促进数学进步的简单方法
几十年来，美国学生的数学成绩一直落后——与其他发达国家的学生相比，考试成绩一直位居全球倒数 25%——而 COVID-19 大流行使情况变得更糟。 先前的研究表明，以行为科学为基础的针对学生动机的干预措施可以有效地提高数学成绩，这表明对教师采取类似的“行为知情”方法可能会有可比的效果。 Now 是一项发表在《美国国家科学院院刊》上的合作研究，由宾夕法尼亚大学行为改变向善倡议 （BCFG） 的研究人员领导，发现与对照消息相比，行为知情电子邮件略微提高了学生的数学进步。 “我们的结果表明，简单、低成本的助推可以帮助教师支持学生在数学方面的进步，”Angela Duckworth、Rosa Lee 和 Egbert 说在宾夕法尼亚艺术与科学学院和沃顿商学院担任Chang教授，他领导了这项研究并共同指导了BCFG。 “这些助推在不同的学校环境中起作用，在教师停止接受助推后八周，效果仍然存在。” 这项大型研究的关键是与非营利性教育平台 Zearn Math 的合作。 “由于涉及高成本和后勤挑战，关于以教师为中心的干预措施的大规模研究很少见。 感谢我们的与 Zearn Math 合作，我们能够克服这些挑战，“合著者、BCFG 执行董事 Dena Gromet 说。 一项大型研究是“一项大规模的实验，其中多种干预措施同时针对同一结果进行测试，如果您愿意，这是一种锦标赛方法，”合著者 Katy Milkman， James G 说。 沃顿商学院 Dinan Endowed 教授兼运营、信息和决策教授，以及 BCFG 的联合主任。 “因为所有干预措施都是同时进行的并与共同对照组进行比较，这种方法允许直接比较它们的有效性。 在同类研究中规模最大的一项研究中，研究人员将 15 种不同干预措施的效果与仅提醒信息进行了比较。 “这些信息是行为知情的，这意味着它们基于行为科学的先前见解。 例如，一项干预措施要求教师制定一个具体的计划，说明他们在那一周将如何使用Zearn Math，这种方法得到了研究的支持，研究表明，当人们制定详细的计划时，他们更有可能坚持下去。 另一种干预措施吸引了教师对学生的同理心，之前的研究表明，这支持学生的成功，“达克沃斯说。 的合著者 Katy Milkman（左）和 Angela Duckworth 致力于更深入地研究这些干预措施的工作原理以及如何使随着时间的推移，它们会更加有效。 具体来说，研究小组发现，与标准电子邮件提醒相比，行为知情电子邮件在为期 4 周的干预期内将学生的数学进步提高了 1.89%。 最有效的干预措施将学生的数学进步提高了约 5.06%，鼓励教师每周登录 Zearn Math 以获取有关学生进度的最新个性化报告。 ：“一个特别有希望的收获是个性化的提示——那些引用老师自己学生的进度更新的提示——比非个性化的提示更有效，“Duckworth 说。 研究人员指出，尽管他们很有希望，但影响很小。 “这些结果表明，需要比我们测试的轻触电子邮件推送更深入的支持，”Milkman 说。 “它们强调了改变人类行为有多么困难。” Milkman 说，这些发现表明了另外几个有价值的未来研究的途径，包括 “更多的随机分配现场实验，以确认教师靶向助推的因果益处，以及探索行为知情干预的长期影响的研究”。 Duckworth 说，还需要额外的研究，“以确认和解释在推动教师时引用个性化数据的好处。 利用教师的内在动机来帮助学生可能是一种独特且潜在的具有成本效益的方法，可以补充其他干预措施，例如提供绩效奖金和其他外在激励措施。 研究人员的下一步是更深入地研究这些干预措施的工作原理，以及如何随着时间的推移使它们更加有效。 需要进一步的研究来研究助推的长期影响，并探讨为什么某些干预措施比其他干预措施更有效。 “我们越了解某件事为什么有效，就越有力我们可以利用它来创造积极的变化，“达克沃斯说。 “最终，这一系列研究可以帮助制定更智能、更有效的教育政策。” 安吉拉 L. 达克沃斯是宾夕法尼亚大学艺术与科学学院心理学系以及沃顿商学院运营、信息和决策系的Rosa Lee和Egbert Chang教授，也是宾夕法尼亚-沃顿行为改变向善倡议的教师联合主任。 凯瑟琳 L. Milkman 就是 James G。 宾夕法尼亚大学沃顿商学院运营、信息和决策系 Dinan Endowed 教授，宾夕法尼亚大学-沃顿商学院行为改变向善倡议的联合主任。 德娜 M. Gromet 是宾夕法尼亚大学 （University of Pennsylvania） 行为改变向善倡议 （Behavior Change for Good Initiative） 的执行董事。 这项新研究的其他作者是 Ron Berman、Eugen Dimant、Ahra Ko、Joseph S。 凯、郑英宇、玛德琳 K.帕克森，拉蒙 A. 宾夕法尼亚大学的 Silvera Zumaran 和 Christophe Van den Bulte; 宾夕法尼亚大学（University of Pennsylvania）和匹兹堡大学（University of Pittsburgh）的亚丁·哈尔彭（Aden Halpern）; 波士顿大学的 Nina Mazar; 科林 F. 卡梅勒和马科斯 N. 加州理工学院的 Gallo; Colby-Sawyer College 的 Amy Lyon; 玛丽 C. 印第安纳大学的 Murphy; 凯瑟琳 M. 圣心大学的 Kroeper; 本杰明 S. 麻省理工学院的曼宁; Ilana Brody， 恒辰戴和哈尔 E. 洛杉矶大学的赫什菲尔德; Ariel Kalil、Michelle Michelini 和 Susan E. 芝加哥大学的梅耶; 马修 D. 多伦多大学的 Hilchey、Philip Oreopoulos、Renante Rondina 和 Dilip Soman; 华盛顿州立大学的 Elizabeth Canning; 和 Sharon E. 费城的帕克。 本文报道的 研究部分得到了 Zearn Math 的匿名捐助者的支持。 AKO 也部分支持这项研究基金会，J. 亚历山大 M. J. 莱德，W. G. Lichtenstein 和 A. Schiffman 和 J. 希夫曼。