模型，識別出學習者學習習慣的狀態(tài)，對于診斷出的不良學習習慣，根據其嚴重的程度，啟動不同級別的干預。圖4學習習慣干預級別設計美國國家干預反應研究中心（NCRTI）在2006年提出干預反應模型（ResponsetoInterventionModel，RTI），RTI將教育評估和干預整合在一個多層的預防系統(tǒng)中，通過RTI學校可以確定班級中有潛在學習問題的學習者，并追蹤其學習進程，進行相應的教學干學習習慣診斷不良學習習慣嚴重一般輕微特征：對個體全方位干預良好學習習慣匹配匹配匹配解釋解釋解釋方式：對綜合的、系統(tǒng)的干預方案方式：中等強度的干預方案特征：對對行為期望值的直接干預方式：低等強度的干預方案特征：對成因匹配不同的干預干預人數逐漸增加干預強度逐漸增加診斷結果三級干預一級干預二級干預2級3級1級認知環(huán)境人格任務整體效果局部效果任務支持類策略庫社會支持類策略庫對話支持類策略庫動力因素診斷數據集學習習慣診斷數據集重一般輕每天每周每月外部動機E-mail在線實時討論區(qū)電話教師音頻內部關聯(lián)不良學習習慣修正修正人工自動
【參考文獻】：
期刊論文
[1]學習習慣動力學研究范式及其創(chuàng)新價值[J]. 武法提,殷寶媛,黃石華. 現代遠程教育研究. 2019(01)
[2]基于教育大數據的學習習慣動力學研究框架[J]. 武法提,殷寶媛,黃石華. 中國電化教育. 2019(01)
[3]場景化:學習服務設計的新思路[J]. 武法提,黃石華,殷寶媛. 電化教育研究. 2018(12)
[4]在線教育自組織系統(tǒng)的科學原理與趨勢分析[J]. 殷寶媛,陳麗. 電化教育研究. 2018(03)
[5]智慧教育云平臺標準的“三環(huán)”模型構建[J]. 殷寶媛,武法提,章怡. 現代教育技術. 2018(01)
[6]模糊匹配中的匹配度計算方法[J]. 李紅明,秦貴和,郝勃,冀進朝. 計算機工程. 2010(06)
本文編號：3061746
本文鏈接：http://sikaile.net/jiaoyulunwen/ktjx/3061746.html
