SuperAPI AI 工具集

learning-science-guide

写作与研究

查看项目

更新于 10-16 07:17

技能介绍

用途:把循证学习科学原理应用于教育研究、教学设计与教学实践,依据认知心理学与教育神经科学。

主要能力:认知负荷理论(Sweller, 1988),区分内在、外在、关联负荷并给出设计策略(由简到繁、分块、去冗余、空间接近、范例、自我解释),附按元素交互度估算内在负荷的 Python 函数 estimate_intrinsic_load(elements, interactions);建构主义与主动学习,列出效应量——Think-Pair-Share d=0.41、问题式学习 d=0.68、同伴教学 d=0.74、探究实验 d=0.52;提取练习(Roediger & Karpicke, 2006)给出学习时段结构:初次编码 15 分钟、自由回忆 10 分钟、核对补漏 5 分钟,以及 1 天、7 天、30 天后的间隔提取各 10 分钟;间隔重复给出 SM-2 风格函数 next_review_interval(repetition, ease_factor=2.5, quality=4);交错练习与合意困难(Rohrer & Taylor, 2007),说明组块练习短时收益高但长期遗忘,交错练习练习期更难但保持更好;评估设计含 Bloom 分类对齐(记忆到创造各级动词与对应评估形式)与题目分析,建议难度 p 值在 0.30–0.70、区分度高于 0.30。

使用方式:作为技能说明与算法参考,在课程设计、题库编排、复习计划与评估编制中按上述原则实施;示例函数可按原样复用并传入自身知识点与交互关系。

适用场景:教育研究、教学实践、课程与评估设计、学习工具开发。

限制:资料未提供收费、平台支持、安装命令、数据来源规模与效果验证细节;效应量与算法基于所列文献,实际应用需自行验证。