學(xué)習(xí)分析儀表盤(pán)真的促進(jìn)自我調(diào)節(jié)學(xué)習(xí)了嗎？

趙蔚 程諾 徐曉青 姜強(qiáng)

[摘 ? 要] 學(xué)習(xí)分析儀表盤(pán)作為可視化反饋工具越來(lái)越受重視，但它在促進(jìn)自我調(diào)節(jié)學(xué)習(xí)的成效方面仍然存在爭(zhēng)議。研究采用元分析方法，對(duì)學(xué)習(xí)分析儀表盤(pán)促進(jìn)自我調(diào)節(jié)學(xué)習(xí)進(jìn)行系統(tǒng)文獻(xiàn)分析。納入的24項(xiàng)實(shí)驗(yàn)分析表明：學(xué)習(xí)分析儀表盤(pán)對(duì)自我調(diào)節(jié)學(xué)習(xí)有正向促進(jìn)作用，合并效應(yīng)值為0.415。研究進(jìn)一步從實(shí)驗(yàn)特征、表征形式和設(shè)計(jì)依據(jù)三個(gè)維度進(jìn)行深入的調(diào)節(jié)變量分析，結(jié)果表明：實(shí)驗(yàn)時(shí)長(zhǎng)、環(huán)境和對(duì)象等實(shí)驗(yàn)特征并不影響學(xué)習(xí)分析儀表盤(pán)對(duì)自我調(diào)節(jié)學(xué)習(xí)的促進(jìn)效果，但學(xué)習(xí)分析儀表盤(pán)的內(nèi)容、形式、挖掘程度以及是否有理論基礎(chǔ)都會(huì)對(duì)促進(jìn)效果產(chǎn)生影響?；诖耍芯繌慕逃虒W(xué)融合視角，建議學(xué)習(xí)分析儀表應(yīng)強(qiáng)化與教學(xué)理論的聯(lián)結(jié)，形成平衡認(rèn)知負(fù)荷，兼顧數(shù)據(jù)素養(yǎng)的設(shè)計(jì)原則，為提升自我調(diào)節(jié)學(xué)習(xí)提供有效支持。

[關(guān)鍵詞] 學(xué)習(xí)分析儀表盤(pán)； 自我調(diào)節(jié)學(xué)習(xí)； 元分析； 數(shù)據(jù)素養(yǎng)； 認(rèn)知負(fù)荷

[中圖分類(lèi)號(hào)] G434 ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 趙蔚（1963—），女，吉林長(zhǎng)春人。教授，博士，主要從事學(xué)習(xí)分析、自我調(diào)節(jié)學(xué)習(xí)研究。E-mail：zhaow577@nenu.edu.cn。

一、 引 ? 言

自我調(diào)節(jié)學(xué)習(xí)（Self-regulated Learning，SRL）是維持學(xué)習(xí)狀態(tài)、決定在線學(xué)習(xí)成功的關(guān)鍵要素[1]。如何提升自我調(diào)節(jié)學(xué)習(xí)能力已經(jīng)成為在線教育研究的核心關(guān)注點(diǎn)。學(xué)習(xí)分析儀表盤(pán)（Learning Analytics Dashboard，LAD）是優(yōu)化學(xué)習(xí)和體驗(yàn)的干預(yù)工具。它通過(guò)提供學(xué)習(xí)狀態(tài)、指導(dǎo)反思等方式，幫助學(xué)習(xí)者監(jiān)控學(xué)習(xí)過(guò)程，從而改善自我調(diào)節(jié)學(xué)習(xí)，最終提高學(xué)業(yè)成績(jī)。當(dāng)前學(xué)習(xí)分析儀表盤(pán)對(duì)自我調(diào)節(jié)學(xué)習(xí)影響的研究結(jié)論并不一致。部分研究肯定了學(xué)習(xí)分析儀表盤(pán)的作用：“有效”的學(xué)習(xí)分析儀表盤(pán)會(huì)影響學(xué)習(xí)者的自我調(diào)節(jié)行為，最終影響學(xué)習(xí)行為和結(jié)果[2-3]。部分研究指出：當(dāng)前幾乎沒(méi)有證據(jù)表明學(xué)習(xí)者利用學(xué)習(xí)分析發(fā)展自我調(diào)節(jié)學(xué)習(xí)[4]，學(xué)習(xí)分析儀表盤(pán)不被建議支持元認(rèn)知[5]。由此可見(jiàn)，LAD對(duì)于SRL的作用仍存在結(jié)論不統(tǒng)一問(wèn)題。其次，SRL和學(xué)習(xí)分析之間的交叉點(diǎn)未被充分研究，LAD作為學(xué)習(xí)分析反饋工具，在高等教育應(yīng)用越來(lái)越廣泛，研究LAD在多大程度上支持自我調(diào)節(jié)學(xué)習(xí)依舊很有必要。

鑒于學(xué)習(xí)分析儀表盤(pán)在支持自我調(diào)節(jié)學(xué)習(xí)方面的廣泛認(rèn)可，本研究通過(guò)綜述現(xiàn)有LAD的實(shí)證文章，利用元分析方法，從宏觀層面上解決研究結(jié)論及解釋存在爭(zhēng)議的問(wèn)題，進(jìn)一步驗(yàn)證LAD是否促進(jìn)SRL，探究LAD在多大程度上促進(jìn)SRL，實(shí)施過(guò)程中，LAD的哪些關(guān)鍵要素會(huì)影響SRL效果，以期為學(xué)習(xí)分析儀表盤(pán)的研究、設(shè)計(jì)和實(shí)施更好地促進(jìn)自我調(diào)節(jié)學(xué)習(xí)提供一定借鑒和參考。

二、研究設(shè)計(jì)

（一）研究方法與工具

研究采用元分析方法，對(duì)國(guó)內(nèi)外LAD對(duì)SRL影響的相關(guān)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，以探究LAD對(duì)SRL的促進(jìn)效果。元分析過(guò)程包括文獻(xiàn)檢索與編碼、數(shù)據(jù)分析（異質(zhì)性檢驗(yàn)、效應(yīng)值計(jì)算、發(fā)表偏倚檢驗(yàn)等）和證據(jù)解釋。研究使用Comprehensive Meta Analysis Version 3.0（CMA-v3.0）作為分析工具。該軟件可以依據(jù)內(nèi)置的計(jì)算公式，對(duì)輸入的樣本量、均值、標(biāo)準(zhǔn)差進(jìn)行計(jì)算，直接給出效應(yīng)量表格，是教育領(lǐng)域元分析使用頻率較高的軟件。

（二）文獻(xiàn)搜索與篩選

英文以“Learning Dashboard & Self-regulated”和“Learning Analytics Dashboard & Self-regulated”為主題，檢索了WOS、Science Direct、Google Scholar等數(shù)據(jù)庫(kù)的教育領(lǐng)域文獻(xiàn)，包括學(xué)習(xí)分析領(lǐng)域較為權(quán)威的LAK會(huì)議論文，檢索時(shí)間為2012年1月至2022年9月。中文以“儀表盤(pán)+自我調(diào)節(jié)”為主題，在CNKI進(jìn)行檢索。為保證文獻(xiàn)的代表性和全面性，對(duì)已獲取文獻(xiàn)的參考文獻(xiàn)進(jìn)行二次檢索，同時(shí)擴(kuò)大數(shù)據(jù)庫(kù)到ACM和書(shū)籍進(jìn)行文獻(xiàn)補(bǔ)充。

文獻(xiàn)篩選過(guò)程如圖1所示。首先，通過(guò)閱讀文獻(xiàn)標(biāo)題和摘要對(duì)檢索的1368篇文獻(xiàn)進(jìn)行初篩。篩選過(guò)程中剔除僅在文中提到相關(guān)主題，但研究核心或重點(diǎn)不是LAD和SRL的文獻(xiàn)，同時(shí)剔除綜述類(lèi)、概念類(lèi)等非實(shí)證研究文獻(xiàn)和重復(fù)文獻(xiàn)，初篩得到有效文獻(xiàn)131篇。其次，全文閱讀階段，用于分析的文獻(xiàn)需報(bào)告均值、標(biāo)準(zhǔn)差和樣本量或效應(yīng)量。按照元分析數(shù)據(jù)要求剔除非實(shí)證、實(shí)驗(yàn)數(shù)據(jù)不全、數(shù)據(jù)不符合標(biāo)準(zhǔn)的文獻(xiàn)，剩余有效文獻(xiàn)20篇[6-25]。20篇文獻(xiàn)中可納入元分析的實(shí)驗(yàn)共24項(xiàng)。

（三）文獻(xiàn)編碼

研究旨在探索LAD對(duì)SRL的影響，同時(shí)研究可能會(huì)對(duì)該影響產(chǎn)生作用的調(diào)節(jié)變量。因此，自變量為L(zhǎng)AD，因變量為SRL效果。參考相關(guān)研究[26]選取標(biāo)準(zhǔn)，結(jié)合自身研究?jī)?nèi)容，將調(diào)節(jié)變量歸納為三類(lèi)，分別為研究特征、LAD表征形式和LAD設(shè)計(jì)依據(jù)，見(jiàn)表1。

研究特征包括研究對(duì)象、干預(yù)時(shí)長(zhǎng)和實(shí)驗(yàn)環(huán)境。實(shí)驗(yàn)涉及大學(xué)、小學(xué)兩個(gè)教育階段，考慮到MOOC課程特殊性，將研究對(duì)象劃分為大學(xué)、小學(xué)、MOOC。參考既往元分析文獻(xiàn)，將干預(yù)時(shí)長(zhǎng)劃分為0～2月、2～4月、4個(gè)月及以上三個(gè)階段。實(shí)驗(yàn)環(huán)境劃分為線上、線下和混合三類(lèi)。

表征形式指LAD界面呈現(xiàn)方式，共四個(gè)調(diào)節(jié)變量：（1）LAD內(nèi)容劃分為行為信息、表現(xiàn)信息、交互信息三類(lèi)。行為信息指學(xué)習(xí)者登錄平臺(tái)次數(shù)、時(shí)長(zhǎng)和點(diǎn)擊數(shù)據(jù)等行為指標(biāo)。表現(xiàn)信息指學(xué)習(xí)者獲得的成績(jī)、測(cè)試得分等信息。交互信息指學(xué)習(xí)者與同伴互動(dòng)的信息。同時(shí)包括多個(gè)信息編碼為混合信息。（2）LAD形式劃分為圖文、圖表。圖表指LAD以可視化圖表展示。同時(shí)由圖表和文字解釋編碼為圖文。若文獻(xiàn)未展示LAD，編碼為未說(shuō)明。（3）根據(jù)LAD內(nèi)容分析程度將挖掘程度劃分為簡(jiǎn)單分析、深入分析和假設(shè)信息。（4）根據(jù)LAD是否包含個(gè)人與集體的對(duì)比信息分成兩類(lèi)。

設(shè)計(jì)依據(jù)方面包含干預(yù)目的和理論基礎(chǔ)兩個(gè)調(diào)節(jié)變量。LAD的干預(yù)目的分為階段、行為、元認(rèn)知和動(dòng)機(jī)四類(lèi)。具體來(lái)說(shuō)，支持計(jì)劃、監(jiān)控、反思等一個(gè)或多個(gè)過(guò)程劃分為“階段”，幫助學(xué)習(xí)者改變行為、制定計(jì)劃等劃分為“行為”，自我評(píng)估、反思和元認(rèn)知?jiǎng)澐譃樵J(rèn)知，情緒和動(dòng)機(jī)劃分為動(dòng)機(jī)。根據(jù)文獻(xiàn)中LAD是否有理論基礎(chǔ)，編碼為兩類(lèi)。

為保證元分析編碼的質(zhì)量與可靠性。研究由兩名成員共同完成編碼，先以兩篇文獻(xiàn)為例，對(duì)編碼框架進(jìn)行協(xié)商討論，達(dá)成一致性后，獨(dú)立對(duì)剩余文獻(xiàn)進(jìn)行編碼。編碼一致性采用Kappa系數(shù)，計(jì)算得出一致性為0.82，說(shuō)明編碼一致性較高，編碼具有可靠性。不一致編碼由兩名成員再次協(xié)商確定。

三、數(shù)據(jù)分析

（一）效應(yīng)值和異質(zhì)性檢驗(yàn)

效應(yīng)值是衡量實(shí)驗(yàn)效果大小的指標(biāo)，常用的效應(yīng)值包括Cohen's d和Hedges' g。在本研究中，由于樣本較小，因此采用Hedges' g作為效應(yīng)值。參考Cohen提出的效應(yīng)值標(biāo)準(zhǔn)，效應(yīng)值絕對(duì)值為0.2代表小效應(yīng)，0.5為中等效應(yīng)，0.8為大效應(yīng)。合并的效應(yīng)值取值越大，代表實(shí)驗(yàn)效應(yīng)越好。

計(jì)算合并效應(yīng)值前需要進(jìn)行異質(zhì)性檢驗(yàn)，即判斷納入的研究是否存在異質(zhì)性。如果異質(zhì)性較大采用隨機(jī)效應(yīng)模型，異質(zhì)性較小采用固定效應(yīng)模型。采用的模型不同，得到的效應(yīng)值也不同，醫(yī)學(xué)通常建議采用隨機(jī)效應(yīng)模型。異質(zhì)性檢驗(yàn)包括Q檢驗(yàn)和I2兩種方法。本研究Q=117.78（p＜0.05），說(shuō)明樣本之間存在異質(zhì)性；I2=80.47，說(shuō)明80.5%的變異是由效應(yīng)值的真實(shí)差異引起，19.5%的差異是由誤差導(dǎo)致。因此，采用隨機(jī)效應(yīng)模型來(lái)綜合考慮研究間和研究?jī)?nèi)的變異。

（二）整體效應(yīng)檢驗(yàn)結(jié)果

LAD對(duì)SRL的整體作用效果見(jiàn)表2，分析共包含24個(gè)樣本量，合并效應(yīng)值g=0.415，p<0.05。g值處于0.2到0.5之間，是中等的效應(yīng)量。無(wú)論固定效應(yīng)模型還是隨機(jī)效應(yīng)模型都表明LAD對(duì)SRL有顯著的促進(jìn)作用，作用效果中等。接下來(lái)對(duì)可能引起研究結(jié)果存在差異的調(diào)節(jié)變量進(jìn)行分析，確定最優(yōu)干預(yù)方式。

（三）調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果

1. 研究特征對(duì)SRL效果的調(diào)節(jié)作用分析

在進(jìn)行調(diào)節(jié)變量分析時(shí)，只有亞組的樣本量大于3才具有分析價(jià)值。根據(jù)調(diào)節(jié)變量組間效應(yīng)量是否顯著，判斷該變量是否為造成元分析結(jié)果差異的因素。見(jiàn)表3，研究對(duì)象的組間效應(yīng)QB=0.360，p>0.05，說(shuō)明研究對(duì)象并沒(méi)有發(fā)揮調(diào)節(jié)變量的作用，其中MOOC研究樣本量小于3，則MOOC的效應(yīng)值不具備參考價(jià)值。以此類(lèi)推，研究特征維度沒(méi)有發(fā)現(xiàn)造成效應(yīng)值存在差異的因素，具體而言：

研究對(duì)象方面，大學(xué)階段實(shí)施LAD對(duì)SRL的促進(jìn)效果達(dá)到顯著性（p<0.05），促進(jìn)作用中等（g=0.402）；MOOC和小學(xué)階段的研究對(duì)象，因?yàn)榧{入的實(shí)驗(yàn)數(shù)量較少，未達(dá)到分析標(biāo)準(zhǔn)。由此可知，在大學(xué)及以上階段實(shí)施LAD對(duì)SRL具有促進(jìn)作用，其余學(xué)段在本研究中未得到準(zhǔn)確結(jié)論。

干預(yù)時(shí)長(zhǎng)方面，0～2月的實(shí)驗(yàn)數(shù)量最多，效應(yīng)值g=0.514，為中等偏上影響水平且達(dá)到顯著性（p<0.05）；2～4月的實(shí)驗(yàn)數(shù)量次之，促進(jìn)效果中等偏下（g=0.384，p<0.05）。由此說(shuō)明，0～2月時(shí)長(zhǎng)的研究效果要好于2～4月時(shí)長(zhǎng)，實(shí)施較短時(shí)間的LAD對(duì)SRL促進(jìn)作用較好。

實(shí)驗(yàn)環(huán)境方面，線下環(huán)境LAD對(duì)SRL的作用效果中等偏上（g=0.575），但樣本量為4，剛超過(guò)分析標(biāo)準(zhǔn)；線上環(huán)境的實(shí)驗(yàn)數(shù)量最多，和混合環(huán)境效應(yīng)值相似，為中等偏下的影響水平（g=0.37）。初步得出實(shí)驗(yàn)環(huán)境方面對(duì)SRL的促進(jìn)作用無(wú)差異。

除了考慮上述三個(gè)研究特征，我們還嘗試對(duì)研究對(duì)象的國(guó)別進(jìn)行分析以期為我國(guó)研究提出更多針對(duì)性意見(jiàn)。分析發(fā)現(xiàn)，24項(xiàng)實(shí)驗(yàn)中的研究對(duì)象分布在11個(gè)國(guó)家，其中美國(guó)有7項(xiàng)，荷蘭、土耳其、澳大利亞各有3項(xiàng)，剩余國(guó)家如韓國(guó)、意大利、芬蘭等研究數(shù)量小于3?？傮w而言，研究對(duì)象所處地域是影響元分析結(jié)果差異的原因（QB=33.916，p=0.000），說(shuō)明不同國(guó)家實(shí)驗(yàn)研究中LAD對(duì)SRL的作用不一。其中美國(guó)的實(shí)驗(yàn)分析表明LAD對(duì)SRL有較小的促進(jìn)作用，但未達(dá)到顯著水平（g=0.243，p=0.18）。

2. 表征方式對(duì)SRL效果的調(diào)節(jié)作用分析

由表4可知，表征方式維度中，LAD內(nèi)容、形式和挖掘程度是造成異質(zhì)性的原因，在促進(jìn)SRL效果方面發(fā)揮了調(diào)節(jié)變量的作用。在設(shè)計(jì)LAD時(shí)，要重點(diǎn)關(guān)注這些調(diào)節(jié)變量的影響。具體分析如下：

就LAD的內(nèi)容而言（QB=18.402，p<0.05），效果最好的是行為信息（g=0.634），為中等偏上效應(yīng)量；表現(xiàn)信息具有較小促進(jìn)作用（g=0.237）；混合信息也有促進(jìn)作用但結(jié)果不顯著（p>0.05）。因此，相對(duì)于表現(xiàn)信息，使用行為信息作為干預(yù)內(nèi)容效果更好。

LAD形式方面（QB=20.689，p<0.05），圖表形式LAD具有中等偏下的影響效果（g=0.363，p<0.05）；圖文效果略小于圖表效果（g=0.347，p<0.05）。也就是說(shuō)，LAD的形式無(wú)論是圖文還是圖表都會(huì)對(duì)SRL產(chǎn)生促進(jìn)作用。

就挖掘程度而言（QB=8.752，p<0.05），簡(jiǎn)單分析的數(shù)據(jù)具有中等偏上效果（g=0.574，p<0.05）；深入分析的數(shù)據(jù)效應(yīng)值為0.324（p<0.05），為中等偏下的影響水平。挖掘程度是影響SRL效果的調(diào)節(jié)變量，其中，簡(jiǎn)單分析的LAD作用效果更優(yōu)。

是否有對(duì)比信息不影響LAD對(duì)SRL的促進(jìn)作用。沒(méi)有對(duì)比信息的LAD對(duì)SRL促進(jìn)效果一般（g=0.476，p<0.05），有對(duì)比信息的LAD促進(jìn)效果較?。╣=0.310，p<0.05）。

3. 設(shè)計(jì)依據(jù)對(duì)SRL效果的調(diào)節(jié)作用分析

設(shè)計(jì)依據(jù)中理論基礎(chǔ)是影響SRL效果的因素，干預(yù)目的未發(fā)現(xiàn)調(diào)節(jié)作用，見(jiàn)表5。

干預(yù)目的中，促進(jìn)SRL“階段”的干預(yù)效果最好（g=0.578）；其次為動(dòng)機(jī)（g=0.256）；行為的效果最小，且沒(méi)有達(dá)到顯著性（p>0.05）。

就理論基礎(chǔ)而言（QB=5.113，p<0.05），具有理論基礎(chǔ)的LAD對(duì)SRL促進(jìn)效果較好（g=0.707）；沒(méi)有理論基礎(chǔ)的LAD效應(yīng)值為g=0.298。相較而言，有理論基礎(chǔ)的LAD對(duì)SRL促進(jìn)效果更大。

（四）發(fā)表偏倚檢驗(yàn)

一般來(lái)說(shuō)，統(tǒng)計(jì)顯著的結(jié)果更容易發(fā)表，這會(huì)造成文獻(xiàn)檢索時(shí)，某些文獻(xiàn)很難被覆蓋到，導(dǎo)致元分析效應(yīng)值與真實(shí)值有所差異，影響結(jié)果可靠性。發(fā)表偏倚檢驗(yàn)是判斷效應(yīng)值可靠性的重要一步。發(fā)表偏倚檢驗(yàn)通常采用漏斗圖、Egger檢驗(yàn)以及失安全系數(shù)法來(lái)判斷。本研究納入分析的效應(yīng)量分布漏斗圖如圖2所示。圖中的數(shù)據(jù)點(diǎn)零散地分布在對(duì)稱(chēng)軸中部?jī)蓚?cè)，基本呈左右對(duì)稱(chēng)，左側(cè)的效應(yīng)值略少于右側(cè)。采用Egger檢驗(yàn)進(jìn)一步驗(yàn)證發(fā)表偏倚（B0=2.505，t=1.802，p1=0.042，p2=0.085），t值小于1.96，p2大于0.05，初步得出研究選取的文獻(xiàn)存在發(fā)表偏倚可能性較小。

圖2 ? 效應(yīng)值分布漏斗圖

采用失安全系數(shù)法進(jìn)行敏感性驗(yàn)證，即判斷因?yàn)榘l(fā)表偏倚造成元分析結(jié)果出現(xiàn)相反結(jié)論的可能性，該方法的標(biāo)準(zhǔn)是元分析數(shù)量的5倍加10。本研究的Classic失安全系數(shù)N=638（α=0.050，p<0.0001），遠(yuǎn)大于樣本數(shù)量×5+10。綜合以上數(shù)據(jù)表明，元分析的結(jié)果比較穩(wěn)定，發(fā)表偏倚不明顯。

四、討 ? 論

研究對(duì)LAD促進(jìn)SRL的作用進(jìn)行元分析，結(jié)果表明，納入的24項(xiàng)實(shí)驗(yàn)存在異質(zhì)性。故而對(duì)結(jié)論可能產(chǎn)生影響的LAD表征形式、設(shè)計(jì)依據(jù)等調(diào)節(jié)變量進(jìn)行詳細(xì)討論。

（一）LAD對(duì)SRL具有正向的促進(jìn)作用

研究旨在分析LAD促進(jìn)SRL的作用大小。結(jié)果表明，學(xué)習(xí)分析儀表盤(pán)對(duì)SRL有正向促進(jìn)作用，作用大小中等。一方面說(shuō)明納入本研究的實(shí)驗(yàn)進(jìn)一步驗(yàn)證LAD的促進(jìn)作用，與經(jīng)驗(yàn)證據(jù)相一致。該結(jié)論與現(xiàn)有LAD綜述文章結(jié)論相互認(rèn)證：“學(xué)習(xí)分析”結(jié)合視覺(jué)儀表盤(pán)等技術(shù)可以支持諸如翻轉(zhuǎn)課堂的自我調(diào)節(jié)學(xué)習(xí)、個(gè)性化反饋等[27]；使用學(xué)習(xí)分析來(lái)促進(jìn)SRL是未來(lái)研究方向[28]。雖然LAD能促進(jìn)SRL發(fā)展，但元分析效應(yīng)值為0.415，促進(jìn)效果中等。我們還需要考慮可能對(duì)結(jié)果有影響的調(diào)節(jié)變量。

（二）研究特征不影響對(duì)SRL的促進(jìn)效果

本文研究對(duì)象、干預(yù)時(shí)長(zhǎng)和實(shí)現(xiàn)環(huán)境等歸入研究特征的調(diào)節(jié)變量并沒(méi)有造成明顯差異，即研究對(duì)象、干預(yù)時(shí)長(zhǎng)、實(shí)驗(yàn)環(huán)境不會(huì)影響LAD對(duì)SRL的促進(jìn)作用。換句話說(shuō)，LAD對(duì)SRL的促進(jìn)作用具有穩(wěn)健性，不會(huì)因?qū)嶒?yàn)對(duì)象的學(xué)段、實(shí)驗(yàn)時(shí)長(zhǎng)和環(huán)境而變化。

研究對(duì)象雖然被劃分為大學(xué)、小學(xué)和MOOC，但實(shí)際上小學(xué)、MOOC的實(shí)驗(yàn)數(shù)量較少，不足以構(gòu)成元分析調(diào)節(jié)變量分析的最少實(shí)驗(yàn)組數(shù)。因此，只能得出在大學(xué)階段的研究對(duì)象中實(shí)施LAD對(duì)SRL有一定促進(jìn)作用?？紤]到兒童實(shí)驗(yàn)的困難程度，大部分SRL的文獻(xiàn)都在高等教育中實(shí)驗(yàn)，但事實(shí)上，SRL必須從小就開(kāi)始培養(yǎng)。無(wú)論SRL被視為一套可明確傳授的技能還是源于經(jīng)驗(yàn)的自我調(diào)整過(guò)程，教師都應(yīng)該為各個(gè)年齡段的學(xué)生提供信息，幫助他們成為獨(dú)立的學(xué)習(xí)者[29]。SRL作為終身學(xué)習(xí)的核心技能之一，增加其在國(guó)內(nèi)初等教育，乃至幼兒教育的實(shí)證數(shù)量，以補(bǔ)充國(guó)內(nèi)研究經(jīng)驗(yàn)仍然很有必要。此外，在梳理文獻(xiàn)時(shí)發(fā)現(xiàn)，國(guó)內(nèi)關(guān)于LAD促進(jìn)SRL的實(shí)證文獻(xiàn)寥寥可數(shù)，國(guó)外就LAD設(shè)計(jì)及應(yīng)用開(kāi)展了諸多研究，美國(guó)的研究數(shù)量最多。雖然地域不同的LAD在促進(jìn)SRL方面有差異，但總體都是正向促進(jìn)作用。因此，在LAD設(shè)計(jì)、應(yīng)用和與智能平臺(tái)融合方面，都可借鑒國(guó)外研究成果。

在干預(yù)時(shí)長(zhǎng)方面，實(shí)施0～2月的LAD對(duì)SRL促進(jìn)作用最大。分析其原因，一方面，可能是高等教育以學(xué)期為周期進(jìn)行授課，實(shí)驗(yàn)時(shí)長(zhǎng)多控制在一學(xué)期，所以4月及以上時(shí)長(zhǎng)的研究數(shù)量較少，實(shí)驗(yàn)結(jié)果仍有待驗(yàn)證。另一方面，自我調(diào)節(jié)學(xué)習(xí)能力培養(yǎng)方法的研究中指出，漸隱式的腳手架可以幫助學(xué)習(xí)者自我調(diào)節(jié)學(xué)習(xí)[30]。即在課程之初提供腳手架，在學(xué)習(xí)者可以自我調(diào)節(jié)學(xué)習(xí)某些內(nèi)容時(shí)淡化支持。我們可以推測(cè)在0～2月的干預(yù)時(shí)間內(nèi)，學(xué)習(xí)者慢慢適應(yīng)LAD，并且能自主調(diào)整行為或計(jì)劃向預(yù)期學(xué)習(xí)目標(biāo)進(jìn)展，在2月及以上時(shí)間，LAD的促進(jìn)作用減少。無(wú)獨(dú)有偶，教育機(jī)器人對(duì)學(xué)習(xí)成果影響的元分析結(jié)果指出，實(shí)驗(yàn)周期超過(guò)半年的效果反而不如半年以內(nèi)的[31]?？傮w而言，研究時(shí)長(zhǎng)并不是造成研究結(jié)論產(chǎn)生差異的原因，但在實(shí)施LAD時(shí)可以優(yōu)先考慮0～2月的研究時(shí)長(zhǎng)。與此同時(shí)，開(kāi)展長(zhǎng)時(shí)間的干預(yù)研究，探索隨著時(shí)間推移LAD在促進(jìn)SRL作用的變化規(guī)律仍有價(jià)值。

實(shí)驗(yàn)環(huán)境方面，研究雖劃分三種學(xué)習(xí)環(huán)境，但LAD一般都需要相應(yīng)的網(wǎng)站或平臺(tái)去實(shí)施。嚴(yán)格來(lái)說(shuō)，實(shí)驗(yàn)都涉及線上部分，差別在于課程安排時(shí)長(zhǎng)和關(guān)注程度不同。本研究并未明確得出何種授課環(huán)境最優(yōu)的結(jié)論，建議教師依據(jù)課程內(nèi)容和條件合理安排授課方式。

（三）LAD的表征方式影響對(duì)SRL的促進(jìn)效果

LAD內(nèi)容是造成文獻(xiàn)效應(yīng)值差異的原因之一，其中行為信息效果優(yōu)于表現(xiàn)信息。學(xué)習(xí)管理系統(tǒng)中日志的點(diǎn)擊流數(shù)據(jù)可以通過(guò)編碼框架與行為相對(duì)應(yīng)[7]，學(xué)習(xí)者能從行為信息中直觀得出需要增加或改進(jìn)的行為。相對(duì)來(lái)說(shuō)，表現(xiàn)信息傾向于總結(jié)性評(píng)價(jià)，更多作用在目標(biāo)和動(dòng)機(jī)水平上，對(duì)學(xué)習(xí)者指導(dǎo)的直觀性較弱。雖然沒(méi)有發(fā)現(xiàn)混合信息在促進(jìn)SRL的顯著作用，但我們有理由認(rèn)為行為信息、表現(xiàn)信息通過(guò)合理的設(shè)計(jì)會(huì)有更好的促進(jìn)效果。交互信息的LAD多應(yīng)用在協(xié)作學(xué)習(xí)中，通過(guò)展示小組成員之間交流合作的信息，減少協(xié)作學(xué)習(xí)中搭便車(chē)、投入不足等問(wèn)題。LAD可以改善協(xié)作學(xué)習(xí)體驗(yàn)，但在LAD中捕獲團(tuán)隊(duì)的學(xué)習(xí)過(guò)程，及其與學(xué)習(xí)成果建立深入聯(lián)系方面還有很多工作要做[32]。協(xié)作學(xué)習(xí)儀表盤(pán)的設(shè)計(jì)也應(yīng)該結(jié)合認(rèn)知理論和社會(huì)互動(dòng)理論的分析要素，以促進(jìn)自我調(diào)節(jié)學(xué)習(xí)和社會(huì)共享調(diào)節(jié)學(xué)習(xí)[33]。由此可見(jiàn)，交互信息的LAD在支持協(xié)作學(xué)習(xí)中仍面臨著挑戰(zhàn)和機(jī)遇。

LAD形式是影響SRL促進(jìn)作用的因素之一，圖文和圖表兩種LAD形式作用大小相似，主要差異在于是否包含文字型信息。Cha等[34]在LAD可視化設(shè)計(jì)指南的研究中，第一輪專(zhuān)家訪談建議：簡(jiǎn)單的信息架構(gòu)和設(shè)計(jì)可能要比過(guò)多的信息更加有效和直觀，因此，刪除了LAD原型中重復(fù)的特征和數(shù)據(jù)。經(jīng)過(guò)第二輪學(xué)習(xí)者訪談后，增加了部分說(shuō)明性提示。也就是說(shuō)，LAD的形式既要簡(jiǎn)單、直觀，以降低過(guò)多信息帶來(lái)的認(rèn)知負(fù)荷，同時(shí)需要描述性信息幫助學(xué)習(xí)者理解LAD的內(nèi)容。本研究的結(jié)果證實(shí)了LAD形式在干預(yù)中的重要性，但沒(méi)有顯著性的對(duì)比結(jié)論表明圖文和圖表形式何種最優(yōu)。正如麗姿等[35]在研究中討論的那樣，學(xué)習(xí)者使用LAD的方法高度個(gè)性化，我們應(yīng)該在數(shù)據(jù)呈現(xiàn)形式上給予學(xué)習(xí)者選擇機(jī)會(huì)，即允許學(xué)習(xí)者個(gè)性化自己的LAD。

挖掘程度在促進(jìn)SRL的效果方面也發(fā)揮了調(diào)節(jié)作用，簡(jiǎn)單分析的效果最好，深入挖掘的效果一般。對(duì)開(kāi)發(fā)者來(lái)說(shuō)，將有意義的數(shù)據(jù)合成為學(xué)習(xí)者可以直觀理解的內(nèi)容并不是一件簡(jiǎn)單的事情；對(duì)學(xué)習(xí)者來(lái)說(shuō)，學(xué)習(xí)者數(shù)據(jù)素養(yǎng)能否支持其理解數(shù)據(jù)背后的信息也是需要思考的問(wèn)題[36]。有學(xué)者[37]指出，學(xué)習(xí)者很難解釋LAD上的數(shù)據(jù)，他建議依據(jù)用戶的特定要求來(lái)確定LAD顯示信息的粒度級(jí)別。我們可以推測(cè)，相對(duì)于更易理解的簡(jiǎn)單分析，深入挖掘的數(shù)據(jù)與學(xué)習(xí)者數(shù)據(jù)素養(yǎng)不匹配是造成其效果較小的原因。學(xué)習(xí)者能否在理解、評(píng)價(jià)LAD表征信息的基礎(chǔ)上進(jìn)行監(jiān)控和反思，取決于數(shù)據(jù)素養(yǎng)和自我調(diào)節(jié)學(xué)習(xí)的共同效力。如何平衡LAD數(shù)據(jù)的分析維度進(jìn)而與學(xué)習(xí)者數(shù)據(jù)素養(yǎng)相匹配是接下來(lái)要研究的問(wèn)題。

研究沒(méi)有發(fā)現(xiàn)對(duì)比信息的調(diào)節(jié)作用。是否包含對(duì)比信息一直是飽受爭(zhēng)議的話題。因?yàn)閷?duì)比信息會(huì)影響到學(xué)習(xí)者的情緒和動(dòng)機(jī)，但影響的方向卻是不確定的，可能激發(fā)動(dòng)機(jī)，增加學(xué)習(xí)投入，亦可能造成挫敗感[38]。包含個(gè)人信息的對(duì)比還涉及隱私問(wèn)題。因此，多數(shù)研究選擇了中庸方式，即在LAD中添加可選擇按鈕，學(xué)習(xí)者可根據(jù)個(gè)人情況選擇是否查看集體對(duì)比信息。

（四）LAD的理論基礎(chǔ)影響對(duì)SRL的促進(jìn)效果

LAD是否有理論基礎(chǔ)是造成研究效應(yīng)值異質(zhì)性的原因之一。結(jié)果表明，有理論基礎(chǔ)的LAD共7篇，對(duì)SRL促進(jìn)作用中等偏上；沒(méi)有理論基礎(chǔ)的類(lèi)別有17篇，作用效果較小。其中自我調(diào)節(jié)學(xué)習(xí)理論是指導(dǎo)LAD設(shè)計(jì)的常見(jiàn)理論。當(dāng)前LAD的設(shè)計(jì)大部分還是缺少理論基礎(chǔ)的，該結(jié)論與Matcha[5]總結(jié)出的缺少理論基礎(chǔ)的結(jié)論相同。有研究指出，除自我調(diào)節(jié)學(xué)習(xí)理論外，設(shè)計(jì)者還可以考慮如動(dòng)機(jī)理論、目標(biāo)導(dǎo)向理論、自我決定理論等[39]去指導(dǎo)LAD的設(shè)計(jì)。

LAD干預(yù)目的包括階段、行為、元認(rèn)知和動(dòng)機(jī)，不同目的LAD對(duì)SRL促進(jìn)作用沒(méi)有差異。其中，支持“階段”的LAD具有中等偏上的促進(jìn)作用，提升“動(dòng)機(jī)”的LAD作用效果一般，其余目的效果沒(méi)有達(dá)到顯著水平。Pintrich[40]提出的SRL模型分為要素和階段兩個(gè)維度，要素包括認(rèn)知、動(dòng)機(jī)、行為和背景，階段包括預(yù)見(jiàn)、監(jiān)測(cè)、控制和反思。徐曉青等[41]在研究學(xué)習(xí)分析對(duì)SRL的影響機(jī)理中，就每個(gè)階段中各個(gè)要素的變化都進(jìn)行了分析。由此可見(jiàn)，對(duì)于SRL的研究可從要素和階段兩方面入手。但無(wú)論要素還是階段，都應(yīng)有相應(yīng)的理論和框架支撐。

五、啟 ? 示

本研究不僅驗(yàn)證了LAD作為干預(yù)反饋工具在促進(jìn)SRL的積極作用，也從研究對(duì)象、LAD設(shè)計(jì)依據(jù)等視角綜合探究LAD對(duì)SRL的影響。研究在對(duì)結(jié)果討論的基礎(chǔ)上得到如下建議和啟示：

（一）深化LAD與教育教學(xué)融合，以提升SRL能力

LAD對(duì)SRL的促進(jìn)作用具有穩(wěn)定性，不因?qū)嶒?yàn)時(shí)長(zhǎng)、環(huán)境等因素的改變而變化。但目前多數(shù)結(jié)論是以小范圍的準(zhǔn)實(shí)驗(yàn)課堂為實(shí)驗(yàn)條件，缺少大規(guī)模真實(shí)環(huán)境中的實(shí)施效果。另外，LAD的實(shí)施對(duì)SRL具有促進(jìn)作用，但與教育的融合仍處于初始階段。想要進(jìn)一步發(fā)揮LAD在教育教學(xué)，乃至在教育信息化的作用，仍有兩方面需要思考：其一是LAD本身設(shè)計(jì)與教學(xué)隱喻、數(shù)字徽章、游戲化理念等結(jié)合[42]，如部分LAD使用花草的生長(zhǎng)狀態(tài)表示當(dāng)前的學(xué)習(xí)進(jìn)展[43]；其二是LAD與教學(xué)過(guò)程的融合，工具之于課堂，不是雜亂無(wú)章的堆疊使用，更需要融合到教學(xué)的具體環(huán)節(jié)。已有可借鑒的文獻(xiàn)將LAD與翻轉(zhuǎn)課堂、PBL等教學(xué)模式相結(jié)合，綜合考慮教學(xué)流程、教學(xué)需求、LAD的作用和課程目的，將LAD真正嵌入課堂，融入課程，發(fā)揮其促進(jìn)SRL的作用。

（二）形成平衡認(rèn)知負(fù)荷、兼顧數(shù)據(jù)素養(yǎng)的LAD設(shè)計(jì)原則

LAD以數(shù)據(jù)可視化的方式幫助學(xué)習(xí)者快速定位和理解當(dāng)前狀態(tài)。在結(jié)果討論中，我們發(fā)現(xiàn)LAD的設(shè)計(jì)需要注意或遵循兩個(gè)原則。一是平衡認(rèn)知負(fù)荷、調(diào)和極簡(jiǎn)和極繁主義原則，具體來(lái)說(shuō)就是去除LAD中重復(fù)、冗余的元素和內(nèi)容，增加引導(dǎo)性的線索和說(shuō)明性信息。這里我們可以參考梅耶的多媒體學(xué)習(xí)理論，但需要注意的是，認(rèn)知負(fù)荷并不是越低越好，適當(dāng)?shù)恼J(rèn)知負(fù)荷更有助于學(xué)習(xí)者的加工和理解。二是LAD的設(shè)計(jì)應(yīng)滿足兼顧數(shù)據(jù)素養(yǎng)的原則。多數(shù)LAD在設(shè)計(jì)過(guò)程中都忽略了學(xué)習(xí)者本身的數(shù)據(jù)素養(yǎng)，僅從需求的應(yīng)然與理論的必然出發(fā)。實(shí)際上，學(xué)習(xí)者共同參與設(shè)計(jì)LAD是匹配數(shù)據(jù)素養(yǎng)的有效方式。在此過(guò)程中，學(xué)習(xí)者不僅意識(shí)到如何評(píng)估學(xué)習(xí)狀況與目標(biāo)期望的達(dá)成度，同時(shí)增加了個(gè)人對(duì)數(shù)據(jù)的理解、反思和信任。

（三）強(qiáng)化LAD與理論的聯(lián)結(jié)

LAD需要在教育理論的支撐下，不斷改進(jìn)、探索和創(chuàng)新。研究證實(shí)有理論基礎(chǔ)的LAD對(duì)SRL具有促進(jìn)作用，但目前多數(shù)LAD研究沒(méi)有理論依據(jù)，更多的是在以往研究基礎(chǔ)上，根據(jù)自身研究對(duì)LAD的內(nèi)容進(jìn)行增補(bǔ)。應(yīng)該重視理論在LAD設(shè)計(jì)和實(shí)施中發(fā)揮的頂層設(shè)計(jì)作用，強(qiáng)化LAD和理論的聯(lián)結(jié)。正如Matcha[5]所建議的，LAD指標(biāo)選擇應(yīng)該在理論為導(dǎo)向的前提下，尋求用戶意見(jiàn)。理論為L(zhǎng)AD指標(biāo)和SRL策略相對(duì)應(yīng)提供依據(jù)，用戶意見(jiàn)滿足部分個(gè)性化需求。在LAD的實(shí)施過(guò)程中，經(jīng)典的SRL理論將自我調(diào)節(jié)過(guò)程分為了詳細(xì)的循環(huán)階段，LAD可以根據(jù)每個(gè)階段特點(diǎn)和目的提供相應(yīng)的反饋和支持，最終促進(jìn)SRL提升。還需要注意的是，收集和呈現(xiàn)有關(guān)學(xué)習(xí)過(guò)程或者交互模式的LAD信息，不僅可以幫助學(xué)習(xí)者自我調(diào)節(jié)學(xué)習(xí)，亦可以幫助研究者理解自我調(diào)節(jié)學(xué)習(xí)本身發(fā)展和內(nèi)部的變化機(jī)理，擴(kuò)充SRL理論的應(yīng)用范圍。

六、結(jié) ? 語(yǔ)

研究采用元分析方法，對(duì)國(guó)內(nèi)外近十年有關(guān)LAD對(duì)SRL促進(jìn)的實(shí)證研究進(jìn)行客觀分析，驗(yàn)證了LAD在促進(jìn)和提升SRL的作用，探索了研究特征、表征方式、設(shè)計(jì)依據(jù)等在支持SRL方面的調(diào)節(jié)作用。結(jié)果表明，LAD表征形式和設(shè)計(jì)依據(jù)都會(huì)對(duì)SRL促進(jìn)效果產(chǎn)生影響。為此研究提出了幾點(diǎn)建議和啟示：一是深化LAD與教育教學(xué)融合；二是形成平衡認(rèn)知負(fù)荷，兼顧數(shù)據(jù)素養(yǎng)的設(shè)計(jì)原則；三是強(qiáng)化LAD與理論聯(lián)結(jié)。研究仍存在一定局限，受文獻(xiàn)數(shù)據(jù)來(lái)源和樣本量的限制，未從我國(guó)教育國(guó)情為SRL的培養(yǎng)提供本土化建議，同時(shí)，需要綜合更多國(guó)內(nèi)有關(guān)少兒SRL培養(yǎng)的研究，形成更為全面的結(jié)論。

[參考文獻(xiàn)]

[1] 蔡旻君，郭婉瑢?zhuān)瑠漕伋?在線學(xué)習(xí)過(guò)程中如何實(shí)施有效的反饋——基于自我調(diào)節(jié)學(xué)習(xí)理論的在線反饋探討[J].電化教育研究，2020，41（10）：82-88.

[2] PARK Y， JO I H. Factors that affect the success of learning analytics dashboards[J]. Educational technology research and development，2019，67（6）：1547-1571.

[3] AGUILAR S J， KARABENICK S A， TEASLEY S D，et al. Associations between learning analytics dashboard exposure and motivation and self-regulated learning[J]. Computers & education，2021，162（3）：104085.

[4] TSAI Y S， RATES D， MORENO-MARCOS P M， et al. Learning analytics in European higher education—trends and barriers[J]. Computers & education，2020，155（13）：103933.

[5] MATCHA W，UZIR N A，GASEVIC D，et al. A systematic review of empirical studies on learning analytics dashboards：a self-regulated learning perspective[J]. IEEE transactions on learning technologies，2020，13（2）：226-245.

[6] YOON M， HILL J， KIM D. Designing supports for promoting self-regulated learning in the flipped classroom[J]. Journal of computing in higher education，2021，33（2）：398-418.

[7] MANGANELLO F， POZZI F， PASSARELLI M， et al. A dashboard to monitor self-regulated learning behaviours in online professional development[J]. International journal of distance education technologies，2021，19（1）：18-34.

[8] AL-SHANFARI L， EPP C D， BABER C. Evaluating the effect of uncertainty visualisation in open learner models on students' metacognitive skills[C]// ANDRE E， BAKER R， HU X， et al. Artificial intelligence in education， AIED 2017，2017：15-27.

[9] MOLENAAR I， HORVERS A， DIJKSTRA R， et al. personalized visualizations to promote young learners' srl the learning path App[C]// LAK20： The Tenth International Conference on Learning Analytics & Knowledge.2020：330-339.

[10] HOWELL J A， ROBERTS L D， MANCINI V O. Learning analytics messages： impact of grade， sender， comparative information and message style on student affect and academic resilience[J]. Computers in human behavior，2018，89（12）：8-15.

[11] CHEN C H， SU C Y. Using the BookRoll E-Book system to promote self-regulated learning， self-efficacy and academic achievement for university students[J]. Educational technology & society，2019，22（4）：33-46.

[12] VALLE N， ANTONENKO P， VALLE D， et al. Predict or describe？ How learning analytics dashboard design influences motivation and statistics anxiety in an online statistics course[J]. Educational technology research and development， 2021，69（3）：1405-1431.

[13] KIM J， JO I H， PARK Y. Effects of learning analytics dashboard： analyzing the relations among dashboard utilization， satisfaction， and learning achievement[J]. Asia pacific education review， 2016，17（1）：13-24.

[14] KARAOGLAN YILMAZ F G. The effect of learning analytics assisted recommendations and guidance feedback on students' metacognitive awareness and academic achievements[J]. Journal of computing in higher education，2022，34（2）：396-415.

[15] HAN J， KIM K H， RHEE W， et al. Learning analytics dashboards for adaptive support in face-to-face collaborative argumentation[J]. Computers & education，2021，163（4）：104041.

[16] VALLE N， ANTONENKO P， VALLE D， et al. The influence of task-value scaffolding in a predictive learning analytics dashboard on learners' statistics anxiety， motivation， and performance[J]. Computers & education，2021，173（14）：104288.

[17] TABUENCA B， KALZ M， DRACHSLER H， et al. time will tell： the role of mobile learning analytics in self-regulated learning[J]. Computers & education，2015，89（10）：53-74.

[18] DUAN X， WANG C， ROUAMBA G. Designing a learning analytics dashboard to provide students with actionable feedback and evaluating its impacts[C]// Proceedings of the 14th International Conference on Computer Supported Education. Online Streaming， Science and technology publications，2022：117-127.

[19] WAMBSGANSS T， SOELLNER M， KOEDINGER K R， et al. Adaptive empathy learning support in peer review scenarios[C]// CHI Conference on Human Factors in Computing Systems. New orleans LA USA：ACM，2022：1-17.

[20] JIVET I， WONG J， SCHEFFEL M， et al. Quantum of choice： how learners' feedback monitoring decisions， goals and self-regulated learning skills are related[C]// LAK21： 11th International Learning Analytics and Knowledge Conference. New York， NY， USA： Association for computing machinery，2021：416-427.

[21] 李綠山，趙蔚，劉鳳娟.基于學(xué)習(xí)分析的大學(xué)英語(yǔ)網(wǎng)絡(luò)學(xué)習(xí)可視化監(jiān)控和反饋研究[J].外語(yǔ)電化教學(xué)，2022（2）：23-31，115.

[22] ALEXIOU A， PARASKEVA F. Inspiring key competencies through the implementation of an ePortfolio for undergraduate students[J]. Procedia - social and behavioral sciences，2015，197（33）：2435-2442.

[23] HAYNES C C. The role of self-regulated learning in the design， implementation， and evaluation of learning analytics dashboards[C]// Proceedings of the Seventh ACM Conference on Learning @ Scale. New York， NY， USA： Association for Computing Machinery， 2020：297-300.

[24] UYSAL M， HORZUM M B. Designing and developing a learning analytics dashboard to support self-regulated learning[M]// SAHIN M， IFENTHALER D. Visualizations and Dashboards for Learning Analytics. Cham：Springer international publishing，2021：477-496.

[25] AUVINEN T， HAKULINEN L， MALMI L. Increasing students' awareness of their behavior in online learning environments with visualizations and achievement badges[J]. IEEE transactions on learning technologies，2015，8（3）：261-273.

[26] 曾昭炳，姚繼軍.尋找“最佳證據(jù)”：如何運(yùn)用元分析進(jìn)行文獻(xiàn)綜述——以STEM教育對(duì)學(xué)生成績(jī)的影響研究為例[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2020，38（6）：70-85.

[27] CHEN X， ZOU D， XIE H. A decade of learning analytics： structural topic modeling based bibliometric analysis[J]. Education and information technologies，2022，27（8）：10517–10561.

[28] ARAKA E， MAINA E， GITONGA R， et al. Research trends in measurement and intervention tools for self-regulated learning for e-learning environments—systematic review （2008-2018）[J]. Research and practice in technology enhanced learning，2020，15（1）： 6.

[29] PARIS S， PARIS A. Classroom applications of research on self-regulated learning[J]. Educational psychologist - EDUC PSYCHOL， 2001，36（2）：89-101.

[30] AZEVEDO R， HADWIN A F. Scaffolding self-regulated learning and metacognition - Implications for the design of computer-based scaffolds[J]. Instructional science， 2005， 33（5-6）： 367-379.

[31] 單俊豪，宮玲玲，李玉，閆寒冰.教育機(jī)器人對(duì)學(xué)生學(xué)習(xí)成果的影響——基于49篇實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究論文的元分析[J].中國(guó)電化教育，2019（5）：76-83.

[32] ZAMECNIK A， KOVANOVI?V， GROSSMANN G， et al. Team interactions with learning analytics dashboards[J]. Computers & education，2022，185（10）：104514.

[33] LIU A L， NESBIT J C. Dashboards for computer-supported collaborative learning[M]// VIRVOU M， ALEPIS E， TSIHRINTZIS G A， et al. Machine learning paradigms： advances in learning analytics. Cham： Springer international publishing，2020：157-182.

[34] CHA H J， PARK TAEJUNG. Applying and evaluating visualization design guidelines for a MOOC dashboard to facilitate self-regulated learning based on learning analytics[J]. KSII transactions on internet and information systems，2019，13（6）：2799-2823.

[35] 麗姿·貝內(nèi)特，肖俊洪.從學(xué)習(xí)的角度看學(xué)生對(duì)儀表盤(pán)數(shù)據(jù)的反應(yīng)[J].中國(guó)遠(yuǎn)程教育，2019（1）：67-78，93.

[36] JIVET I， SCHEFFEL M， SCHMITZ M， et al. From students with love： an empirical study on learner goals， self-regulated learning and sense-making of learning analytics in higher education[J]. The internet and higher education，2020，47（4）：100758.

[37] SCHWENDIMANN B A， RODR？魱GUEZ-TRIANA M J， VOZNIUK A， et al. Perceiving learning at a glance： a systematic literature review of learning dashboard research[J]. IEEE transactions on learning technologies， 2017，10（1）：30-41.

[38] SAFSOUF Y， MANSOURI K， POIRIER F. TABAT： design and experimentation of a learning analysis dashboard for teachers and learners[J]. Journal of information technology education-research，2021，20（1）：331-350.

[39] VALLE N， ANTONENKO P， DAWSON K， et al. Staying on target： a systematic literature review on learner-facing learning analytics dashboards[J]. British journal of educational technology， 2021，52（4）：1724-1748.

[40] PINTRICH P R. A conceptual framework for assessing motivation and self-regulated learning in college students[J]. Educational psychology review，2004，16（4）：385-407.

[41] 徐曉青，趙蔚，劉紅霞，姜強(qiáng).自我調(diào)節(jié)學(xué)習(xí)中學(xué)習(xí)分析的應(yīng)用框架和融合路徑研究[J].電化教育研究，2021，42（6）：96-104.

[42] DE QUINCEY E， BRIGGS C， KYRIACOU T， et al. Student centred design of a learning analytics System[C]//Proceedings of the 9th International Conference on Learning Analytics & Knowledge. New York， NY， USA： Association for computing Machinery， 2019：353-362.

[43] 姜強(qiáng)，趙蔚，李勇帆，等.基于大數(shù)據(jù)的學(xué)習(xí)分析儀表盤(pán)研究[J].中國(guó)電化教育，2017（1）：112-120.

Study on Impact of Learning Analytics Dashboard on Self-regulated Learning？

—A Meta-analysis Based on 24 Experimental and Quasi-experimental Studies

ZHAO Wei， ?CHENG Nuo， ?XU Xiaoqing， ?JIANG Qiang

（School of Information Science and Technology， Northeast Normal University， Changchun Jilin 130117）

[Abstract] Learning analytics dashboards are increasingly valued as visual feedback tools， but their effectiveness in facilitating self-regulated learning remains controversial. This study employs a meta-analytic approach to conduct a systematic literature analysis of learning analytics dashboards for promoting self-regulated learning. The analysis of 24 included experiments demonstrates that the learning analytics dashboard has a positive facilitative effect on self-regulated learning， with a combined effect value of 0.415. An in-depth moderating variable analysis is conducted in three dimensions： experimental characteristics， representational form， and design rationale. The results show that experimental characteristics such as length of experiment， environment， and subjects do not affect the facilitation effect of learning analytics dashboards on self-regulated learning. However， the content， format， degree of tapping， and the presence of theoretical bases of learning analytics dashboards all have an impact on the facilitation effect. Based on these findings， this study suggests that learning analytics dashboards should strengthen the linkage with pedagogical theories from the perspective of education and teaching integration， and form the design principles that balance cognitive load and take into account data literacy to provide effective support for enhancing self-regulated learning.

[Keywords] Learning Analytics Dashboard; Self-regulated Learning; Meta-analysis; Data Literacy; Cognitive Load