監控調節學習支架影響深度學習的作用機制*

劉哲雨 劉佳樂 于 評 劉 暢

監控調節學習支架影響深度學習的作用機制*

劉哲雨 劉佳樂 于 評 劉 暢[通訊作者]

（天津師范大學 教育學部，天津 300387）

監控調節學習支架對深度學習具有重要促進作用，但其作用機制有待進一步研究。對此，文章對學習者的深度學習情況展開多模態評價，包括借助功能性近紅外光譜技術測量腦區激活水平、結合問卷測量深度學習不同階段的認知水平，以探究不同類型的監控調節學習支架對深度學習過程與結果的影響，實驗結果表明：在深度學習不同階段，引導性監控調節學習支架和自主性監控調節學習支架干預下的腦區激活水平更為顯著；引導性監控調節學習支架對深度學習的促進效果更優；深度學習不同階段的腦區激活水平與認知水平顯著相關。就作用機制而言，引導性監控調節學習支架更符合深度學習腦加工機制的需求，可以根據對應腦區的激活水平來判斷深度學習是否真實發生以及發生的程度如何。多模態實證研究結論可為面向深度學習的監控調節學習支架設計提供參考，并有助于推動深度學習研究的進一步深入。

監控調節學習支架；深度學習；多模態；腦機制

引言

深度學習是一種以深度理解為起點、以新情境中的遷移為導向、以解決復雜問題和創新為目標的高層次學習方式[1]，表現為學習者積極主動地、批判性地整合新知識。深度學習強調對知識的深層加工過程，強調以深度理解與保持為前提，強調在學習內容框架內的應用與在框架外的拓展遷移，強調建立在學習基礎上的創新、復雜問題解決等高階思維或高階能力的培養。深度學習視角下，教育工作者易于發現學習者在學習過程中存在的一系列問題，如自主學習能力較差、參與度不高、學習結果停留在淺層學習水平、不能對所學知識進行深度理解與遷移創新等[2]。有研究者認為，導致這些問題的原因比較復雜，但多與學習者的自我調節能力、自主性監控與引導性監控有關[3]。監控影響深度學習的基礎機制在于監控調節，而監控調節是自我調節的一個重要組成部分。這說明，自我調節中的監控調節影響深度學習。

學習者的自我調節能力水平越高，深度學習效果就越好[4]。而利用學習支架支持監控調節、實現自我調節[5]，也可有效促進深度學習。學習支架對深度學習的促進程度及其促進機制，是面向深度學習的學習支架研究的重要內容[6]。但是，已有研究更多源于經驗或更多聚焦技術，而較少關注不同學習支架對深度學習過程腦加工機制的作用差異及其對不同階段、不同層次深度學習結果的影響差異。基于此，本研究主要探究不同類型的監控調節學習支架對深度學習的影響及其作用機制，以期為面向深度學習的監控調節學習支架設計提供依據。

一 文獻述評

學習支架是指在學習過程的某個特定節點建立的一種向學習者提供幫助的臨時結構，用來幫助學習者完成某些具有挑戰性的任務。而監控調節學習支架是在學習過程中建立的一種臨時交互結構，以支持學習者進行監控調節。問題支架是監控調節學習支架的重要表征方式之一，其中自我提問是引起自我監控的有效表征方式，會對學習者的學習結果產生顯著影響[7]。與此同時，賦予學習者不同程度的交互控制權，也對深度學習有很大程度的影響[8]。因此，進行研究時可以通過不同水平的監控調節外部指引，激發不同水平的監控調節行為，進而探索不同水平的監控調節學習支架對深度學習的影響。學習者控制與系統控制是多媒體交互的主要方式[9]，不同交互控制方式可以引導不同類型的監控調節學習支架的形成。例如，自主性監控調節學習支架設計是系統不提供任何引導性線索提示，完全由學習者自主進行自我提問完成學習；而引導性監控調節學習支架由系統控制呈現提示和支持，學習者在系統引導下進行自我提問完成學習。因此，本研究將監控調節學習支架設置為自主性監控調節學習支架和引導性監控調節學習支架。

深度學習強調信息相互關聯與重組，與大腦皮層神經元聯結密切相關[10]。腦功能成像是研究大腦活動的基本手段之一，其中功能性近紅外光譜（Functional Near-infrared Spectroscopy，fNIRS）技術是一種動態檢測神經細胞、實現腦功能監測的神經成像技術，可以實時評估大腦皮層的血氧濃度變化情況，通常用來檢測大腦的激活水平。本研究應用fNIRS技術反映監控調節學習支架如何影響腦區的激活水平，建立腦區激活與學習支架類型、腦區激活水平與認知水平之間的關聯，為監控調節學習支架研究提供基于腦加工機制的底層機理與設計依據。

監控調節學習支架促進深度學習的多模態評價不僅可以采用生理測量評價深度學習結果發生的過程，還可以結合認知測量評估深度學習結果的認知水平。深度理解與保持屬于深度學習的前期階段，是深度學習建立的基礎。因此，深度學習的結果評價要首先評價理解與保持認知水平是否合格，在此基礎上繼續評價高階思維、創新行為等深度學習結果。遷移與創新認知水平測試主要用來評估學習者聯結知識、遷移知識并應用知識解決綜合問題的能力，處于這個水平的知識形態可以擺脫知識的原始形態，用于新情境或解決更復雜的問題，屬于深度學習進程中的后期階段[11]。因此，本研究對深度學習結果的評價包含前期階段的理解與保持認知水平評價和后期階段的遷移與創新認知水平評價。

二 實驗研究

1 研究假設

為進一步探究不同類型的監控調節學習支架對深度學習過程與結果的影響及其作用機制，本研究圍繞不同類型的監控調節學習支架、腦區激活水平、認知水平提出如下假設——

假設1：自主性監控調節學習支架與引導性監控調節學習支架干預下的監控調節學習過程中腦區激活水平差異顯著。具體來說，在有監控調節學習支架干預的監控調節學習過程中，引導性監控調節學習支架干預下的腦區激活水平顯著優于自主性監控調節學習支架。

假設2：不同監控調節學習支架干預下的深度學習不同階段的腦區激活水平差異顯著。具體來說，在深度學習的不同階段，有監控調節學習支架（包括自主性監控調節學習支架、引導性監控調節學習支架）干預的腦區激活水平與無監控調節學習支架差異顯著，且引導性監控調節學習支架比自主性監控調節學習支架的干預作用更加顯著。

假設3：不同監控調節學習支架干預下的深度學習不同階段的認知水平差異顯著。具體來說，在深度學習的不同階段，有監控調節學習支架干預的認知水平與無監控調節學習支架差異顯著，且引導性監控調節學習支架比自主性監控調節學習支架的干預作用更加顯著。

假設4：在深度學習的不同階段，腦區激活水平與認知水平顯著相關。

2 研究對象

為驗證上述假設是否成立，本研究開展了單因素完全隨機實驗。本研究團隊首先從天津市招募了50名高校本科生參與實驗，然后通過“先驗知識測試問卷”（Cronbach’s α值為0.95，KMO值為0.76，Bartlett球形檢驗值為0.000）篩查先驗知識過高的被試、采用Pintrich等[12]編制的“自我調節能力自評量表”（Cronbach’s α值為0.65，KMO值為0.64，Bartlett球形檢驗值為0.000）篩查自我調節能力過低或過高的被試、通過“深度學習結果測試問卷”篩查未實現深度學習的被試，最終有38名被試（含男生18人、女生20人）的實驗數據有效。這38名被試被隨機分為三組：無監控調節學習支架組，有11人；自主性監控調節學習支架組，有13人；引導性監控調節學習支架組，有14人。單因素方差分析表明，三組被試的先驗知識水平（F=0.026，=0.947＞0.05）、自我調節能力（F=1.119，=0.336＞0.05）均不存在顯著差異。

3 實驗設計

本研究采用單因素完全隨機實驗設計，自變量為不同類型的監控調節學習支架，包括無監控調節學習支架、引導性監控調節學習支架和自主性監控調節學習支架；因變量為深度學習過程與結果，涉及深度學習不同階段（包括前期階段的理解與保持、后期階段的遷移與創新）的發生過程（主要評價腦區激活水平）與行為結果（主要評價認知水平），具體如圖1所示。

圖1 實驗設計

4 數據收集

本實驗的學習材料選自中國大學MOOC“兒童發展”課程中“兒童氣質的發展”一節的部分內容。監控調節學習支架主要支持被試的實時自我監控行為，通過支持被試提問和回答的自我報告行為，起到自我監控知識理解程度的作用。其中，自主性監控調節學習支架根據“兒童氣質的發展”一節中的核心內容，在相應的重點知識節點支持自主提問，提示被試針對該知識點進行自我提問并回答，實驗完整記錄被試自主提問與回答的過程；引導性監控調節學習支架在相同知識節點處給出不同類型的問題，提示被試針對該知識點自行選擇問題類型并將問題題目補充完整后進行回答，實驗完整記錄被試在系統引導下進行自我提問與回答的過程。

（1）腦區激活水平的數據收集

本實驗使用日本島津公司研發的近紅外腦成像記錄分析系統，記錄實驗過程中被試大腦皮層的血氧變化情況。光極的位置采用國際10-20系統放置，共24個光極，左右兩邊均采用2×3+3×2的排列方式，分布在前額葉皮層和左右顳葉皮層。其中，有12個為發射光極，另外12個為接收光極，相鄰兩個光極構成一個信號記錄通道，共形成腦區的28個通道，如圖2所示。通過3D定位儀對各個通道上的坐標進行定位，可以發現覆蓋的腦區主要包括：背外側前額葉皮層（包括額上回和額中回）對應通道1、2、8、9，眶額皮層（包括額上回和額中回）對應通道3、6、9、12，左側顳葉（包括顳上回和顳中回）對應通道16、18、19、20、21，額葉（包括額中回）對應通道2，左側額葉（包括額中回）對應通道4、5、7，右側額葉（包括額中回）對應通道8、10、11、13、14，右側顳葉（包括顳上回和顳中回）對應通道24、25、26、27、28，三角部額葉（包括額下回）對應通道15、22，左側島蓋部額下回對應通道17，右側眶部對應通道14，右側中央前回對應通道23，右側緣上回對應通道26。可以通過監測通道激活情況，來判斷對應額葉、顳葉腦區是否激活；同時，可以根據左側額葉、左側顳葉腦區的激活水平來判斷是否達到深度學習前期階段的理解與保持認知水平，根據左側額葉腦區的激活水平來判斷是否達到深度學習后期階段的遷移與創新認知水平。

圖2 腦區的28個通道

圖3 通過監控調節學習支架進行自我提問的腦部3D模型激活圖

（2）認知水平的數據收集

“深度學習結果測試問卷”既包括深度學習前期階段的認知水平（即理解與保持）測試，也包括深度學習后期階段的認知水平（即遷移與創新）測試，其Cronbach’s α值為0.75，KMO值為0.72，Bartlett球形檢驗值為0.000。所有測試題目和被試測試結果均由3名專業教師匿名評估，測試工具結構優良，具有可信度，可以在實驗中使用。

三 數據分析

1 有監控調節學習支架干預的腦區激活水平分析

本實驗在Matlab 2012b中使用NIRS_SPM插件，基于3D定位和MNI坐標構建被試大腦3D模型，并繪制在監控調節學習過程中被試通過自主性監控調節學習支架、引導性監控調節學習支架進行自我提問的腦部3D模型激活圖，分別如圖3（a）、圖3（b）所示。

為進一步探究監控調節學習過程中自主性監控調節學習支架組、引導性監控調節學習支架組的腦區激活水平是否存在顯著差異，本實驗使用SPSS 26.0對各條件下氧合血紅蛋白（HbO）濃度變化的Beta值進行獨立樣本t檢驗（考慮到HbO對任務刺激更加敏感[13]，本研究僅將其納入進一步的數據分析），結果如表1所示，可以看出：在通道6、8、9、20、24、25，兩組對應腦區的激活水平差異達到邊緣性顯著；在通道11、16、19、22、23、26、28，兩組對應腦區的激活水平存在顯著差異。可見，在自主性監控調節學習支架和引導性監控調節學習支架的干預下，腦區激活水平出現了比較明顯的變化，至于這種變化是否會對深度學習產生影響還有待驗證。

表1 自主性監控調節學習支架組與引導性監控調節學習支架組的腦區激活水平獨立樣本t檢驗（部分）

注：BA是布羅德曼分區（Brodmann Area）的簡寫；Overlap＞30%；*＜0.05，**＜0.01。下同。

2 腦區激活水平與深度學習結果的認知水平分析

（1）深度學習不同階段的腦區激活水平分析

①前期階段的腦區激活水平分析：深度學習前期階段腦區激活水平的單因素方差分析結果顯示，三組在通道1（=2.614，=0.086＞0.05）的激活水平差異達到邊緣性顯著，在通道2（=3.315，=0.047＜0.05）、23（=3.856，=0.030＜0.05）的激活水平存在顯著差異，具體如表2所示。進一步LSD事后多重比較分析的結果顯示，無監控調節學習支架組和自主性監控調節學習支架組在通道23（=0.018＜0.05）的激活水平存在顯著差異，無監控調節學習支架組和引導性監控調節學習支架組在通道2（=0.018＜0.05）的激活水平存在顯著差異，自主性監控調節學習支架組和引導性監控調節學習支架組在通道1（=0.029＜0.05）、23（=0.026＜0.05）的激活水平存在顯著差異。

表2 深度學習不同階段腦區激活水平的單因素方差分析

②后期階段的腦區激活水平分析：深度學習后期階段腦區激活水平的單因素方差分析結果顯示，三組在通道6（=4.372，=0.019＜0.05）的激活水平存在顯著差異，具體如表2所示。進一步LSD事后多重比較分析的結果顯示，無監控調節學習支架組和自主性監控調節學習支架組在通道6（=0.017＜0.05）的激活水平存在顯著差異，無監控調節學習支架組和引導性監控調節學習支架組在通道6（=0.011＜0.05）的激活水平存在顯著差異，自主性監控調節學習支架組和引導性監控調節學習支架組在各通道的激活水平均無顯著差異。

（2）深度學習不同階段認知水平分析

三組被試在深度學習前期階段的理解與保持認知水平、深度學習后期階段的遷移與創新認知水平方面的實驗數據描述性分析如表3所示。

表3 實驗數據描述性分析（M±SD）

①前期階段的理解與保持認知水平分析：實驗數據描述性分析結果顯示，理解與保持認知水平按從高到低排序為引導性監控調節學習支架組＞自主性監控調節學習支架組＞無監控調節學習支架組。Levene方差齊性檢驗的結果顯示，三組理解與保持認知水平具有方差齊性（=0.180＞0.05）；但K-S正態性檢驗的結果表明，數據不符合正態分布。因此，對理解與保持認知水平數據進行正態化轉換后展開單因素方差分析，結果顯示三組的理解與保持認知水平存在顯著差異（F(2, 38)=3.844，=0.028＜0.05）。進一步LSD事后多重比較分析的結果顯示，無監控調節學習支架組與引導性監控調節學習支架組的理解與保持認知水平存在顯著差異（=0.008＜0.01），而無監控調節學習支架組與自主性監控調節學習支架組、自主性監控調節學習支架組與引導性監控調節學習支架組的理解與保持認知水平均無顯著差異。可見，在深度學習前期階段的理解與保持認知水平上，引導性監控調節學習支架組＞無監控調節學習支架組，且具有統計學意義。

②后期階段的遷移與創新認知水平分析：實驗數據描述性分析結果顯示，遷移與創新認知水平按從高到低排序為引導性監控調節學習支架組＞自主性監控調節學習支架組＞無監控調節學習支架組。Levene方差齊性檢驗的結果顯示，三組遷移與創新認知水平具有方差齊性（=0.387＞0.05）；但K-S正態性檢驗的結果表明，數據不符合正態分布。因此，對遷移與創新認知水平數據進行正態化轉換后展開單因素方差分析，結果顯示三組的遷移與創新認知水平存在顯著差異（F(2, 38)=3.880，=0.027＜0.05）。進一步LSD事后多重比較分析的結果顯示，無監控調節學習支架組與引導性監控調節學習支架組的遷移與創新認知水平存在顯著差異（=0.008＜0.01），而無監控調節學習支架組與自主性監控調節學習支架組、自主性監控調節學習支架組與引導性監控調節學習支架組的遷移與創新認知水平均無顯著差異。可見，在深度學習后期階段的遷移與創新認知水平上，引導性監控調節學習支架組＞無監控調節學習支架組，且具有統計學意義。

（3）深度學習不同階段腦區激活水平與認知水平的關系分析

①前期階段腦區激活水平與認知水平的關系分析：主要采用Pearson相關分析，評價深度學習前期階段激活的通道1、2、23與理解與保持認知水平的關系。鑒于理解與保持認知水平數據的K-S正態性檢驗結果不符合正態分布，因此需要對理解與保持認知水平數據進行正態化轉換后展開相關性分析。Pearson相關分析結果顯示，激活的通道1（r=0.354，=0.025＜0.05）、23（r=0.363，=0.021＜0.05）與理解與保持認知水平存在正相關關系，激活的通道2（r=0.115，=0.479＞0.05）與理解與保持認知水平不存在相關關系。可見，在監控調節學習支架的干預下，深度學習前期階段激活的通道1、23與理解與保持認知水平之間的相關關系具有統計學意義。

②后期階段腦區激活水平與認知水平的關系分析：主要采用Pearson相關分析，評價深度學習后期階段激活的通道6與遷移與創新認知水平的關系。鑒于遷移與創新認知水平數據的K-S正態性檢驗結果不符合正態分布，因此需要對遷移與創新認知水平數據進行正態化轉換后展開相關性分析。Pearson相關分析結果顯示，激活的通道6（r=0.354，=0.021＜0.05）與遷移與創新認知水平存在正相關關系。可見，在監控調節學習支架的干預下，深度學習后期階段激活的通道6與遷移與創新認知水平之間的相關關系具有統計學意義。

四 研究結論及作用機制

1 回應假設1、2并分析監控調節學習支架促進深度學習的作用機制

本實驗發現，在有監控調節學習支架干預的監控調節學習過程中，自主性監控調節學習支架與引導性監控調節學習支架干預下的腦區激活水平存在顯著差異，引導性監控調節學習支架對腦區激活水平的影響更加明顯，由此驗證了假設1。本實驗還發現，在深度學習前期階段理解與保持的過程中，不同類型監控調節學習支架干預下的腦區激活水平存在顯著差異，且引導性監控調節學習支架干預下的腦區激活水平更加顯著；在深度學習后期階段遷移與創新的過程中，無監控調節學習支架與有監控調節學習支架干預下的腦區激活水平存在顯著差異，且有監控調節學習支架干預下的腦區激活水平更為顯著，由此部分驗證了假設2。

本實驗結果說明，引導性監控調節學習支架和自主性監控調節學習支架不僅作用于監控調節行為內部，也作用于深度學習結果，且引導性監控調節學習支架更符合深度學習腦加工機制的需求。本研究認為監控調節包括對認知活動的規劃監督、有序組織與調整控制，貫穿于學習行為的各個階段；監控調節學習支架既影響學習者的監控調節行為表現，也影響學習者的深度學習動機與策略，從而影響深度學習結果。有研究進一步指出，監控調節學習支架能幫助學習者了解自己的認知特點、認識目標設定的范圍與強度、掌握學習的內容與形式、調整完成任務相關的策略與方法，學習者可以通過不斷地組織、重構當前的認知活動并將加工資源引向自己的行為過程，來實現對學習過程的自我監控[14]。

2 回應假設3并分析監控調節學習支架促進深度學習的作用機制

本實驗發現，無監控調節學習支架和引導性監控調節學習支架干預下的理解與保持、遷移與創新認知水平差異顯著，且引導性監控調節學習支架對深度學習的促進效果優于無監控調節學習支架，由此部分驗證了假設3。

有研究認為，監控調節要給予學習者更多的支持，系統提示引發的監控調節活動效果更優，能夠更加充分地引導監控調節行為[15]——此結論與本實驗結果一致。本實驗還發現，在深度學習前期階段的理解與保持認知水平、深度學習后期階段的遷移與創新認知水平上，自主性監控調節學習支架組與引導性監控調節學習支架組均無顯著差異。但進一步深入分析可知，不同類型的監控調節學習支架可能會與學習者自己的一些監督與控制策略相沖突，從而限制學習支架在監控調節過程中發揮積極作用。

3 回應假設4并分析監控調節學習支架促進深度學習的作用機制

本研究發現，在監控調節學習支架的干預下，深度學習前期階段激活的通道1、23與理解與保持認知水平之間，深度學習后期階段激活的通道6與遷移與創新認知水平之間的相關關系均具有統計學意義，由此驗證了假設4。

本實驗結果說明，深度學習不同階段的腦區激活水平與認知水平顯著相關，額葉與深度學習前期階段理解與保持的心理加工過程有很強的關聯性，而左側額葉與深度學習后期階段遷移與創新的心理加工過程有很強的關聯性。上述研究結論及作用機制分析啟示研究者：可以通過對應腦區的激活水平，來判斷監控調節學習支架是否在促進深度學習的過程中發揮作用。具體到實踐中，可以通過左側背外側額上回和右側中央前回是否激活，來判斷監控調節學習支架是否對深度學習的理解與保持認知水平產生有效作用；可以通過左側眶部額中回是否激活，來判斷監控調節學習支架是否對深度學習的遷移與創新認知水平產生有效作用。

五 結語

本研究聚焦監控調節學習支架是否影響深度學習、監控調節學習支架在多大程度上影響深度學習以及監控調節學習支架影響深度學習的作用機制等核心問題，通過多模態實驗分析，發現引導性監控調節學習支架比自主性監控調節學習支架、無監控調節學習支架更能促進學習者實現深度學習，且引導性監控調節學習支架在促進深度學習腦加工機制方面發揮了更重要的作用。此外，深度學習不同階段的腦區激活水平可用于判斷深度學習的認知水平，未來可以根據對應腦區的激活水平來判斷深度學習是否真實發生以及發生的程度如何。本研究不僅實證分析了監控調節學習支架對深度學習的影響，而且探究了監控調節學習支架促進深度學習的腦加工機制，可為設計符合深度學習腦加工機制規律的監控調節學習支架提供參考。

[1]劉哲雨,王志軍.行為投入影響深度學習的實證探究——以虛擬現實(VR)環境下的視頻學習為例[J].遠程教育雜志,2017,(1):72-81.

[2]陳新亞,翟雪松,李艷.疫情下國際代表性國家在線教學的實踐、挑戰及應對策略研究[J].中國教育信息化,2021,(15):69-72.

[3](瑞典)奧爾加·維伯格,(約旦)默罕默德·哈利勒,(荷蘭)馬丁尼·巴斯,等.在線學習環境下的自我調節學習和學習分析實證研究述評[J].中國遠程教育,2020,(12):28-41、58、93.

[4]馬云飛,鄭旭東,趙冉,等.深度學習的發生機制與多模態數據測評研究[J].遠程教育雜志,2022,(1):50-60.

[5]劉彩霞,吳麗林,黎興橋.網絡多媒體環境下優秀語言學習者自我調節外語學習模式個案研究[J].現代教育技術,2011,(1):112-115.

[6]楊蘊佳,李美鳳,李文.近十年國內高階思維研究現狀、熱點與趨勢——基于文獻計量與知識圖譜分析[J].現代教育技術,2021,(8):15-22.

[7]樊雅琴,黃若琳,崔迎,等.STEM教育背景下學生問題解決能力的培養[J].現代教育技術,2019,(1):114-119.

[8]黃振中,張曉蕾.自主學習能力對在線學習效果的影響機制探究——兼論在線學習交互體驗的中介作用[J].現代教育技術,2018,(3):66-72.

[9]劉哲雨,劉暢,許博宇.計劃調節學習支架對在線深度學習的影響機制研究[J].電化教育研究,2022,(8):77-84、100.

[10]翟雪松,楚肖燕,胡美如,等.從腦機接口到腦腦接口:認知傳輸與群體協同的教育變革[J].遠程教育雜志,2022,(3):24-34.

[11]劉哲雨,郝曉鑫.深度學習的評價模式研究[J].現代教育技術,2017,(4):12-18.

[12]Pintrich P R, Smith D A F, Teresa D, et al. A manual for the use of the motivated strategies for learning questionnaire (MSLQ)[M]. USA: Education Resources Information Center, 1991:13-14.

[13]白學軍,張琪涵,章鵬,等.基于fNIRS的運動執行與運動想象腦激活模式比較[J].心理學報,2016,(5):495-508.

[14]鄭蘭琴,李欣,陳鳳英.大學生自我調節學習能力培養策略的實證研究[J].中國遠程教育,2016,(12):30-36、79.

[15]Seufert T. The interplay between self-regulation in learning and cognitive load[J]. Educational Research Review, 2018,(24):116-129.

LIU Zhe-yu LIU Jia-le YU Ping LIU Chang[Corresponding Author]

Monitoring-regulated learning scaffolds have an important role in facilitating deep learning, but its action mechanism needs further research. Therefore, a multi-modal evaluation of learners’ deep learning situations was carried out in this paper, which included measuring the activation levels of brain regions with functional near-infrared spectroscopy technology and assessing cognitive level at different stages of deep learning in combination with questionnaires, in order to investigate the influence of different types of monitoring-regulated learning scaffolds on the process and outcomes of deep learning. The experimental results showed that the activation level of brain regions was more significant with guided monitoring-regulated learning scaffolds and autonomous monitoring-regulated learning scaffolds intervention at different stages of deep learning. Meanwhile, the promotion effect of guided monitoring-regulated learning scaffolds on deep learning was more significant. The activation level of brain regions at different stages of deep learning was significantly correlated with the cognitive level. In terms of action mechanism, guided monitoring-regulated learning scaffolds were more in line with the needs of brain processing mechanism of deep learning, and whether deep learning really occurred and to what extent could be judged according to the activation level of corresponding brain regions. The conclusion of the multi-modal empirical result could provide reference for the design of monitoring-regulated learning scaffolds for deep learning, and promote further research on deep learning.

monitoring-regulated learning scaffold; deep learning; multi-modality; brain mechanism

G40-057

A

1009—8097（2023）01—0049—09

10.3969/j.issn.1009-8097.2023.01.005

本文為國家自然科學基金青年項目“自我調節支架促進在線深度學習：基于多模態技術的腦機制研究與支架設計模型研究”（項目編號：61907032）的階段性研究成果。

劉哲雨，副教授，博士，研究方向為深度學習與學習科學的多模態分析，郵箱為zheyuliu@126.com。

2022年6月15日

編輯：小米