编辑推荐：
在高等教育中，AI 应用于自主学习（SRL）面临诸多挑战。研究人员开展了 AI 赋能 SRL 的定性系统综述研究。结果发现 AI 在 SRL 各阶段有潜力但也存在问题。该研究为教育领域合理应用 AI 提供依据，助力优化教学。
在当今数字化时代，人工智能（AI）的飞速发展正以前所未有的态势重塑着教育领域。大型语言模型如 ChatGPT 的出现，为高等教育的教学过程带来了全新的机遇，它能提供实时反馈、个性化学习路径，有望显著提升学生的学习表现、参与度和兴趣。然而，AI 在高等教育中的广泛有效应用并非一帆风顺。从技术层面来看，学生和教育工作者数字素养和 AI 素养的不足成为了重大阻碍；在教学方面，将 AI 融入复杂的教育系统需要谨慎考量，以避免破坏学术诚信并确保高质量的教学成果。而且，许多研究未能将潜在的教育理论融入 AI 驱动的教学过程，AI 应用与理论或教学框架之间的联系较为薄弱。
为了深入探究这些问题，浙江师范大学的研究人员 Min Lan 和 Xiaofeng Zhou 开展了一项关于 “AI 赋能高等教育自主学习（Self-Regulated Learning，SRL）” 的定性系统综述研究。他们的研究成果发表在《npj Science of Learning》上，为理解 AI 在高等教育 SRL 中的作用提供了宝贵的见解。
研究人员采用了定性研究方法，严格遵循 PRISMA 指南进行文献筛选。他们从多个数据库及相关参考文献列表中进行全面搜索，最终确定了 14 项利用 AI 应用（包括聊天机器人、自适应反馈系统、严肃游戏和电子教科书等）支持学生自主学习的研究。
在研究方法上，主要涉及以下关键技术：一是通过多数据库检索相关文献，包括 Web of Science、Scopus、EBSCOhost 和 ProQuest 等，同时利用 Google Scholar 进行滚雪球式搜索，以获取全面的研究资料；二是运用定性分析工具 MAXQDA 和 Excel 对数据进行整理和分析，从研究的基本信息、理论基础、AI 应用等多个维度进行编码提取。
研究结果呈现出多方面的内容：
- 研究特征与背景：14 项研究涵盖多种研究方法，定量实验设计、混合方法和过程挖掘均有涉及。研究场景丰富多样，涉及 STEM 学科、语言学习和非学术领域等。地理范围广泛，覆盖全球不同地区。
- 理论基础：在学习解释理论方面，SRL 理论最为突出，有 4 项研究以此为基础，其他如自我决定理论、认知理论和参与理论也有涉及。这些理论从不同角度解释了 AI 工具与 SRL 过程的联系。在设计框架上，教学模型和教学策略为 AI 教育应用设计提供了实践指导。
- AI 应用助力学习情况：研究中使用的 AI 应用主要有聊天机器人（7 项研究）、评估系统（5 项研究）、严肃数字游戏（1 项研究）和电子教科书（1 项研究）。不同 AI 应用在 SRL 的不同阶段发挥着不同程度的作用。多数应用集中支持 SRL 的绩效阶段，少数能全面支持各阶段。
- AI 应用的利弊：在 SRL 的前思阶段，AI 应用可改善学习态度、动机和自我效能，但部分学生因对数字技术不熟悉或 AI 工具缺乏情感互动而兴趣降低。绩效阶段，AI 工具能帮助学生组织任务、监控学习，但存在任务反映不准确和回答不够深入的问题。自我反思阶段，AI 应用提供的反馈受认可，但准确性和一致性有待提高。
研究结论与讨论部分强调了多方面的重要意义：首先，目前关于 AI 在 SRL 中作用的研究较少，未来需深入探索 AI 增强 SRL 过程和策略的能力。其次，智能时代的学习理论应拓展和重构，以适应 AI 与 SRL 的动态交互。再者，AI 应用对 SRL 的支持多针对特定阶段，未来应关注其对 SRL 全阶段的整体支持。此外，缺乏辅助教育者促进学生 SRL 的 AI 应用，未来研究应注重开发此类应用，并从多层面探索 AI 支持的 SRL。最后，AI 在 SRL 中既有优势也有挑战，教育者和开发者需权衡利弊，促进 AI 与 SRL 的可持续融合。
综上所述，该研究全面剖析了 AI 在高等教育 SRL 中的现状，为后续研究和实践指明了方向，对推动教育领域的 AI 应用和提升学生自主学习能力具有重要的理论和实践价值。
