生成式人工智能素养与生成式人工智能辅助自我调节学习行为:学习能动性与挑战性情绪的作用

《Frontiers in Psychology》:GenAI literacy and GenAI-assisted self-regulated learning behaviors: the roles of learning agency and challenge emotions

【字体: 大 中 小 】 时间:2026年09月22日 来源:Frontiers in Psychology 3.8

编辑推荐:

  生成式人工智能(GenAI)融入教育领域引发了关于学习者GenAI相关能力与其在GenAI支持环境下自我调节行为之间关联的重要问题。基于序列中介框架,本研究考察了学习能动性和挑战性情绪在特殊教育本科生GenAI素养与GenAI辅助自我调节学习行为(SRLB)关

  
生成式人工智能(GenAI)融入教育领域引发了关于学习者GenAI相关能力与其在GenAI支持环境下自我调节行为之间关联的重要问题。基于序列中介框架,本研究考察了学习能动性和挑战性情绪在特殊教育本科生GenAI素养与GenAI辅助自我调节学习行为(SRLB)关联中的作用。研究对中国434名特殊教育本科生进行了横断面调查,参与者完成了GenAI素养、学习能动性、挑战性情绪及GenAI辅助自我调节学习行为的测量。结果表明,GenAI素养与GenAI辅助自我调节学习行为呈显著正相关。通过学习能动性和挑战性情绪的单独中介效应,以及二者假设的序列中介效应均达到显著水平。总体而言,这些发现表明,能动性过程和情感过程均与GenAI素养和GenAI辅助自我调节学习行为之间的关联有关,且这两个过程可能存在相互关联。
**GenAI素养与GenAI辅助自我调节学习行为的关系:能动性与情绪的整合视角**

**一、研究背景与问题提出**

生成式人工智能(Generative Artificial Intelligence, GenAI)在教育领域的快速整合已深刻改变了学习者获取信息、接受反馈、生成想法和参与学习任务的方式。尽管GenAI能够提供即时的信息与认知支持,学习者在借助这些工具时仍需自主引导和管理自身的学习过程。自我调节学习(Self-Regulated Learning, SRL)被广泛理解为一种主动的、目标导向的过程,学习者在此过程中对其认知、动机、情感和行为进行调控以适应学习目标和情境要求。在GenAI辅助的学习环境中,学习者仍需在与AI生成支持互动的过程中持续管理自身学习,此类调节行为在本研究中被界定为GenAI辅助自我调节学习行为(GenAI-assisted Self-Regulated Learning Behaviors, SRLB)。

GenAI在特殊教育领域的应用日益广泛,包括支持个性化教学、适应性干预、智能评估和持续监测等。作为未来的特殊教育专业人员,特殊教育本科生需要应对多样化的学习者需求和复杂的教学情境。随着GenAI日益嵌入教育环境,学习者保持主动参与和调节自身学习的能力变得愈发重要。然而,对GenAI不加批判或过度依赖可能助长认知卸荷并削弱学习者的认知自主性,这表明GenAI的教育价值不仅取决于其可及性或使用频率,更取决于学习者批判性和适当地使用GenAI并在使用过程中调节自身学习的能力。

在这一背景下,GenAI素养(GenAI Literacy)成为影响学习者参与质量的关键因素。GenAI素养被概念化为理解、评估和有效且负责任地使用生成式AI的能力组合,涵盖对GenAI及其能力与局限性的知识、评估AI生成输出的能力以及在不同情境中恰当使用GenAI的技能。现有关于GenAI素养的研究主要集中于概念化、理论框架、评估与发展方面,近期研究开始考察其与学业成就、GenAI相关学习行为、问题解决和创新行为等学习相关结果的关联。然而,GenAI素养如何与GenAI支持学习中的自我调节行为相关联,以及能动性和情感因素在此关联中的潜在作用,尚未得到充分理解。

本研究基于社会认知理论(Social Cognitive Theory)和成就情绪的控制-价值理论(Control–Value Theory of Achievement Emotions),构建了一个序列中介模型,将学习能动性(Learning Agency)和挑战性情绪(Challenge Emotions)设定为GenAI素养与GenAI辅助自我调节学习行为之间关联的序列中介变量,以揭示能动过程和情感过程在其中的作用机制。

**二、研究方法概述**

研究人员采用便利抽样方法,于2025年5月至6月期间,对中国陕西省、四川省、云南省和海南省多所高校的434名特殊教育专业本科生进行了横截面在线问卷调查。纳入标准为全日制特殊教育专业本科生且具有GenAI工具使用经验。通过问卷星平台发放问卷并以微信渠道分享,最终有效问卷434份(有效率86.3%)。样本包括396名女生(91.2%)和38名男生(8.8%)。研究工具包括:改编自周等人(Zhou et al., 2024a)的生成式人工智能素养量表(25个条目,4个维度,7点Likert量表,Cronbach's α = 0.885);夏等人(Xia et al., 2025b)开发的GenAI支持情境下学生学习能动性量表(34个条目,10个因子,3大维度,5点Likert量表,Cronbach's α = 0.942);改编自尹等人(Yin et al., 2024)的挑战性情绪量表(4个条目,测量玩趣、流体验、兴奋和唤起,5点Likert量表,Cronbach's α = 0.865);以及周等人(Zhou et al., 2024b)改编自Rosenbaum(1980)自我控制量表的GenAI辅助自我调节学习行为量表(11个条目,7点Likert量表,Cronbach's α = 0.911)。数据分析采用R软件,包括描述性统计、内部一致性信度分析、双变量相关分析、验证性因子分析(Confirmatory Factor Analysis, CFA)以检验四个核心构念的区分效度,并使用HTMT(Heterotrait–Monotrait Ratio)进一步验证区分效度。序列中介模型采用lavaan包进行估计,使用5000次Bootstrap重抽样评估间接效应,性别和年级作为协变量纳入分析。

**三、研究结果**

**共同方法偏差与回归诊断。** 由于数据来源于学生自我报告,研究人员进行了共同方法偏差检验。Harman单因素检验显示未旋转因子解产生14个特征值大于1的因子,第一个因子解释25.747%的总方差,低于40%的常用临界值。进一步采用共同潜在方法因子(Common Latent Method Factor, CLF)模型进行更严格的检验,结果表明存在一定的方法相关方差,但74个条目中方法因子平均归因方差为4.86%(中位数 = 3.38%),且关键路径在纳入方法因子后保持显著。多重共线性诊断显示方差膨胀因子(VIF)范围为1.079至1.934,容忍度范围为0.517至0.927,未发现严重共线性问题。Breusch–Pagan检验检测到SRLB方程存在异方差性,使用HC3稳健标准误进行敏感性分析后,关键预测因子的结果基本不变。

**描述性统计与相关分析。** 各变量偏度范围为?0.20至0.15,峰度范围为?0.19至0.84,呈可接受分布。相关分析显示,GenAI素养、学习能动性和挑战性情绪均与SRLB呈显著正相关;GenAI素养与学习能动性和挑战性情绪均呈显著正相关;学习能动性与挑战性情绪亦呈显著正相关。性别与年级和学习能动性呈正相关,与挑战性情绪呈负相关。

**测量模型与区分效度。** 四因子测量模型的拟合指数为CFI = 0.852,TLI = 0.838,RMSEA = 0.077,SRMR = 0.075。尽管增值拟合指数低于常规基准,但四因子模型显著优于所有备选合并模型(所有Δχ2检验均p < 0.001)。HTMT值范围为0.313至0.767,均低于0.85的保守阈值,为四个构念的经验区分性提供了额外证据。

**序列中介分析。** 回归分析显示,GenAI素养显著正向预测学习能动性(B = 0.529, SE = 0.028, β = 0.671, p < 0.001)。在控制学习能动性和协变量后,GenAI素养对挑战性情绪有较小但显著的正向预测作用(B = 0.165, SE = 0.083, β = 0.126, p = 0.048),学习能动性显著正向预测挑战性情绪(B = 0.380, SE = 0.107, β = 0.230, p < 0.001)。GenAI素养对SRLB的直接效应显著(B = 0.219, SE = 0.079, β = 0.148, p = 0.006),学习能动性(B = 0.653, SE = 0.103, β = 0.346, p < 0.001)和挑战性情绪(B = 0.372, SE = 0.047, β = 0.326, p < 0.001)均显著正向预测SRLB。

Bootstrap中介效应分析显示:GenAI素养通过学习能动性对SRLB的间接效应显著(B = 0.345, SE = 0.058, 95% CI [0.234, 0.461], β = 0.232);通过挑战性情绪的间接效应显著但效应量较小(B = 0.061, SE = 0.032, 95% CI [0.001, 0.126], β = 0.041);通过学习能动性和挑战性情绪的序列间接效应亦显著(B = 0.075, SE = 0.023, 95% CI [0.030, 0.122], β = 0.050)。总间接效应显著(B = 0.481, SE = 0.064, 95% CI [0.359, 0.607], β = 0.324),总效应为B = 0.701(SE = 0.067, 95% CI [0.564, 0.830], β = 0.471)。在纳入中介变量后,直接效应仍显著,表明存在部分中介作用。

**四、讨论与结论**

**GenAI素养与GenAI辅助自我调节学习行为的关联。** 研究结果支持假设1,即GenAI素养与特殊教育本科生的GenAI辅助自我调节学习行为呈正相关。具有较高GenAI素养的学习者可能更能识别GenAI的能力边界、判断其输出的可信度和有用性,并据此决定何时以及如何借助GenAI支持,这为自我调节行为提供了认知基础,与Anders和Dux Speltz(2025)将GenAI素养与规划、迭代调整、监控和评估过程相联系的发现一致。

**学习能动性的中介作用。** 学习能动性的显著间接效应表明,GenAI素养并非自动转化为自我调节行为,学习者能动地引导自身学习过程的主动参与程度是这一关联的重要环节。这一发现与社会认知理论的能动视角一致,强调个体在引导行动朝向目标时的主动和有意参与。在GenAI支持的学习中,学习者拥有何时咨询GenAI、是否接受或修改其输出以及保留多少学习责任的决定权,能动性因此成为影响自我调节行为变异的关键因素。值得注意的是,女性学生报告了高于男性学生的学习能动性水平,研究人员结合先前关于女性学生具有更积极职业取向的研究对此进行了讨论,但鉴于样本中女性占比高达91.2%,该性别效应需谨慎解读。

**挑战性情绪的中介作用。** 通过挑战性情绪的显著间接效应为情感体验在GenAI素养与自我调节行为关联中的角色提供了证据。根据控制-价值理论,学业情绪受学习者对成就活动和结果评价的影响,尤其是控制和价值评价。具有较高GenAI素养的学习者可能对GenAI支持的学习活动形成更积极的评价和情感体验。挑战性情绪与自我调节行为之间的正向关联与积极激活情绪支持适应性学习过程的证据一致,Artino和Jones(2012)发现愉悦感正向预测在线学习环境中本科生的精细加工和元认知。研究还发现女性学生的挑战性情绪水平低于男性学生,研究人员将其置于先前关于数字化技术经验和信心性别差异的文献背景下进行了讨论。

**学习能动性与挑战性情绪的序列中介效应。** 学习能动性和挑战性情绪在GenAI素养与自我调节行为之间形成了显著的序列间接路径,表明能动过程和情感过程并非独立运作,而是相互关联的。具有较高GenAI素养的学习者可能更有能力能动地引导其与GenAI的互动,而这种更主动的学习参与可能与更积极的情感体验相关联。从社会认知理论视角,学习者的能动参与可增强其对学习进程的掌控感;控制-价值理论进一步阐明,学习者对成就活动和结果的感知控制是其情感体验的核心评价基础。

**研究结论。** 本研究考察了特殊教育本科生GenAI素养与GenAI辅助自我调节学习行为之间的关联,重点关注学习能动性和挑战性情绪的作用。研究发现,GenAI素养与GenAI辅助自我调节学习行为呈显著正相关;学习能动性和挑战性情绪分别起显著的中介作用,且二者在GenAI素养与GenAI辅助自我调节学习行为之间形成显著的序列中介路径。综合而言,能动性过程和情感过程均与GenAI素养和GenAI辅助自我调节学习行为的关联有关,且这两个过程可能相互交织。本研究为理解特殊教育本科生在GenAI支持学习中自我调节行为的相关因素提供了更为细致的认识,对GenAI素养的培养实践具有启示意义:发展GenAI素养应超越工具操作技能的教学,纳入对GenAI能力与局限性的理解、对输出的批判性评估以及在学习中做出知情决策的机会;同时应重视学习者的能动参与和积极情感体验,避免将学生定位为AI生成支持的被动接受者。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号