自我调节支架促进在线深度学习：基于多模态技术的脑机制研究与支架设计模型研究

Reducing the dropout rate, getting out of the predicament of surface learning and realizing online deep learning are the needs of lifelong education as well as the development of the nation. Learners' self-regulation forms continuous learning motivation which is the internal mechanism to promote deep learning. Using self-regulating scaffolds to promote online deep learning is a well-recognized design pattern. However, it is difficult to generalize the research conclusions under specific objectives. As an interdisciplinary study of information technology, cognitive neuroscience and education science, the research on the basic laws of online self-regulating scaffolds can fundamentally improve the design model and enhance the online learning experience. First, the experimental research methods of cognitive neuroscience are used to find out the brain mechanisms of self-regulating scaffolds promoting deep learning. . Based on the multi-mode learning analysis technology, deep learning monitoring, self-regulation monitoring and brain activity monitoring can be realized to capture physiological data such as thinking sound, eye movement information and fNIRS brain imaging. DNN was used to realize the fitting of the data of each dimension in the same processing characteristics of brain regions, and generate the model of brain processing mechanism. Finally, the project further constructs the design model of self-regulating scaffold for online deep learning, which provides an important basis for the design, evaluation and development of digital learning environments.

降低辍学率、走出浅层学习困境、实现在线深度学习是社会终身教育的需求，也是教育强国战略的需求。学习者的自我调节形成持续不断的学习动力，是促进深度学习的内在机制。利用自我调节支架促进在线深度学习是公认的设计路径，但特定目标内容下的研究结论难以推广。作为信息技术学、认知神经科学和教育学的交叉研究，在线自我调节支架的基础性规律研究可以从基底改善设计模型、提升在线学习体验。. 首先，项目采用认知神经科学实验研究方法寻找自我调节支架促进深度学习的脑机制。基于多模态学习分析技术，实现深度学习监测、自我调节监测和脑区活动监测，全面捕捉有声思维、眼动信息以及fNIRS脑成像等生理数据。采用深度神经网络算法，基于模态共享特征实现多模态数据融合，生成脑加工机制模型。最后，项目基于脑机制模型，进一步构建面向在线深度学习的自我调节支架的设计模型，为数字化学习环境的设计、评价与开发提供重要依据。

（一）项目研究背景.学习者的自我调节形成持续不断的学习动力，是促进深度学习的内在机制。在线自我调节学习支架的基础性规律研究可以从基底改善设计模型、提升在线学习体验。项目采用认知神经科学实验研究方法寻找自我调节学习支架促进深度学习的脑机制。最后，项目基于脑机制进一步构建面向在线深度学习的自我调节学习支架的设计，为数字化学习环境的设计、评价与开发提供重要依据。.（二）实验研究内容.实验研究采用功能性近红外光谱技术动态追踪深度学习过程的脑区激活情况，探究自我调节学习支架对在线深度学习的影响机制；结合离线认知测量评估深度学习结果的认知行为水平，采用测量问卷评估支架对深度学习的影响结果。.（三）实验研究结果.计划调节学习支架研究指出：深度学习基础阶段、早期阶段与晚期阶段，两种类型的计划调节学习支架均有利于激活深度学习过程的脑区，自主性计划调节学习支架均对深度学习结果的促进作用最显著，启示研究者优先采用自主性计划调节学习支架促进在线深度学习。.监控调节学习支架研究发现：引导性监控调节学习支架的作用效果优于自主性监控调节学习支架，且脑区激活显著；监控调节学习阶段中激活的脑通道与深度学习结果的理解与保持水平、迁移与创新水平均具有正相关关系。.评估调节学习支架研究指出：引导性评估调节学习支架更能促进学习者激发深层学习动机与策略,被提供更多引导性评价支持的学习者在解决问题时会使用更多元认知策略以提高学习效果，帮助学习者进行知识记忆以及语义理解深层认知加工。.深度学习的脑区激活情况与深度学习结果均具有正相关关系，启示研究者可以根据脑区激活情况判断在线深度学习是否真实发生以及发生的程度。.（四）项目科学意义.本研究从理论层面论证了自我调节学习支架促进深度学习的作用机制，从实证角度挖掘了自我调节学习支架影响深度学习的内在机制，从应用实践角度提炼了在线学习环境中面向深度学习的自我调节学习支架的设计规则，旨在设计符合脑加工机制规律的自我调节学习支架，为教育者运用自我调节学习支架开展在线深度学习提供建议，最终促进在线深度学习。

内容获取失败，请点击重试