《Frontiers in Psychology》:Longitudinal associations between structured teaching and attentional functioning in youth badminton: evidence from fixed effects quantile regression
编辑推荐:
摘要专业翻译
背景: 结构化教学方法被广泛用于促进青少年运动训练中的注意力。然而,这种正向关联是否对所有学生一致,或取决于基线注意力水平,尚不清楚。传统的平均效应分析可能掩盖重要的异质性。
方法: 本研究采用纵向设计,对433名12至16岁的青少年羽毛球运动员
摘要专业翻译
背景: 结构化教学方法被广泛用于促进青少年运动训练中的注意力。然而,这种正向关联是否对所有学生一致,或取决于基线注意力水平,尚不清楚。传统的平均效应分析可能掩盖重要的异质性。
方法: 本研究采用纵向设计,对433名12至16岁的青少年羽毛球运动员进行了四次随访,共获得1,732人-次观测数据。每次测量时均评估结构化教学强度与注意力得分。时变协变量包括年龄、每周训练时长和疲劳程度。采用线性固定效应模型估计平均关联,并采用固定效应分位数回归(fixed effects quantile regression, FEQR)检验注意力在第10、25、50、75和90条件分位数上的关联异质性。
结果: 线性固定效应模型显示,感知结构化教学与注意力之间存在适度的正向平均关联(β = 0.219, p < 0.001)。但分位数回归显示出显著的异质性:在第10分位数上,关联较小且不显著(β = 0.082, p = 0.221);在第90分位数上,关联较大且显著(β = 0.506, p < 0.001)。Wald检验确认第10与第90分位数之间存在显著差异(χ2(1) = 22.47, p < 0.001)。采用限制性三次样条(restricted cubic spline, RCS)的非线性分析表明,在注意力不集中的学生中存在视觉上提示但统计上未证实的非线性模式。
结论: 感知结构化教学与注意功能之间的个体内关联在注意力的条件分布上存在显著差异。正向关联在注意功能的条件分位数上端显著更强,在下端则较弱。这种差异模式提示,统一的教学策略可能具有强化注意力差异的风险。教练和教育工作者应考虑采用适应性、个体化剂量匹配的干预措施。鉴于观察性纵向设计,不能得出因果结论;研究结果反映的是个体内关联。
论文解读
一、研究背景与问题提出
注意力维持是青少年运动训练中技能习得、战术决策和损伤预防的关键决定因素。结构化教学方法以清晰的常规流程、明确的指令、可预测的任务序列和系统化反馈为特征,被广泛推荐用于提升青少年运动员的专注力。其背后的逻辑在于:减少环境不确定性和任务模糊性可释放认知资源,使学习者能够聚焦于相关线索并更一致地完成动作。然而,教育与心理学领域越来越多的研究表明,结构化教学的有效性可能因人而异。认知负荷理论中的"专长逆转效应"(expertise reversal effect)推测,对高知识水平学习者有益的教学设计,对低知识水平学习者可能无效甚至有害,这一现象也可能出现在低注意力水平的学生中。在青少年羽毛球训练中,结构化教学可能对高注意力水平的运动员更有利,因为他们能轻松跟随分步指令;而对低注意力水平的运动员则帮助有限,因为他们可能难以坚持任何系统化的训练流程。
以往关于体育教学中教学方法与注意力关系的研究,大多依赖线性回归模型估计平均处理效应,假设干预效应在结果分布上是恒定的。然而,当效应量随结果范围变化时,传统线性回归可能严重低估或完全遗漏异质性关联。若关联确实在注意力较高分位数上更强,则平均效应会高估对低注意力学生的益处,同时低估对高注意力学生的益处。更重要的是,平均效应可能无法检测到干预对弱势亚群体无效甚至有害的情况。
为填补这一空白,研究人员采用纵向设计,对433名青少年羽毛球运动员进行了四次重复测量,记录结构化教学强度和注意力得分。研究的主要创新在于采用Canay(2011)提出的固定效应分位数回归方法,允许在注意力的第10、25、50、75、90条件分位数上估计结构化教学的关联,直接量化关联如何随注意力分布变化。固定效应设定控制了所有不随时间变化的个体特征,如基线动机、人格和遗传倾向,从而减少了传统横断面设计中的遗漏变量偏误。
研究人员假设,结构化教学强度与注意力的关联将随分位数单调递增:在注意力分布下端(低注意力学生)关联可忽略或较小,在上端(高注意力学生)显著更大。若该模型得到证实,将挑战统一教学模式,倡导在青少年羽毛球训练中采用适应性和个体化教学策略。
二、研究设计与主要方法
研究采用纵向设计,在12周内进行四次重复测量。样本来自中国湖南省衡阳市的八家私立羽毛球训练俱乐部,最终纳入433名12至16岁的青少年羽毛球运动员(男性226人,占52.2%;女性207人,占47.8%),基线平均年龄14.3岁(SD = 1.2)。391人(90.3%)完成了全部四次测量,流失分析显示完成者与流失者之间基线注意力得分无系统性差异(p = 0.378)。数据收集时间为2025年3月至6月。
研究使用的主要工具包括:青少年羽毛球注意力评定量表(Youth Badminton Attention Rating Scale, YBARS),为10条目自评工具,涵盖持续注意、选择性注意和注意转换三个维度,总分线性转换为0至100分范围;结构化教学强度问卷(Structured Teaching Intensity Questionnaire, STIQ),含12个条目,涵盖指令清晰度、常规可预测性、系统反馈和渐进式支架四个维度,同样线性转换为0至100分;中文版简式自我控制量表(Brief Self-Control Scale, BSCS);单条目疲劳评定量表(Rating of Fatigue, ROF)。时变协变量包括年龄、每周训练时长和疲劳程度。
统计分析方法上,线性固定效应模型使用fixest包的feols函数估计,以考察结构化教学强度与注意力得分之间的平均个体内关联。固定效应分位数回归采用Canay(2011)两步估计法,通过panqr包的qrfe函数实现:第一步通过线性固定效应回归估计个体固定效应,第二步将去中心化后的结果变量对同一组时变协变量进行标准分位数回归。系数在第10、25、50、75和90条件分位数上估计,采用500次重复的个体层面聚类自助法标准误。Wald检验用于正式比较各预测变量在第10与第90分位数之间的系数差异。稳健性检验包括采用Machado和Santos Silva(2019)的矩基分位数回归方法(MMQR)重新估计,以及加入波次×俱乐部固定效应。此外,还进行了反向因果的安慰剂检验、Benjamini-Hochberg错误发现率(FDR)校正、限制性三次样条非线性分析和三维条件边际效应曲面图等补充分析。
三、研究结果
3.1 描述性模式与纵向表面
注意力得分范围为31.0至98.0,第10至第90百分位数跨度为54.3至90.2,表明个体间注意功能存在显著差异。第10百分位数(54.3)远低于均值(72.4),提示存在不可忽视的持续低注意力亚组。结构化教学强度同样呈现广泛分布(第10百分位数= 49.0,第90百分位数= 86.0),为分位数回归提供了必要的变异。面板热图显示,高平均注意力的参与者在所有波次中均呈现稳定高值,而低平均注意力的参与者表现为明暗混合且随时间无明显系统性改善。
3.2 平均效应:传统方法遗漏的信息
线性固定效应模型显示,仅校正时间虚拟变量的模型1中,结构化教学系数为0.285(p < 0.001);加入协变量后的模型2中系数降至0.219(p < 0.001);模型3加入二次项后,二次项系数为负且显著(?0.0032,p = 0.014),拐点约为0至100量表的49.2,表明在高强度水平下边际收益递减。然而,模型2的组内R2仅为0.184,意味着82%的个体内注意力方差仍未被解释,提示平均关联可能无法推广到许多个体。
3.3 分位数特定效应
桑基图显示,起始为低注意力类别的参与者中,仅18%升至中等、6%达到高水平;而起始为高类别的参与者中,72%维持高水平,21%降至中等,几乎无人从高降至低。这种不对称流动性提示,自然变化的结构化教学有助于维持或轻微提升已有高注意力,但对改善低注意力作用有限。
固定效应分位数回归结果显示,结构化教学的系数随分位数单调递增:在τ = 0.10处系数小且不显著(0.082,SE = 0.067,p = 0.221);在τ = 0.25处变为显著(0.147,p = 0.011);在中位数τ = 0.50处为0.239(p < 0.001);在τ = 0.75处升至0.375(p < 0.001);在τ = 0.90处达到0.506(p < 0.001)。Wald检验确认τ = 0.10与τ = 0.90之间存在显著差异(χ2(1) = 22.47,p < 0.001)。经Benjamini-Hochberg FDR校正后显著性模式不变。
在实际意义方面,感知结构化教学强度每增加10分,τ = 0.10处预测注意力变化为0.82分(95% CI [-0.52, 2.16]);τ = 0.50处为2.39分(95% CI [1.36, 3.42]);τ = 0.90处为5.06分(95% CI [3.65, 6.47])。
3.4 稳健性检验
采用MMQR方法重新估计后,教学结构与注意力之间的正向关联随注意力水平从低到高递增的模式保持不变。加入俱乐部×测试轮次固定效应后,感知结构化教学系数保持稳定(β = 0.208,p < 0.001)。由于仅8个俱乐部,俱乐部层面聚类稳健标准误不稳定,故以个体层面聚类作为主要推断依据。
四、讨论与结论
讨论部分指出,从τ = 0.10到τ = 0.90单调递增的分位数系数表明,感知结构化教学与注意力的正向个体内关联在注意功能的条件分位数上端更强。这一模式可用认知负荷理论解释:当运动员处于较高条件分位数时,可能拥有更多可用认知资源来处理分步指令并将结构化常规作为技能执行的支架;而当处于较低分位数时,由于分心、参与度降低或注意力可用性有限,可能难以有效编码或利用结构化指令。研究将"专长逆转效应"从智力专长扩展至注意力能力领域。以往体育教学法研究通常报告结构化教学的平均益处,但未考察分布效应;分位数结果提示其平均估计可能高估对低条件分位数观测的益处,低估对上端分位数的益处。
探索性限制性三次样条分析在低注意力学生中显示了视觉上提示但统计上未证实的非线性趋势,正式变点检验未达统计显著性(p = 0.093)。三维曲面图提示,对于注意力波动较小的运动员,中等强度结构化教学可带来正向关联;而对于注意力波动较大的运动员,低强度结构呈负向关联,高强度结构则呈强正向关联。这些探索性分析仅作为假设生成的参考。
理论意义在于修正了结构化教学在青少年运动训练中总是有益的普遍观点,提示教学与注意力的关系随条件分布的不同分位数而变化。实践意义方面,研究建议教练不应采用统一不变的结构化教学方法:对于已表现出相对稳定注意功能的运动员,增加结构强度与注意力正相关;对于低注意力或高变异性的学生,仅增加结构强度可能无效甚至与负面结果相关,除非强度达到高水平。更实际的策略是先通过注意力训练练习发展注意能力,再引入高度结构化的技术课程,或采用自适应策略从中等结构开始,随学生注意力稳定而逐步增加结构强度。
研究结论指出,青少年羽毛球中结构化教学与注意力之间的关联存在显著异质性。线性固定效应模型估计的平均关联可能导致"结构化教学对所有学生均带来轻微至中度相似益处"的潜在误导性结论。事实上,当运动员处于高注意力水平状态时,教学结构与注意力之间的正向关联显著更强;处于低注意力水平状态时则显著更弱。虽然未经统计确认,但探索性图表提示低注意力状态的运动员可能需要足够强度的结构化训练才能看到正向关联。这种差异化模式提示,对所有运动员采用统一教学方法可能具有强化注意力差异的风险。教练可考虑先评估每位运动员的注意力特征,再据此匹配适当的教学"剂量"。然而,由于观察性设计,这些建议仅为初步结论,需在实验中进一步验证。