大家好。

在这次的英文文献研讨中，我阅读了以下的论文。

标题：Effects of Internal and External Conditions on Strategies of Self-regulated Learning: A Learning Analytics Study（中文翻译：内部和外部条件对自我调节学习策略的影响——一个学习分析研究）

作者：Srivastava, N and Fan, Y. 等（共11名作者）

会议名称：LAK2022, March 21–25, 2022, Online, USA, 页码392–403, https://doi.org/10.1145/3506860.3506972

这篇论文是在2022年的Learning Analytics and Knowledge Conference (LAK) 的国际学会上发布的。

简要介绍内容，这是一个研究，在数字学习环境上收集学习行为的追踪数据，并分析学习者采用了哪种自我调节学习策略。

此外，研究还探讨了检测到的自我调节学习策略与学习成果、与学习内容相关的先验知识、学习动机和支撑的关联。

自我调节学习（SRL）是指学习者自己监控和调整自己的学习，从而优化学习的过程。自我调节学习策略则指学习者为了优化学习采用的过程。

关于学习策略的分析方法，研究者传统上使用了问卷调查和思考报告法。但近年来，作为更客观的数据收集方法，数字学习环境的追踪数据被广泛使用。追踪数据是记录了各种学习操作（如点击按钮、键盘/鼠标动作、视线分析等）的日志，通过查看这些数据，我们可以了解学习者使用了哪些学习策略。

在这项研究中，提出了一种从追踪数据中分析自我调节学习策略的方法，并应用于在写作任务中收集的数据。值得注意的是，这项研究使用的自我调节学习理论模型是Winne和Hadwin的COPES模型。在COPES模型中，描述了在数字学习环境中，学习者如何监控、管理和评估自己的学习的过程。模型中也指出，学习者的既有知识、学习动机和外部支持等都会影响自我调节学习。

因此，这项研究验证了以下的研究问题：

RQ1：在写作任务中，基于自我调节学习过程的策略是什么？

RQ2：基于自我调节学习过程的自我调节学习策略在多大程度上可以预测写作任务的学习成果？

RQ3：学习者的既有知识、元认知知识、动机状态、支撑与在写作任务中使用的自我调节学习策略之间存在关联吗？

参与者是253名研究生的学术写作课程的学生（分析的对象是173名），实验在课程的最终写作任务中进行。

作为实验流程，在多来源学术写作任务前后，进行了学习动机、写作任务和学习策略的事前和事后测试和问卷调查。在写作任务中，学生在2小时内阅读了关于三个主题（AI、班级多样性、支撑）的文章，并基于这些内容，撰写了一个关于“2023年的学校教育”的200-400字的论文。

作为学习环境，本研究开发了基于Moodle的学习环境，参与者在这个环境中进行了多来源写作任务。学习环境包括目录和导航区域、阅读区域、注释、计划器、计时器、搜索工具等多个学习工具，以及写作窗口。

为了分析支撑和自我调节学习策略的关系，学习环境中设置了支撑，并根据其类型，参与者被分为三组：控制组(CN)、一般化组(GE)、个性化组(PL)。支撑具有支持学习者的自我调节学习的功能（例如，提示设定目标的问题）。CN组的参与者没有接受任何支撑，GE组的参与者接受了基于先前研究的支撑，而PL组的参与者接受了基于用户模型生成的，针对个体需求的支撑。

为了从追踪数据中提取自我调节学习策略，研究者开发了一种基于深度学习的方法。这种方法首先从追踪数据中提取学习者的操作序列，然后使用长短时记忆（LSTM）网络来预测自我调节学习策略。

参加实验的是 253 名学术写作研究生（分析了 173 人），实验是针对期末作业–多来源学术写作任务–进行的。

作为实验过程的一部分，在多来源学术写作任务前后进行了前后测试和问卷调查，以评估学习动机、写作任务和学习策略。 在写作任务中，学生有两个小时的时间阅读三个主题（人工智能、班级多样性和支架）的文章，并根据这些文章撰写一篇200-400 字的文章，题目是 “2023 年的学校教育”。

作为学习环境，本研究为实验开发了一个基于 Moodle 的学习环境，参与者在该学习环境中完成多源写作任务。 学习环境由目录和导航区、阅读区、若干学习工具（包括注释、计划表、计时器和搜索工具）以及写作窗口组成。

为了分析支架与自我调节学习策略之间的关系，我们在学习环境中设置了支架，并根据支架的类型将参与者分为三组：控制型（CN）、通用型（GE）和个性化（PL）。 支架的作用是支持自我调节学习者（例如，提出问题以鼓励设定目标）；CN 组的参与者不接受任何支架，GE 组的参与者接受基于先前研究的支架，PL 组的参与者接受根据用户模型生成并基于其个人需求的支架。 在此基础上提出了脚手架。

从追踪数据中提取自我调节学习行为的方法是基于先前的研究制定的协议，学习行为被归类为总共七种（如定向、监控）自我调节学习行为。 例如，在阅读学习任务时突出显示或做笔记被标记为 GENERAL_INSTRUCTION<->EDIT_ANNOTATION，这一连串的学习行为被映射到名为 MC.Orientation 的自我调节学习行为中（根据任务要求定位） 映射。 在此基础上，通过过程挖掘方法生成了一阶马尔可夫模型（FOMM），以验证学习者的自我调节学习策略。

此外，还在每次测试（前测和后测）中使用了单变量单方差分析、Kruskal-Wallis 检验和卡方检验，以检验自我调节学习策略与学习成果/已有知识之间的关联。

结果，通过 EM 聚类和 Elbow 方法，RQ1 首先显示出三个聚类（三种 SRL 策略）。 具体如下

(i) 策略组 1：先读后写。

→ 重点逐渐从阅读理解转移到文章的组织和阐述。

(ii) 策略组 2：读写同步

→学生同时进行阅读和写作。 换言之，他们在阅读材料和作文之间来回穿梭，收集必要的信息并将其写下来。

(iii) 策略組 3：精写，选择性读物

→写作比例高，用于阅读理解的时间相对较少。

关于RQ 2（学习成绩与自我调节学习策略之间的关系），对三种自我调节学习策略的后测成绩差异进行了方差分析检验，对三种策略的前后测成绩差异进行了 Kruskal Wallis 检验，结果均未发现显著差异。 在这些方面都没有发现明显的差异。

关于RQ3（先前知识和支架对自我调节学习策略的影响），对三种自我调节学习策略的前测成绩差异进行方差分析检验，结果显示没有显著差异。 此外，在 “控制”、”泛化 “和 “个性化 “三种支架实验条件下，对每种策略的效果进行的卡方检验显示，在 0.05 临界值下，没有统计学意义上的显著关联。

总之，本研究的结果表明，通过对数字化学习环境的特质数据进行分析，学生在作文任务中采用了三种自我调节学习策略（”先读后写”、”读写同步 “和 “精读多写”）。精读，选择性阅读”）。

另一方面，在已有知识和支架条件下，使用不同自我调节学习策略的学习者之间没有发现显著差异。 为此，我们得出结论，这项研究中存在一些问题，即由于技术问题，没有控制好每组的人数，今后需要进一步研究和论证这些因素与自我调节学习策略之间的关系。

以下是我对这项研究的评论。 我认为这篇论文在从特质数据中分析学习策略的方法和统计方面很有帮助。 这是因为我自己的研究涉及从数字化学习环境中收集数据并分析学习者的学习行为。 因此，我一定会采用本研究中的方法，从特质数据中绘制常见的自我调节学习策略图。 另一方面，本文也存在一些问题。 例如，虽然本研究探讨了自我调节学习策略与学习效果、先前知识和支架之间的关系，但我们想知道自我调节学习策略与支架条件之间的相互作用是否会影响学习效果。 因此，我们认为使用双因素方差分析法，从支架和策略这两个因素来研究学习结果之间的关联会很有趣。

读完论文后，我们在实验室里讨论说，我们需要从逻辑上解释数据中的学习行为是如何映射到自我调节学习过程的，为了使三种策略更有说服力，我们使用了每种策略。有人建议，可以对参与者进行访谈来证实这一点，并深入探讨他们为什么会采取这样的学习方法。

（笔者：硕士二年级　平田沙希）