大家好。

这次我想向大家介绍我们在英语文献研讨会上所阅读的一篇论文。

论文标题：
Deploying multimodal learning analytics models to explore the impact of digital distraction and peer learning on student performance
**期刊：**Computers & Education
**卷号与文章编号：**VoL. 190, Article 104599
**作者：**LIAO, Chen-Hsuan; WU, Jiun-Yu
**发表年份：**2022
https://doi.org/10.1016/j.compedu.2022.104599

以下是该论文的概要。如果您对此感兴趣，非常欢迎阅读。

本论文深入探讨了混合式学习环境中的基于问题的学习（PBL），特别是社交媒体使用对学习成绩的影响。研究利用**多模态学习分析（MLA）技术，分析所谓的“数字分心”（digital distraction）——即数字设备对学习的干扰如何降低生产效率并影响心理健康，同时探讨了学习者对同伴学习（peer learning）**的倾向性及实际参与度与学业表现之间的关系。

研究对象为51名研究生，研究从他们在Facebook上的发言中收集数据，并运用机器学习技术分析这些发言是否具有统计学意义。具体而言，研究以过去数年学生的Facebook数据为训练集，利用机器学习模型预测当前学生的发言与过往数据之间的统计相关性。

此外，研究还探讨了个体特征、Facebook使用状况、同伴学习倾向（主观自评）以及同伴学习参与度（根据私密学习社区中Facebook讨论帖的统计特征，由机器学习模型将其分类为与学习相关或无关）等变量如何影响学生的学业表现。研究结果显示，同伴学习参与度越高的学生，其学习成绩通常越好，表明社交媒体在社会性学习中具有有效作用。

本研究使用了丰富的数据，包括问卷调查与系统日志，旨在明确特定教育要素对学生成绩的影响。结果表明，在PBL环境中，相较于主观的学习倾向，自身在同伴学习中的实际参与度对学习成绩具有更强的预测效度。

此外，研究还关注了数字分心对学习成绩的负面影响。通过评估学生受到数字干扰的程度及其对学习成效的影响，研究为教育者提供了应对这一问题的启示。作者主张，在混合学习环境中，减少数字干扰、促进同伴学习是关键的教学策略。本研究为教育技术的应用提供了有价值的参考，有助于设计更有效的教学干预和策略。

以下是我的感想。

该研究在混合学习环境下，分析了基于问题的学习中影响学生学业成绩的多个因素，包括同伴学习、社交软件使用、注意力分散以及个体差异，采用了多模态分析方法。该方法从不同角度组合多种变量，探讨其对学生成绩的影响。

特别值得注意的是，该论文详细说明了学习者在同伴学习中的参与度及其社交媒体使用情况如何反映在学习成绩上。研究显示，在同伴学习中投入度高的学生通常表现更为优秀，分析中结合了MLA和机器学习技术，使得对各教育因素的影响分析更加细致，甚至揭示了传统研究中可能被忽略的微妙影响，有助于教育领域的进一步应用。

然而，我也对论文中的一些不明确之处感到疑问。例如，虽然研究强调了PBL环境中各要素的影响，但并未具体说明使用了哪些PBL课题，机器学习模型的作用机制也解释不足，这对结果的解释可能造成影响。进一步分析各PBL要素的影响力也将是必要的。

另外，论文利用过去几年Facebook上的发言作为数据集，并将当前学生的发言与以往进行比较，使用机器学习与人工标注结果进行对比。但关于这一过程的目的及其教育意义，作者并未提供充分说明。这使得尽管研究内容新颖，但仍存在诸多不明晰之处。

目前，MLA在教育实践中的应用仍处于起步阶段。我个人非常关注各因素之间相互作用对学习结果的影响。MLA的魅力在于其能通过多样的数据集更细致地展现特定特性。今后，我希望通过阅读更多该领域的研究，加深自己的理解与实践能力。

（文责：硕士二年级 李瑭）