← 最新论文
💻 computer science

Towards the Development of Detection of Learned Helplessness in Mathematics: Design and Data Collection Challenges from a Developing Country Perspective

本文记录了在资源受限的发展中国家开发基于网络的辅导系统以检测数学习得性无助时所遇到的设计与数据收集挑战,重点强调了基础设施局限和物流中断如何显著影响了从学生处获取数据。

原作者: John Paul P. Miranda, Rex P. Bringula, Laharni S. Simpao, Jordan L. Salenga, Juvy C. Grume, Madilaine Claire B. Nacianceno, Lester G. Loyola, Jaymark A. Yambao

发布于 2026-04-29
📖 1 分钟阅读☕ 轻松阅读

原作者: John Paul P. Miranda, Rex P. Bringula, Laharni S. Simpao, Jordan L. Salenga, Juvy C. Grume, Madilaine Claire B. Nacianceno, Lester G. Loyola, Jaymark A. Yambao

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

想象一下,试图构建一个能够“察言观色”的智能机器人教师,以判断学生是因为感到绝望而放弃(心理学家称之为习得性无助),还是仅仅因为 Wi-Fi 信号不佳。这正是本文所探讨的内容。

菲律宾的研究人员试图创建一个基于网络的数学辅导工具来教授线性方程(一种特定类型的代数)。他们的目标不仅仅是教授数学;他们希望收集学生在解题过程中的行为数据,以便构建一个模型,用于检测学生何时会产生“我做不到,那又何必尝试?”的想法。

以下是他们旅程的故事,通过简单的类比来讲述:

1. 核心理念:“无助感探测器”

习得性无助想象成一只被电击了太多次的狗,即使门大开着,它也停止尝试逃脱。在数学中,这种情况发生在学生反复失败后,开始相信自己就是“数学很差”,即使他们本可以成功,也停止了尝试。

研究人员希望构建一个数字“温度计”来测量这种感觉。他们建立了一个名为Adaptive Sensei(旧版应用的网页版)的网站,其运作方式像电子游戏。它允许学生跳过问题、获取提示,并在不同模式(从易到难或从难到易)中练习。随着学生进行练习,系统会观察他们的每一个动作——盯着问题看了多久、何时点击“跳过”、或何时感到沮丧——以查看他们是否表现出放弃的迹象。

2. 现实检验:在风暴中奔跑

研究人员计划在对 410 名公立学校学生进行测试。然而,在发展中国家开展工作的现实,就像穿着沉重的靴子在雨中跑马拉松。只有118 名学生真正到达了起跑线并完成了数据收集。

以下是他们面临的三大主要“风暴”:

A. “繁文缛节”迷宫(后勤挑战)

获得进入学校的许可,就像试图获得访问一个极其严格国家的签证。他们必须向以下各方申请许可:

  • 国家教育部。
  • 地方学区。
  • 每一所学校的校长。
  • 年级组长。
  • 数学教师。
  • 家长。
  • 学生。

仅仅获得“绿灯”就花了数月时间。等到他们获得批准时,学年已经变更,学生们的日程也已排满。这就像策划一场惊喜派对,但当你拿到蛋糕时,过生日的人已经搬到了另一栋房子。

B. “课程差距”(教育挑战)

研究人员最初计划测试六年级学生,但学校系统改变了课程。他们不得不转向八年级学生。但这里有个转折:由于学校中断(如台风或热浪),许多八年级学生实际上在六年级时并未学过线性方程的基础知识。

这就像要求某人跑马拉松,但他们甚至还没学会如何系鞋带。当学生遇到困难时,研究人员无法判断学生是因为感到“习得性无助”(因觉得自己愚蠢而放弃),还是仅仅因为错过了基础课程而感到困惑。这使得数据变得“嘈杂”且难以解读。

C. “数字荒漠”(技术挑战)

研究人员假设,既然学生拥有智能手机,他们就能轻松使用网站。但这更像是给了某人一辆法拉利,附近却没有加油站。

  • 旧手机:许多学生拥有的手机过时,难以加载简单的网站。
  • 没有网络:学校没有免费 Wi-Fi。研究人员不得不自带“口袋 Wi-Fi"设备,但这些设备既旧又弱。
  • 信号盲区:有些教室位于完全没有信号的区域。团队不得不让学生在学校内移动到不同的位置,仅仅为了找到足以加载页面的信号。

困惑之处:当学生停止工作时,是因为他们对数学感到无助?还是因为页面无法加载?研究人员意识到,技术挫败感在表现上可能与数学挫败感完全一样。这使得构建准确的“无助感探测器”变得非常困难。

3. 学到的教训

该论文得出结论,在发展中国家构建智能教育工具比仅仅编写代码要困难得多。

  • 不要假设每个人都是“数字原住民”:仅仅因为孩子有手机,并不意味着他们知道如何浏览网站。许多学生甚至需要帮助才能打开链接。
  • 时间是脆弱的:你不能只计划一小时的课程。你必须考虑到台风、热浪和学校停课等因素。
  • “噪音”问题:如果你的系统有故障,你就无法分辨学生是在经历“数学崩溃”还是“技术崩溃”。

核心结论

本文并非关于一个完美运行的机器人教师的故事。它是一本“野外手册”,讲述了在 internet 信号不稳定、学校负担过重、且学生存在学习差距的地方尝试收集数据的混乱而艰难的真相。

主要启示是:要检测学生是否感到绝望,你首先必须确保互联网能正常工作,学生确实掌握了基础知识,并且你有足够的时间在不匆忙的情况下观察他们。如果不解决这些现实世界的问题,“探测器”可能只是在测量 Wi-Fi 有多糟糕,而不是学生的感受。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →