人工智能在教育中的应用：基于冷热执行功能的中学生决策树学习结果
作者：Losada, José Luis
介绍
可持续发展目标 (SDG) 4 致力于优质教育。其具体目标4.1旨在确保到2030年，所有女孩和男孩都能完成小学和中学教育，这些教育应该是免费、公平和高质量的，产生相关和有效的学习成果。
学生的学业成绩受到多种个人、家庭和教育背景变量的影响（Martínez-Perez 等，2017）。2020年;拉穆多-安迪恩等人。2020年）。在这些变量中，本研究重点关注执行功能。执行功能是高级认知和情感过程，能够在新奇和/或复杂的情况下解决问题，允许行为适应不断变化的环境以实现目标（钻石2020年;泽拉佐和卡尔森2020年）。这项研究强调执行功能，因为：（1）它们是显着影响学习成果的变量（Ahmed 等，2016）。2019年;巴恩斯2023年;曹等人。2023年;达克沃斯等人。2019年;Gunzenhauser & Nückles2021年;胡桐2018年;斯皮格尔等人。2021年;范泰特林等人。2022年）。执行功能通过几种不同的途径影响学习成果。执行功能涉及保留和操纵信息、抑制不相关信息、审查错误、交替不同策略或产生新策略的能力。这些过程是成功完成学术任务的基础（Zelazo 和 Carlson2020年;泽拉佐等人。2024年）。此外，高水平的执行功能还包括减少内部和外部干扰的能力（例如，抵制被同伴分散注意力），使学生能够专注于手头的任务，遵循老师的指示，并普遍遵守遵守课堂规则。这些积极的学习习惯可以改善学习成果（Ahmed 等人，2017）。2024年）。此外，执行功能还意味着学生调节情绪的能力。研究表明，情绪会影响学生的学习和成绩（De Neve 等，2017）。2023年;德法兰西和霍伦斯坦2021年;卡拉吉安诺普卢等人。2023年）。这对于负面情绪尤其重要，因为经历负面情绪与信息处理速度变慢有关，这会对学习和学业成绩产生不利影响（Scrimin 等，2017）。2014年;苏廷等人。2022年）。充分的情绪调节还可以促进与同龄人和老师的关系，增加他人的接受度和团体归属感。这反过来又有助于培养更多的动力、积极的态度和对学术事务的参与，从而促进学习（De Neve 等人，2017）。2023年;卡拉吉安诺普卢等人。2023年）。(2) 它们是可修改的，允许进行改进干预（Gunzenhauser & Nückles2021年;泽拉佐和卡尔森2020年）；因此，教师和其他专业人员可以设计策略来增强它们，从而使学生的学习成果受益。因此，执行职能是促进学业成功的关键目标。(3) 尽管考虑到它们与学习成果的关系，它们是各种研究的主题，但仍未解决的问题仍然需要进一步、详细的调查。
大多数关注这一主题的著作的一个局限性是在考虑执行功能时所采取的经典和还原论观点，仅包括认知过程而排除情感过程。目前，执行功能分为认知（称为冷或冷执行功能）和情感（称为热执行功能）过程（Poon2018年;泽拉佐等人。2016年,2024年）。前者指的是在中性情境中涉及的纯粹认知过程，其中没有情绪负荷。根据不同的作者的说法，注意力、启动、工作记忆或更新、抑制、认知灵活性或转移、行为监控、流畅性、推理、组织、解决问题和计划等过程都是冷执行功能（Carlson等，2017）。2013年;钻石2013年,2020年;劳雷斯等人。2022年;三宅等人。2000年;萨姆博尔等人。2023年;范泰特林等人。2022年）。特别是，冷执行功能与背外侧前额叶皮层的激活有关（Salehinejad 等，2017）。2021年;泽拉佐等人。2024年）。另一方面，热执行功能涉及情感或动机情境，在情绪效价较高的环境中；即，无论是在具有社交互动成分的情况下，还是在产生情感和动机的对个人有意义的问题中，以及在即时满足和更大的长期奖励之间存在紧张关系的情况下（Poon2018年;泽拉佐等人。2016年,2024年）。近年来，情绪调节、心理理论、同理心、自我参照、情商、道德判断，特别是情感决策、延迟满足或延迟折扣等方面被提出作为热门的执行功能（de la富恩特等人。2022年;德卢卡和莱文特2008年;哈帕尼等人。2004年;克尔和泽拉佐2004年;萨莱希内贾德等人。2021年）。主要地，热执行功能与前额皮质的眶额和腹内侧区域的活动相关（Salehinejad 等，2017）。2021年;泽拉佐等人。2024年）。尽管热执行组件和冷执行组件是不同且独立的，但它们在神经解剖学基础上是相互关联的，并且可以协调响应每项任务的需求（Salehinejad 等，2017）。2021年;泽拉佐等人。2024年）。
许多关注执行功能和学习成果之间关系的研究的另一个局限性是，仅包含（无论参与者的年龄）执行功能的认知成分，这些认知成分发展较早，并且被大多数作者认为是执行功能的核心成分（三宅等人。2000年）：工作记忆（在头脑中存储信息并在心理上处理这些信息）、抑制力（抵制诱惑和冲动行为的能力，以及通过抑制不相关信息来保持选择性注意力的能力）和认知灵活性（能力）在不同的任务、规则或心理内容之间切换，从而以不同的方式解决问题或从不同的角度看待事物）。因此，许多研究往往忽视后来发展的其他高度相关的认知成分，例如规划（制定计划或路线图以实现目标的能力）（钻石2020年）。
本研究旨在通过分析学习成果和执行功能（包括认知和情感过程）之间的关系来克服这些局限性。在认知过程中，冷执行功能包括早期发育执行功能（工作记忆、抑制和认知灵活性）以及后期发育执行功能，在青春期特别相关，例如计划（Laureys等，2017）。2021年,2022年）。在情绪过程（即热执行功能）中，包括情绪调节。它考虑了影响我们拥有哪些情绪、何时拥有它们以及我们如何体验和表达它们的过程（Gross1999年）。换句话说，情绪调节是指为了适应社会环境或实现一个人现在或未来的目标而负责监视、评估和修改情绪反应，特别是其强度和时间特征的过程（汤普森）1994年）。在不同的热门执行功能中，我们在研究中选择它的理由如下。根据文献，正如前面已经提到的，情绪调节在学习环境中尤为重要（De Neve 等人，2017）。2023年;德法兰西和霍伦斯坦2021年;卡拉吉安诺普卢等人。2023年）。在学术学习和成就的背景下，学生可能会遇到一系列积极和消极的情绪（例如学习的喜悦或失败的耻辱），与任务或自我相关的情绪（例如成功的快乐，焦虑）和社会情感（例如钦佩、嫉妒）。这些情绪会影响学业成功。积极的情绪可以增强动机、认知资源、学习策略的使用和整体学业成绩。当负面情绪出现时，就会发现相反的影响。因此，有效调节负面情绪对于成功学习尤其重要（Lobczowski 等，2017）。2021年）。然而，实现对负面情绪的有效调节并不容易，尤其是对于青少年学生（本研究的参与者）。青春期是情绪调节能力较差的时期。与冷执行功能相比，青少年更难以行使热执行功能，因为参与具有动机的重要情况的神经回路发展较晚（准确地说，青春期是其相关的发展时期），而且因为这些情况通常本质上要求更高（西尔弗斯）2022年;托特纳姆热刺2024年）。然而，尽管青春期的情绪调节能力较差，但考虑到这个进化阶段的众多变化和新要求，以及青少年必须面对和适应社会功能规范的众多变化和新要求，在许多场合和背景下，这种情绪调节是必要的。多个生活领域的变化幅度可能会增加这一人生阶段的情绪不稳定性（Silvers2022年;托特纳姆热刺2024年）。具体而言，在教育层面，在中等义务教育期间，青少年必须面临每天在校时间大幅增加、科目增多、选择学科路径、教师增多但支持较少、作业、考试和控制增多、学业成绩提高等问题。这使得青少年与小时候相比，日常生活中的烦恼更多，情绪波动更大，积极情绪更少，消极情绪更多。此外，青少年必须学会比小时候更独立地调节这些情绪（De Neve 等人，2017）。2023年;伦纳兹等人。2019年）。尽管情绪调节在这个发展阶段和学习环境中很重要，但关注青春期情绪调节的研究仍然有限，检查学校等自然环境中的情绪调节的研究也是有限的（De France & Hollenstein）2021年;伦纳兹等人。2019年）。将这两个方面结合起来的研究就更少了。因此，研究青少年教育和学习环境中的情绪调节迫在眉睫（Fombouchet 等，2017）。2023年,2024年;皮诺切特-奎罗斯等人。2022年）。我们的研究旨在帮助消除这些差距并满足这一需求。
因此，这项工作检查的执行功能包括工作记忆、抑制、认知灵活性、计划（冷执行功能）和情绪调节（热执行功能）。因此，我们的研究涵盖了青春期最相关的冷和热 EF（Laureys 等，2017）。2021年,2022年），此外，还解决了最近研究中发现的一个空白，这些研究要求在这一生命阶段的教育和学习环境中纳入热执行功能，特别是情绪调节（Fombouchet 等，2017）。2023年,2024年;皮诺切特-奎罗斯等人。2022年）。
正如我们所揭示的，执行功能被认为是学术成就和学生学习的决定因素（Ahmed 等，2017）。2019年;巴恩斯2023年;曹等人。2023年;杜布克等人。2020年;达克沃斯等人。2019年;乔治欧等人。2020年;Gunzenhauser & Nückles2021年;惠津加等人。2024年;胡桐2018年;斯皮格尔等人。2021年;范泰特林等人。2022年）。然而，并非所有执行组件对于此目的都同样重要（Cirino 等，2017）。2024年;克拉格和吉尔摩2014年;肯德欧等人。2014年）。尤其是工作记忆，与学习成果的相关性最为一致（Ahmed 等人，2017）。2019年;阿洛韦2006年;允许与允许2010年;安贾里亚等人。2022年;西里诺2023年;西里诺等人。2024年;菲茨帕特里克等人。2015年;弗洛雷斯-杜兰戈等人。2022年;格斯特等人。2017年;杜布克等人。2020年;罗斯等人。2011年;Studer-Luethi 等人。2022年;蒂茨和卡尔巴赫2014年;王高2022年）。根据其他研究，虽然数量较少，但抑制也始终与学习成果相关（Dubuc 等，2017）。2020年;普里维特拉等人。2023年）。然而，认知灵活性和情绪调节并不总是与学业成绩相关（van der Sluis 等，2017）。2007年）。这些不一致的结果应该得到澄清。
至于程序问题，为了实现可持续发展目标4优质教育及其具体目标，教科文组织倡导使用信息和通信技术，特别是人工智能（教科文组织）2019年）。教科文组织建议考虑人工智能在处理经验教育数据方面取得的重大进展，从而获得有价值的结果，促进基于证据的决策。因此，这些决定更加合适，也更有可能成功，最终有助于确保优质教育。
根据这一建议，本研究使用人工智能作为分析方法，以检查学习成果与执行功能之间存在的关系。更具体地说，使用了机器学习或自动化学习。机器学习研究领域仍处于早期阶段，但正在快速发展，与传统统计方法相比，在学习结果分类和预测的准确性方面取得了重大进步（Su等人，2017）。2022年）。人工智能（特别是机器学习）的使用是实现 SDG 4 的机会，因为它促进了学生学习成果的分类和预测，特别是在其优化方面（Vinuesa 等，2017）。2020年）。这是通过识别不同的学生群体来实现的，每个学生群体的特点是影响学习成果的各种变量的相互作用。反过来，这允许为每个群体设计具体的干预措施，以改善与每个群体相关的变量为目标。
在机器学习的各种算法中，强烈推荐决策树，原因有几个，包括它们处理缺失数据的能力以及与其他算法相比具有更大的可解释性（Costa & Pedreira）2023年）。决策树涉及多种分析策略，例如分类和回归树 (CART)，它能够将总体分类和分割为不同的子组，其中每个子组的成员共享可能影响特定行为的特征（在本研究中，学习成果) (陈、夏2011年）。为了创建这些同质的亚组，同时关注多个属性（在本研究中，变量是工作记忆、抑制、认知灵活性、计划和情绪调节的执行功能），为每个亚组选择最重要的属性。因此，决策树允许构建变量组合（上述执行功能），并根据重要性进行组织，从而根据学生的学习成果产生不同的概况。决策树概况能够识别和预测人口中的哪些成员将属于这些特定概况。这允许根据确定每个学生概况的特征设计不同的教育干预措施，从而产生更有效的教育行动。尽管具有潜力，但使用机器学习来识别学生档案仍然是教育研究中的一个挑战（de Souza Zanirato Maia 等人，2017）。2023年），本研究有助于其进步。
因此，我们提出了以下研究问题：哪些执行功能的组合构成了义务中等教育学生的语言、文学和数学的表现特征？为了解决这个问题，提出了以下目标：利用机器学习来识别和描述义务中等教育学生的概况，一方面根据他们在语言和文学方面的学习成果，另一方面根据他们在数学方面的学习成果以及他们的学习成绩。执行功能水平，包括认知（工作记忆、抑制、认知灵活性和计划）和情感（情绪调节）。
我们假设：（1）与具有较低执行困难特征的同龄人相比，具有执行功能（认知和情感）较大困难的学生将获得较差的学习成果（语言、文学和数学）。将获得更高的学习成果；(2) 工作记忆将成为对不同学习领域（语言、文学和数学）的学习成果最有影响力的执行功能，使其成为建立学生表现档案最相关的执行功能。
方法
参加者
我们研究了从西班牙特许学校方便挑选的非随机样本。（特许学校是西班牙三大类型学校之一。它可以被视为“半私立”学校，因为它由国家和地区政府资助，但也向家长收取学费以支持学校然而，与人们通常认为的相反，鉴于法律保证基础教育是免费的，无论是公立学校还是特许学校，这些费用都是自愿的（尽管实际上所有家庭都支付这些费用）。（如遵循国家课程或每班最多学生人数），但在组织课程安排和方法或选择教师方面，它比公立课程拥有更大的自由（Umpstead 等，2017）。2016年））。具体来说，有 173 名西班牙义务中等教育学生（54.91% 男性；45.09% 女性；平均年龄≤≤13.81，标准差≤≤1.4；范围 =≤12-17 岁）参与在这项研究中。这些学生来自西班牙义务中等教育的四门课程（对应12-16岁；2级）国际标准教育分类Ø国际教育标准分类法): 28.32% 在第一年学习；第二年24.86%；第3年为20.81%，第4年为26.01%。所有学生都具有中高的社会经济水平。
设立以下排除标准：（1）因不懂语言而有学习困难；(2) 有感觉、精神或神经系统问题。
尽管这项研究没有学生的直接参与，但他们都自愿表示同意教育顾问向研究团队通报他们的执行功能水平和成绩。此外，还获得了其父母的签署知情同意书。
根据《赫尔辛基宣言》和 12 月 13 日关于个人数据保护的西班牙组织法 15/1999 中概述的道德原则对待参与者。
仪器仪表
使用教师和教育专业版本的执行功能行为评定量表 2（BRIEF2；Gioia 等人，2017）对学生的执行功能进行评估。2017年）。使用了以下量表：（1）工作记忆：表明在执行某项活动时记住信息的困难（例如，“忘记他们在做什么”）；(2) 抑制：报告学生控制冲动的困难（例如，“焦躁的行为”）；(3) 灵活性：如果活动需要灵活解决问题，则表明在转移注意力焦点方面存在困难（例如，“努力想出解决问题的替代方法”）；(4) 规划：评估问题的发生，预测未来情况，组织信息并确定优先顺序，建立目标并排序实现目标的必要步骤（例如，“低估完成任务所需的时间”）；(5) 情绪控制：表明学生难以控制情绪反应（例如，“因为小事就爆发、生气”）。Brief2量表评估执行功能的困难，高分表明相应的执行功能存在缺陷。量表的内部一致性值（Cronbachα）是足够的（α–> –0.80) (Adamson & Prion)2013年）。
学生的语言文学和数学科目的学习成果按照西班牙教育法规进行评估，即由各科目教师根据学生取得的成绩打出最终成绩（范围从1到10，不带小数）。每个学生。
根据西班牙教育课程，义务中等教育学生在这些科目中要达到的学习成果涉及以下特定能力（更多详细解释，请参见西班牙官方国家公报2022年）。
语言和文学： 1. 语言多样性：认识并重视西班牙和世界的语言和文化多样性，以消除偏见并欣赏文化的丰富性。2. 口头和多模态文本的理解：理解和解释口头和多模态文本，识别说话者的意图并评估其可靠性和内容。3. 口头和多模态文本的制作：流畅、连贯地创建和参与口头和多模态文本以及互动，适应体裁和语境。4. 理解书面文本：解释和批判性地评价书面文本，识别思想和作者出于各种目的的意图。5. 书面和多模式文本的制作：编写连贯且适当的文本，遵守体裁惯例，以有效满足交际需求。6.信息的选择和评估：自主地批判性地评估和选择各种来源的信息，尊重知识产权。7.自主阅读：阅读多样化作品以获取乐趣和知识，制定个人阅读行程并分享经验。8.文学作品解读：阅读和评价国内外文学作品，建立文化艺术联系，欣赏和创作文学。9. 语言意识：反思语言的结构和使用，以提高口头和书面的表达和理解，增强语言意识。10. 道德沟通实践：以道德和民主的方式使用语言，促进平等并通过对话解决冲突。
数学： 1.解释和解决问题：使用各种策略和推理来解决日常问题和数学问题。2. 评估解决方案：分析和验证解决方案以确保其数学有效性和影响力。3. 提出猜想：创建并测试简单的猜想以产生新知识。4. 计算思维：组织数据并创建算法来建模和解决问题。5. 数学联系：将数学概念和过程相互关联。6. 真实情境中的数学：将数学概念应用到其他领域和现实生活中。7. 数学表示：使用技术来可视化和结构化数学思想。8. 数学交流：用适当的语言解释数学思想。9. 个人技能：管理情绪并接受错误，以提高数学的毅力和乐趣。10. 社交技能：团队合作，尊重和重视他人的情感和经历。
程序
学校教育顾问为每位参与者完成了BRIEF2 在线版本，每个学生花费10 分钟。随后，她向课题组通报了老师们给学生们语言文学和数学科目的期末成绩。该信息由教育顾问匿名提供，对每个学生使用随机代码（在回复 Brief2 时使用相同的代码来识别每个学生）。
数据分析
在 CART 分析策略中，测试了两种回归树（因为要预测的变量（即学习成果）是定量的）：一种用于预测语言和文学的学习成果，另一种用于预测数学的学习成果。构建每个回归树的过程是相同的。每个模型中都包含相同的五个学生属性作为输入数据：工作记忆缺陷、抑制缺陷、认知灵活性缺陷、计划缺陷和情绪控制缺陷。在此之前，总数据集分为两组：“训练”（70% 的数据，与 Hamim 等人的观点一致（2021年）），作为训练集来拟合输入数据并预测学生的学习成果，“测试”（剩余的 30%）用于使用与训练所用数据不同的数据来计算预测误差。R 软件中的 Tree 库和 rpart 算法（R 核心团队2019年）用于决定在分区数据时使用哪些属性以及按什么顺序。默认情况下，rpart()使用基尼指数进行节点分裂。
首先，构建一棵大树，并根据其复杂性参数（cp≤=≤0.01）估计其预测性能。随后，进行树剪枝以减小其大小并避免模型过度拟合，可以通过剪枝和调整超参数来减少模型的过度拟合。通过将回归树的结果划分为训练样本和测试样本，在同一数据集中对回归树的结果进行交叉验证。
计算不同的评价指标来评估每个模型的质量和准确性：均方误差（MSE）、均方根误差（RMSE）、平均绝对误差/平均绝对偏差（MAE/MAD）、平均绝对百分比误差（MAPE）和右- 平方或决定系数（右2）。结果人物
1
和2分别显示语言和文学以及数学学习成果的回归树。每棵树都从顶部的根开始，随后根据指示执行功能缺陷的分数分支成多条路径。在每个分区中，左侧分支表示执行功能得分不足的条件已满足，右侧分支表示执行功能得分不足的条件尚未满足。在每个框中，其下方的值表示路由到特定节点的总样本中学生的百分比（因此，根节点包含 100% 的参与者，叶节点包含沿根路径的最小百分比的参与者）回归树），底部的值表示这些学生获得的平均成绩（即该特定节点中路由参与者获得的平均成绩）。
语言和文学学习成果的回归树。
数学学习成果的回归树。
在为语言和文学学习成果生成的回归树中（图1）1），确定了六个终端节点或叶子，根据学生在该学科中的学习成果对他们进行分组。它是一个三层树，在其构建中使用了以下执行功能缺陷：工作记忆缺陷、计划缺陷、抑制缺陷和情绪控制缺陷。灵活性缺陷不包含在树中。
如根节点所示，本研究的参与者在语言和文学方面的平均得分为 6.3 分。
工作记忆缺陷允许通过将样本分为两个亚组（工作记忆有困难的组 - 10 分，工作记忆没有困难的组）来创建学习结果的主要解释标准。10分）。因此，工作记忆缺陷是解释语言和文献学习结果变异性的最关键变量。在工作记忆中遇到困难的学生 - 10分的平均得分为5.5（参与者的55％）。相反，那些在工作记忆中没有这种困难的人（45％的参与者）达到了较高的平均值：7.4。左节点（由有工作记忆缺陷的学生组成10分）被计划缺陷变量进一步划分。左边是代表计划缺陷的学生的节点 - 16（占参与者的22％），平均得分为4.9。该节点被情绪控制缺陷变量分为两个终端节点。左侧是由参与者表示的终端节点（16％）具有情绪控制缺陷<16，平均为4.5，这是最低等级，这意味着失败了主题。右边的终端节点由没有情绪控制缺陷的参与者表示。该节点仅包括6％的参与者（这是包括最低比例的参与者的节点），平均为6％。返回由有工作记忆缺陷的学生组成的节点。，在右边，通过对参与者进行分组而没有计划赤字16。该节点占样本的32％，平均为5.9。反过来，该节点再次由工作内存缺陷变量分配，生成两个终端节点。左侧，终端节点的学生缺陷为14日，占参与者的9％，平均为5.3。在右边，终端节点的学生没有工作记忆缺陷的学生 - 占参与者的23％，平均为6.1分。
右边的最高节点是由没有工作记忆缺陷的参与者组成的 - 10（如前所述，占参与者的45％），平均为7.4，由抑制缺陷划分为7.4。导致两个最终终端节点。左侧是终端节点，参与者具有抑制缺陷 - 11（占参与者的14％），平均为6.8。右边是终端节点，参与者没有抑制缺陷。该终端节点包含最高比例的学生（32％），这些学生也达到了所有参与者的平均成绩最高（7.6）。
总而言之，已经从终端节点中识别出六个学生概况。它们的特征在表中详细介绍1。根据回归树中的终端节点，它们根据其外观（从左到右）的外观顺序从1到6编号。
该模型的评估指标显示在表中2。所有度量值都是令人满意的，包括右2超过0.10的社会科学的最低可接受价值（Ozili2023年）。
用于数学学习成果生成的回归树显示在图2中。2。在这种情况下，已经包括在树木结构中测试的所有执行功能缺陷：工作记忆缺陷，抑制缺陷，认知灵活性缺陷，计划缺陷和情绪控制缺陷。该树有4个级别和8个终端节点。
参与者的数学平均得分为6.4分（如根节点所示）。位于上层节点上的变量，表明其在数学学习结果方面具有更大的预测能力是工作记忆缺陷。左侧是代表参与者的节点，其中有工作记忆不足10，他们平均达到5.6（占所有参与者的56％）。该节点被计划赤字划分。在左侧，出现第一个终端节点。IT组参与者（10％）与计划缺陷 - 17岁，平均为4.8，因此失败了。在右边，出现没有计划赤字的参与者的节点出现了17。它包括45％的参与者，平均为5.8。该节点被计划赤字划分。左侧是计划缺陷的参与者所描绘的节点 - 13日平均为5.6，占整体样本的26％。该节点被情绪控制缺陷分为两个终端节点。在左侧，有一个终端节点由具有情感控制缺陷的参与者表示，平均为4.8（因此失败了主题），并由整个样本的10％组成。在右边，终端节点是没有情绪控制缺陷的参与者表示的，平均达到6个，并将所有参与者的17％分组。返回由没有计划缺陷的参与者组成的节点 - 17（平均得分为5.8，占样本总样本的45％），其权利是学生确定的节点没有计划赤字13，平均为6.2，由19％的样本组成。该节点被柔性缺陷分为两个终端节点。在左侧，有端子节点由具有灵活性缺陷的参与者组成，€11，平均得分为5.3，由7％的参与者组成。在右边，终端节点由没有灵活性缺陷的参与者表示，11.11，平均得分为6.7。它由12％的参与者组成。返回到根节点，除以可变工作内存缺陷，在右边是由没有显示工作内存不足的参与者组成的。它由44％的参与者组成，平均为7.3点。该节点被计划赤字划分。在左侧，出现了一个终端节点，将参与者分组为计划缺陷12，平均得分为6.6。它包括9％的所有参与者。在右边，有一个节点由没有计划赤字的参与者代表，平均为7.5，分组为36％的参与者。通过抑制缺陷变量将该节点分为两个终端节点。在左侧，有一个终端节点，参与者抑制缺陷9日，平均为7.1和17％的参与者。右边是终端节点，由参与者组成，他们不显示抑制作用缺陷 - 9日元，平均为7.8％和18％的参与者。除了包括最高比例的学生之外，该终端节点还将获得数学学习成绩最高成绩的人组合在一起。
总之，已经从终端节点中识别出八个学生概况。它们的特征显示在表中3。它们根据回归树中的终端节点的外观（从左到右）的外观（从左到右）进行编号。
应当指出的是，第1组和第2组获得相同的分数（4.8分），导致他们失败的主题。此外，这些小组由同等百分比的学生组成（10％）。但是，这两个组中每一个的数学学习成果中相互作用的变量都会有所不同，由于更多的执行功能缺陷的相互作用，第2组的概况更为复杂。
桌子4显示了模型的评估指标。所有度量值都是令人满意的，包括右2达到0.10的最低可接受阈值（Ozili）2023年）。
讨论
这项研究的目的是利用机器学习来识别和表征西班牙学生在强制性中学教育中的概况，一方面是基于他们在语言和文学上的学习成果，另一方面，数学及其水平执行功能，包括认知（工作记忆，抑制，认知灵活性和计划）和情感（情绪调节）。生成的回归树提供了这些学生资料，提供了有关执行功能缺陷与其学习在语言，文学和数学方面的不同相互作用以及相关性的信息。热和酷执行功能技能缺陷的个体差异与他们在这两个领域的学习结果有关。这些结果支持过去研究的结果（Zelazo＆Carlson2020年）。
关于假设1（具有更大的执行功能困难（认知和情感）的概况的学生将在西班牙语，文学和数学中获得较差的学习成果，与以较低的行政困难为特征的同龄人相比获得卓越的学习结果），获得的结果部分支持了这一假设。这些结果表明，在语言和文献和数学中，获得最佳学习成果的学生是那些执行功能问题较少的人，从而证实了这一假设。因此，在语言和文献中，取得最佳结果的参与者（平均节点6，平均为7.6点）的特征是没有工作记忆缺陷 - ¥10且没有抑制缺陷 -¥11。在数学方面，参与者取得了最佳结果（终端节点8，平均7.8点）的特征是没有工作记忆缺陷 - ¥10，没有计划缺陷，并且没有抑制缺陷。因此，具有较低水平的工作记忆缺陷和抑制缺陷与在语言，文学和数学方面的良好表现有关。此外，在数学中，计划缺陷的水平也很重要。在另一个极端情况下，对于每个学科学习最差的学生结果，一些结果也证实了该假设，而另一些结果则没有。具体而言，在语言和文学中，学习结果最差的学生（终端节点1，唯一失败的学生，平均为4.5点）显示一个以工作记忆缺陷为特征的个人资料 - 10，规划赤字16和情绪控制缺陷<16。但是，有些同龄人（终端节点2）与他们不同，因为他们没有情绪控制缺陷<16（因此，在冷行政功能中共享相同的困难，但具有较高的情绪控制缺陷），并设法通过主题（平均得分为6分）。因此，在以工作记忆缺陷为特征的学生中，¥10和计划缺陷 - ¥16，患有或没有情感控制缺陷<16是一个关键因素分别失败或通过主题。在冷行政功能中具有相同的缺陷概况（节点1和2），较低的情绪控制缺陷与学习结果较差（节点1）相关，与假设1相矛盾，并且与过去的研究中获得的结果不同，而在过去的研究中获得的结果较低，而情绪控制缺陷较低。发现有益于学习成果（Ahmed等人。2013年）。考虑到其他学生概况（节点3â6），可以看出情绪控制缺陷与他们的学习结果无关。在这些只有冷执行功能赤字发挥作用的概况中，假设1得到了证实：与同行相比，其概况的特征在于冷执行功能的困难，从而获得了较低的学习成果。对于数学学习成果的情况，对于取得最糟糕的结果的学生群体之一（终结节点2 =平均得分4.8）），这是在树上出现的情况并重复文献：在冷执行功能（终端节点2和3）中的困难相同，情绪控制缺陷水平较低（终端节点2与终端节点3）与较差的学习结果有关（终端节点2 -= 4.8对端子节点3 = 6）。因此，再次，具有一定的工作记忆缺陷和计划缺陷的特征，具有或没有一定程度的情绪控制缺陷（在这种情况下，<9）是分别失败或传递主题的关键。同样，这些结果使得不可能充分证实假设1。在其余的学生概况（节点1和4 -8）中，情绪控制赤字变量没有发挥作用，只有不同的冷执行功能缺陷相互作用，假设1是佐证的。总之，这些结果表明，对于语言和文学和数学的学习成果，假设1在学生中仅包含冷执行功能但不包括情感控制的学生（被认为是热门执行功能）的学生中得到了证实。。
许多研究证实了一个事实，即在仅涉及冷执行功能缺陷的概况中，这些认知执行功能的困难与较低的学习成果有关，并且这些执行功能的较低困难与更高的学习成果有关。这种关系适用于不同的教育水平的学生，有或没有学习困难，属于各种经济背景和国籍（Zelazo＆Carlson2020年）。此外，在我们的结果中，概况仅由冷行政职能决定的参与者（因此证实假设1）是样本中的大多数：在语言和文学的情况下，有78％的参与者=形成终端节点的学生3â6;在数学=的情况下为73％的学生形成终端节点1，从4到8。发现只有冷执行功能缺陷（但不具有情感控制缺陷）与大多数样本的学习成果有关，与过去研究的结果一致，在过去的研究中，情绪控制与学习成果之间未发现任何关系（Brock等。2009年）。但是，与这些作品不同，在我们的研究中，在某些学生中（对于语言和文学的情况下，22％的参与者= - 形成终端节点1和2的学生数学= 27％的参与者=形成终端节点2和3的学生在获得最差的结果的人中，所有这些都非常明显），情感控制缺陷与确定其学习成果有关。这与其他作品的发现是一致的（Ahmed等。2013年; - lvarez-Huerta等。2023年;黄2023年;Kahl等。2021年;Oberle等。2014年;纳迪姆等人。2023年;Gustems-Carnicer等。2019年）。
然而，值得注意的是，情绪控制变量对我们的研究点的学习成果的重要性与以前的研究不同。许多研究表明，较高的情绪控制水平与更好的学习成果有关，因此情绪控制的困难会对学习结果产生负面影响（Graziano等。2007年;权等人。2017年）。但是，在我们的研究中，情况相反：具有相同的认知执行功能，情绪控制困难更大的学生比那些在情感控制方面遇到困难较低的学生（如前所述，这都不是证实假设1）。这些相互矛盾的结果可能是由于评估情绪控制缺陷的问卷项目的确切内容，即他们所指的情绪调节策略的类型，因此，在本研究中评估了情绪调节策略的类型。Gross和John（John2003年）情绪调节的过程模型，最常被引用的理论框架指的是情绪调节，区分了两种广泛的情绪调节策略：认知能力重新评估和表达性抑制。认知重新评估是一种以前提为中心的策略，其中一个人有意识地改变了对情况的想法（修改了对事件的解释或评估），以改变其所附情绪。表达抑制是一种以响应为中心的策略，意味着特定情况引起的隐藏和压制情绪。表达性抑制是一种比认知重新评估的策略效率较小，因为它不会改变认知水平上的经历的情感影响，而是抑制情绪，导致认知负担会损害学习和学习成绩。但是，认知重新评估允许减少情况和生活经历的负面影响，并与最低的认知成本相关，从而获得了更好的记忆和学业表现（Akhtar等人。2020年;Karagiannopoulou等。2023年;纳迪姆等人。2023年;Gustems-Carnicer等。2019年）。在分析了本研究中使用的问卷项目后，可以观察到他们指的是表达抑制策略的使用（例如，爆发了愤怒）。因此，情绪控制缺陷的得分较低（继续以示例为例，从未在响应量表上爆发愤怒得分1的参与者可能反映出经常使用表达性抑制策略（可能是他们永远不会爆发愤怒，因为他们会抑制它）。如前所述，频繁使用表达性抑制策略意味着经常使用无法情感调节策略（因为认知水平上体验的情感影响没有改变而是被压抑，从而导致认知负担），因此，他们获得了与表达情绪的同龄人相比，学习成果降低，即使他们是负面的。这正是使用表达性抑制策略的问题：它们压抑和不表现出负面情绪和积极的情绪，产生高内部负担（因为情绪没有消除，但被置于未表达的情况下，并且需要努力），对学习产生负面影响，对学习产生负面影响结果。简而言之，在使用不利于学习但会损害学习的策略方面遇到的困难较少，可能证明这些学生的学习成果较低级别是合理的（Kahl等。2021年）。在使用非脱皮情绪调节策略方面有更大的困难可能证明更高的学习成果是合理的。但是，需要进一步的研究来证实和解释这些结果，这些结果与其他作品一致，强调了情绪控制与学术成果之间的关联性质（Nadeem等。2023年）。
至于假设2（工作记忆将是不同学习领域，文学和数学的学习结果的最有影响力的预测指标），获得的结果为IT提供了全面的支持。工作记忆缺陷成为语言和文献和数学学习成果的最决定性预测指标。在生成的回归树中，该变量在战略上定位，将根节点分配在上层，并强调了其在每个学术领域的学术成果的重要性和优越的预测能力。这些结果与过去的研究一致，表明工作记忆是学习成绩的实质性预测指标（Anjariyah等。2022年;西里诺2023年;Dubuc等。2020年）。这一证据表明，在这种记忆系统中缺乏缺陷的学生通常会面临挑战，特别是在阅读和数学方面。这些关联不仅在规范发展中，而且在特殊人群中都被观察到，包括学习障碍的学生和有天赋的学生（Anjariyah等人。2022年;Flã³Rez-Durango等。2022年）。从本质上讲，我们的发现和现有文献都强调了工作记忆与基本过程之间的关系，这对于学习成就至关重要。这种连接可能是由于工作记忆是一种能够存储和处理各种信息类型的通用认知资源，包括单词，图像和抽象概念。工作记忆积极存储信息，并使其可用于更复杂的认知活动，例如推理，学习和解决学校任务，无论是语言还是数学本质（Bergman＆Sã¶derqvist）2017年）。最终，在学习背景下，工作记忆是一种至关重要的认知资源（Berkowitz等。2022年;Ji＆Guo2023年）。
关于获得的模型的质量和准确性，两个模型中的结果相似。语言和文学学习成果模型和数学学习成果模型都很好。获得的所有度量值都是令人满意的，包括右2价值观。虽然最初右2值可以视为较低，应考虑对这些值的适当解释以及两种模型的质量和准确性的适当解释：（1）必须共同考虑两种模型的质量和准确性（Naser＆Alavi）：（1）2020年,2023年）。（2）原因之一右2价值可能很低，是非线性关系的存在（Ozili2023年），这是复杂的教育领域研究中频繁的特征（Gomes等人。2021年）。（3）与以前有关右2不是评估非线性模型拟合优度的最佳选择（Ozili2023年）。在这些情况下，可以使用不同的错误指标（Naser＆Alavi2020年,2023年）。（4）此外，在某些科学（例如本研究所属的社会科学）中，找到高价值的右2（Ozili2023年）。社会科学处理的人类行为或人际关系会不时改变。人类行为可能由于许多因素而改变。由于人类行为的这种复杂而动态的性质，很难准确预测它，因此很难右 - 社会科学中模型的拟合良好的平方质量被削弱了。因此，在社会科学中，一个模型与右2如果大多数或全部解释变量具有统计学意义（Ozili2023年）。因此，考虑到这些考虑，可以得出结论，我们研究中获得的两个模型足够好。其他作者，如Ferrara等人。(2015年），在他们的研究中还使用回归树来分析与识字和数学学习有关的学术问题右2价值与我们非常相似。
我们的结果有助于更深入地了解执行职能（EF）和学习成果之间存在的复杂关系。重要的是要注意，大多数现有关于EF与学习成绩之间联系的研究都集中在幼儿园或小学生（Dubuc等。2020年;Kahl等。2021年），很少有研究纳入热ef。据我们所知，只有两项研究调查了情绪调节与青少年学习成果之间的关系，这两者都是在数学成就的背景下进行的。两项研究都提供了支持该关联的证据（Gumora＆Arsenio2002年;Oberle等。2014年;Kahl等。2021年）。因此，在青少年学生中对冷和热的EF的考虑以及他们与学习成果的互动是我们研究的一个值得注意的方面。解决青少年及其学习成果至关重要。至关重要的是要认识到青春期是生命周期中的关键时期，在此期间，必须进行许多社会，个人和情感变化。处理这些变化的方式可能会影响青少年学习，因此必须特别关注这些学生，他们的学习过程及其成果。此外，在西班牙，青少年的很大一部分与强制性教育的最后阶段相吻合（与我们的研究参与者一样）。根据他们的经验和成功水平，青少年可以决定是否继续学习，不仅会影响他们的个人和社会发展，而且影响了该国的经济和社会进步（OECD）2023年）。因此，确保和支持所有青少年的高质量中学教育代表了一项合理的投资。这项研究的结果有助于朝这个方向进行努力。
还值得注意的是，这项研究不仅考虑了基于学校的工作记忆和抑制中更常见的EF（Dubuc等。2020年）或仅是元素的工作记忆，抑制和灵活性，但它也考虑了其他更复杂的认知EF，例如计划和热门情绪控制。对感冒或认知EF的考虑，包括计划，工作记忆，抑制和灵活性，可确保我们的研究解决青春期中所有相关的冷EF（Laureys等。2021年,2022年）。此外，将热的EF情绪控制纳入我们的研究中，对最近的文献中强调了有关在教育和学习研究中纳入热门执行功能分析的需求（Fombouchet等。2023年,2024年;Pinochet-Quiroz等。2022年）。这种更全面的EF方法使我们的结果可以更好地了解冷和热ef与学习成果之间的关系。但是，与以前的研究一致，我们的结果强调了这些关系非常复杂，需要进一步研究（Poon2018年;Zelazo＆Carlson2020年）。
在教育决策中，寻找精确的方法并有助于解决与分类或预测学生学习成果有关的问题。这是至关重要的，因为重大决策是从这些过程中得出的，以优化其发展和学习。在这种情况下，我们的研究通过采用人工智能（特别是机器学习（特别是回归树算法））来理解方法，以分析一个及时的问题，例如学习成果中个体差异的决定因素。决策树的使用，尤其是购物车，代表了研究执行功能（EF）之间关系的一种方法，以及超过更常用技术的局限性的学习成果，提供了比其他分析模型的优势（参见Seftor等。2021年）。值得注意的是，这些优势包括易于理解图形表示。因此，诸如教师等非专家用户可以有效地使用输出来了解影响学生学习成果的变量，并采取措施来增强他们。
尽管最近，关于智能机器学习系统的重大增长仍在进行，但尽管它们的优势和潜力仍然有限，但在教育领域仍保持有限和无动于衷（Liu＆Lee2022年;Luan＆Tsai2021年;Matzavela＆Alepis2021年）。这些系统可以更好地了解学生的表现。对影响学习成果的因素的提高知识有助于预测学生的表现，提供更精确的指导并设计针对特定学生需求量身定制的学术课程（Darling-Hammond等。2020年）。近年来，研究学生学习成果的个人决定因素（尤其是心理学决定因素）对于教育者，政策制定者和研究人员来说都是一个挑战。如本研究所示，人工智能的快速扩展将这一挑战转变为一个可实现的目标。
尽管有这些重要的贡献，但考虑到其局限性，应谨慎解释这项研究的结果：（1）样本量；（2）非随机样品选择；（3）使用单个教育机构，限制了结果的普遍性。因此，未来的研究应通过从大量机构中随机选择参与者来获取更异质的样本来扩展样本。（4）该研究是横截面，这排除了执行功能与学习成果之间关系中随时间变化的检测。考虑到在青少年期间，执行功能和学习成果都发生变化以及与每个学术领域的学习结果相关的因素可能会因年龄而有所不同，这是相关的。（5）进行的分析不允许进行因果推断。最后两个局限性要求采取纵向方法进行进一步研究。（6）该研究并不包含影响语言和数学学习成果的所有变量，或者由不同理论模型提倡的所有执行功能。未来的研究除了可能影响学习成果的与家庭有关的和教育环境变量外，还可以包括其他执行功能和个人变量。（7）使用第三方信息的评分量表收集有关学生执行职能的数据可能会影响结果。线人的看法可能与学生拥有的执行功能的实际水平有所不同。未来的研究可以探索替代方法来评估学生的执行功能，例如基于绩效的任务和观察方法。（8）尽管它们是学校表现的可靠预测指标，但批评将成绩用作学习成果的指标。每个老师使用的测试和评估任务的难度可能会有所不同。未来的研究可能使用标准化的评估电池。但是，这将导致该研究的生态有效性较低，因为在西班牙进行了这项研究的情况下，教师分配的成绩是评估学生学习成果的官方方式。
除了考虑上述建议以克服某些研究局限性外，还提出了以下未来观点：（1）考虑性别观点：基于学生的性别建模不同的回归树（即估计单独的回归树对于男孩和女孩）会很有趣。尽管男孩和女孩在同一学术领域的表现可能同样出色，但他们似乎使用了不同的认知能力（Blanch＆Aluja2013年）。Therefore, the relationship between executive functions (EF) and academic performance may differ between genders, especially during adolescence (Dubuc et al.2020年), possibly due to the different brain maturation patterns, influenced by the sex hormones that play a relevant role in this developmental stage. (2) Attention to the participants’ academic year: modelling different regression trees according to the students’ academic year may provide relevant information. As students advance through the academic years, academic difficulty and demands increase, possibly varying the relevance and level of each executive function required to achieve good learning outcomes. There is also evidence suggesting that academic performance significantly decreases during secondary education (Abin et al.2020年;Dubuc et al.2020年;Spanish Ministry of Education and Vocational Training2023年）。(3) Consideration of learning outcomes in other subjects.(4) Study of executive functions and learning outcomes from a more molecular perspective: It is essential to consider that, for example, many working memory models assume that this is a multicomponent system (Baddeley et al.2020年), permitting differentiation between verbal and spatial working memory. The same applies to inhibition, an executive function in which various authors distinguish several subprocesses, such as behavioural inhibition, cognitive inhibition or resistance to interfering stimuli (Dempster & Corkill1999年）。A similar situation occurs in the academic domain, where both Language and Literature and Mathematics outcomes are determined by different competencies.Therefore, in future studies, it may be interesting to analyse how each of these subprocesses making up each executive function interacts to achieve distinct curricular competencies.(5) Application of other algorithms in the development of decision trees.
结论
This study reveals a specific configuration of individual cold and hot executive function differences that influence learning outcomes in Language and Literature and Mathematics in Spanish adolescent students. The various executive functions impacting the students’ learning results interact and group together students with common characteristics related to executive functions and learning outcomes, distinguishing them from other groups of students with regard to these variables. Different student groups/profiles have thus been identified. This provides relevant information describing each of these specific student groups, enabling an understanding of how different executive functions interact within each group. This understanding is crucial for designing more tailored measures to enhance educational improvement.
These findings contribute to the expanding body of literature on the role of executive function deficits in learning outcomes. Noteworthy aspects include the inclusion of executive functions from a holistic perspective (comprising cognitive and emotional processes) and the use of artificial intelligence as an analytical tool.
The results obtained further our understanding of school achievement and failure, ultimately contributing to the achievement of SDG 4: Quality Education. Quality education for all entails a commitment to minimising negative outcomes (…) in pursuit of academic performance that minimises failure (Cano Sánchez Serrano2001年, p 22). The outcomes of this study aid in this endeavour by permitting the personalisation of teaching according to the students’ profiles of executive function deficits and, consequently, according to their learning needs. In essence, the results provide valuable insights for educators, psychologists, stakeholders, policymakers, advisers, educational administrators, student counsellors and researchers to promote actions that enhance an equitable and, therefore, more effective educational system. It is crucial to acknowledge that in education, equity involves educating according to individual differences and needs; that is, providing a variety of resources, models, programmes and educational strategies according to the diverse needs of students, which may not be the same for all (UNESCO2016年) (as revealed by the results of this study) but always attempting to provide encouraging and relevant outcomes.
数据可用性
Datasets provided by the school’s educational counsellor are available from the corresponding author on reasonable request.
参考
Abin A, Núñez JC, RodrÃguez C et al. (2020) Predicting mathematics achievement in secondary education: the role of cognitive, motivational, and emotional variables. Front Psychol 11:876.https://doi.org/10.3389/fpsyg.2020.00876
Adamson KA, Prion S (2013) Reliability: measuring internal consistency using Cronbach’s α. Clin Simul Nurs 9(5):e179–e180.https://doi.org/10.1016/j.ecns.2012.12.001
Ahmed SF, Tang S, Waters NE et al. (2019) Executive function and academic achievement: longitudinal relations from early childhood to adolescence. J Educ Psychol 111(3):446–458.https://doi.org/10.1037/edu0000296
Ahmed SF, Kelly DP, Waters NE et al. (2024) Executive functioning. In: Neblett EW, Troop-Gordon W (eds) Encyclopedia of adolescence, vol 1. Elsevier, Amsterdam, pp 149–161.https://doi.org/10.1016/B978-0-323-96023-6.00057-9
Ahmed W, van der Werf G, Kuyper H et al. (2013) Emotions, selfregulated learning, and achievement in mathematics: a growth curve analysis. J Educ Psychol 105(1):150–161.https://doi.org/10.1037/a0030160
Akhtar MS, Ekbal A, Cambria E (2020) How intense are you? Predicting intensities of emotions and sentiments using stacked ensemble [application notes]. In: IEEE computational intelligence magazine, vol 15, no. 1. pp 64–75.https://doi.org/10.1109/MCI.2019.2954667
Alloway TP (2006) How does working memory work in the classroom? Educ Res Rev 1(4):34–139
谷歌学术一个
Alloway TP, Alloway RG (2010) Investigating the predictive roles of working memory and IQ in academic attainment. J Exp Child Psychol 106(1):20–29.https://doi.org/10.1016/j.jecp.2009.11.003
Ãlvarez-Huerta P, Muela A, Larrea I (2023) Cognitive reappraisal and creative self-concept among higher education students: a latent class analysis. In: Psychology of aesthetics, creativity, and the arts.https://doi.org/10.1037/aca0000567
Anjariyah D, Juniati D, Siswono TYE (2022) How does working memory capacity affect students’ mathematical problem solving? Eur Educ Res J 11(3):1427–1439.https://doi.org/10.12973/eu-jer.11.3.1427
Baddeley A, Hitch G, Allen R (2020) A multicomponent model of working memory. In: Logie R, Camos V, Cowan N (eds) Working memory: the state of the science. Oxford University Press, Oxford, pp 10–43.https://doi.org/10.1093/oso/9780198842286.003.0002
Barnes MA (2023) Executive functions: what are they good for? A perspective from intervention research. Mind Brain Educ 17:238–245.https://doi.org/10.1111/mbe.12371
Bergman S, Söderqvist S (2017) How is working memory training likely to influence academic performance? Current evidence and methodological considerations. Front Psychol 8:69.https://doi.org/10.3389/fpsyg.2017.00069
Berkowitz M, Edelsbrunner P, Stern E (2022) The relation between working memory and mathematics performance among students in math-intensive STEM programs. Intelligence 92:101649.https://doi.org/10.1016/j.intell.2022.101649
Blanch A, Aluja A (2013) A regression tree of the aptitudes, personality, and academic performance relationship. Pers Individ Differ 54(6):703–708.https://doi.org/10.1016/j.paid.2012.11.032
Brock LL, Rimm-Kaufman SE, Nathanson L et al. (2009) The contributions of ‘hot’ and ‘cool’ executive function to children’s academic achievement, learning-related behaviors, and engagement in kindergarten. Early Child Res Q 24:337–349.https://doi.org/10.1016/j.ecresq.2009.06.001
Cano Sánchez Serrano JS (2001) Rendimiento escolar y sus contextos. Rev Complut Educ 12(1):15–80.https://revistas.ucm.es/index.php/RCED/article/view/RCED0101120015A
谷歌学术一个
Carlson SM, Zelazo PD, Faja S (2013) Executive function. In: Zelazo, PD (ed) The Oxford handbook of developmental psychology, vol 1. Oxford University Press, Oxford, pp 706–743
Chen HL, Xia DX (2011) Application research of data mining algorithm based on CART decision tree. Coal Technol 30:164–166
Cho I, Hosseini-Kamkar N, Song HJ et al. (2023) Culture, executive functions, and academic achievement. Front Psychol 14:1100537.https://doi.org/10.3389/fpsyg.2023.1100537
Cirino PT (2023) Framing executive function as a construct and its relation to academic achievement. Mind Brain Educ 17(4):226–237.https://doi.org/10.1111/mbe.12360
Cirino PT, Salentine C, Farrell A et al. (2024) Cognitive predictors of the overlap of reading and math in middle school. Learn Individ Differ 109(1):102400.https://doi.org/10.1016/j.lindif.2023.102400
Costa VG, Pedreira CE (2023) Recent advances in decision trees: an updated survey. Artif Intell Rev 56:4765–4800.https://doi.org/10.1007/s10462-022-10275-5
Cragg L, Gilmore C (2014) Skills underlying mathematics: the role of executive function in the development of mathematics proficiency. Trends Neurosci Educ 3:63–68.https://doi.org/10.1016/j.tine.2013.12.001
Darling-Hammond L, Flook L, Cook-Harvey C et al. (2020) Implications for educational practice of the science of learning and development. Appl Dev Sci 24(2):97–140.https://doi.org/10.1080/10888691.2018.1537791
De France K, Hollenstein T (2021) Emotion regulation strategy use and success during adolescence: assessing the role of context. J Res Adolesc 32(2):720–736.https://doi.org/10.1111/jora.12672
de la Fuente J, MartÃnez-Vicente JM, Pachón-Basallo M et al. (2022) Differential predictive effect of self-regulation behavior and the combination of self vs. external regulation behavior on executive dysfunctions and emotion regulation difficulties, in university students. Front Psychol 13:876292.https://doi.org/10.3389/fpsyg.2022.876292
De Luca CR, Leventer RJ (2008) Developmental trajectories of executive functions across the lifespan. In: Anderson V, Jacobs R, Anderson PJ (eds) Executive functions and the frontal lobes: a lifespan perspective. Taylor & Francis, New York, pp 23–56
De Neve D, Bronstein MV, Leroy A et al. (2023) Emotion regulation in the classroom: a network approach to model relations among emotion regulation difficulties, engagement to learn, and relationships with peers and teachers. J Youth Adolesc 52(2):273–286.https://doi.org/10.1007/s10964-022-01678-2
de Souza Zanirato Maia MJ, Bueno APA, Sato JR (2023) Applications of artificial intelligence models in educational analytics and decision making: a systematic review. World 4(2):288–313.https://doi.org/10.3390/world4020019
Dempster FN, Corkill AJ (1999) Interference and inhibition in cognition and behavior: unifying themes for educational psychology. Educ Psychol Rev 11(1):1–88.https://doi.org/10.1023/A:1021992632168
Diamond A (2013) Executive functions. Annu Rev Psychol 64:135–168.https://doi.org/10.1146/annurev-psych-113011-143750
Diamond A (2020) Executive functions. In: Handbook of clinical neurology, vol 173. pp 225–240.https://doi.org/10.1016/B978-0-444-64150-2.00020-4
Dubuc MM, Aubertin-Leheudre M, Karelis AD (2020) Relationship between interference control and working memory with academic performance in high school students: the Adolescent Student Academic Performance longitudinal study (ASAP). J Adolesc 80:204–213.https://doi.org/10.1016/j.adolescence.2020.03.001
Duckworth AL, Taxer JL, Eskreis-Winkler L et al. (2019) Self-control and academic achievement. Annu Rev Psychol 70:373–399.https://doi.org/10.1146/annurev-psych-010418-103230
Ferrara S, Steedle J, Kinsman A (2015) PARCC cognitive complexity: analysis 1, 2, and 3.https://files.eric.ed.gov/fulltext/ED599050.pdf
Fitzpatrick C, Archambault I, Janosz M et al. (2015) Early childhood working memory forecasts high school dropout risk. Intelligence 53:160–165.https://doi.org/10.1016/j.intell.2015.10.002
Flórez-Durango AM, Toro CA, Montoya-Zuluaga PA (2022) Revisión teórica de la relación entre memoria de trabajo, estilo cognitivo dependencia/independencia de campo y estilos de enseñanza con el rendimiento académico. J Neuroeduc 2(2):28–43.https://doi.org/10.1344/joned.v2i2.37358
Fombouchet Y, Lannegrand L, Lucenet J (2024) Relationships between emotion regulation strategies and executive functions in adolescence: exploring the effects of discrete emotions and age. J Adolesc 96:1239–1248.https://doi.org/10.1002/jad.12334
Fombouchet Y, Pineau S, Perchec C et al. (2023) The development of emotion regulation in adolescence: What do we know and where to go next? Soc Dev 32:1227–1242.https://doi.org/10.1111/sode.12684
Georgiou GK, Wei W, Inoue T et al. (2020) Cultural influences on the relation between executive functions and academic achievement. Read Writ 33:991–1013.https://doi.org/10.1007/s11145-019-09961-8
Gerst EH, Cirino PT, Fletcher JM et al. (2017) Cognitive and behavioral rating measures of executive function as predictors of academic outcomes in children. Child Neuropsychol 23(4):381–407.https://doi.org/10.1080/09297049.2015.1120860
Gioia GA, Isquith PK, Guy SC et al. (2017) BRIEF-2. Evaluación Conductual de la función ejecutiva. TEA Ediciones, Madrid
谷歌学术一个
Gomes CMA, Lemos GC, Jelihovschi EG (2021) The reasons why the Regression Tree Method is more suitable than General Linear Model to analyze complex educational datasets. Rev Port Educ 34(2):42–63.https://doi.org/10.21814/rpe.18044
Graziano PA, Reavis RD, Keane SP et al. (2007) The role of emotion regulation in children’s early academic success. J Sch Psychol 45(1):3–19.https://doi.org/10.1016/j.jsp.2006.09.002
Gross JJ, John OP (2003) Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. J Pers Soc Psychol 85(2):348–362.https://doi.org/10.1037/0022-3514.85.2.348
Gross JJ (1999) Emotion regulation: past, present, future. Cogn Emot 13:551–573.https://doi.org/10.1080/026999399379186
Gumora G, Arsenio WF (2002) Emotionality, emotion regulation, and school performance in middle school children. J Sch Psychol 40(5):395–413.https://doi.org/10.1016/S0022-4405(02)00108-5
Gunzenhauser C, Nückles M (2021) Training executive functions to improve academic achievement: tackling avenues to far transfer. Front Psychol 12:624008.https://doi.org/10.3389/fpsyg.2021.624008
Gustems-Carnicer J, Calderón C, Calderón-Garrido D (2019) Stress, coping strategies and academic achievement in teacher education students. Eur J Teach Educ 42(3):375–390.https://doi.org/10.1080/02619768.2019.1576629
Hamim T, Benabbou F, Sael N (2021) Survey of machine learning techniques for student profile modeling. Int J Emerg Technol Learn 16(4):136–151.https://doi.org/10.3991/ijet.v16i04.18643
Happaney K, Zelazo PD, Stuss DT (2004) Development of orbitofrontal function: current themes and future directions. Brain Cogn 55(1):1–10.https://doi.org/10.1016/j.bandc.2004.01.001
Huang Y (2023) Examining the relationship between peer support and foreign language emotions in online learning: the mediating effect of self-efficacy. Front Psychol 14:1148472.https://doi.org/10.3389/fpsyg.2023.1148472
Huizinga M, Burack JA, Baeyens D (2024) Editorial: Executive function and education Vol. II: Considerations for academic success -across contexts and populations. Front Psychol 15:1365993.https://doi.org/10.3389/fpsyg.2024.1365993
Ji Z, Guo K (2023) The association between working memory and mathematical problem solving: a three-level meta-analysis. Front Psychol 14:1091126.https://doi.org/10.3389/fpsyg.2023.1091126
Kahl T, Grob A, Möhring W (2021) Does emotion regulation compensate deficits in various executive functions in children’s and adolescents’ mathematical achievement? Learn Individ Differ 89:102034.https://doi.org/10.1016/j.lindif.2021.102034
Karagiannopoulou E, Desatnik A, Rentzios C et al. (2023) The exploration of a ‘model’ for understanding the contribution of emotion regulation to students learning. The role of academic emotions and sense of coherence. Curr Psychol 42:26491–26503.https://doi.org/10.1007/s12144-022-03722-7
Kendeou P, van den Broek P, Helder A et al. (2014) A cognitive view of reading comprehension: implications for reading difficulties. Learn Disabil Res Pract 29:10–16.https://doi.org/10.1111/ldrp.12025
Kerr A, Zelazo PD (2004) Development of “hot†executive function: the children’s gambling task. Brain Cogn 55(1):148–157.https://doi.org/10.1016/S0278-2626(03)00275-6
Kwon K, Hanrahan AR, Kupzyk KA (2017) Emotional expressivity and emotion regulation: relation to academic functioning among elementary school children. Sch Psychol Q 32(1):75–88.https://doi.org/10.1037/spq0000166
Laureys F, De Waelle S, Barendse MT et al. (2022) The factor structure of executive function in childhood and adolescence. Intelligence 90:101600.https://doi.org/10.1016/j.intell.2021.101600
Laureys F, Middelbos L, Rommers N et al. (2021) The effects of age, biological maturation and sex on the development of executive functions in adolescents. Front Physiol 12:703312.https://doi.org/10.3389/fphys.2021.703312
Lennarz HK, Hollenstein T, Lichtwarck-Aschoff A et al. (2019) Emotion regulation in action: use, selection, and success of emotion regulation in adolescents’ daily lives. Int J Behav Dev 43(1):1–11.https://doi.org/10.1177/0165025418755540
Liu YS, Lee L (2022) Evaluation of college admissions: a decision tree guide to provide information for improvem耳鼻喉科。Humanit Soc Sci Commun 9:390.https://doi.org/10.1057/s41599-022-01413-z
Lobczowski NG, Lyons K, Greene JA et al. (2021) Socioemotional regulation strategies in a project-based learning environment. Contemp Educ Psychol 65:101968.https://doi.org/10.1016/j.cedpsych.2021.101968
Luan H, Tsai CC (2021) A review of using machine learning approaches for precision education. J Educ Technol Soc. 24(1):250–266.https://www.jstor.org/stable/26977871
MartÃnez-Perez C, Alvarez-Peregrina C, Villa-Collar C et al. (2020) Current state and future trends: a citation network analysis of the academic performance field. Int J Environ Res Public Health 17(15):5352.https://doi.org/10.3390/ijerph17155352
Matzavela V, Alepis E (2021) Decision tree learning through a predictive model for student academic performance in intelligent M-learning environments. Comput Educ Artif Intell 2:100035.https://doi.org/10.1016/j.caeai.2021.100035
Miyake A, Friedman NP, Emerson MJ et al. (2000) The unity and diversity of executive functions and their contributions to complex “Frontal Lobe†tasks: a latent variable analysis. Cogn Psychol 41:49–100.https://doi.org/10.1006/cogp.1999.0734
Nadeem A, Umer F, Anwar MJ (2023) Emotion regulation as predictor of academic performance in university students. J Prof Appl Psychol 4(1):20–33.https://doi.org/10.52053/jpap.v4i1.157
Naser MZ, Alavi A (2020) Insights into performance fitness and error metrics for machine learning.https://doi.org/10.48550/arXiv.2006.00887
Naser MZ, Alavi A (2023) Error metrics and performance fitness indicators for artificial intelligence and machine learning in engineering and sciences. Archit Struct Constr 3:499–517.https://doi.org/10.1007/s44150-021-00015-8
Oberle E, Schonert-Reichl KA, Hertzman C et al. (2014) Social–emotional competencies make the grade: predicting academic success in early adolescence. J Appl Dev Psychol 35(3):138–147.https://doi.org/10.1016/j.appdev.2014.02.004
OECD (2023) Education at a glance 2023: OECD indicators.https://doi.org/10.1787/e13bef63-en
Ozili PK (2023) The acceptable右-square in empirical modelling for social science research. In: Saliya CA (ed) Social research methodology and publishing results: a guide to non-native english speakers. IGI Global, Hershey, pp 134–143.https://doi.org/10.2139/ssrn.4128165
Pinochet-Quiroz P, Lepe-MartÃnez N, Gálvez-Gamboa F et al. (2022) Relationship between cold executive functions and self-regulated learning management in college students. Estud Sobre Educ 43:93–113.https://doi.org/10.15581/004.43.005
Poon K (2018) Hot and cool executive functions in adolescence: development and contributions to important developmental outcomes. Front Psychol 8:2311.https://doi.org/10.3389/fpsyg.2017.02311
Privitera AJ, Zhou Y, Xie X (2023) Inhibitory control as a significant predictor of academic performance in Chinese high schoolers. Child Neuropsychol 29(3):457–473.https://doi.org/10.1080/09297049.2022.2098941
R Core Team (2019) R: a language and environment for statistical computing. R Foundation for Statistical Computing, Vienna
Ramudo-Andion I, Barca-Enriquez E, Brenlla-Blanco JC et al. (2020) Predicción del rendimiento académico del alumnado de Bachillerato: efecto de los enfoques de aprendizaje y atribuciones causales. J Educ Psychol 15(2):108–120.https://doi.org/10.23923/rpye2020.02.190
Rose SA, Feldman JF, Jankowski JJ (2011) Modeling a cascade of effects: the role of speed and executive functioning in preterm/full-term differences in academic achievement. Dev Sci 14:1161–1175.https://doi.org/10.1111/j.1467-7687.2011.01068.x
Salehinejad MA, Ghanavati E, Rashid MHA et al. (2021) Hot and cold executive functions in the brain: a prefrontal-cingular network. Brain Neurosci Adv 5:239821282110077.https://doi.org/10.1177/23982128211007769
Sambol S, Suleyman E, Scarfo J et al. (2023) A true reflection of executive functioning or a representation of task-specific variance? Re-evaluating the unity/diversity framework. Acta Psychol 236:03934.https://doi.org/10.1016/j.actpsy.2023.103934
Scrimin S, Mason L, Moscardino U (2014) School-related stress and cognitive performance: a mood-induction study. Contemp Educ Psychol 39(4):359–368.https://doi.org/10.1016/j.cedpsych.2014.09.002
Seftor N, Shannon L, Wilkerson S et al. (2021) Branching out: using decision trees to inform education decisions (REL 2022-133). U.S. Department of Education, Institute of Education Sciences, National Center for Education Evaluation and Regional Assistance, Regional Educational Laboratory Appalachia, Washington DC.https://ies.ed.gov/ncee/edlabs/regions/appalachia/pdf/REL_2022133.pdf
Silvers JA (2022) Adolescence as a pivotal period for emotion regulation development. Curr Opin Psychol 44:258–263.https://doi.org/10.1016/j.copsyc.2021.09.023
Spanish Ministry Educational and Vocational Trainning (2023) Datos y cifras. Curso escolar 2023/2024.https://www.educacionyfp.gob.es/dam/jcr:27162db1-c2b3-4f9c-a8fa-a17731a561f8/datos-y-cifras-2023-2024-espanol.pdf
Spanish Official State Gazette (2022) Real Decreto 217/2022, de 29 de marzo, por el que se establece la ordenación y las enseñanzas mÃnimas de la Educación Secundaria Obligatoria. BoletÃn Oficial del Estado, March 29 75:36344–36469.https://www.boe.es/diario_boe/txt.php?id=BOE-A-2022-4629
谷歌学术一个
Spiegel JA, Goodrich JM, Morris BM et al. (2021) Relations between executive functions and academic outcomes in elementary school children: a meta-analysis. Psychol Bull 147(4):329–351.https://doi-org.cuarzo.unizar.es:9443/10.1111/mbe.12360
Studer-Luethi B, Toermaenen M, Margelisch K et al. (2022) Effects of working memory training on children’s memory and academic performance: the role of training task features and trainee’s characteristics. J Cogn Enhanc 6:340–357.https://doi.org/10.1007/s41465-022-00242-x
Su YS, Lin YD, Liu TQ (2022) Applying machine learning technologies to explore students’ learning features and performance prediction. Front Hum Neurosci 16:1018005.https://doi.org/10.3389/fnins.2022.1018005
Sutin AR, Sesker AA, Stephan Y et al. (2022) Socioeconomic status, internalizing and externalizing behaviors, and executive function in adolescence: a longitudinal study with multiple informants. Psychiatry Res 313:114585.https://doi.org/10.1016/j.psychres.2022.114585
Thompson RA (1994) Emotion regulation: a theme IN search OF definition. Monogr Soc Res Child Dev 59:25–52.https://doi.org/10.1111/j.1540-5834.1994.tb01276.x
Titz C, Karbach J (2014) Working memory and executive functions: effects of training on academic achievement. Psychol Res 78(6):852–868.https://doi.org/10.1007/s00426-013-0537-1
Tottenham N (2024) Developing the neurobiology of emotion regulation. In: Gross JJ, Ford BQ (eds) Handbook of emotion regulation, 3rd edn. The Guilford Press, New York, pp 121–128
Umpstead R, Jankens B, Ortega Gil P et al. (2016) School choice in Spain and in the United States. Glob Educ Rev 3(2):84–102
谷歌学术一个
UNESCO (2016) Education 2030: incheon declaration and framework for action for the implementation of sustainable development goal 4: ensure inclusive and equitable quality education and promote lifelong learning opportunities for alls.https://unesdoc.unesco.org/ark:/48223/pf0000245656
UNESCO (2019) Artificial intelligence in education: challenges and opportunities for sustainable development. UNESCO Education Sector.https://unesdoc.unesco.org/ark:/48223/pf0000366994
van der Sluis S, de Jong PF, van der Leij A (2007) Executive functioning in children, and its relations with reasoning, reading, and arithmetic. Intelligence 35:427–449.https://psycnet.apa.org/doi/10.1016/j.intell.2006.09.001
van Tetering MAJ, Jolles J, van der Elst W et al. (2022) School achievement in early adolescence is associated with students’ self-perceived executive functions. Front Psychol 12:734576.https://doi.org/10.3389/fpsyg.2021.734576
Vinuesa R, Azizpour H, Leite I et al. (2020) The role of artificial intelligence in achieving the sustainable development goals. Nat Commun 11(1):233.https://doi.org/10.1038/s41467-019-14108-y
Wang TH, Kao CH (2022) Investigating factors affecting student academic achievement in mathematics and science: cognitive style, self-regulated learning and working memory. Instr Sci 50:789–806.https://doi.org/10.1007/s11251-022-09594-5
Zelazo PD, Blair CB, Willoughby MT (2016) Executive function: implications for education (NCER 2017-2000). National Center for Education Research, Institute of Education Sciences, U.S. Department of Education, Washington, DC.https://files.eric.ed.gov/fulltext/ED570880.pdf
Zelazo PD, Carlson SM (2020) The neurodevelopment of executive function skills: implications for academic achievement gaps. Psychol Neurosci 13:273–298.https://doi.org/10.1037/pne0000208
Zelazo PD, Morris IF, Qu L et al. (2024) Hot executive function: emotion and the development of cognitive control. In: Bell MA (ed) Child development at the intersection of emotion and cognition, 2nd edn. American Psychological Association, Washington, DC, pp 51–73.https://doi.org/10.1037/0000406-004
致谢
Authors gratefully acknowledged the support of the Spanish Government (PGC2018-098742-B-C31 (2019–2021), Ministerio de Ciencia, Innovación y Universidades, Programa Estatal de Generación de Conocimiento y Fortalecimiento CientÃfico y Tecnológico del Sistema I + D + i). EE-P also wishes to thank the support of the Aragon Government Research Group, Grupo de Investigación de Referencia “Educación y Diversidad†(EDI) (Grant Number S49_23R), the Institute of Altoaragonese Studies-Huesca County Commission (Instituto de Estudios Altoaragoneses-Diputación de Huesca) and the Department of Psychology and Sociology of the University of Zaragoza. JL also thanks the support of the Generalitat de Catalunya Research Group, Grup de Recerca i Innovació en Dissenys (GRID).
道德声明
利益竞争
作者声明没有竞争利益。
道德认可
The study followed the principles of the Declaration of Helsinki and the Organic Law 3/2018, of December 5, on the Protection of Personal Data and guarantee of digital rights (2018, Official State Gazette no. 294, of December 6). The study was endorsed from the management team of the participants’ school. Approval was obtained from the Research Ethics Committee of the Autonomous Community of Aragon (Comité de Ética de la Investigación de la Comunidad Autónoma de Aragón: CEICA）。Identification Code: PI23/503.Date of approval: December 20, 2023.
知情同意
Although this study did not involve human experiments and it did not involve direct student participation, they all and their parents/legal tutors were informed by the school tutors (who were previously informed by the research team) about the objectives of the research, the absence of risks or inconveniences involved in participating, the non-obtaining of direct benefits/rewards/prises for participation, data protection (which included assured anonymity), and the use of their data and research results (possibility of preparing scientific communications to be presented at conferences or scientific journals, but always with grouped data and without disclosing anything that could identify the participant/informant). In addition, students and their parents/legal tutors voluntarily expressed their consent for the educational counsellor to anonymously inform the research team regarding their executive function levels and grades. Their signed informed consent was obtained during December 2023. Informed consent was also obtained from the educational counsellor (December 2023), who also was informed about the previous details by the research team.
附加信息
Publisher’s note施普林格·自然对于已出版的地图和机构隶属关系中的管辖权主张保持中立。
权利和权限
开放获取本文获得 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License 的许可，该许可允许以任何媒介或格式进行任何非商业使用、共享、分发和复制，只要您给予原作者适当的署名即可和来源，提供知识共享许可的链接，并指出您是否修改了许可材料。根据本许可，您无权共享源自本文或其部分内容的改编材料。The images or other third party material in this article are included in the article’s Creative Commons licence, unless indicated otherwise in a credit line to the material.If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.要查看此许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。转载和许可
引用这篇文章
Escolano-Perez, E., Losada, J.L. Using artificial intelligence in education: decision tree learning results in secondary school students based on cold and hot executive functions.
人文社会科学共同体11 , 1563 (2024). https://doi.org/10.1057/s41599-024-04040-y下载引文
:2024 年 2 月 28 日
:2024 年 10 月 25 日
:2024 年 11 月 18 日
:https://doi.org/10.1057/s41599-024-04040-yhttps://doi.org/10.1057/s41599-024-04040-y
关于《人工智能在教育中的应用：基于冷热执行功能的中学生决策树学习结果》的评论
暂无评论