面向發展中國家：線性方程式學習無助感偵測之設計與資料收集挑戰
arXiv - Computers and SocietyJohn Paul P. Miranda, Rex P. Bringula, Laharni S. Simpao, Jordan L. Salenga, Juvy C. Grume, Madilaine Claire B. Nacianceno, Lester G. Loyola, Jaymark A. Yambao
研究在發展中國家環境下，重新設計線性方程式教學網頁系統並探討資料收集與偵測學習無助感的挑戰
AI 幫你先抓重點
AI 重點 1
跨平台網頁系統使資料收集更完整，為學習無助感偵測提供可行基礎
滑鼠懸停看 AI 判斷理由
在資源有限的環境中，將系統從 Android App 轉為 Web 版可減少裝置不一致性，並能完整記錄互動日誌，為行為模型建立提供關鍵資料。
AI 重點 2
實際操作中設備與網路不穩定導致樣本量大幅縮減，提醒研究者需提前規劃硬體與連線條件
滑鼠懸停看 AI 判斷理由
資料完整性與代表性直接影響模型效度，若未考量基礎設施，研究結果可能偏差，影響後續應用與政策建議。
核心研究發現
- 1
原本為 Android App，改為 Web 版以支援跨平台與資料收集，並加入互動日誌、跳題、提示、難度序列與遊戲模式。
- 2
參與者僅 118 名符合條件，從 410 名學生中篩選，因設備老舊、網路不穩、課堂取消等因素限制。
- 3
重新設計後可追蹤學生互動行為，為偵測學習無助感模型提供資料，但仍面臨資料完整性與授權延遲等挑戰。
對教育工作者的啟發
1) 在設計網頁教學系統前先評估目標學校的硬體與網路環境，必要時提供離線功能或低頻寬模式； 2) 透過簡化的授權流程與預先取得學校與家長同意，減少批准延遲； 3) 針對可跳題與提示功能，設定使用限制以避免學生過度依賴，並在系統中加入行為指標以偵測學習無助感； 4) 透過多元資料來源（如教師觀察、問卷）補充互動日誌，提升模型準確度。
原始文獻資訊
- 英文標題：
- Towards the Development of Detection of Learned Helplessness in Mathematics: Design and Data Collection Challenges from a Developing Country Perspective
- 作者：
- John Paul P. Miranda, Rex P. Bringula, Laharni S. Simpao, Jordan L. Salenga, Juvy C. Grume, Madilaine Claire B. Nacianceno, Lester G. Loyola, Jaymark A. Yambao
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。