学习判断概述,教育心理学论文.docx

学习判断概述,教育心理学论文本篇论文目录导航：【题目】【1.1】【1.2】【1.3】 学习判定概述【第二章】【第三章】【第四章】【第五章】【第六章】【第七章】【结论/以下为参考文献】 1.3 学习判定概述。 1.3.1 学习判定的定义。 学习判定judgment of learning,JOL是指在学习经过中或学习后， 个体对已学习项目在后测中所获得成绩的预见性判定Nelson Narens, 1994。通常对学习判定的研究分成即刻学习判定immediate JOL和延迟学习判定delayed JOLShaw Craik, 1989这种划分针对的是被试被要求在实验不同的阶段进行学习判定。当被试进行即刻学习判定的时候，也就是在学完一对词后，理科预测自个刚刚学习的词对在以后的测验中能够被成功回忆出来的可能性有多大；但是假如被试进行的是延时学习判定，那么他们进行学习判定的时间就被布置在学习完了所有或者华而不实一部分的学习项目时，这个时候同意连续地就刚刚学习过的若干词对进行学习判定。以延迟学习判定这个学习方式作为例子来描绘叙述研究范式，第一步让被试面对电脑开场学习若干词对可以以是别的学习材料；第二步将刚刚学习并且判定了的词在电脑上随机呈现给被试，只呈现线索词，请被试们评估自个特别钟后能正确回忆出与这个线索词一组的目的词的可能性是多少用百分比来表示，数字越大代表被试以为自个能够回忆出来的可能性越高，被试的自信心越强；第三步是在电脑上呈现刚刚学习过的线索词，请被试在空白处写出与之相对应的目的词是什么。 1.3.2 学习判定的产生机制。 基于已有的研究，研究者们提出了不同的理论，试图讲明学习判定的产生机制以及其影响因素。主要有两种，一是从影响学习判定的各种因素出发加以解释，二是 Koriat 的线索模型。 学习材料的属性。 Craik1989的研究发现，被试学习材料的加工深浅这一变量会使被试的测验成绩产生显着的差异，然而两组被试学习判定上的差异则没有。另外在 Carroll 等人1997的发现，把学习材料分为有语义联络的词对和没有语义联络的词对，并且控制被试的学习程度，让前者的学习程度大于后者，但是结果显示有意义词对的学习判定值还是大于无意义词对的学习判定值。由此看开，词对之间能否有联络这个因素对学习判定的影响非常大。还有 Koriat1997在其研究中也发现，被试对词对本身的特性比拟敏感，但是对于所处的学环境在做学习判定时就不太在意。这些研究都讲明学习材料内在的属性对学习者的学习判定影响很大，而学习环境以及编码策略有影响但是不大。 记忆痕迹。 支持直接通达假讲的研究者以为我们之所以会产生学习判定是由于之前的学习已经在我们的记忆中留下了痕迹，而这些记忆痕迹在需要做出学习判定的时候被我们适当或者不适当地提取了。这样一来，记忆痕迹假如加深那么学习判定就应该越准确了。然而 Nelson 和 Dunlosky1991却在研究中发现：被试给出的学习判定值与他们的测验成绩相关较低，所以这一解释有待更多的研究证实。 主观流畅性讲到主观流畅性一半从两个方面讨论，一是知觉流畅性，另一个是提取流畅性。 所谓知觉流畅性的定义是通过知觉对某个刺激进行加工的时候，人们的所需的时间和准确程度。根据尝试可知，假如学习和认知材料被良好的组织了的话，人们会愈加容易理解和回忆起材料的内容。Marie 和 Svetlana1999以为，被试倾向于给上下文语句连贯易懂的文章给予更高层次的学习判定值。这讲明在预测将来记忆成绩时知觉流畅性是一种较为有效的线索。另外，Narens 等人1994发现，当对联想词只呈现很短的时间，通常是阈限下呈现的时候人们的学习判定值会得到提高，但是人们的回忆测验的成绩不会遭到这一因素的影响。这个研究讲明了，直觉的流畅性能够显着的影响元认知判定。 什么是提取流畅性呢，人们通过自个的尝试记忆提取出信息有难有易所以这种因个体而变化的难易程度就叫做提取流畅性。Benjamin 等1998人的研究显示，被试给出答案:所需时间越长他们所给的学习判定值就越低，反之则越高。但提出答案:的反响时和回忆成绩则呈现正相关关系。由此看来提取流畅性显着地影响了人们的学习判定值的大小。另外什么是编码流畅性呢？用通俗的话来讲就是人们的学习速度，在实验室环境下是讲在一样的学习条件和环境下被试记住或者理解一定的学习材料的速度。Simon 和 Bjork2001在技能学习中也发现，当前目的能否容易实现达成也是学习判定的一个重要线索。Matvey 等人2001愈加深切进入的研究了被试的编码流畅性。他们以为在进行试验的经过中，被试在努力记住并且回忆目的词的同时也把握并且执行了一些编码策略。而这些编码策略就会通过影响学习者的编码流畅性进而影响学习判定的准确性，另外他们以为这种影响的方式是理性分析和有步骤的推论式的。所以 Hertzog 等人2003以为应该把编码流畅性当做学习判定产生机制中的一个重要组成部分。 线索模型。 Koriat1997综合了以往研究的成果并且在他们研究成果的基础上，提出了线索模型cue-utilization model，以为线索模型能够从更全面的角度来理解学习判定的产生机制。他重视的是在做判定的时候人们在诸多线索中究竟选择哪一个线索不选择哪一些线索，同时他否认之前提到的记忆痕迹假讲的理论假想。 Koriat1997将所有的学习判定线索分为三大类，分别是：内部线索、外部线索还有记忆线索。什么是外部线索呢，外部线索的主题内容是指一些学习者在学习时候的环境因素和一些客观的条件。这一因素不包括学习材料的属性等因素。通常来讲研究较多的是学习的次数、学习材料呈现的时间、机械学习等等。内部线索与外部线索相对应，内部线索关注的是学习材料的内在的属性和特点，比方讲学习材料中出现的词对的词频和词次，在比方一组词对的语义上的相关程度还有词语是详细词还是抽象词。这些属性与外部属性不同的地方在于，学习者在学习阶段发生前就已经知晓它们。最后记忆线索是从学习者本身的认知特点而言，强调的是学习者在学习经过中所产生的知觉上的体验，这种体验是比拟主观的。包括了前面提到的主观流畅性。综上所述，Koriat 题出的模型集合了前人研究的优点，用最大的可能性概括了前面所提到的各种各样对学习判定产生影响的因素。 1.3.3 学习判定的准确性。 什么是学习判定的准确性呢，一般来讲人们在学习过后对于自个在标准测验中测成绩的预测的准确程度称为学习判定的准确性。能够想象，学习判定的准确性越高以为这人们对自个的学习程度了解的越深越准确；学习判定的准确性越低， 表示清楚学习判定实际测验成绩的差距越大。在研究学习判定准确性的范式中，包括了绝对准确性和相对准确性。所谓绝对准确性就是针对一个学习内容，人们给出的学习判定值与他们在真实测验中的表现的差异不同，通过这个指标能够判定这个被试对自个学习这些内容的了解程度，对于测验成绩判定的能力怎样。与之相对应的还有学习判定的相对准确性，它是针对每一个学习项目而言的，观察很多被试在某个或者某几个学习项目上的表现，对这些学习项目的预测程度，它能够作为讲明某个学习项目的预测指标。并且相对准确性讲明的是在不同项目之间被试预测自个成绩准确性的相对高低之分。 讨论学习判定的绝对准确性能够了解被试对自个学习项目的预估能力，那么学习判定的绝对准确性应当怎样量化呢？通常有两种方式方法。分别是：描绘校准曲线图和 PA 法。 第一种方式方法，描绘校准曲线图比拟费事用的并不过多。详细分为下面两个步骤： 首先，处理被试在实验中给出的学习判定值，由于被试给的学习判定时是 0 到 100的详细数字当然还是数字越大被试对自个的自信心越充足，反之越没有自信心，计算费事，为了简便计算先将这些数字分等级。通常研究中我们把它分成是个等级，每一级又包含了是个详细单位。比方 1 级0-10， 5 级 51-60，10 级 91-100，第二步，要分别计算出每一个被试在每一个等级上的真实回忆成绩的平均数值是多少。直角坐标系中横坐标是划分的那是个等级，并且以每个等级里面被试能够正确回忆出来的百分数来画正方形的图。而诊断线就是坐标系的对角线。怎样判定呢，当被试的曲线比拟接近那条对角线的时候以为被试的学习判定绝对准确性比拟高，而当被试的曲线离那条对角线较远的时候以为被试的学习判定绝对准确性偏低，被试对自个的测验成绩预测较为不准。假如被试的曲线高于那条对角线讲明被试高估的了自个在测验中的表现，到但是假如被试的曲线低于那条对角线则讲明被试低估了自个的表现。 另外一个方式方法是用更为简便广泛，即 PA 法。在 PA 法中，P 指的是预测成绩，A 指的是实际成绩。所谓 PA 法就是求出被试的学习判定值和真实测验成绩的差值。 这个差值就是表示被试对自个记忆监测的准确程度的参数。详细怎样计算 PA 值呢，计算方式方法不一。详细有：PA= P- A, PA= P-A/A,PA= | P- A|,PA= | P- A|/A,PA=2| P- A|/ P+ A 和 PA= lgP/A 等贾宁等，2006。 1.3.4 学习判定的研究范式。 学习判定的研究范式经历了一定的革新和进步，如今所用的研究范式与以前所用的经典范式有一点区别。以往所用的经典研究范式应用最为广泛，简单讲来主要分成三个阶段，即是 学习-判定-回忆 Learning-Judgment-Recall,LJR范式， 这一个是当前为止用得次数最多的范式。详细讲来被试进入实验室之后，首先进入学习阶段，该阶段主要任务就是学习一定的学习材料，然后是 JOL 阶段，也就是进行学习判定的阶段，再是干扰阶段，通常是进行一些其他的认知任务占用被试的认知资源减少回忆，最后就是真正的测验阶段，这个阶段被试的主要任务就是回忆，回忆之前学习的词对，完成后实验结束。由于在学习判定阶段主试没有办法控制被试的认知活性，也就是讲被试有可能进行了更多的加工有可能没有这样就会产生误差。 所以 Nelson, Narens 和 Dunlosky2004提出了一种改良的范式，即： PRAMprejudgmentrecall and monitoring范式，关于这个研究范式下面将做愈加具体的介绍。 由于根据传统的学习判定研究范式，主试并不知道被试在学习结束和进行学习判定之间的一段时间里脑袋中的加工内容，有的被试利用这段时间反复回忆刚刚学习过的实验材料，有的被试则没有，这样就出现了不可控的干扰变量。所以 Nelson 等人2004提出了 PRAM 范式。在新的 PRAM 范式中多了一个任务-判定前回忆Pre-Judgment recall，在这个任务中被试被要求看到屏幕上出现的学习过的线索词的时候试图回忆没有显示目的词与这个线索词相对应的目的词。所谓的判定前回忆任务被穿插在被试进行学习判定也就是给出 JOLs 之前。完成了该任务后被试再接着进行判定和后面的干扰任务和测验。综上所述，整个 PRAM 范式的程序能够概括成为：学习阶段 - 判定前回忆Pre-JOL recall- JOL 阶段 - 干扰阶段 - 回忆阶段。 陈启山2008以为在传统的学习判定研究范式中，被试能否在学习判定前对学习材料有进一步的认知加工这一点是不能够被观察到的。假如能够控制这一干扰变量那么对于学习判定的研究会更有讲服力更科学，由于能否在学习判定钱进行了认知操作自动回忆会之间影响到被试的学习判定值的大小。贾宁、白学军和沈德立2006以为在学习判定阶段之前插入一个小的环节固然看似变化不大但是却能够使实验经过愈加严谨，研究结果愈加可靠。插入的这个回忆任务同一了被试在那段空白时间的认知任务，可以以让研究者真实观察到被试在做出学习判定之前的考虑情形。这样一来学习判定的研究范式就愈加规范了。反观在传统的学习判定研究范式中这些是不能够实现的；传统的研究范式中没有 判定前回忆 这个环节，研究者完全不确定被试能否在学习判定前有这样一个加工经过或者没有这样一段加工经过。所以传统的研究范式的这一缺陷使得研究的可重复性有待商榷，研究的结果也有待进行进一步的验证和检验。在国际上新的学习判定的研究范式应用得较多，如 Koriat 等人Koriat Ma ayan,2005;Koriat, Ma ayan Nussinson, 2006;Koriat,Ackerman, Lockl Schneider, 2018的研究中就是使用的 PRAM 范式，但是在国内主要还是使用的传统的研究范式。 1.3.5 学习时间与学习判定。 1学习时间。 学习判定对于学习究竟有什么意义，学习时间就是一个很好的具体表现出，学习判定直接决定着学习者的时间投入。学习时间分配是指人们花在记忆、理解等认知任务上的时间，通常以长短作为指标。学习时间是讲学习者自主的愿意花多少时间在某一个学习项目上的指标Perfect Schwartz, 2002。比方当学习者以为学习效果好学习内容简单的时候，他们会倾向于少花时间在学习该项目上。相反，被试会自动地多花精神和时间在某个学习项目上。学习时间分配属于元记忆控制的范畴， 是学习上自我调整策略的一种重要具体表现出。 在实验室研究中，学习时间分配的条件大致有三种：第一有自定步调学习Self-paced study，在自定步调学习条件下用多少时间学习某一材料是由学习者自个定的； 第二为固定步调学习Fixed-rate study，也就是讲学习者必须实验者要求的学习时间来进行学习，即时间是一定的分配好了的；再者是固定步调学习Other-paced Study，在固定步调学习条件下学习者花多少时间学习取决于以前学习该项目的人花了多少时间，即取他们的平均值来规定这一次的学习时间。如今，研究者多是采用的自定步调学习条件来来研究学习经过中控制与检测的关系Koriat,2008;Koriat Nussinson, 2018; Koriat, Ackerman, Lockl Schneider, 2018 等。 2学习时间与学习判定的关系。 关于学习时间与学习判定的关系之争也是关于监测和控制之争，到底是学习时间对于学习判定而言起到了监测作用还是学习判定对学习时间起到了控制作用是研究者们争论的焦点。因而也有两个理论分别支持不同的观点陈金环，刘雪兰 2018。 MC 模型主张学习时间在学习经过中扮演洪泽控制的角色，学习者是通过学习时间的多少来控制对难易不同学习项目的学习程度和学习效果Koriat et al., 2006，也就是讲为了学习效果更好，人们会分配更多的时间给难度大的学习项目，这样就能够提高学习的程度和强度。这种观点以为假如学习者的学习时间不短曾多的话学习者的会学习判定值 JOL 是会提高的，也就是讲学习判定值与学习时间呈正相关关系。 与 MC 模型相对应的是 CM 模型，该模型的开创建立者以为元记忆监测会从操作中得到的反应来控制时间。Kahneman 的研究发现当人们觉得某一个学习项目对于他们而言是简单易懂的时候，他们就不会花过多的时间在学习该项目上；相反假如从主观上，人们以为某一学习项目难度很大，人们就会主动延长在该项目上的学习时间Koriat et al., 2018; Koriat Ackerman, 2018由此看来学习者会根据学习时间来进行判定。CM 模型的最大特征是：学习判定值与学习时间呈负相关。 3UWP 效应。 所谓 UWP 效应是指，假如一个项目的重复呈如今被试面前要求其学习，那么被试的学习判定值会瞎讲学习成绩会被低估，也就是讲学习判定值将会随着练习的增加而降低，他们呈现负相关。这表示清楚，过度学习反而使被试的自自信心降低。通常的研究都表示清楚 UWP 效应是在即时学习中发生，不过也有少数研究比方 Meeter 和Nelson在 2003 年的研究发现所谓的 UWP 效应在延时学习判定中也出现了。 学习判定的准确性越高对人们规划下一步的学习计划有着重要的意义。也就是假如学习判定准确性提高的话，能够提高人们的学习成绩。Tiede 和 Leboe2018的研究就发现随着学习判定轮次的增加，被试的学习判定值和真实测验成绩的差异不同越小，并且被试的测验成绩是呈现上升趋势的。也就是讲被试通过学习判定了解到了哪些学习项目对他们来讲是简单的，哪些学习项目对他们来讲是比拟难的。所以在下一论的学习中被试能够把更多的认知资源分配给之前学习判定值比拟低的学习项目。这样就产生了良性的循环，学习效果就会越来越好。 近期 MPTMemory for Past Test heuristic hypothesis比拟完好且合理地解释了UWP 效应。MPT 效应以为之所以人会出现 UWP 效应是由于人们遭到之前的测验成绩的影响。详细来讲，在第一测验中被试回答错误或者没有回忆出来的词对，被试在第二轮学习判定中就会给以相对较低的学习判定值。但是理性地分析能够发现，被试其实又学习了一轮，也就是讲这些学习项目在被试脑中产生的记忆痕迹又加深了一层，应该来讲在第二轮当中成功回忆出来的可能性会更大，但是事实却是相反的。另外在第一轮中被成功回忆出来的学习项目，在第二轮中的学习判定值就会有较大幅度的上升。从数据统计上怎样检验这一现象呢？即分别用第一轮的测验成绩与第二轮的测验成绩先后同第二轮的学习判定值做相关。结果像是第一轮的测验成绩与第二轮的学习判定值的相关显着大于第二轮的测验成绩与第二轮的学习判定值之间的相关 Finn Metcalfe, 2007。