11~14岁超常儿童与普通儿童问题解决能力的发展比较

以北京市某中学和某小学11~14岁之间294名学生为被试, 其中超常儿童131人, 普通儿童163人。采用推箱子任务, 结合横向比较和纵向追踪数据, 从认知能力、元认知能力和认知效率三个维度来考察超常儿童与普通儿童问题解决能力的发展差异。结果发现超常儿童在问题解决能力的三个维度上均优于普通儿童, 两类儿童问题解决能力的发展模式不一致：超常儿童的问题解决能力发展先快后慢, 快速发展期在11~12岁半之间; 普通儿童的问题解决能力发展先慢后快, 快速发展期在12岁半~14岁之间。超常儿童与普通儿童的问题解决能力差异随年龄增大逐渐减小。     

利用游戏log-file预测学生推理能力和数学成绩——机器学习的应用

以360名初中生为被试, 使用推箱子游戏, 结合游戏日志文件(log-file)和机器学习技术预测学生的推理能力和数学成绩。预测变量是从推箱子的过程数据中提取的一系列特征指标, 结果变量是瑞文推理测验成绩和数学成绩, 且均以25%为高低分组的临界值转换为二分变量。结果发现, 训练的模型预测推理能力最高能获得76.11%的查准率、65.72%的精确率、63.10%的查全率以及65.01%的F1得分; 预测数学成绩最高能获得83.07%的查准率、73.70%的精确率、73.33%的查全率以及75.57%的F1得分。研究结果说明, 机器学习建立的区分模型具有较好的预测效果, 利用log-file所记录的游戏过程数据可以对个体的能力进行有效预测。