作者簡介：鄭蘭琴，博士，副教授，碩士生導師，北京師范大學教育技術學院；崔盼盼，碩士研究生，北京師范大學教育技術學院；李欣，碩士研究生，北京師范大學教育技術學院（北京 100875）。
基金項目：北京師范大學教育學部在線數字化課程“多媒體技術與網頁設計”建設項目。
引用：鄭蘭琴,崔盼盼,李欣(2018).移動學習能促進學習績效嗎——基于2011-2017年國際英文期刊92項研究的元分析[J].現(xiàn)代遠程教育研究,(6):45-54.
摘要：隨著移動互聯(lián)技術的發(fā)展，移動設備已經成為支持正式和非正式學習的重要工具。如何利用移動設備更好地輔助學習是當前教育領域廣泛關注的話題。然而，對于移動學習是否真正能夠促進學習績效，學界并沒有獲得一致的結論?；?011-2017年國際英文期刊92項移動學習實驗和準實驗研究的元分析表明：利用移動學習確實能夠顯著提升學習者的認知類學習績效，總效應量高達0.85；不同類型的移動設備和在不同學科領域的移動應用對于學習績效的影響具有顯著性差異，移動學習更適用于自然科學和醫(yī)學領域，功能較為單一的手持閱讀器的移動學習績效不理想；不同年齡階段、不同數量規(guī)模、不同學習場所、不同學習時長和學習方式的移動學習績效間沒有顯著性差異，教學者應用移動設備時可以根據實際需要和目標自行選擇。
關鍵詞：移動學習；學習績效；實驗研究；準實驗研究；元分析
一、研究背景
隨著移動互聯(lián)技術的迅猛發(fā)展，移動設備如智能手機、平板電腦、iPad等已經成為支持正式學習和非正式學習的重要工具，也因其可攜帶性、可移動性和強交互性的特點被廣泛應用于教育教學中。余勝泉教授（2007）將學習者在任何時間、任何地點通過移動設備獲取學習資源、與他人進行交流協(xié)作、實現(xiàn)知識建構的過程，稱之為移動學習。移動學習的主要特征體現(xiàn)為便捷性、靈活性、自主性、個性化等（黃榮懷等，2009）。
教師開展移動學習，能夠與學習者進行實時互動，及時給予反饋；還可以實時搜集、分享信息，從而更快捷、更高效地完成教學任務。學習者通過移動學習的方式可以隨時隨地的學習，還能夠在社交媒體上分享信息、獲取領域最新發(fā)展動態(tài)，并與同伴實時交流，從而提高學習效率。盡管移動學習具有諸多優(yōu)勢，但是對于移動學習是否能夠真正提高學習績效①，學界并沒有獲得一致的結論。本研究采用元分析方法對2011-2017年發(fā)表在國際英文學術期刊的92項實驗和準實驗研究進行系統(tǒng)分析，重點探索移動學習對于學習者的學習績效有沒有顯著性影響以及影響移動學習績效的因素有哪些。
二、文獻述評
關于移動學習對于學習績效的影響，大致存在三種不同的觀點：
第一種觀點認為移動學習能夠提高學生的學習績效。例如，有研究者利用RFID和PDA在地理實驗室內觀察巖石并開展探究性學習，結果表明基于移動設備的探究性學習有利于提高學習者的學習績效和探究能力（Wu et al.，2013）。還有研究者發(fā)現(xiàn)利用移動設備支持協(xié)作學習不僅能夠提高小組成員的參與度、互動行為頻率和交互質量，而且能夠顯著提升學習績效（Huang et al.，2014；Joo-Nagata et al.，2017）。王小根等（2014）設計了基于iPad的博物館實地探訪活動，實驗組學生在博物館中進行移動學習，而對照組學生在課堂中采用傳統(tǒng)的多媒體教學進行學習，結果表明在場館中開展移動學習對學生的學習績效、學習興趣具有積極影響，并且有助于增強學生對本土傳統(tǒng)文化的認同感。Su等（2015）設計了三種不同方式對植物進行學習，即學習者利用智能手機開展基于游戲的學習、僅利用智能手機進行學習、不使用智能手機學習，結果表明，利用智能手機開展基于游戲的學習可以顯著提高學習績效和學習動機。
第二種觀點認為采用移動學習對于學習者的績效有負面影響。例如，有研究者采用移動學習策略引導五年級的小學生在田野中學習本土文化，實驗班的學生通過PDA學習本土文化，而控制班采用傳統(tǒng)方式即教師的引導來學習本土文化，結果發(fā)現(xiàn)實驗班學生的學習績效反而比控制班學生低（Chu，2014）。Doolittle 和Mariano（2008）把84名學生隨機分配到傳統(tǒng)和移動的學習環(huán)境中，實驗組的學生采用移動學習，而控制組的學生采用傳統(tǒng)的多媒體學習方式，結果表明采用移動學習方式的實驗組學生學習績效低于采用傳統(tǒng)學習方式的控制組學生。
第三種觀點則認為采用移動學習對學生的學習績效并沒有顯著影響。例如有研究者在歷史博物館中開展了利用移動設備輔助學習的實驗研究，他們把知識水平相當的62名學生隨機分配到使用平板電腦（嵌入電子學習單）、使用紙質學習單、自由參觀（既不使用平板電腦也不使用紙質學習單）三個小組中，結果顯示三個小組的學習績效并沒有顯著性差異（Sung et al.，2010）。另外，Lai（2016）的研究也發(fā)現(xiàn)采用移動學習方式對于學習者的英語詞匯績效沒有顯著影響。
綜上所述，利用移動設備輔助學習對于學習者的學習績效有沒有顯著影響，學術界并沒有獲得一致的結論。事實上，良好的學習績效受多種因素影響，如學習者特征、學習內容、樣本大小、持續(xù)時間、學習方法等。基于此，本文對92項開展移動學習的實驗和準實驗研究進行元分析，探索移動學習對于學習績效的影響，并考察哪些因素會影響移動學習的績效。
三、研究方法
1.元分析方法
元分析方法是一種綜合多個實驗或準實驗研究結果并通過平均效應量（Effect Size，ES）來考察總體效應的統(tǒng)計分析方法（Cooper et al.，2009）。元分析主要通過相同的標準來比較不同研究的結果并提供總體效應量。元分析與傳統(tǒng)的文獻綜述有所不同。傳統(tǒng)的文獻綜述主要對同一研究主題的文獻進行描述性分析或者定量分析。然而，傳統(tǒng)的文獻綜述應用定量分析時，通常采用頻次分析的方法進行簡單統(tǒng)計，但頻次的統(tǒng)計與樣本量的大小有直接關系，樣本量較大則出現(xiàn)的頻次相對較高；反之，頻次的統(tǒng)計量則較小。然而元分析方法卻有效克服了這種局限。元分析方法從同類研究中組織和抽取信息，整合研究結果，并以平均效應量的形式表示整合后的結果，效應量的生成是經過加權平均處理得到的，受樣本量大小的影響較小，因此研究結果更加完整、客觀和科學（毛良斌等，2005）。元分析作為一種定性和定量分析相結合的方法，能夠綜合分析同一研究主題研究結果不一致的單項研究之間的共性，并通過整合單項研究最終形成一致性、普適性、更為精準的研究結論（陳鶴陽等，2015）。另外，元分析的樣本量比單項研究的樣本量大，因此通過元分析得出的研究結論更具有客觀性和全面性（Zimmerman et al.，2011）。
Cooper等認為，元分析的研究過程一般包括7個步驟：確定研究問題；制定文獻的選擇和排除標準；篩選滿足元分析標準的文獻；依據編碼表對篩選好的文獻進行內容分析；計算干預變量的總效應量；分析調節(jié)變量的效應；最后，展現(xiàn)元分析結果并進行深度剖析（Cooper et al.，2009）。本文按照以上7個步驟對移動學習的92項實證類研究開展了系統(tǒng)的元分析。
2.研究樣本
為了獲得高質量的研究，筆者搜集源自Web of Science TM核心合集數據庫的文獻。文獻檢索時，選取與“Mobile Learning”相關的一系列關鍵詞，包括“Mobile Learning”“Ubiquitous Learning”“Mobile Device Learning”“Tablet PC Learning”“Digital Pen Learning”“E-book Learning”“iPad Learning”“Wireless Learning”“Wearable Learning” “Handheld Learning”。時間跨度為2011年至2017年，文獻類型為“Article”，語種為“English”。通過檢索，最初查詢到文獻529篇。為了挑選滿足元分析的文獻，研究制定了如下標準進行篩選：第一，研究必須利用各種不同類型的移動設備進行學習，可以在課堂中進行，也可以在非正式的場所比如科技館、博物館等開展；第二，實驗設計的類型屬于準實驗設計或者真實驗設計；第三，研究包括實驗組和控制組，即實驗組使用移動設備進行學習，控制組不利用移動設備進行學習或者控制組利用移動設備開展不同方式的學習；第四，研究報告實驗組和控制組的學習績效；第五，研究中提供計算效應量的完整數據，如平均值、標準差、F值或者t值。
根據以上標準，通過閱讀529篇文章的全文，最終獲得92篇滿足篩選標準的文章，因此后續(xù)只對這92篇文章進行元分析。研究采用Cohen提出的效應量計算方法（Cooper et al.，2009），如式1所示：
其中，XE和XC分別代表實驗組和控制組學習績效的平均值，NE和NC分別代表實驗組和控制組的樣本大小，SE和SC分別代表實驗組和控制組學習績效的標準差。
3.編碼表
為了考察移動學習對學習績效的影響，筆者對納入元分析的92篇文章進行了內容分析。在參考已有編碼表（Zheng et al.，2014；Sung et al.，2016）和研究問題的基礎上，筆者自主開發(fā)了新的編碼體系，最終編碼表如表1所示。
研究選取兩位具有教育技術專業(yè)背景的研究生對92篇文章進行內容分析。首先，對編碼體系的含義和編碼方法進行培訓。然后，隨機選擇10篇文章進行預編碼，針對不一致的編碼進行講解和分析，從而對編碼體系達成一致的理解。最后，由兩位研究生獨立對所有文章進行背對背編碼。編碼結束后，再次核對兩位研究生的編碼結果，并計算評分者信度。對于不一致的編碼，選取兩人商量后的結果。本研究采用Cohen Kappa系數計算編碼結果的一致性，一致性系數為0.85，表明編碼結果可信。
表1 編碼體系
四、研究結果
本研究采用Biostat公司開發(fā)的Comprehensive Meta-Analysis（CMA）Version 3軟件進行數據分析，包括效應量的計算、異質性檢驗、發(fā)表偏倚和敏感性分析。
1.利用移動設備輔助學習對學習績效的總體效應
為了考察移動設備是否對學生的學習績效產生顯著性影響，本文首先進行異質性檢驗。異質性檢驗的目的是檢驗所有的效應量是否來自同一整體。如果研究間存在異質性，則采用隨機效應模型，反之采用固定效應模型（Rücker et al.，2008）。如表2所示，異質性檢驗結果表明92項研究的效應量分布存在顯著異質性（Q＝983.307，p＝0.000），因此采用隨機效應模型對這92項研究進行合并。Cohen把效應量分成小效應（ES＜＝0.2）、中效應（0.2＜ES＜＝0.8）和大效應（ES＞0.8）（Cohen，1988）。效應量小，表明實驗組與對照組差異??；效應量大，表明二者差異大。本研究發(fā)現(xiàn)，92項研究的總效應量為0.85，大于0.8。因此，利用移動設備輔助學習能夠顯著提升學習者的學習績效。這一發(fā)現(xiàn)與 Cheung和Slavin（2013）的元分析結論保持一致。另外，本文選取92項研究的總樣本為7288人，所以，大樣本量更加保證了研究結論的客觀性和準確性（Cheung et al.，2013）。
表2 總效應量
為了更加深入地分析92項研究的特征，筆者計算出了每項研究的效應值。表3呈現(xiàn)了每項研究的樣本大小、效應量、Z值和P值。根據Cohen對效應值大小的劃分標準，92項研究中效應值在0.8及以上的有35項，且效應值均達到統(tǒng)計上的顯著性（p＜0.05）；效應值介于0.2~0.8的有46項，其中僅有15項效應值未達到統(tǒng)計上的顯著性；效應值在0.2以下的有11項，其中9項研究的效應值未達到統(tǒng)計上的顯著性。由此可見，68項研究表明移動學習對學習績效的提升具有顯著性影響。
表3 各研究計算結果
2.不同類型移動設備對移動學習績效的影響
前面已經論證了移動學習對學生學習績效具有顯著的正向影響作用，那么這種影響作用對于應用不同類型移動設備的學習績效是否也同樣適用呢？異質性檢驗結果（見表4）表明，5種不同類型的移動設備的效應量具有顯著性差異（Q＝15.441，p＝0.004），說明使用不同類型的移動設備對學生的學習績效產生了不同的影響。從表4可以看出，移動手機的效應量大于0.4，說明移動手機對學生學習績效有中度的影響；手持閱讀器、筆記本電腦、掌上電腦、平板電腦的效應量大于0.8，說明這四種設備均對學生學習績效具有高度影響。同時筆記本電腦、掌上電腦、平板電腦、移動手機的效應量都達到了統(tǒng)計顯著水平（p＜0.001），說明它們均對學生的學習績效具有正向的促進作用。手持閱讀器的效應量沒有達到統(tǒng)計顯著水平，可能因為手持閱讀器的功能相對于其他四種設備的功能比較簡單，對學生提供的支持和幫助比較少，所以對學生的學習績效影響效果不顯著。
表4 不同類型移動設備對移動學習績效的影響
3.不同層次學習對象對移動學習績效的影響
為了檢驗不同層次學習對象對移動學習績效的影響，筆者計算了幼兒園小朋友、小學生、中學生、大學生、成人等不同層次的學習對象所對應的效應值、數量、標準誤、方差、95%置信區(qū)間和異質性檢驗結果。從表5可以看出，異質性檢驗結果不顯著（Q＝4.527，p＝0.339），說明不同的學習對象使用移動設備對學生的學習績效不會產生不同的影響效果。進一步分析可以發(fā)現(xiàn)，幼兒園小朋友、大學生和成人的效應量都大于0.8，說明移動學習對幼兒園小朋友、大學生和成人的學習績效具有高度的影響；小學生和中學生的效應量介于0.4~0.8，說明移動學習對小學生和中學生的學習績效具有中度的影響。同時小學生、中學生、大學生和成人的效應量都達到了統(tǒng)計顯著水平（p＜0.05），說明移動學習對小學生、中學生、大學生和成人的學習有正向的促進作用。幼兒園小朋友的效應量沒有達到統(tǒng)計顯著水平，主要原因是幼兒園小朋友年齡比較小，并不具有獨立使用移動設備的能力，所以對其學習績效的影響不顯著。
表5 不同層次學習對象對移動學習績效的影響
4.不同樣本大小對移動學習績效的影響
移動學習到底在多大樣本量上對學生的學習績效有影響呢？為了回答這個問題，表6列出了不同樣本大小對移動學習績效的影響。從表6可以看出，1~50、51~100和101~400這三類樣本的效應量均大于0.8，同時效應量也都達到了統(tǒng)計顯著要求（p＜0.001），說明不同大小的樣本量對學生的學習績效都具有積極影響。但是，異質性檢驗結果不顯著（Q＝0.140，p＝0.932），這表明不同的樣本大小之間沒有顯著性差異，即選用不同類型的樣本數量進行移動學習時都可以提高學生的學習績效。
表6 不同樣本大小對移動學習績效的影響
5.不同學科領域對移動學習績效的影響
為了檢驗不同學科領域對移動學習績效的影響，筆者分別對工程技術、醫(yī)學、自然科學、社會科學四大類學科進行了分析。表7列出了移動學習績效在不同學科領域的相關參數。從表7可以看出，四個學科的效應量都達到統(tǒng)計顯著要求（p＜0.05），說明在這四個學科領域采用移動學習對于學生的學習績效都具有顯著的正向影響。異質性檢驗結果也顯著（Q＝8.231，p＝0.041），說明不同學科的效應量存在顯著性差異，也就是說移動學習應用于不同學科對學生的學習績效會產生不同的影響。其中，工程技術、社會科學的效應量大于0.4，說明在工程技術和社會科學學科中使用移動學習對學習績效有中等程度的影響，而工程技術學科的效應量僅是0.441，主要原因是工程技術領域需要學習者動手操作，僅僅采用移動學習的方式很難實現(xiàn)較好的學習效果。而醫(yī)學和自然科學的效應量均大于0.8，說明在這兩個領域使用移動學習對學習績效具有高度的影響。
表7 不同學科領域對移動學習績效的影響
6.不同學習場所對移動學習績效的影響
學生在不同的場所使用移動設備進行學習會產生不同的學習績效嗎？為了回答這一問題，筆者對正式學習場所、非正式學習場所和混合學習場所三種不同學習場所中進行移動學習的績效進行了分析。從表8可以看出，混合學習場所的效應量大于0.4，說明混合學習場所對移動學習的績效有中等程度的影響；正式學習場所和非正式學習場所的效應量均大于0.8，說明正式學習場所和非正式學習場所對移動學習的績效均具有高度影響。同時這三種學習場所的效應量都達到統(tǒng)計顯著要求（p＜0.001），說明這三種學習場所均對學生的學習績效具有顯著的正向影響。然而，異質性檢驗結果不顯著（Q＝2.206，p＝0.363），說明這三種學習場所的效應量沒有顯著性差異，即在三種不同學習場所使用移動設備進行學習都有助于提高學生的學習績效。
表8 不同學習場所對移動學習績效的影響
7.不同的持續(xù)時間對移動學習績效的影響
為了檢驗不同持續(xù)時間對移動學習績效的影響，筆者計算了少于1天、1~7天、2~4周、5~8周、9~35周不同持續(xù)時間的效應量。從表9可以看出，1~7天、2~4周、5~8周的效應量大于0.4，說明這三種持續(xù)時間對移動學習績效有中等程度的影響；而少于1天和9~35周的效應量大于0.8，說明這兩種持續(xù)時間對移動學習績效均具有高度影響。同時這5種持續(xù)時間的效應量都達到統(tǒng)計顯著要求（p＜0.05），說明移動學習的時長達到這5種持續(xù)時間都能夠對學生的學習績效產生顯著的正向影響。然而，異質性檢驗結果不顯著（Q＝4.018，p＝0.404），說明這5種持續(xù)時間的效應量之間沒有顯著性差異，也就是說使用移動設備進行不同時長的學習都有助于提高學生的學習績效。
表9 不同持續(xù)時間對移動學習績效的影響
8.不同的學習方式對移動學習績效的影響
在實際教學過程中，移動學習常常與其他學習方式結合使用。為了檢驗不同學習方式與移動學習結合使用的學習績效，筆者重點比較了4種學習方式（即協(xié)作學習、基于游戲的學習、探究性學習和自主學習）的績效，如表10 所示。其中，協(xié)作學習的效應量大于0.4，說明協(xié)作學習與移動學習結合使用對學習績效有中等程度的影響；而基于游戲的學習、探究性學習和自主學習的效應量均大于0.8，說明這三種學習方式與移動學習結合使用對學習績效均具有高度影響。同時這四種教學方法的效應量都達到統(tǒng)計顯著要求（p＜0.01），說明這四種學習方式與移動學習結合都能對學生的學習績效產生顯著的正向影響，而且采用探究性學習方式的效應量最大，采用自主學習的效應量最小。然而，異質性檢驗結果并不顯著（Q＝1.816，p＝0.611），說明這四種學習方式與移動學習結合使用的效應量之間沒有顯著性差異，即將協(xié)作學習、基于游戲的學習、探究性學習和自主學習與移動學習結合使用，對于提高學生的學習績效都有積極的促進作用。
表10 不同學習方式對移動學習績效的影響
9.發(fā)表偏倚
發(fā)表偏倚是指具有統(tǒng)計學顯著意義的研究結果較無顯著性意義的結果或無效的結果被報告和發(fā)表的可能性更大的一種傾向（夏凌翔，2005）。發(fā)表偏倚也衡量了有多少沒有達到顯著性水平的研究才能使得結論逆轉。通常采用fail-safe N計算發(fā)表偏倚，包括Classic fail-safe N（Rosenthal，1979）和Orwin’s fail-safe N（Orwin，1983）。Classic fail-safe N主要評估有多少未發(fā)表的研究才能使得已經發(fā)表研究的總效應量達到不顯著的水平。衡量的標準是5 n 10（n指納入元分析的文獻數量），如果fail-safe N遠大于5 n 10，表明未發(fā)表研究結果的效應量對已經發(fā)表研究的總體效應量影響不大。本研究中，正如表11所示，Classic fail-safe N結果顯示降低總體效應量所需要的未發(fā)表研究結果數量是6722，遠遠大于470（5*92 10）。
表11 Classic fail-safe N
Orwin’s fail-safe N主要評估在某顯著性水平下，未發(fā)表研究的結果對已發(fā)表研究的總效應量具有顯著性影響時所需要的數量。正如表12所示，本研究的Orwin’s fail-safe N檢驗的結果顯示在0.01顯著水平下，未發(fā)表研究結果對已發(fā)表研究的總效應量具有顯著性影響時，需要未發(fā)表的研究數量是5809。
表12 Orwin’s fail-safe N
綜上所述，Classic fail-safe N和Orwin’s fail-safe N檢驗的結果充分表明本研究92篇文獻的元分析結果很穩(wěn)定，不存在發(fā)表偏倚現(xiàn)象。
10.敏感性分析
敏感性分析主要用于檢查可能會影響總體效應量的異常值。采用One-Study Removal Analysis來檢測極端積極和消極效應量對總體效應量的影響。本研究中，刪除任何一項研究后的效應量在95%置信區(qū)間的范圍仍然是0.601~0.682（固定效應模型）和0.707~0.983（隨機效應模型），因此刪除任何一項研究都不會影響總體效應量。這也充分說明本研究得出的元分析結果非常穩(wěn)定。
五、結論與啟示
本文采用元分析方法對2011-2017年使用移動設備輔助學習的 92項實證研究進行元分析，主要的研究結論和啟示如下：
第一，總體來看，采用移動學習對學生學習績效的提高具有顯著的促進作用。這表明移動學習對于認知類的學習結果具有顯著的影響。認知類的學習結果通常采用對知識技能測試的方式來考察學習者的學習績效。本研究還發(fā)現(xiàn)，大部分研究主要關注認知類的學習結果，一方面因為容易測查，另一方面也容易提高。研究者很少考察移動學習對非認知能力的影響，比如對學習態(tài)度、學習動機、交流和協(xié)作能力、問題解決能力、創(chuàng)新和變革能力、領導能力等的影響。筆者認為，如何利用移動學習提升學習者的高階認知能力比如批判性思維能力和非認知能力將是未來研究的重要方向，需要繼續(xù)探索和實踐。
第二，移動學習由于便攜性、靈活性和實時交互性，學習者可以進行隨時隨地進行學習，并能及時獲取信息。另外，情境感知、二維碼掃描、射頻識別、增強現(xiàn)實等新技術為學習者創(chuàng)建了真實且豐富的無縫學習環(huán)境，從而促進了學習績效的提升。在實際應用過程中，建議盡量采用大屏幕的移動設備比如平板電腦來輔助學習。另外，學習績效還取決于移動設備上運行軟件的功能。本研究也發(fā)現(xiàn)，手持閱讀器由于其功能比較單一，學習績效不理想。
第三，在學科領域方面，移動學習更適用于自然科學和醫(yī)學領域，而在工程技術領域的學習績效最不理想。因此，移動學習不適合那些需要大量動手操作的學科。另外，不同的學習對象、樣本大小、學習場所、持續(xù)學習時間和學習方式對移動學習績效的影響沒有顯著性差異，可以根據實際需要和目標自行選擇。
第四，移動學習的績效與學習活動的設計密切相關。移動學習一般采用微型學習活動時績效較好。在設計移動學習活動時，筆者認為需要考慮活動的情境、主體、客體、工具、規(guī)則等方面。情境指的是開展移動學習活動的場所包括正式或非正式的學習場所。主體即參與移動學習活動的學習者，設計者需要充分考慮其年齡特征、個性特征、認知水平等?？腕w即學習的對象和內容，包括知識技能、情感、態(tài)度、價值觀等，不同的學習內容需要通過不同的表征方式來呈現(xiàn)。工具則需要考慮學習者采用哪種移動設備和軟件資源來開展移動學習。規(guī)則指的是協(xié)調移動學習活動的規(guī)則、交流互動的規(guī)則和評價活動效果的標準等。這五個方面也是移動學習活動的五個要素，需要精準的設計和選擇。在實施過程中，則可以采用最新的學習分析技術進行精準干預。
第五，學習者在利用移動設備進行學習時，還要避免其負面影響，比如分散注意力、增加認知負荷、冗余效應、手機沉迷等。解決這些問題的辦法一方面要通過加強學習者的自控能力、自我調節(jié)學習能力來實現(xiàn)，比如學習者進行移動學習之前要設定明確的學習目標、制定合理的學習計劃、實時監(jiān)控學習進展，并根據學習目標進行適應性調整。另外，也需要教師和家長的合理管控和監(jiān)督，引導學習者利用移動設備進行有效學習。
注釋：
① 本文的學習績效指學生學習成績。
參考文獻：
[1]陳鶴陽,朝樂門(2015).元分析方法在信息分析中的應用[J].情報資料工作, (6):46-50.
[2]毛良斌,鄭全全(2005).元分析的特點、方法及其應用的現(xiàn)狀分析[J].應用心理學, (4):354-359.
[3]夏凌翔(2005).元分析方法的幾個基本問題[J].山西師大學報(社會科學版), (3):34-38.
[4]王小根,王夢如,陳心儀(2014).基于移動設備的場館教育對學生傳統(tǒng)文化知識學習的影響研究[J].現(xiàn)代遠距離教育,(5):74-79.
[5]黃榮懷, 王曉晨, 李玉順(2009). 面向移動學習的學習活動設計框架[J].遠程教育雜志,(1):3-7.
[6]余勝泉(2007).從知識傳遞到認知建構,再到情境認知——三代移動學習的發(fā)展與展望[J].中國電化教育,(10):7-18.
[7]Cheung, A. C. K., & Slavin, R. E. (2013). The Effectiveness of Educational Technology Applications for Enhancing Mathematics Achievement in K-12 Classrooms: A Meta-Analysis [J]. Educational Research Review, 9(6):88-113.
[8]Chu, H.-C. (2014). Potential Negative Effects of Mobile Learning on Students’ Learning Achievement and Cognitive Load: A Format Assessment Perspective[J]. Educational Technology & Society, 17 (1):332-344.
[9]Cohen, J. (1988). Statistical Power Analysis for The Behavioral Sciences(2nd ed.) [M]. Hillsdale, NJ: Erlbaum.
[10]Cooper, H., Hedges, L. V., & Valentine, J. C. (Eds.). (2009). The Handbook of Research Synthesis and Meta-Analysis[M]. New York, Russell Sage Foundation: 226-235.
[11]Doolittle, P. E., & Mariano, G. J. (2008). Working Memory Capacity and Mobile Multimedia Learning Environments: Individual Differences in Learning While Mobile[J]. Journal of Educational Multimedia and Hypermedia, 17(4): 511-530.
[12]Huang, Y., Liao, Y., & Huang, S. et al.(2014). A Jigsaw-Based Cooperative Learning Approach to Improve Learning Outcomes for Mobile Situated Learning [J]. Journal of Educational Technology & Society, 17(1): 128-140.
[13]Joo-Nagata, J., Abad, F. M., & Giner, J. G. B. et al.(2017). Augmented Reality and Pedestrian Navigation Through Its Implementation in M-Learning and E-Learning: Evaluation of an Educational Program in Chile [J]. Computers & Education, 111: 1-17.
[14]Lai, A. (2016). Mobile Immersion: An Experiment Using Mobile Instant Messenger to Support Second-Language Learning [J]. Interactive Learning Environments, 24(2):277-290.
[15]Orwin, R. G. (1983). A Fail-Safe N for Effect Size in Meta-Analysis[J]. Journal of Educational Statistics, 8(2):157-159.
[16]Rosenthal, R. (1979). The File Drawer Problem and Tolerance for Null Results [J]. Psychological Bulletin, 86(3):638-641.
[17]Rücker, G., Schwarzer, G., & Carpenter, J. R. et al. (2008). Undue Reliance on I2 in Assessing Heterogeneity May Mislead [J]. BMC Medical Research Methodology, 8(1): 79.
[18]Su, C., & Cheng, C. (2015). A Mobile Gamification Learning System for Improving the Learning Motivation and Achievements [J]. Journal of Computer Assisted Learning, 31(3):268-286.
[19]Sung, Y., Chang, K., & Hou, H. et al. (2010). Designing an Electronic Guidebook for Learning Engagement in a Museum of History [J]. Computers in Human Behavior, 26(1):74-83.
[20]Sung, Y., Chang, K., & Liu, T. (2016). The Effects of Integrating Mobile Devices With Teaching and Learning on Students’ Learning Performance: A Meta-Analysis and Research Synthesis [J]. Computers & Education, 94:252-275.
[21]Wu, P., Hwang, G., & Tsai, W. (2013). An Expert System-based Context-Aware Ubiquitous Learning Approach for Conducting Science Learning Activities [J]. Journal of Educational Technology & Society, 16(4): 217-230.
[22]Zheng, L., Huang, R., & Yu, J. (2014). Identifying Computer-Supported Collaborative Learning (CSCL) Research in Selected Journals Published from 2003 to 2012: A Content Analysis of Research Topics and Issues [J]. Journal of Educational Technology & Society, 17(4):335-351.
[23]Zimmerman, B. J., & Schunk, D. H. (2011). Handbook of Self-Regulation of Learning and Performance [M]. Milton Park: Taylor & Francis: 376-390.
收稿日期 2017-11-22 責任編輯 汪燕
