《Sage Open》：Artificial Intelligence-Based Blended Learning: A Mixed-Methods Study
编辑推荐：
本研究旨在探究在教育环境中使用人工智能（AI）工具的效果。采用混合方法研究了在混合式环境中使用AI应用（ChatGPT）对学业成绩和学生学***验的影响。实验组接受基于人工智能的混合式学习（AIBL），一个对照组接受面对面学习（F2F），另一个对照组接受在线学
本研究旨在探究在教育环境中使用人工智能（AI）工具的效果。采用混合方法研究了在混合式环境中使用AI应用（ChatGPT）对学业成绩和学生学***验的影响。实验组接受基于人工智能的混合式学习（AIBL），一个对照组接受面对面学习（F2F），另一个对照组接受在线学习（OL）。定量研究结果表明，三种教学条件下后测成绩存在统计学显著差异，F(2,80) = 7.33, p = .001, η2 = .16。事后比较表明，AIBL（M = 37.58, SD = 10.40）的得分显著高于OL（M = 28.02, SD = 5.90），而AIBL与F2F（M = 35.40, SD = 10.92; p = .667）之间未发现统计学显著差异。这些发现表明，AIBL可能比完全OL具有优势，同时产生与F2F教学相当的学业成果。定性研究结果按照在AIBL中使用ChatGPT的体验、感知益处、感知局限性和学习支持等主题进行分析。职前教师认为在教育环境中使用AI应用对其学习既有积极影响也有消极影响。ChatGPT促进学生对概括性和聚焦性信息获取的能力获得积极评价。职前教师报告称，他们有时认为ChatGPT的答案和操作不正确，这是AI的主要不利影响。本研究为AI应用在教育环境中的有效使用提供了重要见解。
论文解读文章
一、研究背景与研究目的
随着教育技术的快速发展，混合式学习（BL）已成为现代教育体系中不可或缺的组成部分。混合式学习整合了面对面教学与在线学习，具有提升教学标准、提供时空灵活性等优势，在全球众多知名大学中日益普及。然而，Boelens等人（2017）指出，有效混合式学习环境的设计缺乏详细框架，这给混合式学习的实施带来了困难。Boelens等人识别出混合式学习设计中的四个关键挑战：确保灵活性、鼓励互动、促进学习以及创造情感支持性环境。
在教师教育领域，教师在教育转型过程中扮演着关键角色，必须具备设计学习活动、鼓励学生参与以及有效使用技术的能力。研究指出，混合式学习在提升职前教师的学术表现、自我效能感、技术技能和教学方法方面具有显著潜力。然而，职前教师普遍缺乏扎实的科学背景和积极的学习科学经验，特别是在物理学科中，概念抽象且认知要求高，如狭义相对论、光与声、动量等主题，职前教师面临学习动机不足和考试恐惧等多重挑战。
人工智能（AI）在教育中的应用为解决现有挑战、以更有效和创新的方式重构教学过程提供了重要机遇。AI与混合式学习的结合有望为教师教育和学生成功提供创新解决方案。尽管Park和Doo（2024）通过系统综述综合了30项关于AI在混合式学习情境中的实证研究，但直接比较AIBL与替代教学条件的受控实验证据仍然稀缺。以往研究往往将混合式学习和AI支持教育视为独立的教学方法，而非整合应用。因此，本研究旨在通过混合方法设计，考察在混合式环境中使用AI应用（ChatGPT）对职前教师学业成绩和学习体验的影响，填补该领域实证研究的空白。
二、研究设计与实施
本研究采用混合方法中的顺序解释性设计，即先收集定量数据，随后收集和分析定性数据。定量阶段采用准实验设计，包含三个完整班级组：实验组（EG）接受基于人工智能的混合式学习，对照组1（CG1）接受面对面学习，对照组2（CG2）接受在线学习。定性阶段采用焦点小组访谈法，从实验组中自愿选取26名职前教师参与。
研究参与者为土耳其一所州立大学科学教育系的83名职前教师，其中男性17名（20.5%），女性66名（79.5%），平均年龄19.5岁，此前从未在课堂中使用过ChatGPT等AI应用。实验组37人（44.6%），CG1和CG2各23人（27.7%）。由于研究在真实的教师教育情境中开展，采用完整班级组的准实验设计，组间人数不等。Levene方差齐性检验表明方差齐性假设得到满足（F(2, 80) = 1.52, p = .224）。
定量数据使用冲动-动量成就测验（IMAT）收集，该测验包含21道多项选择题，评估学生对冲量和动量的概念理解。定性数据使用研究者开发并由专家验证的半结构化访谈表收集，共10个条目，经过6名教师候选人的预测试验证。
实验组的AIBL教学过程整合了面对面和在线教学。面对面课堂前，研究者布置研究论文作业；课堂前15分钟，职前教师使用ChatGPT回答作业问题并与同伴协作，随后研究者引导课堂讨论并提供解释和示例。在线课程通过大学远程教育基础设施ODüZEM系统（由BigBlueButton应用支持）进行，学生在课前使用ChatGPT完成作业并上传至系统，在线课堂中随机选中的学生回答问题并接受实时反馈。ChatGPT在AIBL教学过程的各个阶段作为支持性工具使用。
研究获得奥尔杜大学伦理委员会批准（批准号：29.12.2023/2023-15），于2023-2024学年实施，研究内容为物理1课程中冲动-动量主题的教学。
三、研究结果
定量研究结果
IMAT前测结果表明，实验组和对照组之间无统计学显著差异（F(2, 80) = 1.63, p > .05, η2 = .04），说明各组实施前准备水平相似。IMAT后测结果表明，实验组和对照组之间存在统计学显著差异（F(2,80) = 7.33, p < .05, η2 = .16）。Tukey HSD检验显示，CG2（M = 28.02）与EG（M = 37.58）之间存在显著差异（p = .001），CG2与CG1（M = 35.40）之间存在显著差异（p = .028），而EG与CG1之间无显著差异（p = .667）。这表明总体组间差异主要与在线学习组的较低表现相关，而AIBL和F2F产生了相当的学业成果。
配对样本t检验显示，EG的前测-后测成绩差异显著（p < .05），效应量大（d = 0.87）；CG1的前测-后测成绩差异显著（p < .05），效应量大（d = 1.23）；CG2的前测-后测成绩差异显著（p < .05），效应量为中等（d = 0.49）。
需要注意的是，当前样本的IMAT后测数据内部一致性较低（KR-20 = .19；McDonald's ω = .212），项目难度指数p值范围为.145至.675（M = .34），部分项目项目-总分相关较低或为负，因此定量结果应谨慎解读。
定性研究结果
定性研究结果围绕三个主题展开：在AIBL中使用ChatGPT的体验、感知益处、感知局限性和学习支持。
在AIBL中使用ChatGPT的体验方面，13名学生认为对教学大多积极，7名学生认为大多消极，6名学生认为既有积极也有消极方面。所有参与者均表示ChatGPT有时会给出错误信息。参与者普遍表示，当向ChatGPT提问时能获得清晰答案，对此感到满意。部分参与者指出，提问方式影响所获答案的质量，完整正确的问题能获得良好答案。ChatGPT相比搜索引擎具有优势，能直接提供与问题相关的聚焦信息，而搜索引擎会返回大量无关信息。职前教师表示主要将ChatGPT用于作业，能获得主题的摘要信息和公式解释。
感知益处方面，ChatGPT被描述为有帮助、实用和快速。职前教师表示该应用帮助他们掌握和理解主题、解决题目，以简短精炼的方式提供信息，便于快速理解。认为ChatGPT积极或既积极又消极的参与者表示将继续使用该应用，而认为大多消极的参与者表示倾向于不使用。多数参与者对在课堂中使用ChatGPT不太积极，部分参与者认为ChatGPT不是用于教学的应用程序。
感知局限性和学习支持方面，多数参与者对未来表示担忧，认为ChatGPT提供的便捷信息获取可能使学生养成依赖习惯，变得安逸。部分参与者认为ChatGPT可能成瘾，但也有参与者指出这取决于个体差异——有学习意愿和努力的学生能受益，而不知道研究什么的学生可能被阻碍。少数参与者提出改进建议，如ChatGPT应说明解题步骤、用动画解释主题等。
四、讨论与结论
讨论部分总结
针对研究问题1，研究发现AIBL在物理1课程冲动-动量主题教学中是有效方法，产生的学业成果与传统F2F条件相当，两者均显著优于OL条件。从认知负荷理论（Cognitive Load Theory）视角看，AIBL与F2F的相当结果可能源于AI支持在管理外部认知负荷方面的作用：ChatGPT提供简洁、针对性信息的能力可能减轻了信息搜索带来的认知负担，使学习者能将更多认知资源分配给对冲动-动量概念的理解。然而，文献中也存在混合式学习优于面对面学习的证据。本研究AIBL产生与F2F相当的结果值得注意，表明AI整合并未削弱面对面教学通常带来的学习收益，但应解读为与F2F持平而非优于F2F的证据。
OL环境效应水平显著低于AIBL和F2F，这与文献中大学生对传统面对面环境满意度更高、疫情后希望回归面对面教学等结果一致。不同教学环境下学生成绩的显著差异可能与互动、兴趣、满意度和参与水平的差异有关。
针对研究问题2，定性结果表明职前教师在AIBL过程中首次在计划课程中使用AI应用。多数职前教师认为AI在AIBL环境中对其学习产生了积极影响，并表示今后将在学习过程中使用AI应用。ChatGPT被定义为有帮助、实用和快速，这可以从感知有用性角度评价。职前教师主要将ChatGPT用于作业准备，对其提供摘要和聚焦信息的能力感到满意，并认为其优于搜索引擎。
职前教师对应用评价消极的主要原因是答案和操作不正确或不充分，这与文献中关于ChatGPT在抄袭、可靠性、准确性和输出质量方面存在问题的报告一致。部分职前教师认为问题源于用户缺乏使用技能，正确清晰地提问能获得正确答案。
职前教师对AI整合到学习环境的未来轨迹表现出明显担忧，认为学生可能因习惯于现成和简便的方式而引发长期问题。个体差异在结果中显著：有学习意愿和努力、知道研究什么、意识到自身学习的学生能从AI中受益。
值得注意的是，尽管参与者已被告知实施的伦理劣势，但未表现出对伦理标准和学术诚信的预期敏感性。职前教师倾向于从技术和功能角度将AI视为"教学助手"，而将认识论基础和伦理风险视为次要因素。从认知负荷理论角度看，当内在负荷超过工作记忆容量时，对有意义学习、战略思维和伦理推理至关重要的相关负荷分配会被扰乱。研究结果表明伦理教育不能仅停留在理论层面，需要结合应用情境的教学设计。
研究结论翻译
关于虚拟实验室、机器人和AI在教育环境中使用的研究已存在，但多为聚焦特定概念和技术的广泛分析，或未涉及课程、教学与学习设计等基本问题的技术性研究。在真实教育环境中探索ChatGPT等AI应用的使用存在空白，需要关注课堂活动和学生的研究以结合理论与实践。本研究结果虽有限，但可为改进教育环境中AI应用的使用提供指导。
混合式学习已被推荐用于高等教育机构，特别是教师教育。本研究有助于确定混合式学习环境中的教学需求。研究结果可用于估计学习中的成功和错误概率。AI及相关应用是教育中未来的需求，因此需要该领域的实验研究来改善教育体验。本研究更关注AI应用在混合式学习环境中的使用。在面对面教学不可行的条件下可以优先选择AIBL。通过考虑社会互动，AIBL可以被重构和调整以解决沟通问题。研究结果揭示了职前教师对AI辅助教学多方面伦理意涵认识的显著差距，因此优先开展该领域的实践培训至关重要。研究假设职前教师主要在作业中使用AI，可以推测从小学到大学各层次学生都会在作业中受益于AI。理解仅以获取信息为目标的作业对学生无益，有助于改进作业质量。应质疑AI获取信息的准确性。互动性和应用知识设计的任务可带来更好的学习成果。
