基于計算機的反饋復(fù)雜性和先前知識對學(xué)習(xí)的影響 *

龔少英 韓雨絲 王 禎 徐 升 劉小先

(華中師范大學(xué)心理學(xué)院暨青少年網(wǎng)絡(luò)心理與行為教育部重點實驗室，武漢 430079)

1 引言

基于計算機的反饋（簡稱計算機反饋）是計算機在學(xué)習(xí)者做出反應(yīng)后提供的反映學(xué)習(xí)者當(dāng)前表現(xiàn)的信息（Hattie & Timperley, 2007; Narciss, 2013;Shute, 2008）。計算機反饋因反饋時間靈活、自動化、反饋內(nèi)容和形式多樣以及可實現(xiàn)個性化而越來越普及（Narciss, 2008; van der Kleij, Feskens, &Eggen, 2015）。前人研究發(fā)現(xiàn)，反饋可以增強學(xué)生的內(nèi)部動機，提高其自我效能感，促進學(xué)習(xí)策略的使用，并提高學(xué)習(xí)效果（Hattie & Timperley,2007; Wang & Wu, 2008）。但反饋在何種條件下發(fā)揮積極作用還有待進一步研究。

1.1 基于計算機的反饋復(fù)雜性對學(xué)習(xí)效果的影響

形成性評價學(xué)習(xí)的影響因素模型（Timmers &Veldkamp, 2011）提出，學(xué)習(xí)者的學(xué)習(xí)效果取決于反饋類型與任務(wù)特征、個體特征的交互作用，反饋類型是影響學(xué)習(xí)效果的重要因素，不同類型的反饋對學(xué)習(xí)的影響不同。而反饋類型的一種典型劃分方式就是反饋的復(fù)雜性。反饋復(fù)雜性是指反饋所包含的信息量多少以及包含的內(nèi)容是什么（ Mory, 2004）。Shute（2008）根據(jù)反饋所包含信息的復(fù)雜性將其分為結(jié)果反饋、正確反應(yīng)反饋和精細反饋。結(jié)果反饋只提供答案對錯的信息，是最簡單的反饋。正確反應(yīng)反饋提供正確答案，比結(jié)果反饋稍復(fù)雜。結(jié)果反饋和正確反應(yīng)反饋合稱為簡單反饋（Lin, Atkinson, Christopherson, Joseph, &Harrison, 2013）。精細反饋（elaborated feedback）的內(nèi)容包括有關(guān)任務(wù)的限制、概念、解題過程或任務(wù)程序、線索、解釋和樣例等（Shute, 2008），因此是更為復(fù)雜的反饋。

關(guān)于反饋的大多數(shù)研究發(fā)現(xiàn)精細反饋比簡單反饋效果更好。Bangert-Drowns，Kulik，Kulik 和Morgan（1991）對40 篇計算機或非計算機環(huán)境下的反饋研究進行元分析發(fā)現(xiàn)，精細反饋比簡單反饋產(chǎn)生了更大的效應(yīng)量；van der Kleij 等（2015）對計算機反饋效果的元分析發(fā)現(xiàn)，精細反饋比簡單反饋更有效，尤其在遷移等高級學(xué)習(xí)結(jié)果上更顯著。后續(xù)研究也發(fā)現(xiàn)大學(xué)生在精細反饋條件下比簡單反饋條件下獲得了更好的學(xué)習(xí)效果（Cheng,2017; Finn, Thomas, & Rawson, 2018; Lachner,Burkhart, & Nückles, 2017）。例如，Lachner 等（2017）發(fā)現(xiàn)計算機提供的精細反饋比結(jié)果反饋更能顯著提升大學(xué)生的寫作成績。但另有研究發(fā)現(xiàn)反饋復(fù)雜性對學(xué)習(xí)效果并無顯著影響。van der Kleij，Eggen，Timmers 和Veldkamp（2012）的研究發(fā)現(xiàn)計算機提供的即時正確反應(yīng)反饋加精細反饋、延時正確反應(yīng)反饋加精細反饋和延時結(jié)果反饋對大學(xué)生市場學(xué)知識學(xué)習(xí)效果的影響沒有差異。張貝貝（2015）以教育技術(shù)知識為學(xué)習(xí)內(nèi)容的研究發(fā)現(xiàn)，計算機提供的精細反饋和正確反應(yīng)反饋對大學(xué)生保持成績的影響沒有差異。也有研究者發(fā)現(xiàn)計算機提供的不同精細反饋對六年級學(xué)生文本理解成績的影響沒有顯著差異（Golke, D?rfler,& Artelt, 2015）。上述研究沒有獲得一致結(jié)果的一個重要原因是不同研究中學(xué)習(xí)者的先前知識水平不同。而形成性評價學(xué)習(xí)的影響因素模型（Timmers & Veldkamp, 2011）強調(diào)先前知識等個體因素可能影響計算機反饋作用的發(fā)揮。

1.2 先前知識對計算機反饋學(xué)習(xí)效果的影響

根據(jù)經(jīng)驗?zāi)孓D(zhuǎn)效應(yīng)（expertise reversal effect），教學(xué)技術(shù)的效果與學(xué)習(xí)者經(jīng)驗水平存在交互，適合低先前知識者的教學(xué)指導(dǎo)對高先前知識者不一定有效，甚至?xí)a(chǎn)生消極作用。這是因為當(dāng)執(zhí)行復(fù)雜的認(rèn)知任務(wù)時，低先前知識者由于缺乏相關(guān)認(rèn)知圖式，需要借助外部的教學(xué)指導(dǎo)來降低認(rèn)知負荷，促進學(xué)習(xí)；而高先前知識者由于已經(jīng)具備相關(guān)認(rèn)知圖式，詳細的額外指導(dǎo)會造成冗余加工，增加外部認(rèn)知負荷（Kalyuga, 2007）。反饋作為一種重要的教學(xué)指導(dǎo)，它對學(xué)習(xí)的作用也受到學(xué)習(xí)者先前知識的調(diào)節(jié)（Bangert-Drowns et al.,1991; Narciss et al., 2014）。前人研究發(fā)現(xiàn)在計算機學(xué)習(xí)環(huán)境下反饋復(fù)雜性對先前知識水平不同的學(xué)習(xí)者作用不同，出現(xiàn)了經(jīng)驗?zāi)孓D(zhuǎn)效應(yīng)。一些研究發(fā)現(xiàn)，和無反饋相比，精細反饋促進了低先前知識者的理解和應(yīng)用，但對高先前知識者的學(xué)習(xí)無促進作用（Fyfe, 2016; Krause, Stark, & Mandl,2009）。Krause 等（2009）發(fā)現(xiàn)，大學(xué)生在線學(xué)習(xí)統(tǒng)計知識時，精細反饋能提升低先前知識者的成績，但對高先前知識者無效。另一些研究發(fā)現(xiàn)，和無反饋相比，精細反饋促進了低先前知識者的學(xué)習(xí)，卻損害了高先前知識者的學(xué)習(xí)（Fyfe, Rittle-Johnson, & DeCaro, 2012; Roelle, Berthold, & Fries,2011）。Roelle 等（2011）發(fā)現(xiàn)，計算機提供的精細反饋能顯著改善低學(xué)習(xí)質(zhì)量大學(xué)生對認(rèn)知策略的使用，卻降低了高學(xué)習(xí)質(zhì)量大學(xué)生使用認(rèn)知策略的質(zhì)量。還有研究發(fā)現(xiàn)，和無反饋相比，簡單反饋促進了無先前知識小學(xué)生的解題策略和遷移成績，但對剛剛學(xué)會解題策略的小學(xué)生后續(xù)的解題策略和遷移產(chǎn)生了阻礙作用（Fyfe & Rittle-Johnson, 2016）。上述研究發(fā)現(xiàn)復(fù)雜性較高的反饋能促進低先前知識者的學(xué)習(xí)，而對高先前知識者的學(xué)習(xí)沒有顯著促進作用，甚至產(chǎn)生消極影響。但也有研究得到了與上述研究不一致的結(jié)果。Smits，Boon，Sluijsmans 和van Gog（2008）發(fā)現(xiàn)由計算機提供的復(fù)雜程度不同的兩種精細反饋（線索和詳細解釋）對中學(xué)生在線生物學(xué)習(xí)產(chǎn)生了不同的影響，高先前知識者在線索條件下比在詳細解釋條件下獲得了更好的后測成績，而低先前知識者在兩種反饋條件下的成績沒有顯著差異。上述研究中反饋的復(fù)雜程度、學(xué)習(xí)任務(wù)所涉及的學(xué)科（數(shù)學(xué)、科學(xué)、語言和社會科學(xué)）和難度以及被試的個體特征各不相同，可能導(dǎo)致了結(jié)果的不同。因此，近年來反饋領(lǐng)域的研究已經(jīng)從反饋是否有效轉(zhuǎn)向反饋何時有效。

1.3 反饋對知覺和動機的影響

反饋知覺是學(xué)習(xí)者對反饋內(nèi)容質(zhì)量以及自身利用反饋改正錯誤、引導(dǎo)后續(xù)學(xué)習(xí)情況的評估（Gibbs & Simpson, 2003）。反饋受信息接受者影響的模型（Ilgen, Fisher, & Taylor, 1979）強調(diào)，只有當(dāng)學(xué)習(xí)者充分注意和加工反饋，反饋才有可能發(fā)揮作用，而且反饋知覺會同時受到反饋特征和學(xué)習(xí)者特征的影響。研究發(fā)現(xiàn)，學(xué)習(xí)者對反饋的感知和使用存在個體差異（Mory, 2004），相比簡單的結(jié)果反饋，學(xué)習(xí)者認(rèn)為來自研究生同伴的精細反饋（結(jié)果反饋+學(xué)習(xí)策略）更有用（Strijbos,Narciss, & Dünnebier, 2010）；反饋知覺受到學(xué)習(xí)者先前知識的影響，高先前知識者對復(fù)雜程度高的反饋知覺更好；而低先前知識者對不同復(fù)雜程度反饋的知覺無顯著差異（Smits et al., 2008）。由此可見，不同的反饋類型可能引發(fā)學(xué)習(xí)者不同的反饋知覺進而影響后續(xù)的學(xué)習(xí)結(jié)果。本研究試圖探索在不同反饋類型條件下，不同先前知識學(xué)習(xí)者的反饋知覺特點。

研究發(fā)現(xiàn)，反饋影響學(xué)習(xí)者的動機。在網(wǎng)絡(luò)學(xué)習(xí)情境下給六年級學(xué)生提供成敗歸因反饋可以提高其內(nèi)部歸因、能力自我概念和興趣（Dresel &Haugwitz, 2008），提供精細反饋可以促進大學(xué)生的自我效能感（Wang & Wu, 2008）和學(xué)習(xí)動機（Zou & Zhang, 2013）。傳統(tǒng)課堂中的教師反饋能夠提升大學(xué)生的學(xué)習(xí)動機（楊春, 路海東, 2015）。由此推測，反饋對學(xué)習(xí)者的動機具有重要影響。因此，本研究將在計算機環(huán)境下探索反饋復(fù)雜性對學(xué)習(xí)動機的影響。

1.4 問題提出

越來越多的研究證實，基于計算機學(xué)習(xí)環(huán)境的精細反饋比簡單反饋可以更顯著地提升高級學(xué)習(xí)結(jié)果。但以往研究很少探索不同復(fù)雜程度的精細反饋與學(xué)習(xí)效果的關(guān)系。本研究將以大學(xué)生專業(yè)課程中的內(nèi)容為學(xué)習(xí)材料，探究線索和詳細解釋這兩種常見的復(fù)雜程度不同的精細反饋對不同先前知識大學(xué)生學(xué)習(xí)的作用。基于形成性評價學(xué)習(xí)的影響因素模型（Timmers & Veldkamp, 2011）和經(jīng)驗?zāi)孓D(zhuǎn)效應(yīng)（Kalyuga, 2007），本研究假設(shè)：（1）精細反饋的復(fù)雜性對先前知識水平不同學(xué)習(xí)者的學(xué)習(xí)效果有不同影響。低先前知識者在線索條件下的遷移成績顯著低于詳細解釋條件；高先前知識者在線索條件下的遷移成績不會低于詳細解釋條件（假設(shè)1）。（2）精細反饋的復(fù)雜性影響不同先前知識學(xué)習(xí)者對反饋內(nèi)容的外在認(rèn)知負荷評價。低先前知識者比高先前知識者對反饋內(nèi)容感知到更高的外在認(rèn)知負荷；低先前知識者在線索條件比在詳細解釋條件感知到更高的外在認(rèn)知負荷；相反，高先前知識者對線索反饋的外在認(rèn)知負荷評價顯著低于詳細解釋反饋（假設(shè)2）。之后，根據(jù)反饋受信息接受者影響的模型（Ilgen et al., 1979），本研究假設(shè)：（3）復(fù)雜程度高的反饋使學(xué)習(xí)者產(chǎn)生更好的反饋知覺（假設(shè)3），更能促進學(xué)習(xí)者的動機（假設(shè)4）。

2 方法

本研究采用2×2 被試間設(shè)計。自變量為學(xué)習(xí)者的先前知識水平（高、低）和反饋復(fù)雜性（線索、詳細解釋）。因變量為遷移成績、外在認(rèn)知負荷、反饋知覺和動機。

2.1 被試

向?qū)W習(xí)過心理統(tǒng)計學(xué)課程的本科生發(fā)放先前知識問卷262 份，回收有效問卷262 份。先前知識問卷總分為14 分，取得分排名前后27%的為高、低先前知識者各70 人。自愿參與正式實驗的高低先前知識者分別為59 和47 人，其中男生24 人，女生82 人，年齡18～26 歲（M=20.35, SD=1.62）。參與正式實驗的高低先前知識者的先前知識得分差異非常顯著（M低=4.19, M高=9.88, t=–30.70,p＜0.001, d=6.02）。分別將他們隨機分配到兩種反饋條件下，其中，低先前知識/線索組22 人，低先前知識/詳細解釋組25 人，高先前知識/線索組31 人，高先前知識/詳細解釋組28 人。線索和詳細解釋條件下被試的先前知識差異不顯著（M線索=7.47, M詳細解釋=7.25, t=0.39, p＞0.05）。

2.2 實驗工具和材料

學(xué)習(xí)系統(tǒng)：本研究的學(xué)習(xí)系統(tǒng)是利用python2.7開發(fā)的網(wǎng)頁版形成性評價學(xué)習(xí)系統(tǒng)。實驗過程包括形成性評價學(xué)習(xí)和后測兩個階段，都在學(xué)習(xí)系統(tǒng)中進行。在學(xué)習(xí)階段，學(xué)習(xí)系統(tǒng)提供心理統(tǒng)計學(xué)題目，學(xué)習(xí)者每回答一道題，系統(tǒng)自動呈現(xiàn)一個反饋框，反饋框中包含學(xué)習(xí)者答案對錯的結(jié)果反饋以及線索或詳細解釋反饋。學(xué)習(xí)者在學(xué)習(xí)完反饋內(nèi)容后關(guān)閉反饋框，系統(tǒng)緊接著呈現(xiàn)測量認(rèn)知負荷的題項，要求學(xué)習(xí)者評價每道題后的反饋內(nèi)容的可用性。學(xué)習(xí)階段結(jié)束后，學(xué)習(xí)者在學(xué)習(xí)系統(tǒng)中繼續(xù)完成遷移測驗、反饋知覺和動機問卷。

先前知識問卷：先前知識問卷包括14 道單項選擇題，來自心理統(tǒng)計學(xué)課程的描述性統(tǒng)計部分以及單樣本和雙樣本假設(shè)檢驗部分，都關(guān)注知識應(yīng)用。

學(xué)習(xí)材料：學(xué)習(xí)內(nèi)容為14 道單選題，內(nèi)容范圍與先前知識經(jīng)驗相同。反饋包括線索和詳細解釋兩種類型，兩種反饋條件下的學(xué)習(xí)內(nèi)容相同；但學(xué)習(xí)者接受的反饋內(nèi)容復(fù)雜程度不同，線索反饋只提供解題的線索，而詳細解釋反饋不僅提供解題的線索，還提供解題思路及解題過程。

基于反饋內(nèi)容的外在認(rèn)知負荷：參考Gerjets，Scheiter，Opfermann，Hesse 和Eysink（2009）提出的外在認(rèn)知負荷測量，將題目改成指向反饋內(nèi)容而非學(xué)習(xí)材料，“你認(rèn)為利用這道題的反饋內(nèi)容是否方便？”，從1（非常方便）到9（非常困難）計1～9 分。得分越高表示反饋內(nèi)容給學(xué)習(xí)者帶來的外在認(rèn)知負荷越高。

遷移測試：包括12 道單項選擇題，每題1 分，包含的知識點與學(xué)習(xí)階段一致。遷移測驗題和學(xué)習(xí)階段題目的結(jié)構(gòu)相同。

反饋知覺：采用評價體驗問卷（The Assessment Experience Questionnaire）中的反饋使用量表（Gibbs & Simpson, 2003），包括6 道題，采用5 點計分，1～5 表示完全不同意到完全同意。原量表的α 系數(shù)為0.74，本研究中的α 系數(shù)為0.75。

動機：采用Keller（2010）編制的教學(xué)材料動機問卷（The Instructional Materials Motivation Survey）中的自信心和滿足感分量表，各有9 道和6 道題目，采用5 點計分，1～5 表示完全不同意到完全同意。原量表的α 系數(shù)分別為0.90 和0.92，本研究中的α 系數(shù)分別為0.83 和0.88。

2.3 實驗程序

主試向?qū)W習(xí)者介紹學(xué)習(xí)系統(tǒng)和實驗流程。每位學(xué)習(xí)者在學(xué)習(xí)系統(tǒng)中都有一個ID，學(xué)習(xí)者登錄學(xué)習(xí)系統(tǒng)輸入ID 和人口學(xué)信息，系統(tǒng)根據(jù)ID 將不同先前知識學(xué)習(xí)者隨機分配到兩種反饋條件下。然后學(xué)習(xí)者依次完成學(xué)習(xí)階段和后測階段的任務(wù)。整個實驗大約需要50 分鐘。

3 結(jié)果

3.1 遷移成績結(jié)果分析

四組被試在各因變量上的平均數(shù)和標(biāo)準(zhǔn)差見表1。以遷移成績?yōu)橐蜃兞浚M行2（先前知識水平：高、低）×2（反饋復(fù)雜性：線索、詳細解釋）兩因素方差分析。結(jié)果發(fā)現(xiàn)，先前知識水平在遷移成績上的主效應(yīng)顯著[F（1, 102）=80.20,p＜0.001, η=0.440]，低先前知識者的遷移成績顯著低于高先前知識者。反饋復(fù)雜性的主效應(yīng)顯著[F（1, 102）=5.42, p＜0.05, η=0.050]，線索組的遷移成績低于詳細解釋組。先前知識水平和反饋復(fù)雜性的交互作用顯著[F（1, 102）=4.89, p＜0.05,η=0.046]，見圖1。進一步的簡單效應(yīng)分析發(fā)現(xiàn)，低先前知識者在詳細解釋條件下的遷移成績顯著高于線索條件[M線索=5.82, M詳細解釋=7.40; F（1,102）=9.25, p＜0.01, η=0.083]；而高先前知識者在兩種反饋條件下的遷移成績無顯著差異[M線索=9.71, M詳細解釋=9.75; F（1, 102）=0.01, p＞0.05]。

表 1 四組被試在各變量上的平均數(shù)和標(biāo)準(zhǔn)差

3.2 外在認(rèn)知負荷結(jié)果分析

以外在認(rèn)知負荷為因變量，進行2（先前知識水平：高、低）×2（反饋復(fù)雜性：線索、詳細解釋）兩因素方差分析，結(jié)果發(fā)現(xiàn)，先前知識水平的主效應(yīng)顯著[F（1, 102）=8.31, p＜0.05, η=0.075]，低先前知識者比高先前知識者感知到反饋內(nèi)容給他們帶來了更高的外在認(rèn)知負荷；反饋復(fù)雜性的主效應(yīng)顯著[F（1, 102）=13.30, p＜0.001,η=0.115]，線索條件比詳細解釋條件下的學(xué)習(xí)者感知到反饋內(nèi)容給他們帶來了更高的外在認(rèn)知負荷。先前知識水平和反饋復(fù)雜性的交互作用不顯著[F（1, 102）=0.03, p＞0.05]。

3.3 反饋知覺結(jié)果分析

以反饋知覺為因變量，進行2（先前知識水平：高、低）×2（反饋復(fù)雜性：線索、詳細解釋）的兩因素方差分析，結(jié)果發(fā)現(xiàn)，先前知識水平在反饋知覺上的主效應(yīng)顯著[F（1, 102）=9.29,p＜0.05, η=0.084]，高先前知識者知覺到的反饋知覺顯著優(yōu)于低先前知識者。反饋復(fù)雜性在反饋知覺上的主效應(yīng)不顯著[F（1, 102）=0.76, p＞0.05]。先前知識水平和反饋復(fù)雜性在反饋知覺上的交互作用顯著[F（1, 102）=4.32, p＜0.05, η=0.041]，見圖2，進一步進行簡單效應(yīng)分析發(fā)現(xiàn)，對于低先前知識者，線索組和詳細解釋組的反饋知覺得分差異邊緣顯著[M線索=3.61, M詳細解釋=3.91; F（1, 102）=3.36, p=0.07, η=0.033]，低先前知識者對詳細解釋的反饋知覺優(yōu)于線索反饋；對于高先前知識者，線索組和詳細解釋組的反饋知覺不存在顯著差異[M線索=4.13, M詳細解釋=4.01; F（1, 102）=1.02, p＞0.05]。

3.4 動機結(jié)果分析

以動機為因變量，進行2（先前知識水平:高、低）×2（反饋復(fù)雜性: 線索、詳細解釋）的兩因素方差分析，結(jié)果發(fā)現(xiàn)，先前知識水平和反饋復(fù)雜性在動機上的主效應(yīng)都顯著[F（1, 102）=99.70, p＜0.01, ηp2=0.087; F（1, 102）=7.95, p＜0.01,ηp2=0.072]，高先前知識組的動機顯著高于低先前知識組，詳細解釋組的動機顯著高于線索組。先前知識水平和反饋復(fù)雜性在動機上的交互作用不顯著[F（1, 102）=0.17, p＞0.05]。

4 討論

4.1 反饋復(fù)雜性和學(xué)習(xí)者先前知識對遷移成績的影響

本研究探索了精細反饋的復(fù)雜性對不同先前知識水平學(xué)習(xí)者學(xué)習(xí)遷移的影響，發(fā)現(xiàn)學(xué)習(xí)者的先前知識和反饋復(fù)雜性在遷移成績上存在顯著的交互作用。先前知識水平低的學(xué)習(xí)者在詳細解釋條件下的遷移成績顯著高于線索條件，而先前知識水平高的學(xué)習(xí)者在兩種反饋條件下的遷移成績沒有顯著差異。也就是說反饋復(fù)雜性只影響低先前知識者的學(xué)習(xí)遷移，支持假設(shè)1。這一結(jié)果表明，詳細解釋反饋比線索反饋對低先前知識者的學(xué)習(xí)遷移產(chǎn)生了更大的促進作用。詳細解釋不僅為學(xué)習(xí)者提供解題線索，還告知詳細解題步驟以及正確答案。對于缺少先前知識的學(xué)習(xí)者來說，詳細解釋提供的豐富信息正好可以彌補他們先前知識的不足，促進他們對新舊信息的整合，進而促進對當(dāng)前問題的解決。而對高先前知識者，由于他們具有相對更多的心理統(tǒng)計學(xué)知識，提供線索便能激活他們的先前知識，幫助他們解決當(dāng)前問題；詳細解釋雖然提供了豐富信息，但由于與其先前知識重疊，并不能發(fā)揮額外的促進作用。因而，對于高先前知識者，復(fù)雜性不同的兩種反饋產(chǎn)生的效果相同。這一發(fā)現(xiàn)與部分前人研究結(jié)果一致（Fyfe, 2016; Krause et al., 2009），證實了在計算機精細反饋學(xué)習(xí)中存在經(jīng)驗?zāi)孓D(zhuǎn)效應(yīng)。即更復(fù)雜的精細反饋能促進低先前知識者的學(xué)習(xí)遷移，但不一定促進高先前知識者的學(xué)習(xí)遷移。

本研究這一發(fā)現(xiàn)與Smits 等（2008）的結(jié)果不一致，主要原因是學(xué)習(xí)內(nèi)容的領(lǐng)域不同。van der Kleij 等（2015）的元分析發(fā)現(xiàn)，反饋的效應(yīng)量在數(shù)學(xué)領(lǐng)域最大（ES=0.93），在社會科學(xué)（ES=0.46）和科學(xué)（ES=0.40）領(lǐng)域中等，在語言領(lǐng)域最?。‥S=0.25）。本研究中的心理統(tǒng)計學(xué)課程和數(shù)學(xué)關(guān)系密切，而Smits 等（2008）研究中的生物主題屬于科學(xué)領(lǐng)域，不同研究中學(xué)習(xí)主題的學(xué)科差異可能是影響反饋效果的一個重要原因。其次，兩個研究中被試年級不同。反饋對不同年級學(xué)生的學(xué)習(xí)影響可能存在差異，這還有待進一步研究確證。由此推論，隨著學(xué)習(xí)者領(lǐng)域知識的變化，不同復(fù)雜程度的反饋對不同學(xué)科領(lǐng)域?qū)W習(xí)的影響可能也隨之變化。未來研究還需進一步探索反饋復(fù)雜性對不同學(xué)科領(lǐng)域?qū)W習(xí)效果的影響以及學(xué)習(xí)者先前知識和其他個體特征在其中的作用。

4.2 反饋復(fù)雜性和學(xué)習(xí)者先前知識對外在認(rèn)知負荷的影響

本研究對基于反饋內(nèi)容的外在認(rèn)知負荷的分析發(fā)現(xiàn)，低先前知識者比高先前知識者感受到反饋給他們帶來了更大的外在認(rèn)知負荷；線索反饋條件下的學(xué)習(xí)者比詳細解釋反饋條件下的學(xué)習(xí)者感受到反饋內(nèi)容帶來的外在認(rèn)知負荷更高。這表明，先前知識水平和反饋復(fù)雜性都影響學(xué)習(xí)者對基于反饋的外在認(rèn)知負荷的感知。這一發(fā)現(xiàn)部分支持假設(shè)2。

詳細解釋反饋比線索反饋給低先前知識者帶來了更低的外在認(rèn)知負荷，進而促進其學(xué)習(xí)遷移；而對高先前知識者，詳細解釋反饋也比線索反饋導(dǎo)致了更低的外在認(rèn)知負荷，但沒有促進其學(xué)習(xí)遷移。這一發(fā)現(xiàn)與經(jīng)驗?zāi)孓D(zhuǎn)效應(yīng)部分相符（Kalyuga, 2007）。對于低先前知識者，詳細解釋所提供的信息填補了學(xué)習(xí)任務(wù)和他們已有知識間的鴻溝，提高了反饋信息的可利用性，從而促進學(xué)習(xí)遷移；而線索反饋所提供的信息可能不足以幫助他們在學(xué)習(xí)任務(wù)和先前知識間建立充分聯(lián)系，因此，線索反饋被學(xué)習(xí)者評估為更難利用，對學(xué)習(xí)遷移的促進作用也不如詳細解釋反饋顯著。

那為什么相對于線索反饋，詳細解釋反饋給高先前知識者也帶來了更低的外在認(rèn)知負荷？這可能與本研究的任務(wù)特征有關(guān)。心理統(tǒng)計學(xué)對心理學(xué)專業(yè)學(xué)生來說是一門較難的課程。當(dāng)學(xué)習(xí)材料比較簡單時，雖然降低外部認(rèn)知負荷的教學(xué)支持對先前知識低的學(xué)習(xí)者有效，但可能為先前知識高的學(xué)習(xí)者提供了冗余信息，給其認(rèn)知加工增添額外負擔(dān)，進而阻礙其學(xué)習(xí)。而當(dāng)學(xué)習(xí)材料比較復(fù)雜時，高先前知識者的已有圖式可以指導(dǎo)他們從詳細解釋反饋提供的內(nèi)容中選擇相關(guān)信息用于建構(gòu)和整合，避免不必要的認(rèn)知加工，降低外在認(rèn)知負荷（Kalyuga, 2007; 吳先強, 韋斯林,2009）。由此推測，針對心理統(tǒng)計學(xué)課程的詳細解釋反饋雖然包含了豐富的信息，但可以為高先前知識者提供必要的支持，因而帶來的外在認(rèn)知負荷相對線索反饋更小。未來還有待探索在不同難度的學(xué)習(xí)任務(wù)中，反饋復(fù)雜性對學(xué)習(xí)者認(rèn)知負荷和學(xué)習(xí)遷移的影響。

4.3 反饋復(fù)雜性和學(xué)習(xí)者先前知識對反饋知覺的影響

本研究還發(fā)現(xiàn)，高先前知識者在不同反饋上的使用知覺得分都顯著高于低先前知識者，且對兩種反饋的使用知覺沒有顯著差異；而低先前知識者對詳細解釋反饋的使用知覺好于線索反饋，達到邊緣顯著。這一結(jié)果部分驗證了假設(shè)3。這說明低先前知識者評價詳細解釋反饋比線索反饋更能幫助他們學(xué)習(xí)。而高先前知識者對兩種反饋的知覺雖然沒有顯著差異，但都較高，表明他們會嘗試?yán)斫夂蛻?yīng)用線索反饋或者詳細解釋反饋的內(nèi)容幫助學(xué)習(xí)。這一結(jié)果與以往研究發(fā)現(xiàn)的反饋影響學(xué)習(xí)者知覺的結(jié)果部分一致（Strijbos et al.,2010）。本研究考慮了學(xué)習(xí)者的先前知識這一個體特征，獲得了先前知識影響學(xué)習(xí)者對不同復(fù)雜程度反饋的知覺這一新發(fā)現(xiàn)，為反饋受信息接受者影響的模型（Ilgen et al., 1979）提供了基于計算機學(xué)習(xí)環(huán)境下的實證證據(jù)。

4.4 反饋復(fù)雜性和學(xué)習(xí)者先前知識對動機的影響

本研究發(fā)現(xiàn)，高先前知識者的動機顯著高于低先前知識者；詳細解釋組的動機顯著高于線索組。這表明先前知識水平和反饋復(fù)雜性都能促進學(xué)習(xí)者的動機。這一結(jié)果支持假設(shè)4，也與以往傳統(tǒng)環(huán)境下反饋促進學(xué)習(xí)動機的研究結(jié)果一致（楊春, 路海東, 2015）。心理統(tǒng)計學(xué)是一門較難的課程，當(dāng)學(xué)習(xí)系統(tǒng)給學(xué)習(xí)者提供內(nèi)容豐富的反饋支持，學(xué)習(xí)者就知覺到較多的控制感，對學(xué)習(xí)統(tǒng)計更加有信心，并且對整個形成性評價學(xué)習(xí)過程感到更加滿意。Wang 和Wu（2008）的研究也發(fā)現(xiàn)了類似的結(jié)果，也即在網(wǎng)絡(luò)學(xué)習(xí)中為學(xué)習(xí)者提供精細反饋可以提高學(xué)習(xí)者的效能感，進而促進學(xué)習(xí)者使用更多的學(xué)習(xí)策略。本研究和以往研究的結(jié)果表明，為學(xué)習(xí)者提供精細反饋可以提高其學(xué)習(xí)動機。

4.5 啟示和不足

本研究以心理學(xué)專業(yè)課程心理統(tǒng)計學(xué)為反饋學(xué)習(xí)內(nèi)容，在計算機學(xué)習(xí)環(huán)境下探討了精細反饋和學(xué)習(xí)者先前知識對學(xué)習(xí)的影響，并發(fā)現(xiàn)，精細反饋復(fù)雜性對學(xué)習(xí)遷移和反饋知覺的影響受到學(xué)習(xí)者先前知識的調(diào)節(jié)，精細反饋復(fù)雜性和先前知識都顯著影響學(xué)習(xí)者感知到的外在認(rèn)知負荷和動機。本研究的創(chuàng)新之處在于，突破了已有研究多關(guān)注有無反饋、簡單反饋與精細反饋對學(xué)習(xí)影響的局限，通過揭示不同復(fù)雜性的精細反饋與學(xué)習(xí)者先前知識的交互作用，支持和豐富了反饋發(fā)揮作用的理論模型（Ilgen et al., 1979; Timmers &Veldkamp, 2011），并進一步確證了計算機反饋學(xué)習(xí)中存在的經(jīng)驗?zāi)孓D(zhuǎn)效應(yīng)（Kalyuga, 2007）。本研究的結(jié)果為在計算機學(xué)習(xí)環(huán)境下如何為學(xué)習(xí)者提供個性化的、適應(yīng)性的反饋提供了指導(dǎo)和參考。教學(xué)者和設(shè)計者向?qū)W習(xí)者提供反饋時要考慮學(xué)習(xí)者的知識水平，根據(jù)任務(wù)特征提供合適的反饋，且反饋應(yīng)隨著學(xué)習(xí)者知識水平的變化而改變。

本研究結(jié)果在推廣到其他內(nèi)容領(lǐng)域時需謹(jǐn)慎。本研究學(xué)習(xí)材料是出自心理統(tǒng)計學(xué)課程，學(xué)習(xí)任務(wù)聚焦于程序性知識，題目類型是選擇題，這些都可能給實驗結(jié)果的推廣帶來一定的局限。未來研究可以考察學(xué)習(xí)者先前知識和反饋復(fù)雜性對不同領(lǐng)域不同類型知識學(xué)習(xí)的作用及機制。未來研究還可以采用出聲思維、日志追蹤和眼動追蹤等方法客觀記錄學(xué)習(xí)過程，探討反饋特征、個體特征和任務(wù)特征在反饋影響學(xué)習(xí)中的作用，深入揭示反饋發(fā)揮積極作用的過程和條件。

5 結(jié)論

本研究在心理統(tǒng)計學(xué)課程形成性評價學(xué)習(xí)系統(tǒng)中，探索精細反饋復(fù)雜性和學(xué)習(xí)者先前知識水平對反饋學(xué)習(xí)效果的影響，得到如下結(jié)論：

（1）精細反饋的復(fù)雜性對先前知識水平不同學(xué)習(xí)者學(xué)習(xí)遷移的影響不同，學(xué)習(xí)者先前知識水平在反饋復(fù)雜性影響遷移成績中起調(diào)節(jié)作用。詳細解釋反饋相比線索反饋對低先前知識者的學(xué)習(xí)遷移有更大的促進作用；但是精細反饋的復(fù)雜性不影響高先前知識者的學(xué)習(xí)遷移。

（2）精細反饋的復(fù)雜性和學(xué)習(xí)者先前知識影響學(xué)習(xí)者感知到的外在認(rèn)知負荷和動機。相比低先前知識者，高先前知識者產(chǎn)生了更低的外部認(rèn)知負荷和更強的動機；詳細解釋條件下的學(xué)習(xí)者比線索條件下的學(xué)習(xí)者感受到更低的外部認(rèn)知負荷，產(chǎn)生了更強的動機。反饋復(fù)雜性影響低先前知識者對反饋的知覺，但不影響高先前知識者的反饋知覺。

參 考 文 獻

吳先強, 韋斯林. (2009). 國外認(rèn)知負荷理論與有效教學(xué)的研究進展及啟示. 全球教育展望, 38(2), 28–31.

楊春, 路海東. (2015). 不同形式的評估反饋對大學(xué)生的學(xué)習(xí)動機和學(xué)習(xí)成績的影響. 心理與行為研究, 13(2), 237–241, doi: 10.3969/j.issn.1672-0628.2015.02.014.

張貝貝. (2015). 網(wǎng)絡(luò)學(xué)習(xí)反饋對網(wǎng)絡(luò)學(xué)習(xí)效果影響的實證研究(碩士學(xué)位論文). 遼寧師范大學(xué), 大連.

Bangert-Drowns, R. L., Kulik, C. L. C., Kulik, J. A., & Morgan, M. T.(1991). The instructional effect of feedback in test-like events. Review of Educational Research, 61(2), 213–238, doi: 10.3102/00346543061002213.

Cheng, G. (2017). The impact of online automated feedback on students’reflective journal writing in an EFL course. The Internet and Higher Education, 34, 8–27.

Dresel, M., & Haugwitz, M. (2008). A computer-based approach to fostering motivation and self-regulated learning. The Journal of Experimental Education, 77(1), 3–20, doi: 10.3200/JEXE.77.1.3-20.

Finn, B., Thomas, R., & Rawson, K. A. (2018). Learning more from feedback: Elaborating feedback with examples enhances concept learning. Learning and Instruction, 54, 104–113, doi: 10.1016/j.learninstruc.2017.08.007.

Fyfe, E. R. (2016). Providing feedback on computer-based algebra homework in middle-school classrooms. Computers in Human Behavior, 63, 568–574, doi: 10.1016/j.chb.2016.05.082.

Fyfe, E. R., & Rittle-Johnson, B. (2016). Feedback both helps and hinders learning: The causal role of prior knowledge. Journal of Educational Psychology, 108(1), 82–97, doi: 10.1037/edu0000053.

Fyfe, E. R., Rittle-Johnson, B., & DeCaro, M. S. (2012). The effects of feedback during exploratory mathematics problem solving: Prior knowledge matters. Journal of Educational Psychology, 104(4),1094–1108, doi: 10.1037/a0028389.

Gerjets, P., Scheiter, K., Opfermann, M., Hesse, F. W., & Eysink, T. H. S.(2009). Learning with hypermedia: The influence of representational formats and different levels of learner control on performance and learning behavior. Computers in Human Behavior, 25(2), 360–370,doi: 10.1016/j.chb.2008.12.015.

Gibbs, G., & Simpson, C. (2003). Measuring the response of students to assessment: The Assessment Experience Questionnaire. In Proceedings of the 11th international improving student learning symposium.England: Hinckley.

Golke, S., D?rfler, T., & Artelt, C. (2015). The impact of elaborated feedback on text comprehension within a computer-based assessment.Learning and Instruction, 39, 123–136, doi: 10.1016/j.learninstruc.2015.05.009.

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112, doi: 10.3102/003465430298487.

Ilgen, D. R., Fisher, C. D., & Taylor, M. S. (1979). Consequences of individual feedback on behavior in organizations. Journal of Applied Psychology, 64(4), 349–371, doi: 10.1037/0021-9010.64.4.349.

Kalyuga, S. (2007). Expertise reversal effect and its implications for learnertailored instruction. Educational Psychology Review, 19(4), 509–539,doi: 10.1007/s10648-007-9054-3.

Keller, J. M. (2010). Motivational design for learning and performance: The ARCS model approach. New York, NY: Springer.

Krause, U. M., Stark, R., & Mandl, H. (2009). The effects of cooperative learning and feedback on e-learning in statistics. Learning and Instruction, 19(2), 158–170, doi: 10.1016/j.learninstruc.2008.03.003.

Lachner, A., Burkhart, C., & Nückles, M. (2017). Formative computerbased feedback in the university classroom: Specific concept maps scaffold students’ writing. Computers in Human Behavior, 72,459–469, doi: 10.1016/j.chb.2017.03.008.

Lin, L. J., Atkinson, R. K., Christopherson, R. M., Joseph, S. S., & Harrison,C. J. (2013). Animated agents and learning: Does the type of verbal feedback they provide matter? Computers & Education, 67, 239–249.

Mory, E. H. (2004). Feedback research revisited. In D. Jonassen (Ed.),Handbook of research on educational communications and technology(pp. 745–783). Mahwah: Lawrence Erlbaum Associates Publishers.

Narciss, S. (2008). Feedback strategies for interactive learning tasks. In J.M. Spector, M. D. Merrill, J. J. G. van Merrienboer, & M. P. Driscoll(Eds.), Handbook of research on educational communications and technology (3rd ed., pp. 125–144). Mahwah: Lawrence Erlbaum Associates Publishers.

Narciss, S. (2013). Designing and evaluating tutoring feedback strategies for digital learning environments on the basis of the interactive tutoring feedback model. Digital Education Review, 23, 7–26.

Narciss, S., Sosnovsky, S., Schnaubert, L., Andrès, E., Eichelmann, A.,Goguadze, G., & Melis, E. (2014). Exploring feedback and student characteristics relevant for personalizing feedback strategies.Computers & Education, 71, 56–76.

Roelle, J., Berthold, K., & Fries, S. (2011). Effects of feedback on learning strategies in learning journals: Learner-expertise matters. International Journal of Cyber Behavior, Psychology and Learning, 1(2), 16–30, doi:10.4018/ijcbpl.2011040102.

Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153–189, doi: 10.3102/0034654307313795.

Smits, M. H. S. B., Boon, J., Sluijsmans, D. M. A., & van Gog, T. (2008).Content and timing of feedback in a web-based learning environment:Effects on learning as a function of prior knowledge. Interactive Learning Environments, 16(2), 183–193, doi: 10.1080/10494820701365952.

Strijbos, J. W., Narciss, S., & Dünnebier, K. (2010). Peer feedback content and sender’s competence level in academic writing revision tasks: Are they critical for feedback perceptions and efficiency. Learning and Instruction, 20(4), 291–303, doi: 10.1016/j.learninstruc.2009.08.008.

Timmers, C., & Veldkamp, B. (2011). Attention paid to feedback provided by a computer-based assessment for learning on information literacy.Computers & Education, 56(3), 923–930.

van der Kleij, F. M., Eggen, T. J. H. M., Timmers, C. F., & Veldkamp, B. P.(2012). Effects of feedback in a computer-based assessment for learning. Computers & Education, 58(1), 263–272.

van der Kleij, F. M., Feskens, R. C. W., & Eggen, T. J. H. M. (2015).Effects of feedback in a computer-based learning environment on students’ learning outcomes: A meta-analysis. Review of Educational Research, 85(4), 475–511, doi: 10.3102/0034654314564881.

Wang, S. L., & Wu, P. Y. (2008). The role of feedback and self-efficacy on web-based learning: The social cognitive perspective. Computers &Education, 51(4), 1589–1598.

Zou, X. L., & Zhang, X. N. (2013). Effect of different score reports of webbased formative test on students’ self-regulated learning. Computers &Education, 66, 54–63.