李志河 李思哲 王元臣 張春雨

[摘 ? 要] 深度學習作為提升本科生高階能力及素養(yǎng)的有力手段受到教育者的進一步關注，具身認知理論的發(fā)展及虛擬現(xiàn)實等具身技術的應用使得具身認知學習環(huán)境已被廣泛應用且成為有利于實現(xiàn)深度學習的學習環(huán)境之一?，F(xiàn)階段對深度學習的評價研究較少且針對具身認知學習環(huán)境下的深度學習還沒有完善的評價體系。為此，文章結合深度學習以及具身認知環(huán)境的本質及特點，選取具身認知環(huán)境中應用最為廣泛的智慧教室作為研究背景，借鑒科學的量表編制方法，開發(fā)了以“知識遷移、創(chuàng)新思維、具身交互和學習環(huán)境”四個要素為維度指標的具身認知學習環(huán)境下大學生深度學習評價量表。通過線上發(fā)放問卷的形式獲取評價數(shù)據(jù)，利用SPSS等軟件對數(shù)據(jù)進行統(tǒng)計分析。研究中采用項目分析、探索性因子分析等對題項進行修訂，修訂后的評價量表結構良好，信度較高。最后通過分析討論得出，相較于其他維度，大學生的創(chuàng)新思維能力還需進一步加強。

[關鍵詞] 具身認知; 深度學習; 評價量表; 量表編制

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 李志河（1974—），男，甘肅環(huán)縣人。教授，博士，主要從事教育信息化與教育評價研究。E-mail：381373449 @qq.com。

一、引 ? 言

具身認知是用于解釋人類通過身體與外界交互獲得認知的理論，具身認知學習環(huán)境也為促進有意義學習提供了可能[1]。隨著《教育信息化2.0行動計劃》、2018高等教育版的《地平線報告》等文件的發(fā)布以及慕課教學、虛擬環(huán)境、移動互聯(lián)等多種技術的發(fā)展與融合，具身認知學習環(huán)境及各類具身技術成為促進大學生深度學習的有效教學手段。2018年8月教育部發(fā)布的《教育部關于狠抓新時代全國高等學校本科教育工作會議精神落實的通知》[2]中指出，要給本科生合理增負，并對本科生的高階思維能力培養(yǎng)提出了新的要求。通過對相關文獻的梳理分析發(fā)現(xiàn)，目前對深度學習的研究多集中在內涵、特征、模型和提升策略等方面，對于評價測量的研究還處于起步階段，對于具身認知學習環(huán)境下的深度學習評價方面涉及較少且未有完善的評價體系。本研究著眼于此，旨在開發(fā)具身認知環(huán)境下大學生深度學習的評價量表，希望對今后具身認知環(huán)境的建設、深度學習的改進和實施以及下一步制定針對完善的具身認知環(huán)境下深度學習的評價量規(guī)提供幫助。

二、相關研究概述

（一）具身認知學習環(huán)境

具身認知理論一經(jīng)提出就引起廣泛關注，劉海燕等人認為，具身認知可為信息技術和智慧課堂搭建有效融合的通道，使學習高效率地發(fā)生[3];李志河等人從具身認知的特征、要素、應用及發(fā)展趨勢等方面構建了具身認知學習環(huán)境[1];李海峰等人以具身認知理論為基礎，重構了以虛擬社區(qū)為例的在線學習環(huán)境[4];黃紅濤等人也指出，在具身型學習環(huán)境中，學習者運用身體感知進行學習可以有效促進其對科學概念的理解[5]。智慧教室的搭建、各類慕課的開發(fā)及混合式學習模式的廣泛應用均標志著具身認知已走入課堂，無論是具身認知理論的發(fā)展還是具身型學習環(huán)境的搭建，其目標是達成學習者的高效學習和深度學習。在具身認知學習環(huán)境下的深度學習，強調學習者在環(huán)境中的沉浸度以及自身與環(huán)境的交互度。

智慧教室已是大多數(shù)高校配備且廣泛應用于本科教學中的學習環(huán)境，具備具身認知學習環(huán)境的涉身體驗性、交互性等顯著特點。現(xiàn)階段各高校建設的智慧教室基本已具備以下特征：全網(wǎng)絡覆蓋;硬件設施完善，如桌椅可靈活移動、收擴音系統(tǒng)完善、多塊電子白板可供師生使用等;多重智能技術的應用，如可實現(xiàn)實時錄播、資源共享和多屏互動等。而智慧教室的使用，使具身環(huán)境下的學習得到了更多信息化技術的支持，更能促進學習者的深度學習，提升學習效能[6]。因此，本研究的調查與實施主要在智慧教室中進行。

（二）深度學習

現(xiàn)階段研究中，眾多學者對深度學習的理解有共通之處。黎加厚認為，深度學習是指學習者在已有的知識經(jīng)驗前提下，用批判的眼光和視角去學習新知識和新思想，與原有知識建立起聯(lián)系并用獨特的視角解決問題的過程[7]。何克抗指出，深度學習是通過全新的理念、方式以及必要的工具和資源幫助學習者記憶、理解各學科的基礎知識，并具有應用、分析、評價及創(chuàng)新的能力[8]。由此可以看出，深度學習就是學習者建立在先驗知識基礎上的一個尋求建立新舊知識關系的概念轉變的過程[9]。張浩、吳秀娟等人認為，深度學習的主要特征是注重培養(yǎng)學生的批判性思維、突出信息整合、推動知識建構、關注知識遷移運用、面向具體問題的解決和提倡自主終身學習[10]。謝幼如等人指出，深度學習尤其關注在真實問題情境下學習者的體驗與感受，它具有注重批判性思維的提升、強調知識的遷移應用和面向現(xiàn)實生活的問題解決三個顯著特點[11]。深度學習將著力點放在科學系統(tǒng)發(fā)展的學習理念上，在夯實基礎的前提下，注重對學習者高階認知思維能力的培養(yǎng)和應用[12]。

在深度學習的評價方面，Biggs等人開發(fā)了深度學習量表，Nelson等人對該量表進行了分析和實證研究[13]，常見的評價深度學習的問卷有學習過程問卷（SPQ）、認知過程問卷（LPQ）、學習過程調查（ILP）、學習技能量表（ASSIST）等[14]。目前，我國學者對于深度學習評價的研究還處于發(fā)展階段，張浩等人以SOLO分類法為參照，構建了以認知、思維、動作技能及情感為基本維度的深度學習評價指標體系[15];劉哲雨等人從評價基礎及評價程度兩個方面入手，構建了深度學習“3+2”的評價模式[13];龐敬文等人提出了智慧課堂方面深度學習的評價指標[16];李玉斌等人編制了混合學習環(huán)境下深度學習的評價量表[17]。

深度學習關鍵是要培養(yǎng)學習者的高階思維能力，注重知識的遷移運用能力以及創(chuàng)新性思維的培養(yǎng)，其最終目的就是為了可以創(chuàng)造性地解決實際問題[18]。結合已有的關于深度學習內涵的研究成果，選擇“知識遷移”和“創(chuàng)新思維”作為深度學習層面的兩個維度，在具體題項設計上偏向于問題解決;具身學習環(huán)境的要素有物理環(huán)境因素、資源支持要素、社會文化要素和情感心理要素四個部分組成[1]，前三個要素可理解為客觀因素，而情感心理要素可理解為學習者的主觀層面，結合其涉身體驗性等顯著特點，選擇“具身交互”和“情感心理”作為具身認知環(huán)境層面的兩個維度，具身認知學習環(huán)境旨在促進學習者深度學習的發(fā)生，在具體題項設計上偏向于學習環(huán)境是否促進深度學習來設置。最終量表維度確定為“知識遷移、創(chuàng)新思維、環(huán)境交互及情感心理”四個基本維度。

三、研究過程

（一）研究方法

量表的編制主要參照李克東教授提出的量表編制[19]的一般方法進行，主要步驟為：通過梳理文獻并剖析具身認知及深度學習的本質及特點等基礎理論，總結出最能突出具身認知環(huán)境下大學生深度學習的特性且能夠良好反映其結果的影響因素，將其選定為量表維度，再根據(jù)確立的維度設計題項，編制初試量表，根據(jù)初試的反饋意見對題項適當調整后進行正式測試，對收集到的數(shù)據(jù)進行項目分析、因素分析等統(tǒng)計分析，再次修正題項，最后對量表進行信度和效度檢測，判斷其是否具有科學性和可靠性，最終得到正式量表。

（二）研究工具

本研究所編制量表以美國21世紀聯(lián)盟于2009年修訂的21世紀學習框架[20]、《中國學生發(fā)展核心素養(yǎng)》等教育目標為導向，以深度學習、具身認知理論的本質及特征等作為研究基礎，結合學者對于已有的深度學習以及具身理論的研究成果，充分考慮現(xiàn)階段高校智慧教室的特點及大學生深度學習需達到的目標，遵循科學性、系統(tǒng)性、發(fā)展性等原則設計評價量表。量表共分為兩個部分：（1）基本信息，如年齡、性別、年級、專業(yè)等;（2）具身認知環(huán)境下大學生深度學習評價量表，共分為“知識遷移、創(chuàng)新思維、具身交互及情感心理”四個基本維度，共28個題項。

量表具體題項設計參照國內外已有的成熟量表，例如：（1）LTSI知識遷移量表.LTSI是在Holton于1996年提出的評價概念模型和隨后研究的基礎上建立的，通過識別16個影響學習遷移的因素來驗證該模型，具有一定的可信度[21]。（2）大學生跨學科實踐創(chuàng)新能力調查問卷。吳永和等認為，評價大學生的創(chuàng)新能力實際上應該是評價大學生的跨學科實踐創(chuàng)新能力，結合楊艷萍提出的創(chuàng)新測評體系[22]以及鄧成超提出的創(chuàng)新素質評價[23]，融入了“威廉斯創(chuàng)造性傾向量表”[24]中的指標，開發(fā)了大學生跨學科實踐創(chuàng)新能力調查問卷，用于測量大學生創(chuàng)新思維能力及實踐技能[25]。（3）用戶參與度量表（UES）。OBrien H L等人依托于交互式信息檢索的環(huán)境構建了多維用戶參與量表（UES），以評估用戶對環(huán)境的感知可用性、美學、新穎性、感覺參與、專注體驗的注意力和耐力等內容[26]。（4）正性負性情緒量表（PANAS）。通過描述測試者最近最滿意和最不滿意的用戶體驗以體驗情感，有效地捕獲用戶體驗方面的變化，包括體驗到的情緒、滿足的心理需求和環(huán)境，為使交互更加實用提供重要信息[27]。

（三）量表測試及項目篩選

1. 測試方法

為保證所編制量表的合理性和科學性，在正式測量前對部分專業(yè)教師及學生進行訪談并進行小范圍的預測，共收回212份預試問卷，其中有效問卷193份，針對數(shù)據(jù)的分析結果以及語句表述等方面的問題對題項進行適當調整，形成正式量表。

正式量表采用李克特量表的五點計分法，共28個測試題目。本次問卷的發(fā)放通過網(wǎng)絡的形式進行，收回問卷469份，剔除作答時間小于30秒且答案均為同一選項的無效問卷42份，最終收集到有效問卷427份，有效率達91.04%。其中，男生128人，女生299人;本科生260人，研究生167人。

2. 測試結果

（1）基于CR值的項目分析

臨界比值法是項目分析中最常用的方法之一。通過對數(shù)據(jù)進行加總和排序之后，選取成績高低各27%（各115人）的數(shù)據(jù)作為高分組（總分大于等于110分）和低分組（總分小于等于92分），對其進行獨立樣本t檢驗，判斷高分組和低分組在題項平均數(shù)上的差異性，題項及分析結果見表1。根據(jù)分析所得數(shù)據(jù)可知，所有題項Sig值均小于0.05，且CR值均大于3，表明各題項之間具有顯著的差異性，故不需要刪除題目。在此之后對所有題項進行相關分析，結果發(fā)現(xiàn)所有題項與總分的顯著性均小于0.01，即二者之間存在顯著性相關。

（2）探索性因素分析

首先對題項進行KMO和巴特利特檢驗，判斷是否適合做因素分析。KMO值越接近1，說明對所檢驗變量進行因素分析的效果越好，顯著性概率小于0.05，即表明相關矩陣不是一個單位矩陣，可以進行因子分析。結果顯示，KMO值為0.941，大于0.9。巴特利特球形度檢驗表明：巴特利特值為6628.843，顯著性概率為0.000，小于0.05，即適合做因子分析。使用主成分分析法對全部28個題項進行探索性因子分析，共同成分的因素萃取值均大于0.45，表明變量之間的共同成分都可被萃取出的因素解釋，即提取的公共因子具有良好的代表性。使用最大方差法來進行正交旋轉，以特征值大于1為依據(jù)選取因子，共抽取出5個公共因子，累積方差貢獻率為61.431%，選取結果見表2。

因子碎石圖表明，第1個因子的特征值很高，對解釋原始變量的貢獻最大，在第5個因子之后曲線就趨于平坦，之后的因素特征值都較小，表明對解釋原始變量的貢獻不大，所以保留4個因子較為適宜。第5個因子是否刪除還應該視其合理性而定，主要從兩方面判斷，一是看是否具有三個以上的題項數(shù)目，否則無法完整地反應該維度的意義;二是了解該因子是否具有明確意義，與其他因子的區(qū)分度是否明顯等。

本文采用最大方差法進行正交旋轉，在7次迭代后收斂，生成因子載荷矩陣。矩陣中的數(shù)值越大，則表明題項與公共因子之間的相關性就越大。結果表明：共同因子1與共同因子2內所含題項與維度3和維度4中所含題項基本吻合，但題項3-6至3-9與題項4-4至4-7被歸為共同因子1中，題項3-1至3-5與4-1至4-3歸于共同因子2中，且題項在其所屬因子下具有較高的因子負荷量。結合因子1中題項的語義，可將其理解為具身認知環(huán)境中促進學習者深度學習的環(huán)境條件，故將共同因子1命名為“學習環(huán)境”;結合因子2中題項的語義，可將其理解為學習者要實現(xiàn)深度學習時在具身認知環(huán)境中所發(fā)生的一系列交互行為，故將共同因子2命名為“具身交互”。共同因子5中只包含題項1-2和1-3，不能完整反映該因子表達的意義，故刪除;對量表題項進行第二次探索性因子分析，結果表明，所有題項均在所屬因子下具有較高的因子負荷量。通過前期的測試及分析，刪除第一次因子分析后的共同因子5，刪除題項1-2和1-3，最終確定題項26個。

（四）量表的信度和效度檢驗

1. 信度檢驗

本量表在進行信度檢測時采用最常用的Cronbach's alpha系數(shù)方法，分析結果顯示，知識遷移維度信度為0.755，創(chuàng)新思維維度信度為0.848，具身交互維度信度為0.902，學習環(huán)境維度信度為0.889，量表的整體信度為0.947，且各維度的信度均在0.7以上，表明該量表具有良好的可信度且具有很好的內部一致性。

2. 效度檢驗

效度檢驗主要從結構效度入手，探索性因子分析的結果表明各題項的因子載荷值均大于0.4，為了進一步驗證量表的結構效度，主要利用AMOS軟件中的驗證性因素分析方法（CFA）對量表進行擬合檢測。通過探索性因子分析共提取出4個因子，在構建的模型中，26個題項為觀測變量，4個因子為潛在變量，誤差項為e1—e26。在設定好模型后導入數(shù)據(jù)，使用最大似然法進行檢驗，得到量表結構擬合度情況如下：χ2/df（卡方自由度比）=3.713、GFI（擬合度指數(shù)）=0.813、AGFI（調整后擬合度指數(shù)）=0.776、CFI（比較擬合指數(shù)）=0.872、NFI（規(guī)準擬合指數(shù)）=0.834、IFI（增值擬合指數(shù)）=0.873、RMSEA（漸進殘差均方和平方根）=0.08。這些數(shù)值均在可接受范圍內，進一步說明評價量表的內部結構與其實際觀測數(shù)據(jù)的擬合度良好。

四、討論分析

評價量表采用李克特量表的五點計分法，1至5分的得分分別對應“非常不符合”“不符合”“一般”“符合”和“非常符合”，得分越高則表明題項符合度越高，深度學習的效果就越好。參照布魯姆提出的認知目標對評價數(shù)據(jù)所反映出的深度學習效果進行劃分，將分值在[1-2）區(qū)間內的等級設置為“差”，對應認知目標層次為“運用”;分值在[2-3）區(qū)間內的等級設置為“中”，對應認知目標層次為“分析”;分值在[3-4）區(qū)間內的等級設置為“良”，對應認知目標層次為“遷移”;分值在[4-5]區(qū)間內的等級設置為“優(yōu)”，對應認知目標層次為“創(chuàng)造”。對評價數(shù)據(jù)求取平均分，得到具身認知環(huán)境下大學生深度學習水平總體得分為3.60，呈中等偏上，效果良好，反映出學習者的深度學習基本處在“遷移”水平。經(jīng)過計算，量表各維度及各題項的平均得分如圖1和圖2所示。

由圖1可得，學習者在具身認知環(huán)境下的深度學習效果處在中等以上水平，四個維度及各題項所得平均分均位于“良好”水平。相較而言，知識遷移維度、具身交互維度與學習環(huán)境維度得分較高，創(chuàng)新思維維度得分較低。圖2反映出在知識遷移方面學習者對于所學知識的實際運用以及多學科或跨學科解決問題這一能力稍顯欠缺，教師在教學過程中可采用項目式或任務驅動的方式來促進學習者對所學知識的掌握和應用，進一步提高學習者解決實際問題的能力;在創(chuàng)新思維方面，相較于聚合性思維及批判性思維，學習者的發(fā)散思維還需進一步加強，表明學習者的思維還不夠活躍，針對所學知識能夠產(chǎn)生各樣聯(lián)想的能力還有所欠缺，教師可以通過如頭腦風暴等多種類型的活動開拓學習者的思維廣度，促進學習者創(chuàng)新思維的發(fā)展;在具身交互層面，可以通過教師設置的課堂環(huán)節(jié)或活動有效促進學習者的身體與環(huán)境之間的交互;在學習環(huán)境方面，人與人之間的交互行為可以通過教師組織的教學策略及設置的課堂活動如小組討論等加以改善。對各個分數(shù)區(qū)間的得分人次進行統(tǒng)計，生成平均分頻率分布直方圖，如圖3所示。

從圖3中可以看出，具身認知學習環(huán)境下大學生的深度學習基本呈現(xiàn)正態(tài)分布，均值為3.78，標準差為0.595，處于“良好”水平，與評價數(shù)據(jù)求取的平均得分所處水平相吻合，表明在具身認知學習環(huán)境下大學生的深度學習效果較好。當下學習者對于所學知識的處理及運用只有較少一部分能達到“創(chuàng)造”階段，通過制定相應的教學策略，選擇一定的技術手段或建構相應的具身認知學習環(huán)境來促使教學策略的順利實施，進而達到深度學習的目的。

通過對評價數(shù)據(jù)的分析驗證，評價量表結構良好，信度較高，題項數(shù)量適中，四個維度及各題項的得分均處于良好水平，可應用于具身認知學習環(huán)境下大學生的深度學習評價。但分析結果表明，創(chuàng)新思維部分在實際教學過程中有所欠缺，仍需加強。這既反映出現(xiàn)階段大學生在具身認知環(huán)境下深度學習的現(xiàn)狀，也印證了該量表的科學性及合理性。

五、結 ? 語

現(xiàn)階段課程教學中教育者關注的深度學習更多強調的是將新知識與原有知識結合以分析解決問題及創(chuàng)造性地運用所學知識。具身認知學習環(huán)境的提出及投入使用使得二者結合以提升課堂質量、促進教學改革的可能性大大提高。同時，深度學習有助于提升本科生的高階思維能力，科學合理的量表也為其評價提供了有效的工具?；诖?，構建了以“知識遷移、創(chuàng)新思維、具身交互和學習環(huán)境”四個要素為維度指標的具身認知環(huán)境下大學生深度學習評價量表。該量表在編制過程中結合了具身認知學習環(huán)境的要素及其顯著特點，經(jīng)分析驗證，該量表可應用于具身認知學習環(huán)境下大學生的深度學習評價，期望可以為提升本科教育質量提供幫助，并為進一步制定完善的評價體系奠定基礎。

[參考文獻]

[1] 李志河，李鵬媛，周娜娜，等. 具身認知學習環(huán)境設計：特征、要素、應用及發(fā)展趨勢[J]. 遠程教育雜志，2018， 36（5）：81-90.

[2] 中華人民共和國教育部. 教育部關于狠抓新時代全國高等學校本科教育工作會議精神落實的通知[EB/OL]. （2018-08-27） [2018-09-03].http：//www.moe.gov.cn/srcsite/A08/s7056/201809/t20180903_347079.html.

[3] 劉海燕，彭先桃. 具身認知理論視域中的智慧課堂[J]. 教育導刊，2019（7）：67-71.

[4] 李海峰，王煒. 基于具身認知理論的在線學習環(huán)境設計研究——以小學英語在線虛擬學習社區(qū)的設計與開發(fā)為例[J]. 中國遠程教育，2016（2）：71-78.

[5] 黃紅濤，孟紅娟，左明章，鄭旭東. 混合現(xiàn)實環(huán)境中具身交互如何促進科學概念理解[J]. 現(xiàn)代遠程教育研究，2018（6）：28-36.

[6] 黃曉軍. 具身認知學習環(huán)境對4C人才培養(yǎng)的實踐[J]. 電腦知識與技術，2019，15（23）：84-86.

[7] 何玲，黎加厚. 促進學生深度學習[J]. 現(xiàn)代教學，2005（5）：29-30.

[8] 何克抗. 深度學習：網(wǎng)絡時代學習方式的變革[J]. 教育研究，2018，39（5）：111-115.

[9] 李志河，劉丹，李寧，等. 翻轉課堂模式下的深度學習影響因素研究[J]. 現(xiàn)代教育技術，2018，28（12）：55-61.

[10] 張浩，吳秀娟. 深度學習的內涵及認知理論基礎探析[J]. 中國電化教育，2012（10）：7-11，21.

[11] 謝幼如，黎佳. 智能時代基于深度學習的課堂教學設計[J]. 電化教育研究，2020，41（5）：73-80.

[12] 錢旭升. 論深度學習的發(fā)生機制[J]. 課程·教材·教法，2018，38（9）：68-74.

[13] 劉哲雨，郝曉鑫. 深度學習的評價模式研究[J]. 現(xiàn)代教育技術，2017，27（4）：12-18.

[14] 戴歆紫，王祖浩. 國外深度學習的分析視角及評價方法[J]. 外國教育研究，2017，44（10）：45-58.

[15] 張浩，吳秀娟，王靜. 深度學習的目標與評價體系構建[J]. 中國電化教育，2014（7）：51-55.

[16] 龐敬文，張宇航，唐燁偉，等. 深度學習視角下智慧課堂評價指標的設計研究[J]. 現(xiàn)代教育技術，2017，27（2）：12-18.

[17] 李玉斌，蘇丹蕊，李秋雨，等. 面向混合學習環(huán)境的大學生深度學習量表編制[J]. 電化教育研究，2018，39（12）：94-101.

[18] 張曉娟，呂立杰. 指向深度學習的課堂學習共同體建構[J]. 基礎教育，2018，15（3）：35-41.

[19] 李克東. 教育技術學研究方法[M]. 北京： 北京師范大學出版社，2003.

[20] 賀巍，盛群力. 邁向新平衡學習——美國21世紀學習框架解析[J]. 遠程教育雜志，2011，29（6）：79-87.

[21] CHATTERJEE A，PEREIRA A，SARKAR B. Learning transfer system inventory（LTSI） and knowledge creation in organizations[J]. The learning organization， 2018， 25（5）：305-319.

[22] 楊艷萍. 大學生創(chuàng)新教育中一般創(chuàng)造力測評體系研究[J]. 北京科技大學學報（社會科學版），2001（2）：88-91.

[23] 鄧成超. 大學生創(chuàng)新素質的量質化評價[J]. 重慶工學院學報，2004（6）：164-168.

[24] 蘇珊. STEAM教育視角下大學生創(chuàng)新能力培養(yǎng)的學習活動設計[D]. 無錫： 江南大學，2019.

[25] 吳永和，李若晨，王浩楠，等. 基于STEM的大學生跨學科實踐創(chuàng)新能力培養(yǎng)——以R語言與3D打印在高數(shù)應用的實證研究為例[J]. 現(xiàn)代遠程教育研究，2018（5）：77-85，112.

[26] O'BRIEN H L，TOMS E G. Examining the generalizability of the User Engagement Scale（UES） in exploratory search [J]. Information processing & management， 2013， 49（5）：1092-1107.

[27] PARTALA T，KALLINEN A. Understanding the most satisfying and unsatisfying user experiences：emotions，psychological needs，and context [J]. Interacting with computers， 2012， 24（1）：25-34.