Leveraging learner individual differences in data-driven learning: Introducing the special issue

Lawrence Jun Zhang

doi:10.1016/j.lindif.2026.102952

Leveraging learner individual differences in data-driven learning: Introducing the special issue

2026-06-01

0

PRE

AI

DOI：10.1016/j.lindif.2026.102952

原文链接

原文求助

摘要

En 中文

数据驱动学习（DDL），即学习者通过探索真实语言数据（通常借助语料库或语料检索工具）来归纳模式的方法，已从一种小众方法发展为支持语言意识、语类素养和学科交流的多样化途径。然而，DDL的成效差异显著：部分学习者能在探索导向的环境中茁壮成长，而另一些人则经历认知过载、挫败感或表面化模式匹配。从本论文集中的论文及其他已发表研究中，我们可以清晰地看到关于学习者个体差异（IDs）的研究与理论如何影响其对DDL的参与度和收益，包括语言熟练度、元语言意识、认知能力（工作记忆、注意力控制）、学习偏好、情感因素（动机、焦虑、模糊容忍度）、自我调节以及数字/语料素养。我们拟提出一个整合框架，将IDs与DDL任务需求、工具功能及教学设计选择相联系。最后，我们提出适应性DDL的教学原则，提供差异化、支架和评估策略，并勾勒出未来研究方向，以实现在多样化教育背景下的稳健且公平的实施。

Leveraging learner individual differences in data-driven learning: Introducing the special issue

摘要

期刊

机构

引用论文