不同人工智能驱动聊天机器人反馈对学习成果和大脑活动的影响：神经生理机制与教育启示

在教育领域，聊天机器人反馈机制缺乏评估且不同反馈类型的作用不明。为解决此问题，研究人员开展 “不同 AI 驱动聊天机器人反馈对学习成果和大脑活动的影响” 研究。结果表明不同反馈类型影响各异，该研究为优化聊天机器人反馈、推动 AI 教育应用提供依据。

　　在当今数字化学习时代，人工智能（AI）驱动的聊天机器人正逐渐融入教育领域，成为辅助学习的新工具。它能打破时间和空间限制，为学习者提供个性化内容、即时反馈和一对一指导，助力自我调节学习。然而，聊天机器人的发展并非一帆风顺。目前，缺乏有效的评估和反馈机制成为其成功应用的绊脚石。虽然认知反馈在聊天机器人学习中的效果已有所研究，但不同类型非认知反馈的作用却迷雾重重。以往研究多依赖测试或自我报告评估反馈，忽视了神经科学视角，使得我们对不同反馈设计背后的机制知之甚少。在这样的背景下，为深入探究不同类型反馈如何影响学习过程、成果及元认知敏感性，华东师范大学等机构的研究人员开展了一项意义重大的研究。该研究成果发表在《npj Science of Learning》上，为我们打开了理解聊天机器人反馈机制的新窗口。
研究人员采用了多种关键技术方法。他们招募了 93 名来自上海某高校的大学生（最终 87 名纳入分析）作为研究对象，让参与者与不同类型反馈的教育聊天机器人进行互动。借助功能性近红外光谱（fNIRS）技术，实时监测参与者在互动过程中的大脑活动。同时，设计了涵盖学习、自我评估和反馈的实验流程，并通过保留测试和迁移测试评估学习成果，利用相关算法计算元认知敏感性。
研究结果如下：
行为学结果方面：在控制了前测知识测试分数的影响后，不同反馈类型对学生的保留分数、迁移分数和元认知敏感性均产生了显著差异。保留分数上，元认知反馈组（MF 组）和情感反馈组（AF 组）均显著高于中性反馈组（NF 组）；迁移分数上，MF 组显著高于 AF 组和 NF 组；元认知敏感性方面，MF 组显著高于 AF 组和 NF 组 。
fNIRS 学习模块结果方面：各小组大脑激活模式不同。MF 组激活的脑区包括背外侧前额叶皮层（DLPFC）、额极区（FP）、缘上回（SMG）和颞中回（MTG）；AF 组激活的脑区有 DLPFC、SMG 和颞上回（STG）；NF 组主要激活 DLPFC。小组间脑激活存在显著差异，如 MF 组在 FP 和 MTG 的激活显著高于 AF 组和 NF 组，AF 组在 SMG 的激活更高，NF 组在部分 DLPFC 通道的激活更高。此外，MF 组中，FP 区激活与学习后的元认知敏感性正相关，MTG 激活与保留分数正相关；机器学习模型显示，大脑活动特征能有效预测迁移分数，不同反馈组的关键预测脑区存在差异 。
fNIRS 跨阶段结果方面：对比不同阶段脑激活发现，MF 组学习阶段 DLPFC 和 MTG 激活显著高于休息阶段，反馈阶段 DLPFC、FP 和 MTG 激活增强；AF 组学习、评估和反馈阶段 DLPFC 均有较高激活；NF 组学习、评估和反馈阶段 DLPFC 部分通道激活高于休息阶段。神经行为关系上，MF 组和 NF 组学习阶段 MTG 激活与保留分数正相关，MF 组反馈阶段 FP 激活与保留分数正相关且与学习阶段 MTG 激活相关，NF 组评估阶段 DLPFC 部分通道激活与保留分数负相关。
研究结论和讨论部分指出，该研究明确了不同反馈类型在学习成果上的差异，揭示了其背后的神经和心理过程，确定了预测迁移分数的关键脑区。行为学上，元认知和情感反馈有助于提高保留分数，元认知反馈更利于知识迁移和提升元认知敏感性。脑激活模式显示，不同反馈类型激活不同脑区，反映出不同的认知加工策略。例如，MF 组激活的脑区与元认知、语义处理相关，AF 组与情感信息处理有关，NF 组则可能更专注于任务需求。此外，研究还发现了不同反馈组脑区激活与行为结果的独特关联，进一步证实了元认知反馈的优势。不过，该研究也存在局限性，如未考虑学生动机等外部因素、反馈未个性化、fNIRS 技术限制以及样本量和性别组成的影响等。尽管如此，该研究为教育领域提供了重要启示，教育者可根据不同教学目标选择合适的反馈类型，如利用元认知反馈促进学习和提升元认知敏感性，通过情感反馈增强情感处理和记忆保留。未来研究可在改进这些不足的基础上，进一步探索不同反馈类型在人机交互和人际交互中的差异，优化聊天机器人反馈设计，推动 AI 教育应用的发展。