在一項(xiàng)有史以來規(guī)模最大的教育領(lǐng)域?qū)嶒?yàn)中，由康奈爾大學(xué)研究人員領(lǐng)導(dǎo)的一個團(tuán)隊發(fā)現(xiàn)，幫助學(xué)生完成在線課程的有前途的干預(yù)措施無法大規(guī)模有效實(shí)施-暗示需要針對性的解決方案來幫助不同領(lǐng)域的學(xué)生情況或位置。

研究人員在6月15日發(fā)表于《美國國家科學(xué)院院刊》上的研究《擴(kuò)大在線教育中的行為科學(xué)干預(yù)》研究中，在2.5年中追蹤了來自幾乎每個國家的25萬學(xué)生的250個大規(guī)模開放在線課程(MOOC)。。

信息科學(xué)助理教授，合著者里內(nèi)·基齊爾奇茨(Rene Kizilcec)說：“行為干預(yù)不是萬靈丹。”

他說：“較早的研究表明，在某些精選課程開始時進(jìn)行短暫的輕觸干預(yù)可以增加堅持和完成率。” “但是，當(dāng)擴(kuò)展到250多種不同的課程和100萬名學(xué)生的四分之一時，干預(yù)效果要小一個數(shù)量級。”

這項(xiàng)研究是由麻省理工學(xué)院的賈斯汀·賴希(Justin Reich)和倫敦帝國理工學(xué)院的邁克爾·約曼斯(Michael Yeomans)共同領(lǐng)導(dǎo)的。該研究是在edX和Open edX平臺上進(jìn)行的，并且edX致力于將數(shù)據(jù)提供給機(jī)構(gòu)研究人員，以大規(guī)模推進(jìn)教育科學(xué)。

研究人員研究的250門課程來自哈佛大學(xué)，麻省理工學(xué)院和斯坦福大學(xué)。

未能完成在線課程是虛擬學(xué)習(xí)的眾所周知的長期障礙，特別是在處境不利的社區(qū)和發(fā)展中國家中-在線學(xué)習(xí)可以成為社會發(fā)展的關(guān)鍵途徑。這些發(fā)現(xiàn)增加了與COVID-19大流行期間在線進(jìn)行的全球眾多教育的相關(guān)性。

Kizilcec說：“我對講師的建議是理解和應(yīng)對他們學(xué)習(xí)環(huán)境中的具體挑戰(zhàn)。” “如果學(xué)生的互聯(lián)網(wǎng)連接出現(xiàn)問題，您將無法通過自我調(diào)節(jié)干預(yù)來幫助他們克服問題。但是，如果學(xué)生需要準(zhǔn)時上床睡覺以便清晨上課，或者他們需要計劃提前什么時候開始做作業(yè)以便準(zhǔn)備上交，然后進(jìn)行簡短的自我調(diào)節(jié)干預(yù)實(shí)際上可以幫助學(xué)生克服這些障礙。”

先前由Kizilcec及其合作者和其他學(xué)者進(jìn)行的規(guī)模較小的研究發(fā)現(xiàn)，設(shè)定目標(biāo)的干預(yù)措施(例如在課程開始時寫出意圖清單)可以提高學(xué)生的課程完成率。

在這項(xiàng)研究中，研究人員探討了四種干預(yù)措施的效果：

制定計劃，在此情況下，會提示學(xué)生制定有關(guān)何時，何地以及如何完成課程的詳細(xì)計劃;

相關(guān)活動，學(xué)生反思實(shí)現(xiàn)目標(biāo)的好處和障礙，并提前計劃如何應(yīng)對挑戰(zhàn);

社會責(zé)任感，由他們選擇某人，讓他們對自己在課程中的進(jìn)度負(fù)責(zé)，并計劃何時及如何告訴他們;和

價值相關(guān)性，他們在其中撰寫有關(guān)完成課程的方式如何反映和增強(qiáng)其最重要的價值。

對于涉及前期計劃的前三個干預(yù)措施，研究人員發(fā)現(xiàn)該方法在課程開始的最初幾周內(nèi)有效地提高了參與度，但是隨著課程的進(jìn)行，影響逐漸減弱。價值相關(guān)干預(yù)措施在發(fā)展中國家，其學(xué)生的學(xué)習(xí)成績明顯低于其他國家，但僅在全球成績差距較大的課程中有效;在其他課程中，它實(shí)際上對發(fā)展中國家產(chǎn)生了負(fù)面影響。

研究人員測試了他們是否可以預(yù)測在哪些課程中會出現(xiàn)成就差距，以便確定應(yīng)在何處添加干預(yù)措施，但發(fā)現(xiàn)很難預(yù)測。

他說：“不知道這是否會幫助或傷害給定課程的學(xué)生是一個大問題。”

研究人員試圖利用機(jī)器學(xué)習(xí)來預(yù)測哪些干預(yù)措施可能對哪些學(xué)生有所幫助，但發(fā)現(xiàn)該算法并不比向所有學(xué)生分配相同的干預(yù)措施更好。

Kizilcec說：“這使人們懷疑AI為陷入困境的學(xué)生提供個性化干預(yù)的潛力。” “專注于了解在單個環(huán)境中最有效的方法，然后針對這些環(huán)境量身定制干預(yù)措施可能會更有效。”

研究人員說，他們的發(fā)現(xiàn)表明，除了評估整體效果的研究之外，未來的研究還應(yīng)考慮并揭示學(xué)生之間的差異。

該論文由卡內(nèi)基梅隆大學(xué)的Christopher Dann，斯坦福大學(xué)的Emma Brunskill，哈佛大學(xué)的Glenn Lopez和Dustin Tingley，昆士蘭科技大學(xué)的Selen Turkay和多倫多大學(xué)的Joseph J. Williams合著。這項(xiàng)研究部分由國家科學(xué)基金會，斯坦福大學(xué)跨學(xué)科研究生獎學(xué)金和微軟學(xué)院獎學(xué)金資助。