自我调节能力在人机协作中至关重要,对生成式人工智能(GAI)反馈的促学效应有显著影响。GAI反馈的动态性和复杂性要求学习者灵活运用策略调节认知、行为和情感,以保持积极的反馈投入和实现修改目标。有效的反馈摄取行为能够促进自我调节的内化,提升人机交互的能动性。尽管已有研究揭示了反馈投入与自我调节策略的关联性,但自我调节能力如何影响学习者的GAI反馈投入仍需进一步实证探索。本研究旨在探究自我调节能力对行为、认知和情感三维反馈投入的作用机制,揭示GAI赋能写作反馈的内在机理,为智慧写作教学实践提供启示。
综述了人工智能辅助写作及反馈投入研究,指出GAI辅助写作反馈能提升写作质量和能力发展,反馈投入程度是影响人工智能促学效应的关键因素。反馈投入具有多样性和动态性特征,涵盖认知、行为和情感三个核心维度。研究探讨了不同反馈模式下学习者反馈投入的特征及其影响因素,发现反馈投入各维度间关系密切,但投入水平存在差异。自我调节能力与反馈投入关系密切,自我调节能力是一个多维动态的能力体系,与学业成就和自主学习能力密切相关。在人机协同环境下的自我调节学习成为研究焦点,GAI辅助写作反馈具有复杂性和动态性特征,需要学习者拥有更强的自我调节能力以整合信息,灵活调整策略,从而高效处理机器反馈。本研究采用个案研究法,深入追踪不同自我调节能力的外语学习者在GAI辅助写作反馈中的认知、行为和情感投入特征、变化及成因。
本章节介绍了研究设计,包括研究对象、数据收集和数据分析。研究对象为6名非英语专业大一学生,分为高、低自我调节能力组,通过目的采样方法选取。数据收集采用多源方法,包括量表、人机互动对话、写作修改文本和回溯性访谈,以探究自我调节能力对反馈投入的影响。数据分析通过两轮数据收集,获取人机交互数据、写作修改文本及回溯性访谈,构建写作反馈投入分析框架,涵盖认知投入、行为投入和情感投入三个维度。采用内容分析法对数据进行循环编码与分类,计算各维度投入及其二级指标的频次,并通过三角互证确保研究结果的可靠性与有效性。
研究发现自我调节能力高的学生在认知、行为和情感投入方面均高于自我调节能力低的学生,且两组学生在这些方面均表现出个体差异。在认知投入上,高自我调节能力学生更频繁使用高阶认知策略,如对比、分析和精细加工反馈信息,而低水平学生则倾向于选择性加工反馈。在认知监控方面,高自我调节能力学生能根据修改目标调整与AI的互动指令,而低水平学生则机械接受反馈。在反馈理解上,高自我调节能力学生能识别AI反馈的局限性并关注语篇衔接与句式结构,而低水平学生主要关注词汇、语法层面的反馈。在行为投入上,高自我调节能力学生展现出更多的成功摄取行为和多元化的修改策略,而低水平学生则依赖浅层策略。在情感投入上,高自我调节能力学生对反馈内容和质量持积极态度,并表现出深层次认知加工行为,而低水平学生虽认可反馈的高效性,但其修改行为多局限于语言层面。两组学生对反馈的消极态度差异较小,主要集中在反馈智能性不足、内容单一及评分标准不一致等问题上。通过分析两轮写作任务中的修改文本、人机互动对话及访谈数据发现,学生的认知和行为投入整体呈下降趋势,但不同自我调节能力的学生反馈投入变化存在差异。高自我调节能力学生在信息组织策略使用和反馈摄取频次下降明显,但在修改行为和反馈理解方面表现稳定,而低自我调节能力学生在第二轮反馈中表现出较弱的反馈信息理解能力和较少的修改行为。在情感投入方面,两组学生对GAI反馈的态度均呈现积极转变,高自我调节能力学生认可GAI反馈在解决语言问题、缓解修改心理压力、提供明确修改方向及减轻认知负担方面的作用,而低自我调节能力学生随着熟练度提升,逐渐认为修改过程有趣,文心一言很厉害,并因修改后文本分数提升而感到满足。
本研究通过多源数据分析发现,在GAI辅助写作情境下,自我调节能力是影响多维反馈投入的关键因素。高自我调节能力学生在认知和行为投入维度表现更优,能运用高阶认知策略和目标导向监控能力,有效组织理解反馈信息。而低自我调节能力学生则依赖浅层修改策略,修改行为固化。高自我调节能力学生的修改行为呈现多元化和主动性,展现出深度认知加工特征;而低自我调节能力学生则表现出情感倦怠特征。自我调节能力通过影响认知加工深度、行为灵活性与情感体验,对学习者反馈投入模式产生调节作用。研究还发现,高自我调节能力学生通过积极运用调节策略,保持了稳定的反馈理解与修改行为,而低自我调节能力学生在这两方面下降明显。本研究对GAI赋能写作教学实践具有重要启示,建议针对不同自我调节能力的学生实施分层教学,提升反馈个性化、人机交互素养和元认知训练,开展多元互动反馈模式,促进学习者从被动接受向主动协商转变,提升人机协同共建能力。
本章节总结了6名学生在GAI辅助写作中自我调节能力对多维反馈投入的影响。研究发现自我调节能力高的学生在认知、行为和情感维度上表现出更积极的反馈投入,而自我调节能力低的学生则表现出认知倦怠和行为表层化。研究局限性在于样本量小和分析方法单一,未来研究可扩大样本范围,结合多模态数据分析,深入探讨反馈接受与修改行为的神经认知机制。
* 以上内容由AI自动生成,内容仅供参考。对于因使用本网站以上内容产生的相关后果,本网站不承担任何商业和法律责任。