高等教育数字化发展研究｜阮士桂：以小谋大：助推理论及其对在线教学优化的启示
引用格式
阮士桂.以小谋大：助推理论及其对在线教学优化的启示[J].中国教育信息化,2023,29(6):088-097.DOI:10.3969/j.issn.1673-8454.2023.06.011
高等教育数字化发展研究
以小谋大：助推理论及其对在线教学优化的启示
阮士桂
摘 要： 突如其来的疫情使在线教育作为破解学业难题的关键手段受到空前关注。针对当前大量优质在线教育资源普及应用过程中突显的适用性和实用性问题，文章重点关注助推理论以小谋大式的行为干预理念，及其在优化在线教学中的具体应用方向和路径，通过回答何为“助推”、为何“助推”、如何“助推”等问题，指出助推理论在优化在线教学实践上具有广阔的可为空间，并以助推原则为指导，探究当前在线教学可通过学习评价交错化、学习行为关联化、学习操作便利化、学习反馈参考化、学习过失包容化、学习内容解构化等设计策略，以期为当前在线教学实践的进一步优化与发展提供有益参考。
关键词： 助推理论；在线教学；助推原则；有限理性中图分类号： G434文献标志码： A文章编号： 1673-8454（2023）06-0088-10作者简介： 阮士桂，广西民族大学教育科学学院讲师，硕士生导师，博士（广西南宁 530006）
基金项目： 本文系2019年度国家民委教改项目“大数据支持的在线通选课程深度学习助推设计与实践——以广西民族大学为例”（编号：19042）伴随新型冠状病毒疫情的全球肆虐，在线教育作为破解疫情期间学业难题的关键手段受到前所未有的高度关注。我国教育部率先启动了“停课不停教、不停学”工作，推进全国各级各类学校稳步开展在线教育，大量优质在线教育资源的建设与应用，在疫情期间掀起了一场史无前例的大规模在线教学实践，截至2020年5月8日，我国高校学生在线学习人次达23亿。[1]在这场因疫情而起的学习革命中，我国为世界提出中国方案、提供中国技术、分享中国经验、作出中国贡献，彰显了大国的自信与担当。然而也应看到，当前大量优质在线教育资源的普及与应用，仍因在线教学的教与学隔离而突显出其适应性和实用性的问题，如何使越来越多的学生拥有更好的学习体验、付诸更高的学习投入，以及收获更大的学习效益，将是当前在线教学进一步优化发展的重要内容。[2]与以往在线教学不断强调提升学生自主学习能力的方法策略不同，助推理论关注在充分承认人们“有限理性”“有限意志”“有限利己”“有限信息”等“社会人”特征的基础上，通过赋予“助推”因素，优化决策所用的选择体系，对行为决策进行“以小谋大”式的干预，这种低投入、高效益的干预理念和思路，为在线教学优化带来诸多启示，本研究从助推理论的干预理念出发，系统探究在线教学中可“以小谋大”的优化方向与路径，为在线教学实践的优化与发展提供有益参考。
一、何为“助推”：
以小谋大式优化“社会人”决策
助推理论由2017年度诺贝尔经济学奖获得者理查德·泰勒（Richard Thaler）与哈佛大学著名法学家卡斯·桑斯坦（Cass Sunstein）合著的《助推：如何做出有关健康、财富与幸福的最佳决策》（Nudge: Improving Decisions About Health, Wealth, and Happiness，以下简称《助推》）一书中系统提出。“助推”所对应英文单词为“nudge”，其释义为“用手肘轻推以引起注意或发出信号”，意为善意的提醒。“助推理论”中，“助推”的涵义进一步引申为在不妨碍自由和不增加负担的前提下，通过“选择体系”（choice architecture）的设计影响人们的选择，从而引导人们向可预见的行为发展。[3]7简言之，助推是通过发出信号来引导人们做出最有利于自己的选择，也就是我们所说的“以小谋大”，其中“小”在于所发出的信号不会增加人们的负担，而“大”在于该信号有助于引导人们做出有利于自身健康、财富和幸福乃至促进社会和谐发展的选择。例如，在学生接种破伤风疫苗的宣传教育结束后，通过让学生在地图上标注接种中心位置并计划接种时间和接种路线的“助推”，最终有28％的学生进行接种（而未做助推的一组，仅3％的学生接种）。[3]84
助推理论建构在行为经济学的人们有限理性行为决策相关理论与研究的基础上，与传统经济学认为人们是能够做出理性明智的决策的“经济人（绝对理性）”相对应，行为经济学将心理学引入经济学中，认为现实中的人是“社会人（有限理性）”，“社会人”容易因自身思维系统的限制和社会影响所突显的“有限理性”“有限意志（如缺乏自我控制）”“有限利己（如从众效应）”“有限信息”等特征而难以做出对自己最为有利的决策。助推理论关注在人们有限理性行为中赋予“助推”因素，改变人们在决策过程中所使用的“选择体系”，拓展人们的理性范畴，从而在财富、健康、幸福等方面朝着更好的方向发展。
随着关注有限理性的行为经济学研究学者如赫伯特·西蒙（Herbert Simon）、丹尼尔·卡尼曼（Daniel Kahneman）、理查德·泰勒（Richard Thaler）等先后获得诺贝尔经济学奖，在此基础上形成的助推理论自提出以来，便受到诸如经济、政治、管理、健康、教育、心理、慈善等诸多行为决策相关领域的高度关注。在实践方面中，以美国和英国为代表，2008年，奥巴马当选美国总统后便任命《助推》著者之一卡斯·桑斯坦为“监管总长”，负责白宫办公室的信息与监管事务，其主要职责是确保政府法规利大于弊，期间桑斯坦将一定的助推手段纳入政策设计中，如指导美国农业部将“膳食金字塔”转变为“餐盘”，来更直观地指导人们的健康均衡饮食；英国政府则成立了助推小组（nudge units）展开系列研究推进政府决策的助推优化，并发布助推策略MINDSPACE框架推进助推理论的实践应用。[4]40在学术研究方面，据统计，2008—2017年，以“助推”为主题，发表在影响因子超过1的各类SCI和SSCI学术期刊上的84篇实证研究中就有82项研究结果表示助推能有效影响个体行为。[5]根据美国教育文献数据库的检索，截至2021年7月1日，共有72篇摘要含“nudge”的同行评议文献，这些研究主要探讨如短信提醒、社会效应等单一的助推策略在促进家长参与[6]、改善学习投入[7]、学生成绩[8]、学习责任感[9]、创造性解决问题[10]、改良儿童环境行为[11]等方面的应用成效，且年均文献数量呈递增趋势。此外，鉴于助推理论相关的教育策略实证研究颇多，有学者系统梳理了当前教育领域中的默认选项（如默认贷款金额）、优化程序（如优化贷款程序）、同伴互动（如不同学习水平学生间的互动）、截止日期设置（如自定或他定的作业提交截止日期）、目标设定（如设置任务目标或表现目标）、学习提醒（如课程注册提醒）等12种助推策略类型及其应用成效。[12]在国内，助推理论近三年来开始受到学术界的关注，但目前更多处于引荐和初步应用阶段，如心理学权威期刊《心理学报》“助推”专题系列论文主要介绍了国外助推理论的发展现状[5]、助推理论“默认选项”初步应用研究、基于助推理论的环保行为干预[13]、助推式课堂[14]、师生对话[15]等。
二、为何“助推”：
助推理论在在线教学优化中的应用优势
在当前大量优质在线教育资源得以普及应用的基础上，在线教学无疑将需要进一步精细化发展，为学习者提供与其特征相适切的在线信息与环境，从而支持其在线学习体验、学习投入以及学习效果的不断优化。这与助推理论通过“以小谋大”式设计信息及环境来影响人们决策的基本取向不谋而合，可以说，助推理论从行为经济学的视角为当前在线教学优化实践提供了新的思路。就目前助推理论的应用发展与实践趋势来看，其在在线教学优化中的应用优势主要体现在以下三个方面。
（一）决策主体的“社会人”定位有助于丰富对在线学习者的认识
与常规的学习者相比，在线学习者由于在线教学的教与学隔离这一基本特征通常被要求具有更高的自主学习能力，提升学习者的自主学习能力一度成为在线教学优化的主旋律，却鲜有关注学习者的“社会人”特征并基于此给予启发式的引导以及优化学习者展开在线学习的决策结果。助推理论决策主体的“社会人”定位使我们认识到需要充分承认学习者是“社会人”，特别是青少年学习者还是心智发育尚未成熟的“社会人”，而在线学习环境的自由、灵活、隔离、选择超载等特征则使在线学习者“有限理性”“有限意志”“有限利己”“有限信息”等的“社会人”特征进一步加剧。有学者就系统整合了行为经济学、教育学、心理学、神经科学、社会学的观点，提出青少年学生的“有限理性”教育决策模型，识别出学生在教育决策中具有过于关注眼前利益、过于依赖常识判断、过于关注负面的身份认同、信息过少或选项过多时容易犯错等四大方面的特征，学生因此而未能做出最有利于自身发展的教育投入决策，其中如关注眼前利益，研究表明，负责思考、推理、决策等部分的大脑皮层（如前额叶区）是最晚成熟的，整个成熟过程大约要花费超过20年的时间，而青少年所在阶段发展得较为充分的是情绪控制中心，其大脑发育程度就突显了青少年关注当下快乐等眼前利益的问题。[16]
（二）决策依赖的“选择体系”设计有助于拓展在线教学设计的视野
在线教学设计以往的关注点主要集中在两个方面：一是知识的学习，即强调学习者对所学知识的理解与应用，这是教学设计的出发点和归宿，正如加涅所指出的教学设计基本假设之一，即“教学设计必须基于人们如何学习的知识”[17]。教学设计中，无论是对教学内容的易化、深化、透化、美化等 “二度消化”[18]，还是根据学习风格以不同方式（视觉、听觉、视听觉、动觉）呈现学习内容，乃至布鲁纳所提出的“任何学科的基本原理都可以用某种形式教给任何年龄的任何人”[19]等均旨在促进学习者的知识学习。二是平台的黏着性，即强调提升学习平台的易用性和有用性来增进学习者对学习平台的应用频次与情感依赖，这是确保在线知识学习过程得以顺利展开的根本保障。而无论是知识学习还是平台使用，均首先涉及学习者自身的选择与决策。助推理论关注基于有限理性如启发式和偏见等影响行为决策的“选择体系”设计，从“人们如何决策”的行为科学视角有力地拓展当前在线教学设计的视野，通过助推理论视角的信息与环境设计优化学习者学习相关的选择与决策，从而增进其学习投入与学习效益。例如，参考利用可影响行为决策的框架效应进行反馈信息设计，有学者就通过采用积极框架和消极框架的方式为MOOC学习者推送学习者学习表现的邮件信息，结果表明，积极框架（如“你做得比班上60％的同学要好”）对学习表现相对较好的学习者有效，而消极框架（如“你做得比班上60％的同学要差”）则对表现相对较差的学习者起作用。[20]
（三）“数字化助推”发展有助于增进个性化学习的实践
由于数字化技术的应用渗透，人们在数字化环境中的行为决策越发依赖于其所处的数字化情境，有学者据此提出“数字化助推”的概念，即在数字化情境中应用助推理论的干预方法引导人们的行为决策，强调通过设计人们进行数字化决策所依赖的人机交互（Human-computer Interaction, HCI）界面元素引导人们的判断和决策。[21]随着数字化技术应用特别是界面设计及推荐算法的不断成熟，数字化助推在其应用规模、应用速度、应用评估，以及应用循环等方面具有传统实体助推所不可比拟的显著优势，是助推理论应用的重要导向，正如有些学者所指出的那样“如果想要改变员工的行为，那就助推；如果想要使这种改变的规模迅速扩大，那就（将助推）数字化” [22]。以往的个性化在线学习主要以个性化推荐或自适应学习为着力点，关注应用数据挖掘或学习分析等手段为学习者配置与其学习水平或学习风格等相适应的信息或资源。数字化助推则以助推理论为指导，在个性化推送的基础上进一步关注学习者对学习界面或平台所呈现的信息、资源及环境的解释，提高所推送信息或资源的说服力，以可预测的方式引导学习者优化其学习有关的判断和决策，改变其学习态度和行为。例如，个性化在线学习预警中，传统的“课程信号”（course signals）只是通过标识红黄绿信号灯的方式提供预警，而有些学者则通过热图可视化技术根据以往课程数据为学习者提供其所表现的学习行为能否获得课程成功的预测，以可预测的方式引导学习者改变其学习行为、改进学习效果。[23]
三、如何“助推”：
助推理论在在线教学优化中的应用策略
助推理论关注在“有限理性”的基础上设计赋予“助推”因素的“选择体系”，但由于有限理性相关的理论观点如双系统思维模型、前景理论、心理账户、跨期决策等是如此的丰富，而由此衍生的助推策略和方法也十分灵活多样，甚至形成了助推理论工具包（nudge theory toolkit）。如前所述，仅教育领域，就有默认选项、同伴互动等12种助推策略类型。为此，泰勒和桑斯坦提出了良好选择体系应能满足NUDGES六大“助推”原则：①诱因激励（iNcentives），提供关注内外在需求满足的激励；②理解映射（Understand mappings），促进人们对不同决策结果的理解；③默认选项（Default），鉴于人们懒得做选择，将有益选择作为默认选项；④给予反馈（Give feedback），例如，因湿度变化而变色的油漆，可使人们实时了解室内湿度；⑤预估错误（Expect error），使人们在更严重的后果发生之前得到预先警告；⑥结构化复杂选择（Structure complex choices），当决策过程较为烦琐复杂时，能够简化和分解相应选择体系。[3]119本研究结合在线教学实际，重点将这些助推原则应用到在线教学优化设计中，以期通过赋予“助推”因素改进现有的在线教学，具体如下。
（一）学习评价交错化设计
该策略主要对应“诱因激励”助推原则，学习评价的交错化设计是指，将学习评价原有分配较为稳定的内容、时间、结果等做一定的动态交错处理，突显学习过程与学习结果得失间的显著关联性，从而交错性地激发学生内外在学习动机。由于内外在学习动机的激发所涉层面极广，因而在学习评价的交错化设计中，需要综合考量如禀赋效应、损失厌恶、时间偏好、心理核算等与学习评价相关的有限理性行为。禀赋效应是指，当个人一旦拥有某项物品，那么他对该物品价值的评价要比未拥有之前大大增加。例如，通过让买方和卖方对同一咖啡杯进行估价，发现卖家所估价值平均接近买家的2倍。损失厌恶是指，当人们面对同样数量的收益和损失两种选择时，人们更倾向于规避损失的选择，也就是人们失去一件东西时的痛苦程度，要比得到同样这件东西所体验的高兴程度更大。例如，各类限时优惠活动，实际就是利用人们因害怕错过优惠而迅速购买的损失厌恶心理。时间偏好主要包括时间贴现和时间不一致偏好。时间贴现是指，相比未来的获益人们更倾向于当下即时的获益，如一项任务完成后人们更愿意“即时获得100元收益”而非“一年后获得110元收益”；时间不一致偏好是指，计划（决策的当下）和落实（未来的当下）间的不一致性，强调人们低估自控问题的倾向性，如前一天晚上的需要是计划早起跑步，而第二天早上的实际需要是继续睡觉。心理核算（mental accounting）是模拟对收支进行记账的过程来探讨人们的决策及其对过往决策的解释，指人们通过对以往的投入进行记录和分类作为自身行为决策的基本依据，其核心在于通过分类来进行分开决策，从而简化决策的过程。例如，同样是花1000元，人们更倾向于舍不得花辛苦挣来的而很快花光意外奖励的。[24]32
相应的，在线学习评价的交错化设计主要体现在，根据学习时间和评价结果交错化设计学生学习的局部评价与整体评价。以往的学习评价侧重于以局部分类汇总为整体，如将学生的课程成绩区分为考勤占10％、平时作业30％、期末考试60％等，这样的分类会使学生进行相应的心理核算，即倾向于认为仅占成绩10％的考勤并不重要，这样将使相应的学习投入减少，而期末考试的60％又是在遥远的学期末，因而主动学习的执行力差，从而造成课程学习的恶性循环。这时一方面可根据禀赋效应和损失厌恶，利用人们害怕失去已经拥有的东西或害怕错过一些本应属于自己的东西这一心理，将10％的考勤与学生总成绩相关联，通过明确缺勤对总成绩的影响进一步突出仅占10％的考勤的重要性，如缺勤1次扣除10分、缺勤2次扣除20分、缺勤达3次及以上课程成绩作废等。同时，可根据时间偏好，即人们更关注当下的获益且容易低估自己的自控问题，将时间离得较远而占比较大的期末考试加以提前并具体化，如分设期中考试以及在平时的课程章节学习当中适当强调该章学习在期末考试中所占比重如何等，还可结合损失厌恶心理，将平时作业的完成时间分阶段设置奖励，避免学习拖延，如提前5天完成奖励10分，提前4天完成奖励8分等依次递减，以此对学生的学习规划与落实进行更好的引导。
（二）学习行为关联化设计
该策略对应于“理解映射”助推原则，也就是理解决策行为与行为结果间的脉络，这一脉络越清晰，越能促进相应的决策行为，如前文所述，在接种疫苗的宣传教育结束后，其中一组学生虽都计划接种，但实际接种的仅有3％，而另一组通过让学生标注有接种中心位置的地图，并规划接种时间和路线，最终有28％的学生接种。在线教学中，学习行为关联设计主要体现在学生学习行为与学习目标、学习效果、学习路径、学习情境间的关联设计。一方面向学生厘清学习行为“映射”，使学习行为与学习目标及学习效果相关联，包括达成学习目标所需要的学习行为如在线讨论、同伴互评等，预估可获的学习效果对学生学习发展的优势。另一方面则根据这些“映射”引导学生结合自身实际自主规划其学习行为与学习路径、学习情境间的关联，通过预置路径的方式启发学生的学习行为。例如，可在讨论区中开设学习行为规划专区，供学生提交课程学习路径的规划，教师可展开对学生学习行为自主规划的优化指导，还可结合在线教学平台的一些特有功能如超星学习通的签到功能，让学生在课程学习签到时结合自身实际规划当次学习的安排，包括学习内容、学习时间、学习预期等。而在为学生提供学习行为相关指导信息时，教师要能根据实际学习任务需要把握信息呈现时机，有研究表明，学习过程中提供指导信息可使学生的知识建构水平优于提前给出信息。[25]
（三）学习操作便利化设计
该策略主要对应“默认选项”助推原则，该原则针对的是人们对现状的偏好，这一偏好会使人们害怕变化、厌恶复杂、疏懒懈怠，倾向于以自我感觉舒服的方式去行动。在线教学中，学习操作便利化设计是指，尽可能减少不必要操作甚至是无需任何操作便可投入实际学习，也就是尽可能减少因额外的非必要或者非最优的操作所形成的摩擦成本，集中体现在学生倾向直入主题的学习习惯上：一方面是期望通过尽可能少的设备操作进入课程学习，另一方面则是习惯于先选择进入视频内容学习。例如，新冠疫情期间，许多学校援用中国大学MOOC平台上的精品课程作为本校SPOC课程，那么在学习操作的便利化设计中，可通过优化学生进入课程的方式，如为学生提供课程的网址链接，避免学生通过搜索等烦琐操作进入课程甚至可能进错课程；根据学生的学习习惯，将MOOC课程的教学单元内容顺序加以调整，如将视频资源居首，让学生能够无需任何操作便进入视频内容的学习，将常规课堂的课前讨论转为课后进行，支持学生在同一界面中完成所有内容的学习、测评和讨论。
（四）学习反馈参考化设计
该策略是在“给予反馈”助推原则的基础上，进一步考量人们的“社会偏好”，也就是人们的认知和决策容易受到他人及社会规范的影响。学习反馈参考化设计是指，以“参考”的社会比较视角为学生的学习提供个性化反馈。学习反馈对学生学习的巨大影响力已被大量的研究所证实，[26]188然而，当前的学习反馈大都提供学生个体的学习情况，少有从“社会影响”的角度优化现有反馈设计来有效激发和维持学习动机，从而推进学生开展学习的行动决策。基于“社会影响”的助推主要表现在：一方面为人们提供他人在相同或类似决策中的相关信息，如“纳税宣传”中被告知“超过90％的明尼苏达人已经完全按照税法的规定纳了税”比其他被告知纳税的好处等信息更能促进人们纳税；另一方面则是将人们的行为结果与他人相比较，通过形成社会及同伴压力来影响行为决策，如通过与邻居对比能源消耗可促进人们降低自家的能源消耗。[3]80-82
那么在线教学中，学习反馈的参考化设计可根据相应的“社会影响”在反馈内容中新增三个方面的参考信息。一是学习目标的参考信息，即除了提供学生学习正误好坏等信息外，学习反馈还要能提供学生学习与学习目标间差距等相关信息，如学习目标达成的标志以及他人完成相应目标的范例。研究表明，提供学习目标的参考信息与否对学生学习成就的影响显著。[26]202二是学习过程的参考信息，即除了提供学生自身学习过程的反馈信息外，还需要提供他人特别是学习优秀者的学习过程或者是其在在线教学中将会做什么的参考信息。研究表明，提供相似群体或周边他人开展相同行为的信息对促进人们做相应的行为决策具有积极影响。[4]103-106三是学习成果的参考信息，即提供学生与其他学生的学习成果进行比较的参考信息。例如，相对成绩信息的提供，研究表明，当为学生提供相对成绩时，学生学业成就显著高于仅提供绝对成绩的学生。[13]有学者研究指出，控制学习拖延变量后，在网络学习平台中，收到社会比较反馈（他们的分数与所在级学生的平均分数相比较）的学生，其成绩显著高于收到自我比较反馈（他们的分数每周与自己以前的分数相比较）的学生。[27]值得注意的是，参考比较式的学习反馈与常规反馈一样，并不总是起作用，而是会因学习反馈的提供方式（如公开或匿名）、呈现时机（如即时或延时等）、反馈对象（如学生的学习动机水平等）等方面的差异而产生不同程度的影响。
（五）学习过失包容化设计
该策略对应“预估错误”的助推原则，泰勒指出“人人都会犯错，而一个设计精妙的系统应能允许出错并给予最大限度的宽容”[3]103，“社会人”在决策过程中的有限理性、有限自控、有限利己、有限信息等特征则进一步突显了犯错是人们生活的常态。教育教学的对象是学生，主要是发展中的青少年群体，他们较成年人而言更容易犯错，而教育的本质属性在于“培养人向善”，这一“向善”本身就涵盖了由“不善”到“善”的过程，即由“坏”“恶”“错”“拙”“不满”向“美好”“善良”“正确”“擅长”“满意”的不断发展完善的过程。因此，教育教学领域比其他任何领域都要更能够包容学生的过失。[28]与此同时，在线教学由于在一定程度上脱离了学生日常学习的轨道，学生犯错的概率更高，因而更需要关注对学生学习过失的包容化设计。
在线教学中，学习过失的包容化设计主要体现在两个方面：一是对即将出现和容易出现的学习过失进行提醒或预警。以往的在线学习预警主要关注对即将出现的学习过失预警，例如，“课程信号”（course signals）通过标识红黄绿信号灯的方式提供预警，而对容易出现的学习过失预警表现不足。[29]《学记》有云“发然后禁，则扞格而不胜”，等学习过失出现后再加以干预的话，往往收效甚微。根据行为经济学的相关研究，人们的“错误”行为是系统性偏离传统经济学的“理性”行为。也就是说，学生的学习过失实际上有一定的规律可循，其相应的预警需要应用学习分析、知识图谱分析等手段识别学生容易出现的学习过失，并在学习过程中及时提醒，以防其学习过失的出现。例如，有学者根据以往课程数据，通过热图可视化技术为学生提供其所表现的学习行为能否获得课程成功的预测，可有效提高学生的学习行为意识，积极影响学习效果。[23]二是为学生偶发性的学习过失构建容错渠道。通过有条件地允许学生出错来弱化对学习过失的惩罚，并对其学习起到警示作用。例如，在MOOC学习中，一般每章节内容所设的有时间限制的单元测验，学生很容易因遗忘而无法及时完成，因此，学习平台最好能提供一种可通过特殊授权的流程，允许学生重新答题、提交，并遵循与常规答题不同的规则，如只允许补交一次测验且成绩仅为及格。
（六）学习内容解构化设计
该策略对应“结构化复杂选择”助推原则，即将复杂内容的选择进行有序且能够突出重要属性的细化，这与人们在复杂选择中更可能采取简化策略相对应。例如，汽车选购中将汽车的重要属性（如汽车的实用性）分解成更多的子属性，而将不太重要的属性合并为一个单独的类别，以此引导消费者做出更合理的选择。学习内容解构化设计主要包括两个方面：一是对整体学习内容按照知识点进行解构，与微课“短小精悍”的设计原理相类似，即以知识点为基本单元，对学习内容体系进行解构，并围绕知识点展开完整的学习过程，设置相应的导入、互动、讲解、总结、拓展、测评等相应环节。二是对知识点相关内容要素根据其影响特征进行优化设计。例如，知识点的不同学习环节或者是常规的重难点内容通过字体、颜色、大小等方式突显标识，并进一步结合相关研究成果，对具体的内容要素如视频内容、学习活动等进行优化设计；再如视频内容设计，研究表明，教学视频中教师表情丰富[30]、目光导引[31]、指示手势[32]、内容总结[33]、对话式的讲课风格[34]、中小型的教师形象[35]、呈现视频字幕[36]等均有利于提高学生学习满意度或学习绩效。
四、结束语
助推理论指导下的在线教学优化，是在充分承认学生在线学习过程中更为突显的“有限理性”“有限意志”“有限利己”“有限信息”等“社会人”局限的基础上，关注教师教学及相关研究者主观能动性的极大发挥，通过挖掘和嵌入学生学习过程中的“助推”因素，优化其学习决策的“选择体系”，从而推进学生在学习投入和产出上的不断优化发展。然而，由于助推理论是架构在行为经济学对人们决策异象相关研究的基础上，其相应的助推方法和策略会不可避免地因行为经济学自身的庞杂体系而显得繁杂凌乱，正所谓没有单一的学科方法能充分理解教育问题，本研究重点关注了助推理论以小谋大式的行为干预理念及其在优化在线教学中的具体应用方向和路径，试图从人们的行为决策视角为在线教学优化寻求新的支点，以期为当前在线教学实践的进一步优化与发展提供有益参考。
参考文献：
[1]赵秀红,王家源.疫情期间,全国1454所高校开设1226万门次在线课程,参与学生达23亿人次——在实践中创造高校在线教学新高峰[N].中国教育报,2020-5-15(1).
[2]教育部高等教育司.高校在线教育有关情况和下一步工作考虑[EB/OL].(2020-5-14)[2021-6-18]. http://www.moe.gov.cn/fbh/live/2020/51987/sfcl/202005/t20200514_ 454117.html.
[3]理查德·泰勒,卡斯·桑斯坦.助推:如何做出有关健康、财富与幸福的最佳决策[M].刘宁,译.北京:中信出版社,2018:7,80-84,103,119.
[4]戴维·哈尔彭.助推:小行动如何推动大变革(实践版)[M].梁本彬,等译.北京:中信出版社,2018:40,103-106.
[5]何贵兵,李纾,梁竹苑.以小拨大:行为决策助推社会发展[J].心理学报,2018,50(8):803-813.
[6]SANTANA M, NUSSBAUM M, CARMONA R, et al. Having fun doing math: text messages promoting parent involvement increased student learning[J]. Journal of Research on Educational Effectiveness, 2019,12(2):251-273.
[7]BAKER R, EVANS B, DEE T. A randomized experiment testing the efficacy of a scheduling nudge in a Massive Open Online Course (MOOC)[J]. AERA Open, 2016,2(4):1-18.
[8]SMITH B O, WHITE D R, KUZYK P C, et al. Improved grade outcomes with an e-mailed “grade nudge”[J]. The Journal of Economic Education, 2018,49(1):1-7.
[9]FRITZ J. Using analytics to nudge student responsibility for learning[J]. New Directions for Higher Education, 2017(179):65-75.
[10]GRIFFIN D. Nudging students’ creative problem-solving skills[J]. PS: Political Science & Politics, 2011,44(2):425-427.
[11]CHARRY K, PARGUEL B. Educating children to environmental behaviours with nudges: the effectiveness of social labelling and moderating role of age[J]. Environmental Education Research, 2019,25(10):1495-1509.
[12]DAMGAARD M T, NIELSEN H S. Nudging in education[J]. Economics of Education Review, 2018,64:313-342.
[13]傅鑫媛,辛自强,楼紫茜,等.基于助推的环保行为干预策略[J].心理科学进展,2019,27(11):1939-1950.
[14]龙宝新.助推式课堂:课堂管理方式变革的新路径[J].教育发展研究,2018,38(18):37-44.
[15]梁明月,曾妮.什么样的师生道德对话是有效的——基于助推理论的分析[J].教育发展研究,2019,39(18):59-63.
[16]LAVECCHIA A, LIU H, OREOPOULOS P. Behavioral economics of education: progress and possibilities[EB/OL]. (2014-10-15)[2021-7-18]. https://www.nber.org/system/files/working_papers/w20609/w20609.pdf.
[17]加涅,著.教学设计原理[M].皮连生,等译.上海:华东师范大学出版社,1999:5.
[18]杜和戎.讲授学[M].北京:华语教学出版社,2007:4.
[19]布鲁纳.布鲁纳教育论著选[M].邵瑞珍,译.北京:人民教育出版社,2018:27.
[20]MARTINEZ I. The effects of nudges on students’ effort and performance: lessons from a MOOC[EB/OL]. (2013-12-29)[2021-7-20]. https://education.virginia.edu/sites/default/files/files/EdPolicyWorks_files/19_Martinez_Lessons_ from_a_ MOOC.pdf.
[21]WEINMANN M, SCHNEIDER C, VOM BROCKE J. Digital nudging[J]. Business & Information Systems Engineering, 2016,58(6):433-436.
[22]FETHERSTON J, BAILEY A, MINGARDON S, et al. The persuasive power of the digital nudge[EB/OL]. (2017-5-17)[2020-10-12]. https://web-assets.bcg.com/img-src/BCG-The-Persuasive-Power-of-the-Digital-Nudge-May-2017_tcm9-156675.pdf.
[23]AUVINEN T, HAKULINEN L, MALMI L. Increasing students’ awareness of their behavior in online learning environments with visualizations and achievement badges[J]. IEEE Transactions on Learning Technologies, 2015,8(3):1-1.
[24]大卫·贾斯特.行为经济学[M].贺京同,等译.北京:机械工业出版社,2017:32.
[25]NOROOZI O, BUSSTRA M C, MULDER M, et al. Online discussion compensates for suboptimal timing of supportive information presentation in a digitally supported learning environment[J]. Educational Technology Research & Development, 2012,60(2):193-221.
[26]约翰·哈蒂.可见的学习:对800多项关于学业成就的元分析的综合报告[M]. 彭正梅,邓莉,高原,等译.北京:教育科学出版社,2015:188-202.
[27]DELAVAL M, MICHINOV N, LE BOHEC O, et al. How can students’ academic performance in statistics be improved? Testing the influence of social and temporal-self comparison feedback in a web-based training environment[J]. Interactive Learning Environments, 2015:1-13.
[28]陈桂生.普通教育学纲要[M].上海:华东师范大学出版社,2008:8.
[29]PISTILLI MATTHEW D. Course signals at purdue: using analytics to improve student success[J]. Journal of Medieval & Early Modern Studies, 2013,42(1):201-224.
[30]WANG Y, LIU Q, CHEN W, et al. Effects of instructor’s facial expressions on students’ learning with video lectures[J]. British Journal of Educational Technology, 2019,50(3):1381-1395.
[31]WANG H, PI Z, HU W. The instructor’s gaze guidance in video lectures improves learning[J]. Journal of Computer Assisted Learning, 2019,35(1):42-50.
[32]PI Z, HONG J, YANG J. Effects of the instructor’s pointing gestures on learning performance in video lectures[J]. British Journal of Educational Technology, 2017,48(4):1020-1029.
[33]FANGUY M, COSTLEY J, BALDWIN M. Pinch hitter: the effectiveness of content summaries delivered by a guest lecturer in online course videos[J]. International Review of Research in Open and Distributed Learning, 2017,18(7):242-266.
[34]RIEHEMANN J, JUCKS R. “Address me personally!”: on the role of language styles in a MOOC[J]. Journal of Computer Assisted Learning, 2018,34(6):713-719.
[35]PI Z, HONG J, YANG J. Does instructor’s image size in video lectures affect learning outcomes?[J]. Journal of Computer Assisted Learning, 2017,33(4):347-354.
[36]HSU C K, HWANG G J, CHANG Y T, et al. Effects of video caption modes on English listening comprehension and vocabulary acquisition using handheld devices[J]. Educational Technology & Society, 2013,16(1):403-414.
（School of Education Science, Guangxi University for Nationalities, Nanning 530006, Guangxi）
编辑：王天鹏 校对：王晓明
往期目录｜超链接版
期刊简介
《中国教育信息化》创刊于1995年8月，是由中华人民共和国教育部主管，教育部教育管理信息中心主办，面向国内外公开发行的国家级学术期刊。期刊内容力求全面深入地记录我国教育信息化的建设进展、研究与应用成果和行业发展状况，开展我国教育信息化发展状况调研和教育信息化国际比较研究，服务于国家教育宏观决策；力求全面准确地把握教育信息化相关的方针政策和标准规范，及时追踪ICT前沿技术的发展趋势及其与教育的融合，深度挖掘教育信息化建设与应用的体制、机制创新，服务于我国教育信息化实践。
●RCCSE中国核心学术期刊
●中国人文社会科学（AMI）扩展期刊
●中国期刊全文数据库收录期刊
●中文科技期刊数据库收录期刊
●国家哲学社会科学学术期刊数据库收录期刊
●中国核心期刊（遴选）数据库收录期刊
●龙源期刊网收录期刊
一年12期，每月20日出版
20元 / 期，邮发代号：82-761
编辑部邮箱：mis@moe.edu.cn
通讯地址：北京市西城区华远北街2号921室