探究小学生自我调节学习（SRL）行为在人机协同编程学习环境中的特点：来自一个拟议框架的见解

《COMPUTERS and EDUCATION》：Exploring characteristics of primary school students’ self-regulated learning (SRL) behaviors in human-GenAI collaborative programming learning environments: Insights from a proposed framework

编程教育中自我调节学习（SRL）与生成式AI（GenAI）的协同效应研究。提出SRL行为分析框架，通过聚类分析（n=36）揭示学生分为编程专门（PSU）、高绩效（HPU）、低绩效（LPU）三集群，PSU/HPU采用目标导向策略，LPU呈被动依赖及策略碎片化。发现GenAI支持与SRL能力显著相关，且PSU/HPU能灵活切换策略应对编程难题。建议整合GenAI环境、多模态数据分析、集群预警机制及动态SRL指导。

　　

马学春|李翠欣|徐洁|朱世云|李艳

浙江大学教育学院，杭州，310058，中国

摘要

在小学阶段开展编程教育对于培养未来所需的人才至关重要，然而小学生往往在自我调节学习（SRL）方面存在困难，尤其是在资源利用和策略规划方面。尽管基于生成式人工智能（GenAI）的协作编程学习有可能提升个性化编程教育的效果，但GenAI与SRL过程的相互作用仍尚未得到充分研究。为填补这一空白，本研究首先提出了一个适用于人机协作编程学习环境的SRL行为分析框架，然后利用该框架以及聚类分析、描述性统计和滞后序列分析等多种学习分析方法，对一组六年级学生（n=36）在该环境中的SRL行为进行了研究。分析结果如下：(1) 根据学习表现，学生被划分为三个不同的群体：编程专长组（PSU）、高表现组（HPU）和低表现组（LPU）；(2) 在SRL行为方面，学生最重视自我控制（65.8%），其次是自我观察（19%）、任务分析（12.1%）和行为停滞（3.2%）；(3) PSU和HPU的学生始终采用目标导向的SRL策略，而LPU的学生则表现出被动依赖和策略使用不连贯的现象；GenAI在支持学习方面的促进作用与用户的SRL能力相关；(4) PSU和HPU的学生在SRL行为之间频繁切换，而LPU的学生在面对编程难题时缺乏切换策略的能力。基于这些发现，本研究提出了四项前瞻性的设计建议：有效整合GenAI与编程环境、利用多模态数据和AI进行学习评估与反馈、构建基于群体特征的预警机制，以及基于细粒度时间序列数据进行动态SRL分析与指导。

引言

作为数字世界的基石，计算机编程在现代教育和技术发展中日益重要（Yilmaz & Karaoglan Yilmaz, 2023）。探索学习者的编程学习行为及其结果一直是计算机教育研究者的关注焦点（Song et al., 2021）。许多研究致力于探讨学习行为与学习表现之间的联系（Mai et al., 2022; Omer et al., 2023）。在传统的编程环境中，学生可能缺乏教师的有针对性的教学支持，同时他们对高级学习工具有着强烈的认知需求（Cheng et al., 2024; Mai et al., 2022）。

生成式人工智能（GenAI）的出现显著丰富了个性化学习体验（Khalil et al., 2024; Yilmaz & Karaoglan Yilmaz, 2023），并在编程教育中展现出巨大潜力（Sun, Boudouaia, Zhu, & Li, 2024）。学生能否有效利用GenAI来促进编程学习取决于他们的自我调节学习（SRL）能力，这强调学习者对目标设定和资源管理的主动调控（Silva et al., 2024; Wong et al., 2021）。深入分析不同编程学习水平学生的学习者所采用的SRL策略，可以为教育者提供改进编程技能的有效干预措施（Cheng et al., 2024）。

虽然GenAI可以为学习者提供及时的工具来辅助SRL实践（Shen et al., 2025; Yilmaz & Karaoglan Yilmaz, 2023），并且研究异质化的学习模式对于提供个性化教学支持至关重要（Yoon et al., 2021），但目前关于人机协作编程行为及学习者SRL过程的文献仍存在不足。因此，我们提出了一个SRL行为分析框架，以整合人机协作与编程行为。该框架利用SRL原理来剖析学习者的行为模式，并为教育者提供有针对性的、基于数据的教学策略。最终，本研究通过探索其潜力，有助于提升人机协作学习环境中编程学习者的SRL能力。

章节摘录

将GenAI融入K-12编程教育的重要性

编程通常被定义为设计、编写、测试和调试计算机指令以完成特定任务或解决问题的复杂过程（Cheng et al., 2024）。作为一种关键的核心能力，编程已成为全球教育改革的重点。因此，世界各地的教育系统已将编程纳入国家课程（Lindberg et al., 2019），以培养学生对不断变化的社会的适应能力。

参与者

本研究邀请了来自杭州一所普通公立小学的36名六年级学生参加为期八周的人机协作编程学习课程，该课程属于中国小学信息技术教育的一部分。杭州是浙江省的省会，在K-12信息技术教育领域处于领先地位。所有学生此前均没有接触过GenAI，为了减轻他们的认知负担……

人机协作编程学习环境中小学生的分组

课程结束后进行了总结性评估，以评估学生在两个维度（编程技能和问题解决能力）上的表现。大多数学生在编程技能维度上得分较高。根据K均值聚类结果，参与者被分为三个组（见图3）：

讨论与启示

K-12编程教育和GenAI辅助SRL活动的快速发展推动了创新的教学实践。然而，关于这些人机协作编程环境中学生SRL行为的研究仍然有限。本研究提出了一个新的SRL行为分析框架，并通过多种学习分析方法实证研究了小学生的SRL行为及其变化过程。

本研究主要探讨了……

结论、局限性与未来方向

随着GenAI及其在编程教育中的应用的快速发展，人机协作编程学习在K-12学校中变得越来越流行。这可能导致学习者在编程学习表现和SRL行为上出现显著差异。然而，针对这种创新学习环境中学生表现和SRL行为的研究仍然较少。为探讨这一问题，本研究首先提出了一个SRL行为分析框架……

作者简介

马学春是中国浙江大学教育学院的教育技术专业硕士研究生，研究兴趣包括教育中的人工智能、教育信息技术、学习分析等相关领域。

李翠欣是中国北京师范大学教育学院的博士研究生，研究兴趣包括教育中的人工智能和教育平等。

CRediT作者贡献声明

马学春：撰写初稿、可视化设计、方法论制定、数据分析、概念构建。李翠欣：审稿与编辑、方法论制定、概念构建。徐洁：审稿与编辑、方法论制定、数据分析。朱世云：数据分析。李艳：审稿与编辑、监督工作、资源协调、项目管理、资金筹措、概念构建。

资助

本研究得到了中国国家重点科研项目（2022ZD0115904）的资助。

致谢

作者感谢参与我们研究的学生们。