综述：人工智能支持的翻转学习与学业成就：一项系统综述与元分析及其对可持续、优质教育的启示

《Sustainability》：Artificial Intelligence-Supported Flipped Learning and Academic Achievement: A Systematic Review and Meta-Analysis with Implications for Sustainable, Quality Education

　　

这项研究运用元分析方法，以无人工智能（AI）支持的翻转学习为对照，分析了人工智能对翻转学习中学生学业成就的增量贡献。遵循在开放科学框架（OSF）注册的方案，研究人员在Web of Science和Scopus数据库中进行了系统性检索，并由ERIC数据库检索作为补充，检索时间截至2026年7月25日；符合条件的研究采用实验或准实验设计，在学业成就结果上比较了AI支持的翻转学习条件与匹配的无AI翻转学习对照条件。严格应用对照标准后，十项研究（两项随机对照试验（RCT）和八项准实验研究；N = 937名学习者）符合所有标准；另一项对照组为传统非翻转教学的研究被排除在主要分析之外，仅作为敏感性检查保留。使用随机效应模型中的Hedges' g（采用限制最大似然估计（REML）及Knapp-Hartung调整），合并效应表现为正向、中等且具有统计学显著性：g = 0.67，95% CI [0.32, 1.02]，t(9) = 4.36，p = 0.002。异质性显著（I² = 64.6%，τ² = 0.086），95%预测区间从?0.10到1.43，表明在新环境中真实效应可能较大或接近可忽略不计。Egger检验具有统计学显著性（t = 3.25，p = 0.01），与小样本效应一致；排除每组少于15名参与者的研究后，估计值降低至g = 0.53。由于对照组本身也是翻转学习，该估计值近似反映了AI组件的增量贡献，而非AI与翻转模型相结合的综合效应。证据的总体确定性（GRADE）较低。AI可以为翻转学习增加价值，但该益处取决于实施质量和情境，而非技术的固有属性，且鉴于证据基础规模小、异质性强且部分受小样本影响，解读这些发现时应持谨慎态度。

1. 引言
1.1. 教育、可持续发展与人工智能
教育被广泛认为是可持续发展的驱动力和推动者。在2030年可持续发展议程中，可持续发展目标4（SDG 4）要求国际社会确保包容、公平的优质教育并促进终身学习机会。可持续发展教育（ESD）是SDG 4的核心要素。实现这些承诺日益依赖于人工智能（AI）等新兴数字技术的整合。AI在教育领域具有双刃剑潜力，由自适应学习系统、会话代理和智能辅导系统塑造的AI支持生态系统正在重新定义学习者参与度。其核心在于算法个性化，通过学习分析适应学生的需求、节奏和先验知识，超越“一刀切”模式，提供精准反馈和可扩展的脚手架支持，增强学习者自主性。

1.2. 翻转学习与人工智能支持的脚手架的作用
翻转学习将信息传递转移到课外，将课堂时间保留用于应用和高阶认知活动。理论上它根植于建构主义和社会建构主义，要求学生在课前完成基础认知准备并在课堂上参与协作活动。然而，其成功高度依赖学生的自我调节。翻转学习存在实际局限，如课前阶段脚手架不足会增加认知负荷并阻碍先决知识获取，可能导致成就差距扩大。将AI整合入翻转学习被视为应对此需求的有效方案。智能辅导系统和聊天机器人能提供实时自适应反馈，会话代理能模拟更有知识的同伴，预测性学习分析可识别风险学生。这种个性化支持具有可扩展性，能将个性化指导延伸至庞大且多样化的学生群体。

1.3. 证据空白与元分析的理论基础
专门聚焦AI与翻转学习交集的定量综合仍然稀缺，且现有证据基础存在关键方法论问题：许多研究将AI支持的翻转学习与传统讲授教学对比，这种设计混淆了AI的增量贡献与翻转学习本身的效应。因此，隔离AI的附加价值需要将综合限制在对照组为无AI翻转学习的研究中。当研究跨越不同教育水平、学科和AI技术时，随机效应模型通过允许真实效应跨研究变化来提供更现实的估计。

1.4. 本研究与研究问题
本研究是对实验和准实验研究的定量元分析，比较了AI支持的翻转学习与无AI的翻转学习，以学业成就为结果。研究遵循系统综述和元分析首选报告项目（PRISMA）2020指南透明进行。具体研究问题包括：AI支持的翻转学习对学业成就的总体效应；异质性是否能由分类变量解释；连续变量是否能显著预测效应量变异；总体效应是否受发表偏倚或小样本效应影响及鲁棒性如何。

2. 材料与方法
2.1. 方案、注册与报告标准
本系统综述和元分析依据PRISMA 2020声明设计、实施和报告。审查方案在数据提取前固定并在开放科学框架（OSF）注册。由于注册是在检索执行后完成的，属于回顾性注册，这被承认为一项局限。为确保完全透明和可重复性，提供了完整提取数据集和分析脚本。

2.2. 研究设计
研究采用定量元分析设计，统计整合独立实证研究的发现，估计AI支持的翻转学习的总体效应。仅符合实验或准实验设计、包含实验组和对照组并报告足够统计数据的研究才被纳入。

2.3. 纳入与排除标准
纳入标准遵循PICOS逻辑：人群为任何教育水平的学习者；干预为增加AI组件的翻转学习；对照为无AI组件的翻转学习；结果为学业成就；研究设计为包含实验组和对照组的实验或准实验研究。严格应用对照标准，排除对照组为传统讲授或直接教学的研究，以避免混淆AI增量效应与翻转模型本身效应。仅纳入经同行评审的英文全文文章。

2.4. 信息来源与检索策略
在Web of Science和Scopus两大数据库中进行系统检索，覆盖截至2026年2月20日的所有记录。两次互补检索合并后去重。检索词结合三个概念块：翻转学习块、AI块和设计块。随后在特定教育数据库ERIC中补充检索至2026年7月25日，并进行引文追踪。未检索灰色文献。

2.5. 文献筛选过程
所有记录导入Zotero去重后导入Rayyan进行盲法筛选。标题-摘要筛选和全文评估由两名研究人员独立进行，分歧通过讨论达成共识。在对每份报告的条件逐一审计后，确保两臂仅在AI组件存在与否上存在差异，最终十项研究满足所有纳入标准。

2.6. 数据提取与编码
使用结构化编码协议。提取描述性信息、方法学特征和效应量计算所需统计数据。为检查异质性来源，编码了以下调节变量：AI类型（会话AI与自适应/智能辅导系统）、教育水平、学科、干预持续时间和出版年份。两名研究人员独立编码并解决分歧，编码间可靠性高。

2.7. 偏倚风险评估
由于大多数研究使用非随机或准实验设计，使用针对干预措施非随机研究的偏倚风险工具（ROBINS-I）框架评估偏倚风险，并针对两项随机对照试验使用RoB 2工具进行额外评估。

2.8. 效应量计算
使用校正小样本偏差的标准化均值差Hedges' g作为效应量指标。正值表示AI支持的翻转学习具有优势。由于多数为准实验研究，基线不等价对未调整后测对比构成威胁。效应量分层推导：优先使用协变量调整后的后测统计量；否则计算未调整的后测标准化均值差；在均值和标准差不可用时，从报告的检验统计量转换得出。不使用前后测变化指标，以避免引入不可测试的假设。

2.9. 元分析程序
对分类调节变量进行亚组分析，对连续调节变量进行元回归，均使用带Knapp-Hartung调整的混合效应模型。计算组间差异和解释方差比例R²。由于部分亚组研究少于五项，这些分析被视为探索性。所有计算在JASP软件中进行。

2.10. 证据的确定性
使用GRADE方法评估主要结果证据的确定性。使用ROBINS-I评估的证据从高确定性起始，在偏倚风险、不一致性、间接性、不精确性和发表偏倚五个领域酌情降级。

3. 结果
3.1. 纳入研究的特征
纳入的10项研究发表于2023至2026年间，在8个国家进行，包含937名参与者。9项在大学水平，1项在K-12水平。4项在语言教育领域，4项在STEM领域，社科和音乐各1项。8项采用会话AI，2项采用自适应或智能辅导系统。干预时长为6至16周。8项为准实验设计，2项为随机对照试验。随机效应模型显示中等正向显著总体效应：g = 0.67，95% CI [0.32, 1.02]，t(9) = 4.36，p = 0.002。由于对照组本身为翻转学习，此估计值近似反映了AI组件的增量贡献而非AI与翻转模型的联合效应。

3.2. 异质性
观察到显著的异质性：Q(9) = 25.3，p = 0.003；τ² = 0.086。I² = 64.6%，表明约三分之二的变异源于真实效应的差异而非抽样误差。95%预测区间从?0.10到1.43，表明在新环境中真实效应可能中等至较大，也可能接近可忽略不计。AI支持的翻转学习带来的益处并非技术固有属性，而是取决于实施背景和质量。

3.3. 调节变量分析
无分类调节变量产生统计学显著的组间差异。会话AI应用产生显著合并效应（g = 0.72，95% CI [0.21, 1.23]，I² = 78.5%），而两项自适应/智能辅导系统研究效应量相似但置信区间过宽无法提供有效信息。STEM研究产生较小但同质的效应（g = 0.43，I² = 0.0%），语言教育研究产生较大但分散的平均效应（g = 1.28，I² = 82.4%），但两者差异不显著。干预时长不预测效应量。出版年份与效应量存在关联（β = 0.227，p = 0.04），但在排除间接推导的效应量后关联消失，因此仅作为探索性结果报告。

3.4. 发表偏倚与小样本效应
Egger回归检验具有统计学显著性（t = 3.25，p = 0.01），漏斗图显示由两项小样本研究驱动的不对称性。这表明存在小样本效应：合并估计被少数小样本、高效应研究夸大。限制分析于每组至少15名参与者的研究后，合并效应降至g = 0.53。

3.5. 影响诊断
留一分析显示合并效应的方向和统计显著性对排除任何单一研究具有鲁棒性，幅度范围在g = 0.56至g = 0.73之间。Baujat图识别出三项高效应研究是异质性的主要贡献者。排除影响最大的研究后，合并效应降至g = 0.56，并使异质性减半。

3.6. 敏感性分析
重新纳入对照组为传统教学的研究得g = 0.62。排除小样本研究得g = 0.53且异质性大幅解决。排除间接推导的效应量得g = 0.54。排除单一整群分配设计研究得g = 0.86。使用Paule-Mandel估计量产生相似估计。综合来看，合并效应在方向和显著性上保持稳健，但幅度依赖于少数小样本高效应研究。

3.7. 证据的确定性
应用GRADE方法，主要结果证据的确定性被评为低。起始于高确定性，因不一致性和发表偏倚/小样本效应各降级一级。偏倚风险和间接性未导致降级。不精确性被视为临界考虑，未进一步降级。低确定性意味着真实平均效应可能与估计值存在实质性差异。

4. 讨论
4.1. 人工智能对翻转学习的增量贡献
本研究的一个显著特征是对照组的严格性。现有元分析多将AI支持的教学与传统讲授对比，混淆了AI贡献与翻转架构本身的益处。本研究通过限制对照组为翻转学习，隔离了AI超越翻转模型的附加价值。在保守规范下效应仍保持中等，表明收益不仅反映嵌入技术的翻转架构。理论上，翻转学习主要弱点在于课前缺乏支持导致认知负荷增加。AI工具在此介入，提供即时自适应反馈，近似维果茨基理论中更有经验他者的角色，支持翻转学习所依赖的自我调节过程。AI更多作为应对模型结构弱点的脚手架机制发挥作用。

4.2. 异质性与教学设计的首要地位
本研究的异质性发现具有重要意义。约三分之二的变异反映了真实效应的差异，预测区间表明真实效应可能大、可忽略或微负。这支持了一个特定主张：AI支持的翻转学习的有效性并非技术的固有属性。在可比设置中，相同工具的两次实施可能产生显著不同结果。少数异常成功的实施而非均匀分布的益处解释了观察到的变异性。最合理的解释是，围绕工具的教学对齐质量而非工具本身的复杂性区分了这些实施。教学设计质量未作为调节变量系统编码，此解释作为未来研究假设提出。

4.3. 效应的调节变量
分类调节变量无显著差异。会话AI有显著效应，但自适应系统研究过少无法提供信息量。学科模式需谨慎解读：语言教育效应受小样本效应混淆，不能自信地归因于学科特征。STEM领域零异质性也仅基于四项研究，不应过度解读。干预时长无预测性，表明益处不具简单剂量依赖性。出版年份关联不稳健，可能是2024年后生成模型质变引起，也可能反映小样本和新颖效应，需作为假设进行测试。

4.4. 对可持续、包容和优质教育的启示
虽然结果测量为学业成就，但对SDG 4的启示具有政策相关性。AI在翻转学习中的核心可持续性论点在于可扩展的公平性：能将历史上受限于教师时间的个性化脚手架延伸至大群体且不需人力等比例增加。AI通过自适应反馈和课前脚手架针对准备不足学习者最易落后的阶段。然而，预测区间表明在特定情境下真实效应可能可忽略，因此不能假定采用AI即有公平益处，必须经过设计和验证。机构若仅采购AI工具而不关注教学对齐和教师能力，则无证据基础期望获得成就提升，甚至可能扩大差距。AI教育的可持续整合不是采购问题，而是教学和能力建设问题。此外，现有研究未按学习者准备度或社会经济背景分层报告结果，也未测量教师工作量、成本和环境足迹，可持续性主张目前仍属机制推演而非经验证据。

4.5. 实践建议与实施的伦理考量
对于教育工作者，建议AI支持应针对课前阶段，作为自适应反馈和脚手架应对翻转学习结构弱点；实施前应明确工具功能与课程目标对齐并伴随教师专业学习；因预测区间宽泛，实施质量是区分有效与无效的关键，机构应本地验证有效性；期望应校准在6至16周内，长期持久性尚待证明。伦理考量是不可或缺的，包括数据隐私、算法偏见与公平性、透明度与学习者自主性以及学术诚信。

4.6. 局限性
几项局限需引起注意。首先，证据基础小，10项研究使亚组分析效力不足。其次，八项为准实验设计，存在残余混杂风险，且大多采用整群分配但未进行设计效应校正，可能高估精度。第三，检索限于英文同行评审数据库，未检索灰色文献，存在覆盖和语言偏倚。第四，方案为回顾性注册。第五，干预时长较短，无法确定收益持久性或新颖效应。最后，部分AI类别数据稀少，无法进行更细颗粒度的架构比较。

5. 结论
本系统综述和元分析提供证据表明，将AI整合入翻转学习与学业成就中等改善相关。由于对照组为翻转教学，此估计反映了AI组件的增量贡献。效应方向在敏感性分析中保持稳健，幅度因小样本和聚类混杂研究处理而异。异质性与效应幅度同样具有信息量，预测区间表明在新实施中真实效应可能大、可忽略或负面。证据支持有条件的解读：AI在某些实施中能实质性加强翻转学习，教学对齐和教学设计比技术存在本身更能解释变异。对追求SDG 4的教育系统而言，AI脚手架的可扩展性提供了向大群体提供个性化支持的潜在途径，但这依赖于教学设计能力和教师专业学习的投资，而非单纯技术获取。未来研究应优先进行预注册随机设计、长期随访、特定AI类型直接比较及按社会经济背景分层的结果分析。