匡子翌 祝婉玲 成美霞 王福興 胡祥恩,2

動作化學習的有效性及其影響機制*

匡子翌1祝婉玲1成美霞1王福興1胡祥恩1,2

(1青少年網(wǎng)絡(luò)心理與行為教育部重點實驗室暨華中師范大學心理學院, 武漢 430079) (2孟菲斯大學心理學系, 孟菲斯 38152, 美國)

動作化學習(learning by enacting)是一種在學習時執(zhí)行與任務(wù)相關(guān)的身體動作或操作的學習方式, 而一種典型的動作化學習就是操作教學模型。綜述已有研究發(fā)現(xiàn), 目前有兩方面的理論去解釋動作化學習: 其中具身認知理論和生成學習理論支持動作化對學習的促進作用; 而認知負荷理論為動作化學習的干擾作用提供了解釋。通過匯總以往實證研究得出如下結(jié)論: 在學習結(jié)果上, 動作化學習促進學習結(jié)果具有中等效應(yīng), 即動作化學習提升了學習者的保持成績和遷移成績。實物動作化學習與虛擬動作化學習在保持成績與遷移成績上沒有差異。在主觀體驗方面, 動作化學習促進學習興趣具有小的促進效應(yīng)。實物動作化學習比虛擬動作化學習更能提高學習信心和學習興趣, 但在認知負荷上兩種動作化學習差異比較微弱。未來研究需要在優(yōu)化動作化學習、確定影響因素、整合及驗證理論等方面進一步探討。

動作化學習, 操作, 生成學習, 具身認知, 具身學習

在課堂中使用教學模型(或教具)通常被認為是一種提高學生知識理解的常用手段(Marley & Carbonneau, 2014a)。例如中國教育部(2019, 2020)建議為學生提供科學完善的實驗教具, 培養(yǎng)學生的操作和動手能力。這是因為學習者與教學模型的身體交互有利于其知識表征, 促進知識習得(Marley & Carbonneau, 2014b)。以往的大量實證研究關(guān)注了教師操作教學模型對學習的影響(Carbonneau et al., 2013; Zhang et al., 2022)。然而, 學習者被動地觀察教師并非最佳的學習方式。越來越多的研究者開始關(guān)注以學習者為中心的生成學習(generative learning; Fiorella & Mayer, 2015; Fiorella & Mayer, 2016)。Fiorella和Mayer (2015)基于生成學習的框架, 將在學習中進行與任務(wù)相關(guān)動作的策略稱為動作化學習(learning by enacting), 其中一種典型的動作化學習則是學習者操作教學模型?！癳nact”一詞最早可追溯到Bandura (1986, 1997)所提出的親歷學習(enactive learning), 意指親身參與的學習, 用來指代與觀察學習相對應(yīng)的學習形式, 這些思想后來被具身認知理論(embodied cognition theory, ECT)所吸納。Fiorella和Mayer (2015)在此概念基礎(chǔ)上提出的動作化學習概念, 進一步強調(diào)了學習者身體動作對學習的影響。

本文通過系統(tǒng)的文獻搜集, 試圖揭示動作化學習的有效性和影響機制。本文將按照如下的順序進行闡述: 首先, 介紹動作化學習的不同分類; 第二, 基于已有實證研究的數(shù)據(jù)分析動作化學習是否能夠提高學習成績和積極的主觀體驗; 第三, 探討動作化學習背后的理論解釋; 第四, 基于目前的研究現(xiàn)狀討論未來的研究方向。

1 動作化學習中有哪些分類？

Fiorella和Mayer (2015, 2016)認為所有與任務(wù)相關(guān)的動作都屬于動作化學習的范疇。在此基礎(chǔ)上動作化學習可分為兩類: 手勢和操作教學模型。例如Scheiter等人(2020)要求學習者用手勢模仿魚的運動, 結(jié)果發(fā)現(xiàn)在中等難度的學習材料上手勢組的學習結(jié)果要好于無手勢組?；趧幼骰瘜W習的手勢等同于以往研究中的生成手勢, 即學習者在學習中產(chǎn)生的手勢。Dargue等人(2019)的一項元分析探討了生成手勢的作用, 發(fā)現(xiàn)生成手勢相比于觀察手勢更能夠促進學習者的知識理解。

本文主要關(guān)注操作教學模型這一類動作化學習。已有研究主要基于教學模型的類型將動作化學習分類, 即實物教學模型和虛擬教學模型。與直接在物理上接觸的實物教學模型不同, 虛擬教學模型一般是在電腦程序中呈現(xiàn), 學習者可以通過鍵盤、鼠標或者其他輸入設(shè)備操作電腦屏幕中的教學模型(如: 化學分子模型)進行學習(如Stull et al., 2013; Stull & Hegarty, 2016)。實物模型相比虛擬模型的優(yōu)勢在于可以通過觸摸直接感知到模型的形狀、大小以及紋理, 再結(jié)合模型的視覺信息可以更好地理解學習內(nèi)容, 而虛擬模型提供的信息主要來自于視覺(Ruddle & Jones, 2001)。因此, 實物模型相比于虛擬模型更有利于學習。同時, 以往也有研究提供了身體動作與任務(wù)高一致性(high-congruence)的虛擬模型, 并發(fā)現(xiàn)比無動作化學習更好(Stull & Hegarty, 2016)。那么, 目前的實證研究中基于實物模型的實物動作化學習和基于虛擬模型的虛擬動作化學習是否都要比沒有模型的無動作化學習效果更好？實物動作化學習和虛擬動作化學習哪一個更能夠促進學習成績？本文專門匯總了動作化學習與無動作化學習對比的研究(見表1), 試圖探討動作化學習的有效性。同時也匯總了實物動作化學習和虛擬動作化學習對比的研究(見表2), 即將實物動作化學習作為實驗組, 虛擬動作化學習作為控制組, 比較兩種動作化學習對學習效果的影響。

2 動作化學習能夠促進學習嗎？

2.1 動作化學習好于無動作化學習嗎？

動作化學習是否可以促進學習效果？通過對以往實證研究的具體分析, 大部分研究發(fā)現(xiàn)動作化學習可以提升學生的學習成績(如Casselman et al., 2021; Fujimura et al., 2001; Glenberg et al., 2004; Glenberg et al., 2011; Marley et al., 2007; Marley & Szabo, 2010; Makransky et al., 2021; Marley et al., 2010; Marley et al., 2011; Novak & Schwan, 2021; Stull et al., 2012; Preece et al., 2013; Kontra et al., 2015; Stieff et al., 2016; Stull & Hegarty, 2016; Stull et al., 2018; Jee & Anggoro, 2019; Jian, 2022)。有少量研究發(fā)現(xiàn)動作化學習策略不能促進學習(Stull et al., 2018; Zhang, 2019; Zhang & van Reet, 2022), 甚至阻礙學習效果(Mierdel & Bogner, 2021)。

為了系統(tǒng)地量化以往研究的結(jié)果, 本研究參照Mayer (2020)的方法, 將各個研究的效應(yīng)量Cohen’s值進行匯總后求出效應(yīng)量中位數(shù)(median effect size), 并基于該值分析動作化學習的有效性, 以代表效應(yīng)量的總體集中趨勢。例如, 當計算動作化學習在保持測驗的效應(yīng)量中值時, 需要求出所有動作化學習與對照組比較研究的效應(yīng)量, 最后得到中位數(shù)。本研究使用效應(yīng)量中值作為統(tǒng)計參數(shù)出于三點考慮: 第一, 以往多媒體學習的研究綜述和著作中大量使用效應(yīng)量中值歸納和總結(jié)以往的文獻, 它能夠較好地解釋和反映研究現(xiàn)狀(如Fiorella & Mayer, 2015; Fiorella & Mayer, 2016; Mayer, 2020; Mayer, 2014)。第二, 本文中某些因變量的研究數(shù)量少, 尤其涉及主觀體驗測量的研究數(shù)大多不足10項, 為了避免極端值的影響, 使用中位數(shù)作為統(tǒng)計分析的參數(shù)相對更加合理。第三, 從以往研究來看, 效應(yīng)量中值與元分析計算出的效應(yīng)量差異不大。例如Mayer (2014)計算線索對學習影響的效應(yīng)量中值為= 0.41, 而Alpizar (2020)元分析計算的效應(yīng)值為= 0.38。又如陳佳雪等人(2018)發(fā)現(xiàn)積極情緒促進學習的效應(yīng)量中值保持測驗= 0.27,遷移測驗= 0.29, 周麗等人(2019)的元分析發(fā)現(xiàn)積極情緒促進學習的效應(yīng)量保持測驗= 0.25,遷移測驗= 0.30。

納入分析的文獻通過各大中英文數(shù)據(jù)庫關(guān)鍵詞檢索而來, 共檢索到3103篇研究, 經(jīng)過篩選后最終納入分析的文獻共計有55項研究, 其中比較有無動作化學習的研究29項(見表1), 比較實物動作化學習和虛擬動作化學習的研究有27項(見表2)。英文文獻主要將主題或關(guān)鍵詞enact, hands on, model, manipulation與generative learning, multimedia learning, learning進行搜索, 數(shù)據(jù)庫包括Web of Science, EBSCO, ProQuest, Scopus等。中文文獻主要將“動手” “模型” “操作”與“生成學習” “多媒體學習”和“學習”作為主題或關(guān)鍵詞進行搜索, 數(shù)據(jù)庫包括CNKI中國學術(shù)期刊網(wǎng)絡(luò)出版總庫、CNKI優(yōu)秀博碩論文全文數(shù)據(jù)庫和萬方數(shù)據(jù)庫等。除上述外還通過文獻回溯和Google Scholar搜索的方式進行補查。納入分析的文獻需要滿足如下的標準: (1)文獻必須是實證研究; (2)文獻中必須含有學生操作模型與學生不操作模型的對比(表1), 或者學生操作實物模型和虛擬模型的對比(表2); (3)因變量包含學習效果(保持測驗或遷移測驗)。

保持測驗是對當前學習內(nèi)容回憶或再認的考察(Mayer, 2020)。已有大量研究發(fā)現(xiàn)動作化學習可以促進學習者的保持測驗成績(Glenberg et al., 2004; Glenberg et al., 2011; Marley et al., 2007; Marley & Szabo, 2010; Makransky et al., 2021; Marley et al., 2010; Marley et al., 2011; Novak & Schwan, 2021;Preece et al., 2013)。例如一項研究關(guān)注兒童對故事的聽覺理解, 模型組兒童被要求依據(jù)故事的內(nèi)容操縱玩具, 圖片組則觀看與故事內(nèi)容有關(guān)的圖片, 結(jié)果發(fā)現(xiàn)模型組的兒童對于故事內(nèi)容的回憶成績要高于圖片組(Marley & Szabo, 2010)。也有針對大學生的研究發(fā)現(xiàn)動作化學習有利于提高保持測驗, 該研究以馬蹄的生理結(jié)構(gòu)為學習材料, 比較了實物操作模型和閱讀組, 結(jié)果發(fā)現(xiàn)操作實物馬蹄模型的學習者在保持成績上比閱讀組更高(Preece et al., 2013)。但也有研究者沒有發(fā)現(xiàn)動作化學習提高學習者的保持成績(Stull et al., 2018)。Stull等人(2018)以化學分子表達式的轉(zhuǎn)換為學習內(nèi)容, 實驗1在實驗室中進行, 所有的大學生被試在觀看了教師操作化學分子模型的講解視頻之后, 被分為操作模型組或不操作模型組解題, 結(jié)果沒有發(fā)現(xiàn)兩組在保持測驗上的差異。實驗2將實驗情境遷移到真實課堂中, 在保持測驗上也沒有發(fā)現(xiàn)差異結(jié)果。本文匯總的研究中一共有13項研究探討了動作化學習對保持測驗的影響, 其中有11項(85%)研究發(fā)現(xiàn)動作化學習可以提高學習者的保持測驗成績, 而2項(15%)研究沒有發(fā)現(xiàn)動作化學習促進保持測驗成績, 計算動作化學習促進保持測驗成績的效應(yīng)量中值為= 0.57。

遷移測驗考察對當前學習內(nèi)容的應(yīng)用(Mayer, 2020)。已有大量研究發(fā)現(xiàn)動作化學習可以促進學習者的遷移成績(Casselman et al., 2021; Fujimura et al., 2001; Glenberg et al., 2004; Glenberg et al., 2011; Jee & Anggoro, 2019; Kontra et al., 2015; Makransky et al., 2021; Stieff et al., 2016; Stull et al., 2012; Stull & Hegarty, 2016; Stull et al., 2018; Jian, 2022)。例如Jian (2022)以力學知識為學習材料, 設(shè)計了一項2 (操作實物模型vs僅閱讀) × 2 (困難材料vs簡單材料)的實驗, 結(jié)果發(fā)現(xiàn)大學生在困難的學習材料中, 操作實物模型比閱讀組有更高的遷移成績。還有一項以DNA為學習材料的研究, 實驗為2 (操作實物模型vs不操作實物模型) × 2 (觀看視頻vs觀看VR)的被試間設(shè)計, 結(jié)果發(fā)現(xiàn)操作實物模型的遷移成績要好于不操作實物模型, 其他主效應(yīng)及交互作用不顯著。匯總文獻發(fā)現(xiàn)共計20項研究考察了動作化學習對遷移測驗的影響, 其中有17項(85%)研究發(fā)現(xiàn)了動作化學習可以提高學生的遷移成績, 有2項(10%)研究沒有發(fā)現(xiàn)動作化學習對遷移測驗的影響, 而有1項(5%)研究發(fā)現(xiàn)動作化學習會降低學習者的遷移成績, 計算動作化學習促進保持測驗成績的效應(yīng)量中值為= 0.63。

上述結(jié)果表明動作化學習促進學習效果(保持和遷移測驗)具有中等及以上的效應(yīng), 但通過進一步分析這些結(jié)果, 仍存在一些問題尚未厘清: 第一, 學習者年齡可能影響動作化學習的效果?；诒?內(nèi)容, 進一步分析小學生和大學生在動作化學習下的表現(xiàn), 結(jié)果顯示小學生進行動作化學習促進保持測驗和遷移測驗的效應(yīng)量中值分別為= 0.80和= 0.61。而大學生進行動作化學習促進保持和遷移測驗的效應(yīng)量中值分別為= 0.20和= 0.63。上述結(jié)果可能表明對于低齡學習者來說進行動作化學習具有更好的幫助。但目前缺少直接的實證研究證據(jù)對此進行探討。第二, 學習材料較為單一。動作化學習促進保持測驗和遷移測驗結(jié)果的研究中, 小學生的研究主要基于故事書材料, 而大學生的研究主要是基于化學分子表達式的學習材料, 兩種材料的差異可能也會導致動作化學習結(jié)果的差異, 未來需要使用更多的學習材料去驗證。第三, 動作化學習的有效性可能受到其他教學支架的影響。上述研究表明當給被試提供答案(Zhang, 2019; Zhang & van Reet, 2022)或觀察教師動作化學習(Stull et al., 2018), 學生動作化學習的有效性不存在, 但仍需研究進一步驗證。第三, 動作化學習的程度過高可能會阻礙學習。Mierdel和Bogner (2021)的研究發(fā)現(xiàn)制作DNA模型組的遷移成績低于僅觀察教學模型組, 這可能是制作過程耗費了較大的認知負荷, 導致學習者學習成績的降低, 但目前僅有一項研究對此給予支持。

2.2 實物動作化學習優(yōu)于虛擬動作化學習嗎？

為了進一步剖析哪一種動作化學習更有效, 我們將以往研究中涉及實物動作化學習和虛擬動作化學習的研究進行了匯總(見表2)。從表2可知, 目前只有6項研究在比較兩種動作化學習類型時加入了控制組, 其中有3項研究發(fā)現(xiàn)實物和虛擬兩種動作化學習都要好于控制組, 有2項僅發(fā)現(xiàn)實物動作化學習好于控制組, 1項研究僅發(fā)現(xiàn)虛擬動作化學習好于控制組。因此有必要進一步對比實物動作化學習和虛擬動作化學習哪一種更有利于學習。后續(xù)分析會將實物動作化學習作為實驗組, 虛擬動作化學習作為控制組進行比較。

在保持測驗上, 共有4項研究比較了實物和虛擬兩種動作化學習, 其中有2項(50%)研究發(fā)現(xiàn)實物動作化學習的保持測驗成績好于虛擬動作化學習, 而有2項(50%)研究發(fā)現(xiàn)實物動作化學習的保持成績要低于虛擬動作化學習, 計算實物動作化學習的保持測驗好于虛擬動作化學習的效應(yīng)量中值= 0.01。在遷移測驗上, 共有23項研究對比了兩種動作化學習, 其中有3項研究發(fā)現(xiàn)實物動作化學習的遷移測驗成績好于虛擬動作化學習, 有4項研究發(fā)現(xiàn)實物動作化學習的遷移成績要低于虛擬動作化學習, 而有16項研究沒有發(fā)現(xiàn)兩種動作化學習在遷移成績上的差異, 計算實物動作化學習的遷移測驗好于虛擬動作化學習的效應(yīng)量中值= 0.01。

基于上述分析可知, 總體上實物動作化學習和虛擬動作化學習在學習成績上沒有差異。但部分研究結(jié)果仍存在差異, 可能有如下的原因: 第一, 模型的復雜程度不同。當教學模型較為復雜時, 實物模型可能存在更多不必要的細節(jié), 并涉及更多操作步驟, 而虛擬模型都集成在電腦屏幕中, 只需要按鍵或鼠標點擊, 因此實物模型可能比虛擬模型耗費更多的認知負荷, 更不利于學習(如Wang & Tseng, 2018; Finkelstein et al., 2005)。第二, 學習測驗的深度不同。例如以化學分子結(jié)構(gòu)為材料的研究中, 實物和虛擬兩種動作化學習在立體化學知識(例如描述分子之間的關(guān)系, 繪制分子的異構(gòu)體等)測驗上沒有差異, 但Casellman等人(2021)編制的反應(yīng)機制測驗(例如基于給定的反應(yīng)物, 反應(yīng)條件和產(chǎn)物, 推斷可能發(fā)生的反應(yīng)機理并解釋原因)則發(fā)現(xiàn)了實物動作化學習的成績好于虛擬動作化學習, 這可能說明測驗深度越高越能夠體現(xiàn)實物動作化學習的優(yōu)勢。

3 動作化學習能否影響學習者的主觀體驗？

學習者在進行動作化學習時會伴隨主觀體驗。本文匯總了以往動作化學習研究中學習者感知到的主觀體驗變量?？傮w來說, 只有極少數(shù)研究者測查了學習者的主觀體驗。具體而言, 在比較有無動作化學習的研究中, 一共只有5項研究測查了主觀體驗, 一項研究發(fā)現(xiàn)動作化學習可以提高學習者的學習信心(如: 我相信我有能力識別馬蹄的解剖結(jié)構(gòu))。有2項研究探討了學習者在動作化學習中感知到的認知負荷, 其他3項研究測查了學習者的學習興趣(效應(yīng)量中值= 0.21), 但都沒有發(fā)現(xiàn)動作化學習可以影響這些主觀體驗。在比較實物動作化學習和虛擬動作化學習的研究中, 一共有8項研究測查了主觀體驗, 分別測查了學習者的學習自信, 認知負荷和學習興趣。其中有4項研究測查了學習信心, 有2項研究發(fā)現(xiàn)實物動作化學習比虛擬動作化學習更能提高學習信心, 而有2項研究沒有發(fā)現(xiàn)兩種動作化學習的差異, 計算效應(yīng)中值為= 0.28。另有4項研究測查了動作化學習對認知負荷的影響, 有2項研究發(fā)現(xiàn)實物動作化學習比虛擬動作化學習的認知負荷更低, 而有2項研究沒有發(fā)現(xiàn)兩種動作化學習認知負荷的差異, 計算效應(yīng)中值為= ?0.16。此外, 還有2項研究測查了學習者的學習興趣, 且均發(fā)現(xiàn)實物動作化學習相比虛擬動作化學習能誘發(fā)更高的學習興趣, 計算效應(yīng)中值為= 0.40。

為了進一步確定主觀體驗是否影響了學習結(jié)果, 本文將分析主觀體驗和學習結(jié)果是否一一對應(yīng)。在比較動作化學習有無的研究中, 只有1項(25%)研究發(fā)現(xiàn)動作化學習提升了學習者的學習信心, 同時學習結(jié)果也得到了提升。其余4項(75%)研究則出現(xiàn)了結(jié)果的不對應(yīng), 即動作化學習影響了學習結(jié)果但沒有影響主觀體驗。在比較實物和虛擬兩種動作化學習的研究中, 有6項(75%)研究發(fā)現(xiàn)學習者的主觀體驗和學習結(jié)果一致, 其中有2項研究支持了實物動作化學習的優(yōu)勢效應(yīng), 例如實物動作化學習比虛擬動作化學習有更低的認知負荷, 更高的學習興趣和更好的學習結(jié)果。有4項研究則發(fā)現(xiàn)兩種動作化學習在主觀體驗和學習結(jié)果上沒有差異。此外, 2項(25%)研究的結(jié)果不對應(yīng), 即實物動作化學習的主觀體驗要比虛擬動作化學習更積極, 但在學習結(jié)果上沒有差異, 例如實物動作化學習比虛擬動作化學習有更高的學習信心和學習興趣, 但兩種動作化學習在學習結(jié)果上沒有差異。

表1 動作化學習對學習效果的影響(效應(yīng)量Cohen’s d值)

注：R指保持測驗; T指遷移測驗; C指學習信心; CL指認知負荷; LI指學習興趣; *指動作化學習的效果要好于其他對照組; &表示動作化學習的效果要差于其他對照組; ()中的數(shù)字表示動作化學習組與對照組相比的效應(yīng)量值,值表示自變量作用的大小,值越大表示動作化學習相較于對照組對學習效果的影響越大。

表2 實物動作化學習與虛擬動作化學習在學習成績上的比較(效應(yīng)量Cohen’s d值)

注：R指保持測驗; T指遷移測驗; C指學習信心; CL指認知負荷; LI指學習興趣; *指實物動作化學習的效果要好于虛擬動作化學習; &表示實物動作化學習的效果要差于虛擬動作化學習; ()中的數(shù)字表示實物動作化學習組與虛擬動作化學習相比的效應(yīng)量值,值表示自變量作用的大小,值越大表示實物動作化學習相較于虛擬動作化學習對學習效果的影響越大。

通過上述的分析可知, 動作化學習可能影響學習者的主觀體驗, 并進一步影響學習成績, 但結(jié)果并不穩(wěn)定, 可能有如下的原因所致: 首先, 有限的研究數(shù)量無法全面地反映結(jié)果的全貌, 未來需要更多的研究探查學習者在動作化學習中的主觀體驗。其次, 不同研究使用的主觀體驗量表不一致。以認知負荷量表為例, 本文匯總的研究中, 有部分研究僅測查了學習者感知的心理努力, 而有的研究測查了認知負荷的三個維度(即內(nèi)在認知負荷, 外在認知負荷和相關(guān)認知負荷), 也有研究采用美國國家航天局的認知負荷量表(NASA-TLX)作為工具, 該量表包括6個維度。不同的認知負荷量表測查的結(jié)果可能會產(chǎn)生一定的差異(Krieglstein et al., 2022)。最后, 量表施測的單一化。以往研究均采用被試間實驗設(shè)計, 因此被試僅能對一個條件進行評價, 這可能導致結(jié)果存在偏差(Wilson et al., 2018)。

4 動作化學習的理論基礎(chǔ)

理論層面上, 是否有觀點支持動作化學習在實證研究中的結(jié)論？如圖1所示, 目前存在兩個不同方向的理論去解釋動作化學習。首先, 具身認知理論(embodied cognition theory, ECT)和生成學習理論(generative learning theory, GLT)支持動作化學習促進學習。而認知負荷理論(cognitive load theory, CLT)為動作化學習干擾學習提供了依據(jù)。

ECT認為認知過程與身體密不可分, 一切認知過程都需要依賴于身體和外部環(huán)境的互動(葉浩生, 2010; Barsalou, 2008; Wilson, 2002)。認知是物理世界中獲得的感知覺與運動信息以模擬的方式在大腦中的重新激活。當從記憶中檢索相關(guān)信息時, 在經(jīng)驗中捕獲的多模態(tài)表征被重新激活, 以模擬大腦對感知和行動的表征(Barsalou, 2008; de Koning & Tabbers, 2011)。近年來, 教育領(lǐng)域也結(jié)合ECT進行了諸多研究(Duijzer et al., 2019; Johnson-Glenberg et al., 2014; Skulmowski & Rey, 2018), 研究者將這一領(lǐng)域統(tǒng)稱為具身學習(embodied learning)。具身學習同樣遵循身心一體原則, 學習和身體密不可分, 身體的結(jié)構(gòu)與功能會對學習過程與結(jié)果產(chǎn)生重要的影響(葉浩生, 2015)。但并非所有身體活動都可以促進學習。Skulmowski和Rey (2018)認為只有當身體活動與當前學習目標高相關(guān)時才有利于學習, 而且高身體活動程度可能會造成較高的認知負荷, 阻礙學習結(jié)果。因此, 基于ECT, 在學習時進行與學習目標相關(guān)的身體活動, 可以促進對知識的表征, 進而促進學習結(jié)果。在該理論下, 實物動作化學習可能被認為更優(yōu)于虛擬動作化學習, 因為實物的教學模型更有利于學習者利用身體動作進行認知表征, 更符合具身學習的身心一體原則(Rau, 2020)。但本文匯總的實證研究中大部分都沒有發(fā)現(xiàn)兩種動作化學習的區(qū)別, 未來需要進一步確定身體活動與學習目標的相關(guān)性, 以及探討潛在的邊界條件。此外, 低齡的學習者可能從動作化學習中更能獲益, 因為低齡學習者認知能力還處于在發(fā)展階段, 感覺運動體驗對認知發(fā)展具有關(guān)鍵的作用(Laakso, 2011; Piaget, 1952), 因此有具身性的動作化學習可能更有利于促進低齡學習者的學習。同樣, 當學習材料更加復雜抽象時, 學習者才需要利用動作化的教學模型直觀地理解知識, 簡單的知識可能僅通過圖片也能獲得足夠的加工。但上述推斷仍需要研究進一步驗證。

圖1 動作化學習的理論

GLT理論認為只有學習者進行了生成學習才是有意義的學習。生成是指學習者將學習內(nèi)容中的不同元素建立聯(lián)系, 以及在學習內(nèi)容與已有知識中建立聯(lián)系的過程(Wittrock, 1989)。Fiorella和Mayer (2016)提出的有意義學習的認知機制進一步推動了GLT的發(fā)展, 他們認為有意義學習必須要經(jīng)歷選擇、組織和整合(select-organize-integrate, SOI)三個主要的認知過程: 選擇是指學習者選擇最相關(guān)的感覺信息(如觸覺信息, 視覺信息和聽覺信息等)以便進一步在工作記憶中處理; 組織是指學習者在工作記憶中將所選擇的信息組織為連貫的心理表征; 整合是指學習者將心理表征與長時記憶中的相關(guān)知識結(jié)構(gòu)相結(jié)合。由于每個信息輸入通道容量有限, 而不同通道之間相互獨立(Mayer, 2020), 當面對復雜的學習內(nèi)容, 相比單一通道, 學習者從多個通道加工信息更不容易造成容量超載, 進而有利于知識的組織與整合。因此, 相比于僅能通過視覺通道加工信息的無動作化學習, 動作化學習同時激活視覺和觸覺信息加工通道的特征能夠提升學習效果。同時, 實物動作化學習比虛擬動作化學習體驗到與學習內(nèi)容相關(guān)的觸覺信息可能更為豐富, 因而實物動作化學習更有利于學習, 但本文的結(jié)果不能支持該假設(shè), 未來研究需要剖析動作化學習中觸覺的作用, 進一步明確什么樣的觸覺信息才能夠促進學習。此外, 對于低齡學習者而言, 教學模型本身作為一種學習支架, 可能更有利于低齡學習者在學習內(nèi)容之間建立聯(lián)系, 使學習者選擇到關(guān)鍵的知識內(nèi)容, 進而提升了對知識的組織和整合水平。對于復雜材料而言, 教學模型幫助學習者理解學習內(nèi)容, 降低了學習難度, 促進了學習者對知識的選擇、組織和整合過程, 最終提高了學習成績。

CLT以人類認知處理能力有限為前提, 認為如果知識的加工超出自身處理能力則會出現(xiàn)認知負荷超載, 進而阻礙學習(Sweller et al., 2011)。CLT的核心是將認知負荷分為了三類: 內(nèi)在認知負荷(intrinsic cognitive load), 外在認知負荷(extraneous cognitive load)和相關(guān)認知負荷(germane cognitive load) (Leppink et al., 2013; Sweller et al., 2011)。內(nèi)在認知負荷和相關(guān)認知負荷正向預測學習成績, 而外在認知負荷負向預測學習成績(Krieglstein et al., 2022)。如果動作化學習的過程涉及了較多與學習內(nèi)容無關(guān)的內(nèi)容, 外在認知負荷就會增加, 進而阻礙學習成績。例如Mierdel和Bogner (2021)發(fā)現(xiàn)制作DNA模型組的學習成績低于僅觀察教學模型組, 這可能是由于制作過程誘發(fā)了大量的外在認知負荷, 造成學習結(jié)果的降低。同時, 實物動作化學習相比虛擬動作化學習具有更豐富、更具體的特征, 這可能會阻礙學習(Kaminski & Sloutsky, 2013)。需要注意的是, 并非所有研究者都認同這一解釋, 例如上述提到實物動作化學習的觸覺與視覺信息的雙通道加工方式可能更有利于減少認知資源, 即降低認知負荷(Skulmowski et al., 2016)。但大多數(shù)研究還是利用CLT來強調(diào)虛擬動作化學習的優(yōu)勢(Rau, 2020)。結(jié)合ECT理論所提及的內(nèi)容, 身體運動與認知負荷之間也可能存在聯(lián)系, 若身體運動與學習任務(wù)之間相關(guān)程度高, 則學習者感知到的內(nèi)在認知負荷和相關(guān)認知負荷可能更高, 即學習者將更多的認知資源分配到學習任務(wù)中, 這將促進學習者的學習成績。當身體運動程度的高低與學習內(nèi)容無關(guān), 學習者則會感知到更高的外在認知負荷, 即學習者的認知資源被消耗到與學習無關(guān)的活動中, 這將降低學習者的學習成績。因此, 不考慮身體活動與當前學習目標是否高相關(guān), 只要身體活動程度越高, 學習者可能感知到高的外在認知負荷, 從而阻礙學習。這一推斷仍需實證研究進一步驗證。此外, 基于CLT, 當學習內(nèi)容復雜抽象時, 學習者可能感知到更高的內(nèi)在認知負荷, 而基于動作化的教學模型可以降低學習者的內(nèi)在認知負荷, 最終可能促使學習者付出更多的努力去完成學習任務(wù), 進而提高了學習者的相關(guān)認知負荷, 最終促進了學習成績。對于不同年齡的學習者而言, 低齡學習者的工作記憶能力比成人更低(Siegel, 1994), 因此低齡學習者更可能面臨認知負荷的超載, 通過動作化的學習可以減少低齡學生的內(nèi)在認知負荷, 進而對學習有利。但未來仍需要通過實證研究進一步探討不同材料和不同年齡的學習者在動作化學習下認知負荷的變化情況。

5 總結(jié)與展望

經(jīng)過系統(tǒng)地分析發(fā)現(xiàn)總體上動作化學習對學習有積極的作用, 實物動作化學習和虛擬動作化學習二者的效果沒有差異。具體而言, 動作化學習促進學習結(jié)果具有中等效應(yīng), 即動作化學習提升了學習者的保持成績(保持= 0.57)和遷移成績(遷移= 0.63)。實物動作化學習和虛擬動作化學習在保持測驗(保持= 0.01)與遷移測驗上(遷移= 0.01)沒有差異。在主觀體驗方面, 動作化學習促進了學習興趣(學習興趣= 0.21)。實物動作化學習比虛擬動作化學習更能提高學習信心(學習信心= 0.28)和學習興趣(學習興趣= 0.40), 但在認知負荷上兩種動作化學習差異比較微弱(認知負荷= ?0.16)。

雖然以往研究已經(jīng)對動作化學習進行一些探討, 但這些研究仍處于起步階段, 有許多研究問題亟待解決, 具體分為如下幾點:

第一, 如何利用有關(guān)的教學策略或教學支架干預動作化學習, 進一步優(yōu)化和改善操作教學模型對學習者的有效性, 這對動作化學習落實到課堂教學中具有重要的實踐意義。例如一項以化學分子模型為學習材料的研究發(fā)現(xiàn), 在動作化學習中進行干預(例如, 要求學習者必須將分子圖和分子模型對齊)比僅動作化學習更有利于學習成績(Padalkar & Hegarty, 2015)。還有研究者發(fā)現(xiàn), 為學習者提供關(guān)系支架(relational scaffolding)的動作化學習效果更好, 例如結(jié)合第一人稱和第三人稱視角的動作化學習要比單一視角的動作化學習有更好的學習結(jié)果(Jee & Anggoro, 2019)。未來研究需要進一步探討如想象(如Glenberg et al., 2004)、提供答案(如Zhang & van Reet, 2022)、觀察動作化學習(如Stull et al., 2018)等方法和策略能否優(yōu)化和調(diào)節(jié)動作化學習。

第二, 動作化學習的影響因素有哪些, 即動作化學習促進學習存在哪些邊界條件。不同性質(zhì)的學習材料可能會產(chǎn)生不同的學習效果, 上文基于理論的分析表明動作化學習可能在復雜抽象的學習材料中更能促進學習成績, 以往比較動作化學習有無的研究大部分采用了化學分子結(jié)構(gòu)式(科學知識類)和故事書(文學類)兩種學習材料, 但兩種材料分別以大學生和小學生為被試, 在同一個年齡段仍缺少橫向?qū)Ρ? 即在相同年齡下比較不同學習材料的學習效果, 以及在同一種類型材料下探討不同年齡段在動作化學習下是否存在不同的學習促進效應(yīng), 未來研究也應(yīng)在更多的材料中進行探討, 包括針對學習材料難度(Jian, 2022)、學習材料文理屬性等。同時, 學習者個體的特征也是一個重要的因素。例如低齡學習者的認知能力相對有限, 更能通過身體動作的學習來提高學習成績。又如動作化學習的效果可能與學習者的心理旋轉(zhuǎn)能力具有相關(guān)性(如Casselman et al., 2021; Stull et al., 2012), 未來研究需要驗證不同年齡和心理旋轉(zhuǎn)能力的學習者在進行動作化學習時的學習效果, 并進一步探討如何為低心理旋轉(zhuǎn)能力的學習者提供教學支架。

第三, 動作化學習中觸覺是否具有重要的作用需要進一步研究。雖然以往對比動作化學習和觀察動作化學習的研究可以為觸覺的有效性提供一些證據(jù)(如Marley et al., 2010; Stull et al., 2018), 但研究操縱的觀察動作化學習大多屬于系統(tǒng)步調(diào), 學習者不能按照自己的節(jié)奏即學習者步調(diào)進行學習。而先前研究發(fā)現(xiàn)學習者步調(diào)比系統(tǒng)步調(diào)更有利于學習(Fiorella & Mayer, 2018), 因此動作化學習比觀察動作化學習有更高的學習成績可能跟學習步調(diào)有關(guān), 未來研究需要進一步控制步調(diào)對學習的影響。例如, 對比動作化學習與有模型的無動作化學習是否可以影響學習者的學習效果。同時, 未來比較實物動作化學習和虛擬動作化學習的研究也應(yīng)針對觸覺信息進行深入探討, 確定什么樣的觸覺信息才可以誘發(fā)兩種動作化學習的學習結(jié)果差異。這些探討對于驗證和拓展ECT具有重要的意義。

第四, 仍缺少一個系統(tǒng)性的理論去解釋動作化學習。依據(jù)前文的理論介紹, 各個理論之間存在各自的優(yōu)勢, ECT強調(diào)了身體動作對學習的影響并認為與任務(wù)相關(guān)的身體動作對學習的有效性最佳, 但ECT缺少認知機制方面的假設(shè), 而GLT則剛好彌補了這一點, 從選擇、組織和整合三個關(guān)鍵的步驟進行了假設(shè)?；贓CT本身就視身體與認知為一體(葉浩生, 2010; Barsalou, 2008; Wilson, 2002), 未來研究者可以嘗試整合兩種理論以全面系統(tǒng)地探討動作化學習的理論機制。同時, 也需要更多以理論出發(fā)的實證研究進行驗證, 例如身體與任務(wù)的相關(guān)性高低是否會影響動作化學習效果(Skulmowski & Rey, 2018), 以及動作化學習是否可以影響學習者的注意加工, 進而影響學習成績(Jian, 2022)。

第五, 在實際的課堂實驗教學中, 動作化學習往往同時由多名學習者合作完成, 因此有必要在合作學習的背景下探討動作化學習。目前本文匯總的研究中僅有一項研究探討了合作學習對學習的影響, 該研究發(fā)現(xiàn)合作學習中的行動者和觀察者在學習成績上沒有差異, 二者都要比沒有進行動作化學習的學習者有更好的成績(Marley et al., 2010)。Ferreira (2021)從具身認知的視角出發(fā), 認為合作學習依賴于合作成員之間的身體互動, 未來應(yīng)采用文本分析、視頻觀察和生理數(shù)據(jù)配對分析(例如: 超掃描技術(shù))來剖析合作動作化學習的作用。

第六, 需要謹慎解釋基于效應(yīng)量中值的結(jié)果。以往研究中的效應(yīng)量中值是在一個系列并且被試和實驗情境都高度相似的情況下所計算得出的(如Fiorella & Mayer, 2015; Fiorella & Mayer, 2016; Mayer, 2020; Mayer, 2014), 當選取的效應(yīng)量來自不同的被試群體(特別是不同年齡的)、基于明顯不同的學習情境和采用不同的研究范式得出時, 利用中位數(shù)效應(yīng)量反映學習策略的效果則可能存在偏差, 未來需要進一步使用更為精確的計算方法(如元分析)進一步驗證動作化學習的有效性。

陳佳雪, 謝和平, 王福興, 周麗, 李文靜. (2018). 誘發(fā)的積極情緒會促進多媒體學習嗎?(10), 1818?1830.

教育部. (2019).. 2022-09-01取自http://www.moe.gov.cn/srcsite/ A06/s3321/201911/t20191128_409958.html

教育部. (2020).. 2022-09-01取自http://www.moe. gov.cn/srcsite/A26/jcj_kcjcgh/202007/t20200715_472808.html

葉浩生. (2010). 具身認知: 認知心理學的新取向.(5), 705?710.

葉浩生. (2015). 身體與學習: 具身認知及其對傳統(tǒng)教育觀的挑戰(zhàn).(4), 104?114.

周麗, 王福興, 謝和平, 陳佳雪, 辛亮, 趙慶柏. (2019). 積極的情緒能否促進多媒體學習? 基于元分析的視角.,(6), 697?709.

Alpizar, D., Adesope, O. O., & Wong, R. M. (2020). A meta-analysis of signaling principle in multimedia learning environments.,(5), 2095?2119.

Bandura, A. (1986).. Englewood Cliff, NJ: Prentice-Hall.

Bandura, A. (1997).. New York: W. H. Freeman & Co.

Barrett, T. J., Stull, A. T., Hsu, T. M., & Hegarty, M. (2015). Constrained interactivity for relating multiple representations in science: When virtual is better than real., 69?81.

Barsalou, L. W. (2008). Grounded cognition., 617?645.

Carbonneau, K. J., Marley, S. C., & Selig, J. P. (2013). A meta-analysis of the efficacy of teaching mathematics with concrete manipulatives.(2), 380?400.

Casselman, M. D., Eichler, J. F., & Atit, K. (2021). Advancing multimedia learning for science: Comparing the effect of virtual versus physical models on student learning about stereochemistry.(6), 1285?1314.

Cuendet, S., Bumbacher, E., & Dillenbourg, P. (2012). Tangible vs. virtual representations: When tangibles benefit the training of spatial skills.(pp. 99?108). ACM.

Dargue, N., Sweller, N., & Jones, M. P. (2019). When our hands help us understand: A meta-analysis into the effects of gesture on comprehension.(8), 765?784.

de Koning, B. B., & Tabbers, H. K. (2011). Facilitating understanding of movements in dynamic visualizations: An embodied perspective.(4), 501?521.

Duijzer, C., van den Heuvel-Panhuizen, M., Veldhuis, M., Doorman, M., & Leseman, P. (2019). Embodied learning environments for graphing motion: A systematic literature review., 597?629.

Ferreira, J. M. (2021). What if we look at the body? An embodied perspective of collaborative learning.(4), 1455?1473.

Finkelstein, N. D., Adams, W. K., Keller, C. J., Kohl, P. B., Perkins, K. K., Podolefsky, N. S., … Lemaster, R. (2005). When learning about the real world is better done virtually: A study of substituting computer simulations for laboratory equipment.(1), 010103.

Fiorella, L., & Mayer, R. E. (2015).New York: Cambridge University Press.

Fiorella, L., & Mayer, R. E. (2016). Eight ways to promote generative learning.(4), 717?741.

Fiorella, L., & Mayer, R. E. (2018). What works and doesn't work with instructional video., 465?470.

Fujimura, N. (2001). Facilitating children's proportional reasoning: A model of reasoning processes and effects of intervention on strategy change.(3), 589?603.

Glenberg, A. M., Goldberg, A. B., & Zhu, X. (2011). Improving early reading comprehension using embodied CAI.(1), 27?39.

Glenberg, A. M., Gutierrez, T., Levin, J. R., Japuntich, S., & Kaschak, M. P. (2004). Activity and imagined activity can enhance young children’s reading comprehension.(3), 424?436.

Jee, B. D., & Anggoro, F. K. (2019). Relational scaffolding enhances children’s understanding of scientific models.(9), 1287?1302.

Jian, Y.-C. (2022). Influence of science text reading difficulty and hands-on manipulation on science learning: An eye-tracking study., 59(3), 358?382.

Johnson-Glenberg, M. C., Birchfield, D. A., Tolentino, L., & Koziupa, T. (2014). Collaborative embodied learning in mixed reality motion-capture environments: Two science studies.(1), 86?104.

Kaminski, J. A., & Sloutsky, V. M. (2013). Extraneous perceptual information interferes with children's acquisition of mathematical knowledge.(2), 351?363.

Katsioloudis, D. P., Dickerson, D. D., Jovanovic, D. V., & Jones, M. (2015). Evaluation of static vs. dynamic visualizations for engineering technology students and implications on spatial visualization ability: A quasi-experimental study.(1), 14?28.

Klahr, D., Triona, L. M., & Williams, C. (2007). Hands on what? The relative effectiveness of physical versus virtual materials in an engineering design project by middle school children.(1), 183?203.

Kontra, C., Lyons, D. J., Fischer, S. M., & Beilock, S. L. (2015). Physical experience enhances science learning.(6), 737?749.

Krieglstein, F., Beege, M., Rey, G. D., Ginns, P., Krell, M., & Schneider, S. (2022). A systematic meta-analysis of the reliability and validity of subjective cognitive load questionnaires in experimental multimedia learning research.(4), 2485?2541.

Laakso, A. (2011). Embodiment and development in cognitive science., 409?425.

Lee, C. Y., & Chen, M. J. (2015). Effects of worked examples using manipulatives on fifth graders’ learning performance and attitude toward mathematics.(1), 264?275.

Leppink, J., Paas, F., van der Vleuten, C. P., van Gog, T., & van Merri?nboer, J. J. (2013). Development of an instrument for measuring different types of cognitive load.(4), 1058?1072.

Makransky, G., Andreasen, N. K., Baceviciute, S., & Mayer, R. E. (2021). Immersive virtual reality increases liking but not learning with a science simulation and generative learning strategies promote learning in immersive virtual reality.(4), 719?735.

Manches, A., O’Malley, C., & Benford, S. (2010). The role of physical representations in solving number problems: A comparison of young children’s use of physical and virtual materials.(3), 622?640.

Marley, S. C., & Carbonneau, K. J. (2014a). Theoretical perspectives and empirical evidence relevant to classroom instruction with manipulatives.(1), 1?7.

Marley, S. C., & Carbonneau, K. J. (2014b). Future directions for theory and research with instructional manipulatives: Commentary on the special issue papers.(1), 91?100.

Marley, S. C., Levin, J. R., & Glenberg, A. M. (2007). Improving native American children’s listening comprehension through concrete representations.(3), 537?550.

Marley, S. C., Levin, J. R., & Glenberg, A. M. (2010). What cognitive benefits does an activity-based reading strategy afford young native American readers?(3), 395?417.

Marley, S. C., & Szabo, Z. (2010). Improving children's listening comprehension with a manipulation strategy.(4), 227?238.

Marley, S. C., Szabo, Z., Levin, J. R., & Glenberg, A. M. (2011). Investigation of an activity-based text-processing strategy in mixed-age child dyads.(3), 340?360.

Mayer, R. E. (2014).(2nd ed.). New York: Cambridge University Press.

Mayer, R. E. (2020).(3rd ed.). New York: Cambridge University Press.

Melcer, E. F., Hollis, V., & Isbister, K. (2017). Tangibles vs. mouse in educational programming games: Influences on enjoyment and self-beliefs. In G. Mark & S. Fussel (Eds.),(pp. 1901?1908). New York: ACM.

Mierdel, J., & Bogner, F. X. (2021). Investigations of modelers and model viewers in an out-of-school gene technology laboratory.(2), 801?822.

Moyer-Packenham, P., Baker, J., Westenskow, A., Anderson, K., Shumway, J., Rodzon, K., & Jordan, K. (2013). A study comparing virtual manipulatives with other instructional treatments in third- and fourth-grade classrooms.(2), 25?39.

Novak, M., & Schwan, S. (2021). Does touching real objects affect learning?(2), 637?665.

Olympiou, G., & Zacharia, Z. C. (2012). Blending physical and virtual manipulatives: An effort to improve students’ conceptual understanding through science laboratory experimentation.(1), 21?47.

Padalkar, S., & Hegarty, M. (2015). Models as feedback: Developing representational competence in chemistry.(2), 451?467.

Piaget, J. (1952).. New York: International Universities Press.

Preece, D., Williams, S. B., Lam, R., & Weller, R. (2013). “Let’s get physical”: Advantages of a physical model over 3D computer models and textbooks in learning imaging anatomy.(4), 216?224.

Pyatt, K., & Sims, R. (2012). Virtual and physical experimentation in inquiry-based science labs: Attitudes, performance and access.(1), 133?147.

Rau, M. A. (2020). Comparing multiple theories about learning with physical and virtual representations: Conflicting or complementary effects?(2), 297?325.

Ruddle, R., & Jones, D. M. (2001). Manual and virtual rotation of three-dimensional object.(4), 286?296.

Scheiter, K., Brucker, B., & Ainsworth, S. (2020). “Now move like that fish”: Can enactment help learners come to understand dynamic motion presented in photographs and videos?, 103934.

Siegel, L. S. (1994). Working memory and reading: A life-span perspective.(1), 109?124.

Skulmowski, A., Pradel, S., Kühnert, T., Brunnett, G., & Rey, G. D. (2016). Embodied learning using a tangible user interface: The effects of haptic perception and selective pointing on a spatial learning task., 64?75.

Skulmowski, A., & Rey, G. D. (2018). Embodied learning: Introducing a taxonomy based on bodily engagement and task integration.(1), 6.

Stieff, M., Scopelitis, S., Lira, M. E., & Desutter, D. (2016). Improving representational competence with concrete models.(2), 344?363.

Stull, A. T., Barrett, T., & Hegarty, M. (2013). Usability of concrete and virtual models in chemistry instruction.(6), 2546?2556.

Stull, A. T., Gainer, M. J., & Hegarty, M. (2018). Learning by enacting: The role of embodiment in chemistry education., 80?92.

Stull, A. T., & Hegarty, M. (2016). Model manipulation and learning: Fostering representational competence with virtual and concrete models.(4), 509?527.

Stull, A. T., Hegarty, M., Dixon, B., & Stieff, M. (2012). Representational translation with concrete models in organic chemistry.(4), 404?434.

Suh, J., & Moyer, P. S. (2007). Developing students’ representational fluency using virtual and physical algebra balances.(2), 155?173.

Sweller, J., Ayres, P., & Kalyuga, S. (2011). New York: Springer.

Triona, L. M., & Klahr, D. (2003). Point and click or grab and heft: comparing the influence of physical and virtual instructional materials on elementary school students’ ability to design experiments.(2), 149?173.

Wang, T. L., & Tseng, Y. K. (2018). The comparative effectiveness of physical, virtual, and virtual-physical manipulatives on third-grade students’ science achievement and conceptual understanding of evaporation and condensation.(2), 203?219.

Wilson, M. (2002). Six views of embodied cognition.(4), 625?636.

Wilson, K. E., Martinez, M., Mills, C., D'Mello, S., Smilek, D., & Risko, E. F. (2018). Instructor presence effect: Liking does not always lead to learning., 205?220.

Wittrock, M. C. (1989). Generative processes of comprehension.(4), 345?376.

Yuan, Y., Lee, C. Y., & Wang, C. H. (2010). A comparison study of polyominoes explorations in a physical and virtual manipulative environment.(4), 307?316.

Zacharia, Z. C., & Constantinou, C. P. (2008). Comparing the influence of physical and virtual manipulatives in the context of the physics by inquiry curriculum: the case of undergraduate students’ conceptual understanding of heat and temperature.(4), 425?430.

Zacharia, Z. C., Loizou, E., & Papaevripidou, M. (2012). Is physicality an important aspect of learning through science experimentation among kindergarten students?(3), 447?457.

Zacharia, Z. C., & Olympiou, G. (2011). Physical versus virtual manipulative experimentation in physics learning.(3), 317?331.

Zhang, I. Y., Tucker, M. C., & Stigler, J. W. (2022). Watching a hands-on activity improves students’ understanding of randomness., 104545.

Zhang, L. (2019). “Hands-on” plus “inquiry”? Effects of withholding answers coupled with physical manipulations on students' learning of energy-related science concepts., 199?205.

Zhang, L., & van Reet, J. (2022). How is “knowledge” constructed during science activities? detaching instructional effects of “playing” and “telling” to optimize integration of scientific investigations.,, 1435?1449.

The effectiveness of learning by enacting and its mechanisms

KUANG Ziyi1, ZHU Wanling1, CHENG Meixia1, WANG Fuxing1, HU Xiangen1,2

(1Key Laboratory of Adolescent Cyberpsychology and Behavior, Ministry of Education, and School of Psychology, Central China Normal University, Wuhan 430079, China)(2Department of Psychology, The University of Memphis, Memphis 38152, USA)

Learning by enacting, a generative learning activity, involves students engaging in task-related movements such as object manipulation. Various theories seek to explain the phenomenon, with embodied cognition theory and generative learning theory supporting its positive effects, while cognitive load theory highlights potential negative impact. A review of past empirical studies leads to several conclusions: Regarding learning outcomes, enacting moderately enhances both retention and transfer scores. Physical enacting holds a slight advantage over virtual enacting in both retention and transfer tests. In terms of subjective experience, enacting increases learning interest, with physical enacting groups demonstrating higher confidence and interest than virtual enacting groups. However, the difference in cognitive load between physical and virtual enacting remains minimal. Future research should focus on optimizing learning by enacting, identifying influencing factors, and integrating and validating the various theories.

learning by enacting, manipulation, generative learning, embodied cognition, embodied learning

2023-04-05

* 國家自然科學基金面上項目(62277025)、國家自然科學基金重點項目(61937001)資助。

王福興, E-mail: fxwang@ccnu.edu.cn

胡祥恩, E-mail: xiangenhu@gmail.com

B849: G44