重溯技術與學習關系之爭：整合元分析的發現

程薇 凡正成 陳桄 莊榕霞 黃榮懷

[摘 ? 要] 有關技術與學習關系的爭論貫穿教育技術發展的始終。首先，文章在回溯“學媒之爭”的主要觀點與證據來源的基礎上，通過辨析“學媒無關論”的歷史局限性和認知局限性，形成了技術的使用可以影響學習的基本價值判斷。在此基礎上，研究旨在探究技術的使用在多大程度上影響了學習。其次，文章闡述了元分析的概念、內涵與優勢，以及再分析在教育研究領域特別是教育技術領域中的應用現狀，確定了研究對已經發表的元分析進行系統化文獻綜述。然后，經過文獻檢索與篩選、文獻編碼及效應量提取，共獲得112項發表在SSCI期刊上的元分析，提取效應量162個。數據分析發現，幾乎所有技術的使用都起到了作用;技術對學業成就影響的平均效應量為0.40;相比較不使用技術或使用其他傳統教學方式，技術的使用可以幫助學習者提高學業成就15.5個百分點。研究表明，技術已經成為影響學習的“顯著”因素。

[關鍵詞] 技術與學習; 學媒之爭; 元分析; 最佳證據

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 程薇（1987—），女，山東滕州人。講師，博士，主要從事技術促進學習、循證實踐以及數字閱讀等相關研究。E-mail：chengweiet@njupt.edu.cn。黃榮懷為通訊作者，E-mail：huangrh@bnu.edu.cn。

一、引 ? 言

早在1913年，托馬斯·愛迪生就曾預言，“在學校里，教科書將很快過時。不久，學生將通過視聽來接受教學……十年后，我們的學校系統將徹底改觀”[1]。一百多年過去了，愛迪生的“預言”始終沒有發生。與此同時，像這樣的“預言”卻層出不窮。然而，從視聽教學到多媒體學習，從程序教學到計算機輔助教學，從遠程教育到在線學習，教育工作者們似乎犯了一種“周期性失憶癥”：一旦一種新技術出現，他們總是“蜂擁而至”“極力熱捧”，最后卻“淡漠收場”[2]。如何減少或避免這種“周期性失憶癥”的“發作”是當下教育技術研究者亟待關注的研究課題。究其本質而言，這是對技術與學習關系的“拷問”，即技術的使用是否影響教與學。盡管這一問題似乎是一個肯定的答案，但研究者們仍然不得不去證明技術對于學習來說是否有效，以及技術的使用到底在多大程度上起作用，哪些因素在起作用等一系列問題。

早在視覺教學時代，這些問題就已成為教育技術領域關注的重要課題[1，3]。而最有影響力的事件是發生在Richard E. Clark和Robert B. Kozma之間的“媒體與學習關系之爭”。Clark認為，媒體僅僅是傳遞教學內容的“通道”，其本身不會對學習產生任何影響[4]。而Kozma則認為，一般情況下，媒體本身不會對學習產生影響，而媒體的符號系統和處理能力會影響學習者的心理表征方式和認知加工過程，進而影響學習效果[5]。事實上，Clark所持“學媒無關”觀點是建立在媒體效能比較研究的基礎之上，而Kozma所持“學媒相關”觀點是基于能傾處理交互研究的基礎之上。在我們看來，這是一場關于技術與學習關系價值判斷的爭論，由于雙方對媒體作用于學習的機制認識不同，其觀點很難達成統一。

我們注意到，在這場論戰中，Clark主要引用Kulik團隊發表的一系列元分析[6-8]研究結果作為證據來論證自己的觀點。元分析是由Gene V. Glass于1976年提出的一種定量的系統化文獻綜述方法，其研究結果往往被視為指導實踐和制定政策的最佳證據[9-11]。自2002年起，美國國家研究理事會開始倡導使用元分析進行科學知識的積累[12]。《教育技術研究與發展》的主編也曾鼓勵研究者通過開展元分析研究，改善教育實踐[13]。然而，Clark所引用元分析主要聚焦于教學電視、程序教學和計算機輔助教學。近四十年過去了，技術在教學中的形態和應用方式發生了很大的變化，同時，大量的元分析研究涌現出來。這些已發表的元分析為技術有效應用于教學提供了哪些證據，是本研究關注的問題。

二、文獻回顧

（一）技術、媒體與學習的關系

為厘清媒體與學習的關系，Kozma主張使用技術、符號系統和處理能力三種屬性來定義“媒體”[5]。其中，技術是指媒體在機械和電子方面的特征;符號系統是指媒體的呈現方式，即各種元素（言語和圖像等）的集合;而處理能力是指媒體在信息加工和處理方面的性能。在Kozma看來，技術本身并不直接對學習產生影響，主要作為媒體所支持的符號系統和處理能力的“使能者”。例如：計算機借助于聲卡和顯卡實現聲音和圖像兩種符號的表征，計算機憑借足夠大的內存運行專家系統。然而，在個人計算機時代來臨之前，人們僅僅認識到媒體的技術屬性，缺乏對符號系統和處理能力兩種屬性的認識，這正是Clark所持觀點的歷史局限性。

伴隨多媒體技術的快速發展，媒體開始向非線性、交互式和立體化的形式轉變。媒體所支持的符號系統越來越多地用于描述其區別于其他媒體的屬性，例如：電視被看作是一種可支持圖像化表征和音頻語言符號的媒體。不同符號系統的心理表征方式和認知加工過程是不同的，這是符號系統影響學習的基本機制，也是多媒體學習的基本假設之一[14]。雖然Clark已經意識到媒體呈現方式是媒體的組成部分[4]，但其關于媒體與學習關系的認識仍局限于媒體的技術特征，這是Clark所持觀點的認知局限性。

在過去的二十年里，以互聯網為代表的信息技術獲得了飛速發展，越來越多的學習者借助互聯網和數字工具進行學習，在線學習成為一種重要的學習方式。顯然，僅僅依靠媒體呈現方式來描述媒體是不夠的，媒體的處理能力也可用于描述其區別于其他媒體的特征。例如：雖然光盤和視頻廣播是具有相同符號系統的媒體，但是兩者處理能力不同，前者可以回看、自定步調，而后者不可。媒體的處理能力可以為學習者提供認知支持，彌補學習者認知技能上的不足。事實上，計算機區別于其他媒體的特征主要源于其強大的處理能力，而非獨特的符號系統。

需要注意的是，盡管可以使用符號系統和處理能力的集合來界定和區分媒體，但這并不表示利用了媒體所有的屬性。例如：一段視頻中可能僅僅只有一個人在屏幕上說話，在這種情況下，一種“虛擬媒體”就產生了，電視機成了收音機，此時，只有虛擬媒體的特征才會影響學習的過程和結果。

（二）何為元分析？為何元分析？

元分析是利用統計分析方法對同一問題的已有大量原始研究結果進行再統計。其核心概念效應量 （Effect Size）是用于“衡量實驗效應強度或者變量關聯強度的指標”[15]。通常來說，效應量是一種標準化均值差，能夠將使用不同測量方式、測量工具，甚至不同樣本的原始研究結果轉換成共同的量規，且大小不受樣本容量的影響（或者影響很小）[15]。當效應量為1.0時，意味著在此種實驗條件下學業成就相對提高了一個標準差。常用效應量有三種：Glass的Δ值[10]、Cohen的d值[16]以及Hedges的g值[11]。為了更清晰地解釋效應量所表達的含義，元分析引入了U3統計量[16]，表示實驗組中位數與控制組中位數的百分位數差值，即若U3值為65%，則意味著實驗組中有65%的學生得分高于控制組中50%學生的得分，也可以解釋為：接受實驗組教學的學習者相比接受控制組教學的學習者來說，其學習成績提升15個百分點。可以說，元分析的優勢之一在于其研究結果有很強的解釋力。

更為重要的是，效應量的使用彌補了零假設檢驗的不足。通常來說，研究者對研究數據的解釋會依賴于統計學的零假設檢驗，其基本思想是概率性質的反證法，即先假設零假設為真，在此前提下，如果導致小概率事件的發生，則表明零假設為真的假設是不正確的，也就不能接受零假設。在隨機對照實驗研究中，零假設檢驗只能考查“零假設為真”這一假設發生的概率，而不能表明實驗組和對照組之間的差異到底有多大。也就是說，顯著性檢驗給出的結論是定性的，而計算效應量可得出實驗干預對實驗結果影響的大小或強度。另外，作為一種研究方法，元分析既可以梳理已有研究的現狀，也可以提供新的研究方向。但在進行元分析時，應該注意以下幾點：（1） 關注納入研究的質量;（2） 報告研究結果的異質性;（3） 關注發表偏倚等。

（三）再分析在教育研究領域中的應用

一般來說，在教育研究領域，一項元分析聚焦于某一教學方法（如協作學習）、學習者的某種特征（如先前知識）或教師的某種特征（如教師學科知識）等。伴隨著元分析數量的急劇遞增，研究者開始整合元分析的研究結果，即對元分析進行“再分析”[17-18]，其英文表述主要有Meta-meta-analysis、Meta-synthesis、Overview以及Second-order meta-analysis[18-19]。相比較而言，元分析是對原始研究的分析，而再分析是對元分析的分析。Polanin、Maynard和Dell整合25項教育研究領域的再分析，總結出再分析的實施標準和報告標準[18]。

到目前為止，教育研究領域最有影響力的再分析是Hattie的《可見的學習》，該研究整合與學業成就有關的800多項元分析，提取出138個影響學業成就的因素[19]。Hattie的研究發現，所有影響因素的平均效應量為0.40。他認為，這一平均值概括了教育中所有可能影響學業成就的因素所產生的一般效果，并將其作為判斷教育效果的“基準點”。他主張，在設計學習環境和運用教學策略時，要特別關注效應量大于0.40的影響因素。但是，這并不意味著效應量小于0.40的影響因素就沒有價值，還需要綜合考量實施這一因素所花費的時間和成本等。Hattie團隊在2012年[20]和2015年[21]更新了研究，所納入的元分析增加到900多項和1200多項，且影響因素分別增加到150個和195個。Hattie團隊的研究系統納入了已發表和未發表的元分析[19-21]，而Schneider和Preckel在整合影響高等教育階段學習者學業成就的元分析時，僅納入了最新發表在同行評審期刊上的38項元分析，得出105個影響因素[22]。

近年來，教育技術研究領域也開始重視對元分析的再分析。Kulik整合12項元分析發現，計算機輔助教育對學業成就影響的效應量為0.35[23];Tamim等整合25項元分析發現，課堂中使用計算機技術對學業成就影響的效應量為0.35，并發現對中小學課堂學業成就的影響要比大學課堂效果好[3];而Bernard等整合13項元分析發現，技術的使用對高等學校學習者學業成就影響的效應量為0.393[24]。已有再分析不僅關注了技術對某一學段學習者學業成就的影響，還關注了技術對某一學科學業成就的影響。Felix的研究整合8項與計算機輔助語言學習相關的元分析，但該研究并未對已有研究的效應量進行合成，僅從研究方法和研究結果兩個方面進行了總結和歸納[25];Plonsky和Ziegler綜合14項元分析發現，計算機輔助語言學習對第二語言學習影響的效應量為0.512[26];Young則綜合19項元分析發現，技術的使用對數學學習成就影響的效應量為0.38[27]。

綜合Hattie團隊[19-21]以及Schneider和Preckel[22]等的研究發現，與技術影響學習有關的元分析主要包括三類：（1） 多媒體學習的有效性;（2） 認知工具和教學系統的有效性;（3） 遠程教育和在線學習的有效性。然而，在已有的再分析中，僅關注一類或兩類，缺少對這三種類型元分析的系統研究。本研究將綜合過去四十年所發表的這三類元分析的研究結果，進一步回答“技術對學習影響”這一“大哉問”，以衡量技術的使用對學習效果的影響。另外，Hattie的研究還發現，計算機輔助教學相關元分析的總效應量與發表年份沒有關系，并認為計算機使用的效果并沒有隨著技術的成熟而更好[19]，這與我們通常的認識并不一致。因此，本研究還會關注元分析研究發表時間與效應量大小之間的關系，以檢驗Hattie的這一研究發現。鑒于以上分析，本研究的研究問題為：（1） 技術的使用在多大程度上影響了學習者的學習？（2） 技術對學習影響的大小與元分析發表年份是否存在顯著相關關系？

三、研究設計與方法

（一）文獻納入、排除標準

相較于已有再分析，本研究在篩選文獻時不限年級、學科，不對具體教學軟件或硬件進行區分。具體來說，本研究的文獻納入標準為：（1） 須為利用數字技術支持教與學的研究，即各種用于幫助教師和學生達到預期教學目標的模式、工具以及策略等[28];（2） 須為元分析研究，且報告標準化效應量;（3） 被社會科學引文索引（簡稱SSCI）收錄;（4） 發表語言為英語;（5） 2017年之前正式發表的研究。此外，符合以下特征的元分析研究將被排除：（1） 所報告效應量為均值差的研究;（2） 涉及特殊群體學習者的研究;（3） 原始研究為研究者收集的一手數據。

（二）文獻檢索與篩選

本研究采用Meta-analysis、Research Synthesis和Quantitative Review等為檢索關鍵詞，在Web of Science核心合集的教育類SSCI數據庫中檢索。第一次共檢索到文獻1954篇。兩位研究者分別瀏覽了1954篇文獻的標題和摘要，在完成第一輪篩選后，排除與教育技術無關的研究或實驗研究1703篇，剩余251篇;隨后，兩位研究者閱讀了剩余251篇文獻的全文，排除102篇面向特殊群體的研究和非系統化文獻綜述的研究，以及72篇未對效應量進行標準化的研究、定性文獻綜述和再分析的研究后，剩余77篇文獻;然后，兩位研究者采用“滾雪球”的方式瀏覽剩余77篇文獻以及已有其他研究的參考文獻，共檢索到31篇符合要求的新文獻;最后，兩位研究者手動檢索了十余種關鍵期刊，再次檢索到4篇符合要求的文獻。因此，本研究總計納入文獻112篇。

（三）文獻編碼及效應量提取

本研究提取每一項元分析中的三類數據：（1） 研究描述項，主要包括第一作者所在國家或地區、發表期刊名稱以及發表年份;（2） 研究情境項，主要包括所關注的年級、學科以及教學干預方式;（3） 研究結果項，主要包括學習結果和效應量大小。在對教學干預方式進行編碼時，本研究參照Hattie團隊[19-21]以及Schneider和Preckel[22]的研究結果，將所納入的研究分為三類：（1）多媒體學習;（2）認知工具和教學系統;（3）遠程教育和在線學習。

兩位研究者分別獨立對112項元分析進行編碼，并邀請其他作者對編碼結果不一致的描述項進行商議，最終確認編碼結果。在編碼過程中，若研究報告了多個總效應量（如對學習成績和態度的效應量、即時測驗和延時測驗的效應量），不同的總效應量單獨列出。考慮到效應量的大小在樣本量足夠大的情況下，不同類型的效應量大小不需要換算[3，15]，本研究在計算技術對學習影響效應量大小時參考了Hattie的計算方法，即采用總效應量的算術平均數作為技術對學習影響的大小。在編碼過程中發現，有兩組研究是重復的，在合成總效應量大小時，將合并為一個研究進行分析。

四、研究結果

（一）研究描述項的基本信息

本研究納入的112項元分析涉及原始研究數千個，師生數達數十余萬;主要發表在Review of Educational Research、Computers & Education、Journal of Educational Computing Research等44種期刊上，就發表時間來說，主要集中在2005年以后，且2012年之后呈現穩定增長，而第一作者所在國家或地區主要集中在美國、加拿大、中國臺灣地區和荷蘭等。

（二）研究情境項的基本信息

就年級來說，本研究所納入的元分析有29項聚焦于某一特定學段，如小學、中學或大學，有30項聚焦于多個學段，有53項元分析不限年級或年齡，其頻率分布見表 1前兩列;就學科來說，本研究所納入的元分析有45項聚焦于某一學科內容，如語言、數學、科學、醫學等，有2項聚焦于STEM學科，有65項不限制學科內容，分布見表 1的后兩列。

（三）總效應量的基本信息

本研究從112項元分析中共提取出162個效應量。這些效應量大小呈正偏態分布（中位數為0.34、眾數為0.16、峰度為3.641、偏度為0.972），如圖 1所示。在所有提取的效應量中，僅有5個在0以下，也就是說96.91%的效應量是正向的，3.09%的效應量為負（主要為視聽教學、程序教學和遠程學習對學習態度影響的效應量）。

所有總效應量的算術平均數為0.40，標準差為0.336。根據Hattie的觀點[19]，這一平均值概括了技術的使用對學習所產生影響的一般效果。根據Cohen的觀點[16]，這一平均值代表65.5%使用技術的學生比50%未使用技術（或使用其他方式）進行學習的學生學業成績高，或者說使用技術的學生比未使用技術（或使用其他方式）進行學習的學生學業成就高15.5個百分點。然而，由于效應量大小呈正偏態分布，中位數是較好的描述性指標，而中位數0.34意味著63.3%使用技術的學生比50%未使用技術（或使用其他方式）進行學習的學生學業成績高。

通過單樣本T檢驗發現，所提取效應量與算術平均數（M=0.40）之間無顯著性差異（t=0.056，df= 161，p=0.956），這一研究結果表明，效應量大小的樣本分布與其算術平均數之間沒有顯著差異，即效應量大小分布比較集中。按照Cohen關于效應量大小的判斷標準[16]，將效應量編碼為“較小（0.2以下）”“小（0.2～0.5）”“中等（0.5～0.8）”“大（0.8以上）”四個水平，使用單因素方差分析（ANOVA）結果顯示，四個水平之間差異顯著，F（3，158）=235.648，p=0.000，見表 2。

（四）效應量大小與發表年份的關系

本研究中效應量與元分析發表年份之間沒有呈顯著性正相關（Spearman' s r=0.063，p=0.427），散點圖如圖 2所示。這與Hattie[19]的研究結果一致，也就是說，隨著技術的發展與成熟，其對學習的影響似乎并沒有增長。

五、總結與展望

（一）研究發現

本研究旨在通過整合和分析已發表在SSCI期刊上的元分析來探究技術的使用對學習影響的大小。經過文獻檢索與篩選、文獻編碼及效應量提取，本研究共確定符合要求的元分析112項，效應量162個。通過對所納入的元分析研究描述項、研究情境項以及總效應量等信息的初步整合和分析發現：

（1）本研究所提取的96.91%的效應量都是正向的。根據Hattie的推論[19]可以認為，幾乎所有技術的使用都起到了作用。因此，當有人聲稱某一技術或某一工具會提高學業成就甚至變革教育時，我們沒必要“更新換代”，因為幾乎所有的教育技術產品、工具或系統都在起作用。

（2）本研究所有效應量的算術平均數為0.40。在Hattie的研究中，0.40被認為是“教育革新效果”與“教師教學效果”的“分界線”[19]。根據Hattie的這一觀點可知，本研究的結果可以表明，技術的使用對學習的影響已經達到了“教育革新”的效果。這一數據還能夠表明，相比較不使用技術或接受其他傳統教學方式學習的學習者，使用技術進行學習的學習者學業成就會提高15.5個百分點。

（3）本研究所提取的效應量大小與元分析發表時間無顯著性相關。這一研究結果進一步證實了Hattie的研究結果。可能在很多研究者或者實踐者看來，這一研究結果似乎有些“喪氣”。但事實上，根據前兩個研究發現，我們更需要研究為何會產生這樣的研究結果。另外，元分析中效應量的大小與元分析發表時間是否能夠說明Hattie所提出的問題，這也是值得考慮的。

（二）討論

1. 技術是影響學習的“顯著”因素之一

通常在闡述影響學習的因素中，我們往往會從學生、家庭、學校、教師、課程，甚至社會等因素來分析，然而，從本研究的發現可知，技術對學習的影響已經達到了“教育革新”的效果。而另一方面，這一效果似乎并沒有受到時間發展或者技術發展的影響。因此，同家庭、學校、教師、課程等因素一樣，技術也是影響學習的重要因素。可以說，本研究已經基本驗證了郭文革關于“技術是影響學習的‘顯著因素”[29]這一觀點。

同時，需要注意的是，由于162個效應量呈正偏態分布，中位數（0.34）和眾數（0.16）均小于算術平均數（0.40），這一結果表明，從一般效果來看，技術對學習起到了革新的作用，但可能由于存在抽樣偏差（本研究僅納入SSCI期刊的文獻），也可能是由于本研究所納入的元分析研究質量或其所納入的原始研究質量存在顯著性差異而導致數據分布呈現正偏態。因此，未來研究需要重點關注元分析研究質量及其所納入原始研究的研究質量對效應量大小分布造成的影響。

2. 技術對教育影響的“應然之義”和“實然之舉”

不論對于多數教育研究者來說，還是對于教育實踐者、教育政策制定者來說，技術承載著變革教育的使命，是實現教育創新的有效途徑和重要舉措，這是技術對教育影響的“應然之義”。然而，就本研究的結果而言，技術影響學習效應量的中位數為0.34，眾數為0.16，這表明，多數技術的使用對學習效果的影響尚未達到所期望的效果。事實上，由于受教師使用技術支持教學的水平、技術支持條件等多種因素的限制，教學實踐中技術的使用并不一定能達到教育研究中所能實現的效果，這是技術對教育影響的“實然之舉”。

信息技術有潛力變革教育，但從根本上說，這種作用仍未徹底發揮[30]。除考慮教師、技術等因素之外，我們仍需要注意：（1）在評估技術對教育影響的過程中，不能僅僅考慮技術本身的特征和教學法等因素，還要評估時間和成本等因素。例如：雖然在線學習并沒有達到預期效果，但是在線學習突破了面對面教學的時空限制，為更多學習者提供了學習機會，已經是一種有效的教學創新。（2）已有研究主要評估技術的使用對測驗成績的影響，而缺乏對其他學業表現或者能力素養（如問題解決能力）的評估。事實上，就像趙勇等[2]關于糾正教育技術的五大錯誤所闡述的那樣，技術不應該作為提高學生學業成就和考試分數的有效方式，而應該作為變革性工具被用于為學習者創造更好的教育。因此，關于技術在教育中使用的“真正價值”需進一步研究和論證。

3. 技術影響學習的“變”與“不變”

在研究和論證技術在教育中使用的“真正價值”之前，我們還應該關注技術影響學習的變與不變。本研究的結果顯示，隨著技術的發展與進步，其對學習的影響似乎并沒有顯著增加。雖然這其中的原因需要未來研究進一步驗證，但事實上，以遠程教育和在線學習的發展脈絡為例，我們不難發現，從早期函授教育，到廣播技術在教育中的應用，到教學電視在教學中的應用，到多媒體交互技術在教育中的應用，以及互聯網技術在教育中的應用，直至當下的在線同步視頻技術在教育中的應用等，在這一發展過程中，“不變的”是遠程教育與在線學習打破了教學時空的限制，實現了學與教的分離;“變的”是遠程教育和在線學習的“臨場感”越來越強。

而從Kozma 關于媒體的界定來說，技術影響學習“變”的因素包括符號系統和處理能力的變化，導致對學習者心理表征方式和認知加工過程的變化。在前面的論述中，我們闡述了 Clark 所持觀點的歷史局限性和認知局限性，事實上，面對今天日新月異的技術更替和發展，特別是當下人工智能技術和大數據技術在教育中的發展， Kozma 關于媒體的界定以及媒體與學習關系的認識又有何局限性呢？這是本研究沒有涉及的問題。也就是說，關于技術影響學習的“變”這一命題仍需進一步探究。更為重要的是，在過去將近一個世紀的時間段里，什么是技術影響學習的“不變”，這也許是解決“周期性失憶癥發作”的重要前提。

（三）不足之處

雖然本研究的研究結果能夠衡量技術對學業成就的影響大小，但是不論是元分析研究本身，還是對元分析的分析都為此“付出了代價”：在進行整合的過程中，原始研究的細節已經丟掉，甚至元分析的一些細節已經不復存在，這是本研究的局限性。近年來，教育科學研究領域中已經發表了多篇關于對元分析的綜述性文章。雖然這種方法能夠提供良好的證據和更整體的認識，但是也存在一些不足之處：（1）不論是元分析，還是對元分析的再分析，都難以區分新奇效應和持續性效應;（2）現有的研究發現能在多大程度上代表當前教育技術在教學實踐中的應用情況，也就是關于研究與實踐之間關系的問題。這也是本研究的不足之處之一。同樣，本研究僅僅關注了發表在SSCI期刊上的元分析，這是本研究的第二個不足之處。

（四）研究展望

對于當下或者未來的學習者來說，技術不再是一種“特權”，使用技術學習已經是學習者獲得高質量教育機會的必備條件，同時，也是許多國家教育改革發展的政策。本研究發現，幾乎所有的技術使用對學業成就的提升都有效，因此，就教育技術學研究領域來說，不再適合質問類似“技術是否能夠提高學生的學業成就？”這一類的研究問題，而需嘗試轉向回答“什么有效（What Works）”以及“什么起最大作用（What Works Best）”的問題[19]，具體來說，需要關注不同類型學習技術或教學技術是如何通過研究證明其加深了學生的學習，或者在何種方式下會實現其理想的教育潛力。本研究僅初步對總效應量大小的信息進行了整合，未來需要關注不同類型教育技術的效應量大小，以及對元分析中的調節變量進行深入分析，進一步構建技術支持學習的有效條件、設計原則和教學策略等。

值得注意的是，從研究方法上來說，雖然效應量彌補了假設檢驗的不足，但是把元分析和零假設檢驗對立起來也是不合適的[31]，因為元分析不是對原始數據的統計，而是對統計結果的再統計[32];元分析和零假設檢驗在邏輯上是“連貫的”，“對元分析方法的提倡無須以否定零假設檢驗作為代價”[31]。因此，在未來的研究中，研究者應更多地使用實證研究的方法，為研究整合和知識積累打好基礎。

[參考文獻]

[1] SAETTLER L P. The evolution of American educational technology[M]. Greenwich， Connecticut：Information Age Publishing Inc.，1990.

[2] ZHAO Y， ZHANG G，LEI J， et al. Never send a human to do a machine′s job： correcting the top 5 EdTech mistakes[M]. Thousand Oaks，California：Corwin，2015.

[3] TAMIM R M， BERNARD R M， BOROKHOVSKI E， et al. What forty years of research says about the impact of technology on learning： a second-order meta-analysis and validation study[J]. Review of educational research，2011，81（1）：4-28.

[4] CLARK R E. Reconsidering research on learning from media[J]. Review of educational research，1983，53（4）：445-59.

[5] KOZMA R B. Learning with media[J]. Review of educational research，1991，61（2）：179-211.

[6] KULIK C-L C，KULIK J A，COHEN P A.Instructional technology and college teaching[J].Teaching of psychology，1980，7（4）：199-205.

[7] KULIK J A，BANGERT R L，WILLIAMS G W. Effects of computer-based teaching on secondary school students[J]. Journal of educational psychology，1983，75（1）：19-26.

[8] KULIK J A， KULIK C-L C， COHEN P A. Research on audio-tutorial instruction：a meta-analysis of comparative studies[J]. Research in higher education，1979，11（4）：321-341.

[9] COOPER H， HEDGES L V， VALENTINE J C. The handbook of research synthesis and meta-analysis[M].2nd ed. New York：Russell Sage Foundation，2009.

[10] GLASS G V. Primary， secondary， and meta-analysis of research[J]. Educational researcher，1976，5（10）：3-8.

[11] HEDGES L V， OLKIN I. Statistical methods for meta-analysis[M]. Orlando：Academic Press，1985.

[12] National Research Council. Scientific research in education[M]. Washington，D.C.： National Academies Press，2002.

[13] SPECTOR J， JOHNSON T， YOUNG P. An editorial on replication studies and scaling up efforts[J]. Educational technology research and development，2015，1（63）：1-4.

[14] MAYER R E. Multimedia learning[M]. 2nd ed.Senta Barbara：Cambridge University Press，2009.

[15] 鄭昊敏，溫忠麟，吳艷. 心理學常用效應量的選用與分析[J].心理科學進展，2011（12）：1868-1878.

[16] COHEN J. Statistical power analysis for the behavioral sciences[M]. New York： Routledge， 1988.

[17] BECKER L A， OXMAN A D. Overviews of reviews[G]//Cochrane handbook for systematic reviews of interventions. Chichester， England： John Wiley & Sons，Ltd，2008：607-630.

[18] POLANIN J R， MAYNARD B R， DELL N A. Overviews in education research： a systematic review and analysis[J]. Review of educational research，2017，87（1）：172-203.

[19] HATTIE J. Visible Learning： a synthesis of over 800 meta-analyses relating to achievement[M]. New York：Routledge，2008.

[20] HATTIE J. Visible learning for teachers： maximizing impact on learning[M]. New York：Routledge，2012.

[21] HATTIE J.The applicability of visible learning to higher education[J].Scholarship of teaching and learning in psychology，2015，1（1）：79-91.

[22] SCHNEIDER M， PRECKEL F. Variables associated with achievement in higher education： a systematic review of meta-analyses[J]. Psychological bulletin，2017，143（6）：565-600.

[23] KULIK J A.Meta-analytic studies of findings on computer-based instruction[G]//Technology assessment in education and training. Hillsdale，N.J：Routledge，1994：272.

[24] BERNARD R M， BOROKHOVSKI E， SCHMID R F， et al. An exploration of bias in meta-analysis： the case of technology integration research in higher education[J]. Journal of computing in higher education，2014，26（3）：183-209.

[25] FELIX U. What do meta-analyses tell us about CALL effectiveness？[J]. ReCALL，2005，17（2）：269-288.

[26] PLONSKY L，ZIEGLER N.The CALL-SLA interface：insights from a second-order synthesis[J].Language learning & technology， 2016，20（2）：17-37.

[27] YOUNG J.Technology-enhanced mathematics instruction： a second-order meta-analysis of 30 years of research[J].Educational research review，2017，22（supplement C）：19-33.

[28] ROSS S M， MORRISON G R， LOWTHER D L. Educational technology research past and present： balancing rigor and relevance to impact school learning[J]. Contemporary educational technology，2010，1（1）：17-35.

[29] 郭文革. 教育的“技術”發展史[J]. 北京大學教育評論，2011（3）：137-157，192.

[30] 程薇，凡正成，陳桄，等. 新興技術應用于教學的挑戰思考：我們很少正視我們失敗的地方——訪國際資深教育技術學學者邁克爾·斯佩克特教授[J]. 現代遠程教育研究，2015（6）：1-10.

[31] 仲曉波. 零假設檢驗和元分析之間的邏輯連貫性[J].心理科學，2010（6）：1477-1480.

[32] 王沛， 馮麗娟. 元分析方法評介[J]. 西北師大學報（社會科學版），2005（5）：65-69.

[Abstract] For over decades there has been an ongoing debate on the relationship between technology and learning. Initially， through reviewing the main ?ideas and evidence of "the debate between learning and media"， this paper analyzes the historical and cognitive limitations of the idea that "media has nothing to do with learning"， and forms the basic value judgment that the use of technology could affect learning. From this， the current research aims to explore the extent to which the use of technology affects learning. And then， this paper expounds the conceptual connotation and advantages of meta-analysis， and the application status of re-analysis in the field of educational research， especially in the field of educational technology， and determines the systematic literature review of the published meta-analysis. Then， after literature retrieval and screening， literature coding and effect quantity extraction， a total of 112 meta-analyses published in SSCI journals are obtained， and 162 effect quantities are extracted. It is found that almost all technologies have positive effects on learning. The average effect of technology on academic achievement is 0.40. Compared with no use of technology or other traditional teaching methods， the use of technology can help learners improve their academic achievements by 15.5%， which is indicated that technology has become a "significant" factor in learning.

[Keywords] Technology and Learning; Learning and Media Debate; Meta-analysis; Best Evidence