《Frontiers in Psychology》：Digital transformation in education: psychological perspectives on learning, engagement, and outcomes: a systematic review and meta-analysis
背景：数字化转型过程已发展出新型教育系统，这些系统使用基于技术的工具，包括学习管理系统（LMS）、人工智能（AI）和游戏化系统，以及数字化教学方法。现有研究关于该现象如何影响学习投入、动机、认知过程、自我调节技能和机构绩效的证据尚不完整。目的：本元分析旨在综合全球范围内关于教育数字化转型的心理学视角证据，重点关注学习投入、动机、认知/元认知过程、自我调节和机构因素。方法：开展了一项系统性元分析，评估了42项研究，采用随机效应模型与逆方差法作为分析方法。使用比值比（OR）计算效应量，并包含95%置信区间（CI）。亚组分析涉及五个不同的心理学和机构领域。异质性评估使用I2统计量，发表偏倚评估依赖漏斗图和Egger回归检验。结果：结果显示，数字化转型在所有领域均产生积极结果，包括学习投入（OR = 1.79，95% CI: 1.68–1.91）、动机与情感心理（OR = 1.57，95% CI: 1.21–2.03）、认知与元认知心理（OR = 1.79，95% CI: 1.60–2.02）、自我调节与学习心理（OR = 1.66，95% CI: 1.49–1.85）以及机构因素（OR = 1.71，95% CI: 1.48–1.97）。高动机和自我调节领域显示出较高的异质性，而其他领域保持一致性。除认知与元认知研究显示出不对称结果外，研究未发现发表偏倚。结论：教育数字化转型对心理和机构结果带来显著优势，包括更好的学习投入和认知发展。影响动机和自我调节的不同因素表明，情境和教学要素产生了重要影响。
**引言**
教育系统正通过数字化转型经历其最实质性的变革，这改变了知识传递、可及性和教育体验的各个方面。教育机构现利用学习管理系统（LMS）、人工智能（AI）、游戏化工具、在线平台和数据驱动分析来创建新型教育系统。这些发展创造了更多教育机会，并建立了学生与他人互动及个性化学习的新方法。在本分析中，“数字化转型”指按照教学、学习、评估、沟通、参与和教育管理实践的要求，定期使用数字技术、策略、应用或实践。该定义包含特定形式的技术，如LMS、在线学习、混合学习、虚拟教育、多媒体学习、游戏化、移动学习（mLearning）、辅助学习技术和学习分析，但承认这些形式仅是教育数字化转型的不同组成部分。
数字化转型对心理和教育的影响是多方面的。学习投入是研究最多的学生效果之一，指学生在学校学习过程中在行为、情感和认知上的投入。数字平台可通过提供互动内容、即时反馈、协作能力和个性化学习路径来增加投入。然而，结果并非完全有益。设计不当的数字环境可能导致分心、大脑超载、屏幕疲劳和技术压力，从而可能降低注意力。数字环境还会影响学生的动机和情感体验。游戏化、自主性、个性化反馈和协作学习技术可能对动机有益，而对技术的过度依赖、有限可用性或设计不良的技术可能产生挫败感、脱离和动机下降等负面情绪。
数字学习环境对认知过程和元认知过程均有显著影响。学生可通过提供可视化、模拟和自适应反馈能力的教育技术增强认知理解和问题解决能力。数字仪表盘和基于分析的反馈系统为自我监控、计划和评估等元认知技能提供更多支持。然而，对数字技术的过度依赖可能阻碍更深层次的信息加工，并导致被动式信息消费。这表明数字化转型的认知效应取决于技术在学习过程中的设计和实施方式。
自我调节是数字化转型影响的一个基本心理方面。在线和混合学习环境中的学生必须对自己的时间管理、目标设定和学习策略控制负责。数字工具可通过结构化的学习路径、提醒、进度监控和自适应反馈支持这些过程。相反，监管不善的技术使用可能导致拖延、问题性数字使用、分心和学业纪律下降，尤其是在自我调节技能有限的学生中。
在机构层面，数字化转型的效率还取决于更广泛的教育和组织要素，如机构领导力、政策框架、教师准备、技术能力、技术基础设施以及组织支持。这些情境变量的重要性在于，只有提供了特定的技术、教育和机构环境，数字化转型才能成功发生。
尽管这些领域在理论上相互关联，以往研究大多分别调查这些领域。学生的动机和学习投入被认为影响其参与数字学习的意愿。此外，学习者的认知技能、自我调节能力和元认知过程对学生在多大程度上有效利用数字资源具有决定性影响。同样，机构和教育系统因素可能在促进或抑制这些学生成果方面发挥重要作用。因此，上述领域可被视为数字化转型更广泛心理和教育影响的复杂现象的组成部分。
然而，当前文献在该领域显示出矛盾的结果。根据研究设计、人群特征（包括社会经济因素）、教育水平、文化背景、技术暴露类型和研究措施的实施情况，存在差异。一些研究显示学习投入、动机、认知表现或自我调节学习显著增加，而其他研究则报告影响甚微，甚至动机和数字幸福感下降。早期评估往往侧重于技术、群体或所取得的结果，因此尚不清楚是否有足够证据对投入、动机、认知/元认知、自我调节和与机构或教育系统相关的其他因素之间的关系得出可靠结论。此外，数字技术和教育环境的多样性使得将归因于“数字化转型”的发现进行推广变得困难。
因此，本综述试图填补的主要空白是缺乏对所述五个领域的系统和基于理论的综合，这些领域将通过教育数字化转型的视角进行考察，同时考虑技术、人群、教育情境、研究设计和结果的具体情况。上述五个领域被预先确定为本综述的关键分析领域，并因涉及可能受数字化转型影响的学习者和教育情境的各个方面而被选择。
元分析方法是将多项研究数据结合起来的必要方法，可对教育环境中数字化转型的影响产生准确评估。元分析过程能够在研究多个情境时检测常见模式，通过标准化统计方法帮助确定研究差异和发表偏倚的存在。然而，由于所选技术和相关学习情境多样，本综述提供的汇总结果不被视为某种特定数字干预类型的影响指标。相反，它们代表了涉及数字应用的各种教育改革中信息的总体趋势。
因此，本系统综述和元分析针对以下几个问题：（1）教育数字化转型对学习投入和学业动机的总体影响是什么？（2）数字化转型与认知和元认知过程的关系是什么？（3）数字化转型与学生自我调节学习的相关性是什么？（4）影响数字化转型实施和有效性的机构及教育系统因素有哪些？（5）这些效应在与人群/教育情境/技术/干预/研究设计/结果特征相关的方面是否存在差异？
**方法论**
**资格标准**：纳入条件为提供与任何形式教育数字化转型或技术支持的教育干预对教育环境中心理或教育成果影响相关的定量信息的研究。受影响人群为传统教育环境中的个体，如教育机构、高等教育机构、职业教育机构和其他正规学习环境。研究必须考察至少一个预先定义的五个分析领域之一：（1）学习投入，（2）动机和情感心理，（3）认知和元认知心理，（4）自我调节和学习心理，或（5）机构和教育系统因素。研究需存在比较条件或干预对照，包括传统或经典教育、非数字教育、常规教育实践、减少数字干预使用或其他教育形式。实验性和非实验性研究均有资格，前提是有足够定量数据以推导效应量。排除标准包括：无教育情境、未直接评估合格技术或转型过程、未包含至少一个合格心理/教育/机构成果、定性研究、社论、评论或方案，或信息不足以计算效应量。
**信息来源和检索策略**：初始数据库检索识别出1,200条记录，包括PubMed（n = 223）、Web of Science（n = 340）、Embase（n = 222）、Cochrane Library（n = 150）和Google Scholar（n = 265）。检索策略结合受控词汇、数据库特定索引词、自由文本词和布尔运算符。核心检索策略为：（“digital transformation” OR “educational technology” OR “e-learning” OR “online learning” OR “digital learning” OR “learning management system” OR “virtual classroom” OR “multimedia learning” OR gamification OR “artificial intelligence” OR “learning analytics”）AND（“learning engagement” OR motivation OR “academic motivation” OR “self-regulation” OR cognition OR metacognition OR “psychological outcomes” OR “learning outcomes”）AND（education OR student OR learner* OR school* OR universit* OR “higher education”）。仅检索英文同行评审文章，无日期限制。最终文献检索于2026年3月20日进行。
**数据提取过程**：使用基于既定系统综述方法和Cochrane干预系统综述手册的标准化数据提取表。提取变量包括研究特征、出版年份、国家、教育环境、参与者特征、样本量、研究设计、数字技术或干预特征、比较者或暴露对照、结果领域、测量工具、效应估计、置信区间和效应量计算所需的统计信息。手动提取数据，因为纳入研究报告了异质性的研究设计、结果、统计测量和报告格式。
**数据变量**：五个主要结果领域预先定义为：（1）学习投入，（2）动机和情感结果，（3）认知和元认知过程，（4）自我调节和学习相关心理过程，以及（5）机构和教育系统因素。次要变量包括研究设计、教育水平、国家、参与者特征、样本量、技术或干预类型、比较者、干预或暴露持续时间、测量工具和测量信度。
**偏倚风险评估**：使用结构化方法评估纳入研究的方法学质量，涉及选择偏倚、测量偏倚、混杂、缺失数据和选择性报告。研究根据预先定义的标准分类为低、中或严重偏倚风险。
**效应量度**：使用比值比（OR）及相应95%置信区间（CI）作为定量合成的共同效应量度。当研究报告其他效应量度（如风险比、连续结果、相关系数）时，仅在既定统计转换可能且信息充分时转换为OR。
**合成程序**：定量合成使用随机效应模型和逆方差加权。使用Cochran Q检验和I2统计量测量统计异质性。当定量合成至少10项研究可用时，使用漏斗图和Egger回归检验评估发表偏倚和小研究效应。统计分析使用Review Manager（RevMan）5.4版和R 4.3.1版（meta和metafor包）进行。
**发表偏倚评估和确定性评估**：作者使用Egger回归和漏斗图对称性评估发表偏倚和小研究效应。证据确定性使用结构化GRADE-informed方法评估，考虑每个主要证据领域的偏倚风险、不一致性、间接性、不精确性和发表偏倚。确定性分为高、中或低三个等级。
**研究选择**
**选择过程**：遵循PRISMA 2020指南，包括标题和摘要筛选及全文评估。初始数据库检索识别出1,200条记录，去除560条重复记录后，640条独特记录进行标题和摘要筛选，排除460条。180篇报告寻求全文检索，其中120篇不可用，剩余60篇进行全文资格评估。排除15篇（研究设计不合格n=5，人群不合适n=6，干预/暴露不合适n=7）。最终定量合成包括42项符合所有预定资格标准的研究。大量不可用报告在解释证据基础的完整性和普遍性时已予以考虑。
**研究特征**：42项全球研究考察教育数字化转型及其心理结果。研究来自多个国家。研究设计分布方面，定量研究最常见（n=10），其次是结构方程建模（SEM）（n=10）、横断面和混合方法设计（各n=4）、实验设计（n=3）、准实验设计（n=1）、量表开发与验证（n=4）、认知建模（n=2）、纵向（n=1）、生态学（n=1）和学习分析（n=1）研究。样本量集中在300–400人（n=12）、200–300人（n=10）和400–500人（n=10）。人群类型以学生为主（n=28），其次是教师/教员（n=3）、学生与教师混合（n=3）、儿童（n=3）、护理学生（n=2）、员工/专业人员（n=2）、学术劳动力（n=1）、决策者（n=1）和教育者（n=1）。数据收集工具主要为问卷/调查（n=32），混合方法（n=4）、LMS日志/平台分析（n=2）、访谈（n=1）、认知测试（n=1）和行为量表（n=1）。关键变量频率方面，学习投入最多（n=10），数字化转型（n=6），认知结果、自我效能和数字技能/能力（各n=4），自我调节和教师支持/角色（各n=3），游戏化/游戏和 technostress/ nomophobia 以及领导力/韧性/AI相关构念（各n=2）。统计分析方法包括回归（n=12）、SEM（n=11）、混合方法（n=4）、实验和中介分析（各n=3）、验证性因子分析CFA和心理学方法（n=3）、建模（n=2）、相关分析（n=2）、纵向（n=1）和主题分析（n=1）。抽样技术以方便抽样最常见（n=16），混合抽样（n=9）、分层抽样（n=4）、目的性抽样（n=3）、随机/全国抽样（n=3）、机构/受控抽样（n=2）、自愿在线（n=1）和课堂抽样（n=1）。研究情境大多在高等教育/大学环境（n=27），中小学（n=8），在线学习平台（n=5），医疗教育（n=2），全国性调查研究（n=2），实验室/受控实验（n=2），行业/企业情境（n=1）和教育项目研究（n=1）。
**结果**
**偏倚风险评估**：大多数研究显示中度偏倚风险，因横断面设计和自我报告数据。三项验证性实验和分析型研究显示低偏倚风险。两项研究（概念/理论导向）存在严重偏倚风险。整体证据基础显示中等方法学质量。
**GRADE证据评估**：六组证据的总体确定性为中等至低-中等。第1组和第2组为中等确定性；第3、4、5组为低-中等；第6组为中等。主要限制包括偏倚风险、不一致性、间接性和发表偏倚可能性。
**元分析**：使用随机效应模型和逆方差加权。数字化转型→学习投入：21项研究，合并OR = 1.79（95% CI: 1.68–1.91），低异质性，无发表偏倚（Egger截距?3.22，95% CI: ?8.07至1.63，p = 0.208）。动机和情感心理：6项研究，OR = 1.57（95% CI: 1.21–2.03），显著异质性（p < 0.01，I2 = 80%），无发表偏倚（Egger截距29.3，95% CI: 0.77至57.83，p = 0.114）。认知和元认知心理：6项研究，OR = 1.79（95% CI: 1.60–2.02），无异质性，潜在发表偏倚（Egger截距?14.11，95% CI: ?21.98至?6.24，p = 0.025）。自我调节和学习心理：7项研究，OR = 1.66（95% CI: 1.49–1.85），高变异性（I2 = 0%），无发表偏倚（Egger截距?0.23，95% CI: ?34.85至34.4，p = 0.994）。机构和教育系统因素：4项研究，OR = 1.71（95% CI: 1.48–1.97），低变异性，无发表偏倚（Egger截距8.64，95% CI: 2.35至14.92，p = 0.115）。
**数字化转型（学习投入）**：21项研究显示OR=1.79（95% CI: 1.68–1.91），统计显著（p<0.05），研究间效应一致，漏斗图和Egger检验表明无发表偏倚。数字工具如LMS、游戏化、AI学习系统和数字领导力实践有效增强学生投入。
**动机和情感心理**：6项研究显示OR=1.57（95% CI: 1.21–2.03），统计显著，但存在显著异质性（p<0.01，I2=80%），无发表偏倚。动机和情感反应对教学设计和学习者情境比投入结果更敏感。
**认知和元认知心理**：6项研究显示OR=1.79（95% CI: 1.60–2.02），统计显著，无显著异质性，但Egger检验显示发表偏倚（截距?14.11，p=0.025），表明较小或非显著研究可能缺失，导致效应量膨胀。
**自我调节和学习心理**：7项研究显示OR=1.66（95% CI: 1.49–1.85），统计显著，高异质性（I2=0%），无发表偏倚。数字过度使用行为（如nomophobia、智能手机成瘾）产生混合结果，效果取决于学习者特征、干预方法和数字学习环境设计。
**机构和教育系统因素**：4项研究显示OR=1.71（95% CI: 1.48–1.97），统计显著，效应大小和方向一致，无发表偏倚。数字转型政策、能力发展框架、沟通技能提升和全国参与策略是产生教育改进的基本要素。
**讨论**
本元分析综合了42项研究关于数字化转型对教育心理学影响的证据，涵盖学习投入、动机、认知/元认知、自我调节和机构因素。学习投入领域显示最强且最稳定的效应（OR=1.79），低异质性，无发表偏倚。LMS、AI辅助教学、游戏化和数字领导力策略提高学习者参与和行为投入。动机和情感心理产生中等效应（OR=1.57），但高异质性（I2=80%），表明动机和情感反应取决于教学设计和学习者情境。自我调节显示较弱效应（OR=1.66），数字环境既支持自我调节学习（SRL）又可能引发问题性数字行为。认知和元认知效应显著（OR=1.79），但存在发表偏倚，需谨慎解释。机构因素持续影响教育结果（OR=1.71），低异质性表明制度机制在不同情境中相对标准化。
与以往元分析比较，本研究发现与早期综述一致，但更全面覆盖多个相互关联的领域。学习投入是最有效的预测因子，与Doo和Kim（2024）、Gosain等（2023）及Niyazova等（2026）的研究一致。动机结果与Niyazova等（2026）和Cho等（2022）一致，强调教学设计和机构支持的重要性。认知影响与Barz等（2024）和Clark等（2016）一致，但发表偏倚需谨慎。机构变量和自我调节的重要性与Cho等（2022）一致，表明心理可持续性不能仅靠技术使用，必须辅以机构政策、良好教学和适当数字基础设施。
**优势**：检查42项研究，涵盖多个心理和机构领域；随机效应模型和逆方差法提供准确结果；全球证据基础增加外部效度；使用漏斗图和Egger检验评估发表偏倚；结合SEM、实验、纵向和分析方法。
**局限性**：依赖横断面和SEM研究，无法建立因果联系；动机和自我调节领域存在异质性；认知和元认知心理学领域存在发表偏倚；自我报告数据存在测量误差；纵向和实验研究不足；抽样方法差异影响可比性；单作者综述无法进行独立重复筛选和数据提取。
**未来方向**：需要纵向和实验研究以建立因果联系；使用学习分析和AI驱动的行为数据进行客观评估；探索跨文化差异；开发结合心理、技术和机构因素的混合模型；建立标准化测量工具评估投入、动机和自我调节；关注数字幸福感以管理教育技术的利弊。
**结论**
通过本元分析，研究者证明教育机构通过数字化转型实现其心理和机构目标，带来积极结果。学习投入和机构因素产生最强效应，且结果最准确。认知和元认知效应显著，但发表偏倚要求谨慎解释。数字化转型是教育进步的主要力量，但其影响取决于教学方法、学生特征和教育机构三个因素。未来的教育策略必须实施三个组成部分：情境特定的执行、数字设计和基于证据的技术实施以支持教学和学习。
