-
侯柯琦
普通类 -
- 支持
- 批判
- 提问
- 解释
- 补充
- 删除
-
-
题目:虚拟现实技术辅助下学习者学习效果影响因素探究(后面更换了题目)
-
文献阅读
-
文献阅读
-
沉浸式虚拟现实增强学习的潜力:荟萃分析
-
英文标题
Effectiveness of collaborative learning in VR: a meta-analysis
-
沉浸式虚拟现实中开展教学——提高学习效果的吸收倾向
-
虚拟现实技术对用户学习结果影响的元分析和系统回顾
-
改题目:教学代理对学习者学习动机和学习效果的影响:一项元分析
英文题目:The Effects of Pedagogical Agents on Learner's Motivation and Learning Outcomes : A meta-analysis
1.Introduction
With the development of artificial intelligence and virtual reality technology, the original digital educational resources have formed a learning resouce environment with intelligent characteristics through intelligent agents that sense external demands and use intelligent tutors and intelligent learning companions. A series of complex, visual avatars (pedagogical agents) are gradually appearing in the Intelligent Guided Learning System.Pedagogical Agents are virtual,teacher-like roles uesd in e-learning environments to meet a varity of instructional objectives. They often act as teachers or learning motivators, using language or facial expressions to communicate with learners. They are also often integrated into the e-learning environment to provide cognitive support (Baylor,1999) and socioculturally inclusive learning experiences.Instructional agents can not only save labour costs and personalise teaching, but also increase learners' interest in learning and improve learning outcomes (Johnson, Ozogul, & Reisslein, 2015). However, some suggest that teaching agents can increase learners' cognitive load and distract learners' attention. Therefore, there is still no agreement on whether instructional agents can motivate learners and whether they can improve learning outcomes.
2.Theoretical framework
对相关理论开展综述,主要包括以下4个理论:
2.1 拟人效应 - Persona Effect
Lester et al. (1997) experimental research direction that the inclusion of instructional agents in interactive learning environments positively affects the perception of the learning process and further facilitates learning. Therefore, he proposed the persona effect on the basis of this experiment. The Persona Effect refers to the fact that if a persona characters exists in an interactive learning environment, it is able to positively influence students' learning even if the characters are not very expressive. Although the Persona Effect states that the inclusion of pedagogical agents in multimedia learning can improve learners' process-awareness experience and academic performance, the Persona Effect does not give a detailed theoretical explanation of how pedagogical agents can positively influence learners' process-awareness. The Social Presence Theory gives a more reasonable explanation for this problem.
2.2 社会存在感理论 - Social Presence Theory
Social Presence Theory was first proposed by Short, Williams and Christie (1976) as a theoretical hypothesis to explain the impact of electronic media on communication.Social presence refers to the extent to which a person is perceived as a "real person" and the extent to which people perceive a connection to them when communicating through the media (Gunawardena, 1995; Lowenthal, 2009). Social presence has been found to be an important potential factor in improving teaching and learning outcomes, and in addition to playing an important role in real classroom environments, it also plays an important role in computer-based learning environments, positively predicting learning satisfaction(Gunawardena & Zittle,1997;Richardson & Swan,2003).Based on this theory, the inclusion of pedagogical agents in learning improves the perceived experience of the learner's learning process, increases interest and motivation, and reduces the learner's perceived task difficulty and mental effort (Frechette & Moreno, 2010). Social presence theory explains the relationship between instructional agents and the perception and experience of learning, but does not explain how instructional agents affect learning outcomes.Social agency theory gives another perspective on how instructional agency affects learning outcomes.
2.3 社会代理理论 - Social Agence Theory
Learning is not only a cognitive activity, but also a social activity, even if the learner sits in front of the computer and learns the knowledge alone it is still a social behaviour, so multimedia learning is also a social activity that needs to collaborate with the learner and the explainer (Mayer, & Dapra, 2012). And the previous emphasis only on learners' cognitive processing in multimedia learning is incomplete. Therefore, Mayer and Dapra (2012) regarded the agent image as a kind of social information and added the social dimension to the cognitive theory of multimedia learning to explain the role of the agent image in multimedia learning. This is Social Agency Theory (SAT).
Social agency theory is a commonly used theory in agency image research (Atkinson et al., 2005; Mayer, 2005; Moreno, Mayer, & Spires, 2001).Mayer and Dapra (2012) proposed a social agency theory model of pedagogical agency: firstly, social presence perceptions of a computer in learning can be triggered by small social cues, such as the presentation of agentic images and non-verbal behaviours; and second, once these social communication schemas are triggered, the learner may feel that he or she is communicating with another real person. Next, the learner tries to switch on its deep cognitive processing strategies to understand what the computer is explaining.Mayer and Dapra (2012) explain deep cognitive processing in learner learning as learners putting more effort into selecting relevant information, organising fragmented information, and integrating it into holistic representations; and most importantly, integrating these holistic representations with their knowledge and experience to encode them in memory, resulting in meaningful learning outcomes, which are mainly in the form of being able to better apply or transfer acquired knowledge to new situations. or transfer to new situations. Thus, social agency theory suggests that agentic images will have higher social awareness and interest in the learning process, and will be more effective in transfer performance.
2.4 认知负荷理论 - Cognitive load Theory
Cognitive load theory attempts to explain how different tasks store different cognitive demands in a limited capacity working memory. Cognitive psychologists believe that humans process information using a "three-element system", which consists of sensory memory, short-term memory, and long-term memory (Baddeley, 1992). Cognitive load theory relates to the short-term memory (also known as working memory) and long-term memory components of the human cognitive structure.Cognitive load theory focuses on which types of information are processed in working memory. According to Baddeley (1992), working memory is divided into multiple channels. The load on working memory may be influenced by the nature of the learning task (intrinsic cognitive load) as well as the design of the instructional material. For example, the design of instructional materials may affect the cognitive processes associated with learning (or cognitive schema) (external cognitive load) and it may affect related cognitive structures such as concrete processing, construction, and automated manipulation (related cognitive load).
The core principle of cognitive load theory is to increase relevant cognitive load and decrease external cognitive load (Kester et al., 2006). Cognitive load theory suggests that dedicated instructional agent information that is not relevant to the content/task (e.g., a large number of facial expressions that are less relevant to the instructional goal) increases the external cognitive load on the learner because it also requires the learner to invest a certain amount of cognitive effort, and that investing limited cognitive resources in information or media that are less relevant to the learning task will inevitably increase the cognitive load and thus have a learning negatively (Clark & Choi, 2005), as learners need to divide their attention between the large number of visual elements of the teaching agent, or between the teaching agent and other information on the screen.
3.Method
3.1 确定研究方法为元分析,选择研究工具;
3.2 确定文献筛选标准,保留符合条件的文献;
以Web of Science、ScienceDirect、Springer Link、EBSCOhost、Education为检索库,以"Pedagogical Agent、Conversational Pedagogical、Animated Agent、Teaching Agent"交叉组合"Learning Outcomes、Motivation"为检索词,时间跨度为2010-2023年
3.3 对收录的文献开展编码与分析;
4.Result
4.1 研究样本的发表偏倚与异质性检验;
4.2 教学代理对学习者学习动机的影响;
4.3 教学代理对学习者学习效果的影响;
5.Discussion
5.1 讨论元分析过程中与设想不符的情况;
6.Conclusion
6.1 对研究过程与结果进行总结;
6.2 提出相关意见。
-
我是Alexa,你的虚拟导师:亚马逊Alexa文本转语音的不同热情水平在多媒体学习环境中的影响
期刊来源
Education and Information Technologies
阅读时间
2023.11.3-2023.11.6
论文题目
我是Alexa,你的虚拟导师:亚马逊Alexa文本转语音的不同热情水平在多媒体学习环境中的影响
摘要
随着文字转语音(Text-to-Speech)技术的发展,一些新的工具能够在合成语音中模仿人类的语气和情感。因此,研究者探讨了不同的语音转换工具对学习者的影响。研究使用亚马逊Alexa工具来模仿中性、冷漠、一般热情和非常热情的四种语音,并在课程中向244名学习者介绍学习内容。研究结果显示,学习者可以识别出Alexa的不同热情水平,但不会因此对其提高评价;在认知负荷方面,学习者认为有情绪的声音会降低他们的内外部认知负荷;在情绪变化方面,学习者认为中等以上热情的声音会让他们的积极情绪有显著提高;最后在学习成绩方面,学习者并没有因为Alexa的热情声音发生显著的知识保留和学习迁移水平的改善。研究者指出,当前结果说明了使用有情绪功能的语音机器人在教学中的潜力和意义。
研究方法
实验法,文献研究法
理论基础
- 文本转语音发声器(语音合成器)
通过将文本转换成口语单词来人工生成人类语音的计算机系统。这项技术在为人工代理、虚拟助手和机器人赋予声音和个性方面不可或缺。
文本转语音发声器创新性地丰富了教育领域,有助于语言学习,特别是口语和发音;可以帮助患有学习障碍、情绪行为障碍、轻度智力障碍、阅读障碍和注意力障碍/多动症以及阅读和写作困难的学习者。本文转语音引擎作为辅助技术,允许学习者调整语速、音调和语音音量,这使得有困难的学习者能够在写作过程中听到自己的话,从而有助于监控和修改他们的写作结果。此外,文本转语音程序通过大声朗读数字文本来支持视力障碍的学习者,在可读文本添加口语单词可以减轻多动症学习者遇到的困难,减少注意力分散和压力,从而增强注意力并减少疲劳。文本转语音技术使教学设计者能够创建口语单词来叙述多媒体学习材料,无论是使用可见的教学代理还是无形的纯语音代理。
- 电子学习的认知情感模型
电子学习的认知情感模型解释了多媒体学习环境中表达的情绪如何影响教师的角色评分、认知努力和学习表现。根据电子学习的认知情感模型,劳森和她的同事进一步从该模型中导出了积极性原则,即学习者可以识别教学人员或人类教师所表达的积极主动的情绪,从而提高教师在多媒体学习环境中的角色评价和学习表现。实证研究表明,学习者可以推断出教师的情绪预期,包括情感(积极/消极)和活动(主动/被动),并且表达积极情绪的语气往往会提高学习者对教师的角色评分、努力程度以及延迟后测的学习表现等。
- 多媒体学习的综合认知情感模型
多媒体学习的综合认知情感模型认为多媒体学习的选择、组织和整合认知过程与情感交互组织在一起。此外,认知-情感过程需要包含认知资源的情感过程,反之亦然。该模型强调多媒体学习环境可以通过视觉/语言信息引起情感反应,情感反应以兴趣和动机的形式通过情感影响选择和组织,以及视觉/语言信息和情感作为情感图式存储在长期记忆整合中。Plass和Kaplan(2015)基于多媒体学习的集成认知情感模型,提出了情感设计理论,即多媒体学习环境中的视觉和言语特征可以被设计来唤起学习者的情感动机反应用于促进学习。
除了拟人化和暖色等视觉美学之外,多媒体学习环境中虚拟或人类角色的吸引力、可爱度和情感表达等社交线索品质也会影响学习者的情感动机因素。从这个思路推理,在多媒体学习环境中曹总语音社会情感线索属于情感设计模型。最近的研究表明,热情线索的情感激励延伸到了多媒体学习环境,与传达中性人声和手势的代理相比,表达热情人声的虚拟代理会使学习者产生更高的积极情感和内在动机。
- 认知负荷理论
认知负荷理论认为,多媒体学习是在有限的工作记忆资源下进行的,并区分了三种类型:内在认知负荷、外在认知负荷和相关认知负荷。内在认知负荷用于处理与学习主题相关的信息,并受到主题复杂性和学习者对该主题的先验知识的影响;外在认知负荷是学习材料设计所施加的心理需求,影响向学习者呈现信息的方式,这种负荷无助于学习收益,应通过合理的教学设计将其最小化。相关认知负荷是用于与学习相关的认知功能的心理资源,例如获取和建构长期记忆中的图式,采用模式探索等学习技术,重新配置问题表征以促进问题解决以及元认知跟踪认知和学习。
研究过程
- 研究设计
本研究采用了受试者间实验设计,其中学习者参与由四种 Alexa 声音之一叙述的多媒体学习环境:(1) 中性(没有热情),(2) 冷漠,(3) 一般热情,(4)非常热情。该实验是通过 Alchemer 进行的,这是一种包含多媒体课程、调查和后测试的在线调查工具。
- 学习材料
使用Adobe Animate 开发了一段196秒的动画,内容为解释分布式拒绝服务(DDOS)攻击是如何发生的,该材料与大学生的理解程度相符。研究生通过Amazon Alexa 开发者控制台环境中的文本转语音功能将学习内容转换为 Alexa 的语音旁白,情绪基调设置为中性、冷漠、一般热情和非常热情。
- 实验参与者
旨在让具有相似教育背景、语言能力和先验知识的学习者参与,因此对一所使用英语作为教学语言的大型亚洲私立大学的商学院学生进行了抽样。
- 实验过程
实验使用Alchemer平台,学习者被要求:(1)使用台式机或笔记本电脑而不是移动设备,(2)使用头戴式耳机、耳机或高质量扬声器,以及(3)在不分心的环境中参与学习活动。商学院学生访问Alchemer链接,登录在线调查平台参与多媒体课程,并完成自我报告调查和后测。
详细的实验过程:
- 平台具有自动检测系统,仅授权通过台式机或笔记本电脑登录,而非移动设备。
- 学习者使用大学的学生电子邮件帐户登录 Alchemer。我们将平台设置为每个学生只允许一次登录,禁止多次尝试。
- 学习者阅读并通过单击复选框表示知情同意。
- 作为音频测试,学习者聆听平台的口语代码("LAPPY"),并且必须在系统中输入正确的代码才能继续下一部分。
- 学习者填写人口统计、DDoS先验知识和基线积极情绪(积极影响量表)的调查。
- 学习者被平台自动随机分配到四个多媒体课程中的任意一个,其中包括 (1) Alexa 的中性语音版本,(2) Alexa 的低热情语音版本,(3) Alexa的中等热情语音版本,或 (4) Alexa 热情高涨的声音。学习者可以在十分钟内重播多媒体课程,但一旦访问下一部分就无法查看。
- 学习者填写了有关 Alexa 情绪基调、Alexa 角色评级(代理角色清单)、学习者情绪状态(积极情感量表)、内在动机和认知负荷(Leppink 量表:内在、外在、和密切相关的负载)。
- 学习者通过文本框回答后测问题。后测的时间限制为:保留问题 1 为 3 分钟,保留问题 2、迁移问题 1、迁移问题 2 和迁移问题 3 各为 8 分钟。这一部分提醒学习者不要从外部获取答案,并向学习者保证他们的表现不会影响他们在实验之外的成绩。
(9)调查平台的最后一部分向学习者表示感谢和汇报。
数据分析及结果
- 学习者关于教学主题的先验知识在四种 Alexa 语音条件之间没有显著差异;
- 随机分配的四组学习者英语水平相当;
- 学习者的基线情绪在四种Alexa语音条件之间没有显著差异;
- 学习者可以从Alexa一般和高度热情的声音中推断出比Alexa中性声音更多的声音热情;然而,学习者并没有从Alexa的一般热情声音中感受到比Alexa中性声音明显更多的声音热情;
- 与Alexa中性声音相比,在促进学习方面, Alexa低热情的声音没有显著增强Alexa的角色评级,学习者也并没有对Alexa中等热情的声音给予更积极的角色评分。Alexa 的高热情比 Alexa 的中性声音对于促进学习的 Alexa 角色评分没有不同的影响;
- 与学习者参与学习之前的基线积极情绪相比,学习者参与以Alexa 中等热情声音为特色的多媒体课程后,学习者的积极情绪显着增加;
- 与 Alexa 的中性语音相比,Alexa 的低热情语音显著降低了学习者的内在认知负荷评级;然而,Alexa 的中等热情声音和 Alexa的高热情声音,相比较Alexa 的中性声音,没有显著影响学习者的内在认知负荷评级 ;Alexa 的声音热情会显著降低学习者的无关认知负荷评级仅在 Alexa 的低热情声音和Alexa 的高热情声音中得到证实;
- 在后测中,学习者在 Alexa 的低热情声音中表现不佳,在中等热情声音或高热情的声音中的学业表现,高于 Alexa 的中性声音。
对理论和实践的启示
学习者并不认为低热情的声音更热情,但与中性声音相比,低热情的声音可以对学习者的内部和外部认知负荷产生积极影响。 Alexa 的中等热情声音被认为比中性声音更热情,并且与基线积极情绪相比,可以诱导学习者在学习参与时体验到更积极的情绪。 Alexa 的高热情声音被推断为比中性声音更热情,并且可以积极影响学习者的外部认知负荷。
从多媒体学习的综合认知模型理论的角度来看,本研究为将合成文本到语音的热情作为情感设计特征提供了初步支持,因为它能够引发情感设计的变化、学习者的情绪状态。人工语音热情降低了学习者的认知负荷,从而支持了情感作为促进者的观点,即情感设计属性可以促进多媒体学习,同时不会施加不必要的认知负荷。
-
动画教学代理对多媒体学习的影响:学习者经验与偏好的调节作用
期刊来源
心理发展与教育
阅读时间
2023.11.10-2023.11.12
论文题目
动画教学代理对多媒体学习的影响:学习者经验与偏好的调节作用
摘要
以往研究发现,动画教学代理对多媒体学习效果的影响不一致,可能受到学习者特征和偏好的调节。本研究以“空调的组成部分及工作原理”为实验材料,采用两个实验控制教学代理有无、经验高低和代理偏好,探讨动画 教学代理对多媒体学习的影响。实验 1 发现与无代理组相比,代理组对教学视频的注视点个数更多,平均眼跳潜伏期更短,学习兴趣也更高; 低经验者在代理条件下的迁移成绩更好。实验 2 发现学习者在偏好代理和非偏好代理条件下的迁移成绩好于无代理组; 偏好代理组感知到更低的认知负荷,对总体视频的注视点个数和注视频率更多,平均眼跳潜伏期更短,对学习内容的注视点个数更多。结论认为: 在多媒体中加入教学代理不会减少学习者对学习内容的注意,能提高多媒体学习效果,支持社会代理理论假设; 教学代理能提高低经验者的学习效果,但对高知识经验者无明显作用; 加入学习者偏好的代理形象会促进学习,但加入学习者非偏好的代理形象并没有阻碍学习。
研究方法
实验法,文献研究法
理论基础
- 动画教学代理:
动画教学代理是指在计算机屏幕上呈现的人物形象,它可以在学习过程中给学习者提供教学指导和支持;
- 社会代理理论:
该理论认为教学代理的视觉形象和声音等信息作为一种社会线索能激发学习者的社会反应,学习者会把计算机当作社会伙伴,开启现实中人与人交流的模式,即学习者认为教学代理正在讲解重要内容,从而启用深层认知加工策略理解学习内容,同时付出更多的努力用于选择、组织和整合信息,最终产生有意义的学习结果。因此,社会代理理论认为在多媒体中加入教学代理能激发学习者的兴趣,提高学习成绩。
- 社会代理干扰理论:
在装饰细节理论和认知负荷理论的基础上提出的,该理论认为教学代理作为与学习目标无关,,用来提高学习兴趣的装饰性细节材料,在信息选择阶段会吸引学习者的注意,减少对核心学习内容的注意,从而产生注意分离效应;
- 经验逆转效应:
一些对低知识经验个体有效的方法和技术对高知识经验者可能不起作用,甚至会产生消极影响。
研究过程
- 研究问题:
- 教学代理是否会导致注意分离效应,以验证干扰假设理论;
- 学习者先前知识经验和代理形象偏好怎样影响动画教学代理的学习效果。
- 研究假设
- 加入教学代理不会减少学习者对核心内容的注意;
- 教学代理能改善低经验者的学习效果,但对高经验者没有促进作用;
- 加入学习者偏好的形象代理可以促进学习,加入学习者非偏好的代理形象则阻碍学习。
- 实验1
实验1主要探讨动画教学代理对于高低不同水平的学习者会产生怎样的影响,加入动画教学代理是否会减少对和新材料的注意。
-
- 被试:
华中师范大学被试库发放300份前测问卷(总分16分),从中筛选出得分前27%(10分及以上)和后27%(4分以下)的被试共95名作为高经验组合低经验组。删除后侧问卷填写不完整和眼动数据采样率低于80%的被试共5名,有效被试90名(女65名),平均年龄为22.6岁。其中,有教学代理-低经验组22人,有教学代理-高经验组23人,无教学代理-低经验组23人,无教学代理-高经验组22人。被试的视力、听力正常,无色弱色盲。
3.2材料与仪器:
3.2.1 多媒体学习材料:包括2个版本的视频动画:无代理空调视频,包含解说和空调图;有代理空调视频,由女卡通人物、解说和空调图组成。动画材料的内容为“空调的组成部分及工作原理”,整个动画持续时间为290秒。
3.2.2 前测问卷:共5题,由第1题和第3题考查被试高中物理的学习情况和对家用空调工作原理的了解程度,采用0(完全不符合)到5(完全符合)等级的自我评估;第2题和第4题考查被试是否辅修物理或看过空调图,采用“是否”判断;第5题是选择题,考查被试的物理知识学习情况,满分16分。
3.2.3 主观评定量表:心理努力、认知负荷和问卷感知难度均采用李克特8点评定。兴趣问卷使用李克特7点评定。
3.2.4 学习测验:保持测验要求被试写出刚才所学的空调制冷原理过程,共9个评分点,满分9分。迁移测验的目的是测查学习者把知识迁移并应用到新情景中的能力。由4道问答题组成(例如:为什么夏天空调会有水滴下而冬天没有),共14个评分点,满分14分。
3.2.5 仪器:SMI RED 250眼动仪。
3.3 设计与程序
采用2(代理组、无代理组)×2(高经验组、低经验组)被试间设计。将前测问卷筛选出的高、低经验被试随机分配到代理组和无代理组。首先,向被试说明实验过程及要求,进行9点校准;然后,呈现指导语,确认被试完全理解后,开始正式学习动画材料。学习结束后,让被试分别按顺序填写心理努力问卷、认知负荷问卷、学习兴趣问卷、保持测验、迁移测验及问卷感知难度测验。整个实验耗时约20分钟。
3.4 结果
3.4.1 学习结果及主观评定
在保持测验上,教学条件主效应不明显,知识经验主效应显著,高知识经验高于低知识经验。教学条件与知识经验交互作用不显著。
在迁移测验上,教学条件主效应不显著;知识经验主效应显著,高知识经验高于低知识经验;知识经验水平与教学条件的交互作用显著,低知识经验在代理组的迁移成绩好于无代理组。
心理努力上,教学条件主效应不显著;知识经验主效应也不显著;二者的交互作用也不显著。
认知负荷上,教学条件的主效应不显著;知识经验主效应显著,高经验者低于低经验者;知识经验和教学条件的交互作用不显著。
在学习兴趣上,教学条件主效应显著,代理组高于无代理组;知识经验主效应不显著;教学条件与知识经验的交互作用显著,无论是高经验者还是低经验者在代理组上的学习兴趣都高于无代理组。
问卷难度感知上,教学条件的主效应不显著;知识经验主效应显著,高经验者低于低经验者;知识经验和教学条件的交互作用不显著。
3.4.2 对教学视频的总注视情况
在注视点个数上,教学条件主效应显著,代理组多于无代理组;知识经验主效应显著,高经验多于低经验;知识经验与教学条件的交互作用不显著。
在平均眼跳潜伏期上,教学条件主效应显著,代理组短于无代理组;知识经验主效应不下注;知识经验与教学条件的交互作用不显著。
3.4.3 对核心学习材料的注视情况
在注视时间上,教学条件主效应不显著;知识经验主效应不显著;知识经验与教学条件的交互作用不显著。
在注视点个数上,教学条件主效应不显著;知识经验主效应显著,高经验被试多于低经验被试;知识经验与教学条件的交互作用不显著。
在平均注视时间上,教学条件主效应显著,代理组少于无代理组;知识经验主效应不显著;知识经验与教学条件的交互作用不显著。
- 实验2
- 被试
从华中师范大学招募被试 61 名( 女 50 人) ,平均年龄为 21. 1 岁( SD = 2. 7) 。将被试随机分配到三种实验条件: 偏好代理组 18 名,非偏好代理组 22名,无代理组 21 名。所有被试的视力、听力正常,无色弱色盲。
-
- 仪器材料
多媒体学习材料: 包括 3 个版本视频动画 : 无代理空调视频,女代理空调视频和男代理空调视频。其中,无代理空调视频和女代理空调视频与实验 1 中的相同。前测问卷、心理努力、认知负荷、学习兴趣、问卷感知难度、保持测验和迁移测验同实验 1。仪器同实验 1。
-
- 设计与程序
实验为单因素被试间设计: 偏好代理组、非偏好代理组、无代理组。实验程序基本同实验 1,不同在于正式实验前将被试随机分配到偏好代理组、非偏好组和无代理组,然后在电脑屏幕上呈现男女代理形象,让学习者选择其偏好的人物形象并陈述理由。正式学习时偏好组被试观看其选择的人物教学动画,而非偏好组被试则观看与其选择人物相反性别的人物教学动画,无代理组被试观看没有代理的视频。
-
- 结果
4.4.1 学习结果及主观评定
同实验 1,两位评分者保持测验的评分者一致性系数为 r = 0. 91,p < 0. 001,迁移测验的评分者一致性系数为 r = 0. 95,p < 0. 001。
学习结果: 在保持测验成绩上,不同教学条件之间均无显著差异。在迁移测验上,教学条件之间差异显著 ,偏好组和非偏好组高于无代理组。
主观评定: 在心理努力上、学习兴趣和测验感知难度上,教学条件之间差异都不显著。在认知负荷上,教学条件之间边缘显著( p = 0. 062) ,偏好组低于无代理组。
4.4.2 对教学视频的总注视情况
同实验 1 类似,研究分析了学习者在 3 种教学条件下对整个视频的注视情况。注视点个数差异显著,偏好组多于非偏好组和无代理组。注视频率差异显著,偏好组高于非偏好组和无代理组。平均眼跳潜伏期差异显著,偏好组短于非偏好组和无代理组。
4.4.3 对核心学习材料的注视情况
同实验 1,研究进一步把偏好代理组、非偏好代理组、无代理组的空调示意图划分为兴趣区,比较三种条件下学习者对空调示意图的注意分配情况( 三种条件下的兴趣区面积均占总面积的 33. 7% ) 。在注视点个数上,三种教学条件差异边缘显著( p = 0. 061) ,偏好组多于非偏好组和无代理组。在平均注视时间上,三种教学条件差异边缘显著 ( p = 0. 082) ,偏好组短于无代理组。在回视次数上,三种教学条件差异显著,偏好组多于无代理组。
结论
- 在多媒体环境中加入教学代理能够提高多 媒体学习效果,并且不会减少对学习内容的注意,支持了社会代理理论假设。
- 教学代理在多媒体学习中的作用受到学习者知识经验水平的调节,加入教学代理能促进低经验者的学习效果。
- 教学代理对多媒体学习的影响受到代理偏好的调节,加入学习者偏好的代理形象会促进学习,但加入学习者非偏好的代理形象并没有阻碍学习。
-
-
- 标签:
-
学习元评论 (0条)
聪明如你,不妨在这 发表你的看法与心得 ~