单循环或者双循环学习:计算机游戏中不同的指导策略学生的英语词汇学习表现和行为
摘要
本研究,为了让学生在学习英语词汇有语境,实施了一种基于情景的计算机游戏。
实施了两种策略加入到学生的游戏化学习中:一是填空策略,二是多项选择指导策略。为了研究不同指导策略下学生学习英语词汇的表现和行为,采用两种方法对两个班的学生进行测试。
实验结果表明,采用完形填空指导策略的学生在认知负荷较高的情况下,学习成绩显著优于采用多项选择指导策略的学生。此外,从行为模式顺序分析中发现,完形填空项目指导的游戏使学生参与了单循环情境学习(即反复尝试处理同一组学习任务)和双循环情境学习(即在复习相关材料并调整学习策略后尝试处理相同的学习任务)。另一方面,那些使用多项选择项目指导的游戏只在游戏过程中进行单循环情境学习,这意味着他们很少复习相关材料或调整学习策略,然后再尝试解决相同的学习任务。 这一发现表明,在为未来的研究和应用开发英语词汇游戏时,值得考虑不同的测试项目指导方法。
一、简介
目前,影响学生对文章的理解以及学习动机主要是由于缺乏词汇学习。另外也指出,学生的被动词汇知识和主动词汇知识之间是存在差距的。进而引出要促进学生的语言学习的一个重要的因素就是为学生提供一个语言环境。然而,在教室中提供这种环境可能还不能满足,但是数字化的出现恰好弥补了这一不足。很多研究也表明大多数词汇测试采用多项选择项目作为测试学生能力的一种方式。 在教育游戏中看到这种测试项目更常见。 然而,使用多项选择项目可能会使学生习惯这种学习方式,这可能会阻碍他们的想法的表达,因为他们没有足够的积极词汇知识。 因此,在本研究中,还提供了另一种评估方法,完形填空测试项目,作为指导策略。 完形填空测试项目可以防止学生猜测赚取分数,并且可以培养他们积极的词汇知识,因为没有提供候选答案供他们选择。 因此,在完形填空测试项目的学习活动中,虽然提供了某些学习材料供学生在游戏环境中学习,但他们可能会用不包括在所提供的学习材料中的答案来回答问题。
为了评价该方法的有效性,开发了一种具有不同测试项目指导策略的情境计算机游戏,并将其应用于小学英语课程,以探讨该游戏对不同策略指导学生学习成绩和行为的影响。
二、文献综述
2.1情景学习
情境学习,如Lave和Wenger(1991)所定义的,旨在将课堂上可能发生的学习转移到真实的场景中,并将学生置于特定的情境中。在教学中使用情境学习的关键特征是提供一个真实的环境,这意味着一个真实的环境。真实的环境不仅限于户外学习活动,相反,如果室内学习活动能带来与户外学习活动相同的效果,也可以看作是一个真实的环境。由于时间和空间的限制,教师将更容易创造一个具有真实语境的学习环境,允许学生练习和应用他们所学的知识。最终,通过情境学习,学生将能够将他们的先验知识与新获得的知识联系起来,并在现实环境中进一步应用。因此,情境学习的目的是培养学生在现实世界中应用学校所获得的知识的能力,因此,提供学习环境已成为使学生能够体验他们在日常生活中可能遇到的一种基本方式。
在过去的几十年中,情境学习方法被许多研究人员广泛采用。 安德森、雷德和西蒙(1996)在他们的复习研究中提到,许多研究都利用数学中的情境学习来提高学生的学习经验,将课堂上学到的东西与现实世界的应用结合起来,帮助他们在工作场所使用他们的知识。 近年来,由于计算机和多媒体技术的进步,情景学习也被用于其他课程。 例如,Chou等人。 (2012年)开发了一个教育电脑游戏,将小学生安置在地震中,指导他们在面对地震时如何反应。 大多数学生认为,通过游戏,他们更了解逃生程序和在地震中应该注意的事项,而不是只有教科书的指导。 此外,陈和林(2015)采用情境学习,并将其应用于一种游戏中,教中国诗歌情境中参与,让他们在写诗时感受到诗人的感受。 使用游戏的学生比那些学生接受的要好得多。
另一方面,学者们指出,将学生置于真实的语境中对于语言教育是非常重要的(Collentine&Freed,2004)。 人们通常比第二语言或外语更好地学习他们的母语,因为它不是通过从书籍中学习的,而是从环境环境中学习的。 在PiiraineneMarsh和Tainio(2009)进行的语言学习活动中,学习上下文是作为一种协作游戏提供的。在游戏当中学生学会了如何组织、构建和积极参与词汇学习。 Nagy(1995)还指出了语境在词汇学习中的重要性。 一个词需要上下文才能准确地理解意思,人们通常从它的上下文中学习一个词。 斯特恩伯格(1987)强调,提高人们词汇学习的最好方法是让他们在语境中学习。 黄和艾斯拉米(2013)的研究进一步证实了这一点。 他们观察了英语水平较高的学生的学习方法,发现这些学生通常从相关的上下文中学习单词用法,而不是从字典中学习。
2.2基于数字游戏的学习
正如Prensky(2007)所定义的,基于数字游戏的学习将教育和游戏结合起来,并使用数字平台作为媒介。 在使用这种方法时,人们处于游戏环境中,这可能是相当真实的或完全幻想的,并且更愿意花时间玩游戏。 这种参与和动机是研究人员和教育工作者希望学生能够在学习中体验到的(Prensky,2003)。 陈和黄(2014)也指出了动机在学习中的重要性,基于数字游戏的学习可以激励学生玩游戏。
根据黄和武(2012)的一项回顾研究,基于数字游戏的学习已经在许多不同的学科中得到了应用,并且确实可以在某些方面提高学生的学习效果。 Romero、Usart、Ott、Earp和de Freitas(2012)不仅采用了基于数字游戏的学习,而且还将协作学习纳入了他们的实验中,以提高学生的学习水平。 在Papastergiou的研究(2009)中,基于数字游戏的学习被用来教授学生计算机科学,并发现使用这种学习形式的学生在学习成绩和学习动机方面比传统方式学习的学生表现要好得多。 此外,Hung等人。 (2014)还将数字游戏学习应用于基于游戏的学习环境中的数学教学,结果表明它能有效地促进学生的学习成绩和学习动机。
数字游戏学习在语言学习领域得到了广泛的应用。 通过整合数字游戏学习的优势,大多数研究报告了积极的结果。 例如,Neville、Shelton和McInnis(2009)整合了角色扮演功能,让玩家沉浸在学习德语词汇、阅读和文化中,发现这种方法有利于学习者的学习成绩。 叶和关(2006)还报告了基于数字游戏的学习的积极效果,比较了在教育计算机游戏中学习的学生和在英语词汇学习课程中使用过渡教学学习的学生的学习表现。
虽然数字游戏长期以来一直被誉为学生学习的有效方式,但应该指出的是,并非所有具有教育内容的游戏都有利于学生的学习(VanEck,2006)。 它们需要精心设计,具有一定的教育目的,而不仅仅是为了娱乐(Johnson,Vilhjalmsson,&Marsella,2005年)。 更重要的是,如果教学策略能够被整合到数字游戏中,以带来更好的学习效果和学习行为,这将使学生受益更多(萧,张,林,胡,2014;宋和黄,2013)。 因此,在本研究中,通过整合不同的基于测试项目的指导策略,使学生参与情境英语词汇学习,开发了一种数字游戏。
三、基于英语情景计算机游戏的发展
3.1基于英语情景的计算机模型构
实施情境计算机游戏的目的是使学生处于与学习内容相关的游戏环境中,以便他们能够有意义和愉快地学习。
在本研究中,通过考虑学生在学习情境计算机游戏时可能表现的行为,提出了一种基于情境计算机游戏的学习模型,如图所示。 该模型已从Kiili(2007)提出的基于问题的游戏模型中进行了修改,增加了Argyris(1991)提出的“双环学习”理论。 “单循环学习”指的是反复尝试处理同一问题,而不试图找到更好的方法或更多地了解学习任务,然而“双循环学习”强调在学习过程获得更多的知识或找到更好的解决问题的方法。
在情境计算机游戏中,学生可以通过以下过程学习。 最初,他们可能会获得嵌入在学习环境中的知识。 后来,他们可能会面临一些挑战,这会给游戏带来兴奋感。 正如Van Eck(2006)所指出的,使基于游戏的学习有效的是为学生提供机会,让他们在游戏环境中练习他们所学到的东西,这可能会导致各种游戏结果。 学生可能会成功地完成游戏任务或无法处理游戏任务。 当面对相同的游戏任务时,学生可能有不同的学习行为;例如,他们可能会反复尝试一个任务,无论是否试图寻求帮助。
在情境计算机游戏中寻求帮助的过程通常与学生的复习行为有关。 复习可以看作是学习周期的一部分。
体验复习过程对学生在游戏中的行为有影响。 在执行复习动作之前,学生可以选择继续使用相同的学习策略,再次接受学习任务,这不会产生任何行为变化,被归类为单循环学习。 另一方面,在经历了复习过程后,学生可能会考虑到他们的学习任务来改变他们的学习策略或答案,如Kiili(2007)所示,这被归类为双循环学习)。
基于情境计算机游戏的学习模型图
3.2学习系统结构
在玩游戏时,学生的学习行为由学习系统自动记录。 学习系统的结构如图所示
学习系统结构图
3.3. 情境计算机游戏的故事情节和界面
玩家首先被给予游戏的背景故事,引导他们进入游戏环境。 他们被告知,他们的父母外出一整天,他们需要做一些家务,并为他们跑腿。 为了做这些家务,他们需要知道他们可以使用什么清洁设备,这导致他们在相应的上下文中学习词汇, 此外,他们被要求在超市跑腿,这引导他们在相应的上下文中学习。 当他们在上下文中探索时,展示了词汇闪存卡,并提供了单词的发音。 遵循游戏故事情节,引导学生处理日常生活问题,如“打扫桌子”或“准备早餐。 显示完形填空(上)和多项选择(下)指导策略的界面。
此外,如果学生需要帮助,他们可以寻求帮助。 例如,当面对游戏系统提出的新问题或未能回答问题时,鼓励他们通过接近某些非玩家角色来获得关于游戏的信息或学习目标的补充材料。 特别是在完形填空指导模式中,在游戏过程中没有提供候选答案集;因此,从游戏环境中寻求帮助可能是学生最好的方法。
四、实验设计
4.1研究对象
本研究以台北市某小学六年级学生为研究对象。所有的学生都是由同一个老师教他们至少一个学期。在实验之前,他们没有使用数字电脑游戏作为学习方法的经验。一个班有23名学生(10名女性和13名男性)被分配使用英语情境计算机游戏的完形填空指导策略,而另一个班有27名学生(14名女性和13名男性)学习英语情境计算机游戏与多项选择指导策略。
4.2实验过程
一个班的学生被分配到实验组A,另一个是实验组B。 在学习活动之前,学生参加了前测。 然后,他们被指示玩游戏,并在游戏场景中演示词汇,为他们提供必要的先验知识。 每个学生配备一台电脑,探索学习内容50min。 游戏中嵌入的词汇是以发音的功能设计的,这样学生每次在上下文中学习一个新单词时都会听到这个词,以加强他们的记忆。本研究的总体程序如图所示。
实验过程图
在学习活动中,实验组A的学生用英语情境计算机游戏学习完形填空指导策略,为学习任务提供了较少的线索,因为测试项目设计,所以学生需要探索,以找到问题的答案, 也就是说,他们需要观察游戏的上下文,如超市里出售的商品,以充分理解单词的用法。 另一方面,B实验小组的学生用英语情境计算机游戏学习多选择指导策略,为学习任务中提出的问题提供了一套可能的答案,因此学生在寻找答案时可以更多地关注候选解决方案。 在游戏过程中,游戏自动记录学生的学习行为,然后用于以后的行为模式分析。
学习活动结束后,要求两组学生完成认知负荷问卷。
此外,从每个班级中选择三名学习成绩水平不同的学生(即低、中、高英语听力成绩)进行深入访谈,以了解他们对这种学习方式的看法,并了解不同学习成绩水平的学生在玩耍时会有什么感觉。
4.3测量工具
前测由一位有五年以上教学经验的有经验的教师设计,并用于学生的期中考试。 测试的目的是评估他们先前的知识。
认知负载问卷采用了黄,杨,王(2013)提出的认知负荷问卷。
此外,为了探讨不同的指导方法是否影响学生的学习行为,将某些学习行为自动编码并记录在游戏中。 代码、其定义和示例都如表1所示。 为了保证编码方案的有效性,要求三位在教学和学习行为模式分析中采用基于游戏的学习经验的专家对所提出的游戏中的代码和定义的适用性进行检验。
code |
Phase |
Description |
L |
Reading the learning contents 阅读学习内容 |
Students learn the vocabulary from the corresponding contexts 学生从情景中学习词汇 |
I |
Reading the gaming information 阅读游戏信息 |
Students read the information about how to play the game 学生阅读如何进行游戏的信息 |
A |
Accept the learning missions 接受学习任务 |
Students agree to answer the question 学生同意回答问题 |
S |
Reject the learning missions 拒绝学习任务
|
Students rejects to answer the question 学生拒绝回答问题 |
O |
Complete the Learning missions 完成学习任务 |
Students correctly answer the question 学生正确回答问题 |
X |
Fail the learning missions 学习任务失败 |
Students give the wrong answer 学生给出错误回答 |
G |
Look for learning hints 寻找学习线索 |
Students ask and read how to play the game 学生询问或者阅读如何玩游戏 |
H |
Look for learning help 寻找学习帮助 |
Students read the summary of the learning contents 学生阅读学习内容的结果 |
T |
Change the scenes 改变情景 |
Students go another scene 学生去另外的情景中 |
M |
Take the props in the game 拿走游戏中的道具 |
Students fetch those props needed in the game 学生拿走游戏中需要的道具 |
五、实验结果
5.1学习成绩
以学习成绩(完形引导策略或多项选择题引导策略)为自变量,以学习成绩的后测分数为因变量,采用协方差的单向分析(ANCOVA)。
在进行协方差分析(ANCOVA)之前,必须检查是否存在违反回归同质性假设的情况。 回归的同质性无显著差异,表明两组学生在学习活动前对词汇有同等的知识。
实验结束后,两组学生对英语词汇进行了后测,以探讨两种不同处理方法的学习差异。 然后,对后测分数进行协方差分析(ANCOVA) 结果如表所示,完形填空指导策略组的平均分和调整后的平均分分别为77.22和77.549a,而选择题指导策略组的平均分和调整后的平均分分别为69.89和69.607a。 排除前测成绩对后测的影响,p<0.05两组比较差异有统计学意义。 eta平方效应大小为0.2,意味着一个小到中等的效果大小。 采用完形填空指导策略的学生比采用多项选择指导策略的学生表现出更好的学习效果。 这意味着在学习过程中给予充分的练习可以帮助学生更好地学习
主体间效应检验 |
|||||
因变量: 学习成绩后测 |
|||||
源 |
III 类平方和 |
自由度 |
均方 |
F |
显著性 |
修正模型 |
4735.026a |
2 |
2367.513 |
203.576 |
.000 |
截距 |
285.469 |
1 |
285.469 |
24.547 |
.000 |
group |
782.518 |
1 |
782.518 |
67.286 |
.000 |
学习成绩前测 |
4067.986 |
1 |
4067.986 |
349.794 |
.000 |
误差 |
546.594 |
47 |
11.630 |
|
|
总计 |
273633.000 |
50 |
|
|
|
修正后总计 |
5281.620 |
49 |
|
|
|
Group |
N |
Mean |
SD |
Adjusted Mean |
Standard Error |
F |
Cloze guiding strategy |
23 |
77.22 |
7.645 |
77.549a |
.711 |
67.286 |
Multiple-choice guiding strategy |
27 |
69.89 |
11.315 |
69.607a |
.656 |
|
5.2认知负载
为了研究在英语情境计算机游戏中加入不同的引导策略对学生认知负荷的影响,采用了独立样本t检验。 如表所示,具有完形填空指导策略的游戏中认知负荷的均值和标准差分别为2.29和0.79,而具有选择题指导策略的游戏中的均值和标准差分别为1.53和0.49。 测试结果(t?4.17,p<0.001)表明两组学生的认知负荷有显着性差异。
从统计数据表明,学生用完形填空指导策略进行游戏学习,感到学习内容和完成学习任务的方式更加困难。 这可能是因为他们必须在上下文中回顾学习内容的过程,与多项选择指导策略相比,这需要更多的努力。 此外,Cohen(1988)表明,Cohen的d值大于0.5小于0.8代表了一个中等的效应大小,表明实验结果是可靠的。
独立样本检验 |
||||||||||
|
莱文方差等同性检验 |
平均值等同性 t 检验 |
||||||||
F |
显著性 |
t |
自由度 |
显著性(双尾) |
平均值差值 |
标准误差差值 |
差值 95% 置信区间 |
|||
下限 |
上限 |
|||||||||
认知负载 |
假定等方差 |
.000 |
.991 |
2.577 |
48 |
.013 |
8.665 |
3.362 |
1.905 |
15.425 |
不假定等方差 |
|
|
2.582 |
47.038 |
.013 |
8.665 |
3.356 |
1.913 |
15.417 |
Group |
N |
Mean |
SD |
t |
d |
Cloze test items |
23 |
78.74 |
11.713 |
2.577 |
0.732 |
Multiple-choice test items |
27 |
70.07 |
11.961 |
|
|
5.3行为模式分析
在学习活动中,学生的学习行为都被自动记录在学习系统中。 此外,在同一英语情境下的计算机游戏设计中,采用顺序分析的方法,探讨学生的学习行为是否会受到不同学生的学习行为。
经过顺序分析,可以确定哪一种行为后面跟着另一种行为的意义。 有23名学生在完形填空指导策略组的游戏中总共表现了2340个行为,27名学生在选择题指导策略组的游戏中总共表现了2349个行为。 所有行为都用顺序过渡矩阵计算进行处理如表所示(采用的是模拟数据) 在这两个表中,行表示开始行为,列表示后续行为。 大于1.96的Z分意味着这两种行为之间的后续关系是显著的(Bakeman&Gottman,1997年;Bakeman&Quera,2011年)。
z-score |
L |
I |
A |
S |
O |
X |
G |
H |
T |
M |
L |
.03226 |
.62678 |
.36427 |
1.13521 |
1.06915 |
.62678 |
.36427 |
1.29005 |
-.54115 |
.03226 |
I |
-1.34594 |
-.39107 |
-1.24530 |
-.92881 |
-1.18962 |
-.39107 |
-1.24530 |
1.25031 |
-.84958 |
-1.34594 |
A |
-.64218 |
-1.51605 |
-.90644 |
-.92881 |
-1.34020 |
-1.51605 |
-.90644 |
-.61502 |
-.44302 |
-.64218 |
S |
-.52489 |
1.05534 |
-.31344 |
.10320 |
1.06915 |
1.05534 |
-.31344 |
-.61539 |
-.42900 |
-.52489 |
O |
-.46624 |
.62678 |
-.39816 |
.10320 |
1.06915 |
.62678 |
-.39816 |
-.61581 |
-.40096 |
-.46624 |
X |
.76534 |
-1.78390 |
.44898 |
-.53188 |
-.88845 |
-1.78390 |
.44898 |
-.61486 |
-.44302 |
.76534 |
G |
-1.28729 |
-.12321 |
-1.41472 |
-.92881 |
-.28611 |
-.12321 |
-1.41472 |
-.61502 |
-.34488 |
-1.28729 |
H |
1.02925 |
-.06964 |
1.04198 |
-.53188 |
-.58728 |
-.06964 |
1.04198 |
-.61591 |
2.59922 |
1.02925 |
T |
1.26383 |
.46606 |
1.12670 |
.42074 |
.01506 |
.46606 |
1.12670 |
-.61529 |
.49629 |
1.26383 |
M |
1.17586 |
1.10891 |
1.29612 |
2.08784 |
1.06915 |
1.10891 |
1.29612 |
1.76695 |
.35610 |
1.17586 |
完形填空指导策略的游戏中学生的行为转变图
多项选择指导策略下学生行为转变图
完形填空与多项选择指导策略下学生行为转变差异图
多项选择与完形填空指导策略学生行为转变差异图
用完形填空指导策略进行游戏中学生学习情境分析的行为转变图
运用多项选择指导策略对游戏中学生学习情境分析的行为转变图
上面六个图是对学生使用填空和多项选择行为转变图
六、总结
在学生的学习成绩中,发现两种指导策略的效果有显着性差异。 采用完形填空指导策略的学生学习成绩优于采用多项选择指导策略的学生。
为了进一步调查学生对两种不同的测试项目指导策略的看法,选择了两组进行深入访谈。 几个采用选择题指导策略学习的学生指出,在回答选择题的同时,他们中的大多数只是重复猜测答案,直到任务完成,这对学习并没有那么有益。 另一方面,这些学习与完形填空的指导策略表示,如果他们不能完成任务,他们将审查在上下文中学到的东西,这可能会加强他们对目标词汇的记忆。 从行为模式的顺序分析来看,那些采用完形填空指导策略学习的学生的学习行为实际上与访谈中所说的一致。 他们在没有正确回答学习任务后,对学习内容进行了回顾,这成为学习的重点,形成了双回路情境计算机游戏学习。 这就是为什么他们的表现优于另一个群体的关键原因。正如学生用选择题指导策略学习所提到的,如果他们没有给出正确的答案,他们只是不停地猜测答案。 他们不会再复习学习内容,这导致他们的学习成绩比另一组差。因此,在分析统计和定性结果后,可以推断,具有完形填空指导策略的语言学习情境计算机游戏可能由于测试项目指导的特点而产生更好的学习成绩。
然而,采用完形填空指导策略学习的学生也表现出较高的认知负荷,因为这种方法需要学生付出更多的努力。 尽管如此,学生的学习成绩仍然有所提高。 这些结果证实了先前几项研究的发现,这些研究促使学生自己寻找答案或解决问题。
三个问题
1、eta
2、cohen‘d
3、z-score
单循环或者双循环学习:计算机游戏中不同的指导策略学生的英语词汇学习表现和行为
原文:https://www.cnblogs.com/jxy10/p/14138048.html