龚科 刘玉 张艺红 李俊一

    (四川师范大学心理学院，成都 610066)

    1 引言

    1.1 钻牛角尖定义

    坚持性、尽责性和自我控制通常被认为是优秀学生的必备品质。它们与学生的学业成绩、创造力以及未来收入呈正相关(Credé et al.，2017)。然而，并非所有的坚持都有效，有些学生努力学习却不见成效。Beck 和Gong(2013)最早在智能导学系统(Intelligent Tutor System，ITS)中发现了一种无效的坚持行为，并取名为wheel-spinning。我们将其意译为钻牛角尖，指学生花费大量时间在某个知识点的学习上，但始终达不到掌握，他习惯不假思索地连续答题，既不停下反思，也不寻求帮助。对钻牛角尖的操作定义有很多，如Beck 和Gong(2013)在ASSISTments 平台上，将学生连续答题十次以上却没有掌握该技能的行为标记为钻牛角尖，并发现约38%的学生存在钻牛角尖。对于“达到掌握”的标准，ASSISTments 平台将连续正确回答3 次问题视为“达到掌握”。在一款名为Cognitive Tutor 的ITS 中，通过贝叶斯知识追踪(Bayesian Knowledge Tracing，BKT)对学生的知识掌握情况进行推算，熟练度大于95%则视为“达到掌握”。无论采用哪种操作定义，钻牛角尖都普遍存在，且常伴随学业不良现象。该行为不仅影响学习效果和自我效能感，且学生更难进入大学深造(Adjei et al.，2021)。本研究则将钻牛角尖定义为学生在某个问题集(problem set)上回答十次或以上，仍未达到掌握且不向系统求助。根据本文所用ITS 特性，一个问题集对应十个问题，故将十次设为临界点；该定义也是沿用领域内对钻牛角尖的经典操作定义。

    1.2 钻牛角尖预测研究

    为帮助学习者达到更好学习效果，提升自学能力，许多人试图实现钻牛角尖的自动预测。Kai 等(2018)运用决策树对学生在ITS 中的答题行为序列进行建模，最终模型的AUC(评价模型效果的主要指标，越接近1 预测效果越好)达到0.684，发现较少使用系统提示功能的学生更可能钻牛角尖。Zhang 等(2019)发现学生的答题速度、注意力与钻牛角尖关联很强，学生不愿停下反思而是不断答题，导致无法掌握知识点。虽然前人运用机器学习预测钻牛角尖的精度和速度逐步提高，但这些研究尚存在诸多问题。首先，前人更加注重模型预测效果，忽略了模型可解释性；导致不清楚钻牛角尖的内在机制，无法开展有针对性的干预 ......