《COMPUTERS and EDUCATION》：Self-regulation plus individual interests? A design-based study on the development of a GenAI-empowered platform for self-directed out-of-class reading
编辑推荐：
生成式人工智能赋能的自主学习平台通过兴趣导向阅读材料推荐和个性化自我调节学习支持显著提升非课堂英语阅读成效。研究采用三周期设计型研究方法，比较预设材料与人工指导、GenAI推荐与个性化SRL支持的两种平台设计效果，最终证实融合兴趣阅读和个性化SRL培训的方案最优，为数字化阅读环境设计提供原则。
潘梦茹|赖春|郭凯|黄静
香港中文大学教育学院，中国香港
摘要
自主课外阅读有助于语言学习和整体学习，但许多学习者在这方面遇到困难，需要支持。生成式人工智能（GenAI）有潜力提供个性化支持，以促进自主课外阅读。本研究采用基于设计的研究（DBR）方法，通过比较将ChatGPT聊天机器人整合到在线阅读平台中的不同方式，来探究GenAI支持的自主课外阅读的有效设计，从而支持阅读材料的提供和自我调节学习（SRL）的支持。DBR研究包括三个周期：第0周期采用传统方法（即预设的阅读材料加上人工提供的SRL培训）；第1周期采用聊天机器人支持的个性化SRL平台（即GenAI推荐的阅读材料和聊天机器人支持的个性化SRL培训）；第2周期采用基于兴趣的阅读和个性化SRL平台（即GenAI推荐的基于兴趣的阅读材料和聊天机器人支持的个性化SRL培训）。这项DBR研究持续了三个学期，涉及中国一所大学三个班级的116名英语作为外语（EFL）的学生。每个周期后通过开放式调查和访谈收集的定性数据用于改进平台设计。定量数据（包括关于自我调节阅读策略使用和自主阅读的前后调查）以及日志数据被分析，以比较三个周期中平台设计对学生自我调节策略使用和自主阅读的影响。结果表明，基于兴趣的阅读和个性化SRL培训的聊天机器人模式在提升学生的自我调节阅读策略使用和自主阅读方面显示出最大的潜力。本研究通过阐明增强自主课外阅读的设计原则，为现有文献做出了贡献。
研究背景
随着数字资源的普及，学习越来越多地发生在非正式环境中。然而，非正式学习环境中缺乏结构和支持，这对学习者维持学习兴趣构成了挑战，使得自主学习（SDL）在这种情况下变得至关重要（作者，2024a）。这一点在课外阅读中尤为明显，因为课外阅读要求学习者规划阅读路径并采取策略性努力来保持学习兴趣（Yang等人，2022）。对于第二语言学习者来说，这一挑战更加突出。
基于设计的研究（DBR）
DBR是一种“系统而灵活的方法论，旨在通过迭代分析、设计、开发和实施来改进教育实践，基于现实世界环境中研究人员和实践者的合作，从而形成符合具体情境的设计原则和理论”（Wang & Hannafin, 2005, 第6-7页）。这种方法论适用于本研究，因为它使研究人员能够迭代地开发技术解决方案。
第0周期：传统方法
我们首先分析了自主课外阅读中的实际问题。基于文献回顾和指导教师的观察（第四作者），我们确定了两个关键问题：(a) 教师分配的阅读材料往往无法激发学生的学习兴趣（Liu等人，2022；Merke等人，2024）；(b) 学生缺乏系统地使用
主要发现
本研究探讨了将GenAI聊天机器人整合到在线阅读平台中的各种迭代方式，以激活学习者的实际需求并提供程序性支持，从而促进自主课外阅读。这些迭代的特点是对学习者实际需求的支持不断加深，逐步提升阅读体验中的自主性和选择权。这一过程从允许学生自主选择阅读材料和阅读速度，发展到根据学生的兴趣定制阅读内容。
结论
鉴于在当今高度数字化社会中自我调节学习（SDL）的重要性，以及在课外阅读环境中培养这种学习方式的挑战，本研究开发、改进并测试了一个由GenAI聊天机器人支持的SRL平台，用于自主课外阅读。研究结果表明，改进后的聊天机器人支持SRL平台在提升学生的自我调节阅读策略使用和自主阅读方面非常有效。
本研究有几个重要
作者贡献声明
赖春：撰写——审稿与编辑、验证、监督、方法论、数据管理、概念化。郭凯：撰写——审稿与编辑、验证、软件开发、方法论、概念化。潘梦茹：撰写——审稿与编辑、初稿撰写、验证、软件开发、项目管理、方法论、调查、资金筹集、正式分析、数据管理、概念化。黄静：方法论、调查
未引用的参考文献
Amiel和Reeves, 2008; Brandt, 2020; Darvishi等人, 2024; Horner和Shwery, 2002.
数据可用性
数据可应要求提供。
资助
本项工作得到了安徽省质量工程项目（项目编号：2023kcszsf179）的支持，该项目授予了第一作者。
