一、自我调节学习
（一）自我调节学习的概念
自我调节受机体当前状态和目标状态之间的差异感知的激发，个体随后的行为往往指向减少这一差异。自我调节学习（self-regulated learning，简称SRL）就是直接指向减少当前感知状态与学习目标间差异的任何学生行为或认知。这一SRL定义来自Powers[1]自我调节的系统理论，该理论有几个重要含义。
第一，SRL是目标定向的，因为调节涉及减少内部的感知状态和目标状态间差异。例如，一个学生试图回忆出普通心理学中有关认知取向的注意理论（一种目标），但他感觉有点困难（感知状态）。
第二，学生们所面对的差异经常需要逐步最小化。换句话说，学生们需要经常制定计划来达成他们的目标。
第三，SRL包括任何与学习相关的目标活动，或者是掌握一个概念，或者是获得一个特定的课程分数。表1列出了学生们可以用来完成课程相关目标的学习活动，每一活动都包括了需要调节的多个次级目标。
总之，当学生不能设定目标，不记得他们的目标，没有形成目标完成计划，形成了无效的计划，或不能有效执行计划时，学生们将被看作未能发挥学习潜能。当学生们不能有效调节自己的学习时，我们可以通过系统考察上述来源的贡献来弄清楚这一调节失败。当然，还有许多其他因素也可以导致不良的SRL，如动机缺乏，不充分的陈述性或程序性知识，流体智力和工作记忆容量的缺陷等。联合考察这些因素的贡献，对于充分了解学生学业成功将是十分必要的。
（二）自我调节学习的元认知取向
元认知过程，包括人们对自己的认知进行监测与控制。Zimmerman[2]指出，“在某种程度上来说，学生们是自我调节的，因为他们在自己的学习过程中是元认知的、动机性的，且在行为上是主动的”。
“减少感知状态和目标间差异”强调了意识监测和控制过程。学生们可以外显地监测他们在形成一种感觉或评估当前状态过程中的进展状况。控制过程可能涉及表1中所列举的任何活动。比如，学生们可能意识到在一堂物理课中他们对某一个概念理解没有进步，于是他们会通过完成更多的家庭作业来控制学习，并向教师寻求帮助，以及向同学询问关于这个概念的问题。
二、学习时间分配的研究范式
（一）范式介绍
研究者常采用以下方法来进行有关学习时间分配的研究。以固定时间比率单独呈现要记忆的项目，通常是联想词对（如：小狗——调羹）。一般，被试学习完每个项目后立即作学习判断（judgment of learning，JOL）。这一JOL是对一个项目在测验中能被记住的可能性判断，它测量了被试对学习的感知状态。在这一初始测验后，每一项目再次呈现，被试要么选择每一项目进行重学（这一过程称为项目选择）；要么尽可能长时间地学习每个项目（这一过程称为自定步调学习）。被选择重学的项目，通常会在自定步调的学习中再次呈现。最后，实施标准测验。
Thiede 和Dunlosky[3]对前述范式进行了改进。他们让被试学习30个联想词对，在初始学习和判断阶段后，要求一些被试至少学习24个词对。即这些被试有一个高学习目标。而对其他被试的要求则只需要从30个词对中选择六个重学（低学习目标）。被试阅读完指导语后，同时呈现所有要学习的项目，被试可以在选择期间看到全部的词对；而在原范式的顺序呈现形式下，每个词对单独呈现，要求被试决定是否重学该词对。词对呈现形式（同时呈现和顺序呈现）调节了学习时间分配的结果。Thiede和Dunlosky使用了同时呈现项目的形式发现，高学习目标的被试表现出学习判断与项目选择间的负相关（平均相关约为-0.37），这与大部分前人研究结果是一致的。
（二）范式评估
在高、低学习目标两类条件中，学习者都使用他们的监测来分配学习时间，但其方式却有着质的不同。学习时间分配从集中于难度大的项目更多地转向难度较小的项目，这一现象称为STEM效应（shift to easier materials）。STEM效应是指学习中，被试分配给容易材料的学习时间要比那些困难材料更多的现象。
图1 同时呈现或顺序呈现项目时的项目选择比率
综上所述，以下三种研究结果值得研究者们注意。
第一，当项目以同时呈现的形式让被试选择学习、且对容易项目回答正确的奖励高于困难项目时，STEM效应会出现。而且，当项目以同时的方式呈现，并且被试的学习时间有限时（例如，当他们没有足够的时间学习所有项目），STEM效应要比在被试有充足的时间学习时更容易发生[3]。
第二，同时呈现项目的条件下，比在顺序呈现项目的条件下，STEM效应更容易发生[4][5]。尽管在顺序性呈现项目的条件下确实发生了STEM效应，但这一效应要比同等条件下同时性呈现项目时所发生的STEM效应弱很多（图1）。
三、学习时间分配与基于议程的调节（ABR）模型
（一）ABR模型
ABR模型最初用来解释STEM效应的存在与否以及学生们学习时间分配的整体灵活性。该模型认为，学习者形成并持有一种如何给各种学习项目分配时间的议程（agenda），并在选择项目学习时使用这一议程。ABR模型假设，“学习调节是目标定向的”[6]。一个关键的假设是，当学习者形成一种议程时，他们这样做是为了使有效完成目标的可能性最大化[3]。议程描述了用来决定选择哪些项目学习或学习一个给定项目需要多长时间的标准，而且这些标准是基于任何学习者特征和任务限制而选择的。
（二）模型结构及运作机制
为解释学习者如何分配学习时间，ABR模型将议程建构与执行融入了Cowan[7]的信息加工模型中（见下页图2）。该模型描述了选择性注意如何受到记忆系统本身特征以及中央执行系统的有限加工容量的限制。如果受到注意，那些在长时记忆中的刺激表征可以在短时记忆（STS）中得到激活，而且中央执行系统可以选择一部分激活的记忆继续集中注意。然而，中央执行系统在容量上是有限的，在任何时候，一个人只能意识到极其有限的信息量。当与目标无关的刺激进入注意范围时，中央执行系统必须抑制无关刺激，并重新激活目标相关的信息。
为了执行任何一个特定的议程，在学习者自主控制行为来选择那些要学习的恰当材料期间，他们需要对议程标准保持注意（如，“选择可能被测试的最容易的材料”）。于是，学习者一直将注意维持在议程标准和要学习的材料上，并使用这一信息来控制项目选择。如果议程包括每个材料单元学习多久的标准（如，教师说，掌握那些较有可能被测试的材料，而对于其他材料略读一遍即可），那么学习者就需要在自定步调的学习期间维持这些标准的激活。
考虑到议程建构和执行均需要注意资源，注意容量的有限性会影响议程的有效使用，所以，有中央执行过程缺陷的学习者可能会在议程建构和执行上有困难。当学习者不能抑制与任务无关的思维或当相关的任务限制和议程标准超出了其注意容量时，这些执行困难将会出现，从而会危及到目标实现[8]。当与目标无关的信息从内部（如，走神或心智游移）或环境中出现时，即使是一个相当简单的议程（如，“选择最容易的材料学习”）执行起来也会变得困难[9]。当超出了中央执行的容量限制时，习惯反应将会主宰对学习时间分配的控制[4]。此时，学习者会忘记自己的议程或学习目标，转而进行习惯反应。
最后，关于实时监测和控制问题，学习者可以监测自己的学习状态以达到对项目选择和自定步调学习的调节和控制。监测是为了评估当前目标是否已经实现；如果已经实现了，学习者将会转向下一个要学习的材料或任务。如果这些目标还没有实现，学习者可以作许多控制性决定：继续学习，改变当前项目学习的策略，改变当前目标，等等。因为监测部分用来控制学习时间分配，监测的准确性与控制的有效性有关[10]：对自己的学习监测越准确的学习者，其学习时间分配也越有效，而且获得的测试成绩水平也越高，提高监测准确性的技术也会产生更好的分配和学习[11]。ABR模型假设学习者可以使用不同的监测方式来控制项目选择和自定步调的学习。例如，当制定学习步调时，学习者可以使用监测来评估当前学习状态或学习进度。
四、与学习时间分配的学说对比
ABR模型的出现是用来解释学习者如何分配他们的学习时间，以及他们成功（或失败）完成学习目标的原因。另外两个学说也可解释上述问题。其中，最近学习区模型用来解释学习时间分配，而Winne和Hadwin[12]的COPES模型则是用来更通俗地解释SRL的。
（一）最近学习区模型
RPL模型（Region of Proximal Learning）假设学习者首先“尝试减少已经学得很好的材料”[13]，这类材料通常是能够从记忆中回忆出的。这一假设与当前流行的证据是一致的：学习者较少选择已经学会的项目（或之前回忆出来的项目），他们花费更多的时间来学习尚未学会的项目。学习者的确会选择重学一些之前回忆出来的项目，但他们的决策是基于之前回忆出来的项目并未学好的信念而作出的。
学习者对学习那些掌握不熟练的项目的偏差已经由ABR模型给予解释，ABR模型预测在一些条件下，学习者将会选择已经学会的项目重学。只要在学习者力图将之前学过的信息保持较长时间的条件下，这一预测都是成立的。例如，有时学习者会优先学习一些信息，并因此而形成一个议程来对其过度学习。
RPL模型涵盖了jROL机制。jROL描述了学习的停止规则。根据jROL，当感知到的学习率接近零时，人们就会停止学习一个项目[13]。对于自定步调的学习来说，ABR模型并不预先假设任何特定的停止规则。学习者可以采取许多策略来终止学习：一旦人们认为没有进步时就终止学习（如，当时间有限时）；但人们也可能会继续学习，即使他们并不确定继续学习会有进步（如，所有学习项目都具有高重要性，而且时间充裕）。
（二）COPES模型
如果学ABR模型是用来解释学习时间分配的，那么Winne和Hadwin的COPES模型则是用来更广泛地解释SRL的。SRL包括以下阶段：任务界定，目标设定和计划，实施和调适。学生们决定要学习的任务，设定目标，并计划如何完成它。这些阶段涉及ABR模型中与议程建构相关的过程（见上页图2）。当学生们将来自任务体验的反馈用于随后的学习控制中时，议程执行方面的实施和调适将会发生。对于COPES模型，学生们可以通过指出常见条件和执行目标实现的相关操作（策略）来处理C-O-P-E 的任何阶段。对于ABR模型，这些功能大部分都是受中央执行系统的控制，并经常涉及基本监测和控制过程[12]。
COPES模型和ABR模型间最大的差异就是通过将ABR模型植入到Cowan的信息加工系统中，ABR模型强调系统局限（如，中央执行系统的容量局限）和习惯反应的作用，尤其是它们如何削弱SRL的有效性。由于COPES模型是基于信息加工平台，由此这些因素（系统局限和习惯反应）是可以融合在一起的。因此，COPES模型和ABR框架并非不相容，两者中任何一个都可以用于指导有关学习时间分配或任何其他的SRL活动方面的研究。
五、结论与未来研究展望
人们通过建构和执行有效实现目标的议程来减少感知差异。学生们使用这些议程来实现他们的目标具有直观可行性，并且议程使用可以立即解释有关学习时间分配的大部分证据。然而，很多证据都不是直接的，所以发展研究方法来直接测量ABR，对未来研究提出了一个重大挑战。这类方法对于探讨议程使用，比如“对于一个给定任务，学生们如何设定议程”、 在议程设定后是“什么因素导致了初始议程的变化”具有重大意义。
人们的学习调节总是最优的吗？事实上并不总是的。在上面的综述中，我们描述了学习者并未有效分配其学习时间的例子。然而，在一些情况下，学习者确实可以作出相对有效的决策。这些证据确实表明，人们本来会作出更糟糕的决策，但这并不能排除他们也可以作出更好的决策的可能性。为了排除这一可能性，以说明对于学生而言，其优化调节的构成（实现目标的同时将所投入的时间最短化），学习目标和要学习的材料，建构一个学习时间最优化的一般理论是十分必要的。
最后，如果人们的调节不是最优的，那么到底是什么因素限制了他们的最优化呢？是不是有一部分人要比其他人更擅长调节自己的学习行为？较差的学习时间分配是否由议程使用、认知或元认知中的失败引起？每一个因素的失败都将会导致学习时间分配的失误：学习者有时建构议程失败，并且即使他们建构了有效的议程，有限的工作记忆容量也会削弱有效的议程执行，不准确的学习监测也会削弱有效的议程执行。尽管这些因素都会影响学生SRL的成功与否，但当学生们试图完成长期的学习目标时，它们是如何协同起作用的还是未知的。ABR模型为这些因素如何协同作用提供了视角，它也可以指导那些旨在发现自我调节学习机制的研究，以及怎样弄清这些机制的研究。
主要参考文献：
.Chicago，IL：Aldine Publishing Company. 1973.
. In B. J. Zimmerman，D. H. Schunk （Eds.），Self-regulated learning and academic achievement：Theoretical perspectives （pp.1-37）. （2nded.） .Mahwah，NJ：Erlbaum，2001.
.Journal of Experimental Psychology：Learning，Memory，and Cognition，1999，25：1024-1037.
.Journal of Experimental Psychology. General，2009，138：432-447.
.Journal of Experimental Psychology：Learning，Memory & Cognition，2006，32：609-622.
.Journal of Experimental Psychology. General，2009，138：432-447.
.in，1988104：163-191.
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
