李小雪 李文昊 钱莉 梁雪然
华中师范大学人工智能教育学部
{xiaoxuelee,whenhowlee,qianlee,xueranliang}@ccnu.edu.cn
任晓曈
青岛海尔学校
1278180900@qq.com
【摘要】虚拟现实（VR）技术已被证明能有效增强学习者学习体验，激发学习动机，提高学习效果，但VR技术支持的学习环境中较难实现对学习者学习过程中的监督、反思和评估，学习者容易分心，模糊学习重点，需要合适的学习策略引导。因此，研究在VR学习环境中引入自我调节策略（SRS），对50名本科生的学习成绩、思维导图质量、自我调节能力、认知负荷和学习动机进行分析。研究发现：从结果上看，SRS能有效地运用到VR环境中，但需要进行精细的教学设计；从阶段上看，在VR中进行自我调节学习（SRL）时，计划阶段起关键作用；从影响因素上看，目标设定和自我评价是影响VR中SRL的核心因素。研究为VR学习环境中进行有效的SRL提供了借鉴和参考。
【关键词】虚拟现实技术、自我调节学习、学习表现、自我调节能力
1. 前言
近年来，虚拟现实（Virtual reality, VR）技术的快速发展对课堂教学产生了深远的影响（Alhalabi, 2016），为整个教育领域的教学和学习过程创造了巨大的可能性（Suh & Prophet, 2018）。VR是人类在探索自然过程中创造形成的一种用于认识自然、模拟自然，进而更好地适应和利用自然的科学方法和技术（赵沁平， 2009）。VR技术应用于教学能够激发学生的学习兴趣，提高学习成绩，使传统教学焕发出新的活力（Huang et al., 2020；Lin et al., 2019）。但是，VR技术支持的学习对学生的自我控制能力要求较高，相较于面对面的教学，较难实现对学生学习过程行为的监控（高媛，2016），会出现漫无目的学习（Bishop, 2018; Paldam, 2017）、注意力下降、认知负荷过载（Hwang & Xie, 2018 ; Lo & Hwang, 2018）。即在VR环境中，如果没有学习策略的支持和相应的指导，可能会导致学习成绩不如预期（Chien et al., 2020）。自我调节学习（Self-regulated learning, SRL）能帮助学习者更好地控制学习过程，提高自我调节能力和学习成绩，为上述问题提供了解决方案。
2.文献综述
2.1.自我调节学习
SRL是指学生在行为、动机和元认知方面积极主动地参与学习活动、控制学习进程、最终达到学习目标的过程（Zimmerman, 1989）。Zimmerman(2002）将自我调节过程分为计划阶段、执行阶段和反思阶段。在计划阶段，学习者分析学习任务，通过分析和设定具体的学习目标和方法来实现自己的目标；在执行阶段，学习者应该进行学习、自我控制和自我指导，并根据他们的学习方法努力实现学习目标；在反思阶段，学习者需要自己判断和评估学习结果，评价学习成绩，评估学习方法的有效性，为下一步的SRL做准备。SRL能有效提高学生的学习动机、促进自我调节能力的发展、改善学习绩效。学习动机方面，Pintrich发现SRL与学习动机具有显著的联系（Pintrich，2004 ; Pintrich, 1999）。Lavasani等人（2011）的研究表明，接受SRL训练的学生具有较高的学习动机。SR能力方面，Wu等人（2020）发现，采用基于SRS的方法学习的学生，自我调节能力有显著的提高。学习绩效方面，Zimmerman等人（2015） 发现在SRL中，学习者可以通过该策略提高学习成绩。此外，SRL能改善规划、目标设定、监控和资源管理策略（Dent & Koenka, 2016 ; Broadbent & Poon, 2015 ; Richardson et al., 2012），这些策略是提高大学生学习成绩的核心要素（Theobald, 2021）。
2.2.虚拟现实环境中的自我调节学习
目前，SRL已经被整合到各种教学环境中，如在线学习（Kim et al., 2018）、翻转混合学习（Montgomery et al., 2019）、计算机辅助学习（Chen et al., 2020）和VR环境等。VR环境中的SRL的研究主要分为两类（Wu et al., 2021）。第一类是将SRL具象化为自我调节能力，探究VR学习环境对学习者的自我调节能力的影响以及自我调节能力对学习成绩的影响。例如，Wu等人（2021）开发了一个基于球形视频的沉浸式虚拟现实（spherical video-based immersive virtual reality, SV-IVR）风景园林学习系统，结果表明使用SV-IVR的学习者在学习成绩、学习态度和自我调节能力方面比未使用SV-IVR的学习者表现更佳，且该系统没有对学生的认知负荷造成影响。Ahumada等人（2020） 研究发现VR学习环境对学习成绩有正向影响，学生积极接受的态度和自我调节能力对学习成绩具有决定性的影响。Sakdavong 等人（2019）通过行为指标评估了 VR对艺术领域SRL的影响，结果表明在VR学习环境中的沉浸感和对VR学习环境的控制程度对学生的自我调节有部分影响。第二类是将SRL作为学习策略或方法来改善学习，探究SRL对学习者学习表现的影响。例如，Wu等人（2021）在VR系统中嵌入SRL，发现进行SRL的学生在学习成绩、自我监控、元认知意识和自我效能感方面有更积极的效果，而且这种方法不会对学生的认知负荷产生影响。
综上所述，SRL在教育教学中具有广泛的应用价值，但是以往大部分研究聚焦于学生自我调节能力的培养，将SRL作为一种有效的学习方法纳入学习环境的较少。因此，本研究将SRS作为自变量，自我调节能力作为因变量，探究VR环境中SRL对学习者学习表现的影响，包括学习成绩、自我调节能力、认知负荷和学习动机。为了更直观地观察学习者的概念组织和思维发展，将使用思维导图来呈现学生的知识框架。具体研究问题如下：
①在VR中进行SRL对学习者的学习表现（学习成绩、思维导图质量和自我调节能力）学习成绩是否有显著影响？
②在VR中进行SRL对学习者的认知负荷是否有显著影响？
③在VR中进行SRL对学习者的学习动机是否有显著影响？
3.研究设计
3.1.研究对象
研究对象为H大学 “教学技术与媒体” 课程上的50名本科生，平均年龄20岁。实验组26人，其中男生7人，女生19人。对照组24人，其中男生8人，女生16人。在正式实验开始前，所有研究对象进行了VR设备操作培训，并签署知情同意书。
3.2.实验材料
如图1所示，实验材料主要展示了清明上河图上中车水马龙的市区繁华景象，视频中最先映入眼帘的是汴河，河上横跨一座规模宏大的木质拱桥——虹桥，上岸后顺着人群进入了商户林立的街市，车水马龙、熙熙攘攘，穿过城门后便进入了汴京城中最大的店铺——孙羊店，最后视频的结尾展示了赵太丞家门前的场景。研究团队使用Adobe Premiere Pro CC 2019在视频中添加了图片讲解、视频解说以及背景音乐，如图2所示，学习者戴上VR头显后可以转动身体和头部，实现360度全景观看视频，学习过程中不需要与视频进行交互。该视频为mp4格式，时长为7分50秒。
图1 实验材料——《清明上河图》
图2 学习者在课堂上学习VR材料
3.3.实验过程
实验过程包括三个阶段，如图3所示。第一阶段是完成前测和学习计划，学生填写基本信息、完成知识前测。根据Zimmerman(2002) 的自我调节模型，在进行VR视频学习之前，实验组要设定本课程的目标分数并制定学习计划。第二阶段是学习环节，实验组在VR学习过程中进行SRL，而对照组只进行了VR学习。第三阶段是完成学习反思、后测和思维导图。VR视频学习结束后，实验组完成学习反思并制定下次学习的改进计划，实验组和对照组填写知识后测和VR课程体验问卷，并绘制思维导图。实验结束后邀请10名实验组学生进行结构化访谈。
图3 实验过程
3.4.测量工具
研究使用基本信息问卷收集学习者的姓名、学号、性别信息。通过知识测试了解研究对象实验前后的知识掌握水平，使用问卷收集实验数据。
3.4.1.前测
前测由研究团队开发，主要考察研究对象对清明上河图及其所展示的宋朝政治、文化和生活等的了解程度。前测包括8道单选题、6道多选题和6道判断题，满分为100分。例如，《清明上河图》被誉为“中华第一神品”、“中国十大传世名画之一”，请问它的作者是下列哪一位画家？
3.4.2.后测
后测由研究团队开发，主要考察研究对象对学习材料的掌握程度。题型设计采取主、客观题结合的形式，包括10道单选题、6道多选题、1道判断题和2道主观题，满分为100分。例如，《清明上河图》生动记录北宋都城 的城市面貌和当时社会各阶层人民的生活状况，是北宋全盛时期都城繁荣的见证。
为确保后测评分的可靠性，由2位经过培训的编码员对实验组和对照组的主观题进行评分。组内相关系数（Intraclass Correlation Coefficient，ICC）分析显示，后测主观题评分结果具有较高的一致性（ICC＝0.880＞0.8）（McGraw et al.，1996），表明2位编码员的评分具有较高的可信度。最终，主观题分数取2位编码员的平均分。
3.4.3.思维导图
研究基于思维导图评估量规（Mind-Map Assessment Rubric, MMAR）评估思维导图的质量，MMAR 可以根据概念链接、交叉链接、层次、例子、图片和颜色来评估思维导图的深度（D'Antoni et al., 2009 ;Evrekli et al., 2010）。研究以Evrekli制定的思维导图评估量规为基础，结合学习材料的实际情况，限制了每项标准的数量上限，即超出上限的部分不计分，思维导图满分为80分，研究制定的量规如表一所示。思维导图示例如图4所示，经过统计，该思维导图示例包含2个一级概念链接（共4分）、4个二级概念链接（共16分）、2个三级概念链接（共12分），1个交叉链接（共10分），14个概念链接（共14分）和2个关系（共6分）。根据思维导图评估量规，得分为60分。2位经过培训的编码员对思维导图进行评分，不一致的评分请第3位经过培训的编码员审核，最终得到的标准数量和分数一致。
表1 思维导图评估量规（Evrekli et al., 2010）
|
标准 |
分数 |
数量上限 |
|
一级概念链接 |
2分 |
4 |
|
二级概念链接 |
4分 |
3 |
|
三级概念链接 |
6分 |
1 |
|
四级概念链接 |
8分 |
1 |
|
交叉链接 |
10分 |
2 |
|
概念链接（节点） |
1分 |
14 |
|
关系 |
3分 |
2 |
|
（有效的）图片、图像和图形 |
3分 |
2 |
|
无效组件 |
0分 |
0 |
图4 思维导图示例
3.4.4.认知负荷问卷
研究使用的认知负荷问卷在Leppink J 等人（2013）开发的认知负荷问卷基础上改编而成，包括4个维度，17个题项。Cronbach’s α系数值为0.862，表明量表具有较高的内部一致性。该问卷为5点Likert量表，1表示非常不符合，5表示非常符合。
3.4.5.学习动机问卷
研究使用的学习动机问卷在Pintrich（1991）开发的MSQL（Motivated Strategies for Learning Questionnaire）基础上改编而成，包括6个维度，31个题项。其Cronbach’s α系数值为0.887，表明量表具有较高的内部一致性。该问卷为5点Likert量表，1表示非常不符合，5表示非常符合。
3.4.6.自我调节能力问卷
研究使用的自我调节能力问卷在Barnard等人（2009）开发的自我调节能力问卷基础上改编成而成，包括6个维度，24个题项。其Cronbach’s α系数值为0.895，表明量表具有较高的内部一致性。该问卷为5点Likert量表，1表示非常不符合，5表示非常符合。
4.数据分析
研究使用独立样本T检验对学习者的前测成绩进行分析，结果显示对照组（M=63.08,SD=9.713）与实验组（M=59.08,SD=9.633）之间无显著差异（F=2.141,p=0.150）。
由于后测成绩、认知负荷不满足正态性检验，思维导图评分不满足方差齐性，因此使用Mann-Whitney U检验和Kruskal Wallis检验。自我调节能力、学习动机服从正态分布，满足方差齐性的要求，因此使用独立样本T检验。
4.1自我调节学习对学习者学习表现的差异性分析
4.1.1.后测成绩
采用Mann-Whitney U检验对两组学习者的后测成绩进行对比，实验组后测总成绩（平均秩=29.73）高于对照组后测总成绩（平均秩=20.92），两组学习者的后测成绩存在显著差异（z=-2.138 , p=0.033），表明在VR学习环境中使用SRL能显著提高学习者的后测成绩。
4.1.2.思维导图质量
Mann-Whitney U检验的结果表明，实验组思维导图评分（平均秩=33.17）高于对照组思维导图评分（平均秩=17.19），SRL对学生绘制的思维导图质量有显著影响（z=-3.878，p=0.000）。
4.1.3.自我调节能力
独立样本T检验结果显示两组学生在自我调节能力上存在显著差异（t=-2. 339，p =0.024），如表二所示。实验组和对照组在目标设定（t=-3.458，p =0.001）和自我评价（t=-2.631，p =0.011）上均有显著差异，在环境结构、任务策略、时间管理和寻求帮助上不存在显著差异。
表二 自我调节能力独立样本T检验分析
|
变量 |
组别 |
F |
T |
P |
|
|
对照组 |
实验组 |
||||
|
自我调节能力 |
3.5255（0.43400） |
3.8222（0.46050） |
0. 155 |
-2.339 |
0.024* |
|
目标设定 |
3.5250（0.56818） |
4.1000（0.60465） |
0.056 |
-3.458 |
0.001** |
|
环境结构 |
3.5729（0.39342） |
3.8077（0.55816） |
2.725 |
-1.706 |
0.095 |
|
任务策略 |
3.4583（0.59283） |
3.5577（0.75930） |
0.752 |
-0.513 |
0.611 |
|
3.3056（0.62102） |
3.4103 （0. 90582） |
3.044 |
-0.473 |
0.639 |
|
|
寻求帮助 |
3.5536 （0. 59197） |
3.8846 （0. 55375） |
0.009 |
-1.785 |
0.081 |
|
自我评价 |
3.5521（0.63408） |
4.0288（0.64547） |
0.634 |
-2.631 |
0.011* |
4.2自我调节学习对学习者认知负荷的差异性分析
Mann-Whitney U检验发现，对照组和实验组在认知负荷上不存在显著差异（z=-0.660，p=0.509）。这表明，在VR环境中使用SRL不会增加学习者的认知负荷。
4.3自我调节学习对学习者学习动机的差异性分析
独立样本T检验的结果显示，对照组和实验组在学习动机上存在显著差异（t=-2.2326，p=0.03），即在VR环境中进行SRL能更好地提高学生的学习动机。
5.结论与讨论
5.1.SRS能有效地运用到VR环境中
5.1.1.SRL能显著提高VR学习环境中学习者的学习表现
总体而言，在VR学习环境中，进行SRL的学习者后测成绩更高、自我调节能力更强且思维导图质量更高。SRL可以帮助学习者更好地控制学习过程，激发高层次思维，更好地完成学习任务，最终提高学习者的学习成绩。这与大多数研究的结论一致（Wu et al., 2021; Su et al., 2018; Lai & Hwang, 2016; Bellhäuser et al., 2016）。实验组的成绩显著高于对照组，可能是因为实验组的学生在正式学习前有规划行为，在VR环境中学习时能有效地进行自我观察，学习结束后进行反思，有助于调整和控制学习策略，更好地控制自己的学习行为，更有信心取得好的学习绩效（Ferreira et al,. 2015）。当学习者被问到“你觉得VR这种形式的体验如何”，他们认为，这种形式的学习很新颖，能够身临其境体验《清明上河图》的种种场景，通过自己规划学习，自主重复学习的意愿更加强烈，在学习过程中，可以通过手机、电脑查阅相关资料，能够更好地理解所学内容和材料。
在本研究中，思维导图作为学习者组织思维和发展概念的工具（Shi et al., 2022）。结果表明实验组绘制的思维导图质量比对照组更高，与以往研究结论一致（宋洁&孙众，2017 ；周颖，2016 ），该结论出现的原因可能是实验组在进行SRL时，实现了自我学习和反思，进行了高层次的思考（Wu et al., 2021），内部知识建构发生了变化，这种变化通过思维导图得以外显。详细对比实验组和对照组的思维导图后发现，实验组的思维导图多使用“交叉链接”进行概括、分类，使用“关系”联系两个以上的对象，并附上自己的思考，而对照组的思维导图一般层级不多且延伸性较弱。由此可以看出实验组的学习者在创造性思维、专注于一个主题以及整体地看待一个主题方面具有优势（Evrekli & Balim, 2010）。
5.1.2.在VR中进行SRL不会对学习者造成额外的认知负荷
在VR学习环境中进行SRL不会造成额外的认知负荷，研究结果与以往研究一致（Wu et al., 2021 ; Chang et al., 2020 ）。可能的原因总结如下：①采用适当的教学技术策略对学生的认知负荷没有影响。例如，Chang等（2020）将两层测试策略整合到VR学习环境中, 两层测试VR引导系统和VR引导系统都没有增加学生的认知负荷。因此将SRL整合到VR学习环境中对学生的认知负荷没有影响。②Chu（2014）的研究表明，学习者在VR学习环境中回答问题，学习和组织知识会增加他们的认知负荷。而研究使用的学习材料“清明上河图”中没有要求学习者回答问题，且学习材料以地点划分，如“汴河”、“虹桥”和“孙羊店”，地点相互之间有联系，重难点部分配有图片与解说。综上所述，在VR学习环境中提供适当的学习材料和学习支持，帮助学生者在VR学习环境获取知识，不会对学习者造成额外的认知负荷。
5.1.3.在VR中进行SRL能显著提高学习者的学习动机
与对照组相比，实验组的学习动机更强，这与相关研究一致（Chen & Hsu, 2020 ; Chang et al., 2020 ）。研究表明，在教学活动设计中应强调明确目标，激发积极情绪，从而引发学习者追求积极的学习结果，进而促发心流体验（刘哲雨，2022），完全沉浸于自己的学习活动。VR环境的特性更容易使学习者进入心流状态，并增强他们的学习动机（Chen & Hsu, 2020）。学习者的访谈也印证了上述分析，例如，有学习者提到，“很喜欢这次的体验和学习方式，对我来说很有挑战性”；“虽然VR视频的时间较短，但是激发了我去网上寻找相关信息的兴趣”；“相比传统的教学方式，我觉得这种方式不仅让我有更深刻的教学体验，而且相关知识也比网上查阅资料和老师讲授记忆深刻，我觉得这样很有趣”。
5.2在VR中进行SRL时，计划阶段起关键作用
从理论的角度出发，研究人员对SRL是否应该包含预先计划阶段有不同的看法。社会认知观点认为，SRL是通过自我观察、自我判断和自我反应之间的三元交互作用获得的，不涉及动机或计划的要素（Broadbent & Poon, 2015） 。但是Miller和Brown(1991) 提出SRL包括7个程序（信息输入、自我评价、由差异感知引发的改变、寻找减少差异的方法、计划改变、实施行为改变和评估实现目标的进展）以及Zimmerman(2002) 的SRL模型都注重目标设定和规划。由此可见，上述理论的分歧集中在预先计划阶段。从实证的角度出发，中国学生SRL的关键阶段并未达成一致。Li等（2016） 指出执行阶段和反思阶段是SRL的两个关键阶段，也是各个理论共同认可的SRL的核心。该学者的另一项元分析的结果表明中国学生（中小学） SRL 的关键阶段应该是计划阶段和反思阶段（Li et al., 2018）。由此可见，反思阶段对SRL至关重要，但计划阶段的核心作用尚不清晰。
研究主要在计划阶段施加干预，执行阶段学习者进行自我监督和反馈，反思阶段只进行了一轮干预，干预效果不明显。由此得出结论：在VR中进行SRL时，计划阶段起关键作用，这是因为计划阶段涉及到学习目标的设定和学习计划的制定，这对于VR学习非常重要。具体原因如下：①VR环境具有很高的沉浸感，能够提供高度真实的学习体验。然而，由于VR环境的真实性，学习者很容易受到环境中的外界干扰和诱惑，例如在学习任务之外的区域漫游，这会影响学习的效果。②在计划阶段，学习者需要根据自己的学习目标和学习计划，选择适合的VR学习方式和学习策略。例如，实验组在学习过程中用纸笔记下关键知识点、在网上查阅相关资料等。
5.3目标设定和自我评价是影响VR中SRL的核心因素
研究结果表明目标设定和自我评价直接影响学习者的自我调节能力，而任务策略和时间管理的影响不显著，与以往研究在一定程度上一致（高瑜，2022；何明召，2021）。SR能力体现于学习者识别使用学习策略的时机和方法（Pintrich, 2000），是保证学习者持续SRL的必要条件。
SRL的相关模型指出设置学习目标至关重要，且是评估学习成效的标准 (Pintrich,2000 ; Panadero,2017) 。Winne(2014) 也认为SRL是目标导向的。由此可见，目标设置是学生学习的驱动力，学生学习的目标越明确，就越能将正在进行的学习活动作为意识的对象，对学习过程的监控和调节越强。该结论佐证了结论2。研究将自我评价作为一种策略归入反思阶段（Li et al., 2018），但自我评价在SRL中的认知策略、动机策略等领域都发挥着重要的作用，SRL的整个过程中包含着自我评价（李静，2018）。由此可见，自我评价帮助学生了解自己的学习情况，发现自己的学习问题，及时调整学习策略，从而促进学生的自我监控和自我调节能力的提升。
实验条件和对照条件学习者的自我调节能力在任务策略和时间管理两个子维度上无显著区别。这可能是学习材料本身的特性导致的，研究使用的学习材料“清明上河图”没有明显的任务导向，主要是引导学习者沉浸式观赏清明上河图；另外，学习者带上VR头显后无法感知客观世界的时间流逝，且学习材料中也没有学习时间的提示。
5.4在VR环境中使用SRS需要精细的教学设计
在VR环境中进行SRL，有助于学习者强化学习动机，提高SR能力，主动获取和加工知识，进行深层次思考，因此值得在更复杂的学习环境、各年龄阶段的学习对象中推广。但是VR技术的新颖性可能会模糊学习重点，SRL对学习者的自主学习能力要求较高，而VR的学习内容缺乏系统性和完整性，可能会影响学习者进行多轮反思和评估。因此，在VR环境中进行SRL要注意以下几点：①在计划阶段前，排除VR技术的新奇效应，提供目标设定的帮助。正式学习前开展VR设备使用培训和体验，让学习者熟悉VR技术支持的学习环境，从而更专注学习内容。避免学习者设定过高的目标，过多消耗其积极性和认知资源，引导其及时调整目标，更有利于学习者保持良好的学习态度和学习动机。②在执行阶段时，采用渐进式教学方法，提供即时反馈以确保适应学习任务。使用循序渐进的学习内容引导学习者由浅入深、由易到难，潜移默化地获取学习材料，获得更高层次的体验式学习。细化学习表现，检查学习状态，例如呈现测试结果和学习时间，并在学习者完成学习任务时提供反馈，有利于实现自我控制和指导。③在反思阶段后，形成多层次的内容设计，确保学习的系统性和完整性，强化反思和评估。多层次的设计能有效地保证学生在完成每一个知识点后，达到老师预先确定的学习目标，有利于学习者进行反思和评估，学习者将更好地了解自己的学习状况，以便更合理地设置学习目标，选择有效的学习方法。
6.结语
本研究在VR学习环境下检验SRS的效用，研究发现在VR学习环境中进行SRL能显著提高学习者的学习成绩、思维导图质量、自我调节能力和学习动机，但对认知负荷无显著性影响。基于以上发现，建议在VR学习环境中开展SRL，引导学生设定目标、制定学习计划以及进行学习反思，实现内部知识建构和加工程度更高的深度学习。研究存在一定局限性，一方面，不同实验条件下的男女学习者数量分布不均匀，而男女学习者对使用SRS和VR技术的偏好不同，可能会对实验结果产生细微影响。建议未来的研究将学习者个体差异，如性别作为自变量，探究性别是否会对学习者的学习效果产生影响。另一方面，VR视频呈现的学习内容为“清明上河图”，属于历史类体验式的学习材料，未来还需验证SRS是否适用于其他科目。
参考文献
高喻,吴林静,王慧敏,刘清堂 & 涂凤娇.(2022).协作学习中学习者自我调节学习模式挖掘与轨迹分析. 电化教育研究(07),89-96+105.
高媛,刘德建,黄真真 & 黄荣怀.(2016).虚拟现实技术促进学习的核心要素及其挑战. 电化教育研究(10),77-87+103.
何明召,李成正 & 王鹤瑾.(2021).混合式学习管理系统中学生自我调节行为对学习成绩的影响研究. 教育信息技术(Z2),102-105+149.
李静.(2018).指向自我调节学习的学生自我评价研究述评. 全球教育展望(08),48-58.
李俊一,叶惠,唐云,胡祥恩 & 周宗奎.(2016).国内中小学生自我调节策略与学业成绩的元分析——基于真实教学情境..(eds.)第十九届全国心理学学术会议摘要集(pp.174)..
刘哲雨,周继慧 & 周加仙.(2022).教育神经科学视角下促进心流体验的智慧教学活动设计. 现代教育技术(07),14-21.
宋洁 & 孙众.(2017).混合学习对小学生认知和思维的影响研究. 中国远程教育(11),31-39.
赵沁平.(2009).虚拟现实综述. 中国科学（F辑:信息科学）(01),2-46.
周颖,李葆萍,马超 & 平字栋.(2016).基于KM教学法的知识图开发、教学及评估研究——以《C语言》为例. 中国电化教育(08),87-92.
Ahumada, A. (2020). Realidad virtual para practicar las preposiciones de lugar en inglés: Un estudio sobre el efecto de las estrategias de autorregulación del aprendizaje y la aceptación Jorge Bacca-Acosta1 Julián Tejada2. REVOLUCIÓN EN LA FORMACIÓN Y LA CAPACITACIÓN PARA EL SIGLO XXI, 479.
Alhalabi, W. (2016). Virtual reality systems enhance students’ achievements in engineering education. Behaviour & Information Technology, 35(11), 919–925.
Barnard, L., Lan, W. Y., To, Y. M., Paton, V. O., & Lai, S. L. (2009). Measuring self-regulation in online and blended learning environments. The internet and higher education, 12(1), 1-6.
Bellhäuser, H., Lösch, T., Winter, C., & Schmitz, B. (2016). Applying a web-based training to foster self-regulated learning—Effects of an intervention for large numbers of participants. The Internet and Higher Education, 31, 87-100.
Bishop, C. (2018). Against digital art history. International Journal for Digital Art History, 3,1-10.
Broadbent, J., & Poon, W. L. (2015). Self-regulated learning strategies & academic achievement in online higher education learning environments: A systematic review. The internet and higher education , 27, 1-13.
Broadbent, J., & Poon, W. L. (2015). Self-regulated learning strategies & academic achievement in online higher education learning environments: A systematic review. The Internet and Higher Education, 27, 1-13.
Chang, S. C., Hsu, T. C., Kuo, W. C., & Jong, M. S. Y. (2020). Effects of applying a VR-based two-tier test strategy to promote elementary students’ learning performance in a Geology class. British Journal of Educational Technology , 51 (1), 148-165.
Chen, Y. L., & Hsu, C. C. (2020). Self-regulated mobile game-based English learning in a virtual reality environment. Computers & Education , 154 , 103910.
Chien, S. Y., Hwang, G. J., & Jong, M. S. Y. (2020). Effects of peer assessment within the context of spherical video-based virtual reality on EFL students’ English-Speaking performance and learning perceptions. Computers & Education, 146, 103751.
Chu, H. C. (2014). Potential negative effects of mobile learning on students' learning achievement and cognitive load—A format assessment perspective. Journal of Educational Technology & Society , 17 (1), 332-344.
D'Antoni, A. V., Zipp, G. P., & Olson, V. G. (2009). Interrater reliability of the mind map assessment rubric in a cohort of medical students. BMC Medical Education , 9 (1), 1-8.
Dent, A. L., & Koenka, A. C. (2016). The Relation Between Self-Regulated Learning and Academic Achievement Across Childhood and Adolescence: A Meta-Analysis.
Educational Psychology Review, 28(3), 425–474.
Evrekli, E., & Balim, A. G. (2010). The research on the effects of using mind maps and concepts maps in Science education on students’ academic achievements, inquisitive learning skills perception. Western Anatolia Journal of Educational Sciences (WAJES) , 1 (2), 76-98.
Evrekli, E., İnel, D., & Balım, A. G. (2010). Development of a scoring system to assess mind maps. Procedia-Social and Behavioral Sciences , 2 (2), 2330-2334.
Ferreira, P. C., Simão, A. V., & Da Silva, A. L. (2015). Does training in how to regulate one’s learning affect how students report self-regulated learning in diary tasks?. Metacognition and learning , 10, 199-230.
Huang,H.L.,Hwang,G.J.,&Chang,C.Y.(2020).Learningtobeawriter: Aspherical video-basedvirtualrealityapproach to supporting descriptive article writing in high school Chinese courses. British Journal of Educational Technology, 51 (4), 1386–1405.
Hwang, G. J., & Xie, H. (2018). Review and trend analysis of knowledge management and e-learning research. Knowledge Management & E-Learning: An International Journal , 10 (4), 371-374.
Kim,D.,Yoon,M.,Jo,I., &Branch, R.M. (2018).Learning analytics to support self-regulated learning in asynchronous online courses:Acase study at a women's university in South Korea. Computers and Education, 127, 233-251.
Lai, C. L., & Hwang, G. J. (2016). A self-regulated flipped classroom approach to improving students’ learning performance in a mathematics course. Computers & Education , 100, 126-140.
Lavasani, M. G., Mirhosseini, F. S., Hejazi, E., & Davoodi, M. (2011). The effect of self-regulation learning strategies training on the academic motivation and self-efficacy. Procedia-Social and Behavioral Sciences , 29, 627-632.
Leppink, J., Paas, F., Van der Vleuten, C. P., Van Gog, T., & Van Merriënboer, J. J. (2013). Development of an instrument for measuring different types of cognitive load. Behavior research methods , 45 (4), 1058-1072.
Li, J., Ye, H., Tang, Y., Zhou, Z., & Hu, X. (2018). What are the effects of self-regulation phases and strategies for Chinese students? A meta-analysis of two decades research of the association between self-regulation and academic performance. Frontiers in Psychology, 9, 2434.
Lin, H. C.-S., Yu, S.-J., Sun, J. C.-Y., & Jong, M. S. Y. (2019). Engaging university students in a library guide through wearable spherical video-based virtual reality: Effects on situational interest and cognitive load. Interactive Learning Environments,1-16.
Lo, C. K., & Hwang, G. J. (2018). How to advance our understanding of flipped learning: Directions and a descriptive framework for future research. Knowledge Management & E-Learning: An International Journal , 10 (4), 441-454.
McGraw, K. O., & Wong, S. P. (1996). Forming Inferences About Some Intraclass Correlation Coefficients[J].Psychological Methods, 1(1), 30-46.
Miller, W. R., & Brown, J. M. (1991). Self-regulation as a conceptual basis for the prevention and treatment of addictive behaviours. Self-control and the addictive behaviours, 3-79.
Montgomery, A. P., Mousavi, A., Carbonaro, M., Hayward, D. V., & Dunn, W. (2019). Using learning analytics to explore self‐regulated learning in flipped blended learning music teacher education. British Journal of Educational Technology, 50(1), 114-127.
Paldam, C. (2017). “Art, technology and nature”: Renaissance to postmodernity. Routledge.
Panadero, E. (2017). A review of self-regulated learning: Six models and four directions for research. Frontiers in psychology, 8(422), 422.
Pintrich, P. R. (1991). A manual for the use of the motivated strategies for learning questionnaire (mslq). College Students, 48109, 76.
Pintrich, P. R. (1999). The role of motivation in promoting and sustaining self-regulated learning. Int. J. Educ. Res. 31, 459–470.
Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In Handbook of self-regulation (pp. 451-502). Academic Press.
Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 451-502). San Diego, CA: Academic Press.
Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning in college students. Educ. Psychol. Rev. 16, 385–407.
Richardson, M., Abraham, C., & Bond, R. (2012). Psychological Correlates of University Students’ Academic Performance: A Systematic Review and Meta-Analysis. Psychological Bulletin, 138(2), 353–387.
Sakdavong, J. C., Burgues, M., & Huet, N. (2019, May). Virtual Reality in Self-regulated Learning: Example in Art Domain. In CSEDU (2) (pp. 79-87).
Shi, Y., Yang, H., Dou, Y., & Zeng, Y. (2022). Effects of mind mapping-based instruction on student cognitive learning outcomes: a meta-analysis. Asia Pacific Education Review , 1-15.
Su, Y., Li, Y., Hu, H., & Rosé, C. P. (2018). Exploring college English language learners’ self and social regulation of learning during wiki-supported collaborative reading activities. International journal of computer-supported collaborative learning, 13(1), 35-60.
Suh, A. y Prophet, J. (2018). The state of immersive technology research: A literature analysis, Computers in Human Behavior, 86, 77-90.
Theobald, M. (2021). Self-regulated learning training programs enhance university students’ academic performance, self-regulated learning strategies, and motivation: A meta-analysis. Contemporary Educational Psychology , 66 , 101976.
Winne, P. H. (2014). Issues in researching self-regulated learning as patterns of events. Metacognition and Learning , 9 , 229-237.
Wu, W. L., Hsu, Y., Yang, Q. F., & Chen, J. J. (2021). A spherical video-based immersive virtual reality learning system to support landscape architecture students’ learning performance during the COVID-19 era. Land, 10(6), 561.
Zimmerman, B. (1989). A social cognitive view of self-regulated academic learning. Journal of Educational Psychology, 81(3), 329339.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70.
Zimmerman, B. J., Schunk, D. H., & DiBenedetto, M. K. (2015). A personal agency view of self-regulated learning. In Frédéric Guay, Herbert Marsh, Dennis M. McInerney, & Rhonda G. Craven (Eds.), Self-concept, motivation and identity: Underpinning success with research and practice (pp. 83–114). Charlotte, NC: Information Age.
