杜华, 顾小清｜人工智能促进知识理解：以概念转变为目标的实证研究

本期 · 精彩

理论前沿与人才战略

应用场景与教育治理

点击左下角【阅读原文】访问华东师范大学学报教育科学版官网；可下载本刊各期文章PDF全文；也可在线阅读本刊各期文章的XML格式全文

人工智能促进知识理解：以概念转变为目标的实证研究

文 / 杜华  顾小清

摘要：理解被广泛认为是教育的重要价值追求，“为理解而教，为理解而学”已然成为学界共识。知识理解是概念转变的基础，知识应用与创新的前提，是学习者高阶思维发展的关键，是深度学习的旨向。人工智能为学习者提供更多样的知识呈现方式与形态，提供更精准的学习分析，创设智能化的真实学习情境，为学习者的概念转变与知识理解创造了良好的条件。正是基于这样的背景，我们以概念转变为切入点，以上海方略教育研发的智能全息盒子为主要的智能仿真学习环境，开展了一项实证研究，旨在探究智能仿真学习环境对学习者概念转变的影响，由此窥察人工智能促进知识理解的诸多可能。研究结果表明，人工智能所建构的智能仿真学习环境，对于学习者概念转变具有积极的促进作用。

关键词： 人工智能 ; 知识理解 ; 概念转变

作者简介

杜华，博士，浙江师范大学浙江省智能教育技术与应用重点实验室副教授。

顾小清，博士，华东师范大学教育信息技术学系教授、博士生导师，上海智能教育研究院副院长，中国教育学会中小学信息技术教育专业委员会理事长。

目录概览

一、人工智能时代的知识学习：为理解而学

二、人工智能何以促进知识理解与概念转变

三、研究综述

四、以概念转变为目标的实证研究设计与实施

五、讨论与总结

六、结语

人们在探寻教育教学现象背后深层次的本质与规律时发现，从理论到实践面临的各种问题，在很大程度上，都可以归结为学习的问题（杜华等，2020）。知识作为教育的内容，是教育领域核心要素之一，知识学习是学校教育安身立命的使命（张良等，2021）。概念代表事物基本属性和基本特征，是知识的重要表征形式之一。在“为理解而教，为理解而学”已成学界共识的背景下，理解被广泛认为是教育中的重要价值追求（陈家刚，2013）。仅记忆知识远远不够，更重要的是对复杂概念形成深刻的理解，并基于这些理解生成新的知识。人工智能技术引发诸多领域与行业的深刻变革。在教育领域，人工智能技术整合教育大数据、机器学习、学习分析、自适应、情感计算、虚拟现实等技术，重新定义了教育手段、方法和途径，为学与教增能，再造教学流程，预见知识生产的未来（顾小清，2021），推进教育数字化与智能化转型。人工智能是否可以促进学习者知识理解与概念转变？人工智能何以促进知识理解与概念转变？为此，将以是否可能和何以可能作为切入点，尝试以一项实证研究来探究问题的答案。

  一、人工智能时代的知识学习：为理解而学  

知识学习不只在于能背诵多少概念与原理，更主要的是看所获得知识的质量，看能否灵活地迁移运用到各种相关的情境中。为达到这一目标，学习者需要对知识形成深层的、灵活的理解，“为理解而学”已成为学界共识。

（一）理解是概念转变的基础

“概念转变”和 “理解”紧密相关。概念是对事物或现象共同本质属性的提炼。概念是思维的基本形式之一，反映客观事物的一般的、本质的特征（孙艳超，2016）。概念学习就是在头脑中建构起对事物或现象的共同属性的认知，概念理解是概念学习的目标。学习可以认为是通过发展内在的概念结构理解领域内概念的过程。为了获取意义，人类会自然地根据新经验组织关于世界的原有认知模型。对世界的认识越连贯，概念结构也就越完善。广义地讲，概念转变表示从学生教学前概念到要学习的科学概念的学习途径；狭义地讲，当学习者学习有关某个问题或事实的新知识时，或改变原有想法时，即是概念转变。可以将概念转变定义为一个学习过程，学生所持有的关于世界如何运作的想法或信念被转移和重组、远离误解，并转向像专家所持有的主导概念的过程。心理学家尼克森认为：“理解是事实的联系，把新获得信息与已知的东西结合起来，把零星的知识织进有机的整体”（王燕，2014）。理解作为一个过程是指个体运用已有知识经验去认识未知事物的属性与联系，直至揭示其本质及规律的思维过程。知识理解反映学习者对复杂科学概念的理解。因此，理解是概念转变的基础。

（二）理解是知识应用与创新的前提

理解是主体以已有知识经验为基础，获取新的知识经验并把它融入已有认知网络系统中，建构意义和新的认知结构的过程。英国学者马莎·斯通·威斯克认为，理解是指能够在给定的资讯以外有所超越，并且能够创造性地去运用自己的知识。如果某人能在未得到任何特别指导的情况下，自发地将知识正确、恰当地应用到新的情境中，就可以认为他已经达到了真正的理解。因此，理解不仅是拥有知识（信息）或展示技能，更是一种思考的能力和将所知道的知识灵活运用。理解的含义不仅是“明白、懂得意思”，更是应用知识的能力，是创新的基础和前提，因为只有理解知识才能应用知识，只有理解已有知识才能创造出新的知识（陈明选等，2012）。

（三）理解是高阶思维发展的关键

人工智能时代，个体所需要的思维品质不是指向知识获得的，而是基于理解而发生的批判性思维、创新性思维等高阶思维。这些高阶思维集中体现了人工智能时代人才培养的新兴要求、人才发展的思维特质，同时彰显出人工智能时代对学习者思维技能的高层次追求。而理解意味着以正确的方式完成任务，通常反映人们有能力解释为什么特定技巧、方法或知识主体在特定情境下是合适的或不合适的。正如布鲁姆所言，理解是“超越信息本身”，通过有效应用、分析、综合、评价，来明智、恰当地整理事实和技巧的能力。理解是关于知识迁移的，知识和技能是理解的必要元素。但是仅有这些条件还不够，理解还需要敏锐的洞察力、缜密灵活地处理事情的能力以及自我评估、解释和批判的能力。对知识与技能的有效迁移能力，是人们在不同情境和问题面前创造性地、灵活地、流畅地应用所学知识的能力。如果通过理解一些关键的想法和策略来学习，就可以创造新的知识，并达到更深入的理解。因此，理解是高阶思维发展的关键。

（四）理解是深度学习的旨向

人工智能时代的学习者通过深度学习来掌握他们应具备的技能与素养。掌握一个事物、事件或场景的意义，就是要观察它与其他事物的联系：观察其运作方式和功能、产生的结果和原因及如何应用。深度学习发生的基础不是知识的获得，而是理解的发生，甚至“对知识如何产生的理解远比知识本身对于深度学习更重要”。也就是说，深度学习建立在学习者获得理解的基础之上，能够将新知识融入原有认知结构中，并将已有知识迁移到新的情境中，做出正确的决策和选择问题解决的途径。理解是深度学习的基础、目的和旨向。深度学习体现为基于理解而展开的学习过程与结果的统一体。深度学习的结果是促进学生对重要学科观念产生持续性理解。深度学习和理解间是相互联系、共同支持的关系。深度学习得以发生，建立在个人理解基础之上，同时理解也是深度学习运用所学、基于知识创造知识的最终目标。

  二、人工智能何以促进知识理解与概念转变  

知识理解是个体在已有知识经验基础上，将传递知识的语言文字等各种符号与头脑中相应的内容建立起联系，从而获得对事物间接认识的过程，也是个体通过思维活动揭示新知识中有关事物间的各种联系乃至事物的本质和规律的过程。人工智能技术能够为学习者提供更多样的知识呈现方式与形态、提供更精准的学习分析、创设智能化的真实学习情境，使人机协同学习成为可能，为学习者的知识理解与概念转变创造了良好的条件。

（一）人工智能增能个性化学习，促进概念转变

利用人工智能技术能更微观、更系统、更全面地揭示学习发生的机理，进而为学习创造新的方式与条件（闫志明等，2017）。人工智能技术不仅服务于教育教学的全过程，而且为实现个性化学习增能。实现个性化学习需要准确把握学习者的心智特征，为学习过程提供符合其个性需求的内容、活动、路径和评价，以实现有意义学习（牟智佳，2017）。智能学情诊断系统可基于大数据对学习者、进行全方位精准分析，从认知水平、能力基础、学习风格等方面准确把握学情；自适应学习技术可根据学习者基本特征和学习风格差异对学习者进行个性化学习路径规划；智能测评系统可实现对学习效果即时有效测评，跟踪学习进程，记录、统计与分析学习成绩。因此，在人工智能助力下，可实现以学定教、因材施教，教学干预更为精准。对于学习者而言，其自我认知将会更清晰，知识学习目标将更加准确，有更多时间精力投入到概念的深度理解之中。

（二）人工智能丰富知识呈现形态，多感官协同参与知识学习

理解是新信息与原有知识经验相互作用的过程，学习材料的内容和表现形式会影响理解的过程和结果。智能时代，知识载体趋于数字化、虚拟化，智能技术与AR、VR等技术综合应用，为知识呈现提供更多样的载体，知识呈现形态更加丰富，更可实现多感官协同参与知识获取与理解过程（郭炯等，2019）。如利用可穿戴技术，学习者可在虚拟环境中同时受到视觉、听觉、触觉、嗅觉等多种感官刺激，增强学习者的沉浸式体验，延展感官效应，强化学习者的知识学习效果。因此，对于复杂抽象的知识而言，知识形态的可视、可听、可触，再加以自然语言处理等智能技术的支持，学习者吸收获取知识的难度得以降低。

（三）人工智能支持人机协同学习，辅助复杂知识建构

人工智能背景下，人类各种活动逐渐从以人类为主体向人与机器的协同工作发展，教育教学亦是如此。人工智能使得知识生成方式从原来单独依靠人的协作创新转向依靠人与智能机器的协同创新。人工智能技术能够分担部分教学工作，并且使分担认知活动成为可能，人机协同教学与学习日益普遍。智能教学系统（如AI教师）具备强大的分析、推送、测评等功能，成为教师讲授知识的“重要助手”。从学习者学习的角度来讲，人机协同学习能弥补学习者原有认知能力的不足。人类吸收知识和信息的能力是有限的，在万物互联趋势下，面对海量知识与信息，智能系统为学习者提供基础信息获取的途径，学习者可利用技术手段对知识信息作进一步的加工。由于机器学习技术的发展，智能化学习工具很强的推理分析能力，能够帮助学习者建构复杂关系、解决复杂问题，深度理解知识内涵。

（四）人工智能创设真实学习情境，增进知识理解

当所学知识较复杂时，技术所塑造的富媒体情境将有助于学习者的知识理解。学习环境是学习发生的场所，是促进学习者主动建构知识意义和能力生成的外部条件。人工智能应用于教育领域进一步优化学习环境这一外部条件，通过多种技术的融合，使学习环境趋于真实化和情景化。一方面，技术打破物理环境限制，知识学习活动不仅发生于固定的学习场所，还发生于真实的生活。另一方面，技术手段为情景化学习提供可能性，增强学习者在知识学习过程中的体验感。知识本身具有一定的抽象性，在传统知识学习中，由于条件限制，学习缺乏真实情景的支撑，学习者对知识的理解与应用程度受到一定限制，知识“僵化”现象和迁移失效问题显著（张琼等，2016）。知识是情境性的，学习与认知本质也是情境性的，知识会受到活动、情境以及文化的影响，只有在具体应用情境中才能更好地理解知识（Brown et al，1989）。虚拟现实、全息投影辅以计算机视觉、自然语言处理等智能技术，将知识置于真实情境之中，增强学习者具身体验，知识学习不再是单纯的知识传输，越来越面向知识的深度应用。

  三、研究综述  

众多学者对知识理解进行了研究。巴甫洛夫学派认为人们通过联想获得有关事物关系的知识，理解是利用旧联想形成新联想，即联想的联想；格式塔学派认为理解是顿悟，是对事物间的关系突然贯通与领悟；以皮亚杰为代表的日内瓦学派认为，个体对新事物的理解是新刺激被个体已有的知识结构同化式顺应的过程；认知心理学家奥苏伯尔认为理解就是将新信息纳入原有认知结构，新旧知识发生意义同化的过程。理解不单是信息通过感官射进头脑中，学习者已有知识经验也在投射到当前的情境中，是通过外界信息与已有知识经验相互作用而实现的；维特罗克的生成学习理论也对理解的生成过程做了深入分析和解释。种种观点各自在一定程度上解释了理解的过程，对把握理解过程的实质有所裨益。

概念是代表一类享有共同特性的人、物体、事物或观念的符号，是知识的重要表征形式之一。概念转变实质上是要理解一类事物共同的关键属性。因此，概念转变与知识理解有着密不可分的联系。概念转变研究肇始于20世纪80年代，其围绕的核心问题是学习者对于概念知识是如何习得与变化的，建立在学习者对现有概念的不满、概念可理解、合理性及有效性基础上，其本质在于学习者认知结构的平衡化。也可以将概念转变理解为个体面对新的情境或者信息，藉由其一般知识与经验、技能与方法，对前概念进行重新审查，对新环境或新信息进行重新理解与建构，以平衡新旧信息之间的冲突，进而修正其原有的认知结构的过程。该过程受到个体、环境等因素的影响，导致其结果具有多种可能性（舒杭，2020）。概念转变相关研究集中在概念转变的内涵及机制研究（袁维新，2003）、概念转变的理论模型研究（胡卫平等，2004；Larkin，2012；Ting et al.，2013；Potvin et al.，2015）、概念转变的教学模式研究（邓峰等，2007）、概念转变的工具研究（Kendeou et al.，2014；Prinz et al.，2018；Sellmann et al.，2015）、概念转变教学策略（彭聪，2015；邹一娜等，2011）、概念转变评价与诊断研究（Yin et al.，2014；王珏等，2017）、概念转变影响因素研究（Tseng et al.，2010）等。

伴随着信息技术快速发展，众多学者关注技术支持的知识理解与概念转变。研究表明，当以动画而不是图解来说明时，学生可以更好地理解物理现象，如当细绳被剪断时，钟摆球运行的正确轨迹（Kaiser，1992）。动画可视教具有助于促进学习者对于物体间因果关系的感知（Michotte，1963）。使用“概念性增强模拟”，设计计算机模型，可以有效地促进科学学习（Snir et al.，1993）。在计算机系统中进行图示表征，允许学生使用可视化作为“外部认知辅助”，建立视觉联系并减少工作记忆需要持有的信息，减轻了认知负载，有助于学习者的概念理解与转变（Scaife et al.，1996）。也有研究表明，计算机模拟可视化可以促进学生对热力学概念的理解（Lewis，1991）。Foley（1999）调查分析了四种计算机可视化对学生学习物理科学概念的影响，以及在此过程中学生使用的热量和温度模型又是如何变化并实现知识整合的。乔纳森（2008）在《技术支持的思维建模：用于概念转变的思维工具》一书中将“思维建模工具”定义为可用来建立思维模型的思维工具，能帮助学习者具化内部的认知概念模型，促使学习者在建模过程中积极调整与修改自我的概念模型结构，并通过多种形式的认知呈现，帮助学习者丰富和拓展内部的认知概念模型的意义。Liu（2010）开发基于模拟仿真的计算机辅助学习（Simulation-based Computer Assisted Learning，SAL）原型。She和Liao（2013）将Web程序应用于科学推理和概念变化研究之中。Trundle和Bell（2010）通过研究证实，技术支持的教学确实能带来概念转变上的预期成效。

 四、以概念转变为目标的实证研究设计与实施 

文献研究发现，关于智能学习环境下学习者知识理解与概念转变相关研究还较少。因此本研究尝试以智能全息盒子作为实验工具，聚焦于学生概念转变的刻画与探测，使用准实验研究法探究智能仿真学习环境对学习者概念转变的影响。

（一）“智能全息盒子”：智能仿真学习环境

本研究以上海方略教育集团研发的智能全息盒子作为智能仿真学习环境，其关键技术包括物联网智联、数字建模、传感技术、实时交互、全息技术等。物联网智联可实现客户端和服务器间提供持久、低延迟、全双工的连接，满足网络音视频传输和实时控制所需要的以低延迟连续交换大量数据，能支持多个子协议，且支持多路复用和数据压缩等强大功能的扩展。多端兼容，支持许多不同的操作系统集成，能为不同平台提供简单迁移解决方案，或者对不同平台支持开箱即用。支持建立设备与媒体服务器间的实时语音或视频连接，具备安全的音视频传输，建立可靠的会话，能有效减少延迟提高质量。

从外观看，该盒子屏幕分辨率为HD1920*1080全高清，支持多人同时操作，支持指定区域触摸功能。从内容看，该盒子内嵌了1700多个3D动态模型、160个科学虚拟实验，涉及生命科学、自然科学、地球空间科学等学科的科学概念及原理，既能将抽象难懂的科学概念、学科原理或物体内部构造可视化，还可以让学习者进行个性化操控与实时交互，产生沉浸体验。

（二）实验设计与实施

1. 学习内容与被试选取

研究知识理解与概念转变，其中重要的变量之一就是学习者要学习的内容（Mitchell et al.，1986）。原子模型是高中化学选择性必修2重要内容之一。作为科学知识，该部分内容能够很好地体现学生在进行不同概念理解与建立概念间关联的能力。相关研究与教学实践表明，即使在完成相应课程学习后，学生仍在该概念理解方面存在一些问题，需要进一步寻找新的方式消解迷思概念。因此选择该概念作为学习的内容，开展具体的教学与研究。

关于被试，研究选择S市A中学高二年级学生。该市期末考试采取全市统考方式，由当地教育机构统一购买或编制试题，具有一定信度和效度，能反映权威机构的人才培养导向。因此以期末化学学业成绩作为重要参考依据，选择40名学生，随机分配到实验组和对照组，各20名。实验组M=70.833，SD=7.638，对照组M=72.273，SD=7.977，Sig.为0.149，说明两个组间不存在显著差异，充分考虑了组间对等性。为控制无关变量影响，在正式实施过程中，两个组均安排同一位教师授课，以避免教师因素会给研究带来的干扰。实验组又安排一名技术人员在场，以便及时帮助处理可能会出现的技术问题。

2. 实验过程

本研究采用对比性实验进行研究，过程共分为五步，如图1所示。第一步，使用编制的认知测试题对实验组和对照组分别进行前测，洞悉每一位学生的前概念水平；第二步，实验组在教师指导下进行10分钟的练习，以帮助被试适应智能仿真学习环境；第三步，以不同的方式学习相应概念，实验组以智能仿真学习环境进行学习，对照组在多媒体教室进行学习（1课时，45分钟）；第四步，实验结束后，通过后测试题被试对复杂科学概念的学习效果；第五步，通过绘图、量表等方式进行事后调查，了解被试对于概念的理解情况。

图 1   实验过程

3. 测量工具

由于概念转变涉及核心知识和信念修改，通常不容易实现（Hynd，2001），即使经过多年的科学教学，学习者替代概念仍可能存在（DiSessa，1982），所以概念转变很难衡量。但这并不意味着学习者概念转变不能被测量。要理解一个概念，就必须具有一个反映该概念结构的内部表征或心理模型（Halford，2014）。表征即借由符号、文字、图示等手段反映学习者内在的信息处理以及认知结果。图示可以看作心理模型的写照，是帮助组织知识并帮助理解的绝佳方法之一。也有学者指出可根据信息内容和概念网络的拓扑形式来正式理解概念表征和使用的变化（Solomon et al.，2019）。很多学者认同一个重要主张——“图示即知道、理解”（Wandersee，1990）。一些研究者使用绘制概念图方法以了解学习者对科学概念理解情况。也有学者研究发现绘制科学图表能帮助学生建构科学现象的心智模型，针对一段文本，学生采用绘制图表的方式解释要比学生使用书面叙述进行总结对文本理解的效果要好，学生绘制图表过程提升了其心智模型的建构（Gobert et al.，1999）。由于儿童不一定能画出结构严谨的概念图，在实际操作时可采用画图的方式，让其画出在学习过程中印象深刻的内容。对于绘图评价，学者大多采用编制量规的方式，进行量化和评估，如概念图的量化评分方法（Novak et al.，1984）。

图 2   实验组智能学习环境部分界面截图

因此，概念转变作为人类认知发展的重要方式，其过程和结果都需要多重表征。回归于概念转变的“认知结构”属性与“过程性”本质，本研究综合运用认知测试、绘图、量表、访谈等多种方式获取数据，以映射与表征学习者概念转变的过程和结果。

认知测试。认知测试题用于了解被试在实验前后对复杂科学概念理解的差异。试题由1名研究人员和2名化学教师根据化学课程标准共同设计，题型为选择题，共20题，每题5分，满分为100分，内容涵盖对原子模型的理解及其科学概念的应用。试卷的内容效度是指题目所含知识点数与教学大纲中应试内容知识点数之比，可以请有关学科专家和有经验教师对教学大纲和教科书作全面考察，并与测试题目作系统比较，看测验或考试题目是否适当地代表了所规定的内容（杨玉桓等，1988）。编制完测试题之后，经过多名化学教师进行对其内容效度进行评测，一致认为该试题具有较高的内容效度。为了判断试卷的信度，在编制好测试题之后，选择30名学生先后进行两次测试，得分均通过交叉评阅，得到化学教师认可。皮尔逊积差相关系数经过计算，r为0.721，说明试卷信度良好。经过计算，该测试题难度系数P=0.679，区分度D为0.411，说明难易适中，区分度良好。在实验前，使用该套试题对实验组和对照组分别进行前测。实验结束后，对题目顺序进行了调整后用于对实验组和对照组后测。前测与后测都使用相同测试内容的一个目的就是测试学生在整个实验完成后的概念变化。

绘图量化评分。实验结束后，要求学生绘出详实的原子结构图。对于如何绘图，研究者为学生提供圆珠笔、铅笔和彩笔等工具，学生可使用线条、色块、文字注释等多种元素来表示原子结构。对于绘图评分，参照Lewis（1991）、Foley（1999）等已有研究，结合绘图的完整性，编制了评分标准，并经由两名研究人员和化学教师审定见表1。在实验结束后用来对两组学生绘图进行量化处理，以实现对于不同学习概念习得与组织过程的观测。

表 1   绘图评分标准

访谈。实验结束后对实验组学生进行半结构化访谈以了解其学习体验。访谈提纲主要包括两个方面：对“智能全息盒子”所构建的智能仿真学习环境的使用体验和感受（感知有用性、感知易用性）、对原子模型学习内容的学习体验和感受。

认知负荷量表。认知负荷理论是学习与教学领域最有影响力的框架之一，该理论作为一种基于人类认知结构的教学设计理论，其核心是工作记忆的有限性。只有将认知负荷控制在工作记忆所能承载的范围内，有效学习才能发生。测量认知负荷的经典量表有Paas自我评定量表（Paas et al.，1993）、美国国家航天局开发的NASA-TLX量表（Hart et al.，1988）、WP自我评定量表（Tsang et al., 1996）等。本研究采用WP自我评定量表，该量表共八个维度，对应中枢处理资源、响应资源、空间编码资源、语言资源、视觉接收资源、听觉接收资源、操作输出资源和语言输出资源等。由于本研究无需学生以口头报告形式对任务做出回应，未采用语言输出资源，故删除该维度。实验结束后，使用该量表让学生根据主观感受分配一个介于0和10间的数字。“0”表示完全不占用资源，“10”表示完全占用资源。将七个维度得分均值作为认知负荷指标，该做法已有先例（孙崇勇，2012）。

（三）数据分析与结果

使用Excel、SPSS等软件对认知测试成绩、绘图评分、量表等进行量化统计。为了保证研究信效度，在测试评分、绘图评分、量表分析过程中，均由两位研究者分别进行，对分析结果采用百分比一致性的方法进行信度检验，三项指标的信度通过计算分别为80.9%、82.3%、90.3%，说明均具有较高可信度。对于存在分歧之处，两位研究者进行协商，确定最终分数。

1. 认知测试成绩

分别对实验组对照组前后测成绩进行配对样本t检验，以检验不同学习环境对学生知识理解的影响，其描述性统计结果如表2所示。从表中可以看出，实验组学生平均成绩从前测的65.93增至后测的77.85，增长率为18.1%，后测成绩提升十分显著（t=3.18，p<0.001）。对照组的学生平均成绩从前测的64.93到后测的69.85，增长率为7.58%，后测成绩也有提升，前后测成绩也存在显著差异（t=4.51，p<0.05）。以上结果表明，两组被试在学习后对原子结构概念的理解都有显著提高。由于两组学生在概念理解上均有显著提升，因而有必要进一步分析实验组对照组对概念理解影响的差异。

表 2   实验组前后测配对样本t检验的描述性统计结果

通过Levene方差齐性检验发现两组在误差方差上无显著差异（F=0.037，p>0.05），且样本均呈正态分布，故采用协方差分析（Analysis of Covariance，ANCOVA）检验两个组的差异。以后测成绩为因变量，前测成绩为协变量，分组为自变量，进行协方差分析。结果显示，两组在成绩提升上存在显著差异（F=10.55，p<0.05），实验组学习效果（修正均值=11.57）明显优于对照组（修正均值=6.42）。上述结果表明，虽然两组学习者最终成绩差异不大，但智能仿真学习环境带来了显著的前后测成绩提升差异，实验组在知识理解上的学习效果更好，说明智能全息盒子对学习者概念理解具有显著的积极影响。

2. 绘图分析

根据绘图评分标准对两组绘图情况进行分析。实验组65%（13/20）的学生综合使用线条、色块、文字注释等三种元素，正确显示原子结构立体图，30%（6/20）的学生使用线条、色块、文字注释等元素中的任意两种，部分正确显示原子结构立体图，5%（1/20）的学生仅正确使用了线条用于显示原子结构立体图。与实验组相比，对照组40%（9/20）的学生综合使用线条、色块、文字注释等三种元素，正确显示原子结构立体图，25%（5/20）的学生使用线条、色块、文字注释等元素中的任意两种，部分正确显示原子结构立体图。20%（4/20）的学生仅正确使用了线条，用于显示原子结构立体图。5%（1/20）的学生仅使用部分线条进行表征。5%（1/20）的学生未能做出清晰图形。经过对比发现，实验组大部分学生能够基于原子结构概念的理解，从中提炼出关键性节点进行表征，同时他们注重不同概念节点之间的关系建立，并在此基础上形成良好的概念结构。

3. 认知负荷分析

实验结束后，使用认知负荷量表对两组学生认知负荷进行测量。经过统计计算，对照组学生认知负荷指数均值为3.214，实验组学生认知负荷指数均值为5.264，具体各维度的数据见图3。实验组认知负荷指数均值高于对照组，说明实验组所消耗心理资源的程度要高于对照组。因此可以认为，智能仿真学习环境虽然具有诸多优势，但可能会增加学生认知负荷，在实践中应在保持智能学习环境的独特优势情况下，通过认知负荷的适当控制达到学习结果的最优化。

图 3   实验组对照组的认知负荷分析

4. 访谈分析

对实验组访谈内容从以下几方面进行分析：（1）学习体验和感受。实验组学生均认为，通过智能全息盒子进行学习，十分生动有趣，形式也很新颖，学习内容也令人耳目一新，带来了一次全新的、愉快的学习体验。（2）感知易用性。实验组学习者都表示智能全息盒子营造了较为逼真的学习情境，操作也比较简单易学，尤其是它的交互功能特别酷，可以增加个性化学习体验。（3）感知有用性。实验组学生都表示，智能全息盒子能将书本上的抽象原子结构具象化，直观生动地呈现与表达。演示动画能够有效帮助学生理解原子的内部结构，并且可以进行个性化操控，还能有效支持同伴间的互动，对理解很有帮助。比如有学生说，“对这个设备很感兴趣，能够将想象起来很困难的抽象知识直观地呈现在我们眼前，比传统课堂教学更加生动有趣。”“三维立体的模型使我们更容易理解书本上的知识。”“使用智能全息盒子让我对原子结构观察得更为具体，给我留下十分深刻的印象”。这些结果表明，从整体上看，实验组学生认为智能全息盒子对科学概念学习很有帮助。

  五、讨论与总结  

本研究从概念转变入手，旨在探究技术所建构的智能仿真学习环境对学习者概念转变的影响，并由此窥察人工智能促进知识理解的诸多可能。通过研究表明，人工智能所建构的智能仿真学习环境，能有效地促进学习者概念转变。当然本研究也存在着以下不足之处：研究对象样本数量较少；教学内容单一，只涉及到初中化学学科；实验周期较短；概念转变过程极为复杂，仅从认知测试、绘图、访谈等方式进行测量，未必能窥其全貌。在后续研究中将增加样本数量，将实验扩及到更多学科范围，加长实验周期，借助学习分析技术，收集更多质性与量化数据以增加研究结论的说服力。在人工智能促进学习者知识理解与概念转变时，需要注意以下问题：恰当融入教师指导，搭建学习支架；合理利用智能技术，关照个体差异；综合运用多种方式，探测迷思概念；将合作探究学习与个性化学习相结合，唤醒认知冲突等。

（一）恰当融入教师指导，搭建学习支架

实验研究表明，智能仿真学习环境能有效地促进学习者的概念转变。但是也不难看出，在实验组的学习过程中，教师的角色也是不可或缺的。人工智能促进知识理解与概念转变，离不开教师与智能机器的协同共教。教师需要根据特定的智能教学/学习情境的特性和限制，掌握智能技术、学科知识和教学法之间的动态平衡，积极探索与创新人机协同、人机共教的概念教学模式，紧扣学生的认知规律，为学生科学概念的探索学习搭建学习支架，既可以为学生跨越最近发展区、促进科学概念学习提供有效的支持和帮助，又能够引导学生进行有目的性的学习，充分发挥智能仿真学习环境的优势。学习支架也为学生创造了主动探究和与他人协作学习的场域，对科学概念的理解和建构起着不可忽视的作用。

（二）合理利用智能技术，关照个体差异

科学概念针对学生而言具有很强的抽象性，阻碍了学生对科学知识点的建构。智能仿真学习环境具有虚实结合性、实时交互性、个性化调控、情境性等特征，增强了对科学概念的直观感知，激发了学习兴趣，有助于对科学概念更加深层次的理解。但是，认知负荷量表和访谈结果表明，智能全息盒子存在个性化智能化有待提升等问题，甚至增加了学生的认知负荷。因此，要合理利用智能技术，充分关照学习者的个体差异，通过数据挖掘和分析，从大量的信息中为学习者推送适合的个性化的学习资源，满足学习者的个性化学习需求，促进学习者的知识理解与概念转变。

（三）综合运用多种方式，探测迷思概念

信息加工理论指出，学习总是要适应当前的认知状态，才能有效桥接新旧信息之间的关联，使得新信息能够适应已有认知结构，已有认知结构能够得以调整并接纳于固定新的信息。概念转变过程即是为学习者对新旧知识的信息加工过程，在这样的认知加工过程之中，调整和完善其自身原有的认知结构。迷思概念的存在对学生的概念学习产生了很大的干扰。在研究开始前，研究者试图借助多种方式了解学生进入学习之前所存在的先验知识水平，探测迷思概念，为教师或者研究者提供了后续教学设计的直接切入点与着力点。

（四）合作探究学习与个性化学习相结合，唤醒认知冲突

所谓认知冲突就是在学习的过程中，学生原始性的认知结构与当下所面对的学习内容形成了矛盾，在新旧知识之间存在着某种差异性，导致心理失衡的现象，也是个体意识到个人认知结构与环境或是个人认知结构内部不同成分之间的不一致所形成的状态。概念转变也是认知冲突的引发和解决的过程。科学概念本身具有复杂性，在智能仿真学习环境中，学习者在理解抽象的科学概念时，不可避免地也会遇到各种困难。而合作探究学习能帮助学习者在遇到难以解决的问题时给予及时的交流，在个体建构与群体建构中唤醒并逐步化解认知冲突，重新构建全新的认知平衡。

  六、结语  

人工智能作为前沿技术，其在知识生产与创造、对感知与认知的增能等，均在人类学习领域创造了新的巨大潜能。在面对人工智能再造知识生产流程实现科学飞跃的现实中，在“为理解而教，为理解而学”已成学界共识的背景下，如何充分发挥人工智能技术所提供的教育创新可能性，促进学习者的学习与理解，将是一个全局性的、前瞻性的重要课题。

（杜华工作邮箱：[e-mail]；顾小清邮箱：[e-mail]）

为适应微信排版已删除注释和参考文献，请见谅，如需阅读全文，请点击左下角“阅读原文”获取。

上期回顾

特稿

高等工程教育

基本理论与基本问题

本刊声明

        一、本刊对所有来稿不收取任何费用，也未委托任何机构或个人代为组稿。

        二、本刊严禁一稿多投，如因作者一稿多投给本刊造成损失的，本刊保留追究作者法律责任的权利。

        三、作者投稿请登陆华东师范大学学报期刊社官方网站（www.xb.ecnu.edu.cn）。

        四、本刊联系电话：[phone]。

华东师范大学学报期刊社

华东师范大学学报期刊社微信矩阵

点击左下角【阅读原文】访问华东师范大学学报教育科学版官网，可下载本刊各期文章PDF全文，也可在线阅读本刊各期文章的XML格式全文。

我知道你在看哟