智能教育中学习信念与人工智能素养的关键性研究

赵梓宏 张辉 胡艺龄

摘   要：智能教育作为未来教育领域发展的必然趋势，近年来正不断地深入并融合到一线教学与学习实践中，并逐渐对传统知识观、学习信念等产生颠覆性影响。在这一冲击下，学习信念、人工智能使用经历、人工智能素养等，成为影响学生能否合理运用人工智能技术，促进学习绩效发展的关键因素。文章通过大规模调查研究，运用统计推断、Johnson-Neyman调节分析等技术，探究上述因素之间的影响关系。研究发现，单纯地引入人工智能技术、增加人工智能使用经历并不能影响学习信念与学习绩效间的关系;而融合人工智能素养的相关使用经历，则对学习信念与学习绩效间的关系起到显著的调节作用。在此基础上，文章提出家校协同共育、重塑课程设计与“以学生为中心”的人工智能技术设计三方面实践经验，以期为人工智能赋能教育变革与实践提供可行路径。

关键词：人工智能学习技术;学习信念;人工智能素养;人工智能使用经历

中图分类号：G434         文献标志码：A         文章编号：1673-8454（2022）06-0097-08

一、引言

近年来，随着人工智能（Artificial Intelligent，AI）技术与教育教学的不断融合[1]，具有引导学习活动、推荐学习资源、诊断学习问题的个性化学习技术，正在重塑学生的学习方式、改变学生与学习间的关系、变革学生对知识内涵与属性的认知[2]。正如新千年更替之际涌现出的强调联通与协商的网络学习技术，更新了人们当时的学习观一般，AI技术的智能性与互动性，使得学生接触到了比传统学习中更为丰富、多样的学习资源和学习路径。更多样化的学习方式与互动结构，使学生意识到学习并不只是知识的记忆与复述这么简单，而具有更为丰富的可能性与路径。AI技术正在潜移默化地影响学生对学习和知识本质的看法[3]。智能时代下，学生的学习信念正在经历一场前所未有的革新，从学习信念到学习绩效的影响关系也逐渐被重塑。

伴随着的，AI使用经历、AI素养等从不同层面丰富并影响了上述关系。随着技术不断深入教学一线，AI学习技术不仅丰富了学生的AI使用经历，还使得学生在智能化学习经历中意识到了学习的丰富性，获得更为高阶的学习信念，从而二者共同促进学习绩效的提升[4][5]。但也有学者强调，AI技术的介入可能惰化学生的思维能力和独立思考能力，使学生过度依赖技术的支持，从而产生低阶的学习信念，甚至影响学习绩效[6]。因此，有学者强调需培养学生的AI素养，使得学生能够在认识技术的本质、内涵与特点之基础上，以更为合理、高效且恰当的方式运用技术辅助自己的学习活动，而非被技术主宰自己的学习[7]。但是，关于AI技术对学习影响的争辩依旧停留在理论分析上，缺乏更为实在的数据证据来佐证。这使在AI教育实践的推进过程中，许多学校管理者、教师和家长都对具有复杂性、多面性和不确定性的学习技术望而却步。在这一背景下，本研究通过大规模调查研究，运用模型构建、数据分析等方法，详细剖析AI使用经历与AI素养如何影响学生的学习信念，进而探究技术对学习绩效的影响，为AI教育变革的推进提供更为全面、丰富的数理论证与实践经验。

二、模型构建

学习信念是指学生对知识的性质和认知的本质信念，学习信念关注的是学生对学习活动的看法、对知识性质的认知，以及对知识的权威性、正确性与丰富性的感知与判断[8]。学习信念与一般的素养能力不同，学习信念是从价值观、知识观的层面对学生的学习活动、学习策略、学习方式等产生更为根本性的影响[9-11]。当学生具有更高阶的学习信念时，则更能认识到学习的复杂性、多样性和丰富性，进而采用更为辩证的态度审视知识，使用更为适合自己的学习策略开展学习，对提升学习绩效具有根本意义[12]。基于此，提出研究假设H1。

H1：学习信念对学习绩效具有显著且正向的影响。

学习信念在学习活动中的基础性与根本性，使发展学生的学习信念，以获得高阶的认识成为多数研究关注的重点。例如，有研究指出，技术环境是促使学生获得更为高阶学习信念的关键，因技术丰富了学生对情境的感知、扩充了学生的知识获取方式、意识到了知识的复杂建构过程，进而改变学生对学习本质和学习方式的认识[13]。因此，技术是调节学习信念影响学习绩效过程中的重要因素。而在智能时代下，AI学习技术在智能算法与大数据的赋能下，具备比传统技术环境更为个性化、智能化的学习支持、推荐与诊断服务。在智能技术的加持下，学生更加认识到知识的丰富性与复杂性，通过更为深入的学习交互，扩充了知识认知水平与应用深度[14-16]。也有研究指出，AI学习技术背后的算法是固定、标准化的，虽然能够提升学习的效率，但不利于提升学生的创造力、灵活性[17]。因此，AI学习技术在通过影响学习信念，进而调节对学习绩效的影响上，具有一定的不确定性和复杂性。本研究在此基礎上，将研究假设H2界定为“具有调节作用”，而实际上是否产生效果，则需要由后续的统计分析加以证实。

H2：AI使用经历对认知论信念和学习绩效的关系起调节作用。

上文已经提到，单纯的AI学习技术影响可能是双向的，积极与消极的影响均有对应的研究结论支持。但从技术本质出发进行探讨可以发现，技术本身不具备优劣属性，技术的价值由使用技术的人所赋予，技术应用者如能够以正确、恰当的方式使用技术，则能够发挥其积极价值;若错误或过度地使用技术，则可能带来一定的风险[18]。因此，智能时代下的AI素养，是决定AI使用者能否以批判、合理、恰当的方式看待并使用技术的关键。对于运用AI学习技术的学生而言更是如此。只有学生具备一定的AI素养，才能恰当地进行AI学习技术使用（即上文提到的AI使用经历），从而促进学习效率与绩效的提升[7][19]。换言之，AI素养对研究假设H2所描述的“AI使用经历的调节作用”具有调节作用，即海耶斯（Hayes）所提出的“对调节作用的调节”[20]。因此，可以提出研究假设H3。7D83EE9C-3857-4F47-B48A-7E12A8162F21

H3：AI素养对AI使用经历的调节具有调节作用。

综上所述，本研究提出的学习信念、学习绩效、AI使用经历、AI素养四者之间的理论关系，可表示为如图1所示的理论假设模型。其中“对调节作用的调节”可视化表征为“路径H3”所示。

三、研究设计

（一）研究对象

为了平衡地域差异，本研究通过问卷星创建调查问卷，主要向宁夏、天津两地学生发放问卷，回收有效问卷1059份。其中男生569份、女生490份;宁夏问卷433份、天津问卷451份;学生所在学校位于城市的534份、位于乡村的525份。学生年龄主要集中在9～15岁之间，学生年级分布主要集中在小学三年级到初中三年级。

（二）问卷设计

本研究在借鉴已有成熟量表的基础上进行整合修改，经过专家审阅并给予相应建议后，再次修订后定稿。问卷共有28道题目，共包括学生基本信息、AI教育产品使用经历、AI素养、认识论信念、学习绩效五个模块。其中，学生基本信息5道题目;AI使用经历维度4道题目，学生使用过的产品种类越多该值越高;AI素养针对不同学段的学生提供不同的题目，每个学段各3道题目;学习信念维度6道题目;学习绩效维度4道题目。除学生基本信息和AI教育产品使用经历维度外，其他维度均采用李克特五点量表，从1到5分为五个等级。

（三）信效度检验

为了检验测量问卷信度，本研究采用Cronbachs α系数进行评价，如表1所示。结果显示，学习绩效维度和各学段AI素养维度Cronbachs α系数均大于0.9，信度非常好;学习信念维度Cronbachs α系数大于0.8，信度较好;AI使用经历维度和量表总的Cronbachs α系数在0.7～0.8之间，信度在可接受范围内。由此可知，该问卷具有较好的信度。

同时，本研究对问卷进行了效度检验，KMO值>0.856，巴特利特球形度检验显著（P<0.001），因此问卷适合做因子分析。本研究采用主成分分析方法进行提取、最大方差法进行旋转，以特征根>1为标准提取公因素。旋转后的成分矩阵表明各维度试题均为一类，说明问卷效度较好。

（四）分析方法

本研究使用SPSS23.0统计软件对回收的有效问卷数据进行统计分析。首先，对AI教育产品使用经历、AI素养、认识论信念、学习绩效维度进行描述性统计分析;然后，使用SPSS23.0软件中的PROCESS插件，对上文建立的理论假设模型进行检验，同时运用Johnson-Neyman调节分析技术，探索AI素养和AI使用经历的调节作用。

四、数据分析

（一）各维度描述性统计分析

学习绩效、认识论信念、AI教育产品使用经历、AI素养的最大值、最小值、平均值、标准差等描述统计结果如表2所示。可以发现，学生的认识论信念和学习绩效水平较高，均在3.6以上，而AI素养水平相对较低，约为3.433。

AI教育产品使用经历维度主要调查学生是否使用过相关产品，以及使用过多少种类的产品。本研究调查了AI智能搜题、AI语言训练、AI作文写作、AI智能题库四种类型的AI教育产品，使用经历的频率分布如表3所示。可以发现，从没有使用过一种产品，到四种产品都使用过的分布情况较为均匀。

（二）理论模型的假设检验分析

本研究采用SPSS23.0插件PROCESS中的Model 3，对图1所示的理论模型进行假设检验分析。三条研究假设的检验分析结果如下。

1.学习信念对学习绩效具有显著影响

通过分析可知，学习信念影响学习绩效的路径系统为0.515、标准误差为0.026，其P值小于0.0001。因此，在99.9%的置信水平上，学习信念对学习绩效具有显著的直接影响，研究假设H1成立。

2.AI使用经历的调节效应不显著

将“学习信念”作为自变量、“AI使用经历”作为调节变量、“学习绩效”作为因变量，进行调节效应分析，发現AI使用经历调节效应不显著（调节效应值=0.013，P=0.075>0.05），即单独的AI使用经历并不会对“学习信念→学习绩效”路径起到调节作用。也就是说，仅仅是AI学习技术的使用经历不同，并不会影响学生的认知、观点和信念，也不会对学习绩效产生影响。为进一步了解AI使用经历与认识论信念、学习绩效的关系，本研究绘制了三者间的关系图，如图2所示。可以发现，虽然同样水平的学习信念下，AI使用经历越多学习绩效越高，但这样的差距并不显著，即四条线段间的差距间隔并不明显。由此可推断，研究假设H2不成立。

3.AI素养对AI使用经历具有显著的调节作用

通过分析发现， AI使用经历和AI素养的共同作用对“学习信念→学习绩效”具有显著的调节作用（调节效应值=0.37，P=0.047<0.05）。继续运用Johnson-Neyman调节分析技术可知，AI素养低于3.78时，AI使用经历具有显著的调节效应;而当AI素养大于3.78时，调节效应开始不显著（如图3所示）。即当AI素养低于3.78时，AI使用经历越多则越会影响学生的认识与信念，进而提升学习绩效;当AI素养高于一定程度达到3.78以上时，不同AI使用经历不再对信念产生调节影响，也不会影响学习绩效。

五、分析与讨论

（一）单纯AI学习技术的引入，对“学习信念→学习绩效”无显著影响

本研究发现，单独的AI使用经历因素并不会对学习信念与学习绩效关系产生调节作用。即随着学生使用AI学习技术种类的增加，学习信念对学习绩效的影响作用并不会有显著变化。其原因在于，单纯的AI技术应用并不会影响学生对知识的理解与学习策略的改变。技术的应用或许可以帮助学生掌握操作各类媒介与技术的相关技能，但却不能帮助学生提升价值判断、信息选择的能力[21]。对于中小学生而言，其世界观与价值观逐渐成熟，对知识来源、信息权威性的判断尚未完全成熟。而单纯的技术应用，并不能使学生成为积极主动的思考者和学习者，学生很难将新旧知识建立非人为与实质性的联系，需要更高阶的思维来促进AI教育产品对信念和学习效果的积极影响[22][23]。7D83EE9C-3857-4F47-B48A-7E12A8162F21

（二）结合AI素养的AI使用经历，显著调节认识论信念與学习绩效的关系

本研究发现，以3.78数值为界限，当学生的AI素养低于3.78时，AI教育产品使用经历显著调节认识论信念与学习绩效的关系。换言之，AI教育产品使用的种类越多，认识论信念对学习绩效的影响越大。当学生的AI素养高于3.78时，AI教育产品使用经历对认识论信念与学习绩效之间的关系不起调节作用，即AI教育产品使用经历的不同并不会对认识论信念与学习绩效的关系产生影响。从统计学意义上分析，3.78这一数值的涵义可以解释为，学生的AI素养达到中等偏上水平，这是影响上述关系的重要分水岭。

在AI素养较低的情况下，学生不清楚如何有效利用AI教育软件来协同自己的学习，不能批判性地使用该类软件，导致其对软件提供的信息不加甄别直接使用。AI教育产品使用经历较少时，学生不能意识到AI学习应用对自己解决疑难问题的重要性。单一种类AI教育产品的使用仅针对学习过程的某一部分发挥作用，因此对学习绩效的影响较小。然而，随着AI素养的不断提升，学生意识到AI教育产品的强大功能，在不同的学科领域和学习过程中采取不同的软件来辅助学习，技术的使用为学生提供了生命线，避免其在学习中感到孤独与无助[24]。较多接触AI学习应用会增加学生的情境感知经历，更能在AI技术的辅助下，意识到学习的丰富性和复杂性，从而让其能够更好地运用技术支持学习活动，进而大幅度提升学生学习成效。而这一切，都基于学生在高AI素养的前提下，对AI学习应用有深刻的认识与理解，能够以正确、恰当的方式运用AI技术赋能学习活动。

六、总结与实践建议

（一）家校协同共育，树立学生合理正确的AI价值观，提升学生的AI素养

本研究通过大规模调查与统计分析发现，单纯地引入AI学习技术并不能有效地促进学生学习信念对学习绩效的影响关系，而只有随着AI素养的增加，才能够有效、积极地促进学生的信念发展与绩效提升。因为，只有高水平的AI素养，才能使学生懂得如何更好地使用AI技术来帮助自己解决问题，并能够辩证看待其发挥的作用，普遍意识到技术辅助下的学习活动是丰富且复杂的，不能采用简单、依赖性的方式来运用技术。而促进学生AI素养的路径，需要通过家校协同共育，为学生树立良好的AI应用氛围与客观的AI价值氛围[25]。通过教师、家长的合理引导，及其教师、家长在日常教学与生活中的AI应用习惯和态度，以潜移默化的方式树立学生正确、积极、辩证的AI价值观，提升学生的AI素养。

（二）利用AI技术重塑课程设计，以丰富性、交互性等特征促进学生学习信念的发展

随着智能算法的不断创新与突破，AI技术在知识存储、知识获取、知识检索、知识发现等方面表现出了不俗的能力，甚至在记忆、检索等方面已经超越了人类。在这一背景下，人与知识间的关系渐渐发生转变，如我们依旧只关注知识的简单获取、复述和重复性应用，则难以体现人类学生在主动性、创造性等方面的特点[26][27]。因此，智能时代下的教学与学习是否还应停留在知识传授、知识复述、知识重复性应用之上，是AI教育实践推进过程中需要深思的问题。本研究通过大规模调查发现，学习信念是从价值观、世界观等本质观念出发，影响学生的学习方法与学习态度。因此，对于课堂教学而言，如何运用AI技术重塑课堂设计是关键，而不只是运用其传授知识。良好的AI教学环境，应当为学生创设丰富、可交互、自由的学习活动，不只是辅助学生掌握知识，更要促进学生学习信念的发展，教会学生在智能时代运用正确的知识观与价值观装备自己。这样，学生就可以权衡好自身与AI的关系，辨清知识的本质，进而成为主动学习者[28]。

（三）“以学生为中心”的AI技术设计与使用，强调技术引导学生而非代替学生思考

智能算法虽然为人类带来了更具个性化的服务，但也引起了信息茧房等问题。由于较低的学习信念与AI素养，导致人们一味地依赖AI技术所提供的智能推荐，只看到自己想要看到的信息、获取自己感兴趣的知识，渐渐地被困在了AI所结成的“茧房”之中，逐渐被局限在一个小小的领域中自娱自乐[29]。而对于信念、知识观与价值观尚未成熟的中小学生而言，更需要关注信息茧房的问题。因此，对于AI学习技术的设计开发人员而言，需要强调从学生的角度出发，设计强调“协商”性质的AI学习技术，通过对话、互动等方式协助学生学习，而非简单地使用推荐算法等直接服务于学生[30]。对于教师与家长而言，在使用AI辅助学生学习的过程中，需要注意如何引导学生运用技术拓展学习活动，为学生提供更多自主思考、探究与失误的机会;还要注意引导学生辩证性地看待AI所推荐的信息与路径，促使学生成为积极主动的学习者与探究者。通过以学生为中心的AI设计，使技术的应用能够真正回归教育与学习的本质[31]。

参考文献：

[1]CHASSIGNOL M， KHOROSHAYIN A， KLIMOVA A， et al. Artificial Intelligence trends in education： a narrative overview[J]. Procedia Computer Science， 2018（136）：16-24.

[2]POPENICI S A， KERR S. Exploring the impact of artificial intelligence on teaching and learning in higher education[J]. Research and Practice in Technology Enhanced Learning， 2017，12（1）：1-13.

[3]TSAI C C. Conceptions of learning versus conceptions of web-based learning： The differences revealed by college students[J]. Computers & Education， 2009，53（4）：1092-1103.7D83EE9C-3857-4F47-B48A-7E12A8162F21

[4]胡航.技术促进小学数学深度学习的实证研究[D].沈阳：东北师范大学，2017.

[5]TUOMI I. The impact of artificial intelligence on learning， teaching， and education[M]. Luxembourg： Publications Office of the European Union， 2018.

[6]中共中央办公厅、国务院办公厅.关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见[EB/OL]. （2021-07-24）[2022-03-25].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202107/t20210724_546576.html.

[7]LONG D， MAGERKO B. What is AI literacy？ Competencies and design considerations[C]. The 2020 CHI Conference on Human Factors in Computing Systems， 2020：1-16.

[8]HOFER B K， PINTRICH P R. The development of epistemological theories： beliefs about knowledge and knowing and their relation to learning[J]. Review of Educational Research， 1997，67（1）：88-140.

[9]HORNIK S， JOHNSON R D， WU Y. When technology does not support learning： Conflicts between epistemological beliefs and technology support in virtual learning environments[J]. Journal of Organizational and End User Computing， 2007，19（2）：23-46.

[10]BRATEN I， STROMSO H I. FERGUSON L E. The role of epistemic beliefs in the comprehension of single and multiple texts[M]. Handbook of individual differences in reading. Routledge， 2015：85-97.

[11]REN H， BAI Y. A Study of the Relationship between Learning Belief and English Achievement of Chinese English Major College Students[J]. Journal of Education and Practice， 2016，7（14）：99-103.

[12]HWANG G J， YANG T C， TSAI C C， et al. A context-aware ubiquitous learning environment for conducting complex science experiments[J]. Computers & Education， 2009，53（2）：402-413.

[13]LIN T J， TSAI C C. Developing instruments concerning scientific epistemic beliefs and goal orie ntations in learning science： a validation study[J]. International Journal of Science Education， 2017，39（17）：2382-2401.

[14]李雅兰.人工智能在辅助高中地理习题课中的应用探索[D].武汉：华中师范大学，2019.

[15]刘革平，高楠.手势交互虚拟实验对学习体验的影响机制[J].现代远程教育研究，2021，33（2）：22-32，72.

[16]熊祖阁，韩运侠.智能搜题软件对初中生学习物理的影响与对策[J].教育教学论坛，2016（46）：211-212.

[17]DEANE P. On the relation between automated essay scoring and modern views of the writing construct[J]. Assessing Writing， 2013，18（1）：7-24.

[18]單美贤，李艺.教育中技术的本质探讨[J].教育研究，2008（5）：51-55.

[19]KIM S， JANG Y， KIM W， et al. Why and what to teach： AI curriculum for elementary school[C]. The AAAI Conference on Artificial Intelligence， 2021：15569-15576.

[20]HAYES A. Introduction to mediation， moderation， and conditional process analysis[J]. Journal of Educational Measurement， 2013，51（3）：335-337.7D83EE9C-3857-4F47-B48A-7E12A8162F21

[21]VAN DEURSEN A J， VAN DIJK J A， PETERS O. Rethinking Internet skills： The contribution of gender， age， education， Internet experience， and hours online to medium-and content-related Internet skills[J]. Poetics， 2011，39（2）：125-144.

[22]CHIU Y L， LIANG J C， TSAI C C. Exploring the roles of education and Internet search experience in students Internet-specific epistemic beliefs[J]. Computers in Human Behavior， 2016，（62）：286-291.

[23]刘洋，赵东伟.教育软件对学习效果的影响——基于38项实验和准实验的元分析[J].中国远程教育，2020（3）：58-64.

[24]CROWE D， ZAND H. Novices entering mathematics—I. the impact of new technology[J]. Computers & Education， 1997，28（1）：43-54.

[25]施展.智慧教育环境下中学家校共育的现状及对策[D].湘潭：湖南科技大学，2020.

[26]DUFFY M C， AZEVEDO R. Motivation matters： interactions between achievement goals and agent scaffolding for self-regulated learning within an intelligent tutoring system[J]. Computers in Human Behavior， 2015（52）：338-348.

[27]李世瑾，胡艺龄，顾小清.如何走出人工智能教育风险的困局：现象、成因及应对[J].电化教育研究，2021，42（7）：19-25.

[28]刘妍，胡碧皓，顾小清.人工智能将带来怎样的学习未来——基于国际教育核心期刊和发展报告的质性元分析研究[J].中国远程教育，2021（6）：25-34，59.

[29]刘华栋.社交媒体“信息茧房”的隐忧与对策[J].中国广播电视学刊，2017（4）：54-57.

[30]郝祥军，顾小清.基于协商的学伴推荐：自适应学习的社会性发展路向[J].中国远程教育，2021（8）：51-59，75，77.

[31]顾小清，李世瑾，李睿.人工智能创新应用的国际视野——美国NSF人工智能研究所的前瞻进展与未来教育展望[J].中国远程教育，2021（12）：1-9，76.

作者简介：

赵梓宏，硕士研究生，主要研究方向为元认知诊断、学习分析，邮箱：51204108042@stu.ecnu.edu.cn;

张辉，硕士研究生，主要研究方向为学习分析，邮箱：51214108043@stu.ecnu.edu.cn;

胡艺龄，副教授，博士，通讯作者，主要研究方向为学习分析与高级思维能力评估，邮箱：ylhu@deit.ecnu.edu.cn。

Research on the Key of Learning Belief and AI Literacy in Intelligent Education

Zihong ZHAO， Hui ZHANG， Yiling HU*

（Department of Education Information Technology， East China Normal University， Shanghai 200062）

Abstract： As the inevitable trend of the future development of education field， intelligent education is constantly deepened and integrated into the front-line teaching and learning practice in recent years， and it gradually has a subversive impact on the traditional knowledge view and learning belief. With this impact， learning belief， artificial intelligence （AI） use experience， and AI literacy have become key factors in affecting students ability in using AI technology and promoting the development of student learning performance. In this study， statistical inference and Johnson-Neyman adjustment analysis were used to explore the relationship between the above factors through large-scale investigation and research. It found that simple introduction of AI technology and increase of AI use experience did not affect the relationship between learning belief and learning performance. However， AI use experience combined with AI literacy significantly moderated the relationship between learning belief and learning performance. Based on this， this study puts forward three practical experience of home-school co-education reshaping curriculum design and “student-centered” AI technology design， aiming to provide feasible approaches for the reform and practice of AI education.

Keywords： AI learning technology; Learning beliefs; AI accomplishment; AI experience

編辑：王晓明    校对：李晓萍7D83EE9C-3857-4F47-B48A-7E12A8162F21