技术辅助学习任务中失败反馈(failure feedback)实时认知-情感动力学的考察

《Communications Psychology》：Real-time cognitive-affective dynamics of failure feedback in a technology-based learning task

　　

随着技术辅助学习环境(technology-based learning environments)日益采用自动化反馈(automated feedback)，理解学习者如何实时加工反馈至关重要。本研究考察了由人形机器人(humanoid robot)传递的自动化认知(cognitive)与元认知(metacognitive)失败反馈如何影响任务表现，以及该效应如何受反馈特征和学习者特征调节。90名成人（18–59岁，Mage＝29.53，61名女性，27名男性，2名多元性别）完成三种条件下的学习任务：（1）固定引导条件——固定频率且内容通用(content-generic)的反馈；（2）基础自适应(basic-adaptive)条件——频率自适应(frequency-adaptive)但内容通用的反馈；（3）个性化自适应(personalized-adaptive)条件——频率自适应且内容个性化(content-personalized)，根据学习者特定错误及先前步骤调整内容。采用三水平广义路径模型（试次嵌套于时间块嵌套于学习者）考察失败反馈对即刻任务表现的影响及跨层调节效应。结果显示，认知与元认知失败反馈在各条件下均提高了后续正确反应的可能性。相对于固定引导（条件1），所实施的形式为频率自适应反馈（条件2）未对这些效应产生统计学显著调节。内容个性化反馈（条件3）降低了认知失败反馈对即刻表现的有效性，但与内容通用反馈（条件2）相比提高了整体表现。跨条件来看，认知能力强者受益较少，而报告较高任务中当下无聊(on-task boredom)者从认知反馈中获益更多。这些发现强调自动化失败反馈的有效性取决于其设计及学习者的情境认知和情感状态，说明情境化、时间敏感(temporally sensitive)的取径有助于打开反馈有效性研究的"黑箱"。

论文解读：技术辅助学习任务中失败反馈实时认知-情感动力学的考察

该文发表于《Communications Psychology》。现有研究表明自动化反馈对学习效果影响不一致，多数智能导学系统(intelligent tutoring systems, ITS)仅依表现或知识状态调整反馈，较少纳入学习者动机与情感状态；此外反馈研究多以自我报告或远端学习结果为指标，学习者如何实时解读并转化反馈为学习行动这一"黑箱"过程尚不明晰。为探明自动化失败反馈（即错误后提供的认知与元认知提示）如何在试次级(trial-by-trial)即时影响表现，以及反馈特征（频率固定vs.自适应、内容通用vs.个性化）与学习者特征（一般认知能力、任务中愉悦感与无聊感）如何调节该效应，研究人员开展了本实验研究。

研究人员招募德国地区90名18–59岁成人（排除无反馈对照组后均衡分配至三条件），被试与NAO人形机器人一对一互动完成斯瓦希里语空间词汇推理放置任务（将12件物品依机器人外语指令放置于房间内16个目标位置之一，通过试错推断词义）。实验设三条件：条件1固定引导(fixed guidance)——每犯一错误即给失败反馈（100%频率，内容通用）；条件2基础自适应(basic-adaptive)——依上一5分钟时间块的准确率（＜0.50低/≥0.50高）与自评任务愉悦感（1–2低/3中/4–5高）查表确定下一时间块失败反馈概率（0%–100%），内容仍通用；条件3个性化自适应(personalized-adaptive)——同条件2的频率自适应算法，但失败反馈内容依学习者具体错误类型与先前步骤个性化（如指出重复误解的词或已掌握却再错的位置）。所有条件下失败反馈随机分认知型（促信息组织加工，例"如何将句子拆解为更小单元以便理解？"）与元认知型（促监控自评，例"是什么让你选这个位置？反思你的步骤"），各约半数。每5分钟机器人暂停请被试在触屏自评愉悦(enjoyment)与无聊(boredom)（1–5点），用于自适应算法及作为二层预测变量。任务持续至12物全对或满30分钟。一般认知能力用哈根矩阵测验短版(Hagen Matrices Test-Short version, HMT-S)测量。数据分析采用Mplus建立三层随机斜率路径模型：试次层（Level 1, n＝2197次错误放置）二分类结局为下一试次是否正确，预测变量含本次错误后是否给认知失败反馈与元认知失败反馈（无反馈为参照），随机斜率跨层变动；时间块层（Level 2, n＝407）纳入块初自评愉悦与无聊为斜率调节变量及块平均表现的控制；学习者层（Level 3, N＝90）以二分类指示变量对比条件1 vs.2（频率效应）及条件3 vs.2（内容效应），并纳入一般认知能力为斜率调节变量。连续预测变量总均值中心化，采用MLR估计量与FIML处理结构缺失。

研究结果(Results)

描述性统计与相关(Descriptive statistics and correlations)：试次级 Pearson 相关显示元认知失败反馈与随后正确放置显著正相关(r＝0.11, p＜0.001)，认知失败反馈与随后正确放置相关不显著(r＝0.02, p＝0.405)。学习者层认知能力与整体任务表现显著正相关(r＝0.37, p＜0.001)；三条件指示变量与学习者聚合表现均无显著相关。块层愉悦与无聊和块聚合表现无显著相关。

失败反馈对任务表现的影响——假设H1(Impact of failure feedback on task performance (H1))

三层模型结果显示，相对于无失败反馈的错误试次，认知失败反馈(B＝0.13, 95% CI[0.03,0.23], p＝0.010)与元认知失败反馈(B＝0.18, 95% CI[0.08,0.28], p＝0.001)均显著提高下一试次正确的可能性。即失败反馈（不论认知或元认知功能）较不给反馈能提升即刻纠错表现，支持H1。

反馈特征的调节效应——假设H2(Moderating effects of feedback characteristics (H2))

条件2（频率自适应）vs.条件1（固定频率）未显著调节认知(B＝0.01, p＝0.858)与元认知(B＝－0.01, p＝0.902)失败反馈对表现的影响，频率自适应未表现出较固定频率更优的即时效果，H2a未获支持。条件3（内容个性化）vs.条件2（内容通用）：个性化内容显著负向调节认知失败反馈斜率(B＝－0.16, 95% CI[－0.29,－0.04], p＝0.012)，即个性化条件下认知失败反馈对即刻正确率的提升作用较通用内容条件减弱；对元认知失败反馈斜率调节不显著(B＝－0.07, p＝0.331)。H2b部分支持——个性化内容未增强反而暂时削弱认知失败反馈的即刻效果，但附加分析发现内容个性化条件与更高学习者整体（聚合）任务表现显著正相关(B＝0.08, p＝0.024)。

学习者特征的调节效应——假设H3(Moderating effects of learner characteristics (H3))

块初自评无聊显著正向调节认知失败反馈斜率(B＝0.08, 95% CI[0.00,0.16], p＝0.039)，即块初无聊感越高，认知失败反馈带来下一试次正确的增益越大；无聊对元认知反馈斜率无显著调节(p＝0.898)。块初愉悦对两类失败反馈斜率均无显著调节(p＝0.170及0.969)。学习者一般认知能力显著负向调节认知失败反馈斜率(B＝－0.05, 95% CI[－0.09,－0.01], p＝0.008)，高认知能力者从认知失败反馈中获益较少；对元认知反馈斜率边缘不显著(p＝0.076)。H3a与H3c获支持（方向相反于预期——无聊增强而非削弱认知反馈效用），H3b（愉悦调节）未获支持。

额外发现(Additional findings: direct effects of moderators and control variables)：前一时间块表现正向预测当块聚合表现(B＝0.35, p＝0.001)；内容个性化（条件3 vs.2）正向预测学习者整体任务表现(B＝0.08, p＝0.024)，频率自适应（条件1 vs.2）无此效应；一般认知能力正向预测整体表现(B＝0.05, p＜0.001)。

讨论与结论总结(Discussion & Conclusion，译述核心结论)

讨论指出：(i)认知与元认知失败反馈均能提升错误后下一试次正确率，符合反馈干预理论(feedback intervention theory)中反馈将注意导向任务过程的观点；(ii)基于表现与愉悦的频率自适应未能较固定频率显著改善即刻反馈效应，可能源于算法仅5分钟块级更新过于粗糙，无法捕捉试次级波动；(iii)内容个性化暂时削弱认知失败反馈即刻效应可用认知负荷理论(cognitive load theory, CLT)解释——个性化信息更长更复杂，暂增工作记忆负荷降低即刻表现，属"合意困难(desirable difficulties)"，因个性化同时伴更高整体任务表现，说明其引发深层加工；(iv)高认知能力者从认知失败反馈中获益较少，符合专长逆转效应(expertise reversal effect)——对高能力者详细反馈冗余甚至干扰独立解题；(v)情境无聊增强（非削弱）认知失败反馈效用可用无聊反馈模型(boredom feedback model)解释——认知提示充当注意重定向信号帮无聊者重投入任务，此调节只见于认知型非元认知型反馈，说明反馈功能与情感状态交互具特异性。

研究人员总结结论为：自动化精细失败反馈可提升技术辅助学习中即刻任务表现；内容个性化虽暂降认知失败反馈即刻效度但提升整体表现，表明应平衡信息量与认知负荷并考虑学习者情境认知情感状态；失败反馈有效性受反馈设计（内容及呈现）与学习者特征（一般认知能力、任务中无聊感）共同调节，提倡以情境化、时间敏感的多层分析打开反馈干预"黑箱"，为数字化学习环境中自适应反馈系统设计提供依据。