💻 computer science

Coasting Through Class: Learning Opportunity Loss from Practice Avoidance During Individual Seatwork

本研究通过分析 ASSISTments 数据揭示，学生因开始延迟、空闲等待和过早停止，在 60% 的可利用数学练习时间中处于“虚度”状态，这种一致的行为模式显著减少了学习机会并对标准化考试成绩产生负面影响。

原作者： Ashish Gurung, Jordan Gutterman, Danielle R. Thomas, Mingyu Feng, Vincent Aleven, Kenneth R. Koedinger

发布于 2026-04-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Ashish Gurung, Jordan Gutterman, Danielle R. Thomas, Mingyu Feng, Vincent Aleven, Kenneth R. Koedinger

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是论文《Coasting Through Class》（在课堂中“滑行”）的通俗解读，使用简单语言和日常类比。

宏观图景：“空转的公交车”问题

想象一辆校车，每天早上从车库出发时油箱加满，并严格按照时刻表前往目的地。这辆公交车的燃料足以行驶 60 分钟。然而，司机实际上只驾驶了 24 分钟。在剩下的 36 分钟里，引擎虽然在运转，公交车要么停在路边，要么司机只是在等待出发，但公交车并没有向目的地移动。

这篇论文研究的正是这种情形，只不过主角不是公交车，而是一节数字数学课。研究人员想知道：学生实际上有多少时间在学习，又有多少时间只是“坐在那里”而没有在做功课？

他们将这种浪费的时间称为**“滑行”（Coasting）**。就像汽车下坡时引擎不工作仅靠惯性滑行一样，当学生坐在电脑前却没有主动练习数学时，他们就是在“在课堂上滑行”。

什么是“滑行”？

研究人员将“滑行”分解为学生在课堂期间浪费时间的三种具体方式：

“延迟开始”（在红灯前等待）： 课堂开始了，但学生没有立即开始学习。他们可能在聊天、看窗外，或者只是盯着屏幕发呆。这是在刚开始就浪费的时间。
“练习中途闲置”（引擎空转）： 学生开始学习，但随后长时间（超过 2 分钟）停止活动，什么也没做。他们没有回答问题，只是坐在那里。
“提前停止”（提前停车）： 课堂时间还没结束，还有更多的数学题要做，但学生因为完成了布置的作业而关闭电脑或停止学习。他们在铃声响起之前就停止了“滑行”。

计算公式：

总滑行时间 = 延迟开始 + 闲置时间 + 提前停止

他们发现了什么？

研究人员分析了使用名为 ASSISTments 的数学平台的 1400 多名学生的数据。以下是他们的发现：

40/60 的分割： 学生仅利用**40%的可用课堂时间实际练习数学。其余60%**是“滑行时间”。
时间都去哪了：
- **62%**的浪费时间是因为学生提前停止。
- **36%**是因为他们开始得太晚。
- 只有**2%**是因为他们在解题中途坐在那里什么都不做。
- 类比： 问题不在于学生在课程中途像陷入交通堵塞一样“空转”；而在于他们像派对迟到者一样（延迟开始），或者一拿到零食就立刻离开派对（提前停止）。
这是一种习惯： 研究人员检查了这种行为是随机的还是有规律的。他们发现，如果一名学生某天倾向于晚开始或早结束，那么第二天他们很可能也会这样做。这是一种持续的习惯，而不仅仅是一次性错误。
即使是“好”学生也会滑行： 即使研究人员剔除了学生因完成所有作业而提前停止的时间，学生仍然浪费了约**32%**的时间。这意味着即使有更多作业可做，许多学生还是会停止学习。

这取决于学生是谁吗？

研究人员想知道某些学生群体是否比其他群体更容易“滑行”（例如：男生与女生、不同种族，或有特殊需求的学生）。

性别： 起初，看起来男生比女生更容易滑行。然而，当他们考虑到男生通常更快完成指定作业这一事实并加以调整后，差异就消失了。并不是男生在逃避作业，只是他们更快完成了既定任务。
特殊需求（IEP）： 令人惊讶的是，拥有个别化教育计划（IEP）的学生比其他学生“滑行”得更少。研究人员推测，这可能是因为这些学生得到了更多的教师帮助，或者他们的作业量经过调整，使他们能保持更长时间的专注。
主要结论： “滑行”发生在每个人身上。无论你富有还是贫穷，住在城市还是农场，或者英语是第二语言，在所有这些群体中，“滑行”行为都是普遍存在的。

提高成绩的秘密：“额外努力”

这是该论文最重要的发现。

研究人员问道：花更多时间真的有帮助吗？

答案： 是的，但前提是你选择继续坚持。
类比： 想象两名跑步者。跑步者 A 跑完规定的 5 英里就停下来。跑步者 B 跑完规定的 5 英里后，决定为了自己再多跑 2 英里。
结果： 那些付出“额外努力”（在完成第一项作业后留下来做更多数学题）的学生，在标准化测试中的得分显著更高。
关键点： 仅仅长时间坐在电脑前（任务时间）并不能预测更好的成绩，如果学生实际上并没有在学习的话。但是，在完成最低要求后自愿选择继续学习，却是成功的一个巨大预测指标。

这对教师和学校意味着什么

这篇论文表明，数字学习平台是很好的工具，但如果学生不利用时间，它们也无法解决问题。

问题： 学校给学生设定了固定的学习时间。如果学生只利用了其中的 40%，那么即使软件完美无缺，系统也是失败的。
解决方案： 教师需要设定明确的期望。学生需要知道，“完成作业”并不意味着“停止学习”。他们需要知道还有更多事情要做。
技术补救： 软件本身可以提供帮助，例如显示提示：“第一部分完成了！这里有 5 道额外的题目可以尝试”，或者在学生过早停止学习时提醒教师。

总结

这篇论文引入了一种看待学生行为的新方式，称为**“滑行”。它揭示在数字数学课中，学生通过晚开始、早停止或单纯等待，浪费了巨大的时间（60%）。这种现象几乎发生在每个人身上，无论其背景如何。然而，那些打破滑行习惯并选择付出“额外努力”**——即自愿练习超过要求——的学生，最终取得了最好的成绩。这一教训很简单：花费的时间不等于学到的时间；你必须真正利用这段时间。

以下是论文《Coasting Through Class: Learning Opportunity Loss from Practice Avoidance During Individual Seatwork》（课堂中的“滑行”：个人座位练习期间因回避练习而导致的学习机会损失）的详细技术总结。

1. 问题陈述

虽然数字化学习平台（DLP）旨在通过适应性支持来优化学习，但其有效性取决于学生是否积极利用分配的练习时间。现有研究主要集中在低效参与（例如“钻系统空子”、“走神”或“原地打转”），即学生虽在场但学习效果不佳的情况。然而，绝对脱离——即学生完全回避任务的情况——却鲜有研究，因为这往往不会留下任何或仅留下极少的日志痕迹。

作者指出了在结构化课堂作业（个人座位练习）期间量化练习回避方面的空白。具体而言，他们试图衡量由以下因素导致的学习机会损失：

延迟开始：学生在课程开始后等待才开始作业的时间。
练习中途停滞：课程进行中出现的无活动时段。
提前停止：即使仍有更多练习时间可用，学生在课程结束前停止作业的时间。

该论文认为，这种“损失的时间”构成了学习的重要障碍，而当前的指标未能全面捕捉这一现象。

2. 方法论

数据集

来源：来自ASSISTments（一个提供即时反馈和按需帮助的小学数学 DLP）的公开日志。
范围：两个学年（2022–2023，2023–2024）。
参与者：来自 17 个美国州的 22 所学校、34 名教师和 71 个班级的 $N = 1,425$ 名学生。
数据类型：事务日志（约 300 万条）、学术进步测量（MAP）前测（秋季）和后测（春季）分数，以及人口统计数据（性别、种族/民族、社会经济地位 SES、个别化教育计划 IEP、英语学习者 ELL、城市/农村属性）。

操作定义与测量

作者将**“滑行时间”（Coasted Time）**定义为三个会话级行为指标的总和：
$\text{滑行时间} = \text{延迟开始} + \text{停滞时间} + \text{提前停止}$

会话识别：使用基于时间推断的算法（Gurung 等人，2026）将日志分类为课堂作业、校内独立作业和家庭作业。课堂作业被定义为在学校时间（上午 7 点至下午 3 点）内进行的、且有超过 5 名学生同时活跃的会话。
延迟开始：从会话开始（根据同伴活动推断）到学生采取第一个动作之间的时间间隔。
停滞时间：超过响应时间第 99 百分位数的无活动时段（四舍五入至 2 分钟）。
提前停止：学生停止作业后会话剩余的时间。
- 调整：为了区分回避行为与高效完成，计算了一个“调整后”指标：如果学生完成了至少一项作业，则将其提前停止时间设为 0。
额外努力：定义为在课堂作业会话中完成第一项必做作业后继续进行的练习。

分析方法

时间稳定性：使用**概化理论（G-Theory）**计算 G 系数和 $\phi$ 系数，评估滑行行为随时间变化的可靠性。
人口统计分析：采用多层线性回归（学生嵌套于班级内），在控制先前表现的情况下，检验基于性别、种族/民族、SES、IEP、ELL 和学校地域的滑行差异。
预测效度：使用多层回归检验额外努力是否能预测春季 MAP 分数，控制先前表现、任务总耗时和班级层面的方差。模型拟合度使用贝叶斯信息准则（BIC）和 $R^2$ 进行评估。

3. 主要贡献

概念框架：引入**“滑行行为”**作为绝对脱离的统一框架，将其与低效参与区分开来。它结合了会话级指标（延迟开始、提前停止）与任务内指标（停滞）。
方法学扩展：将此前在Cognitive Tutor和iReady上验证的会话级推断算法扩展到ASSISTments平台，证明了跨系统的可推广性。
机会损失的量化：提供了实证证据，表明大部分分配的课堂作业时间被回避行为所浪费，挑战了“分配时间等于利用时间”的假设。
努力的区分：区分了“任务时间”（为完成而工作）和“额外努力”（在完成之后继续工作），表明后者是学习成果更强的预测因子。

4. 主要结果

滑行的程度与构成

利用率：学生仅将**40.15%**的可用课堂作业时间用于积极的数学练习。
损失时间：**59.85%**的时间处于“滑行”状态。
- 提前停止：占滑行时间的 62.25%（最大组成部分）。
- 延迟开始：占滑行时间的 35.79%。
- 停滞时间：占滑行时间的 1.96%（极少）。
调整后发现：即使排除因完成作业而导致的提前停止（将完成作业者的提前停止时间设为 0），仍有**32%**的可用时间未被利用。

可靠性（时间稳定性）

延迟开始：中等可靠性（ $G = 0.73$ ）。
提前停止：中等可靠性（ $G = 0.71$ ）。
停滞时间：低可靠性（ $G = 0.53$ ），表明停滞高度依赖情境（例如问题难度），而非稳定的特质。
推论：延迟开始和提前停止是跨会话一致的行为模式。

人口统计差异

性别：未调整数据显示男性比女性滑行更多（约每会话 32 秒）。然而，在根据作业完成情况进行调整后，这一差异消失，表明男性只是更快地完成了作业，而非回避工作。
IEP 状态：在未调整模型中，有 IEP 的学生比无 IEP 的同龄人滑行更少，但这一差异在调整后也消失了。
其他因素：未发现基于种族/民族、SES、ELL 状态或学校地域（城市与农村）的显著差异。滑行似乎是一个跨越人口统计特征的普遍现象。

对学习的影响（额外努力）

任务时间：为初步完成而花费的时间比例不是春季 MAP 分数的显著预测因子（ $p = .919$ ）。
额外努力：在完成第一项作业后继续练习是春季 MAP 分数的显著正向预测因子（ $\beta = 1.44, p < .001$ $β = 1.44, p < .001$ ）。
- 额外努力比例每增加 10%，与测试分数增加 0.14 个标准差相关。
- 在模型中加入“额外努力”导致模型拟合度非常显著地改善（ $\Delta BIC = 11$ ）。

5. 意义与启示

理论意义

多层脱离：本研究证明脱离行为在两个层面上运作：会话层面（回避开始或提前停止）和任务层面（停滞）。
机会损失：它将“任务时间”重新定义为不仅仅是持续时间的指标，而是机会利用率的衡量标准。分配时间与实际练习时间之间的脱节是学习科学中一个关键但此前未被充分测量的变量。
自我调节：“额外努力”的预测能力表明，自愿继续练习反映了更深层的自我调节特质（例如掌握导向、内在动机），这些特质对学习的重要性超过了单纯的接触时间。

实践启示

对教育者：教师必须设定明确的期望，要求在整个课堂期间保持持续参与，而不仅仅是在完成第一项作业之前。干预措施应关注“提前完成者接下来该做什么”。
对平台设计者：DLP 需要提供支持持续参与的辅助功能，例如：
- 进度指示器。
- 针对无活动状态的提示。
- 明确的扩展活动路径，以防止因缺乏方向而提前停止。
对政策制定者：对 DLP 有效性的评估必须考虑“滑行”。一个平台可能在教学法上是合理的，但如果 60% 的分配时间因回避而损失，其投资回报率将严重降低。

局限性

相关性性质：在没有实验设计的情况下，无法确切确立滑行与成就之间的因果关系。
推断边界：会话的开始/结束时间是从日志数据中推断出来的，如果学生严重偏离课堂规范，可能会引入噪声。
可推广性：样本仅限于初中数学；其他学科或年级的模式可能有所不同。

结论

该论文得出结论，“滑行”是一种普遍且一致的行为模式，导致大量的学习机会损失（约占课堂时间的 60%）。虽然人口统计因素并未显著驱动这种行为，但区分最低限度合规（完成第一项任务）与额外努力至关重要。自愿延长练习时间的学生取得了显著更好的成果，这凸显了教育系统需要培养和支持超越最低要求的持续参与。