摘要:
增强现实 (AR) 有助于引导学生在使用移动和无线通信技术的在线学习资源的支持下观察现实世界的学习目标。在这项研究中,基于形成性评估机制,提出了一种基于AR的建筑课程学习系统,该系统通过在学生未能正确回答问题时给出提示来指导他们自己找到答案。为了评估拟议方法的有效性,已在世界宗教博物馆为大学建筑课程进行了一项实验。共有39名学生被随机分配到采用建议方法的实验组学习和采用常规基于AR的学习的对照组学习。实验结果表明,基于AR的学习与形成性评估机制显著提高了学生的学习成绩和学习动机,同时也降低了他们的认知负荷。
研究目的:
本研究旨在研究应用已知在移动学习活动中有效的形成性评估策略的效果。为了实现这一目标,开发了一种基于ARbased的形成性评估交互式u学习系统,用于移动学习活动。据报道,这种学习策略在基于网络的学习环境中是有效的 。此外,还分析了参加学习活动的学生的学习成就,动机和认知负荷,以证明这种方法的有用性。
研究问题:
(1) 在不同的学习模式下 (即具有形成性评估机制的基于AR的u-learning系统和传统的基于AR的u-learning系统),AR环境中的形成性评估是否会对学习结果产生影响?
(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环境中的形成性评估是否会影响学习动机?
形成性评估:(不同观点)
①一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,调整他们的学习节奏,从而帮助他们达到学习目标。
②形成性评估是评估教师与学生之间互动的过程,帮助教师在教学时立即向学生提供反馈。
参与者:
共有39名大学生被随机分配到实验的两组,其中19名被分配到实验组,他们采用基于AR的形成性评估交互式u学习模式进行教学,其余20人组成对照组,并使用基于AR的u学习模式进行教学。在研究过程中,参与者的隐私受到了隐藏其个人信息的保护。此外,他们被告知,他们的参与是自愿的,他们可以随时退出研究。
图4显示了实验的流程图:
在学习活动开始时,介绍了学习环境和学习任务。此外,学生参加了预测试一下,并填写了预问卷。
数据分析:
本研究使用社会科学统计软件包 (SPSS) 进行数据分析,包括计算t检验和单向ANCOVA结果以分析测试一下前和测试一下后的分数,以及学习动机等级。自变量是两种学习策略 (即具有形成性评估机制的基于AR的u学习方法和传统的基于AR的u学习方法)。因变量是学生的学习成绩,认知负荷和学习动机。
结果:
学习成绩分析:
学习成绩分析为了评估所提出方法的有效性,在台湾的大学建筑课程中进行了一项实验,如表1所示。在进行实验之前,结果表明两组之间没有显着差异 (t = 0.608,p>0.05)
类别 | 分组 | 数量 | 平均数 | 标准偏差 | t | d=(M1-M2)/SD |
前测 | 实验组 | 19 | 80.147 | 8.5055 | ||
对照组 | 20 | 78.4175 | 8.7938 | |||
后测 | 实验组 | 19 | 82.73 | 7.166 | 2.759 | 0.915 |
对照组 | 20 | 75.29 | 9.085 |
学习活动后,单向ANCOVA分析的结果使用前分数作为协变量和学习成绩的因变量如表1所示,表明实验组的学生有更好的学习成绩比对照组(t = 2.759,p = 0.009 < 0.05),(科恩d = 1.039)。这意味着基于形成性评估策略模式的增强现实互动u学习系统比传统的基于增强现实的u学习模式对学生受益更多。
学习动机分析:
表2:显示了两组认知负荷评分的t检验结果,显示心理负荷没有明显的差异(t =−1.594,p > 0.05)
类别 | 分组 | 数量 | 平均数 | 标准偏差 | t | d=(M1-M2)/SD(SD1+SD2\2) |
前测 | 实验组 | 19 | 4.266 | 1.14 | -1.594 | -0.510 |
对照组 | 20 | 4.7735 | 0.83 | |||
后测 | 实验组 | 19 | 4.91 | 0.798 | 2.686 | 1.142 |
对照组 | 20 | 4.156 | 0.957 |
总之,t=为2.686(p = 0.011 < 0.05)明显大于对照组,d=为1.142。这一结果与以往的研究结果一致,因为适度的心理舒适性是学生保持良好学习成绩的必要条件,这可以通过使用有效的学习策略来实现。
表3:两组学习动机得分配对t检验结果
类别 | 分组 | 数量 | 平均数 | 标准偏差 | t | d=(M1-M2)/SD |
前测 | 实验组 | 19 | 3.59 | 0.739 | -2.774 | -0.922 |
对照组 | 19 | 4.16 | 0.498 | |||
后测 | 实验组 | 20 | 3.49 | 0.88 | -2.538 | -1.1731 |
对照组 | 20 | 4.12 | 0.62 |
通过使用基于ar的学习系统,他们都能够提高自己的学习动机,无论在该系统中是否采用了形成性评估机制。因此,这意味着基于增强现实(AR)的学习的潜力.
总结:
本研究提出了一种基于ar的形成性评估交互式u学习系统,用于在建筑学课程中进行u-学习活动。在一个大学建筑学课程中,通过实验评价了该方法的性能。实验结果表明,与传统的基于ar的u-学习系统(w/o形成性评估策略)相比,该方法显著提高了学生的学习成绩。结果表明,基于AR的形成性评估学习策略有助于知识的整合和内化,同时提高了学生的高等学习效率。
收获:
1.本篇文章主要练习的是T检验,再一次巩固了学习T检验的方法:
方法:先看①显著性要>0.05才可以进行t检验,再看②要<0.05,图中为0.547,大于0.05.所以可以进行t检验但是结果不显著。
2.阅读了两个月论文发现,其他论文很少会在实验前对实验组对照组进行t检验,本文在最初涉及到了,值得学习。
疑问:
表2中的前测实验,已知不显著p>0.05,那表格中出现的t值是否有意义?可不可以不填?