《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：AI Tutors in Technical Training: Trust, Feedback Timing, and Skill Transfer in Maintenance Tasks
编辑推荐：
摘要专业翻译
技术维护培训要求学习者在真实条件下培养程序准确性、诊断推理、错误恢复和自信心。本研究考察了AI导师反馈时机如何影响维护任务中的信任、过度依赖和技能迁移。参与者在三种条件下完成操作程序：即时反馈、延迟反馈，以及由犹豫、重复错误或安全风险触发的自适应
摘要专业翻译
技术维护培训要求学习者在真实条件下培养程序准确性、诊断推理、错误恢复和自信心。本研究考察了AI导师反馈时机如何影响维护任务中的信任、过度依赖和技能迁移。参与者在三种条件下完成操作程序：即时反馈、延迟反馈，以及由犹豫、重复错误或安全风险触发的自适应反馈。评估指标包括训练准确性、恢复质量、完成时间、认知负荷（Cognitive Workload）、对导师的信任、反馈接受度以及无辅助迁移表现。即时反馈提高了早期准确性并减少了程序性错误，但增加了逐步依赖并削弱了独立故障排除能力。延迟反馈产生了混合效果：一方面支持了部分学习者的自主性，另一方面却增加了其他学习者的挫败感和可避免的错误。自适应反馈产生了最强效果——它允许学习者独立尝试，同时在需要支持时进行干预，从而改善了无辅助迁移、错误恢复、程序排序和信任校准。总体而言，当反馈能够搭建学习支架而不取代受训者判断力时，AI导师最为有效。
论文解读文章
一、研究背景与问题提出
技术维护培训是一个高价值的人因工程领域，因为其绩效既依赖于程序性知识，也依赖于情境敏感性判断。学习者必须解读系统状态、遵循正确序列、检测异常并从错误中恢复，同时往往还要应对时间压力和物理任务约束。传统培训方法依赖讲师演示、手册和监督下的实践，但这些方式资源密集且在不同学习者间缺乏一致性。AI辅导系统可通过按需指导、错误检测和个性化辅导来弥补这一不足，尤其是在讲师可用性受限的技术领域。
然而，有效的辅导不仅仅是提供正确答案。在手把手操作的培训中，反馈时机深刻塑造了学习行为：过早反馈可能使学习者产生依赖性而无法建立独立解决问题的能力；过晚反馈则可能导致错误累积并降低信心。此外，信任也扮演着关键角色——受训者需要对导师足够信任以使用它，但又不能过度信任以至于停止批判性思考。在维护情境中，盲目遵从AI提示可能存在风险。因此，本研究的核心问题是：如何设计AI导师的反馈时机，使其既能支持学习，又能保持受训者的能动性和长期技能迁移能力？
二、研究方法与技术路线
研究人员采用了一项受控的技术培训实验，让参与者在不同反馈时机条件下使用AI导师完成维护培训任务。任务涉及检查、部件更换、故障隔离或步骤排序等既需要程序执行又需要决策的活动。AI导师通过数字界面提供步骤提示、纠正性反馈和解释，并在三个实验条件间变化反馈时机：
- 1.
即时反馈：一旦检测到错误风险即进行提示或纠正。
- 2.
延迟反馈：在一个步骤或子任务完成后提供反馈。
- 3.
自适应反馈：基于学习者表现、犹豫程度或错误严重性动态调整反馈时机。
研究人员测量了训练期间的准确性、错误恢复质量、训练时间、对AI导师的信任以及认知负荷。技能迁移通过无导师实时提示的后测维护任务（包括程序正确性、诊断质量和完成效率）来衡量。此外还收集了观察和访谈数据以了解受训者对导师指导的解读、何时选择遵循或忽略指导，以及何种反馈时机最有利于学习。
三、研究结果
1. 即时反馈：即时反馈提高了早期训练试验中的任务准确性，并减少了明显的程序性错误，尤其对学习不熟悉任务序列的新手有效。然而，即时反馈条件下的参与者更倾向于逐步依赖导师，在迁移任务中表现出较弱的独立故障排除能力，表明高频干预虽能提升辅助表现，却限制了深度学习。
2. 延迟反馈：延迟反馈产生了混合效果。一些学习者从额外自主权中受益并展现出良好的知识保留，但另一些学习者积累了可避免的错误，并报告了更高的挫败感——因为反馈来得太晚而失去效用。这表明延迟反馈只有在配备检测机制以识别学习者何时需要及时干预时才能支持学习。
3. 自适应反馈：自适应反馈产生了最强的整体训练和迁移效果。通过将支持延迟至检测到犹豫、重复错误模式或安全关键风险时才介入，AI导师允许受训者独立尝试任务，同时防止错误升级。该条件下的参与者保持了良好的训练准确性，并在迁移任务中表现出更好的无辅助表现，包括改进的错误恢复和程序排序。自适应时机还支持了更校准的信任：受训者认为导师有帮助但不侵扰，更倾向于将其视为教练而非命令源。
4. 跨条件发现：在所有条件下，包含简短理由线索的反馈获得了最积极的回应，因为它增加了可信度并使纠正感觉更具教育意义而非仅仅是修正。这一发现与计算机化反馈研究一致——包含解释性信息的详尽反馈比简单的正确性反馈更能支持更强的学习成果。
四、结论与讨论
本研究表明，当反馈时机被设计为支持学习而非仅仅最大化辅助任务完成时，AI导师能够改善技术维护培训。研究结果证明，反馈时机不仅影响即时表现，还影响信任校准和技能迁移——其中自适应反馈提供了支持与受训者独立性之间的最佳平衡。这些结果支持一种人因工程取向的AI辅导方法：导师的角色是搭建学习支架，而非取代受训者的判断力。
研究结论翻译：这项工作表明，当反馈时机被设计为支持学习而非仅仅最大化辅助任务完成时，AI导师可以改善技术维护培训。研究结果表明，反馈时机不仅影响即时表现，还影响信任校准和技能迁移，其中自适应反馈在支持与受训者独立性之间提供了最佳平衡。这些结果支持一种人因工程取向的AI辅导方法，即导师的角色是搭建学习支架，而不是取代受训者的判断力。
