[论文解读] A Framework for Facilitating Self-Regulation in Responsive Open Learning Environments

Alexander Nussbaumer, Miloš Kravčík+4 more|arXiv (Cornell University)|Jul 22, 2014

Innovative Teaching and Learning MethodsPsychology参考文献 77被引用 22

一句话总结

本文提出了一套框架，通过操作性SRL模型、学习者建模、SRL组件、监控工具和推荐系统，在个人学习环境（PLEs）中整合指导与反思支持，以实现自我调节学习（SRL）。该框架在正式与非正式学习环境中均能提供响应式、自适应的支持，经由实验室实验和公共部署验证，推动了响应式开放学习环境（ROLE）的实现。

ABSTRACT

Studies have shown that the application of Self-Regulated Learning (SRL) increases the effectiveness of education. However, this is quite challenging to be facilitated with learning technologies like Learning Management Systems (LMS) that lack an individualised approach as well as a right balance between the learner's freedom and guidance. Personalisation and adaptive technologies have a high potential to support SRL in Personal Learning Environments (PLE), which enable customisation and guidance of various strengths and at various levels with SRL widgets. The main contribution of our paper is a framework that integrates guidance and reflection support for SRL in PLEs. Therefore, we have elaborated an operational SRL model. On that basis we have implemented a system with a learner model, SRL widgets, monitoring and analytic tools, as well as recommendation functionalities. We present concrete examples from both informal and formal learning settings. Moreover, we present analytic results from our SRL system - lab experiments and a public installation. With such a complex setting we are coming close to the realisation of Responsive Open Learning Environments (ROLE).

研究动机与目标

• 解决缺乏个性化和平衡指导的学习技术在支持自我调节学习（SRL）方面的挑战。
• 通过在个人学习环境（PLEs）中实现个性化、自适应支持，克服传统学习管理系统（LMS）的局限性。
• 开发一个综合系统，集成SRL支持组件，以促进学习者的自主性与反思能力。
• 通过自适应、数据驱动和以用户为中心的设计，实现响应式开放学习环境（ROLE）。
• 在实验室实验和公共部署等多种学习情境中验证该框架，以证明其实际有效性。

提出的方法

• 基于既有的SRL理论，开发一个操作性SRL模型，以指导支持机制的设计。
• 实现学习者模型，以追踪并表示个体学习过程和SRL阶段。
• 设计SRL组件，为学习过程中的规划、监控和反思提供针对性支持。
• 集成监控与分析工具，实时观察学习者行为及SRL的实施情况。
• 构建推荐功能，根据学习者数据和上下文自适应地建议SRL策略。
• 在受控实验室实验和公共部署中部署系统，以评估其在现实场景中的适用性。

实验结果

研究问题

• RQ1 如何通过自适应与反思性工具，在开放且个性化的学习环境中有效支持自我调节学习？
• RQ2 哪些设计原则能够实现在响应式学习系统中学习者自主性与必要指导之间的平衡？
• RQ3 SRL组件与学习者建模在多大程度上能提升正式与非正式学习环境中的学习者参与度与自我调节能力？
• RQ4 监控与分析工具在实时检测与支持SRL过程方面发挥何种作用？
• RQ5 有哪些证据支持该框架在实现响应式开放学习环境（ROLE）目标方面的可行性与有效性？

主要发现

• 该框架通过学习者建模、SRL组件和自适应推荐的结合，成功实现了对SRL的指导与反思支持。
• 实验室实验与公共部署表明，该系统能够在多样化的学习情境和用户群体中有效支持SRL。
• 该系统实现了对SRL过程的实时监控，支持基于学习者行为的动态反馈与干预。
• 分析工具的整合为SRL的实施提供了可操作的洞察，支持学习者与教育者双方。
• 该框架通过结合个性化、自适应性与反思性支持，显著推进了响应式开放学习环境（ROLE）的实现。
• 评估结果证实，该系统在正式与非正式学习环境中均能对自我调节学习行为产生可测量的积极影响。