學習策略對視頻學習的影響：想象、繪圖和自我解釋策略

楊九民 章儀 徐珂 皮忠玲

[摘? ?要] 隨著互聯網技術和數字技術的迅猛發展，視頻成為學習者在線學習的重要途徑之一。研究表明，學習者作為學習活動的主體，其采用的學習策略是影響視頻學習質量的重要因素之一。基于對視頻學習策略的思考，研究探究了相比于重復觀看（控制組），三種生成性學習策略（想象策略、繪圖策略和自我解釋策略）對學習者心理努力、學習成績、學習效率和學習判斷的影響。結果發現：自我解釋策略組表現最好，具體體現在自我解釋策略組中的學習者取得了最高的學習成績和學習判斷，且相比于控制組和想象策略組，自我解釋策略組的學習者是部分通過提高學習判斷來提高學習成績的。此外，學習效率的結果顯示，想象策略組和自我解釋策略組的學習效率均顯著高于繪圖策略組。以上結果表明，自我解釋策略不僅能夠提高學習判斷和學習成績，并且能夠讓學習者在投入一定心理努力的情況下達到最好的學習效果，即學習效率高。因此，教師在指導學習者進行視頻學習時，應提示或幫助學習者使用自我解釋策略，以提高其視頻學習效果。

[關鍵詞] 視頻學習; 生成性學習策略; 學習成績; 學習效率; 學習判斷

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 楊九民（1969—），男，湖北武漢人。教授，博士，主要從事教學設計、教師教育研究。E-mail：yjm@mail.ccnu.edu.cn。皮忠玲為通訊作者，E-mail：pizl@snnu.edu.cn。

一、引? ?言

互聯網技術和數字技術的迅猛發展，為新型學習方式的應用奠定了基礎。2020年的新冠疫情外生沖擊，更是讓新型學習方式，如在線學習處于聚光燈下，截至2020年5月14日，參加在線學習的大學生共計1775萬人，合計23億人次。視頻以視聽雙通道呈現內容的特征，是在線學習中資源呈現的主要形式之一，因此，視頻學習效果備受研究者和實踐者的關注。與視頻大量產出和傳播的繁榮現狀相異，基于學習者的視頻學習行為分析發現，大量學習者處于被動學習的狀態，且無論視頻多長，學習者觀看視頻的時間均不超過5分鐘[1-2]。影響視頻學習質量的因素眾多，其中最重要的影響因素之一是學習者如何使用視頻，即學習策略的使用[3-4]。

學習策略是指學習者為了促進學習，在學習活動中主動使用的程序、規則和方法等[5-6]。在多媒體學習時代，哪些學習策略是有效的？至今學界尚未得到統一的結論。在被譽為尋求教育的“圣杯”——《可見的學習》一書中，澳大利亞墨爾本大學哈蒂教授通過800多個有關學業成就元分析研究總結了近50種有效的學習策略[7]，此后Fiorella及其老師美國教育心理學家Mayer在其《學習是生成的活動：八種提高學習理解的策略》一書中介紹了8種有效提升學習的生成性策略[8]。兩書中均推薦了一系列以關注知識體系描述（Model-focused）為基礎的策略，即想象策略（Learning by Imaging）、繪圖策略（Learning by Drawing）和自我解釋策略（Learning by Self-explaining）。然而，目前大部分研究僅僅選取了一個或者兩個策略，通過對比有無使用某一項或者兩項策略，來判斷使用策略的好壞和優劣[4，9]。例如，Fiorella等人的研究發現，在視頻學習中，相比于重復觀看與繪圖策略，學習者運用自我解釋策略能夠顯著提升其學習成績，遺憾的是該研究卻沒有考慮同系列策略中的想象策略，且對策略如何影響學習的機制缺乏深入的探索[9]。截至目前，尚無實證研究比較這三種學習策略在視頻學習中的影響，因此，這三種策略的異同點和作用機制尚不明確。基于此，本研究擬對這三種策略在視頻學習中的作用及影響機制展開研究。

二、相關概念和研究現狀

（一）生成性學習策略

生成性學習策略（Generative Leaning Strategies）是指能夠在學習過程中引導學習者啟動適當認知加工（如信息選擇、組織和整合），為促成生成性學習而發展的學習策略[8]。生成性學習的概念源于“有意義的學習應當是一種生成性的活動，在這種活動中，學習者會積極地給學習材料賦予意義”這一觀點[10-11]，從某種程度來說，生成性的學習其實也就是有意義的學習。因此，生成性學習策略的特點就是能夠促進學習者的生成性學習，即加強學習者對學習材料的加工、關注學習者是如何賦予學習材料以意義。本研究選擇的三種學習策略均屬于生成性學習策略[8]。

（二）想象策略、繪圖策略和自我解釋策略的異同點

想象策略、繪圖策略和自我解釋策略是三種較為常見且有效的生成性學習策略，其對學習成績的效應量分別為0.65、0.40和0.61[8]。想象策略具體是指學習者通過在腦海中想象畫面來加工所學的知識[12-13]，繪圖策略則強調學習者將腦海中的畫面通過繪圖這一外化的途徑可視化[13-14]，自我解釋策略雖然也要求學習者將腦海中的內容外化出來，但與繪圖策略不同，其外化形式是要求學習者把向自己解釋的內容以口頭或者書面文字的形式表達出來[15]。

這三種策略均強調關注知識的體系描述（Model Focused），要求學習者能夠將信息組織、整合并賦予一定的意義，也就是生成知識。然而，這三種策略各有側重點，相比于想象策略，繪圖策略和自我解釋策略需要將生成的知識進行外化，繪圖策略需要將生成的知識外化為可視化的圖片，自我解釋策略需要將生成的知識用自己的語言口頭表達或者書寫出來[16]。正是上述原因，導致這三種策略對學習的影響各有不同。

（三）想象策略、繪圖策略和自我解釋策略對學習的影響

有關想象策略、繪圖策略和自我解釋策略，目前主要的研究集中在兩個方面：一方面是相比不使用任何學習策略的學習，使用想象策略、繪圖策略、自我解釋策略是否有利于學習者的學習，或者是改變使用策略的時機是否對學習有差異性的影響，此類研究相對比較簡單，是早期有關學習策略研究的主要關注點，目的是了解單個策略的特點[17-20];另一方面是策略的橫向比較研究，也就是選擇兩種策略來比較不同策略的優劣，這類研究是前一類研究的延伸，研究者們在了解單個學習策略的特點之后，開始比較同類別策略的優劣，這類研究還處于發展階段，是近年來研究者關注的重點[13，15，21]。

1. 想象策略對學習的影響

有關想象策略的研究結果并不一致，有研究認為，盡管相比于重復學習，想象策略有利于學習者的知識習得，但是相比于繪圖和自我解釋策略，想象策略對學習的影響好壞參半[13，21]。一方面，研究者們普遍認為，繪圖策略和自我解釋策略都要好于想象策略，這是因為繪圖策略和自我解釋策略在某種程度上包括了想象策略，學習者只有在腦海中生成了信息，才能將之外化。外化知識能夠卸載積攢在認知容量中的信息，避免認知超載，同時還能夠幫助學習者及時檢測和修正所學知識的正誤[9，22-23]。例如，Schmidgall等人發現，在有關游泳知識的學習中，繪圖策略比想象策略更能夠提高學習者的知識獲得水平[14]。另一方面，其他研究者認為，想象策略與繪圖或者自我解釋策略差不多，這是因為繪圖和自我解釋策略需要外化知識，將會占據學習者一部分的認知容量，抵消外化知識帶來的好處[13]。

2. 繪圖策略對學習的影響

與想象策略類似，繪圖策略的相關研究結論也并不一致。盡管絕大多數研究都認為，繪圖策略在促進STEM內容的學習上具有非常積極的作用[23]。然而也有研究者認為，將知識外化并不一定能夠帶來更好的學習效果，因為外化也需要占據一定的認知負荷。Lin等人[21]和Cheng & Beal[13]有關想象策略和繪圖策略的研究結論支持這種說法，他們的研究一致發現，想象策略與繪圖策略對學習的影響沒有顯著差異。這似乎與Schmidgall等人[14]的研究結果相矛盾。實際上，產生這種差異性結果可能與研究中學習材料繪圖的難度有關，Lin等人和Cheng & Beal在研究中涉及的是人類循環系統和呼吸系統的學習，涉及的繪畫難度較高，而繪圖策略高度依賴學習者的繪圖技能，如果所繪材料過于困難，將會增加學習者的認知負荷，從而很可能抵消知識外化帶來的好處[9]。也就是說，并不是在生成知識后進行外化就對學習是有利的，如果外化的方式會增加認知負荷，則很可能抵消了外化帶來的好處。

3. 自我解釋策略對學習的影響

那么何種外化方式最有利于學習者？與繪圖策略相似，自我解釋策略也需要對知識進行外化，因此，很多研究開始關注繪圖策略和自我解釋策略對學習的影響差異，但研究結果并不一致。Schmidgall等人在有關游泳的閱讀材料中發現，相比于讓學習者進行書寫自我解釋，使用繪圖的方式外化能夠顯著提高學習者的遷移成績[14]。然而Fiorella等人在一個關于腎臟是如何工作的視頻學習研究中發現，相比于使用繪圖策略或者重復學習的學習者，使用自我解釋策略的學習者能夠取得更高的學習成績[15]。產生這種差異的原因可能是兩者使用的學習材料不同，前者是文本材料，相對簡單，后者是視頻學習，相對復雜。因此，我們可以推斷：相比于繪圖策略，自我解釋策略可能能更好地幫助學習者理解復雜的學習材料，學習者有反思的機會來重新梳理自己對學習材料的理解，從而形成連貫的心理表征，繪圖策略盡管也能夠提供反思的機會，復雜的學習材料和需要完成繪圖的任務所帶來的認知負荷容易造成認知超載，從而抵消了繪圖策略帶來的好處。

但自我解釋策略和繪圖策略影響學習的路徑目前尚不明晰，以至于對以上研究不一致結果的解釋尚處在推論階段。有意思的是，有關自我解釋策略的研究給這一推論帶來了新的啟發，Lachner等人在探索自我解釋策略是如何提高學習者的理解中發現，自我解釋策略是通過提高學習者的學習判斷（Judgement of Learning），即他們的自信心，從而提高他們的學習成績[24]。然而目前尚無研究來探索是否這三種策略對學習成績的影響也都是由學習判斷中介的。不難發現，大部分研究都只選擇了這種關注知識體系模型中的兩種策略，如比較想象和繪圖策略[13，21]，或者是繪圖和自我解釋策略[15]，但這三種策略作為同類型策略（Model Focused Strategies），理應橫向共同比較，只有充分探討這三種策略的異同點及其對學習影響的機制，才能科學地應用在教學實踐中。

此外，以往研究多關注學習策略對學習成績、心理努力和學習判斷的影響，較少關注學習策略如何影響學習者的學習效率（Instructional Efficiency）。不同于傳統說法中與時間有關的效率，在多媒體有關研究中，學習效率通常被認為是某種設計能夠讓學習者在單位認知努力下提高學習成績的程度[25-27]。學習效率能夠將學習成績和心理努力連接起來，能夠更直觀地體現內容設計或者學習策略的有效性，自1993年由Paas和van Merri？觕nboer[25]提出后，被廣泛應用到多媒體學習的相關研究中。學習效率的主要理論基礎是認知容量有限假說[25-28]，學習者的認知容量是有限的，如果使用某種學習策略能夠讓學習者投入較少的認知卻取得較好的學習成績，就說明使用這種學習策略的學習效率較高。學習效率這一指標能夠給研究者提供一種新的視角，例如，有些學習策略盡管能夠提高學習者的成績，卻需要耗費學習者大量的認知負荷，這對于學習者整體的學習負擔較重。

綜上所述，我們不難發現，盡管有關學習策略對學習影響的研究方興未艾，但大部分研究仍停留在文本材料而非視頻材料中，且缺乏有關三種同類型學習策略的橫向比較研究。此外，目前尚無從學習效率的視角開展學習策略的研究，導致對學習策略認識不夠全面。基于此，本研究基于學習者視頻學習情境，以重復學習為控制組，考察學習者使用想象策略、繪圖策略和自我解釋策略時在心理努力、學習成績、學習效率和學習判斷上的差異，并嘗試對這種差異背后可能的機制進行探索。

三、研究方法

（一）研究對象與實驗

本研究通過QQ、微信以及海報的方式招募了120名大學生，其中男生15人，他們的年齡范圍在17到28歲之間（M=20.94，SD=1.89），主修的專業涉及物理、化學、數學、教育技術學等。被試被隨機分配到四種實驗條件：（1）重復學習組（n=30）：告知被試在學習完一個視頻片段后，重復觀看視頻學習;（2）想象策略組（n=30）：被試在學習完一個視頻片段后，要求在腦海中想象剛剛所學內容;（3）繪圖策略組（n=30）：被試在學習完一個視頻片段后，要求在紙上畫出剛剛所學習的內容;（4）自我解釋策略組（n=30）：告知被試在學習完一個視頻片段后，寫下對剛剛所學習內容的解釋。被試均知情同意，完成實驗后均收到實驗報酬。

（二）視頻材料

本研究實驗材料主題為“血小板”，主要知識點是血小板的形態及其在止血過程中的功能。教學視頻內容涉及兩個主題：血小板的形態以及功能概述，生理性止血的基本過程及血小板在其中發揮的作用。教學視頻采用實景拍攝，教學內容呈現在制作好的PPT中，一位女教師在旁講解，用專業的錄像設備將教師的授課過程錄制下來，形成教學視頻。教學視頻總時長為6分53秒。為方便學習者觀看和識記，根據多媒體學習中的分段原則將視頻按照知識點切分為三部分，第一部分為“血小板的形態與生理功能”，時長為3分22秒;第二部分為“一期止血過程及血小板在其中發揮的作用”，時長為1分48秒;第三部分為“生理性止血過程及血小板在其中發揮的作用”，時長為1分36秒。不同實驗條件下，學習者學習的視頻的內容和順序是完全相同的，唯一不同的是給不同組別的學習者提供不同的學習策略應用提示語。

（三）研究工具

先前知識問卷：根據生物學科與血液相關課程內容進行編制而成，主要考察學習者對血液相關基礎知識的掌握水平。該測驗包括：3道填空題（共5個空，每空1分）;其中2道單選題，每題2分;1道多項選擇題，答對得3分，漏答得2分，答錯不得分;2道簡答題，分別為3分和4分;先前知識問卷滿分為19分。

心理努力問卷：采用Paas和Van Merri？觕nboer[25]和Wang等人[29]編制的認知負荷自評問卷中測量心理努力的題目，“我在學習過程中的心理努力程度”和“我在學習活動中的投入程度”，采用李克特6點計分，其中，1代表“最少努力”，6代表“最大努力”。分數越高，代表被試付出的心理努力程度越高。該問卷被廣泛用于視頻學習的相關研究中。本研究將采用兩題的平均分作為學習者心理努力的分數。

學習測驗問卷：根據教學視頻講授內容進行編制而成，主要考察學習者對視頻學習內容的掌握程度，共包括20道題目，其中包括7道填空題（共17個空，每空1分），8道單項選擇題（每題2分），1道多項選擇題（全對得3分，漏選得2分，錯選得0分），4道簡答題（分別為5分、3分、3分和4分，總計15分），總分為51分。得分越高，表示被試對知識的掌握程度越高。

學習效率計算：學習效率是指在認知容量有限的情況下，學習者提高學習成績的程度，具體公式：學習效率=（Z成績- Z認知努力）/√2[25-27]。其中，為了能夠在同等水平上計算，成績和心理努力都需要先進行標準化，然后再進行計算。

學習判斷問卷：采用Serra等人[30]編制的學習判斷問卷三個題目，分別為“請根據剛才視頻學習的內容，判斷你對回答正確問題有多大的信心”“如果讓你向別人解釋剛剛學習的內容，你有多大的信心解釋正確”;“請你判斷一下剛剛作答題目的正確率”。三個題目均采用百分制，其中，0表示完全沒有信心，100表示非常有信心。分數越高，代表學習者越有信心。本研究中以三個題目的均值作為學習者學習判斷分數。

（四）實驗流程

本研究的實驗在某多媒體機房進行，學習者根據約定時間進入多媒體機房，主試首先給學習者介紹實驗內容、實驗流程，隨后引導學習者落座，機房內電腦型號一致，顯示屏幕大小一致（23.8英寸），學習者需戴耳機進行學習，保證彼此之間互不干擾。每位學習者將得到一張A4打印的學習策略指導說明，每看完一個視頻片段，學習者需要閱讀指導說明。重復學習組的指導說明要求學習者再次觀看視頻片段;想象策略組的指導說明要求學習者在腦海中思考剛剛看過的視頻片段內容，如“請在腦海中想象一期止血的過程”;繪圖策略組的指導說明與想象策略組的指導說明一致，不同的地方在于，要求學習者將內容繪制出來，如“請畫出一期止血的過程”;自我解釋策略組的指導說明與前兩個指導說明一致，不同的地方在于，要求學習者寫下自我解釋的內容，如“請用文字向自己解釋的方式寫出一期止血的過程”。學習結束后，學習者需要完成心理努力問卷、學習測驗問卷和學習判斷問卷，方可離開實驗室。實驗流程如圖1所示。

圖1? ?實驗流程

四、研究結果

為了考察學習策略對學習者心理努力、學習成績、學習效率和學習判斷的影響，分別以四種實驗條件為自變量，以被試的心理努力、學習成績、學習效率和學習判斷為因變量，進行單因素方差分析。各因變量的描述性統計結果見表1。

首先，對學習者的先前知識經驗進行檢驗，結果發現，四組學習者在得分上無顯著差異[F（3，116）=1.138，p=0.337，η2=0.03]，即四組學習者均處于相似的先前知識經驗水平，因此，可以排除被試先前知識經驗水平對研究結果的影響。

（一）心理努力

為對比學習策略對學習者心理努力的影響，對四組學習者的心理努力進行單因素方差分析，結果發現組間有顯著差異[F（3，116）=5.89，p=0.001，η2=0.13]，LSD事后檢驗發現，重復學習組、繪圖策略組和自我解釋策略組都比想象策略組的學習者報告了更高的心理努力（MD=0.57，p=0.007;MD=0.82，p<0.001;MD=0.63，p=0.003），其他組別沒有顯著差異（ps>0.05）。結果表明，學習策略會影響學習者的心理努力程度，具體表現為相比于想象策略組，重復學習組、繪圖策略和自我解釋策略組的學習者都投入了較多的心理努力。

（二）學習成績

為對比學習策略對學習者學習成績的影響，對四組學習成績進行單因素方差分析，結果發現，組間有顯著差異[F（3，116）=4.02，p=0.009，η2=0.09]，LSD事后檢驗發現，自我解釋策略組比重復學習組、想象策略組和繪圖策略組的學習者取得了更高的成績（MD=3.82，p=0.009;MD=4.49，p=0.002;MD=3.75，p=0.010），其他組別沒有顯著差異（ps>0.05）。結果表明，學習策略影響了視頻學習的成績，具體表現為相比于重復學習組、想象策略組和繪圖策略組，自我解釋策略組的學習者會獲得更高的學習成績。

（三）學習效率

為對比不同學習策略的學習效率差異，對四組學習策略的學習效率進行單因素方差分析，結果發現，組間有顯著差異[F（3，116）=3.16，p=0.027，η2=0.08]，LSD事后檢驗發現，相比于想象策略組和自我解釋策略組，繪圖策略組的學習效率更低（MD=-0.59，p=0.015;MD=-0.61，p=0.012），其他組別沒有顯著差異（ps>0.05）。結果表明，不同學習策略的學習效率有顯著差異，想象策略組和自我解釋策略組的學習效率顯著高于繪圖策略組。

（四）學習判斷

為對比不同學習策略對學習者學習判斷的影響，對四組學習者學習判斷進行單因素方差分析，結果發現，組間有顯著差異[F（3，116）=2.88，p=0.039，η2=0.07]，LSD事后檢驗發現，對比于想象策略組和重復學習組，自我解釋策略組報告了更高的學習判斷（MD=10.21，p=0.01;MD=8.08，p=0.041），其他組別沒有顯著差異（ps>0.05）。以往研究結果顯示，學習判斷可作為自我解釋策略影響學習成績的中介變量，即自我解釋策略是通過提高學習判斷從而提高學習成績[20]。

結合本研究學習判斷和學習成績的結果，即自我解釋策略組比想象策略組和重復學習組學習判斷和學習成績得分更高，因此，分別以組別為自變量、以學習判斷為中介變量、以學習成績為因變量進行中介分析。中介結果顯示，學習判斷部分中介了學習策略對學習成績的影響，即相比于重復學習組和想象策略組，自我解釋策略組部分通過提升學習者的學習判斷來提升學習成績（a1b1=0.1589，[0.0019，0.3627];a2b2=0.1118，[0.0305， 0.2181];如圖2所示）。

圖2? ?自我解釋組的中介結果

五、討? ?論

本研究主要探索了重復學習、想象策略、繪圖策略和自我解釋策略對視頻學習的影響。研究結果發現，在自我解釋策略組中的學習者學習成績和學習判斷得分最高，且對比于重復學習組和想象策略組，自我解釋策略組的學習者是部分通過提高學習判斷來提高學習成績的。此外，有關學習效率的結果顯示，想象策略組和自我解釋策略組的學習效率均顯著高于繪圖策略組。這一研究發現為視頻教學中的學習策略的選擇使用提供了一定參考。

相比于重復學習、想象策略和繪圖策略，自我解釋策略顯著提高了學習成績和學習判斷，并且學習判斷部分中介了學習策略對學習成績的影響，這與以往的研究結果一致[4，15，20，31]。根據生成性學習策略的特點，一方面，自我解釋策略能夠幫助學習者有效地選擇和組織信息，最終整合成為一個連貫的心理模型;另一方面，自我解釋策略要求學習者外化思考的內容，當學習者用語言表達內部的心理模型時，學習者可以不斷修正錯誤的知識，最終形成正確的心理模型[15]，這一點恰好也被中介分析的結果所證實，即相比于沒有外化思考內容的重復學習組和想象策略組，自我解釋策略組的學習者通過提高對學習的判斷來提高自己的學習成績。

然而，本研究沒有發現繪圖策略的顯著優勢。可能的原因是，繪圖策略高度依賴學習者的繪圖技巧，并且與所繪圖像的難度有關。有研究發現，僅僅要求學習者進行繪圖，而不給予任何腳手架，會增加學習者的認知負荷，從而占據了額外的認知資源[9，14，32]。在本研究中，學習者在繪圖策略的使用中沒有接受任何腳手架的幫助，且從學習者繪圖的作品來看，多數學習者的繪圖質量較低，這都有可能阻礙了繪圖策略發揮其優勢，未來研究可以考慮提供何種腳手架支持學習者，以提高繪圖質量，從而提升學習者的學習成績。此外，以往有關繪圖策略有效性的研究多處于文本材料中，而相比于文本材料，教學視頻中豐富的文本、圖像本身就會占用學習者大量的認知資源，學習者將很難在學習過程中利用額外的資源建立連貫的內部表征[33]，因此，繪圖策略的有效性在視頻材料中消失了，未來研究可以探討針對不同模態的學習材料時繪圖策略對學習影響的差異。

此外，本研究也沒有發現想象策略的顯著優勢。可能的原因是，首先，學習者的認知容量是有限的，而想象策略要求學習者對知識進行內在的生成，沒有及時外化的知識積攢在認知容量中，很快會導致認知超載，且沒有外化的知識也較難被學習者所監控和修正[19]。其次，想象策略被以往研究驗證為對于低經驗的學習者無效，而對高經驗的學習者有效[18，20]，這是因為相比之下，高經驗的學習者已經有了一定的心理模型基礎，建立新的心理模型更為容易。而本研究中使用的學習材料為生物學領域的材料，前測成績得分不到30%，由此可見學習者均處于低經驗水平。因此，未來的研究可以考察想象策略對于不同經驗水平學習者的差異影響。

有趣的是，此項研究結果顯示，想象策略組和自我解釋策略組的學習效率顯著高于繪圖策略組。這與以往研究結果發現一致，即盡管繪圖策略能夠顯著提高學習成績，但是也會導致高的心理努力[9，32]。因此，未來在推薦使用學習策略的時候應當謹慎，例如，繪圖策略的學習效率不高，呈現的是“物非所值”，即學習者盡管提高了學習成績，但投入了大量的心理努力;想象策略則表現的是“物有所值”，即學習者沒有投入過多的心理努力，提高學習成績也一般;而自我解釋策略則呈現出“物超所值”，即學習者在投入了一定的心理努力的條件下，最大程度地提升了學習成績。因此，在視頻學習中，自我解釋策略是值得特別推薦的，它能夠讓學習者在一定的心理努力投入下最大幅度地提高學習成績。

六、結論與展望

本研究有關學習策略的探索發現，自我解釋策略在視頻學習中具有顯著的優勢，具體體現在自我解釋策略組中的學習者取得了最高的學習成績和學習判斷，且相比于重復學習組和想象策略組，自我解釋策略組的學習者是部分通過提高學習判斷來提高學習成績的，自我解釋策略組和想象策略組的學習效率均顯著高于繪圖策略組。基于此，本研究提出以下建議：在視頻學習中，教師可以通過提示的方式要求學習者對所學內容進行自我解釋，以提高他們的學習判斷和學習成績。

然而，本研究存在以下不足之處：第一，沒有考慮到個體差異，如先前知識經驗、使用學習策略的偏好等[18-20]。以往研究發現，只有高經驗的學習者能夠從想象策略中獲益，而不是低經驗學習者[17]，因此，未來的研究有必要討論不同學習策略對不同個體差異學習者的影響。第二，本研究所在的環境是計算機機房，盡管在學習過程中要求學習者盡量以真實情境中學習的狀態學習，但難免會受到實驗環境的影響，因而在結論推廣中仍有待驗證。

[參考文獻]

[1] CROOK C， SCHOFIELD L. The video lecture[J]. The internet and higher education， 2017， 34（7）： 56-64.

[2] JUNG Y， LEE J. Learning engagement and persistence in massive open online courses（MOOCs）[J]. Computers & education， 2018， 122： 9-22.

[3] FIORELLA L， MAYER R E. Eight ways to promote generative learning[J]. Educational psychology review， 2016， 28（4）： 717-741.

[4] HEFTER H M， BERTHOLD K. Preparing learners to self-explain video examples： text or video introduction？[J]. Computers in human behavior， 2020， 110（4）： 106404.

[5] MAYER R E. Learning strategies： an overview[J]. Learning and study strategies， 1988： 11-22.

[6] RIGNEY J W. Learning strategies： a theoretical perspective[J]. Learning strategies， 1978： 165-205.

[7] HATTIE J. Visible learning： a synthesis of over 800 meta-analyses relating to achievement[M]. London： Routledge， 2008.

[8] FIORELLA L， MAYER R E. Learning as a generative activity： eight learning strategies that promote understanding[M]. New York：? Cambridge University Press， 2015.

[9] FIORELLA L， ZHANG Q. Drawing boundary conditions for learning by drawing[J]. Educational psychology review， 2018， 30（3）： 1115-1137.

[10] BARTLETT F C， BARTLETT F C. Remembering： a study in experimental and social psychology[M]. New York： Cambridge University Press， 1995.

[11] WITTROCK M C. Generative processes of comprehension[J]. Educational psychologist， 1989， 24（4）： 345-376.

[12] LEOPOLD C， MAYER R E， DUTKE S. The power of imagination and perspective in learning from science text[J]. Journal of educational psychology， 2019， 111（5）： 793-808.

[13] CHENG L， BEAL C R. Effects of student-generated drawing and imagination on science text reading in a computer-based learning environment[J]. Educational technology research and development， 2020， 68（1）： 225-247.

[14] SCHMIDGALL S P， SCHEITHER K， EITEL A. Can we further improve tablet-based drawing to enhance learning？ An empirical test of two types of support[J]. Instructional science， 2020， 48（4）： 453-474.

[15] FIORELLA L， STULL A T， KUHLMANN S， MAYER R E. Fostering generative learning from video lessons： benefits of instructor-generated drawings and learner-generated explanations[J]. Journal of educational psychology， 2020， 112（5）： 895-906.

[16] CHI T H， BASSOK M， LEWIS M， REIMANN P， GLASER R. Self-explanations： how students study and use examples in learning to solve problems[J]. Cognitive science， 1989， 13（2）： 145-182.

[17] COOPER G， TINDALL-FORD S， CHANDLER P， et al. Learning by imagining[J]. Journal of experimental psychology： Applied， 2001， 7（1）： 68-82.

[18] GINNS P， CHANDLER P， SWELLER J. When imagining information is effective[J]. Contemporary educational psychology， 2003， 28（2）： 229-251.

[19] LEAHY W， SWELLER J. Cognitive load and the imagination effect[J]. Applied cognitive psychology： the official journal of the society for applied research in memory and cognition， 2004， 18（7）： 857-875.

[20] LEAHY W， SWELLER J. Interactions among the imagination， expertise reversal， and element interactivity effects[J]. Journal of experimental psychology： applied， 2005， 11（4）： 266-276.

[21] LIN L J， LEE C H， KALYUGA S， WANG Y， GUAN S C， WU H. The effect of learner-generated drawing and imagination in comprehending a science text[J]. The journal of experimental education， 2017， 85（1）： 142-154.

[22] VAN METER P， GARNER J. The promise and practice of learner-generated drawing： literature review and synthesis[J]. Educational psychology review， 2005， 17（4）： 285-325.

[23] CROMLEY J G， DU Y， DANE A P. Drawing-to-learn： does meta-analysis show differences between technology-based drawing and paper-and-pencil drawing？[J]. Journal of science education and technology， 2020， 29（2）： 216-229.

[24] LACHNER A， BACKFISCH I， HOOGERHEIDE V， VAN GOG T， RENKL A. Timing matters！ Explaining between study phases enhances students' learning[J]. Journal of educational psychology， 2020， 112（4）： 841-853.

[25] PAAS F， VAN MERRI？魮NBOER J J G. The efficiency of instructional conditions： an approach to combine mental effort and performance measures[J]. Human factors， 1993， 35（4）： 737-743.

[26] SCHROEDER N L， CHIN J， CRAIG S D. Learner control aids learning from instructional videos with a virtual human[J]. Technology， knowledge and learning， 2020， 25（4）： 733-751.

[27] VAN GOG T， PAAS F. Instructional efficiency： revisiting the original construct in educational research[J]. Educational psychologist， 2008， 43（1）： 16-26.

[28] SWELLER J. Element interactivity and intrinsic， extraneous， and germane cognitive load[J]. Educational psychology review， 2010， 22（2）： 123-138.

[29] WANG C， FANG T， GU Y. Learning performance and behavioral patterns of online collaborative learning： impact of cognitive load and affordances of different multimedia[J]. Computers & education， 2020， 143： 103683.

[30] SERRA M J， DUNLOSKY J. Metacomprehension judgements reflect the belief that diagrams improve learning from text[J]. Memory， 2010， 18（7）： 698-711.

[31] JACOB L， LACHNER A， SCHEITER K. Learning by explaining orally or in written form？ Text complexity matters[J]. Learning and instruction， 2020， 68： 101344.

[32] 王燕青，王福興，謝和平，陳佳雪，李文靜，胡祥恩.一圖抵千言：多媒體學習中的自我生成繪圖策略[J].心理科學進展，2019，27（4）：623-635.

[33] 徐珂.學習策略對教學視頻學習的影響[D].武漢：華中師范大學，2020.