• Off-task行为研究的理论、方法及展望

    普通类
    • 支持
    • 批判
    • 提问
    • 解释
    • 补充
    • 删除
    • 摘要

            Off-task行为会对教学效果、教学时间产生负面影响已经是教育界的一个公认的问题。虽然消除所有的off-task行为并不现实,但考虑到off-task行为对课堂管理所造成的挑战,以及对学业成就造成潜在影响,降低off-task行为的产生的机率是我们研究者的重要的目标。因此,本文将对Off-task行为的研究理论、研究方法以及未来展望展开论述。

    • 1 引言

      Off-task行为,亦可理解为不专注行为、走神行为,通常被认为是一种可能影响学生学习的行为,即学生在学习过程中完全脱离学习环境和学习任务,去从事与学习环境及任务不相关的行为。例如,与其他学生谈论不相关的话题、扰乱其他学生的正常学习,随意上网等。

      有学者假设,Off-task行为与学习者的学习能力薄弱有关,但这一假设仅在学习环境中进行了有限程度的研究。在一项研究中,Baker和他的同事报告说,Off-task行为与认知导师软件中的较低学习能力没有显著相关性。然而,同一研究小组后来的分析发现,Off-task行为与学习之间存在统计学上显著的负相关关系。因此,通过检测和响应off-task行为,包括其他类型的交互式学习环境在内,有可能使教师在教育上、学生在学习上更有效。

      在课堂环境中检测学生是否偏离任务可能是一项极具挑战性的任务。在信息技术高度发展的今天,在高度仪器化的智慧校园环境中,使用麦克风、凝视跟踪器或 fMRI 机器,确定学生是否处在任务外变得更加可行了。然而,大多数学校都没有这种设备;为了使系统广泛使用,它必须仅使用来自学生在软件中的行为的数据来检测任务外行为。已经发现,仅从用户在系统中的行为来识别用户的意图可能非常具有挑战性;然而,离线行为检测不一定要完美才能有用。在现有的基于学习环境的学校课程中,教师的责任完全在于发现和响应学生何时离开任务。教师不能同时观察每个学生并与之互动。相比之下,学习环境中内置的任务外行为检测器可以随时观察每个学生。只要软件的响应考虑到错误的可能性,对每个学生的偏离任务行为程度的敏感适应成为可能,有可能大大改善学生的学习体验和成果。

      此外,最近检测和改善学生的动机和影响的工作可能会受益于有关学生何时偏离任务的信息,因为偏离任务的行为可能与动机和影响有关。

    • 2 Off-task行为研究的理论

      由于off-task行为造成的教学时间的损失是教育环境中一个公认的问题,被研究人员认可(例如,卡罗尔,1963;卡维特&斯拉文,1981;李,凯利,&尼尔,1999)和从业者(例如,莱莫夫,2010)超过100(cf。被引用在柏林,1990)。Off-task行为已经被证明会对学术成就产生负面影响,尽管在所有研究中这种影响的程度是不稳定的(评论见弗雷德里克和沃尔伯格,1980年;古德曼,1990年)。Off-task行为是学生的注意力不集中于教学活动的一个指标。注意力质量和任务表现之间的联系也在认知心理学文献中有记录(例如,乔杜里&戈尔曼,2000年;迪克森& Salley2007;德玛丽和米勒,1988)。尽管之前对off-task行为进行了大量的研究,但设计有效的、易于实施的和可扩展的干预措施来减少任务外行为一直具有挑战性。罗伯茨(2002)提出,许多现有的干预措施可能不成功,因为它们没有充分考虑到导致疾病的条件

      学校失去教学时间的原因有多种多样;这些原因包括但不限于:天气(例如,雪天)、突然出现的中断(例如,通过扩音器发出的通知)和特殊事件。然而,学生的注意力不集中(即教学期间的非任务行为)被发现是导致教学时间损失的最大因素(Karweit & Slavin1981)。先前的研究估计,小学生有10%50%的时间花在正规教育教室上(例如,Fisher等人,1980年;卡维特& Slavin1981年;李等人,1999年;劳埃德&洛珀,1986年)。注意力不集中或偏离任务的行为是教育者面临的一个严重挑战。事实上,off-task行为已经被认为是学生推荐最常见的原因之一(罗伯茨,2001)。虽然消除所有的off-task行为并不是一个现实的期望,但考虑到off-task行为对课堂管理造成的挑战,以及对学业成就的潜在影响,降低off-task行为的比率是一个重要的目标。

     

    • 3 Off-task行为研究的方法

       Off-task行为中最常见的干扰因素有:同伴干扰( 49.07 % )、自我干扰( 11.56 % )、环境干扰( 12.10 % )和物品干扰( 16.86 % )。为了考察基于学生特征、教学设计策略(即教学活动的形式和平均持续时间)和学校类型的学生注意分配模式的变化,使用SAS PROC GLIMMIX对学生内嵌、课堂内嵌的观测值进行三水平分层Logistic回归。学生和教室的随机截距被包括在模型中。为课堂专注行为和不专注行为(同伴干扰、环境干扰、自我干扰和用品)的四种最常见类型运行了单独的模型。协方差参数的检验在除一个模型(自我干扰)之外的所有模型中都是显著的,表明这两个随机截距都需要(所有其他ps < 0.0001)。所有的任务外模型都以任务外为条件。固定效应包括:性别、年级、SES、授课形式、授课时长、学校类型(私立、特许、教区)。

    • 4 Off-task行为研究对教学的启示

           Off-task行为在认知心理学领域和教育学的研究大多聚焦在它的行为和认知神经机制及其对学生学习的影响。早在1987年,就有国外教育学者对off-task行为进行研究。当今智慧教育时代,在线教育迅猛发展,在此背景之下,off-task行为研究在课堂教学和在线教育中显得尤为重要。

      无论是理论上还是实证上,都有充分的证据表明off-task在教育情境中非常普遍。(加例子)

      总之,无论是传统的课堂教学还是在线课程学习,这些研究都表明采用适当的策略可以抵抗注意力不集中和off-task行为发生,从而有助于学生提高学习效率。这意味着off-task行为的研究可以在优化课堂安排方面提供一些建议:一些教学者已经将测验嵌入他们的课堂教学视频中;一些积极学习策略也可以纳入课堂,以减少学习者的走神,比如同伴讨论、自我提问、小组示范。

    • 5 未来研究展望
           在未来的研究中,也有一些重要的局限性需要提出和解决。首先,尽管眼睛注视是衡量视觉注意的常用指标(见Henderson &费雷拉, 2004 ; Just & Carpenter , 1976),但不可否认的是,它并不是衡量注意的完美指标。例如,当学生们实际上在做白日梦的时候,他们可能会出现在任务上或去拜访老师。相反,学生可能在听老师的指导的同时,在别处寻找。在后一种情况下,人们可以辩称学生不是不工作,因为一些注意力仍然归因于学习活动。然而,上面描述的学生是在一个分割的注意力状态下的定义,在先前的文献中已经证明,比选择性持续注意( e.g. , Craik , Govoni , Naveh- Benjamin , & Anderson , 1996年)的状态更不适合性能。其次,儿童的注意分配模式可能随着学习任务特征的不同而不同。例如,与更有条理的(例如, Geary , 2011年)的学习环境相比,在自我导向的学习活动中,儿童保持选择性持续注意状态的能力可能更大。同样,教学任务的难度水平可能与学生的注意分配模式存在交互作用。例如,当任务的难度超过学生的能力水平(例如, Shernoff , Csikszentmihalyi , Schneider , & Shernoff , 2003年; Imai , Anderson , Wilkinson , & Yi , 1992年)时,注意力可能会下降。未来的研究应更深入地探讨这些因素如何调节学生在课堂学习环境中的注意力分配模式。
      注意力不集中或不专注行为是教育环境中的一个重要问题,因为注意力不集中减少了学生的学习机会和降低了学生的学校效率。因此,研究者有必要对off-task行为的前因进行分离,以发现潜在的干预途径,旨在更好地吸引学生的干预措施提供信息。所以,在未来的研究中,研究者们可以将精力更多的放在研究学习者产生off-task行为的前因,以及可使学习者降低产生off-task行为机率的措施。
    • 参考文献

    [1]Godwin, Karrie E. et al. “Classroom activities and off-task behavior in elementary school children.” Cognitive Science 35 (2013): 2428.

    [2]Godwin, Karrie E., Ma V. Almeda, Howard Seltman, Shimin Kai, Mandi D. Skerbetz, Ryan S. Baker和Anna V. Fisher. 《Off-task behavior in elementary school children》. Learning and Instruction 44 (2016年): 128–43. https://doi.org/10.1016/j.learninstruc.2016.04.003.

    [3]Jesper Aagaard. Drawn to distraction: A qualitative study of off-task use of educational technology[J]. Computers & Education,2015,87.

    [4]Bradley M. Waite,Rachel Lindberg,Brittany Ernst,Laura L. Bowman,Laura E. Levine. Off-task multitasking, note-taking and lower- and higher-order classroom learning[J]. Computers & Education,2018,120.

    [5]Szpunar Karl K,Khan Novall Y,Schacter Daniel L. Interpolated memory tests reduce mind wandering and improve learning of online lectures.[J]. Proceedings of the National Academy of Sciences of the United States of America,2013,110(16).

    [6]Seli Paul,Wammes Jeffrey D,Risko Evan F,Smilek Daniel. On the relation between motivation and retention in educational contexts: The role of intentional and unintentional mind wandering.[J]. Psychonomic bulletin & review,2016,23(4).

    [7]McVay Jennifer C,Kane Michael J. Does mind wandering reflect executive function or executive failure? Comment on Smallwood and Schooler (2006) and Watkins (2008).[J]. Psychological bulletin,2010,136(2).

    [8]王雪枫,严燕.走神研究的理论、方法与展望[J].心理发展与教育,2020,36(03):367-377.DOI:10.16187/j.cnki.issn1001-4918.2020.03.14.

    [9]Szpunar Karl K,McDermott Kathleen B,Roediger Henry L. Testing during study insulates against the buildup of proactive interference.[J]. Journal of experimental psychology. Learning, memory, and cognition,2008,34(6).

    • 标签:
    • 人工智能教育应用
    • 感知机模型
  • 加入的知识群:
    学习元评论 (0条)

    评论为空
    聪明如你,不妨在这 发表你的看法与心得 ~



    登录之后可以发表学习元评论
      
暂无内容~~
顶部