提出好的問題對於知識建構和科學學習至關重要。黃和她同事。進行了兩項實驗以研究「邊教邊學」（教學式學習）對生成研究問題的影響，並將其與另外兩種生成學習方法進行比較：提取練習（retrieval practice）和概念圖（concept-mapping）。研究問題對應於布魯姆學習層次（識記、理解、應用、分析、評鑑、創造）中的「創造」層次，代表通過新穎的調查探究產生新知識的最高層次。

來自新加坡國立大學共 152位本科生參加了兩個實驗。他們首先被指導生成創建層次的研究問題，然後獲得一篇科學文字材料，並隨機分配到三種學習方法之一：（a）建構概念圖，（b）具有學習和提取間隔的提取練習，或（c）通過筆記準備，視頻教學和回答預設問題來進行教學。在實驗1中，參與者在實驗1的學習階段結束後立即測試他們生成創造層次問題和回憶文本內容的能力。在實驗2中，所有三組在學習期間都回答了預設問題問題，並且在48小時後進行測試。調查結果如下：

• 在兩個實驗中，進行「邊教邊學」產生的創造層次研究問題比概念圖或提取練習更多。
• 在兩個實驗中，進行「邊教邊學」在內容回憶方面比概念圖表現更佳，但與提取練習相比沒有顯著差異。
• 進行「邊教邊學」在學習後即時的內容回憶測試中表現優於提取練習，但在48小時延遲測試中提取練習表現更好。

結果表明，僅僅獲得資料性知識對提高高階研究問題生成能力是不夠的。教學涉及組織材料，產生闡述和推論，以幫助觀眾理解。因此，作者建議參與「邊教邊學」者體驗更高水平的生成處理，使他們能夠產生新的想法和研究問題。

文獻來源：Wong, S. S. H., Lim, K. Y. L., & Lim, S. W. H. (2023). To ask better questions, teach: Learning-by-teaching enhances research question generation more than retrieval practice and concept-mapping. Journal of Educational Psychology. https://doi.org/10.1037/edu0000802… Read the rest

閱讀理解是一項必需技能，因此，識別有效的策略來支援兒童發展這項技能至關重要，特別是當他們在閱讀方面面對挑戰時。在最近的貝氏網路統合分析（Bayesian network meta-analysis, BNMA）中，研究人員檢視了各種閱讀理解策略的組合在干預3至12年級有閱讀困難學生方面的有效性。

統合分析包括52項研究，重點關注常用策略，包括主要觀點，文本結構，複述，自我監測，組織圖，推論和預測。在研究的35種可能策略組合中，統合分析發現「主要觀點 – 文本結構 – 複述」組合在提高閱讀理解方面最有效（標準平均差 SMD = 1.72）。緊隨其後的是主要觀點 – 文本結構-自我監測-組織圖組合（SMD = 1.13），其次是主要觀點策略（SMD = 1.07）。這些組合和個別策略對提高閱讀理解能力顯示出顯著的正面影響。

相反，效果最差的組合是推理-文本結構（SMD = -0.61）、複述 – 組織圖（SMD = -0.03）和主要觀點 – 推論 – 文本結構–預測–自我監測（SMD = 0.05），對提高閱讀理解有負面影響或最小影響。除策略有效性外，研究還強調了背景知識教學的調節作用，它顯著增強了策略的整體效果。研究強調了在實施閱讀理解策略時考慮背景知識教學的重要性，以減少認知負荷並促進知識檢索。總體而言，這些發現挑戰了單一最重要策略的概念，並強調了不同策略的相互作用和組合。

文獻來源（開放取用）：Peng, P., Wang, W., Filderman, M. J., Zhang, W., & Lin, L. (2023). The Active Ingredient in Reading Comprehension Strategy Intervention for Struggling Readers: A Bayesian Network Meta-analysis. Review of Educational Research, 00346543231171345. https://doi.org/10.3102/00346543231171345… Read the rest

對於教育研究的使用者來說，效應值在理解哪些策略和干預可能對學習過程和學生成績產生最大影響方面起著關鍵作用。在Educational Researcher最近的一篇文章中，Kraft使用大量的效應值數據來重複他之前的分析，為要更實際地反映何謂教育干預的大、中、小效應值。他認為有必要重新調整我們如何解釋效應值基準，以及一般情況下如何衡量教育干預的成功。他分析的重點是要承認許多教育干預未能對學生的成績產生實質性影響，而不是忽視這些結果，它們應該是解釋效應值基準的政策相關性的組成部分，和對何謂有意義的影響設定實際期望之關鍵。

雖然研究設計和背景在多方面存在差異，使比較不同研究的效應值殊不簡單，但在綜合大量數據、在其中尋找分佈模式和進行更廣泛的推論方面，效應值仍然有用。該重複分析包括973項研究和3,426 項效應值，結果顯示效應值的分佈中第30百分位數（percentile）=+0.02、第50百分位數（中位數）=+0.10，和第70百分位數=+0.21。進一步的細分顯示，採用隨機對照試驗標準化測試成績的研究中有36%的效應值小於+0.05。把效應值基準銜接到事實上，即大部分干預不會顯著提高學生成績，這樣有助於更好地理解現實增長。

Kraft的文章強調了對效應值基準細緻入微解釋的必要性，這些基準旨在幫助制定基於實證的政策，並與統計顯著性的信息及理解效應值估計的大小和精確度相結合。然而，只關注效應值有時會使教育界忽視產生漸進式改善的不那麼顯眼的干預措施。總體而言，理解整個教育研究領域的效應值有助於更深入解釋教育干預的影響，促進教育政策和實踐中的基於實證決策。

文獻來源：Kraft, M. A. (2023). The Effect-Size Benchmark That Matters Most: Education Interventions Often Fail. Educational Researcher, 52(3), 183–187. https://doi.org/10.3102/0013189X231155154… Read the rest

在進行系統綜述的研究時，初步篩選是通過在電子記錄中策略性快速搜尋文獻的標題和摘要，以確定它們與綜述的相關性。這是系統綜述中最耗時的任務之一。

約翰斯霍普金斯大學教育研究與改革中心的Zhang和Neitzel最近進行的一項研究回顧了為支援篩選過程而開發的工具。作者對發表在Review of Educational Research上的系統綜述中使用的工具進行了綜述，並評估了它們的特點。

結果顯示，僅有4%的研究報告使用了篩選工具，如DistillerAI、EPPI-Rereview和Covidence。根據作者進行的特點分析，Covidence、DistillerAI和EPPI-Reviewer是表現最佳的工具。總結而言，作者提出了一個決策樹，以支援研究人員根據相關功能（如全文審查功能、成本和機器學習）選擇正確的工具進行審查。

文獻來源：Zhang, Q., & Neitzel, A. (2023). Choosing the Right Tool for the Job: Screening Tools for Systematic Reviews in Education. Journal of Research on Educational Effectiveness, 0(0), 1–27. https://doi.org/10.1080/19345747.2023.2209079… Read the rest

提供有價值的反饋對教育工作者來說，是鼓勵學生進步和豐富學習的必要之舉。有效的反饋有助於消除誤解，縮小學生當前水準與期望目標之間的差距。然而，提供不適當的反饋可能會產生負面的後果，阻礙進步。教師的反饋對於提高學生的成績至關重要，但確定最有效的指導形式仍然是一項挑戰。

教育捐獻基金會(The Education Endowment Foundation)發佈了一份報告，其中包含對教師的六項建議，旨在通過反饋支援學生的學習。這些建議將實證研究成果與學者和前線教育從業員的專業知識相結合。每項建議都以一個具體場景作為開始，描繪教師時常面臨的挑戰，然後解析包括代表性反饋實踐方法的案例研究，並總結根據實證和專家小組的專業知識提出可能有效的技巧和建議。

前三項建議為主要指導的原則：（1）通過高質素的教學和發展性評估為有效反饋奠定基礎；（2）提供強調學習進度的適時反饋；（3）為學生制定接收和應用反饋的計劃，包括應用反饋的適當時機等。另外兩項建議鼓勵教師仔細考慮反饋方式，即依據反饋的目的和效率，適當選擇（4）書面反饋還是（5）口頭反饋。最後一項建議是（6）制定強調和闡述有效反饋原則的學校政策。

該報告對教師來說很有價值，為他們提供了一個指南，指導他們如何以最有可能對學生產生積極影響的方式提供反饋。

文獻來源（開放取用）：Teacher Feedback to Improve Pupil Learning. (2021, October 27). EEF. https://educationendowmentfoundation.org.uk/education-evidence/guidance-reports/feedback… Read the rest