幻灯片 1解释性反馈比正确答案反馈对学习迁移更具有促进作用幻灯片 2引言前人观点：（1）在任何学习过程中，反馈都是一个关键成分，因为它可以让学习者减少实际知识与想要的知识之间的矛盾之处。 （2）尽管前人研究已经发现许多因素影响反馈功效，反馈信息的内容可能是任何反馈程序中最重要的一方面。反馈信息的内容之所以很关键是因为它让学习者改正错误，并保持正确回答。幻灯片 3摘要：在诸多反馈作用于学习功效的影响因素中，反馈内容中所包含的信息可能是最为重要 的。一个常见的假设是，除了提供正确答案以外，增加反馈内容的难度有好处。然而，当研究者们操纵反馈信息的内容、以分离出更复杂内容的独特效应时，未能证明这个假设。但是在大部分研究中，最终测验中的题目只是初始测验中同样题目的重复。本研究旨在探索解释正确答案是否对于新问题的学习迁移有更好的促进作用。幻灯片 4在两个实验中，让被试学习一些文章材料，然后对文章中的概念进行一个初步的简短回答测试。每个问题之后，他们都获得一种正确答案反馈、解释性反馈或者无任何反馈信息（only experiment 1）两天后，被试返回，进行最终测试，测试题目包括重复性问题和新的推论性问题。幻灯片 5 结果显示，正确答案反馈和解释性反馈对于重复性问题产生一样的学习效果，但是解释性反馈对于新的推论性问题产生更好的效果。幻灯片 6（自然推出）反馈研究的一个主要目的是决定反馈内容应该包含什么样的信息使之最大化其效果。基于文献中的大量研究，目前的答案就是反馈内容应该包括正确答案。最基本地，反馈必须传达一个信息，即 学习者的回复是正确还是错误。但是，许多研究表明，相比不反馈，证实反馈几乎甚至根本没有优势。反馈信息中包含正确答案可以提高反馈功效是因为它提供的信息让学习者需要改正错误。的确如此，大部分将正确答案反馈与证实反馈进行比较的研究表明正确答案反馈的优越性。幻灯片 7反馈信息包含除正确答案以外的内容真的有效吗？教育家和研究者们的一个共同假设是给学生提供附有额外内容的反馈会促进学习。 “精细反馈”这一术语通常用来表示比正确答案反馈更复杂的反馈类型，并且有许多精确反馈信息的方法。比如，解释为什么一种特定的回答是正确或者错误的（解释性反馈） ，再次呈现最初的学习材料（再学习反馈）幻灯片 8因为假设精反馈有助于学生，它通常被当做一种指导方法，比如智能教学系统，计算机辅助教学程序，等等。 举个例子， AutoTutor 就是一种智能教学系统，它通过提供许多不同种类的反馈（提示/正确答案/解释） ，来帮助学生解决复杂的物理问题。 然而，精反馈仅仅只是作为这类系统中其中一种增强学生学习的部分，它对于学习的独特贡献并未受到评估。幻灯片 9奇怪的是，将精反馈与正确答案反馈直接比较的研究并未发现增加反馈信息难度的好处。(for a review, see Kulhavy & Stock, 1989; for a meta-analysis, see Bangert-Drowns, Kulik, Kulik, & Morgan, 1991).比如说，许多研究表明，相比正确答案反馈，解释性反馈没有更佳效果。 类似地，其他研究表明再学习反馈与正确答案反馈产生一样的学习效果。关键是，在这些研究中，反馈信息的内容被定义为自变量，这使得提高内容的复杂性的独特效应被分离出去了。精加工反馈信息的效能缺乏理论支持很令人惊讶，但是零结果可能是由于在最终测试中学习被评估的方式不一样。几乎所有这些研究都是在最终测试中重复初始测验中的问题，测正确答案的回忆量。如果学习者只需要在初始测验中记住正确答案，那么精反馈中其余的信息就 没有价值。幻灯片 10然而，这些额外信息可能对于促进更好地理解材料很重要。比如，解释为什么某种回答是正确的可以帮助学习者对一个概念的理解从肤浅层面进入到复杂的深层次。 这样，精反馈就用于促进最终测验对材料的理解而非记住正确答案的成绩。高级理解的一个特点是将知识转迁移到新情景中去的能力。迁移最广泛的定义是：先前学习的知识对新学习的材料所产生的影响。在本研究中，我们通过调查学习者将他们的知识迁移到最终测试中去的能力，来评估理解力。最终测试中包括使用前面学习的概念做出推测。幻灯片 11目的：假设精反馈的效能取决于学习如何评估，对这一假设进行调查。程序：被试学习一系列材料，然后进行初始测验，会议材料中的关键概念。每一个问题之后，他们获得解释性反馈，正确答案反馈或者无反馈条件。两天以后，他们再进行一个最终测验，既评估对初始测验中重复问题的保留情况，又评估对新的推论问题的迁移预测： 相比正确答案反馈，解释性反馈会产生更好的迁移效果，但两种反馈形式对正确答案的保留情况会产生一样的成绩。幻灯片 12experiment 1方法：被试：60 名大学生，给学分，或者佣金。其余 4 名被排除，因为他们没有遵循实验指导语设计： 3 (反馈类型：解释性/正确答案/ 无反馈) 2 (最终测验问题：重复性 /新型） 混合实验设计反馈类型是被时间设计，问题类型是被试内设计材料，平衡：实验材料：不同话题组成的十篇文章（呼吸系统 热带气旋）和与之相关的问题 其中六篇文章和相关问题来自 A. C. Butler(2010), and the rest were created to match.每篇文章由 500 个单词组成，且包含两个关键概念。这样，总共就有 20 个关键概念。 给“概念”操作定义就是从复杂句子中高度概括出来的信息。两个问题和关键概念有关：一个定义性问题和一个推论性问题。 所有的定义性问题在初始测验中用于评估对 20 个概念的回忆。 定义性问题在最终测验中和其中的十个概念重复使用，以评估对正确答案的回忆量 。推论性问题在最后测验中和另外十个概念一起，用于评估值是的迁移能力。幻灯片 13 通过创造两个不同版本的最终测验来平衡材料，在每个版本中，通过重复定义性问题来测验每篇文章中的其中一个概念，另一个概念用新的推论性问题来检测。这样，每一个概念在不同的最终测试条件下得到一样的检测。每个定义性问题：一条正确答案信息，一条解释性信息。正确答案信息由正确答案组成，解释性信息由正确答案和其他将正确答案加以详细精确化的信息组成。解释性反馈信息中有两句额外的话，这两句话来自于元材料，用以解释概念。解释性反馈不包含任何新的信息，不给推论性问题提供答案。 （附录 B 有问题样例和反馈）程序：该实验由两部分组成，分两天做。Individual PCs running MediaLab software (Jarvis,2004a, 2004b) 用于呈现所有的材料并收集被试的回复第一阶段，被试随机分配到不同的反馈条件下，以电脑随机分配的顺序学习十篇文章。每篇文章分两个自然段，每个自然段呈现 80s (试测时证明这个时间足以将整个自然段读完). 然后，被试进行一项 5分钟的分心任务(视觉空间益智游戏). 最后，根据自己的速度，他们完成一个简短回答测验，关于由 20 个定义性问题组成的关键概念。幻灯片 14问题随机呈现，一次一个，被试对每个问题做相应的回答，如果他们不知道答案，他们就给出一个比较接近的猜测。回答完每个问题之后，被试获得之前他们随机分配的反馈类型，问题和反馈信息一起再次呈现以还原语境 。 无论被试的回复正确与否，对应的反馈都会给他们，并且给 20s 时间让被试学习。第二阶段，两天后，被试回来参与最终测验，要求回答 20 个问题：10 个定义性问题，之前初始测验中做过的。十个推论性问题。和初始测验一样，问题随机呈现，一次一个，被试对每个问题做相应的回答，幻灯片 15Results除了另外说明，所有结果都在 0.05 水平上显著。事后比较在 0.05 水平上相关显著。Eta-square and Cohens d are the measures of effect sizereported for all significant effects in the analysis of variance(ANOVA) and t-test analyses, respectively.幻灯片 16Scoring. 两个编码者根据计分标准分别对被试的正确回复和错误回复进行编码。两个编码者都对实验条件一无所知，根据给出的一个问题对所有回复进行编码以提高一致性。评分者一致性系数高达 0.89, 第一作者解决了评分不一致的问题。Initial test performance.初始测验中的结果显示为低相关，适合探索反馈的效果，单因素方差分析表明不同的反馈条件下无显著差别幻灯片 17Final test performance. 表格 1 表示最终测验中正确回复的比例作为初始测验中一种反馈条件的功能和最终测验中一种问题类型。当被试在初始测验中接受的是正确答案反馈或者解释性反馈，相比没有任何反馈而言，他们在回答重复的定义性问题上成绩更好 单因素方差分析用数据也证明了不同反馈类型的主效应显著事后多重比较表明正确答案反馈和解释性反馈条件下对重复性问题的正确回复比例比在无反馈条件下高但是，正确答案反馈和解释性反馈两种条件并无显著差异。对于新推论性问题，三种反馈条件下，被试在解释性反馈条件下表现最好，单。此外，对正确反馈和解释性反馈进行临界比较，使用 t 检验进行项目分析也证明解释性反馈产生更高级的迁移。幻灯片 18Discussion实验 1 的结果表明解释性反馈作用的发挥取决于学习如何被评估。根据前人研究结果，当学习以初始测验中的重复性问题来评估时，解释性反馈和正确答案反馈、无反馈产生一样的成绩。然而，当最终测验通过要求被试将他们所学的知识迁移到新情景中，来评估理解力的时候，解释性反馈比正确答案反馈条件下的表现更好。如果该结果可以重现，那么这个新的发现就很重要，因为它为未来的研究指出了一条新的有前景的方向：使用精反馈来促进学习迁移。幻灯片 19Experiment 2目的：（1）再现实验 1 中的新发现：EXF 比 CAF 对推论性问题产生更好的迁移效果。 A （2）为这个发现探索一种潜在的解释，在引言部分就介绍过，将知识迁移到新的情景中去需要理解，但是，迁移也需要记忆，尤其是当迁移能力延迟评估的时候（像实验 1） 迁移过程概念化的一种方法是分三个步骤：一，学习者必须意识到之前学习过的知识是相关的；二， 学习者必须回顾前面学的知识；三，学习者必须将知识应用到新情景中去。在这个概念中，前面两步骤反应对知识的保留，第三步反应对知识的理解在实验 1 中，第一步不是问题：所有被试都被告知最终测试中的问题是他们前面学习过材料里面的内容，所以他们知道必须对文章里面的内容进行回顾并运用。这样两种反馈条件下的知识迁移能力不同之处就归结到回忆、应用这两阶段的不同。每一个解释性反馈信息再现与文章关键概念有关的一些信息，所以这种再现可能在最终测验中对信息的回忆起促进作用。相比之下，接受 CAF 的被试不太容易回忆这些信息，因为他们只是在学习文章的时候学习一次。尽管差异可能是由 step2 造成，我们更相信是 EXF 促进了对概念的深入理解，进而促进 step3 的完成：知识的应用。幻灯片 20为了探索这个观点，最终测试增加了一个阶段，在这个阶段中被试在有解释性信息的情况下重新回答推论性问题（无论是什么条件下的被试） ，增加“重新回答”阶段的理由是它可以分离迁移过程的回忆和应用两步，像前面说的，两种反馈条件下对推论问题回答的成绩所产生的差异可以归因于回忆或者应用两部分。通过让被试在随后的重新回答阶段参考解释性反馈信息，就没有必要记住该信息了。这样，在重新回答阶段，被试在两种反馈条件下的成绩差异则反映出被试应用所学知识的能力（他们对问题理解的深度） 。除了增加一个重新回答阶段，实验 2 还有一点小小的改变：一，反馈类型为被试内变量（为了将此发现普及到一般的实验设计）二，舍弃无反馈条件（为了使得 EXF 和 CAF 条件下项目数量最大化）三，最终测验中