高等教育科学教育数字化转型中虚拟仿真实验室、人工智能辅助学习与混合教学对学业成就的直接与间接效应：一项跨机构混合方法研究

《Journal of Radiation Research and Applied Sciences》：Digital transformation in higher scientific education: The roles of virtual simulation, AI-assisted learning, and blended teaching

　　

高等教育日益加速的数字化进程，促使人们亟需回答哪些技术中介的教学干预最能有效改善科学学科学生的学习结果。本研究基于对五类院校中1500名STEM与科学项目本科生和研究生的跨机构调查，考察三种典型数字化转型机制的单独效应与联合效应：虚拟仿真实验室（virtual simulation laboratories, VSL）、人工智能辅助学习（artificial intelligence-assisted learning, AIAAL）和混合教学模式（blended teaching models, BTM）。研究人员采用混合方法实证框架，结合结构方程模型（structural equation modelling, SEM）、多水平固定效应回归和Bootstrap中介分析，估计VSL、AIAAL和BTM对学业成就的标准化直接效应分别为0.264、0.218和0.192。中介分析显示，自我调节学习（self-regulated learning, SRL）、协作知识建构和认知投入共同通过间接路径传导VSL效应的55.5%和AIAAL效应的54.7%，凸显过程层面学习机制的首要性。调节分析表明，机构准备度使三种技术效应放大约42-68%，而学科情境产生最显著的差异：VSL在STEM学科中的效应比非STEM情境大110%，而AIAAL效应在不同学科间保持相对稳健。使用工具变量（instrumental variables, IV）、倾向得分匹配（propensity score matching, PSM）和双重差分（difference-in-differences, DiD）准实验设计的稳健性检验确认，结果并非选择偏倚或遗漏变量污染的产物。至2030年的政策情景预测表明，相对于照常情景（business-as-usual），全面数字融合可使院校间学业成就差距缩小74%。研究结果为一个有理论依据且经实证验证的科学高等教育循证数字化转型框架作出贡献。

科学教育兼具概念掌握与实践实验室能力双重需求，传统以讲授为中心、依赖物理实验室获取和同步面对面互动的教学范式，正受到高保真虚拟仿真环境、人工智能驱动的自适应学习系统以及混合教学模式制度化的挑战。既有实证文献仍存在碎片化问题：通常孤立考察单一技术干预，难以判断虚拟仿真实验室（virtual simulation laboratories, VSL）、人工智能辅助学习（artificial intelligence-assisted learning, AIAAL）与混合教学模式（blended teaching models, BTM）的效应是互补、替代还是叠加；将技术接入转化为学习增益的中介过程缺乏在同一实证框架内的严格联合估计；跨机构类型、学科和学生背景的异质性分析不足，且多为单机构便利样本，限制外部效度。为此，研究人员开展跨机构大样本研究，构建理论整合框架，将VSL使用强度、AI互动质量和混合教学满意度作为主要自变量，将学业成就、批判性思维能力和数字素养作为主要结果维度，将认知投入、自我调节学习（self-regulated learning, SRL）和协作知识建构设为中介机制，将机构准备度和教师数字胜任力设为调节条件，并援引技术接受模型（Technology Acceptance Model, TAM）、探究社区框架（Community of Inquiry, CoI）和自我决定理论（self-determination theory, SDT）构建多层因果架构。研究结论表明，三种数字技术均对学业成就产生显著且因果可信的正向效应，多数效应通过间接路径实现，机构准备度可显著放大技术效应，学科情境则产生最明显的技术特异性差异；其意义在于为科学高等教育数字化转型提供理论化、实证验证的框架，并通过异质性分析、稳健性检验和至2030年的政策情景投影，为院校资源配置、技术组合策略和数字化转型成熟度模型提供依据。

研究人员开展的研究为跨机构横断面多机构调查，样本来自中国24所高校五类院校、七学科1500名STEM与科学项目本科生和研究生，并结合两波问卷、行政记录和学习管理系统（learning management system, LMS）行为轨迹数据。关键技术方法包括：验证性因子分析（confirmatory factor analysis, CFA）评估测量质量；分层OLS与多水平固定效应回归估计直接效应；全信息最大似然结构方程模型同时估计直接、中介和总效应；5000次Bootstrap中介分析与Johnson-Neyman调节分析；工具变量（instrumental variables, IV）、倾向得分匹配（propensity score matching, PSM）和双重差分（difference-in-differences, DiD）进行稳健性检验；并开展至2030年政策情景投影。

研究结果如下。5.1 测量模型评估：通过CFA得到标准化因子载荷0.72至0.88，均在p<0.001水平显著；平均方差抽取量（average variance extracted, AVE）为0.584至0.624，组合信度（composite reliability, CR）为0.876至0.914，区分效度符合Fornell-Larcker标准，模型拟合为CFI=0.964、TLI=0.958、RMSEA=0.048、SRMR=0.052，说明测量结构可接受。5.2 主回归结果：分层OLS回归显示，在加入学校固定效应、学生随机效应和完整社会经济控制后，VSL、AI和BTM的标准化系数分别为0.242、0.198和0.172，均在1%水平显著；SRL是最强预测变量（beta=0.226）；加入VSL使R²由0.182增至0.284，加入AI使R²增加14.4个百分点，完整数字模型R²=0.486，较基线提高30.4个百分点，并较各技术单独增量之和多出5.8个百分点，为技术互补性提供初步证据。5.3 结构方程模型结果：VSL通过SRL路径（beta=0.328）和认知投入路径（beta=0.314）产生较强结构效应，直接效应为0.264；AI通过SRL的间接路径最强（beta=0.342）；BTM通过协作知识建构（beta=0.328）和学习满意度（beta=0.342）产生较强效应；模型解释学业成就方差的51.2%、批判性思维的46.8%、数字素养的41.2%。5.4 中介分析：VSL总间接效应占总效应55.5%，其中SRL占19.8%、认知投入占14.9%、协作知识建构占12.4%；AI总间接效应占54.7%，其中SRL占21.2%、认知投入占13.7%；BTM总间接效应占45.7%，其中协作知识建构占14.6%、满意度占16.2%；VSL更偏向认知投入路径，AI更偏向SRL路径，显示二者存在互补性。5.5 异质性分析：STEM学科VSL效应为0.312，非STEM为0.148，差异0.164显著；AI效应在STEM为0.274、非STEM为0.224，差异不显著；高机构准备度组VSL效应为0.318，低准备度组为0.172，比值为1.85；Johnson-Neyman分析识别出机构准备度阈值0.42，低于该阈值时VSL和AI效应不显著；性别差异在VSL上显著但实际幅度较小。5.6 稳健性分析：在OLS、学校固定效应、学生随机效应、IV、PSM的ATT和DiD等六类估计中，VSL、AI和BTM系数均保持在基线约10-15%范围内且1%水平显著；IV估计分别为0.238、0.196和0.168，略低于OLS基线；以GPA替代复合成就指标使系数降低约7-10%；剔除离群值后结果变化可忽略；STEM子样本效应更大，支持基线发现非方法学假象。

讨论部分总结如下。6.1 技术效应与机制：VSL和AI的间接路径均超过总效应的50%，说明技术接入必要但不充分，关键在于技术是否激活深度学习的认知与元认知过程；该结果与建构主义学习理论一致，即学习者活动与意义建构是知识获得的近端决定因素。VSL与AI中介轮廓的非对称性表明，AI自适应反馈强化的元认知调节可作为VSL所支持的反复实验之前或并行安排，以最大化认知投入激活。6.2 机构准备度与政策含义：机构准备度阈值0.42以下技术效应不显著，说明低于该阈值的数字技术投资若缺乏基础设施、教师能力建设和政策支持，难以产生可测学习改进；机构准备度可放大约42-68%的技术效应，意味着基础设施和教师发展投资的回报可能超过单纯技术采购。VSL在STEM学科回报最高，AI效应相对学科中性，BTM虽在STEM稍大但跨学科仍具实质效应。6.3 政策情景与长期预测：至2030年全面数字融合可使院校间成就差距降至2024年当前水平的26%，照常情景下为89%；中度采用情景降至基线62%，比全面融合低58%的效果；单项技术投资在高水平出现递减回报，但组合技术投资在超过单项饱和点后仍保持正向回报；成熟度模型包括认知、试点、扩展、整合和优化五个阶段。研究结论翻译如下：本研究通过大规模跨机构实证调查，采用SEM、多水平回归和Bootstrap中介分析，考察科学高等教育中三种典型数字化转型机制——虚拟仿真实验室、AI辅助学习和混合教学——的学习效应。结果确立三种技术均对学业成就产生显著、因果可信的正向效应，大部分效应通过涉及自我调节学习、协作知识建构和认知投入的间接路径发挥作用。机构准备度被识别为关键调节变量，可将技术效应放大约42-68%或削弱至显著性阈值以下；学科情境产生最显著的技术特异性差异，STEM学科从VSL投资中获得的回报显著大于非STEM情境。政策情景预测表明，到2030年全面数字融合可使院校间学习成就差距缩小74%，但只有在同时投资基础设施、教师能力和有利政策环境以及直接技术采购的机构中才能实现这一潜力。数字化转型成熟度模型提供与机构准备度水平校准的分阶段投资路线图。未来研究应扩展纵向维度，评估数字化转型效应在多年时间范围内是否持续、增强或衰减，并调查VSL和AI系统的具体设计特征，以最大化过程机制激活，为循证技术采购和教学设计决策提供信息。