2023年11月21日，《Educational Technology Research and Development》（SSCI，5年IF 5.4）在线刊发了陈栩茜副教授课题组的研究论文：The effects of reading prompts and of post‑reading generative learning tasks on multiple document integration: evidence from concept network analysis（https://doi.org/10.1007/s11423-023-10326-w）。本研究采用概念网络分析方法，探讨阅读提示和阅读后生成性学习任务对学生文档整合表现的影响。心理学院2019级硕士生韦子谦为该论文的第一作者，陈栩茜副教授为通讯作者，实验室为第一完成单位。
多文本理解是指学生根据多个文本而不是单一来源中提供的信息来理解复杂主题或问题的过程和行为，是人的基本的学习能力之一。本实验采用概念网络分析方法，探讨阅读提示和阅读后生成性学习任务对学生多文本理解表现的影响，以探讨从多个角度评价多文本理解整合水平的可能性。本科生（N = 119）根据指导语的要求，阅读三份关于阿尔兹海默症的文档与阅读提示（整合提示或详细提示），然后在阅读后完成生成性学习任务（概念图与摘要写作），并于三天后完成一项延迟的写作任务和一项推理验证测试。所有生成性的书面文本被转换为概念网络，并用以评价阅读产物的整合水平，包括整合倾向性（以整合链接的比例衡量）、整合的语义质量（以整合链接的相似度衡量）和整合的结构质量（以网络图中心度比较衡量）。
图1：整合量和整合结构质量的结果
图2：四组的平均概念网络图。三个文档中的概念分别用蓝色、绿色和黄色节点表示。橙色节点是共同的中心概念“阿尔兹海默症”。粗红线表示整合联系
结果表明，相比于详细提示，整合提示提高了整合的倾向性，但提示的不同对语义和结构质量影响不大。此外，概念图相对于摘要写作显著提高了整合的结构质量。这一研究利用不同的指标探讨了不同的提示任务和生成性任务多文本理解整合效果的影响，拓展了人们对多文文本理解评估的理解，为未来的多文本理解研究提供了新的视角和思路。