开放与远程学习中元认知注意力重聚焦的投入度差异:谁能够重回正轨?

《Sage Open》:Who Gets Back on Track? Engagement-Level Differences in Metacognitive Attention Refocusing in Open and Distance Learning

【字体: 大 中 小 】 时间:2026年09月22日 来源:Sage Open 2

编辑推荐:

  摘要专业翻译 在开放与远程学习(open and distance learning, ODL)中,学习者必须在有限的外部结构支持下维持学习投入,这使得注意力漂移(attention drift)成为有效学习的普遍挑战。本研究探讨ODL学生如何将注意力重新聚焦

  
摘要专业翻译 在开放与远程学习(open and distance learning, ODL)中,学习者必须在有限的外部结构支持下维持学习投入,这使得注意力漂移(attention drift)成为有效学习的普遍挑战。本研究探讨ODL学生如何将注意力重新聚焦于课程任务,以及注意力重聚焦机制在高、中、低投入度学习者画像之间如何呈现差异。研究在马来西亚一所公立大学的ODL项目中开展了一项探索性嵌入式单案例研究(exploratory embedded single-case study)。研究人员对九名焦点学生进行了分析,使用了三类数据来源:来自12门课程的学习管理系统(learning management system, LMS)行为追踪数据、书面反思报告以及一场三小时的焦点小组访谈。研究识别出多种注意力重聚焦机制族(mechanism families)。高投入度案例运用了广泛且协调的策略组合,通常将多种机制相结合,并主动塑造其学习时间和情境。中等投入度案例则依赖较为狭窄、主要围绕情境和时间导向的配置,而低投入度案例使用反应性、碎片化的策略,长期目标与即时行动之间的联结较弱。研究结果凸显了注意力重聚焦作为元认知控制(metacognitive control)支持ODL情境下持续投入的关键机制。结果表明,更广泛且持续组合的重聚焦策略库在本案例中似乎是区分高投入学习者与其他同伴的特征。研究建议,ODL设计与支持服务应明确搭建对注意力漂移的监控支架,并提供具体的重聚焦策略库,以帮助学习者在数字化中介、高自主性的环境中“重回正轨”。

论文解读文章

一、研究背景与问题提出

开放与远程学习(open and distance learning, ODL)以其时空灵活性扩大了高等教育的入学机会,但与此同时,这种灵活性也削弱了传统面对面课堂所提供的时空结构、社交结构与外部监督。在异步、屏幕主导的学习环境中,学习者必须自行决定何时登录、持续多长时间、如何组织学习任务,以及如何应对来自工作、家庭、数字设备乃至自身思绪的干扰。注意力难以持续集中于课程任务,已被研究证实与ODL情境中较低的学习投入、碎片化的参与以及更高的退学风险密切相关。因此,注意力调节并非ODL中的边缘性问题,而是维持有意义学习投入的基本条件。
生成式人工智能在高等教育中的日益普及使这一问题更加突出。尽管智能工具可以协助学生进行目标设定、监控、反馈和策略调整,但它们并不能替代学习者的主体能动性。相反,只有当学生积极参与自身目标、努力和策略的调节,而非简单地将认知责任转移给系统时,这些工具才能最有效地支持学习。关于走神(mind wandering)与自发思维的研究也表明,注意力漂移是认知的常见特征,其对学习的影响部分取决于学习者是否注意到注意力的转移并将其重新引向任务相关目标。
现有文献存在两个未充分解决的问题。第一,大量证据基于问卷调查、画像分析或实验测量,捕捉的是自我调节、投入度或注意力中断的总体差异,而非学习者对具体重聚焦事件的口述叙述。第二,缺乏基于真实ODL情境的案例研究,以展示学习者如何理解注意力漂移并描述其恢复专注所使用的策略。基于此,本研究提出核心研究问题:在开放与远程学习情境中,学生如何回溯性地描述其元认知调节过程,包括注意力的重聚焦?

二、研究设计与主要结论

本研究采用探索性嵌入式单案例研究设计,以马来西亚一所公立大学的正式ODL硕士项目为边界案例,九名在职教育工作者作为嵌入式分析单元。研究人员首先通过LMS行为追踪数据(登录频率、形成性评估成绩、论坛参与)构建加权综合投入度得分,将学习者划分为高、中、低三个投入度层级;随后结合反思报告和焦点小组访谈数据,运用定性内容分析识别注意力重聚焦机制,并跨层级进行比较。
研究得出以下主要结论:注意力重聚焦在ODL中并非单一策略,而是一个“监控—控制—结果”(Monitor-Control-Outcome, M-C-O)的微观调节循环。研究识别出七类注意力重聚焦机制族,共包含20个子主题。高投入度学习者倾向于使用更广泛、更均衡的策略组合,兼具反应性重聚焦与主动性预防性调节;中等投入度学习者主要依赖情境和时间导向的支持;低投入度学习者则呈现碎片化、反应性的重聚焦模式,长期目标与即时行动之间联结薄弱。
本研究的主要贡献在于:第一,提供了ODL学习者如何回溯性描述注意力重聚焦过程的叙述性说明,并初步建立了重聚焦策略的类型学;第二,通过将LMS行为追踪与质性叙述相结合,揭示了不同投入度学习者之间重聚焦策略库的差异,为自我调节学习与走神研究提供了情境化的理论洞见。

三、关键技术与方法

本研究采用的主要方法包括:其一,嵌入式单案例研究设计,以马来西亚一所公立大学的ODL硕士项目为边界案例,九名在职教育工作者(P1—P9)为嵌入式分析单元,样本为自愿参与的定性样本,均处于第4或第5学期,已完成12门ODL课程;其二,多源数据三角验证,综合LMS行为追踪数据(12门课程的平均登录频率、形成性评估平均分、论坛参与次数)、书面反思报告和一场三小时焦点小组访谈;其三,加权综合投入度评分法,采用0.50(行为)、0.30(认知)、0.20(社交)的预定义权重,对各指标进行Z-score标准化后加权合成,并进行了五种替代权重方案的敏感性分析;其四,定性内容分析,以自我调节学习理论框架(Zimmerman模型、Winne和Hadwin模型)为引导,对反思报告和焦点小组转录文本进行编码分析,识别重聚焦机制族和子主题。

四、研究结果

4.1 注意力重聚焦作为监控—控制—结果的调节过程

研究将学习者报告的重聚焦事件概念化为M-C-O微观调节循环。监控(Monitor)指学习者觉察到注意力、进度或任务动力偏离了预期学习目标;控制(Control)指学习者报告采取的恢复任务专注的具体行动;结果(Outcome)指这些行动的即时后果,如重返任务、完成一个小步骤或减轻压力。高投入度案例P9通过时间碎片化策略将零散时间转化为学习资源,并辅以每日“Power Hour”规划与自我评估;P7则展现了主动性调节,提前预判家庭事务可能干扰在线课程,通过与家人协调安排来保护学习时段。低投入度案例P4的重聚焦更多表现为反应性和任务特定性,如在小组作业遇到技术限制时通过微任务分工来维持任务推进。

4.2 注意力重聚焦的机制

通过定性内容分析,研究识别出七类注意力重聚焦机制族:目标导向重聚焦(goal-based refocusing, GBR)、策略导向重聚焦(strategy-based refocusing, SBR)、情感修复(affective repair, AR)、环境锚定(environmental anchoring, EA)、内部冲突调和(internal conflict reconciliation, ICR)、时间锚定(temporal anchoring, TA)和动机修复(motivational repair, MR),共包含20个子主题。跨案例矩阵显示,高投入度案例(P7、P9)的策略使用更广泛且联结更紧密;中等投入度案例(P3、P5、P8)的策略模式更稳定但更狭窄,主要围绕环境支持、目标提醒、情感修复和时间调整;低投入度案例(P1、P2、P4、P6)呈现碎片化和反应性特征,目标提醒未能持续转化为具体行动步骤。组内分布分析表明,高投入度组各策略族分布相对均衡,而中低投入度组更依赖特定路径。

4.3 投入度与元认知调节的三角验证

将LMS量化数据与质性叙述进行三角验证后发现:高投入度案例(P7、P9)在行为、认知、社交三个维度上均表现出较强的LMS参与度,同时其叙述中呈现更丰富、更结构化的重聚焦实践;中等投入度案例各维度表现不均衡,策略整合不够一致;低投入度案例的综合投入度得分低于样本均值,其重聚焦形式更为碎片化和反应性。LMS模式与叙述性描述之间的趋同性表明,投入度分层有效捕捉了样本内学习者在维持和恢复注意力方面的有意义的差异。

五、讨论与结论

研究讨论指出,注意力重聚焦在ODL中既包含反应性过程,也包含主动性过程。高投入度学习者不仅在被干扰后重聚焦,还会通过预先结构化时间、情境和社交安排来降低干扰发生的可能性。这一发现与认知控制文献中主动性控制(proactive control)与反应性控制(reactive control)的区分相一致。研究还发现,中等投入度学习者主要依赖情境和时间相关支持,但这些支持未必伴随更丰富的认知、动机或策略导向的策略库,这可能与成人ODL学习者需兼顾工作与家庭责任有关——时间和环境结构化对于维持基本参与可能是必要的,但更持续的投入可能需要额外的动机修复和灵活的任务层面适应。
研究结论指出:在ODL环境中,注意力重聚焦是元认知控制支持持续投入的关键机制。高投入度学习者在本案例中表现出更广泛、更持续组合的重聚焦策略库。研究建议,ODL设计与支持服务应明确搭建对注意力漂移的监控支架,并提供具体的重聚焦策略库,以帮助学习者在数字化中介、高自主性的环境中“重回正轨”。研究同时指出其局限性:单案例设计、样本量小、依赖回溯性自我报告而未能直接测量实时注意力波动,未来研究应结合实时过程测量(如注意力网络任务、LMS点击流微观分析)与回溯性叙述,以更完整地理解ODL中的注意力调节过程。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号