顧美俊 江 波 殷成久

數(shù)字教材閱讀中回看行為與學(xué)習(xí)效果的關(guān)系*

顧美俊1江 波2[通訊作者]殷成久3

（1．浙江工業(yè)大學(xué) 教育科學(xué)與技術(shù)學(xué)院，浙江杭州 310023；2．華東師范大學(xué) 教育信息與技術(shù)學(xué)系，上海2 00062；3．日本神戶大學(xué) 情報(bào)科學(xué)與技術(shù)中心，日本神戶 812-8581）

回看是一種有效的學(xué)習(xí)策略，數(shù)字教材中弱交互的導(dǎo)航降低了回看對(duì)學(xué)習(xí)效果的提升。基于此，文章對(duì)參加數(shù)字教材閱讀選修課的102名大學(xué)生的學(xué)習(xí)行為日志進(jìn)行分析，結(jié)果發(fā)現(xiàn)：學(xué)習(xí)者在數(shù)字教材閱讀的回看行為具有高頻、跨度大的特點(diǎn)；回看行為網(wǎng)絡(luò)圖能可視化呈現(xiàn)數(shù)字教材的重、難點(diǎn)；回看組比普通組的回看行為更多且回看過程中添加了更多的書簽和備忘錄，取得的學(xué)習(xí)效果更好；學(xué)習(xí)者的先前知識(shí)水平和回看時(shí)添加筆記總頻次對(duì)學(xué)習(xí)成績影響很大。文章對(duì)數(shù)字教材閱讀中回看行為與學(xué)習(xí)效果關(guān)系的研究，有助于理解學(xué)習(xí)者的回看行為特征，并可用于優(yōu)化設(shè)計(jì)數(shù)字教材的智能導(dǎo)航功能，從而推動(dòng)數(shù)字教材朝著智能化方向發(fā)展。

數(shù)字教材；回看行為；學(xué)習(xí)效果；智能導(dǎo)航

一 研究綜述

1 數(shù)字教材與回看的關(guān)系梳理

數(shù)字教材是學(xué)科知識(shí)重要的載體，是教師教學(xué)與學(xué)生學(xué)習(xí)的重要工具[1]。數(shù)字教材的可用性（Usability），是其能否得以推廣的重要因素之一[2]。而在數(shù)字教材的眾多可用性評(píng)價(jià)指標(biāo)中，導(dǎo)航（Navigation）是用戶常用的功能，也是影響學(xué)習(xí)者閱讀體驗(yàn)的重要指標(biāo)之一[3]。

數(shù)字教材攜帶方便、學(xué)習(xí)資源便于共享的特點(diǎn)，滿足了學(xué)習(xí)者隨時(shí)隨地學(xué)習(xí)的需求，但紙質(zhì)教材仍然是當(dāng)前的主流形式。Omura等[4]調(diào)查了826名師生對(duì)數(shù)字教材的使用態(tài)度，結(jié)果顯示超過一半的人偏好紙質(zhì)教材。另一項(xiàng)持續(xù)6年的研究調(diào)查了792名大學(xué)生的閱讀習(xí)慣，發(fā)現(xiàn)一半以上的學(xué)生傾向于使用紙質(zhì)教材[5]。最近的一項(xiàng)研究收集到來自5個(gè)國家的427名學(xué)生數(shù)據(jù)，發(fā)現(xiàn)超過45%的學(xué)生在學(xué)習(xí)或者休閑閱讀時(shí)同樣更偏好紙質(zhì)教材[6]?？v觀整個(gè)數(shù)字教材的發(fā)展歷程，其發(fā)展形態(tài)從最初的靜態(tài)媒體形態(tài)發(fā)展到多媒體形態(tài)，正向注重交互體驗(yàn)的富媒體形態(tài)過渡[7]，但學(xué)習(xí)者對(duì)數(shù)字教材模擬紙質(zhì)書導(dǎo)航的閱讀體驗(yàn)感仍然較差。

數(shù)字教材弱交互的導(dǎo)航降低了學(xué)習(xí)者的閱讀體驗(yàn)，這也是更多學(xué)習(xí)者選擇紙質(zhì)教材閱讀的重要原因。Nicholas等[8]對(duì)127所大學(xué)的5000多名師生開展了調(diào)查，發(fā)現(xiàn)他們選擇數(shù)字教材的主要原因在于其易于訪問、方便攜帶，而數(shù)字教材困擾讀者的主要問題之一是其弱交互的導(dǎo)航。在Omura等[9]的研究中，參與者被要求選擇18項(xiàng)與可用性有關(guān)的指標(biāo)評(píng)價(jià)紙質(zhì)教材和數(shù)字教材，結(jié)果發(fā)現(xiàn)：紙質(zhì)教材在易于集中注意力、易于理解、易于概覽、易于翻頁和導(dǎo)航這四個(gè)方面的功能優(yōu)于數(shù)字教材。Marshall等[10]通過錄像帶分析的方法，比較了學(xué)習(xí)者在閱讀紙質(zhì)教材和數(shù)字教材時(shí)的導(dǎo)航行為，結(jié)果發(fā)現(xiàn)：使用數(shù)字教材時(shí)，學(xué)習(xí)者難以快速捕獲教材上下文之間的聯(lián)系。Shibata等[11]的研究也得出了類似的結(jié)論：學(xué)習(xí)者通過點(diǎn)擊交互式按鈕在數(shù)字教材中導(dǎo)航，存在物理空間中有限的前后移動(dòng)問題，難以有效地瀏覽整本數(shù)字教材。

學(xué)習(xí)者在紙質(zhì)教材和數(shù)字教材中的導(dǎo)航行為存在很大不同：在紙質(zhì)教材中，學(xué)習(xí)者的每次翻頁都能實(shí)現(xiàn)任意兩個(gè)頁面之間的導(dǎo)航；而在數(shù)字教材中，學(xué)習(xí)者通過點(diǎn)擊按鈕回看閱讀，每次只能實(shí)現(xiàn)前后相鄰兩個(gè)頁面之間的導(dǎo)航。此外，Shibata等[12]發(fā)現(xiàn)，在數(shù)字教材中使用導(dǎo)航花費(fèi)的時(shí)間比紙質(zhì)教材多了近50%。學(xué)習(xí)者在紙質(zhì)教材中的導(dǎo)航行為是一個(gè)“黑箱”，而數(shù)字教材能夠?qū)崟r(shí)記錄學(xué)習(xí)者在導(dǎo)航過程中的行為日志，為深入研究學(xué)習(xí)者的導(dǎo)航行為提供了海量數(shù)據(jù)。理解學(xué)習(xí)者的導(dǎo)航行為，不僅能夠優(yōu)化數(shù)字教材的交互設(shè)計(jì)，更重要的是作為數(shù)字教材體系中的學(xué)習(xí)者模型，可以賦能教材的智能化建設(shè)[13][14]。

2 回看行為與學(xué)習(xí)效果的研究現(xiàn)狀

回看是閱讀中常見的一種導(dǎo)航行為，描述了學(xué)習(xí)者從當(dāng)前頁面往回翻看、停留閱讀、繼續(xù)回到當(dāng)前頁面的學(xué)習(xí)過程。在停留閱讀環(huán)節(jié)，學(xué)習(xí)者可通過數(shù)字教材中的交互按鈕，添加高亮顯示、書簽、備忘錄和下劃線，以查漏補(bǔ)缺，或輔助新知識(shí)的學(xué)習(xí)。有調(diào)查發(fā)現(xiàn)，在閱讀數(shù)字教材時(shí)，學(xué)習(xí)者有一半以上時(shí)間用于回看[15]。當(dāng)前數(shù)字教材的學(xué)習(xí)材料仍以靜態(tài)圖片和文本為主，相較于圖片形式的學(xué)習(xí)材料，學(xué)習(xí)者在閱讀文本形式的學(xué)習(xí)材料時(shí)會(huì)產(chǎn)生更多回看[16]。

在交互、友好的導(dǎo)航環(huán)境中，回看行為能夠提高學(xué)習(xí)效果。例如，Smadja等[17]分析了學(xué)習(xí)者在網(wǎng)頁中閱讀時(shí)的三類回看模式（即簡(jiǎn)易回看模式、持續(xù)回看模式、完全回看模式），提高了文本導(dǎo)航的交互性；Zhang等[18]分析了學(xué)習(xí)者在觀看視頻過程中的回看模式，設(shè)計(jì)并實(shí)現(xiàn)了基于知識(shí)點(diǎn)的智能鏈接跳轉(zhuǎn)，提升了學(xué)生的學(xué)習(xí)效果；Ogata等[19]應(yīng)用社會(huì)網(wǎng)絡(luò)分析方法，對(duì)學(xué)習(xí)者的回看行為進(jìn)行了可視化，呈現(xiàn)了回看在鏈接知識(shí)點(diǎn)中的應(yīng)用價(jià)值；Mouri等[20]通過分析學(xué)習(xí)者在數(shù)字教材中的點(diǎn)擊流數(shù)據(jù)，發(fā)現(xiàn)點(diǎn)擊“上一頁”交互按鈕的回看有利于提升學(xué)習(xí)效果；Yin等[21]除了分析數(shù)字教材閱讀中學(xué)習(xí)者的回看行為，還結(jié)合學(xué)習(xí)者添加備忘錄、下劃線和高亮顯示的交互行為，為數(shù)字教材導(dǎo)航設(shè)計(jì)提出相關(guān)建議。

盡管回看是一種有效的學(xué)習(xí)策略，但是數(shù)字教材中弱交互的導(dǎo)航影響了回看對(duì)學(xué)習(xí)效果的提升作用。例如，Shibata等[22]指出，通過點(diǎn)擊交互按鈕，每次只能實(shí)現(xiàn)相鄰兩個(gè)頁面之間的回看，嚴(yán)重影響了數(shù)字教材閱讀的學(xué)習(xí)效果。Baron等[23]也得出了類似的結(jié)論：近92%的參與者在紙質(zhì)教材中的注意力更集中，而數(shù)字教材閱讀中的回看會(huì)讓他們的注意力分散，同時(shí)閱讀數(shù)字教材會(huì)造成更多的眼睛疲勞。Shibata等[24]發(fā)現(xiàn)，在閱讀數(shù)字教材時(shí)，學(xué)習(xí)者的注意力分散是由教材中光標(biāo)閃爍、背景屏幕、圖標(biāo)、導(dǎo)航按鈕、菜單、工具欄等干擾所引起的；而對(duì)1053名學(xué)習(xí)者的調(diào)查結(jié)果顯示：造成數(shù)字教材學(xué)習(xí)效果不佳的主要原因是眼睛易疲勞、導(dǎo)航操作功能有限、注意力不集中。

隨著在線學(xué)習(xí)的普及，數(shù)字教材會(huì)逐漸成為未來網(wǎng)絡(luò)學(xué)習(xí)社區(qū)中資源共享的普遍形式，故有必要通過改進(jìn)數(shù)字教材交互式的導(dǎo)航設(shè)計(jì)來提高學(xué)習(xí)效果。為此，本研究通過深入分析數(shù)字教材閱讀中學(xué)習(xí)者的回看行為，來揭開學(xué)習(xí)者回看過程的“黑箱”，并探究回看行為與學(xué)習(xí)效果之間的關(guān)系，以期為數(shù)字教材的人機(jī)交互設(shè)計(jì)提供參考。

二 研究設(shè)計(jì)

1 研究問題

盡管已有研究調(diào)查了基于網(wǎng)頁和視頻中的導(dǎo)航行為及其對(duì)學(xué)習(xí)效果的影響，但很少有研究探索數(shù)字教材閱讀中的回看行為。為分析學(xué)生在閱讀數(shù)字教材時(shí)的回看行為，探究回看行為對(duì)學(xué)習(xí)效果的影響，本研究重點(diǎn)解決以下問題：①數(shù)字教材閱讀過程中有哪些回看行為？②回看行為是否會(huì)影響學(xué)習(xí)效果？③回看行為中有哪些會(huì)影響學(xué)習(xí)效果？

2 研究對(duì)象與DITeL平臺(tái)

本研究以廣東省J大學(xué)選修2017年3～7月秋季學(xué)期和2018年3～7月春季學(xué)期“商法”課程的234名大學(xué)生為研究對(duì)象，這些學(xué)習(xí)者的年齡為18～19歲?！吧谭ā闭n程是一門數(shù)字教材閱讀選修課，使用的數(shù)字教材是由專業(yè)教師研發(fā)的課程學(xué)習(xí)資料，并基于“數(shù)字教材教與學(xué)”（Digital Textbook for Teaching and Learning，DITeL）平臺(tái)[1]開展[25]。由于只有102名學(xué)生堅(jiān)持完成了“商法”課程的學(xué)習(xí)，故本研究最終將這102名學(xué)生確定為研究對(duì)象。

DITeL平臺(tái)基于EPUB技術(shù)開發(fā)，提供面向網(wǎng)頁和移動(dòng)平臺(tái)的數(shù)字教材，是一個(gè)以文本和圖片為主要數(shù)字內(nèi)容的學(xué)習(xí)平臺(tái)。DITeL平臺(tái)不僅為學(xué)習(xí)者提供了學(xué)習(xí)支持工具（如書簽、備忘錄、高亮顯示、下劃線等交互按鈕），還為教師提供了教學(xué)內(nèi)容的管理、分發(fā)和更新服務(wù)，教師可以在導(dǎo)航欄的“Mytextbook”選項(xiàng)管理數(shù)字化的課程資源。

3 數(shù)據(jù)集變量

當(dāng)學(xué)生進(jìn)行兩個(gè)學(xué)期的課程學(xué)習(xí)時(shí)，DITeL平臺(tái)會(huì)將學(xué)習(xí)者的行為數(shù)據(jù)以日志的形式自動(dòng)記錄下來。102名學(xué)習(xí)者（18～19歲）共產(chǎn)生了860801條學(xué)習(xí)行為日志，這些日志記錄了學(xué)習(xí)者與數(shù)字教材的每次交互。從這些日志中可以提取多種閱讀行為特征，如閱讀設(shè)備類型（電腦、平板或手機(jī)）、閱讀時(shí)間、添加筆記（高亮、下劃線、書簽、備忘錄）的頻次等。本研究主要關(guān)注學(xué)習(xí)者的跨頁回看過程，因此主要識(shí)別、提取的是回看過程中的閱讀和學(xué)習(xí)行為。

數(shù)字教材閱讀中的回看被定義為一種往回翻頁的行為。在DITeL平臺(tái)，學(xué)習(xí)者點(diǎn)擊“Next”交互按鈕翻到下一頁，點(diǎn)擊“Pre”交互按鈕翻到上一頁。圖1的回看示例描述了一種常見的回看模式：學(xué)習(xí)者通過單擊每一頁中的“Next”按鈕，從第一頁（P1）逐頁閱讀教材至第六頁（P6）；在閱讀P6的內(nèi)容時(shí)，學(xué)習(xí)者通過連續(xù)點(diǎn)擊“Pre”按鈕往回翻到P2；閱讀完P(guān)2的內(nèi)容后，學(xué)習(xí)者返回到P6。由此可見，從P6往回翻到P2的過程是一個(gè)比較完整的回看行為。其中，學(xué)習(xí)者第一次點(diǎn)擊“Pre”按鈕的頁面就是回看開始頁碼（Backtrack Starting Page，BSP），即圖1中的P6；而學(xué)生完成回看后第一次點(diǎn)擊“Next”按鈕的頁面是回看結(jié)束頁碼（Backtrack Ending Page，BEP），即圖1中的P2。

圖1 數(shù)字教材閱讀中的回看示例

根據(jù)上述回看的定義，本研究從860801條學(xué)習(xí)行為日志中提取了53557條回看記錄。對(duì)這些回看記錄進(jìn)行整理、分類，本研究提取出學(xué)習(xí)者的7種主要回看行為，即回看頻次、回看率、回看跨度、回看時(shí)添加備忘錄頻次、回看時(shí)添加書簽頻次、回看時(shí)添加高亮顯示頻次、回看時(shí)添加筆記總頻次。此外，學(xué)習(xí)行為日志中還記錄了學(xué)習(xí)者的基本信息和學(xué)習(xí)成績，其中學(xué)習(xí)成績包括前、后測(cè)成績，且前測(cè)試題難度低于后測(cè)試題。上述數(shù)據(jù)集變量的具體描述如表1所示。

表1 數(shù)據(jù)集變量的具體描述

4 研究工具和過程

本研究使用凝聚層次聚類算法作為主要的研究方法，借助社會(huì)網(wǎng)絡(luò)分析工具Gephi和因果分析軟件Tetrad來推動(dòng)研究，并使用Python數(shù)據(jù)分析包來完善結(jié)論，具體如下：

①采用Python編程提取7種主要回看行為，借助Python數(shù)據(jù)分析常用包開展統(tǒng)計(jì)分析。

②借助社會(huì)網(wǎng)絡(luò)分析工具Gephi繪制回看行為網(wǎng)絡(luò)圖，以可視化學(xué)習(xí)者的回看行為。

③采用凝聚層次聚類算法，比較不同學(xué)習(xí)者回看行為的差異；采用魯棒性較好的Ward方法，計(jì)算聚類間的相似度；采用歐氏距離，計(jì)算個(gè)體間的距離。

④應(yīng)用因果分析軟件Tetrad推斷學(xué)習(xí)者的前測(cè)、回看行為和后測(cè)之間的因果關(guān)系。Tetrad用于從觀察數(shù)據(jù)中檢測(cè)因果關(guān)系，自帶因果搜索算法，支持約束設(shè)置、模型評(píng)估和因果結(jié)構(gòu)可視化[26][27][28]。本研究設(shè)置了一些反事實(shí)約束，包括回看行為不影響前測(cè)、后測(cè)不影響回看行為、后測(cè)不影響前測(cè)。比較Tetrad中幾種可用的搜索算法后，本研究選擇PC算法構(gòu)建因果模型；評(píng)估因果模型的擬合優(yōu)度時(shí)，接受＞0.05的模型。

三 研究分析

1 數(shù)字教材閱讀中的回看行為

對(duì)提取到的學(xué)習(xí)者回看頻次進(jìn)行統(tǒng)計(jì)，本研究發(fā)現(xiàn)102名學(xué)習(xí)者共發(fā)生53557次回看行為，平均每位學(xué)習(xí)者回看525次。本研究使用Python的Scipy包計(jì)算了102名學(xué)習(xí)者、7種主要回看行為的平均值和方差，結(jié)果如表2所示。表2顯示，學(xué)習(xí)者的平均回看率為0.477，表示數(shù)據(jù)集中的學(xué)習(xí)者每向前閱讀兩頁會(huì)發(fā)生一次回看；數(shù)據(jù)集中的學(xué)習(xí)者傾向于在回看中添加少量的備忘錄（M=2.216，S=7.954）、極少量的書簽（M=0.549，S=3.695）和高亮顯示（M=0.157，S=1.584）。

為了進(jìn)一步分析學(xué)習(xí)者數(shù)字教材閱讀的回看規(guī)律，本研究使用Python的Matplotlib包繪制了回看散點(diǎn)分布圖，如圖2所示。其中，坐標(biāo)軸上的每個(gè)點(diǎn)（BSP，BEP）表示該數(shù)據(jù)集中學(xué)習(xí)者的回看行為從第BSP頁開始、到第BEP頁結(jié)束，BSP和BEP的差值即為回看跨度。圖2顯示，越靠近對(duì)角線，散點(diǎn)越多；實(shí)線陰影區(qū)域涵蓋了回看跨度在10頁范圍內(nèi)的回看；虛線陰影區(qū)域散點(diǎn)較為密集，涵蓋了回看跨度在25頁范圍內(nèi)的回看。由此可見，學(xué)習(xí)者在數(shù)字教材閱讀的整個(gè)過程都有小跨度的回看，而在數(shù)字教材閱讀的中期有更多的大跨度回看。

表2 學(xué)習(xí)者回看行為的平均值和方差

圖2 回看散點(diǎn)分布圖

2 回看行為可視化分析

本研究使用Gephi 0.9.2軟件，繪制了回看行為網(wǎng)絡(luò)圖，如圖3所示。其中，節(jié)點(diǎn)處的序號(hào)代表數(shù)字教材的頁碼；有向邊表示從回看開始頁碼（BSP）指向回看結(jié)束頁碼（BEP），邊的粗細(xì)由邊上的權(quán)重值決定（權(quán)重值越大，邊越粗），而權(quán)重值就是該回看的學(xué)習(xí)者人數(shù)。圖3（a）是頁面節(jié)點(diǎn)的入度圖，頁面節(jié)點(diǎn)半徑越大，從其他頁面回看該頁面的學(xué)習(xí)者人數(shù)越多，表示該頁面是教材知識(shí)的重點(diǎn)，如節(jié)點(diǎn)44；圖3（b）是頁面節(jié)點(diǎn)的出度圖，頁面節(jié)點(diǎn)半徑越大，從該頁面出發(fā)回看其他頁面的學(xué)習(xí)者人數(shù)越多，表示該頁面是教材知識(shí)的難點(diǎn)，如節(jié)點(diǎn)72。借助回看行為網(wǎng)絡(luò)圖，學(xué)習(xí)者在數(shù)字教材閱讀中的回看行為和數(shù)字教材知識(shí)的重難點(diǎn)得以可視化呈現(xiàn)。

圖3 回看行為網(wǎng)絡(luò)圖

3 回看行為模式差異分析

本研究使用Python中Scikit-learn包的聚類模型進(jìn)行聚類分析，結(jié)果如圖4所示。圖4（a）為最佳聚類數(shù)的“手肘”圖，其拐點(diǎn)即為最佳聚類數(shù)（K值=2）。圖4（b）為回看行為和學(xué)習(xí)效果的K-means聚類樹狀圖（橫坐標(biāo)表示學(xué)習(xí)者人數(shù)），選取截?cái)嗑嚯x等于6000（圖中黃色虛線）的數(shù)值為標(biāo)準(zhǔn)，將聚類結(jié)果劃分為兩個(gè)簇，每個(gè)簇代表一類隱藏的回看模式：C1（紅色陰影部分）設(shè)為回看組，含82名學(xué)生；C2（綠色空白部分）設(shè)為普通組，含20名學(xué)生。

圖4 聚類結(jié)果

為進(jìn)一步比較回看組和普通組之間的回看差異，本研究將7個(gè)回看變量作為因變量、聚類結(jié)果作為自變量，使用Python的Scipy包，在檢驗(yàn)各變量滿足正態(tài)分布、方差齊性（誤差方差等同性的Levene檢驗(yàn)）的前提條件下（Sig.＞0.05）進(jìn)行了獨(dú)立樣本t檢驗(yàn)，結(jié)果顯示：回看組和普通組的回看次數(shù)（＜0.01，d=2.067）、回看率（=0.004，d=0.701）、回看時(shí)添加筆記總頻次（=0.045，d=0.888）存在顯著差異，如表3所示。統(tǒng)計(jì)兩組的平均值（M）和標(biāo)準(zhǔn)差（SD），可以發(fā)現(xiàn)：相較于普通組，回看組的回看行為更多，尤其是回看過程中添加書簽和備忘錄更頻繁。

表3 獨(dú)立樣本t檢驗(yàn)結(jié)果

4 回看行為與學(xué)習(xí)成績的因果關(guān)系分析

本研究使用Python的Matplotlib工具包，繪制了回看組和普通組的前、后測(cè)箱圖，如圖5所示。圖5顯示，回看組和普通組的前測(cè)不存在顯著差異（=0.578，d=0.088），但回看組的后測(cè)顯著高于普通組（=0.013，d=0.613）。

為了進(jìn)一步探究回看行為是否提高了學(xué)習(xí)者的學(xué)習(xí)成績，本研究使用專業(yè)的因果分析軟件Tetrad 6.5.4推斷了學(xué)習(xí)者回看行為與學(xué)習(xí)成績之間的因果關(guān)系，如圖6所示。其中，每個(gè)節(jié)點(diǎn)代表一個(gè)變量，“A→B”表示變量A是引起變量B的原因；每條邊上的數(shù)值代表因果關(guān)系的關(guān)聯(lián)強(qiáng)度值。為檢驗(yàn)推斷的因果關(guān)系模型與實(shí)際情況在統(tǒng)計(jì)學(xué)上的差異，本研究對(duì)構(gòu)造的因果關(guān)系模型進(jìn)行了擬合優(yōu)度評(píng)估（如表4所示），結(jié)果表明：因果關(guān)系模型與實(shí)際情況不存在顯著差異（=0.889），此模型成立。

圖5 回看組和普通組的前、后測(cè)箱圖

圖6 回看行為與學(xué)習(xí)成績之間的因果關(guān)系模型

表4 因果關(guān)系模型的擬合優(yōu)度評(píng)估

生成因果關(guān)系模型之后，本研究發(fā)現(xiàn)：回看跨度、回看時(shí)添加備忘錄頻次、回看時(shí)添加書簽頻次、回看時(shí)添加高亮顯示頻次四種回看行為之間不存在因果關(guān)系，故圖6未予顯示。另外，回看次數(shù)是影響后測(cè)成績的直接原因，但影響程度較弱（關(guān)聯(lián)強(qiáng)度值為0.0039）；回看率對(duì)后測(cè)成績的直接影響較大（關(guān)聯(lián)強(qiáng)度值為0.0462）；回看時(shí)添加筆記總頻次對(duì)后測(cè)成績的直接影響最大（關(guān)聯(lián)強(qiáng)度值為0.0838），接近回看率對(duì)后測(cè)成績影響的2倍、回看次數(shù)對(duì)后測(cè)成績影響的20多倍。在所有變量中，前測(cè)成績對(duì)后測(cè)成績存在直接影響（關(guān)聯(lián)強(qiáng)度值為0.2293），同時(shí)通過回看率（關(guān)聯(lián)強(qiáng)度值為0.2852）和回看時(shí)添加筆記總頻次（關(guān)聯(lián)強(qiáng)度值為0.0550）間接影響后測(cè)成績。上述因果推斷的結(jié)果分析，揭示了學(xué)習(xí)者的學(xué)習(xí)成績受其回看時(shí)添加筆記總頻次和先前知識(shí)水平的影響很大。

四 討論與評(píng)價(jià)

1 結(jié)果討論

①數(shù)字教材閱讀中的回看行為分析表明，學(xué)習(xí)者在數(shù)字教材閱讀中的回看行為具有高頻、跨度大的特點(diǎn)。本研究通過Python數(shù)據(jù)分析包來完善結(jié)論，發(fā)現(xiàn)學(xué)習(xí)者的回看行為呈現(xiàn)出兩大特征：一是數(shù)據(jù)集中的學(xué)習(xí)者平均閱讀率為0.477，表示學(xué)習(xí)者平均每向前閱讀一頁，就會(huì)發(fā)生一次回看。二是數(shù)據(jù)集中的學(xué)習(xí)者平均回看跨度是10.775（占比64.54%），回看跨度為1的占比10.52%，表明學(xué)習(xí)者使用數(shù)字教材閱讀會(huì)頻繁發(fā)生回看行為。高頻、跨度大的回看行為，反映了學(xué)習(xí)者回看行為普遍，且有跨多頁回看的強(qiáng)烈需求，而不僅僅是相鄰兩個(gè)頁面之間的回看。

②回看行為的可視化分析表明，出度圖中半徑較大的節(jié)點(diǎn)是數(shù)字教材難點(diǎn)所在頁，而入度圖中半徑較大的節(jié)點(diǎn)是數(shù)字教材重點(diǎn)所在頁。通過回看行為網(wǎng)絡(luò)圖，根據(jù)頁面節(jié)點(diǎn)半徑的大小來判斷學(xué)習(xí)者感知到的知識(shí)的重要性與難易程度，可為教師有針對(duì)性地進(jìn)行教學(xué)干預(yù)、調(diào)整教學(xué)決策提供參考，并有助于提高學(xué)習(xí)者的學(xué)習(xí)效果。

③回看行為模式差異分析表明，相較于普通組，回看組的回看行為更多且添加了更多的書簽和備忘錄，取得的學(xué)習(xí)效果更好。具體來說，兩組在回看次數(shù)、回看率、回看時(shí)添加筆記總頻次和后測(cè)成績上均存在顯著差異：回看組的回看次數(shù)是普通組的近15倍，回看率是普通組的近1.5倍，回看時(shí)添加筆記總頻次是普通組的約6.5倍；兩組的前測(cè)成績不存在顯著差異，但回看組的后測(cè)成績顯著高于普通組。因此，數(shù)字教材閱讀中的回看行為確實(shí)能提高學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)，是一種有利于提升學(xué)習(xí)效果的學(xué)習(xí)策略——這與Yin等[29]的研究結(jié)論基本一致。

④回看行為與學(xué)習(xí)成績的因果關(guān)系分析表明，學(xué)習(xí)者的回看時(shí)添加筆記總頻次和先前知識(shí)水平對(duì)學(xué)習(xí)者的學(xué)習(xí)成績影響很大。因果關(guān)系模型分析顯示，回看次數(shù)、回看率、回看時(shí)添加筆記總頻次均直接影響后測(cè)成績，其影響程度分別為較弱、中等、最大。而通過前測(cè)成績直接影響后測(cè)成績、并通過回看率、回看時(shí)添加筆記總頻次間接影響后測(cè)成績，可知學(xué)習(xí)者的先前知識(shí)水平也是影響學(xué)習(xí)成績的重要因素。

2 價(jià)值和不足

本研究以DITeL平臺(tái)上開展的“商法”課程中的學(xué)習(xí)過程數(shù)據(jù)為數(shù)據(jù)來源，提取了學(xué)習(xí)者的7種主要回看行為，并對(duì)回看行為進(jìn)行了可視化分析、模式差異分析、與學(xué)習(xí)成績的因果關(guān)系分析，所得研究結(jié)果主要有三方面的價(jià)值：①研究結(jié)果為分析數(shù)字教科書中的學(xué)生閱讀行為提供了新的思路。本研究發(fā)現(xiàn)了兩類隱藏的回看模式，并驗(yàn)證了回看行為對(duì)學(xué)習(xí)效果的積極影響。②研究結(jié)果有助于優(yōu)化數(shù)字教材的導(dǎo)航設(shè)計(jì)。目前，數(shù)字教材中的交互式翻頁按鈕只允許學(xué)習(xí)者逐頁前、后翻頁，本研究建議可利用學(xué)習(xí)者的回看行為網(wǎng)絡(luò)圖和知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系研發(fā)跨多頁的“翻頁助手”。③研究結(jié)果為構(gòu)建數(shù)字教材領(lǐng)域模型提供了參考。領(lǐng)域模型是由知識(shí)、技能、問題及其之間的結(jié)構(gòu)關(guān)系（先決關(guān)系、映射關(guān)系、層次關(guān)系等）組成，是數(shù)字教材的本體內(nèi)容。例如，回看行為網(wǎng)絡(luò)圖能夠?qū)崟r(shí)反映學(xué)習(xí)者所感受到的知識(shí)重、難點(diǎn)，故可為專家構(gòu)建領(lǐng)域模型提供有效指導(dǎo)。

與此同時(shí)，本研究也存在一些不足之處，主要表現(xiàn)為：①回看行為類型不全。本研究提取了7種主要回看行為，實(shí)際上回看行為十分復(fù)雜、多元，可歸納的回看行為類型遠(yuǎn)遠(yuǎn)不止這7種。因此，探討回看行為對(duì)學(xué)習(xí)效果的影響時(shí)，可能會(huì)遺漏比較重要的回看行為。②研究樣本量小。本研究雖然招募了234名學(xué)生參與這項(xiàng)研究，但只有大約一半的學(xué)生能堅(jiān)持使用數(shù)字教科書作為閱讀工具。針對(duì)這些不足，后續(xù)研究在進(jìn)行數(shù)據(jù)收集前就要和學(xué)習(xí)者充分溝通，排除學(xué)習(xí)者的主觀影響，保證數(shù)據(jù)的客觀性；同時(shí)，要和數(shù)字教材編寫教師充分溝通，設(shè)計(jì)可拆分、可整合、模塊化的數(shù)字教材領(lǐng)域模型，嘗試挖掘更多類型的回看行為、加大研究樣本量，以優(yōu)化數(shù)字教材的設(shè)計(jì)，進(jìn)而提升學(xué)習(xí)效果。

[1]顧明遠(yuǎn).教育大辭典[Z].上海:上海教育出版社,1998:695.

[2]Jeong H. A comparison of the influence of electronic books and paper books on reading comprehension, eye fatigue, and perception[J]. The Electronic Library, 2012,(3):390-408.

[3]Wan Sulaiman W N A, Mustafa S E. Usability elements in digital textbook development: A systematic review[J]. Publishing Research Quarterly, 2020,(1):74-101.

[4][9]Omura H, Shibata H. Survey research on reading and writing for paper and electronic media[J]. Shigyo Times, 2010,(10):18-30.

[5]Kazanci Z. University students’ preferences of reading from a printed paper or a digital screen: A longitudinal study[J]. International Journal of Culture and History, 2015,(1):50-53.

[6][23]Baron N S, Calixte R M, Havewala M. The persistence of print among university students: An exploratory study[J]. Telematics and Informatics, 2017,(5):590-604.

[7]胡畔,王冬青,許駿,等.數(shù)字教材的形態(tài)特征與功能模型[J].現(xiàn)代遠(yuǎn)程教育研究,2014,(2):93-98、106.

[8]Nicholas D, Rowlands I, Jamali H R. E-textbook ese, information seeking behaviour and its impact: Case study business and management[J]. Journal of Information Science, 2010,(2):263-280.

[10][16]Marshall C C, Bly S. Turning the page on navigation[A]. Proceedings of the 5th ACM/IEEE-CS Joint Conference on Digital Libraries[C]. Denver, CO, USA: IEEE, 2005:225-234.

[11][22]Shibata H, Fukase Y, Hashimoto K, et al. A proposal of future electronic paper in the office: Electronic paper as a special-purpose device cooperating with other devices[J]. ITE Transactions on Media Technology and Applications, 2016,(4):308-315.

[12][24]Shibata H, Omura K. Why digital displays cannot replace paper[M]. Singapore: Springer, 2020:43-110、27-33.

[13]Boulanger D, Kumar V. An overview of recent developments in intelligent e-textbooks and reading analytics[A]. Proceedings of the First Workshop on Intelligent Textbooks Co-located with 20th International Conference on Artificial Intelligence in Education (AIED 2019)[C]. Chicago, IL, USA: iTextbooks@AIED, 2019:44-56.

[14]Kay J, Kummerfeld B. PUMPT: An e-textbook platform based on a personal user model for learning[A]. Proceedings of the Third International Workshop on Inteligent Textbooks[C]. Utrecht, The Netherlands: iTextbooks@AIED, 2021:27-34.

[15]McKay D. A jump to the left (and then a step to the right): Reading practices within academic ebooks[A]. Proceedings of the 23rd Australian Computer-Human Interaction Conference (OZCHI 2011)[C]. New York: Association for Computing Machinery, 2011:202-210.

[17]Smadja U, Artzi Y, Grusky M, et al. Understanding reader backtracking behavior in online news articles[A]. The Web Conference 2019—Proceedings of the World Wide Web Conference[C]. New York: Association for Computing Machinery, 2019:3237-3243.

[18]Zhang H, Sun M, Wang X, et al. Smart jump: Automated navigation suggestion for videos in MOOCs[A]. 26th International World Wide Web Conference 2017 (WWW 2017 Companion)[C]. Perth Australia: International World Wide Web Conferences Steering Committee, 2017:331-339.

[19]Ogata H, Yin C, Oi M, et al. E-book-based learning analytics in university education[A]. Proceedings of the 23rd International Conference on Computers in Education (ICCE 2015)[C]. Hangzhou, China: Asia-Pacific Society for Computers in Education, 2015:401-406.

[20]Mouri K, Yin C. E-book-based learning analytics for improving learning materials[A]. Proceedings 2017 6th IIAI International Congress on Advanced Applied Informatics (IIAI-AAI 2017)[C]. Piscataway: IEEE, 2017:493-497.

[21][29]Yin C, Yamada M, Oi M, et al. Exploring the relationships between reading behavior patterns and learning outcomes based on log data from e-books: A human factor approach[J]. International Journal of Human-Computer Interaction, 2019,(4-5):313-322.

[25]Yin C, Hwang G J. Roles and strategies of learning analytics in the e-publication era[J]. Knowledge Management & E-Learning: An International Journal, 2018,(4):455-468.

[26]Jiang B, Zhao W, Gu X, et al. Understanding the relationship between computational thinking and computational participation: A case study from scratch online community[J]. Educational Technology Research and Development, 2021,69:2399-2421.

[27]Koedinger K R, McLaughlin E A, Kim J, et al. Learning is not a spectator sport: Doing is better than watching for learning from a MOOC[A]. L@S 2015—2nd ACM Conference on Learning at Scale[C]. New York: Association for Computing Machinery, 2015:111-120.

[28]Koedinger K R, Scheines R, Schaldenbrand P. Is the doer effect robust across multiple data sets?[A]. Proceedings of the 11th International Conference on Educational Data Mining (EDM 2018)[C]. New York: ACM, 2018:369-375.

編輯：小米

The Relationship Between Learners’ Backtracking Behaviors and Learning Effects in Digital Textbook Reading

GU Mei-jun1JIANG Bo2[Corresponding Author]YIN Cheng-jiu3

Backtracking is an effective learning strategy, and the weak interaction navigation in digital textbooks reduces the improvement of backtracking on the learning effect. Based on this, the learning behavior logs of 102 college students who participated in the elective course of digital textbook reading were analyzed. The results showed that learners’ backtracking behavior in digital textbook reading had the characteristics of high frequency and large span. Meanwhile, the backtracking behavior network diagram could visually present the key points and difficult points of digital teaching materials. Compared with the ordinary group, the backtrackers had more backtracking behaviors, added more bookmarkers and memos during the backtracking process, and obtained better learning effects. In addition, it was found that learners’ previous knowledge level and the total frequency of adding notes during the backtracking process had a great impact on academic performance. In this paper, the research on the relationship between backtracking behavior and the learning effect in digital book reading was helpful to understand learners’ backtracking behavior characteristics, and can be used to optimize the design of the intelligent navigation function of digital textbooks, so as to promote the development of digital textbooks into the direction of intelligence.

digital textbook; backtracking behavior; learning effect; intelligent navigation

G40-057

A

1009—8097（2022）05—0049—10

10.3969/j.issn.1009-8097.2022.05.006

基金項(xiàng)目：本文為國家自然科學(xué)基金項(xiàng)目“面向圖形化編程的項(xiàng)目式學(xué)習(xí)的自動(dòng)化評(píng)價(jià)研究及應(yīng)用”（項(xiàng)目編號(hào)：61977058）、上海市科技創(chuàng)新行動(dòng)計(jì)劃“人工智能”專項(xiàng)項(xiàng)目“教育數(shù)據(jù)治理與智能教育大腦關(guān)鍵技術(shù)研究及典型應(yīng)用”（項(xiàng)目編號(hào)：20511101600）的階段性研究成果。

顧美俊，在讀碩士，研究方向?yàn)閿?shù)字教材中的學(xué)習(xí)者行為分析，郵箱為mjgu_xyz@163.com。

2021年10月22日