【教育技术顶刊】BJET:同一个AI工具,不同的使用方法,竟带来不同的学习结果

研究的核心创新点体现在两大分析方法的结合运用：

一是用层次聚类分析将学生按成就目标定向划分为不同动机剖面，像 “给学生的学习动机做精准画像”；

二是引入认知网络分析（Epistemic Network Analysis, ENA），能捕捉 GenAI 使用与 SRL 各环节的时序关联，不再局限于传统的 “使用频率” 统计，而是深入探究 “使用时机与关联方式”。

此外，研究依托真实的智能学习平台Healthy Choice开展实验，让学生完成实际问题任务，保证了研究结果的生态效度，避免了纯实验室研究的脱离实际。

（2）研究问题

• RQ2：不同成就目标定向剖面的学生，在 GenAI 使用频率和自我调节学习行为频率上是否存在差异？

• RQ3： 不同成就目标定向剖面的学生，在将 GenAI 整合到自我调节问题解决过程中的模式上，是否呈现出显著的独特性？

（1）被试信息

• 参与者：110名大学生

• 学习环境：Healthy Choice平台（一个专为营养教育设计的AI智能辅导系统）    

• 任务内容：学生需要完成一项”全夜备考饮料推荐”场景的营养决策任务——从10款真实饮品中，根据场景要求（如控糖、补充咖啡因、不崩溃等），找出最优解。

这个任务巧妙地将SRL的三个阶段操作化：目标设定（在情景描述中标注关键词）→ 执行/评估/监控/初始决策（逐一检查产品信息、打标签、做筛选）→ 反思（提交最终选择并撰写决策理由）。

（2）研究工具

• 测量工具：采用改编自MSLQ 学习动机策略问卷的目标定向量表，含掌握型和表现型两个维度，7 点李克特计分，经验证性因子分析证明结构效度良好；

• AI 工具：使用原生版 ChatGPT，无额外系统提示，学生可通过 “全局提问” 和 “产品专属提问” 两种方式求助 AI，保证了学生使用 GenAI 的真实性。

（3）评估方法与指标

针对三个 RQ 采用差异化的分析方法：

RQ1：用层次聚类法进行学生动机分型，用单因素方差分析（ANOVA） 验证分型的有效性，用卡方检验对比不同剖面学生的任务表现；

RQ2：用单因素方差分析 + Bonferroni 事后检验，对比不同剖面学生的 GenAI 使用频率和各 SRL 行为频率；

RQ3：用认知网络分析（ENA），设置窗长为 3 的分析窗口，捕捉 GenAI 与 SRL 行为的时序关联，用曼 – 惠特尼 U 检验验证不同剖面学生网络结构的显著性差异，同时通过可视化网络对比关联模式。

掌握型平均使用2.62次，绩效型2.42次，低目标型2.00次——几乎一样多。

❌ 这意味着：仅凭”用了多少次AI”根本无法判断一个学生学得好不好！

但三组在SRL行为频率上出现了显著分化：

ENA分析揭示了三幅截然不同的”AI使用行为网络图”：

🔴 掌握定向型：AI是”知识脚手架”

他们的网络中，GenAI与”执行”（检查产品）、”评估”（判断适合度）之间的连线最粗，说明他们倾向于在主动研究和分析过程中遇到不懂的概念时才去问AI这是典型的策略性认知卸载，用AI来加深理解，而非替代思考。与绩效型相比，差异显著。

🔵 绩效定向型：AI是”决策捷径”

他们的网络中，GenAI与”初始决策”（是否将某产品列入候选）之间的关联最强。这意味着他们更多地把AI当成”帮我快速筛一下”的工具，把本该自己做的判断环节”外包”给了AI。这是一种偏向适应不良的认知卸载——尽管短期任务成绩尚可，但这种用法会侵蚀学习者的决策能力和认知自主性。

🟢 低目标型：AI是”元认知拐杖”

他们的GenAI使用关联最为密集，且连接的是学习过程中最高阶的环节：监控、反思和最终决策。他们不是用AI来学知识，而是把”我现在做得怎么样””最后选哪个”这些本该由自己来掌舵的元认知活动，全部托付给了AI。

💡 局限与未来方向：

• 任务场景单一（单次营养推荐任务），无法追踪AI使用模式的纵向演变；

• 使用原版ChatGPT（无系统提示词）虽保证了生态效度，但增加了AI幻觉的风险；

• 成绩测量为二元指标，未能评估知识增益；

• 日志数据无法揭示学生内心的认知过程，未来需结合有声思维、眼动追踪、访谈等多元方法加以深化。

💬 留给读者的问题：在你的教学实践中，是否观察到不同学习动机的学生使用 GenAI 的方式差异？你是如何识别这种差异的？欢迎在评论区分享你的观点~

原文标题：Students’ use patterns of generative artificial intelligence during problem-solving in an intelligent learning system: Achievement goal orientation matters

Doi：https://doi.org/10.1111/bjet.70059

【END】