[论文解读] Model Analysis: Assessing the dynamics of student learning
本文提出模型分析法,一种认知建模方法,通过将学生的心理模型映射到选择题测验中,定量评估学习动态。通过定性研究识别出模型使用不一致的情况,并将其与FCI数据关联,该方法揭示了教学如何影响概念理解,表明学生在不同情境下往往不一致地应用模型。
In this paper we present a method of modeling and analysis that permits the extraction and quantitative display of detailed information about the effects of instruction on a class's knowledge. The method relies on a congitive model that represents student thinking in terms of mental models. Students frequently fail to recognize relevant conditions that lead to appropriate uses of their models. As a result they can use multiple models inconsistently. Once the most common mental models have been determined by qualitative research, they can be mapping onto a multiple choice test. Model analysis permits the interpretation of such a situation. We illustrate the use of our method by analyzing results from the FCI.
研究动机与目标
- 开发一种定量评估教学如何影响学生在物理学科中概念理解的方法。
- 解决模型使用不一致的挑战,即学生根据情境线索选择性地应用正确模型。
- 通过将认知模型与标准化测试数据关联,提取关于学生学习的详细定量洞察。
- 通过识别误解和模型不一致性,改进物理教育中的形成性评估。
- 使用力的概念测验(FCI)作为概念评估的案例研究,验证该方法。
提出的方法
- 基于识别常见心理模型的定性研究,构建学生思维的认知模型。
- 将识别出的心理模型映射到选择题项目中,为每个选项分配特定模型或模型组合。
- 使用模型分析解释学生的答题模式,识别出在何种条件下应用了哪些模型。
- 量化不同问题情境下模型使用频率及一致性,以评估学习动态。
- 将该方法应用于FCI数据,分析教学如何影响模型选择与应用。
- 使用统计分析检测模型不一致及特定模型误解的模式。
实验结果
研究问题
- RQ1学生对力与运动的心理模型在教学影响下如何变化?
- RQ2学生在不同问题情境中不一致地应用正确模型的程度有多大?
- RQ3模型分析能否检测出标准化测试数据中细微但系统性的误解模式?
- RQ4模型使用频率与一致性的高低如何与学生在FCI上的表现相关?
- RQ5模型分析为特定教学策略的有效性提供了哪些见解?
主要发现
- 学生经常未能识别触发正确模型使用的相关物理条件,导致模型应用不一致。
- 模型分析显示,大量错误的FCI答题对应于特定且可识别的心理模型,而非随机猜测。
- 该方法成功量化了模型使用模式,表明学生常根据表面线索在不同模型间切换,而非基于概念理解。
- 不一致的模型使用是学生误解的主要因素,即使在正确回答部分问题的学生中也是如此。
- 分析表明,传统选择题评分方式因未考虑特定模型错误,低估了学生推理的复杂性。
- 与仅依赖正确/错误评分相比,模型分析提供了更细致、更准确的学生学习动态评估。
更好的研究,从现在开始
从论文设计到论文写作,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。