首页 > 其他分享 >形成性评价在增强现实(AR)中对建筑学课程泛在学习活动的影响

形成性评价在增强现实(AR)中对建筑学课程泛在学习活动的影响

时间:2022-09-24 21:12:48浏览次数:53  
标签:对照组 学习动机 实验组 课程 学生 学习 AR 建筑学

形成性评价在增强现实(AR)中对建筑学课程泛在学习活动的影响

(Effects of formative assessment in an augmented reality approach to conducting ubiquitous learning activities for architecture courses)

 

Univ Access Inf Soc (2019) 18:221–230 https://doi.org/10.1007/s10209-017-0588-y

 

一、摘要提取

增强现实(AR)在使用移动和无线通信技术的在线学习资源的支持下,有助于引导学生观察现实世界的学习目标。

研究对象:实验组19名大学生,采用基于AR的形成性评价互动u-learning学习模式进行教学;对照组20名,采用基于AR的u-learning学习模式进行教学。

研究目的:本研究旨在探讨在移动学习活动中应用形成性评估策略的效果。为此,本研究开发了一个基于AR的形成性评估交互式学习系统,用于移动学习活动,并对参与学习活动的学生的学习成绩、动机和认知负荷进行了分析,以验证该方法的有效性。

实验结果实验结果表明,具有形成性评价机制的基于AR的学习模式显著提高了学生的学习成绩和学习动机,同时降低了学生的认知负荷(心理负荷无影响;心理努力有显著提高)。

二、研究问题

1.在不同的学习模式(即基于AR的u-learning系统和基于传统AR的u-learning系统)下,AR环境中的形成性评价是否对学习结果有影响?

2.在不同的学习模式下,对学生认知负荷的影响是否不同?

3.在不同的学习模式下,AR环境中的形成性评价是否对学习动机有影响?

三、文献综述

(一)情境感知的泛在学习和增强现实

    情境学习教学方式强调学习者参与到真实的学习情境中,使抽象的知识与现实的情景联系起来,有助于加强学习者的知识构建。

    泛在学习不受时间和空间的限制,并且,泛在学习中不需要采用移动设备或其他技术;移动学习是指学生通过移动技术和无线网络实现随时随地学习的学习实践。泛在学习的主要特征是持久性、可及性、即时性、教学活动的互动性情境和适应性。

    AR技术是一种情境感知技术,能够在移动设备上呈现整合的现实世界对象和相应的数字信息,与传统的课堂课程相比,它可以将学生的注意力吸引到移动设备上的学习材料上,促进学生的主动学习体验。然而,使用AR技术并不一定会对学生产生积极的影响。如果没有适当的工具或策略,即使应用了移动学习系统或增强现实技术等新技术,学生的学习效果也可能不会提高到研究者和教师预期的程度。因此,如果学习者想要理解重要的问题,就必须通过在增强现实学习环境中实施有效的教学策略,帮助学习者获得尽可能大的学习效果。

(二)即时反馈和在线形成性评估

    形成性评价是一个不断收集学习证据的系统过程,可以用来检查学生的进步,调整学习节奏,从而帮助学生达到学习目标和目的;形成性评价是对教师与学生之间的互动进行评价的过程,帮助教师在教学过程中及时反馈给学生。此外,一些研究进一步表明了给学生即时反馈的重要性。特别是,通过监测任务的学习进度所提供的即时反馈,使学生能够促进自我调节学习技能的发展,并有助于加深学习投入。

四、研究设计

(一)实验对象

同摘要研究对象。

(二)实验工具

    本研究的测量工具包括认知负荷测量、学习成就测试和学生学习动机测量问卷。为了评估学生的学习效果,设计了前后测试。测试表旨在评估学生在参与学习活动前对建筑历史和设计原理的先验知识。后测旨在评估学生对哥特式建筑设计概念的知识。前测和后测都包含25个多项选择题,满分为100分。

  动机问卷参照Pintrich和DeGroot开发的学习动机策略问卷(MSLQ)进行开发。问卷由19个条目组成,李克特五分制量表,包括“我对这门课程的学习内容感兴趣”、“我相信我会比我的同学有更好的学习成绩”和“我认为这门课程的学习内容很重要”等条目。

    本研究中,认知负荷的两个维度:心理负荷和心理努力。心理负荷是指同时呈现给学生的信息量所引起的认知负荷,而心理努力则是指学习内容的组织方式或所采用的学习策略所引起的认知负荷。它由李克特7分制的8个项目组成,5个项目代表精神负荷,3个项目代表精神努力,其中“7”代表“非常同意”,“1”代表“非常不同意”。

 

图1 基于AR的形成性评价互动u-learning学习过程的流程

(三)实验过程

图2 实验设计

五、研究结果

(一)学习成绩分析

     如下图,实验前结果显示两组间差异无统计学意义(t = 0.76, p=0.46> 0.05)。

模拟数据→(实验组+对照组)数据检验是否符合正态分布→以(前测成绩)为因变量做独立样本t检验→证明两组数据无显著性差异。

 

[协变量分析or独立样本t检验?协变量怎么看]学习活动结束后,以前测成绩为协变量,以后测成绩为因变量的单向ANCOVA分析如表1所示,结果表明实验组学生的学习成绩优于对照组(t = 2.60, p = 0.013 < 0.05),具有较大的效应量(Cohen’s d = 0.84)这意味着基于形成性评价策略模式的增强现实交互式u-learning学习系统比传统的基于增强现实的u-learning学习模式更有利于学生学习

 

 

表1  测试前/测试后结果的描述性数据和单向ANCOVA

变量

组别

个数N

平均分M

标准差SD

t

d=(M1-M2)/SD均值

实验前

(1)实验组

19

77.76

4.29

 

 

 

(2)对照组

20

76.78

3.89

 

 

实验后

(1)实验组

19

80.37

3.62

2.60

0.84

 

(2)对照组

20

76.95

4.50

 

 

(二)认知负荷分析

 表2为两组认知负荷评分的t检验结果,显示两组在心理负荷方面无显著差异(t =−1.45,p=0.157> 0.05)。这一发现与以往的研究一致,两组学生使用相同的学习科目材料和任务进行学习,所以他们的心理负荷没有显著差异。[原因]结果显示,实验组的心理努力显著高于对照组,(t = 2.68(p= 0.011 < 0.05),效应量d = 0.96。因此,适度的心理努力对学生保持良好的学习成绩是必要的,可以通过使用有效的学习策略来实现

心理负荷

 

心理努力

 

表2  实验组及对照组心理负荷和心理努力的t检验结果

变量

组别

个数N

平均分M

标准差SD

t

d=(M1-M2)/SD均值

心理负荷

(1)实验组

19

4.278

0.32

-1.45

-0.47

 

(2)对照组

20

4.426

0.32

 

 

心理努力

(1)实验组

19

4.678

0.14

2.68

0.96

 

(2)对照组

20

4.413

0.41

 

 

(三)学习动机分析

  表3为两组学习动机的t检验结果。结果显示,实验组学生的学习动机评分在问卷前/问卷后存在显著差异(t =−3.11,p=0.006< 0.01);此外,对照组的学习动机评分在问卷前/问卷后也有显著性差异(t =−3.63,p=0.002< 0.01)。实验结果表明,在基于AR的学习系统中学习的两组学生,无论是否使用形成性评价机制,都能提高学习动机。因此,这意味着基于增强现实(AR)的学习具有激发学习的潜力,因为它具有令人愉快的互动性质和体验,以及形成性评估策略的积极作用,使学生能够参与学习。

实验组前后测

对照组前后测

表3  实验组及对照组学习动机问卷前/问卷后得分配对t检验结果

变量

组别

个数N

平均分M

标准差SD

t

实验组

实验前

19

3.37

0.22

-3.11

 

实验后

19

3.60

0.27

 

对照组

实验前

20

4.678

0.30

-3.63

 

实验后

20

4.413

0.11

 

 

五、结论与展望

(一)结论

1.学习成绩

    本研究提出一种基于AR的形成性评估互动u-learning学习系统,用于在建筑学课程中进行u-learning学习活动。实验结果表明,与传统的基于AR的u-learning系统(无形成性评价策略)相比,该方法显著提高了学生的学习成绩。这一结果表明,基于认知反应的形成性评价学习策略有助于知识的整合和内化;同时,促进了学生更高的学习效率。

2.认知负荷

    另一方面,研究发现使用基于AR的形成性评价策略的学生在学习过程中付出了更大的心理努力,这意味着这些策略可能会给学生在学习过程中带来更高的心理压力。从实验结果来看,两组学生的心理负荷没有显著差异,因为他们学习的是相同的学习任务和内容[合理]。与此同时,实验组的心理努力得分显著高于对照组(实验组心理努力的平均值为4.68,对照组为4.41),这表明形成性评价方法使实验组学生参与了具有合理挑战的学习任务,这可能是他们学习成绩更好的原因。

3.学习动机

    在学习动机方面,研究表明两种基于AR的学习模式都能吸引和激励学习者学习;同时,有效的形成性评价反馈能够促进学生进行自我调节过程的动机,意味着他们可能会利用反馈来修改自己的学习活动,以有效地解决任务,并认为反馈是有用的。

(二)展望

1.存在困难

     首先,实验在一个建筑设计活动中进行,要将该方法应用于其他应用程序,可能需要对该方法进行一些修改。第二,由于所选大学的教学实际,本研究的样本量不大。为了将本研究的结果推断到学生人数更多的课程中,可能需要进一步的研究。

2.解决方案

    第一,教师需要更换学习材料和测试项目系统与新的应用程序;

    第二,一个学生与教师的互动过程,及学生未来的学习行为,是值得研究的。

标签:对照组,学习动机,实验组,课程,学生,学习,AR,建筑学
From: https://www.cnblogs.com/xiaoxin-ing/p/16726611.html

相关文章

  • 第一次博客----markdown语法学习
    markdown语法学习字体样式粗体helloword!斜体helloword!粗斜体helloword!字体添加删除线helloword!引用20世纪初的一天,圣诞节快到了,......
  • BM93,BM94接雨水问题(最大水量maxArea和总水量trapWater问题)(双指针)
    总水量问题BM94trapWater()描述给定一个整形数组arr,已知其中所有的值都是非负的,将这个数组看作一个柱子高度图,计算按此排列的柱子,下雨之后能接多少雨水。(数组以外的......
  • 数理统计课程考试中一定要记住的易错点啊(二):参数估计
    在参数估计这里,需要理清楚矩估计、极大似然估计、顺序统计量估计之间的区别、原理和步骤。选择估计量时分清楚无偏性、有效性、相合性的概念,会计算UMVUE。至于区间估计,就......
  • [Jetpack Compose] 使用 Snackbar 实现退出应用再确认功能
    @OptIn(ExperimentalMaterial3Api::class)@ComposablefunDemoFun(){varscope=rememberCoroutineScope()varsnackbarHostState=remember{SnackbarHos......
  • Typescripe类型体操 - FlipArguments
    题目中文实现lodash中_.flip方法的类型版本FlipArguments<T>类型接收泛型参数T并返回一个函数类型,且此函数类型有和T相同的返回类型但其参数的顺序是倒过来的E......
  • leetcode 669. Trim a Binary Search Tree 修剪二叉搜索树 (简单)
    一、题目大意给你二叉搜索树的根节点root,同时给定最小边界low和最大边界high。通过修剪二叉搜索树,使得所有节点的值在[low,high]中。修剪树不应该改变保留在树中的......
  • markdown基本语法学习与实践
    目录一级标题二级标题三级标题最小只有六级标题这是标题一级标题二级标题三级标题最小只有六级标题#一级标题##二级标题###三级标题####四级标题#####五级......
  • jar包解包和封包
    1. jar包解包和封包jar-xfdynamic-bizengine-service-1.0.0.jarrm-rfBOOT-INF/lib/fastjson-1.2.47.jarcpfastjson-1.2.83.jarBOOT-INF/lib/jar-cf0Mdynami......
  • markdown语法使用
    markdown语法使用标题系列​1.警号​2.快捷键​ctrl+数字(1~6)小标题系列*文本 无序标题 +文本 无序标题 数......
  • pycharm下载 安装 详细
    pycharm下载与使用JETBRAINS官网:https://www.jetbrains.com/pycharm/.1.免费版功能太少(community)我们尽量使用收费版(professional)30天试用。选择版本就选......