精选今天0 投票
数学辅导中的习得性无助：Apriori算法揭示行为模式与干预效果
一项最新研究利用关联规则挖掘中的 Apriori算法，系统分析了数学辅导系统中学生的行为交互模式，重点探讨了 习得性无助 在不同水平、干预条件和解题结果下的表现。该论文发表于《电子学习电子期刊》，揭示了学生“跳过题目而不使用提示”与“未解决”结果之间的强关联，而“不跳过”行为则与“解决”结果稳定相关。
核心发现
研究将学生按 习得性无助水平（低 vs 高）和 系统干预条件（有 vs 无）分组，分析了完整数据集中的行为模式。结果显示：
- 低习得性无助学生 更倾向于“不跳过”与“解题成功”之间的正向关联，提示的使用也与解决结果积极相关。
- 高习得性无助学生 则表现出更多的回避模式，“跳过”行为与“未解决”结果紧密关联。
- 在 无干预 条件下，“坚持-成功”的关联强度最高；而 有干预 条件下，跳过行为与未解决结果的模式反而更明显，提示干预可能未能有效扭转回避行为。
方法论与意义
Apriori算法常用于购物篮分析，但在此被创新性地应用于教育数据挖掘。研究者通过计算 支持度、置信度和提升度，量化了行为与结果之间的关联强度。例如，“不跳过”在全体数据中与“解决”结果的提升度最高，表明坚持尝试是成功的关键因素。
实践启示
研究建议，数学辅导系统应针对高习得性无助学生设计 个性化干预策略，例如在检测到频繁跳过时提供即时鼓励或分解题目。同时，简单的“提供提示”可能不足以改变行为，需要结合动机支持。
局限与展望
该研究基于单一系统的日志数据，样本规模有限。未来可结合眼动追踪或情感计算，进一步理解习得性无助的认知机制。此外，干预效果的因果推断仍需随机对照实验验证。
总的来说，这项研究为 AI辅导系统 的行为分析提供了新视角，通过数据驱动的方法揭示了学生内在心理状态的外显行为模式，对自适应学习系统的设计具有重要参考价值。