探究社区感知在项目式学习设计与学习投入间的中介效应与组态路径——基于AIGC辅助动画工作室的实证研究

《Frontiers in Psychology》:How does community of inquiry matter? Mediating effects and configurational pathways linking project-based learning design to learning engagement

【字体: 大 中 小 】 时间:2026年10月24日 来源:Frontiers in Psychology 3.8

编辑推荐:

  生成式人工智能(AIGC)的广泛普及重塑了动画专业学生的技能结构以及项目式学习(PBL)工作室中教学设计的条件。本研究将AIGC辅助的PBL工作室作为研究情境,而非将生成式AI作为模型变量进行检验,考察PBL设计感知是否以及如何与学习投入(LE)相关联。研究基

  
生成式人工智能(AIGC)的广泛普及重塑了动画专业学生的技能结构以及项目式学习(PBL)工作室中教学设计的条件。本研究将AIGC辅助的PBL工作室作为研究情境,而非将生成式AI作为模型变量进行检验,考察PBL设计感知是否以及如何与学习投入(LE)相关联。研究基于探究社区(CoI)理论,将问题驱动(PD)、项目设计(PDe)、项目实施(PI)和项目评价(PE)作为前因变量,将认知存在(CP)、社会存在(SP)和教学存在(TP)作为统计中介变量,将LE作为结果变量。研究人员分析了来自490名高年级动画学生的两波调查数据,采用PLS-SEM和fsQCA方法。PBL与CoI在T1时点同步测量,LE在T2时点测量;因此,间接效应代表的是间接统计关联,而非具有完整时间序列确立的中介效应。PD、PDe和PI与LE均呈显著正向直接关联。PE的零阶关联和单预测变量关联均为正向,但在控制其他PBL维度和CoI中介变量后,其直接路径系数变为显著负向。该系数对模型设定敏感,提示可能存在统计抑制效应;不应将其解释为评价本身固有地抑制投入。三个CoI维度在所有12条间接路径中均表现出显著的统计中介关联。TP和SP的间接统计关联点估计值相对较高,但各间接效应之间的差异未进行正式检验,不宣称任何维度为最优。PE通过CoI产生的正向间接关联部分抵消了其负向净直接关联,但未能在调整后逆转总关联的方向。该抵消程度可能取决于CoI相关体验被同步报告的程度。fsQCA识别出七种高投入组态。没有任何单一PBL维度是不可或缺的。CoI维度以核心或边缘条件的形式出现,但并非每种组态均包含全部三个维度。这些发现厘清了评价与投入之间经由间接统计关联和组态条件形成的双路径机制,并为在不同资源约束下优化PBL提供了指导。研究结论仅限于AIGC辅助的PBL工作室情境,不能确立生成式AI的教学效应。
一、研究背景与问题提出
动画教育正处在一个关键转折点:其核心教学活动——视觉方案的概念化与制作——恰是受AIGC自动化冲击最为显著的环节。Midjourney和Stable Diffusion等工具可在数分钟内完成传统上需要数周的工作。随着动画训练长期依赖的制作技能相对价值迅速下降,培养高阶能力(包括问题解决、批判性反思和审美判断)变得日益迫切。然而,技术支持并不会自动简化学习:当学生能够借助AI快速生成视觉方案时,他们面临效率与批判判断之间的根本张力——既要利用AI拓展创作能力,又要独立评估其输出。帮助学生通过教学设计驾驭这一张力,是动画教育面临的直接挑战。
PBL长期以来被视为培养复杂能力的有效策略,因其强调真实性、自主性与协作性。然而,关于PBL各设计维度在AI增强型工作室中是否同等有效地促进深度投入,仍缺乏针对性的实证证据。先前以学习动机为结果变量的研究发现,问题驱动(PD)是强预测因子,而项目评价(PE)几乎没有直接预测效应。这一“评价失效”现象构成了本研究的理论起点,但该研究仅确立了效应方向,未检验评价为何无效以及何种条件下其贡献可能改善。
更进一步,PBL设计特征通过何种机制转化为学习结果,仍是更根本的未解问题。本研究引入探究社区(CoI)理论作为中介框架,提出四个PBL维度通过激活学生在工作室中的CoI体验——即所感知的认知挑战、社会联系和教学支持——间接促进学习投入,而非仅通过直接路径产生投入。AIGC辅助的PBL工作室为观察这些间接关联提供了特别有信息量的情境;在此情境中,AI承担大量制作任务,可能差异化PBL维度与CoI体验之间关联的强度与形式。
基于此,研究提出三个问题:(1)各PBL设计维度对学习投入(LE)的直接效应是否存在显著差异,PE是否重现先前“评价无效”的模式?(2)三个CoI维度是否显著中介PBL维度与LE之间的关系,其相对中介强度如何比较?(3)是否存在多种与高LE相关联的等效PBL-CoI组态?其中第二个问题——PE通过CoI的间接效应能否抵消其可能为负的直接效应——是研究的核心理论关切。
二、研究方法概述
研究采用定量设计和多阶段问卷程序。数据收集于2026年3月至6月,通过问卷星平台进行,采用两波时间滞后设计:T1时点测量四个PBL维度和三个CoI维度,T2时点(间隔3周)测量LE。最终分析样本为490名来自应用型本科院校的三、四年级动画专业学生,T1-T2匹配率为89.09%。样本采用分层便利抽样,按院校类型(综合大学与艺术设计院校)和年级分层。分析技术包括:(1)PLS-SEM(SmartPLS 4.0),用于测量模型评估、结构路径分析和间接统计关联检验(Bootstrap 5000次重抽样);(2)fsQCA 3.0,用于变量校准、必要性分析、真值表构建和组态识别。
三、研究结果
(一)测量模型评估
信度方面,各潜变量的Cronbach's α介于0.791至0.942之间,组合信度(rho_c)介于0.854至0.951之间,均超过0.700的推荐阈值。收敛效度方面,平均方差抽取量(AVE)介于0.504至0.682之间,均超过0.500的最低标准。区分效度方面,Fornell-Larcker准则显示大多数构念满足要求,但教学存在(TP)与社会存在(SP)的相关系数(0.751)超过了两者AVE平方根(分别为0.742和0.734),未完全满足该准则;所有HTMT值均低于0.85的保守阈值(TP与SP为0.801),表明不存在严重的区分效度问题。
(二)PBL维度对学习投入的直接效应
问题驱动(PD)对LE有显著正向效应(β=0.138,p<0.001),支持H1a。项目设计(PDe)对LE有显著正向效应(β=0.237,p<0.001),支持H1b。项目实施(PI)对LE有显著正向效应(β=0.305,p<0.001),支持H1c。项目评价(PE)对LE的净直接效应为显著负向(β=?0.255,p<0.001),方向与H1d预测一致。
为检验PE负向直接路径的稳定性,研究比较了四个替代模型:M1(PE为LE唯一预测变量)中PE系数为正(β=0.483);M2(四个PBL维度同时进入,无中介)中PE系数转为负(β=?0.131);M3(排除PI)中PE系数仍为负(β=?0.067);M4(完整中介模型)中PE直接系数为负(β=?0.255),总效应为β=?0.113。VIF值均低于5,排除严重多重共线性。系数从M1的正值变为M2和M3的负值,表明对模型设定敏感,提示可能存在统计抑制效应。因此,PE的负向净直接系数不能被解释为评价本身抑制投入,而应理解为控制其他变量后PE独特方差的净直接统计关联。
(三)PBL维度对三个CoI维度的影响
PD对TP(β=0.275)、SP(β=0.284)和CP(β=0.158)均有显著正向效应。PDe对TP(β=0.205)、SP(β=0.279)和CP(β=0.294)均有显著正向效应。PI对TP(β=0.236)、SP(β=0.150)和CP(β=0.307)均有显著正向效应。PE对TP(β=0.297)、SP(β=0.249)和CP(β=0.195)均有显著正向效应。所有路径p值均小于0.001。
(四)三个CoI维度对学习投入的影响
TP(β=0.213)、SP(β=0.228)和CP(β=0.137)对LE均有显著正向效应(p均小于0.001)。模型解释了LE 52.4%的方差(R2=0.524),对TP(R2=0.371)、CP(R2=0.362)和SP(R2=0.416)的解释力也令人满意。所有内生潜变量的Stone-Geisser Q2值均为正(LE为0.350,TP为0.321,SP为0.376,CP为0.297),介于0.25至0.50之间,表明具有中等预测能力。效应量方面,PI对LE的效应量最大(f2=0.129),其次为PDe(f2=0.123)和PE(f2=0.098)。
(五)中介效应检验
所有12条间接路径均显著。PD通过TP(β=0.056)、CP(β=0.017)和SP(β=0.060)对LE的间接统计关联均显著。PI通过TP(β=0.046)、CP(β=0.034)和SP(β=0.030)的间接关联均显著。PDe通过TP(β=0.042)、CP(β=0.031)和SP(β=0.058)的间接关联均显著。PE通过TP(β=0.065)、CP(β=0.023)和SP(β=0.054)的间接关联均显著。所有置信区间均不含零,支持H2a、H2b和H2c。
特别值得关注的是,PE的三条间接路径合计β=0.142,抵消了负向净直接路径系数(?0.255)约55.7%,但未逆转调整后的总关联方向(β=?0.113)。这表明PE的负向净直接关联与正向间接关联并存,后者仅提供部分抵消而非完全逆转。总体而言,TP的间接统计关联最高(β=0.042–0.065),其次为SP(β=0.030–0.060),CP相对较弱(β=0.017–0.034)。由于各间接效应之间的差异未经正式检验,研究不宣称任何CoI维度具有“最稳健”或“最关键”的间接关联。
(六)fsQCA组态分析
必要性分析显示,所有条件及其否定的一致性均低于0.90的阈值,SP一致性最高(0.830),但没有任何单一PBL或CoI维度是高LE的必要条件。
充分性分析识别出七种高LE组态(整体一致性0.924,整体覆盖率0.667)。C1(PDPDe~PISPTP)以PD、PDe和TP为核心条件,SP为边缘条件,明确否定PI,一致性最高(0.964),表明强设计、问题导向和教学支持可补偿项目实施方面的不足。C2(PDPDePECPSP)以PD、PE、CP和SP为核心条件,PDe为边缘条件。C3(PDPDePESPTP)以PDe、PE和TP为核心条件,PD和SP为边缘条件。C4(PDePECPSPTP)以PDe、PE和TP为核心条件,CP和SP为边缘条件。C5、C6和C7分别呈现不同的核心-边缘组合。没有任何单一PBL维度在全部组态中均出现,CoI维度以核心或边缘条件形式出现,但并非每种组态均包含全部三个维度。
四、讨论与结论
研究揭示了评价与投入之间的双路径机制:PE存在负向净直接关联与正向间接关联并存的现象,其价值通过激活认知存在(CP)、社会存在(SP)和教学存在(TP)得以实现。这一发现将“评价本身是否有效”的问题转化为“在何种模型设定和条件组合下评价呈现负向净直接关联,以及CoI结构如何部分抵消这一净关联”。fsQCA结果进一步表明,高学习投入存在多条等效路径,不同资源约束下的PBL工作室可根据自身条件选择相应的优化组合。
研究结论限于AIGC辅助的PBL工作室情境,不能确立生成式AI的教学效应。研究局限包括:PBL与CoI在T1时点同步测量,间接效应应解释为间接统计关联而非具有完整时间序列的中介效应;TP与SP的区分效度仅获得部分支持;未测量AI使用的类型、强度、质量或依赖程度等调节变量;结论不能推广至非AIGC辅助的PBL情境。未来研究可采用三波纵向设计以确立PBL→CoI→LE的时间中介链,并考察AI使用特征对上述关系的调节作用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号