反思性AI使用与AI辅助编程中的学生参与——基于技术接受、编程自我效能与行为轨迹证据的RAIAF框架研究

《Frontiers in Psychology》：Reflective AI use and student engagement in AI-supported programming: technology acceptance, programming self-efficacy, and behavioral trace evidence

　　

引言：AI编程助手（AI coding assistants）在编程教育中的应用日益广泛，但对这些工具的接受意愿并不能表明学生是否对AI建议进行了评估或从中学习。本研究基于技术接受理论（Technology Acceptance）、自我调节学习理论（Self-Regulated Learning）和自我效能理论（Self-Efficacy Theory），考察了反思性AI使用（Reflective AI Use）与学生参与。方法：反思性AI接受整合框架（Reflective AI Acceptance Integration Framework, RAIAF）整合了三个独立公开数据集：一项调查结构方程模型（N = 131）、对一项Copilot实地研究中66份非空关键参与（Critical Engagement）回答的双人人工编码，以及利用数字教学助手（DTA）日志进行的补充性编程行为预测（N = 1,423；40%日历窗口样本N = 1,122）。DTA数据集未测量AI使用情况，仅用于检验与错误恢复相关的编程轨迹是否增加了预测信息。结果：在稳健极大似然（MLR）调查模型中，技术接受预测了反思性使用（β = 0.694, p < 0.001）和参与（β = 0.694, p < 0.001）；反思性使用预测了编程自我效能（β = 0.519, p < 0.001）和参与（β = 0.273, p = 0.034）。所有假设的间接效应均不显著。文本编码初始一致性有限（线性加权κ = 0.421；有序α = 0.495），且基于共识编码的反思性使用未能显著预测生产性参与（Productive Engagement）（b = 0.149, p = 0.202）。在DTA分析中，加入错误恢复特征将保留测试集的最终成功（Final Success）宏F1值（Macro-F1）从0.725提升至0.743，但重复分析和30%–50%窗口敏感性分析中的平均增益微乎其微。活动定义的参与已被重叠的活动指标所捕捉。讨论：研究结果区分了技术接受与反思性使用，但未能建立普遍的间接效应机制。在调查中，反思性使用与自我效能和参与相关，但其文本证据和行为证据仅为探索性、小规模且依赖于具体情境。

**论文解读**

**一、研究背景与问题提出**

人工智能正在深刻改变学生学习编程的心理条件。在AI辅助编程环境中，学习者可以在解决问题时获得代码建议、调试提示、解释和自动反馈，这些功能有助于减少挫败感，帮助初学者在遇到语法错误、测试失败或需求不明确时继续推进。然而，编程学习不仅仅是产出可运行的代码。学生还必须监控外部反馈的质量、判断AI建议是否适当、修正错误，并将所学迁移到新问题中。因此，核心的教育心理学问题不仅仅是学生是否接受AI工具，而是他们是否以反思性和学习导向的方式与AI生成的支持进行互动。

这一问题在当前具有紧迫性，因为生成式人工智能（Generative AI）改变了求助行为、反馈使用和学习者能动性（Learner Agency）之间的关系。一个学生可能因为AI编程助手方便而接受它，但仍然被动复制建议；另一个学生则可能将建议与个人推理进行比较、识别缺陷、修改代码，并利用反馈建立对后续任务的信心。如果仅测量工具接受度或使用频率，这两类学习者可能表现相似，但他们在元认知监控（Metacognitive Monitoring）、反馈解释和自我调节学习方面存在本质差异。已有研究表明，对AI工具的积极态度并不能揭示学生是否检查、修正和内化了AI生成的建议。正是这一局限推动了本研究的开展。

此外，现有文献中，技术接受研究解释了学习者接受数字工具的意愿，尤其是通过感知有用性（Perceived Usefulness）和感知易用性（Perceived Ease of Use）；学生参与研究强调学习参与包含行为、情感和认知维度；自我调节学习与元认知研究阐释了学习者如何在使用反馈时计划、监控和调整策略；编程自我效能研究则表明，对编程能力的信心与困难编码任务中的坚持性和成就相关。然而，将这些视角整合起来，专门考察反思性AI使用的研究尚付阙如。

**二、研究方法概述**

研究人员构建了反思性AI接受整合框架（RAIAF），该框架并非一种新的机器学习架构，而是一种证据整合设计。RAIAF由三个模块组成：第一模块利用调查数据估计技术接受（Technology Acceptance, TA）、反思性使用（Reflective Use, RU）、编程自我效能（Programming Self-Efficacy, PSE）和学习参与（Learning Engagement, ENG）之间的关系；第二模块利用Copilot实地研究中的开放式关键参与回答，探索反思性使用在文本中的表现；第三模块将DTA编程日志转化为早期窗口行为轨迹特征，预测后期学习结果，作为对编程中错误恢复和坚持性的补充证据。

调查数据（数据集A）来自Mendeley Data，包含131份有效回答，测量TA（6题）、RU（3题）、PSE（4题）和ENG（9题）四个构念。主要采用基于题目小组（Parcel）的潜变量结构方程模型（SEM），以稳健极大似然法（MLR）估计，并采用5,000次案例重抽样自助法（Bootstrap）检验间接效应。Copilot文本数据（数据集B）来自GitHub Copilot实地研究，共114条记录，其中66份包含非空关键参与文本。两名独立编码员在盲法条件下对66份非空回答按照四等级反思性使用文本指数（RUI_text）进行编码——0表示无反思证据，1表示识别AI建议或问题，2表示解释或纠正，3表示比较、修改或可迁移理解。DTA编程日志数据（数据集C）来自Zenodo公开数据集，全样本N = 1,423，40%课程日历早期窗口包含1,122名学生的活动。特征分为基线活动特征组、反思相关特征组（错误恢复和修正模式）和自我效能相关行为指标组，采用弹性网络逻辑回归、随机森林和基于直方图的梯度提升等分类器进行建模比较，并通过排列重要性（Permutation Importance）评估特征贡献。

**三、研究结果**

**3.1 调查模型结果**

在基于题目小组的潜变量SEM中，技术接受显著预测反思性使用（β = 0.774, p < 0.001）和参与（β = 0.694, p < 0.001）；反思性使用显著预测编程自我效能（β = 0.519, p < 0.001）和参与（β = 0.273, p = 0.034）。然而，技术接受到编程自我效能的直接路径不显著（p = 0.057），且编程自我效能对参与的预测也不显著（p = 0.813）。对间接效应的自助法检验显示，总间接效应未达显著水平，所有假设的中介路径——包括TA通过RU到ENG、TA通过PSE到ENG，以及TA经RU再到PSE的序列路径——其95%百分位置信区间均跨零。因此，研究结果为框架提供了部分支持而非全面的中介效应证据。此外，题目层面的四因子SEM拟合欠佳（CFI = 0.889, TLI = 0.874），题目小组模型虽拟合改善，但题目层面的测量局限仍然存在。

**3.2 Copilot文本分析结果**

在66份非空回答中，两名编码员的精确一致性为57.6%（38/66），95.5%的评分差异不超过一个类别。线性加权Cohen's κ为0.421，Krippendorff有序α为0.495，表明初始编码一致性有限。共识编码后，RUI_text分布为：0分8例，1分38例，2分16例，3分4例。回归分析显示，技术接受未能显著预测RUI_text（b = 0.690, p = 0.118），RUI_text也未能显著预测生产性参与（b = 0.149, p = 0.202）或项目得分。文本中介效应的自助法估计值为0.101，95%区间覆盖零。值得注意的是，Copilot样本中技术接受评分存在显著天花板效应——28.9%的参与者获得满分5分，81.6%评分不低于4.5——这种方差受限可能减弱了涉及技术接受的关联。

**3.3 DTA行为轨迹预测结果**

在最终成功预测（完成全部11项任务的二元指标）中，基线模型保留测试集宏F1值为0.725，加入反思相关特征后提升至0.743，提升幅度为0.018。然而，在重复交叉验证中，该组特征的平均宏F1差异仅为0.006，在30%–50%日历窗口敏感性分析中差异介于-0.001至0.002之间，表明这一提升在统计上微弱且不稳定。自我效能相关行为指标组未表现出一致的优势。在活动定义参与预测中，基线模型在保留测试集上表现最强（宏F1 = 0.821），任何增强特征组均未实现实质性改进——这是因为活动定义参与标签本身由活动指标构建，与基线特征存在定义上的重叠。排列重要性分析显示，对活动定义参与预测贡献最大的特征依次为早期活跃天数、早期活跃周数和早期独立解决任务数；对最终成功预测最重要的特征包括早期独立解决任务数、早期独立尝试任务数、早期学习跨度天数和早期成功后失败次数等。

**四、讨论与结论**

本研究区分了AI辅助编程中技术接受与反思性使用的概念，为理解学生与AI工具的互动提供了更为细致的教育心理学视角。调查结果表明，技术接受与反思性使用和参与之间存在强关联，反思性使用与编程自我效能显著相关，但假设的间接效应路径未被支持，因此所提出的心理机制仅获得了部分证据支持。行为轨迹层面的结果更为有限：错误恢复相关特征在最终完成预测中产生了微小的留存测试增益，但重复分析和窗口敏感性分析表明平均增益可忽略不计。因此，DTA分支提供了编程行为的补充证据，但不应被视为对反思性AI使用或自我效能的验证。文本分析部分虽引入了独立双人编码，但编码信度有限且受样本天花板效应影响，未来需在更大规模多语言样本中改进编码方案。

研究结论如下：AI辅助编程学习不应仅以学生是否接受或频繁使用AI工具来评价。更有价值的视角是考察学生如何回应AI支持、是否从反馈中修正和学习，以及此类行为在何种条件下改善学习结果。RAIAF框架为连接教育心理学构念与行为轨迹证据提供了一个透明且可复现的步骤。未来研究应从三个方向拓展：第一，收集纵向数据，考察学生的接受度、反思和自我效能如何随时间变化；第二，纳入更丰富的AI交互日志，包括提示词、生成代码、修改轨迹和反馈响应；第三，通过试验校准、更清晰的边界规则和独立多语言编码来改进文本反思性使用编码，并采用实验或准实验设计检验嵌入AI编程工具中的反思提示是否能增强学生的反思性使用并改善后续学习结果。