首页 > 其他分享 >在科学课程中提高学生的学习能力 ——基于游戏的协作学习方法

在科学课程中提高学生的学习能力 ——基于游戏的协作学习方法

时间:2022-09-19 20:23:14浏览次数:77  
标签:对照组 实验组 课程 31 学生 学习 协作

在科学课程中提高学生的学习能力——基于游戏的协作学习模式

(A collaborative game-based learning approach to improving students’ learning performance in science courses)

一、摘要提取

研究对象:台湾南部某小学自然科学课程的六年级三个班93名学生;

研究目的:检验学生在学习成绩、学习态度、学习动机、自我效能感等方面的表现,以评估所提方法的成效。

实验分组:实验组1个班31名学生使用汇编网格法进行协同教学电脑游戏学习;对照组2个班62名学生:对照A组采用传统的基于协作游戏的学习方法,不使用保留网格;对照B组单独学习这款教育性电脑游戏,并开发了自己的汇编网格。

实验结果整合mindtool的协作教育游戏不仅有利于促进学生的学习态度和学习动机,而且由于协作游戏环境中嵌入的知识组织和共享设施,提高了学生的学习成就和自我效能感。

二、研究问题

1. 使用心理工具辅助的基于游戏的协作学习方法学习的学生是否比使用传统的协作学习方法和使用单独的心理工具辅助的基于游戏的学习方法学习的学生表现出更好的学习成绩?

2. 使用心理工具辅助的基于游戏的协作学习方法学习的学生是否比使用传统的协作学习方法和使用独立的心理工具辅助的基于游戏的学习方法学习的学生对科学表现出更好的学习态度?

3. 使用心智工具辅助的基于协作游戏的学习方法学习的学生是否比使用传统的协作学习方法和使用个体心智工具辅助的基于游戏的学习方法学习的学生表现出更高的学习动机?

4. 使用心智工具辅助的基于游戏的协作学习方法学习的学生是否比使用传统的协作学习方法和使用个体心智工具辅助的基于游戏的学习方法学习的学生表现出更高的小组学习效率?

三、研究设计

(一)实验对象

  同摘要研究对象及分组信息。

(二)实验过程

  本实验以小学自然科学课程中的“了解校园植物”单元为实验对象,旨在让学生了解植物的根、茎、叶等组成及其主要功能,并根据植物的特点培养学生在野外对不同类型植物的识别和区分能力。其研究的实验设计如图1所示。

 

图1 学习活动的实验设计

协作游戏系统结构→

 

 

四、研究结果

(一)学习成绩

  在参与学习活动之前,学生进行了一次前测,对前测结果进行单因素方差分析,三组学生前测结果的自变量和协变量学习成绩检验(F=0.746,P=0.477> 0.05)差异不显著。因此,三组在学习活动前具有同等的先验知识。 

 

 

 

    学习活动结束后,对后测结果进行协方差分析(前测为协变量,后测结果为因变量,以“不同游戏学习策略(三组)”为控制变量),检验三组后测结果之间的关系。三组之间的方差是显著的(F=28.113,P=0.000< 0.001)。也就是说,由于实验学习过程的不同,测试后的成绩有显著差异。此外,还进行了事后分析,LSD测试显示,与对照组A得分67.26相比,实验组得分调整后的平均值73.84 (p < .001)。此外,实验组得分也显著高于对照组B组的70.01分(p < .001)。

  因此,实验组学生的学习成绩显著优于对照组A和对照组B学生,而两组学生的学习成绩差异不显著。研究发现,与传统的不使用存储网格的协作游戏学习和使用存储网格的个体游戏学习相比,使用存储网格的协作游戏学习有助于提高学生的学习成绩。

 

 

变量

组别

个数

前测平均分

标准差

后测平均分

F

事后比较

试验后

(1)实验组

31

69.90

6.90

73.84

28.113

(1)>(2)

 

(2)对照组A

31

68.06

6.85

67.26

 

(1)>(3)

 

(3)对照组B

31

68.65

7.34

70.01

 

 

(二)科学学习态度

  本研究以学生对科学的学习态度量表为协变量进行ANCOVA,以排除学习态度问卷前得分的影响。根据自变量与学习态度量表的协变量之间的交互作用不显著(F=2.900,P=0.06 >0.05),使用ANCOVA合适。

 

    如下图所示,在剔除学习态度问卷前得分的影响后,三组学生的学习态度差异有统计学意义(F=68.909,P=0.000<0.05)。此外,事后分析LSD检测显示,实验组调整后的平均值为4.62,对照组A得分为4.15。实验组评分显著高于对照组B(4.36分)。实验组的成绩显著优于对照组A组和B组,说明采用汇编网格法的协作教育电脑游戏提高了学生对科学的学习态度


 

  

变量

组别

个数

前测平均分

标准差

后测平均分

F

事后比较

科学学习态度

(1)实验组

31

4.48

0.33

4.62

68.909

(1)>(2)

 

(2)对照组A

31

4.29

0.41

4.15

 

(1)>(3)

 

(3)对照组B

31

4.44

0.29

4.36

 

 

(三)科学课程的学习动机

  学习活动结束后,三组学生分别进行学习动机问卷调查。结果发现,三组问卷后评分差异有统计学意义(实验组与对照组A:F=9.661,P=0.003<0.05;实验组与对照组B:F=11.137,P=0.001<0.05)。此外,事后分析LSD测试结果显示,实验组得分6.16显著高于对照组A(5.04分)以及对照组B(5.00分)。由此可见,基于协作博弈的知识库网格学习方法对提高学生自然科学课程学习动机有显著影响

变量

组别

个数

前测平均分

标准差

后测平均分

F

事后比较

科学课程与学习动机

(1)实验组

31

6.17

0.33

6.16

59.951

(1)>(2)

 

(2)对照组A

31

4.94

0.52

5.04

 

(1)>(3)

 

(3)对照组B

31

4.98

0.55

5.00

 

 

(四)小组学习自我效能感分析

    将实验组、对照组A组、B组学生学习前后问卷结果的配对样本t检验,实验组学生群体学习的自我效能感明显提高。即:具有知识库网格的协同教育计算机游戏增强了学生使用计算机学习的自我效能感,增强了学生与同伴协作学习的信心和期望。   

 

 

组别

个数

前测平均分

标准差

后测平均分

t

(1)实验组

31

3.41

0.18

3.87

-10.780

(2)对照组A

31

3.93

0.09

3.94

-0.815

(3)对照组B

31

3.97

0.09

3.99

-1.624

五、结论

从研究问题总结而得:

    实验组学生使用汇编网格法进行协同教学电脑游戏学习方式与对照A组采用(传统的基于协作游戏的学习方法,不使用保留网格)以及对照B组(单独学习这款教育性电脑游戏,并开发了自己的汇编网格)这两种方式,学习成绩、学习态度、学习动机、自我效能感后测成绩都有所提高。

标签:对照组,实验组,课程,31,学生,学习,协作
From: https://www.cnblogs.com/xiaoxin-ing/p/16708935.html

相关文章

  • request post学习
    requestpost学习importjsonimportrequestsimportbase64url="https://XXX1:8065/vxxxm_reptile/VehiclePositionTrajectoryServlet"headers={"keyId":"4xxxx......
  • [轻量化网络]MobileNet V1学习笔记
    MobileNetV1是谷歌2017年提出的轻量化卷积神经网络,用于在移动端、边缘终端设备上进行实时边缘计算和人工智能推理部署。使用深度可分离卷积DepthwiseSeparableConvolut......
  • 阿里云张新涛:连接产业上下游,构建XR协作生态
    简介: 用交互技术辅以澎湃的算力带给大家最真实的“沉浸式体验”2022年9月2日,在世界人工智能大会“区块新生数字宇宙——元宇宙技术与生态合作”分论坛上,阿里云......
  • 自学周记之static的学习
          在Java的学习过程中,我们为了让自己的代码更加简洁美观或者为了在重复部分一劳永逸,定义方法对于我们总是必不可少的。而在定义方法时不仅要标注返回值类型,还要......
  • k8s系列学习
    一、k8s介绍  一个k8s集群有master和node节点组成,每个节点需要安装对应的组件master节点:ApiServer:资源操作的唯一入口,接收用户输入的命令,提供认证、授权、API注......
  • JAVA学习-四则运算的优化
    在这一节中要对上次写的用random函数的应用生成的四则运算程序进行优化,要求是需要实现在线答题,并且可以给出题目的答案讲错题存起来,可以进行错题重做,还要给出错题率以及相......
  • 新手学习Java的好习惯分享
    1、爱好这个是动力,如果你不爱Java,不爱计算机,而是喜爱游戏,娱乐或者其他的,你不适合做程序员。如果你能在电脑前,一坐就是4-5个小时,你能为了学习而阅读英文的资料......
  • 【视频】机器学习交叉验证CV原理及R语言主成分PCA回归分析犯罪率|数据共享
    全文链接:http://tecdat.cn/?p=24671原文出处:拓端数据部落公众号交叉验证是避免过度拟合和很好地理解预测模型性能的最有效技术之一。相关视频:机器学习交叉验证CV原理及R......
  • 第二周课程总结:static在修饰方法时的作用是什么?
    我们知道static是静态修饰符,在程序中任何变量或者代码都是在编译时由系统自动分配内存来存储的,而被static修饰的代码会在编译时就被分配内存,程序退出时才会释放其内存,......
  • FastCorrect&Fairseq学习笔记
    一工作说明:FastCorrect,字面意思就是快速纠错;这项主要是对asr的识别结果进行纠错,提升识别率;目前大部分的纠错模型采用了基于注意力机制的端到端自回归模型(seq2se......