[论文解读] E-Gotsky: Sequencing Content using the Zone of Proximal Development

Oded Vainas, Ori Bar-Ilan+6 more|arXiv (Cornell University)|Apr 28, 2019

Educational and Psychological Assessments参考文献 33被引用 3

一句话总结

E-Gotsky 是一种自适应学习引擎，通过运用维果茨基的最近发展区（ZPD）理论来编排教育内容，使学生始终处于其最佳学习区间。通过根据实时表现和反馈动态选择练习题，该系统在保持掌握水平的同时，将学生的学习时间减少了17%，并显著提升了参与度，尤其对学习困难的学生效果更明显。

ABSTRACT

Vygotsky's notions of Zone of Proximal Development and Dynamic Assessment emphasize the importance of personalized learning that adapts to the needs and abilities of the learners and enables more efficient learning. In this work we introduce a novel adaptive learning engine called E-gostky that builds on these concepts to personalize the learning path within an e-learning system. E-gostky uses machine learning techniques to select the next content item that will challenge the student but will not be overwhelming, keeping students in their Zone of Proximal Development. To evaluate the system, we conducted an experiment where hundreds of students from several different elementary schools used our engine to learn fractions for five months. Our results show that using E-gostky can significantly reduce the time required to reach similar mastery. Specifically, in our experiment, it took students who were using the adaptive learning engine $17\%$ less time to reach a similar level of mastery as of those who didn't. Moreover, students made greater efforts to find the correct answer rather than guessing and class teachers reported that even students with learning disabilities showed higher engagement.

研究动机与目标

• 解决电子学习系统中‘一刀切’式内容编排效率低下的问题。
• 在电子学习平台中实现维果茨基的最近发展区（ZPD）作为数据驱动、实时自适应的机制。
• 通过根据个体学生的潜在能力个性化内容交付，减少达到掌握水平所需时间，同时保持学习成果。
• 探究对跳过的练习题提供动态反馈是否能增强学生参与度并减少猜测行为。
• 评估自适应内容编排对学生学习障碍者及整体班级参与度的影响。

提出的方法

• 系统利用机器学习在每次练习后评估学生的当前学习潜力，依据回答准确率和反应时间。
• 动态选择下一个内容项，确保其位于学生的 ZPD 内——具有挑战性但不过分困难。
• 通过评估在指导下的问题解决行为而非静态成就水平，应用动态评估（DA）原则来衡量学习潜力。
• 学生不仅获得对错反馈，还获得跳过的练习题数量反馈，这被解读为积极强化。
• 对于表现优异的学生，系统会跳过简单练习题；对于学习困难的学生，则提供更具挑战性的‘附加’练习题，以维持适度的挑战水平。
• 内容编排基于实时自适应，避免固定线性进度，实现个性化学习路径。

实验结果

研究问题

• RQ1 基于数据的最近发展区模型能否有效实现电子学习中的内容个性化编排？
• RQ2 基于实时学习潜力的自适应内容选择是否能在不牺牲学习成果的前提下减少达到掌握水平的时间？
• RQ3 对跳过练习题的反馈如何影响学生行为，例如减少猜测行为并增加努力程度？
• RQ4 该系统在多大程度上提升了学习障碍学生的参与度和表现？
• RQ5 内容编排与反馈设计的综合效应如何影响学生动机和学习质量？

主要发现

• 使用 E-Gotsky 的学生达到相似掌握水平所需时间比使用非自适应基线路径的学生减少了17%。
• 自适应系统显著减少了猜测行为，因为学生意识到正确答案会导致练习题被跳过，而他们将此视为积极反馈。
• 教师报告称参与度有所提高，尤其是学习障碍学生，他们表现出更高的动机和更强的坚持性。
• 学生表示在作答前会思考更长时间，并更频繁地使用可用辅助工具，表明其认知参与度更高。
• 反馈机制（显示跳过的练习题数量）被学生视为一种奖励，强化了准确且深思熟虑的问题解决行为。
• 尽管首次测验中存在轻微的初始分数差异，但在第二次测验中未发现显著差异，表明该效果并非源于预先存在的能力差距。