教育神经科学为学习风险预测提供坚实理论基础
Learning analytics to predict students’ performance: A case study of a neurodidactics-based collaborative learning platform
作者: Carlos J. P. Sánchez et al.
教育神经科学的发展为学习分析提供了更加坚实的理论基础。最近，研究者在一款名为NeuroK的学习平台上尝试使用29个特征参量来预测学习者的学习风险。NeuroK（https://neurok.es/en）是一款基于神经科学理论基础开发的网络学习平台，在其中学习者能够在学习的同时进行协作和交流。研基于698名教师参与的培训课程数据显示，随机森林算法（Random Forest）得到了最好的预测效果，其准确率达到了99.86%的水平。该算法从29类特征中选择了7个具有相关性的特征进行分析，而这7个特征都符合教育神经科学的理论特征。研究者指出，当前结果说明了社会建构主义和教育神经科学对于提高学习者学习成果的重要意义。
双通道效应并非通过影响认知负荷来干预自定步调的学习结果
Video outperforms illustrated text: Do old explanations for the modality effect apply in a learner-paced fifth-grade classroom context?
作者: Mikko Haavisto et al.
双通道理论指出人们可以从文字和图片的组合中获得更好地学习效果，但学习者自定步调的环境中，双通道效应似乎并不明显。因此，研究者进一步对自定步调的课堂环境中的双通道效应进行了探讨。在研究中，五年级的学生从图文并茂的课本以及教学视频中学习科学主题知识。基于前测、后测以及延迟测试的数据显示，教学视频可以带来知识保留、延迟保留的显著优势，但是在知识迁移方面表现得和图文课本一致。而认知负荷在两组中都处于中等水平，且没有影响学习结果。研究者指出，这意味随着双通道效应确实发生在了自定步调的课堂环境中，但是似乎并非由于认知方面的影响带来了学习结果的差异，因此可能存在学习环境或者学习材料方面的潜在影响因素。
回顾15年来利用可穿戴设备测量生物信号对情绪的影响研究
Measuring emotions in education using wearable devices: A systematic review
作者: Shen Ba & Xiao Hu
实时的、细颗粒度的生理信号为理解教育中复杂的情绪机制提供了可能，然而该领域涉及多个交叉领域，概念和方法错综复杂。因此，研究者回顾了过去15年间的50篇有影响的论文，归纳和分析了五类研究议题，分别是研究背景、理论框架、研究方法、挑战与伦理问题。研究指出，可穿戴设备最近已经从受控的大学生环境转向了自然环境中的年轻学习者。研究的兴趣已经开始重点关注情绪和认知之间的联系。在信号方面，皮肤电信号和心率是最常见的外部信号，而参与、积极性和焦虑是受到关注最多的情绪领域。在方法上，机器学习和推理统计学是最常用的计算方法。研究还指出，当前的道德准则似乎亟待更新以满足最新的研究动向。
责任编辑：Diaw Maxwell
15117967419@126.com