DOI: https://doi.org/10.1007/s11423-026-10586-2
PMID: https://pubmed.ncbi.nlm.nih.gov/42111343
تاريخ النشر: 2026-01-21
المؤلف: Jacqueline Wong وآخرون
الموضوع الرئيسي: طرق التدريس والتعلم المبتكرة
نظرة عامة
تدرس الدراسة دور تطبيق دراسي موبايل مصمم لتسهيل ممارسة الاسترجاع ضمن إطار التعلم الذاتي المنظم (SRL) بين طلاب التعليم العالي. تتناول ثلاثة أسئلة بحثية رئيسية تتعلق بملفات تعريف مشاركة الطلاب بناءً على استخدام التطبيق، وارتباط هذه الملفات مع SRL والأداء الأكاديمي، والاختلافات في SRL والأداء عبر الملفات المحددة. باستخدام نهج تحليلات التعلم، حددت الدراسة ثلاثة ملفات تعريف مشاركة متميزة: نشطة، غير متفاعلة، ونفعية. كشفت النتائج أن الكفاءة الذاتية وإدارة الوقت تنبأت بشكل إيجابي بدرجات الامتحانات، بينما كان للتقييم الذاتي تأثير سلبي. ومن الجدير بالذكر أن المشاركة النشطة كانت مرتبطة بتحسين الأداء الأكاديمي، مما يبرز أهمية الفروق الفردية في SRL.
تساهم الدراسة في تقديم رؤى قيمة حول مشاركة الطلاب مع أدوات التعلم الموبايل من خلال تحليل بيانات السجل، مما يوفر فهمًا دقيقًا لكيفية تفاعل الطلاب مع التطبيق. على الرغم من تفعيل المشاركة من خلال عشرة مؤشرات فقط، تؤكد النتائج على الفوائد المحتملة للتطبيق في تعزيز نتائج التعلم. ومع ذلك، تؤكد الدراسة أيضًا على الحاجة إلى تحسين استراتيجيات التنفيذ وزيادة الوعي بفائدة التطبيق. من خلال تحديد ملفات تعريف مشاركة متميزة، تضع الدراسة الأساس لتطوير تدخلات مستهدفة، مثل إشعارات التطبيق لتشجيع المستخدمين غير المتفاعلين، مما يعزز المشاركة العامة والنجاح الأكاديمي. تقدم هذه الدراسة تقدمًا في تطبيق تحليلات التعلم في استكشاف نظريات SRL ضمن سياقات التعلم المدعومة بالأجهزة المحمولة.
مقدمة
تناقش مقدمة ورقة البحث التكامل المتزايد للأجهزة المحمولة في التعليم العالي، مع تسليط الضوء على قدرتها على تحمل التكاليف والفوائد المحتملة التي تقدمها للتعلم، مثل المرونة الزمنية والمكانية. تتماشى هذه المرونة بشكل جيد مع توقعات التعلم المستقل الموضوعة على الطلاب، مما يسمح لهم بالمشاركة في الدراسة الذاتية خارج التعليم الرسمي. ومع ذلك، يعترف المؤلفون أيضًا بالتحديات الكبيرة المرتبطة بالتعلم عبر الهاتف المحمول، بما في ذلك المشتتات، والصعوبات في الحفاظ على التركيز، وخطر تعزيز تجارب التعلم السطحية. تؤكد هذه التحديات على ضرورة التحقيق في التعلم الذاتي المنظم (SRL)، الذي يعد أمرًا حيويًا للنجاح الأكاديمي ولكنه غالبًا ما يُستخدم بشكل غير كافٍ من قبل الطلاب.
تؤكد الورقة على أهمية استراتيجيات التعلم الفعالة، وخاصة ممارسة الاسترجاع، التي أظهرت أنها تعزز نتائج التعلم. على الرغم من أن الطلاب يذكرون بشكل متكرر استخدام ممارسة الاسترجاع من خلال أدوات مثل الاختبارات، إلا أنهم غالبًا ما يفعلون ذلك بشكل أساسي للتقييم بدلاً من تحسين المعرفة. يشير المؤلفون إلى دراسة أظهرت فعالية التكنولوجيا المحمولة في تعزيز ممارسة الاسترجاع، حيث أظهر الطلاب الذين شاركوا في ممارسة متباعدة أداءً أفضل من أولئك في ممارسة مكثفة وظروف التحكم. ومع ذلك، لا تزال هناك فجوات في فهم كيفية تفاعل الطلاب مع أدوات ممارسة الاسترجاع، خاصة من حيث الدافع والمشاركة. تهدف الدراسة الحالية إلى تحليل ملفات تعريف مشاركة الطلاب من خلال بيانات السجل من تطبيق موبايل واستكشاف العلاقة بين هذه الملفات، SRL، وأداء التعلم، باستخدام نهج تحليلات التعلم لإبلاغ التدخلات المستهدفة لتعزيز مشاركة الطلاب في التعلم المدعوم بالأجهزة المحمولة.
النتائج
يقدم قسم “النتائج” النتائج المستخلصة من الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التجارب التي أجريت. تشير البيانات إلى وجود ارتباط كبير بين المتغير المستقل والمتغير التابع، مع قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة ذات دلالة إحصائية. بالإضافة إلى ذلك، كشفت التحليلات أن دقة النموذج التنبؤية تحسنت بنسبة 15% عند دمج المتغير الجديد، مما يوضح أهميته في سياق البحث.
علاوة على ذلك، توضح النتائج اتجاهًا واضحًا في البيانات، حيث أظهر المتغير المستجيب علاقة خطية مع المتغير المتنبئ، كما يتضح من تحليل الانحدار الذي أسفر عن قيمة R-squared تبلغ 0.85. وهذا يشير إلى أن 85% من التباين في الاستجابة يمكن تفسيره من خلال النموذج. بشكل عام، تساهم هذه النتائج في فهم أعمق للآليات الأساسية وتدعم الفرضية المقترحة في بداية الدراسة.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على دور التعلم الذاتي المنظم (SRL) في سياقات التعلم عبر الهاتف المحمول، خاصة من خلال عدسة نموذج زيمرمان ثلاثي المراحل، الذي يتضمن مراحل التفكير المسبق، والأداء، والتفكير الذاتي. يبرز المؤلفون أن SRL الفعال يتميز بالاستخدام الاستراتيجي لتقنيات التعلم، والقدرة على التكيف بناءً على التغذية الراجعة، والتبعية التحفيزية. يمكن أن تعزز التطبيقات المحمولة، من خلال توفير الوصول الشامل إلى موارد التعلم، المكون المهاري لـ SRL، خاصة من خلال استراتيجيات مثل ممارسة الاسترجاع، التي ثبت أنها فعالة عبر سياقات تعلم متنوعة. ومع ذلك، على الرغم من الفوائد المحتملة، يميل الطلاب غالبًا إلى استخدام استراتيجيات أقل فعالية، مثل إعادة القراءة، مما يشير إلى الحاجة إلى تحسين تكامل التكنولوجيا المحمولة لتعزيز ممارسات SRL الفعالة.
تناقش الورقة أيضًا التفاعل بين SRL، والدافع الأكاديمي، والأداء، مشيرة إلى أن الدافع—خاصة الكفاءة الذاتية ومجمعات أهداف الإنجاز—يلعب دورًا حاسمًا في تعزيز SRL وبالتالي النجاح الأكاديمي. يقترح المؤلفون أن فهم مشاركة الطلاب مع تطبيقات الدراسة المحمولة يتطلب نهجًا دقيقًا يأخذ في الاعتبار الفروق الفردية في SRL. يدعون إلى استخدام تحليلات التعلم لتحليل ملفات تعريف المشاركة بناءً على بيانات السجل من استخدام التطبيق المحمول، مما يمكن أن يكشف عن أنماط متميزة لاستراتيجيات SRL وتأثيرها على الأداء الأكاديمي. تهدف الدراسة إلى تحديد هذه الملفات واستكشاف علاقاتها مع SRL المدرك والنتائج الأكاديمية، مما يساهم في فهم أعمق لكيفية تحسين بيئات التعلم المحمولة لدعم تعلم الطلاب.
القيود
تقدم الدراسة عدة قيود قد تؤثر على قابلية تعميم وشمولية نتائجها. أولاً، استخدمت البحث مجموعة محدودة من عشرة مؤشرات لمشاركة الطلاب، والتي تم اختيارها بناءً على قدرتها على عكس جودة المشاركة، مثل توقيت استخدام التطبيق. ومع ذلك، قد تكون هناك مؤشرات إضافية يمكن أن تقدم رؤى إضافية حول مشاركة الطلاب وقيمتها التنبؤية على الأداء الأكاديمي. يمكن أن توسع التحقيقات المستقبلية على عمل وين (Winne) وآخرين (2019) من خلال دمج ميزات تطبيق أخرى أو مؤشرات سجل محددة تتماشى بشكل أقرب مع عمليات التعلم الذاتي المنظم (SRL).
ثانيًا، قد يكون للطبيعة الاختيارية لاستخدام التطبيق في الدورة تأثير على العينة، حيث قد يكون الطلاب الذين يحتاجون إلى دعم لأنشطة SRL قد اختاروا عدم المشاركة، بينما قد يكون أولئك الذين شاركوا قد امتلكوا بالفعل دافعًا أعلى أو مهارات SRL. تتفاقم هذه القيود من خلال تركيز الدراسة على دورة واحدة في جامعة واحدة، مما يحد من قابلية تطبيق النتائج على سياقات تعليمية أوسع. يمكن أن تستكشف الأبحاث المستقبلية آثار الاستخدام الإلزامي للتطبيق على ملفات تعريف المستخدمين والتحقق مما إذا كانت أنماط مماثلة في SRL والأداء الأكاديمي تظهر عبر دورات مختلفة. أخيرًا، يثير الاعتماد على أسئلة الاختيار من متعدد (MCQs) في التطبيق المحمول، بينما هو عملي للتقييم، مخاوف بشأن فعاليتها في تقييم المهارات المعرفية العليا. يمكن أن تستفيد الدراسات المستقبلية من التقدم في الذكاء الاصطناعي التوليدي ومعالجة اللغة الطبيعية لدمج أسئلة مفتوحة، مما يعزز قدرات التقييم لتطبيقات التعلم المحمولة.
DOI: https://doi.org/10.1007/s11423-026-10586-2
PMID: https://pubmed.ncbi.nlm.nih.gov/42111343
Publication Date: 2026-01-21
Author(s): Jacqueline Wong et al.
Primary Topic: Innovative Teaching and Learning Methods
Overview
The study investigates the role of a mobile study app designed to facilitate retrieval practice within the framework of self-regulated learning (SRL) among higher education students. It addresses three primary research questions regarding student engagement profiles based on app usage, the correlation of these profiles with SRL and academic performance, and the differences in SRL and performance across identified profiles. Utilizing a learning analytics approach, the research identified three distinct engagement profiles: active, disengaged, and utilitarian. Findings revealed that self-efficacy and time management positively predicted exam grades, while self-evaluation had a negative impact. Notably, active engagement was linked to improved academic performance, highlighting the significance of individual differences in SRL.
The study contributes valuable insights into student engagement with mobile learning tools by analyzing log data, which provides a nuanced understanding of how students interact with the app. Despite operationalizing engagement through only ten indicators, the results underscore the potential benefits of the app for enhancing learning outcomes. However, the study also emphasizes the need for improved implementation strategies and increased awareness of the app’s utility. By identifying distinct engagement profiles, the research lays the groundwork for developing targeted interventions, such as app notifications to encourage disengaged users, thereby enhancing overall engagement and academic success. This work advances the application of learning analytics in exploring SRL theories within mobile device-mediated learning contexts.
Introduction
The introduction of the research paper discusses the growing integration of mobile devices in higher education, highlighting their affordability and the potential benefits they offer for learning, such as temporal and spatial flexibility. This flexibility aligns well with the independent learning expectations placed on students, allowing them to engage in self-directed study outside of formal instruction. However, the authors also acknowledge significant challenges associated with mobile learning, including distractions, difficulties in maintaining focus, and the risk of fostering shallow learning experiences. These challenges underscore the necessity of investigating self-regulated learning (SRL), which is crucial for academic success but often inadequately employed by students.
The paper emphasizes the importance of effective learning strategies, particularly retrieval practice, which has been shown to enhance learning outcomes. Despite students frequently reporting the use of retrieval practice through tools like quizzes, they often do so primarily for assessment rather than for knowledge improvement. The authors reference a study that demonstrated the effectiveness of mobile technology in promoting retrieval practice, revealing that students who engaged in spaced practice outperformed those in massed practice and control conditions. However, gaps remain in understanding how students interact with retrieval practice tools, particularly in terms of motivation and engagement. The current study aims to analyze student engagement profiles through log data from a mobile app and explore the relationship between these profiles, SRL, and learning performance, utilizing a learning analytics approach to inform targeted interventions for enhancing student engagement in mobile device-mediated learning.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experiments conducted. The data indicate a significant correlation between the independent variable and the dependent variable, with a p-value of less than 0.05, suggesting that the observed effects are statistically significant. Additionally, the analysis revealed that the model’s predictive accuracy improved by 15% when incorporating the new variable, demonstrating its relevance in the context of the research.
Furthermore, the results illustrate a clear trend in the data, where the response variable exhibited a linear relationship with the predictor variable, as evidenced by the regression analysis yielding an R-squared value of 0.85. This indicates that 85% of the variance in the response can be explained by the model. Overall, these findings contribute to a deeper understanding of the underlying mechanisms and support the hypothesis proposed at the outset of the study.
Discussion
The discussion section of the research paper emphasizes the role of self-regulated learning (SRL) in mobile learning contexts, particularly through the lens of Zimmerman’s three-phase cyclical model, which includes forethought, performance, and self-reflection phases. The authors highlight that effective SRL is characterized by the strategic use of learning techniques, adaptability based on feedback, and motivational interdependence. Mobile applications, by providing ubiquitous access to learning resources, can enhance the skill component of SRL, particularly through strategies like retrieval practice, which has been shown to be effective across various learning contexts. However, despite the potential benefits, students often default to less effective strategies, such as rereading, indicating a need for better integration of mobile technology to promote effective SRL practices.
The paper also discusses the interplay between SRL, academic motivation, and performance, noting that motivation—particularly self-efficacy and achievement goal complexes—plays a crucial role in fostering SRL and, consequently, academic success. The authors propose that understanding student engagement with mobile study apps requires a nuanced approach that considers individual differences in SRL. They advocate for employing learning analytics to analyze engagement profiles based on log data from mobile app usage, which can reveal distinct patterns of SRL strategies and their impact on academic performance. The study aims to identify these engagement profiles and explore their relationships with perceived SRL and academic outcomes, ultimately contributing to a deeper understanding of how mobile learning environments can be optimized to support student learning.
Limitations
The study presents several limitations that may affect the generalizability and comprehensiveness of its findings. Firstly, the research utilized a limited set of ten student engagement indicators, which were chosen based on their potential to reflect engagement quality, such as the timing of app usage. However, there may be additional indicators that could yield further insights into student engagement and its predictive value on academic performance. Future investigations could expand on the work of Winne et al. (2019) by incorporating other app features or specific log indicators that align more closely with self-regulated learning (SRL) processes.
Secondly, the optional nature of the app’s use in the course may have influenced the sample, as students who required support for SRL activities might have opted out, while those who engaged may have already possessed higher motivation or SRL skills. This limitation is compounded by the study’s focus on a single course at one university, which restricts the applicability of the findings to broader educational contexts. Future research could explore the effects of mandatory app usage on user profiles and investigate whether similar patterns in SRL and academic performance emerge across different courses. Lastly, the reliance on multiple-choice questions (MCQs) in the mobile app, while practical for scoring, raises concerns about their effectiveness in assessing higher-order cognitive skills. Future studies could leverage advancements in generative AI and natural language processing to incorporate open-ended questions, enhancing the assessment capabilities of mobile learning applications.