大家好。

在这篇文章中，我想介绍一下本次英语文学研讨会所讨论的论文内容以及我的想法。

论文标题：Predict or describe? How learning analytics dashboard design influences motivation and statistics anxiety in an online statistics course

期刊：Educational Technology Research and Development

卷数和页数：69, 1405-1431

出版年份：2021 年

作者： Natercia Valle, Pavlo Antonenko, Denis Valle, Max Sommer, Anne Corinne Huggins-Manley, Kara Dawson, Dongho Kim & Benjamin Baiser

https://doi.org/10.1007/s11423-021-09998-z

以下是论文所述内容的摘要。

统计学课程已被纳入许多大学的课程体系，但许多学生因该学科的难度而感到担忧。对统计学的焦虑可分为六个方面：价值观、解释焦虑、考试和课堂焦虑、数学计算焦虑、寻求帮助时的焦虑以及对教师的消极态度。

但由于需要教师的即时反馈，而且统计软件的使用也不够熟练，这往往会进一步增加在线焦虑。

学习动机会影响学习者对统计的焦虑和学习效果。 例如，如果学习者对自己的考试成绩感到焦虑，负面情绪会影响他们使用适当的元认知策略。 另一方面，如果学习者对所学内容有内在动机，他们就更有可能产生积极情绪，并使用适当的学习策略，从而促进学习效果。 本研究开发了两种基于成就目标理论的学习分析仪表板（LADs），并测试了它们在在线学习环境中降低学习效果和统计学焦虑的有效性。

该研究涉及研究生在线统计课程的 179 名参与者，分为三组（对照组、描述组和预测组），历时两个学期。 预测组、描述组和对照组的学员可自由使用各自的 LAD。

-预测性 LAD：学习者在课程结束时获得的成绩（A、B、C、D 和 E）是以掌握情况为导向的部分，其预测概率是根据每堂课后的测验成绩计算出来的。 它只与学习者个人有关，不包括班级比较要素，如对班级其他学生的预测。

-描述性 LAD：同时显示作为成绩导向要素的学习者个人成绩，以便与班级平均成绩进行比较。

-对照组（在线课程的默认 LAD）：显示来自每周测验的描述性数据和显示班级整体成绩的框须图。

作为测量工具，采用了 MSLQ（Motivation Strategies for Learning Questionnaire, Pintrich et al., 1993）和 STARS（Statistics Anxiety Rating Scale, Hanna et al., 2008）问卷用于测量学生学习统计前后的积极性和焦虑程度。测验分数和最终成绩作为学习成果进行计算和分析。

用Tobit回归模型进行分析的结果表明，预测性LADs的使用与先前的内部目标定向水平之间存在统计学意义上的显著正交互作用。研究发现，预测性 LADs 的有效性取决于学习者先前的内部目标定向水平。这是因为预测性 LAD 的自我参照设计，即学习者参照个人的学习数据，一般被认为是促进内在动机的有效方法，但内在动机低的学习者可能会对自己的成绩设定高标准，从而导致学习动机降低。此外，对统计焦虑的多元回归分析结果显示，描述性和预测性 LAD 的学习者对统计的态度较为消极，但在课程结束时，他们对统计的消极态度明显低于对照组的学习者。结果证实，这两种设计都包含了成就目标理论中以掌握目标为导向和以成绩目标为导向的成分，从而降低了学习者对统计学的消极态度。另一方面，从测验总分和期末考试成绩来看，仪表盘类型（预测性 LAD、描述性 LAD 或对照组 LAD）对学习效果没有影响。 因此，本研究中的 LAD 设计只影响了学习者的学习动机和对统计的焦虑，这表明需要进一步的研究来提供一种能影响学习效果的设计。

在我看来，从成就目标理论中的掌握目标导向和表现目标导向的角度来设计 LAD 是有启发性的，因为我一直将 LAD 设计分为个人学习数据和社会比较数据。 此外，对具有上限效应的数据（如考试分数）使用 Tobit 回归模型也很有帮助。 不过，为了详细分析对统计焦虑和动机的影响，还必须对前后数据进行比较；我们希望了解学习者在使用 LAD 前后对统计的焦虑和动机的变化。 此外，由于学习者在学习统计时的外在动机和内在动机之间存在着不同的关系，因此将外在动机和内在动机分开进行分析是相当困难的。 我认为，通过分析动机的整体变化，并考虑到两者之间的关系，可以得出更有用的结论。

（笔者：特任助教 耿学旺）