对于第一个问题“learning of algorithmic constructs”（算法知识方面的变化），作者使用了比较多的数据分析方法：
- 配对样本t检验（matched pairs t-tests）
- 独立样本t检验
- Shapiro–Wilk tests
- 非参数Mann–Whitney (Wilcoxon) rank-sum检验
请分别说明这些检验的原理以及在本文中的具体用途（表8）。
配对样本t检验的数据是检验匹配而成的，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，组成的样本即为相关样本。本文采用配对样本t检验，测出这两项研究中的所有学习者，无论前测成绩如何，都显示出从前测到后测的显著进步。
独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性。本文采用独立样本t检验测出study2的学生的平均学习增益高于study1的学生。
独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性。本文采用独立样本t检验测出study2的学生的平均学习增益高于study1的学生。
t检验（参数检验）前提：样本数据服从正态或近似正态分布。由于前测符合正态分布，而后测不符合正态分布，所以采用了非参数Mann–Whitney 秩和检验来检验前测和后测之间的差异。