計算機科學高等教育中學術拖延干預措施之系統性回顧
arXiv - Computers and SocietyDaniel Cheng, Oscar Heath, Daniyaal Farooqi, Evelyn Chou, Alice Gao, Jonathan Calver
本研究透過系統性文獻回顧，分析了過去十年減少計算機科學學生學術拖延的各種干預機制及其成效。
AI 幫你先抓重點
AI 重點 1
從「結構化」而非「懲罰性」的角度來設計課程干預。
滑鼠懸停看 AI 判斷理由
這改變了傳統以威脅或限制來驅動學習的思維。研究顯示，透過提供清晰的時間框架與支持性環境，能從根本上改善學生的自我調節行為，而非僅僅是應對壓力。
AI 重點 2
針對不同複雜度的任務採取差異化的干預策略。
滑鼠懸停看 AI 判斷理由
這提醒課程設計者，並非所有作業都需要同樣的干預。對於高複雜度的專題任務，應著重於拆解步驟與時間管理，這對於提升學習科學中的自我調節學習（SRL）能力至關重要。
核心研究發現
- 1
引入明確時間結構的干預措施能有效促進學生提早開始作業並分散工作時程，這是提升學習表現的關鍵中介因素。
- 2
干預措施的效果受任務性質影響，對於長週期、多步驟的複雜作業，其帶來的效益明顯高於短期且例行性的任務。
- 3
支持性的設計（Supportive designs）在減少拖延方面，表現穩定優於懲罰性或限制性的管理方案。
- 4
單一且統一的干預措施對不同學生的成效並不均衡，顯示出個性化設計的重要性。
對教育工作者的啟發
教育工作者在設計計算機科學課程時，應避免使用懲罰性手段來應對拖延，轉而應建立「支持性結構」。具體建議包括：1. 將長期的複雜專題拆解為多個具備明確截止日期的子任務，以提供時間結構；2. 提供即時的反饋機制，幫助學生監控進度；3. 針對不同學習特質的學生提供個性化的支持，而非採取一刀切的方案。透過這些設計，可以引導學生從被動應付轉向主動的自我調節學習。
原始文獻資訊
- 英文標題：
- Systematic Review of Academic Procrastination Interventions in Computing Higher Education
- 作者：
- Daniel Cheng, Oscar Heath, Daniyaal Farooqi, Evelyn Chou, Alice Gao, Jonathan Calver
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。