AI驱动自适应学习平台特性通过自我调节学习与学习投入的序列中介作用影响教育质量的心理机制分析

《Frontiers in Psychology》：Self-regulated learning and engagement as serial mediators between AI-driven adaptive learning platform characteristics and educational quality: a psychological mechanism analysis

本综述通过结构方程模型（SEM）分析625名学习者数据，揭示AI驱动自适应学习平台特性通过自我调节学习（SRL）和学习投入的序列中介作用影响教育质量的心理机制。研究发现平台特征既对教育质量产生直接效应（β=0.283），又通过SRL（β=0.505）和投入的链式中介路径产生间接效应，总解释方差达44.3%（R2=0.443）。该研究为理解数字学习环境中认知动机过程的相互作用提供了重要理论框架，为设计促进学习者自主性的自适应教育技术提供了实证依据。

　　

引言

人工智能在教育技术中的快速整合改变了学习环境，但AI驱动自适应学习平台与教育成果增强之间的心理机制尚未得到充分理解。本研究从心理学视角探讨自适应学习平台特性通过自我调节学习和学习投入的序列中介路径影响教育质量的复杂机制。基于认知和动机学习理论，研究假设平台特性既直接关联教育质量，又通过自我调节学习和投入的序列中介产生间接影响。

理论基础与研究背景

人工智能在教育环境中的整合为心理学研究提供了独特机遇，特别是在理解外部技术支架与内部自我调节过程相互作用方面。从心理学视角看，这种技术整合从根本上改变了学习者的认知需求和学习过程的动机动态。根据Zimmerman（2002）的循环模型，自我调节学习包含预见、表现和自我反思三个阶段，是理解学习者如何在技术中介环境中导航的关键心理建构。

自适应学习技术的心理学意义超越其教学应用，涉及人类学习过程的基本问题。以Knewton、ALEKS和Squirrel AI为代表的平台体现了心理学原理在技术背景下的复杂应用，为研究外部支架如何影响内部心理过程提供了前所未有的机会。尽管智能辅导系统的有效性已得到广泛证实，但其效果背后的具体心理机制仍需系统研究。

理论空白与研究必要性

当前理论框架在解释技术特性影响学习成果的心理过程方面存在明显不足。首先，现有研究虽记录了各种平台特性，但连接这些特性与教育质量提升的心理路径，特别是认知和动机过程的中介作用，尚未得到充分概念化。其次，方法论限制阻碍了对技术增强学习中心理机制的全面理解。当前评估方法往往难以捕捉教育技术背景下心理过程的复杂多层本质。第三，技术增强学习中心理建构的序列中介效应在理论上探索不足。

文献综述

自我调节学习理论涵盖学习者导向的心理过程，涉及学习调节的元认知、动机和行为维度。Boekaerts（1999）的开创性工作确立自我调节学习包含认知和动机成分，强调学习策略与动机信念在决定教育成果中的动态相互作用。Zimmerman（2002）的循环模型将自我调节学习概念化为包含预见、表现和自我反思阶段的交互心理过程。Pintrich（2004）的框架进一步阐述了自我调节的心理领域，涵盖认知、动机、行为和环境维度。

在学习投入理论方面，Fredricks等人（2004）的多维建构包含行为参与、情感联系和认知投入三个维度。Reschly和Christenson（2012）通过解决投入研究中的概念挑战推进了理论理解，证明不同理论视角如何促进对学生投入作为可塑心理状态的细致理解。

研究方法

本研究采用整合自我调节学习理论、多维投入理论和认知支架原则的定量横断面设计，考察技术增强学习环境中的心理中介路径。研究背景涵盖实施自适应学习平台至少一学年的高等教育机构。样本量确定遵循结构方程模型协议，结合Cohen（1988）的功率分析和蒙特卡洛模拟程序，建立了检测复杂中介关系的统计要求。

测量开发遵循严格的心理测量学原则，强调理论基础和全面验证程序。自适应学习平台特性通过多维框架评估，涵盖支持心理过程的技术赋能。自我调节学习通过Pintrich（2000）的理论架构操作化，包含元认知意识、策略规划、目标设定、自我监控和自我评估等核心成分。学习投入评估采用Fredricks等人（2004）的多维框架，测量行为参与、情感联系和认知投入作为不同但相互关联的心理建构。

研究结果

样本人口统计分析涵盖625名参与者，性别分布均衡（男性48.5%，女性51.5%）。年龄分布显示集中在较年轻群体，18-25岁占41.6%，26-35岁占37.9%，合计代表样本的79.5%。教育程度数据表明高等教育占主导，65.3%拥有学士学位，18.1%拥有硕士学位，4.6%拥有博士学位。

测量模型评估显示所有建构都具有稳健的心理测量学特性。平台特性、自我调节、学习投入和质量增强的平均分数显示一致模式。内部一致性度量超过常规阈值，Cronbach's α系数范围从0.88（质量增强）到0.91（平台特性）。组合信度值（0.89-0.92）进一步证实了测量稳定性，平均方差提取分数（0.75-0.78）建立了稳健的收敛效度。

相关矩阵显示所有建构之间存在显著相互关系。平台特性与自我调节（r=0.505）、学习投入（r=0.431）和质量增强（r=0.546）存在实质性相关。自我调节与学习投入（r=0.365）和质量增强（r=0.550）显著相关，学习投入与质量增强存在有意义的关联（r=0.475）。

结构路径分析显示所有假设路径均存在显著关系。平台特性对自我调节（β=0.505）和学习投入（β=0.330）表现出实质性影响。自我调节对学习投入表现出显著效应（β=0.199）。两个中介变量对质量增强都有显著影响（自我调节：β=0.320；学习投入：β=0.236）。该模型解释了内生变量的显著方差：自我调节（R2=0.255）、学习投入（R2=0.215）和质量增强（R2=0.443）。

中介分析揭示了显著的总效应（β=0.546），分解为直接效应（β=0.283）和间接效应。出现了三条不同的中介路径：通过自我调节的中介（β=0.162）、通过学习投入的中介（β=0.078）以及通过两个变量的序列中介（β=0.024）。总间接效应（β=0.264）约占总效应的48.4%，表明存在实质性中介，同时平台特性对质量增强保持显著直接影响。

讨论与结论

本研究结果阐明了自适应学习平台与教育质量关联的复杂心理机制，揭示了三个关键发现，推进了我们对技术增强学习环境中认知和动机过程的理解。结构方程建模结果为扩展教育心理学当前理论框架的复杂心理中介路径提供了令人信服的证据。

分析证明了平台特性与教育质量之间存在显著直接关系（β=0.283），约占总效应的28.3%。这一发现证实了关于技术赋能与学习过程关联的理论命题，表明自适应特性通过界面设计、内容个性化和反馈机制与认知投入和学习满意度相关。然而，这种直接关系的强度虽然显著，表明平台有效性主要通过更复杂的心理中介路径运作，这与强调内部心理过程在技术中介学习中重要性的认知负荷理论和信息处理框架一致。

分析揭示了涉及自我调节学习的稳健中介关系（β=0.505），为关于技术支架如何与元认知发展相关的理论命题提供了实证验证。这一发现通过证明外部技术支持如何与自适应学习环境中的内部自我调节过程相关，显著扩展了Zimmerman（2002）的自我调节学习循环模型。这种关系的强度表明自适应平台与发展元认知意识、策略规划能力和自我监控行为相关，这些对有效的学习调节至关重要。

序列中介分析揭示了通过自我调节学习和学习投入运作的复杂心理链效应（总间接β=0.264）。这一发现通过证明增强的自我调节能力如何与更深层次的投入模式相关（β=0.199），随后与教育质量相关（β=0.236），推进了理论理解。序列中介效应阐明了平台有效性背后的复杂认知和动机机制，证明了技术赋能如何通过特定心理路径与增强的教育成果相关。

从可持续教育视角看，已识别的心理机制提供长期价值，因为自我调节能力一旦发展，将继续在不同情境中使学习者受益，同时减少对密集教学支持的需求。平台特征与自我调节学习之间的强关联（β=0.505）表明学生发展出显著增强的自我管理能力，在目标设定行为和策略学习方法方面表现出约50%的更大改进。该模型的解释力（R2=0.443）表明这些心理机制解释了学习质量中近一半的所有可观察差异。

研究局限与未来方向

样本代表性是对更广泛适用性的显著限制。我们的样本表现出显著的人口特征，可能限制了对不同教育人群的普适性。79.5%的参与者年龄在35岁以下，87.4%拥有学士或更高学位，我们的发现可能不足以代表不同年龄组或教育背景的学习者。教育系统普适性呈现额外限制，我们的研究主要关注实施特定自适应学习平台的高等教育机构，限制了发现对K-12教育环境、职业培训计划或非正式学习环境的适用性。

未来研究应优先考虑几个关键领域。研究应考察制度和文化因素如何在不同教育系统中调节平台有效性，包括K-12环境、社区学院和国际背景。研究应探索各种自适应机制在不同学习者群体中的差异有效性，包括老年人、具有不同技术熟练度的学习者以及来自不同社会经济背景的学生。此外，调查应解决不同教育交付模式（包括完全在线、混合和传统课堂环境）如何影响我们研究中识别的心理路径。