您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[ACT]:ACT 基于研究的马赛克设计:自适应学术学习 - 发现报告
当前位置:首页/行业研究/报告详情/

ACT 基于研究的马赛克设计:自适应学术学习

文化传媒2022-01-11ACT娇***
ACT 基于研究的马赛克设计:自适应学术学习

行为研究 |研究报告 | 2022 年 1 月1版权所有 ® 2021 ACT, Inc. 保留所有权利。 | R2150基于研究的设计ACT® 的 Mosaic™:自适应学术学习诺拉·戴利、达娜·穆拉诺、亚历克斯·卡西利亚斯 行为研究 |研究报告 | 2022 年 1 月2版权所有 ® 2021 ACT, Inc. 保留所有权利。 | R2150结论ACT® 的 Mosaic™:自适应学术学习基于从学习科学研究中收集的最佳实践。它结合了学生学习研究支持的工具,例如检索实践、间距、交错和知识分割。本文档总结了该平台如何整合其中 10 种基于研究的工具,并详细讨论了检查每种工具的研究。鉴于学习者范围广泛、学习条件和成果广泛,并非所有工具在所有情况下都有效。因此,该平台包括少数广泛适用的工具和许多针对平台目标学习者、学习条件和结果的上下文相关工具。所以呢?对学生学习最佳实践的研究可以为产品设计决策提供信息,并为促进有效的学生学习奠定坚实的基础。基于研究的方法很重要,但随着关于学生学习的文献不断增长,确定特定平台的工具价值具有挑战性。为了评估 AAL 平台中包含的工具,本文档中的讨论围绕三个重要问题进行组织,这些问题可以帮助确定特定平台的学习工具的价值。其中包括这些工具的效果在不同学生特征(例如年龄)、学习条件(例如材料)和/或结果(例如长期保留)之间的差异程度。怎么办?研究和理论为 AAL 平台提供了坚实的基础,但检验平台功效的直接研究是重要的下一步。这一步至关重要,因为即使是坚实的基础也无法保证整个平台的有效性。功效研究还为平台的进一步完善提供了信息。疗效研究平台以平台的行动理论为依据,并以 ACT 的功效框架(Mattern,2019)为基础。讨论了与该框架一致的研究问题,并描述了当前和未来的研究工作。通过解决这些研究问题中的每一个,ACT 继续从事研究并收集与合理功效论据一致的功效证据。我们的最终目标是通过 ACT 收集与 Mosaic 相关的每个预期结果的支持功效证据:自适应学术学习关于作者诺拉戴利博士Nola Daley 是 ACT 社会、情感和学术学习中心的研究科学家。她完成了实验心理学博士学位,专注于认知心理学,专注于学生的学习。她的研究重点是检查技术和教学材料,以支持有效和高效的学生学习。达纳穆拉诺博士Dana Murano 是 ACT 社会、情感和学术学习中心的研究科学家。她完成了教育心理学博士学位,专攻学习、发展和教学。她的研究主要集中在学生社交和情感技能的发展和评估上。亚历克斯·卡西利亚斯博士亚历克斯·卡西利亚斯(Alex Casillas)是首席研究ACT 社会、情感和学术学习中心的心理学家,专门从事评估设计、教育和工作环境中表现和持久性的行为预测,以及 SEL 编程的实施。他的研究越来越侧重于帮助历史上代表性不足的人群在教育和工作中取得更公平的成果。 行为研究 |研究报告 | 2022 年 1 月3版权所有 ® 2021 ACT, Inc. 保留所有权利。 | R2150介绍问题自适应学术学习地址在过去的 100 年里,美国一直依赖于同样的主要教育模式。 对于学生来说,这种一刀切的教育方法可能无法满足他们的个人需求。 使用这种方法,对学生来说太难或太容易的内容都可能导致学习效果不佳(Metcalfe,2002)。 这种一刀切的方法也无法为学生提供及时、个性化的反馈。 如果没有对他们表现的客观反馈,学生可能会被诸如他们轻松将信息带入脑海的能力等线索误导他们的学习进度(Griffin、Mielicki 和 Wiley,2019 年)。 事实上,即使对于有经验的学习者来说,这种监控过程也很困难,年轻的学生可能在这项任务中遇到更大的困难(Prinz、Golke 和 Wittwer,2020 年)。 使有效学习更加困难的是,学生们通常不会获得有关有效学习策略的指导(Kornell & Bjork, 2007; Lawson, Vosniadou, Van Deur, Wyra, & Jeffries, 2018)。 因此,即使是准确监控他们的学习并确定他们需要额外练习的学生也可能不具备选择有效学习策略的知识。 与这种可能性相一致的是,学生经常依赖无效和低效的工具,例如重读(Blasiman, Dunlosky, & Rawson, 2017)。 使用这些工具最终会导致学习水平降低(Thiede, Anderson, & Therriault, 2003)。总而言之,学生需要具有适当挑战性、支持准确监控并使用有效学习策略来支持内容掌握所需的重复、有意识练习的工具。ACT® 的 Mosaic™:自适应学术学习旨在满足这些需求并帮助学生有效掌握内容。为了提供适当具有挑战性的内容,技术驱动的平台通过以初始诊断测试学生知识开始练习并在练习期间提供问题以准确跟踪学生学习来提供符合标准和个性化的内容。当学生在练习开始时表现不佳时,也会自动获得指导。对表现不佳的学生的额外支持源于基于基础知识图谱的先决概念的自动脚手架。当学生掌握特定概念时,系统会在指定的学习路径内将他们推向新概念。为了让学生了解他们的学习进度,默认情况下,学生在练习期间和完成评估后会立即收到反馈。当他们完成练习时,他们朝着每周目标的进度会相应调整。此外,学生的学习档案可以直观地显示他们学到了哪些概念。为了帮助学生高效学习,该平台整合了各种工具,例如检索练习、间隔和交错,这些工具由学生学习研究支持。本报告的目的本报告详细讨论了先前对预期工具的研究,这些工具有望成为 ACT 的 Mosaic 目标优势的基础:自适应学术学习。为了提供本次讨论的背景,我们首先为学生概述该平台的整体行动理论。该模型概述了对学生的期望 行为研究 |研究报告 | 2022 年 1 月4版权所有 ® 2021 ACT, Inc. 保留所有权利。 | R2150使用该平台实现有针对性的学习目标。特别是,该平台的一些关键功能有望帮助学生实现这些目标,例如差异化实践、自动搭建和充实以及技术增强的评估。在讨论了整体行动理论之后,我们描述了平台中的这些关键功能如何结合各种基于研究的工具。在描述了如何整合这些工具之后,我们提供了对研究检查的详细讨论每个工具。尽管此讨论强调了该平台对两个目标结果的潜在好处,但仍需要进行研究以直接检查该平台对这些和其他目标结果的功效。因此,我们最后描述了平台上正在进行的研究工作。特别是,当前和未来的几个相互关联的研究方向旨在测试基于行动理论的平台预测,以提供与 ACT 的功效框架相一致的功效证据。Mosaic by ACT:适应性学术学习行动理论平台的行动理论指定了与使用平台相关的预期结果,并通过描述与使用平台相关的功能、用途和用户体验来描述用户如何实现这些结果。附录中的表 A1 给出了总结平台针对学生的行动理论的逻辑模型。该模型概述了输入栏所描述的平台的几个重要特征,包括差异化实践、技术增强评估、自动脚手架和丰富、标准和教科书对齐以及可访问性。总而言之,这些功能有望让学生随时随地灵活地学习相关且可访问的个性化内容,同时保持参与并监控他们的学习进度。这些过程汇总在活动列中。学生应该将这些体验视为引人入胜且有助于增加他们的知识和跟踪他们的学习进度。这些看法总结在用户体验一栏中。反过来,学生应该展示他们的知识、行为和技能的可衡量的变化,如结果栏所总结的那样。这些结果根据所需时间分为三类(即短期使用<1年;中期使用后1-3年;长期使用后3年或更长时间)。短期成果包括为每个学习者提供正确的资源、提高学生对内容的参与度以及对目标学习成果的支持。中期成果包括在中学取得更大的学业成就、更少的补救和更高的数字素养。长期成果包括更成功地过渡到高中、提高高中保留率以及提高高中的学业成绩。在当前文件中,我们重点关注学生学习研究支持的工具如何融入平台行动理论中概述的几个关键特征中。这项研究支持该平台对学生的两个有针对性的学习成果的潜在好处:支持在中学学习成果和更大的学业成就。这是直接使用该平台预计会带来的两个短期和中期收益。此外,虽然该平台仅针对 K-8 年级的内容,但这些短期成果的好处预计将成为针对高中学生长期成果的好处的基础。例如,先前的研究表明,中学的学业成绩与更成功地过渡到高中有关。具体来说,更好的中学成绩可以预测早期的高中成绩(Casillas 等人,2012 年;McKee 和 Caldarella,2016 年)。此外,中学标准化数学考试的表现可以预测 9 年级的成绩(McKee & Caldarella,2016)。研究还表明,无论是更大的学术 行为研究 |研究报告 | 2022 年 1 月5版权所有 ® 2021 ACT, Inc. 保留所有权利。 | R2150中学的成就和更成功地过渡到高中与高中辍学的可能性降低有关,从而增加了高中保留的可能性(Rumberger & Lim, 2008; Kennelly & Monrad, 2007)。这些关系强调了当前文件中两个重点成果的重要性:中学学业成绩和对目标学习成果的支持。有关该平台对所有学生成果的潜在好处以及为教育工作者和管理人员指定的成果的研究支持的讨论,请参阅 ACT® 的“Mosaic™:适应性学术学习行动理论。”ACT 的 Mosaic 功能概述:自适应学术学习差异化实践和自动脚手架平台中的差异化实践从初始诊断测试开始,然后继续进行适应性实践。学生从分班考试开始,该考试衡量他们对指定学习路径中独立概念的了解。如果学生表现出对某个概念的理解,则该概念被标记为准备好掌握检查并在练习期间跳过。这个过程允许练习专注于学生仍然需要学习的内容。在这个测试之后,学生继续适应性实践,它使用支持混合学习模式的适应性引擎,无论核心 ELA 和数学课程如何。这个自适应引擎为每个学生量身定制学习路径,根据他们解决的每个问题进行调整。根据学生在分班考试和实践中的表现调整他们看到的内容是平台整合差异化教学的两种方式,这是下文进一步描述的学生学习研究支持的工具之一(例如,Deunk、Smale-Jacobse、 de Boer、Doolaard 和 Bosker,2018 年;Smale-Jacobse、Meijer、Helms-Lorenz 和 Maulana,2019 年)。学生尝试解决问题后,他们会立即收到反馈,告知他们是否默认回答正确。这种反馈包括鼓励信息,赞扬学生的努力和坚持,这是平台结合成长心态干预的一种方式。反馈和成长心态干预都是具有大量研究支持的工具,详情如下(例如,Hattie & Timperley,2007;Wisniewski、Zierer 和 Hattie,2020;Yeager 等人,2019)。在此练习中,当学生表现不佳时,系统会自动填充一口大小的教学视频。学生还可以选择在练习期间按需观看这些教学视频。这些短视频通常涉及旁白或文字和图片、图表或其他视觉内容。通过文字和图像仅呈现每个视频中的少量内容,结合了知识分割和双重编码。知识分割和双重编码都是具有大量研究支持的工具,如下所述(例如,Guo、Zhan、Wright 和 McTigue,2020;Rey 等人,2019)。该平台为每个概念提供至少 20 个独特的实践问题。适应性练习混合了学生当前分配的不同概念的问题,而不是让他们完成所有 行为研究 |研究报告 | 2022 年 1 月6版权所有 ® 2021 ACT, Inc. 保留所有权利。 | R2150在回答下一个概念之前先对一个概念提出问题。如果学生尚未达到熟练程度,他们还会在多个练习作业中回答关于同一概念的问题。在每次练习中混合来自不同概念的问题,提示学生回答有关概念的练习题,以及跨练习重复练习相同的概念是该平台分别结合交织、检索练习和间隔的一些方式。所有这三个工具都具有大量或强大的研究支持,如下所述(例如,Adesope、Trevisan 和 Sundararajan,2017 年;Brunmair 和 Richter,2019 年;Carpenter、Cepeda、Rohrer、Kang 和 P