认知控制策略提升幼儿编程学习中的注意力与情绪调节：一项生态效度验证研究

《npj Science of Learning》：Effect of cognitive control strategies on young children’s attention and emotion during coding learning

本研究针对5-6岁幼儿在编程学习中的注意力与情绪调节难题，通过准实验设计验证认知控制策略（计划、监控、反思）的干预效果。研究发现，策略组幼儿的注意力维持时间显著延长，中性情绪占比更高，且学习成果与注意力水平正相关。该研究为早期教育中融入认知控制策略提供了实证依据，对优化学习过程具有重要实践意义。

　　

在早期教育中，如何帮助年幼学习者维持注意力并调节情绪，是提升学习效果的关键挑战。以往研究表明，认知控制（Cognitive Control）能力的发展与学习表现密切相关，尤其是 proactive control（主动控制）和 reactive control（反应控制）两种模式的平衡对自我调节学习（Self-Regulated Learning, SRL）至关重要。然而，大多数相关研究在严格控制实验室环境中进行，缺乏真实课堂情境下的生态效度验证。幼儿由于认知控制能力尚未完全成熟，往往难以主动运用策略来维持学习状态，这限制了理论成果向教育实践的转化。

为解决这一问题，浙江大学团队在《npj Science of Learning》发表了一项研究，通过设计一项为期6周的编程课程，探究认知控制策略对5-6岁幼儿注意力、情绪状态及学习成果的影响。研究采用准实验设计，将46名幼儿分为实验组（接受计划、监控、反思策略训练）和对照组（无策略干预），并通过高频行为编码分析三节课程（代表课程早、中、晚期）中幼儿的注意力与情绪动态。

研究主要依托以下关键技术方法：

1. 1.
   准实验设计：实验组在编程课程中系统融入认知控制策略（如目标设定、计划制定、实时监控与反思），对照组仅进行常规教学。
2. 2.
   高频行为编码：对课程视频每3秒进行一次注意力（attentional/inattentional state）和情绪（positive/neutral/negative emotion）状态编码，生成高分辨率时间序列数据。
3. 3.
   编码能力评估：使用修订的 Coding Ability Test (CAT) 测评幼儿在 Assignment、Type、Conditional、Loop、Decomposition、Function、Algorithm 等维度的编程技能，并结合 Raven 推理测验控制基础认知能力的影响。
4. 4.
   统计建模：采用线性混合模型（Linear Mixed Model）分析组别、课程阶段与交互效应，并计算注意力/情绪状态与学习成果的偏相关关系。

研究结果

注意力状态

实验组幼儿的注意力维持时间显著长于对照组（t(82.221)=3.174, p=0.002, d=0.671），且随着课程难度增加，实验组注意力稳定性优于对照组（Lesson 12组间差异显著：t(30)=-2.975, p=0.006）。

情绪状态

实验组幼儿表现出更长的中性情绪时间（t(32.126)=-3.142, p=0.004, d=0.794），而对照组在课程早期表现出更多积极情绪（Lesson 2组间差异显著：t(27)=2.166, p=0.039）。负面情绪在两组中均占比极低。

学习成果

实验组在多项编程技能（如Assignment、Loop、Decomposition、Function）上后测提升显著（ps<0.05），且注意力时长与后测Decomposition（r=0.496, p=0.006）、Function（r=0.375, p=0.041）、Algorithm（r=0.375, p=0.041）得分显著正相关。

结论与意义

本研究首次在真实课堂环境中验证了认知控制策略对幼儿学习过程的促进作用。结果支持 dual-mechanism framework（双机制框架）和 Zimmerman 的SRL模型在早期教育中的适用性，表明通过计划、监控、反思等策略可帮助幼儿从 reactive control 向 proactive control 模式转变，从而提升注意力稳定性和情绪调节能力。此外，注意力与特定编程技能（如Decomposition、Algorithm）的强关联性提示，认知控制策略可能通过优化注意力分配间接促进复杂认知技能的发展。

研究的实践意义在于为早期课程设计提供了具体策略嵌入方案（如目标可视化、角色分工、实时反馈），并强调中性情绪可能比积极情绪更有利于任务专注度。未来研究可结合生理指标（如眼动、脑电）进一步揭示认知-情绪互动的内在机制，推动个性化教学策略的开发。