利用回應時間傾向理解學生努力
arXiv - Computers and SocietyConrad Borchers, Lijin Zhang, Kexin Yang, Tomohiro Nagashima, Benjamin W. Domingue
透過步驟間回應時間傾向量化學生努力，並揭示其對學習效率的條件關係。
AI 幫你先抓重點
AI 重點 1
回應時間傾向可作為努力的可量化指標，超越單純正確率。
滑鼠懸停看 AI 判斷理由
它提供了對學生投入程度的細緻洞察，能幫助教師或系統即時辨識需要額外支持的學生，從而提升學習成效。
AI 重點 2
學習效率與回應時間的關係依學生熟練度而異，提示個別化支持的重要性。
滑鼠懸停看 AI 判斷理由
了解此條件性關係可使教育工作者針對不同熟練度層級設計適切的介入策略，避免一刀切的教學方法。
核心研究發現
- 1
回應時間傾向在學生內部具有中等至強穩定性，可作為個體差異指標。
- 2
對高熟練度學生，較慢的回應時間傾向與更高學習效率正相關；對低熟練度學生則無關或負相關。
- 3
這種關係在練習序列初期最強，隨時間減弱，提示可在早期偵測失去投入。
對教育工作者的啟發
教師可利用學生的回應時間傾向，於課堂初期即偵測低投入或無效努力，並即時調整教學策略或提供個別化輔導。教育科技平台可將此指標嵌入自適應系統，設定閾值觸發提示或額外練習，提升學習效率。
原始文獻資訊
- 英文標題：
- Understanding Student Effort Using Response-Time Propensities During Problem Solving
- 作者：
- Conrad Borchers, Lijin Zhang, Kexin Yang, Tomohiro Nagashima, Benjamin W. Domingue
- 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。