10月21日下午，教育心理学系2022年校庆系列学术报告第二场圆满结束。我系晨晖学者赵欣博士为大家带来题为“儿童对于学业成就的信念、理解与评价”的精彩报告。报告共分为三个部分，分别关于儿童对取得成就过程中的限制的认知、儿童对于天赋与努力的认知、及儿童对学业表现变化的认知。本场报告通过腾讯会议在线直播，吸引了校内外相关研究人员的热情参与。
<1> 研究背景与核心问题
人人渴望成就，但通往成就的道路因人而异。有人一帆风顺，有人逆风翻盘；有人天资卓越，也有人坚持不懈。那么儿童对于学业成就，尤其是取得成就的不同方式和路径有怎样的信念、理解与评价呢？这些认知对他们自身面对困难时的行为又有怎样的影响呢？文化环境在这个过程中又起什么样的作用呢？
尽管此前已有大量研究针对成长型和固定型思维、个体对成功和失败的归因等议题进行探索，目前学界对于年幼儿童的成就认知却知之甚少。然而，许多研究表明，学龄前阶段是儿童毅力与自控力发展的重要阶段，且学龄前儿童在很多方面已有复杂认知，他们的观念与其行为有密切联系。因此，针对学龄前儿童成就认知的研究十分有必要。
<2> 儿童对成就过程中的限制的认知
作为报告的第一个部分，赵欣老师首先介绍了其团队针对“儿童对取得成就过程中的限制的认知”进行的研究，主要包括两个部分：限制认知的发展变化、以及限制认知与坚持行为、目标导向之间的关系。
研究中，“取得成就过程中的限制”主要包括内部限制（如缺乏天赋）和外部限制（如缺乏教育资源）。儿童认知主要关注信念、推理与评价。
针对“儿童对取得成就过程中的限制的信念”，研究团队分别呈现了两个情景：情景一的主人公乐乐不是很聪明，情景二的主人公小晨的学校和老师不是很好。为测评儿童选择信念，研究人员询问儿童：“你觉得乐乐/小晨可以选择在考试中取得好成绩吗？还是他/她一定不能取得好成绩呢？”
研究结果表明，随着年龄增长，儿童逐渐相信人们可以选择克服内在或外在限制而取得学业成就。
为了测量儿童对于限制的推理和评价，研究者给儿童呈现了两个故事人物，一位故事人物需要克服内在限制（不聪明）或外在限制（学校和老师不好）来取得成就，而另外一位主人公不需要克服以上限制就取得同样成就。研究人员分别从推理（“谁更努力？”）、奖励（“你会奖励谁？”）、偏好（“你更喜欢谁？”）和未来成就（“你觉得谁以后会更成功”）几个层面询问儿童及其家长的态度。结果表明，随年龄增长，儿童逐渐认为克服限制的个体更努力，对其评价也更高。
那么儿童对于成就限制的认知与其坚持行为和目标导向之间有怎样的关系呢？为探究这个问题，赵欣老师及其团队设置了两个行为任务测量儿童的行为表现。其中一个任务测量儿童的坚持时间，另外一个任务测量儿童的目标导向。结果，发现儿童对于外在限制的认知与其坚持行为成正比，而儿童对于内在限制的认知与学习目标导向成正比。
<3> 儿童对天赋与努力认知
众所周知，个体成就与天赋和努力紧密联系，那么儿童对于天赋和努力的认知是怎样的呢？赵欣老师及其合作者考察了中国和美国4-6岁及7-9岁儿童对于努力者和天赋者的偏好（“你更喜欢谁？”）、与自身相似性评价（“谁跟你更像？”）、及成就预测（“你觉得谁长大后会更成功？”）。除此之外，研究者还测量了儿童对天赋与努力的可控信念，以及认为根据天赋（而非努力）进行奖励或惩罚更加公平。
<5> 总结与反思
赵欣老师及其研究团队发现，在4-10岁，儿童逐渐相信人们可以克服限制而取得学业成就，认为克服限制取得成就的个体更努力，对其评价更高；儿童越来越偏好努力者，认为努力比天赋可控，奖惩努力更加公平；更加认为进步者比不变者努力，对其评价更高。
研究团队也发现，这些观念可能与坚持行为和目标导向有关，且存在一定文化差异。
关于未来研究方向，赵欣老师认为可以进一步讨论儿童成就认知的发展机制及其对行为的影响，探究儿童能否认识到成本或努力具有双面性，以及探究儿童如何认知成就与幸福之间的关系？种种问题未有定论，仍需未来研究进一步探索。
———————————————————————<PART 1>——————————————————————
接下来还有最后一场校庆系列学术报告欢迎大家关注！
报告三
时间：10月28日（周五） 14:00-15:00
地点：中山北路校区田家炳教育书院205
【主讲人：肖悦】
主讲人介绍
教育心理学系晨晖学者，北京师范大学心理测量与统计学博士。主要研究方向为计算机化测验的过程数据分析，心理与教育测评的理论与应用，结构方程模型，追踪数据分析方法等。
报告主题
计算机化测验中过程数据的信息抽取与测量建模
报告概要
随着信息技术的快速发展，基于计算机的评估逐渐成为教育和心理领域内重要的测评方式。与传统的纸笔测验相比，计算机化测验在测验形式和数据收集等方面具有高度灵活性，为复杂高阶的能力测评提供了支持。例如，研究者可以构建动态仿真的交互式任务，要求作答者与模拟的任务情景进行互动；并且，测验系统能够实时记录作答者在过程中的复杂行为，这些过程行为往往是其内在认知过程与心理活动的外部表现，从而有助于更准确地检测复杂能力。但是，如何有效地利用具有时序性的、非结构化的、信息冗余且海量的过程数据，对教育和心理测量领域的研究者提出了挑战。本报告将以基于计算机的问题解决能力测验为例，介绍如何将机器学习领域的方法应用于过程数据的探索性分析，以及如何结合传统测量模型，将过程信息应用于个体潜在能力的推断。
~END~
