多学科交叉视角下教学中人际互动实现知识建构的认知机理探析*

2023-12-20黄昌勤徐亚婷王希哲韩中美

现代教育技术 2023年12期

黄昌勤徐亚婷王希哲韩中美

黄昌勤徐亚婷王希哲韩中美

（浙江师范大学浙江省智能教育技术与应用重点实验室，浙江金华 321004）

教学过程实现知识建构一直存在“认知黑箱”这一严重阻碍学习提质增效的问题，目前单一学科下的研究范式局限性使该问题一直无法得到有效解决，而在多学科交叉视角下对各学科的独特优势进行方法互补，成为探索内隐知识建构认知机理，从而破解该黑箱问题的可行手段。为此，文章首先以教学过程中的人际互动为目标场景，阐释教学过程中人际互动实现知识建构的过程及其认知属性；接着剖析认知机理研究存在的理论及技术问题；然后针对认知机制可释义、认知效度可计算、认知规律可发现与认知异常可溯因之目标，融合教育学、人工智能、教育神经科学等理论方法，在多学科交叉视角下提出教学中实现知识建构的认知机理学科交叉研究方法与实现技术路径；最后以教学设计优化与个性化学习干预为例，呈现了认知归因诊断辅助教学的示范应用。文章为揭示教学中“认知学习是如何进行的”提供了新的思路，对精准教学实施与学习效能提升具有重要理论意义和现实价值。

多学科交叉；人际互动；认知学习；知识建构；认知机理；演化规律

引言

教学过程中的人际互动是学习活动开展的主要方式，是获取知识技能的重要手段。通过教学中的人际互动过程实现对知识的理解与内化，是达到有效自主知识建构的必要前提。当前，针对教学中人际互动的理论探究与技术分析已成为当前高质量教学研究的热点议题，但现有研究大多仅关注互动外在表象，未能充分挖掘内部认知机理。针对个体认知过程，英国著名生物学家伦敦大学学院教授Wolpert[1]于2009年在刊文指出：认知是个体通过经验和感官等加工信息获取知识的最基本心理过程，其过程一直是人类探索学习规律、实现全面发展的核心内容。不难发现，认知对高效学习起着基础且至关重要的作用，究其本质是认知内隐学习过程。因此，探讨教学过程中人际互动的认知学习机制与演化规律可对实现教与学过程中的高效协作学习、精准干预提供强有力的支持。

针对认知的相关研究与实践日渐活跃，教育学、教育神经科学、认知心理学等学科已从各自的理论体系尝试通过多种手段探析认知内隐过程及其原理、析取认知趋势及异常，虽然取得了众多积极进展，然而单一学科视角一直存在理论方法、技术手段的局限性。其中，教育学现有研究未能细粒度解析认知全过程，对于认知状态与过程的精准表达仍存瓶颈；教育神经科学和认知心理学也尚未根据人际互动的脑际活动状态探究认知学习行为的因果关联性，缺乏面向教育循证的实用操作性，使上述单一学科研究中存在不可避免的“认知黑箱”的挑战性问题。而以人工智能、脑神经分析为代表的新技术的兴起，给内在认知机理的挖掘与演化规律的发现带来了前所未有的机遇，以弥补传统实证分析手段的不足——人工智能与大数据技术为认知精准分析、过程描述与问题归因创造了条件，而脑神经分析技术为揭示群体学习互动模式与脑神经反应规律提供了支持，以多学科视角为解决“认知黑箱”问题提供了方向。

基于此，本研究面向人际互动教学场景，以明晰“认知黑箱”问题为目标，在教育学、人工智能、教育神经科学等多学科理论与技术的支持下，分析知识建构过程及其认知属性，剖析现有认知机理的研究现状与现存问题，形成多学科交叉研究方法，并进一步探索教学中人际互动实现知识建构（下文简称“教学人际知识建构”）的认知机制释义、认知效度计算、认知规律发现、认知异常溯因的技术实现路径与应用示例，以揭示认知机理，精准破解“认知黑箱”问题，旨在为精准教学的实施与教学效率的提升提供可借鉴的方案。

一教学人际知识建构的过程及其认知属性

人际互动是人与人之间相互作用的一种形式，是人类知识技能获得、情感体验人格塑造的重要过程来源[2]，也是促进认知发展的必由之路。社会互动与建构主义学习等理论表明，教学中人际互动是发生在教学中师生、生生之间的社会互动（如姿态、语言等的交互），是以知识建构为目标而开展的师生认知状态合作行为，在促进个体发展、协同学习与群智增效方面具有不可替代的作用[3]。知识建构的过程是一个动态发展的过程，互动主体可通过观点的持续改进，不断创造知识，以激发内在认知趋向变化[4]。此外，教学中人际互动也是实现知识建构的过程，能够为互动主体提供知识技能获得路径。可见，明晰教学中人际互动要素、把握教学互动状态及其规律，是提高课堂教学质量的关键。

教学人际互动为认知学习的开展提供了环境与活动条件，为了厘清“认知学习是如何进行的”，需要明确人际知识建构的关联认知属性。虽然认知学习主要探索的是那些不能直观呈现的内在机理过程（如记忆的加工、存储、提取等），但考虑其整体流程，认知学习的过程基本符合“输入—计算—输出”的传统认知过程模型，是一个将知识输入头脑，形成认知表征并将短时记忆转化为长时记忆，然后在头脑中进行回忆、搜索、选择等知识获取活动的动态过程[5]。在人际知识建构的过程中，互动主体间通过言语、姿态、表情等方式产生认知层面的交互，而互动主体特征、互动方式、互动行为等均会影响其认知发展，且涉及心理、生理等众多要素，具有主观性强、跨学科等特点。

二教学人际知识建构的认知机理研究现状和现存问题

无论是传统课堂教学、线上教学还是混合式教学，其人际互动各主体均呈现出明显的个体差异特征与多态行为模式，因此教学人际互动过程不仅涉及施教的不同目标与个性化方式，还紧密关联参与者复杂的心理意图与生理反应，且互动过程呈现多样性与情境适配性特点。教学人际互动的复杂性和动态性导致单一教育学理论体系无法细粒度表征内在认知过程，仅通过教育神经科学或认知心理学亦难以实现对教育教学的实践赋能，这使“认知黑箱”成为教学人际互动中亟待解决的一大挑战性问题。为进一步提出适配的解决方案，本研究梳理了教学人际知识建构的认知机理相关研究，发现当前的研究及存在的问题主要涉及理论与技术两个方面，具体如下：

1 认知机理的理论研究现状与现存问题

在理论方面，现有关于认知机理的研究主要从教育学、教育神经科学、认知心理学等学科理论入手，分析教学过程中人际互动实现知识建构的认知原理及其关系。

教育学领域一直以来都非常关注学习认知机理研究，如Ba等[6]针对在线讨论中话语的时间特征，分别从群体和个体两个层面探讨学习者认知发展模式及其差异；王云等[7]使用内容分析法和滞后序列分析法分析在线讨论中产生的文本数据，探究学习者的动态学习情绪、认知行为序列模式渐进性特征以及学习情绪和认知行为之间的关系。尽管教育学研究对学习者认知结构和认知发展模式有一定的发现，但现有研究多局限于以话语、日志文本数据等外在行为表现去探究学习者的认知发展，未能关注到个体内在认知变化，缺乏生理、心理层面的认知表征。

教育神经科学领域多注重个体神经认知机制研究，如Pan等[8]提出了社会学习的人际神经科学理论，认为完整地理解教学互动脑机制，需要将多人神经特性看作一个整合的系统，而非孤立地研究单个个体的神经机制；Wolff等[9]通过探究专业知识如何影响视觉感知和心理解释，对比分析了专家和新手教师在课堂管理中的内部认知过程；Zhu等[10]通过同时记录教师-学习者二人组的功能近红外光谱信号，探究了教师与学习者互动期间详细反馈的神经认知过程。已有教育神经科学为教学实践提供了生物学证据，以探究学习者的内在认知过程，但该方面研究所提供的证据仅限于神经科学与教育行为的关联性发现，未能满足现实条件下面向认知学习的精准化指导与操作需求，缺乏面向教育教学的实用操作性。

认知心理学研究多聚焦个体认知过程的外显行为，如王阳等[11]结合问卷调查法和质性分析方法收集数据并进行分析，探索了儿童对群体认知线索的偏好；张妮等[12]采用问卷法、实验法等考察了儿童抑郁对认知重评使用策略倾向和能力的作用。虽然在认知心理学的指导下对个体认知机理的研究有一定的关系发现，但现有研究侧重传统实证和统计分析，对于认知的内隐特性分析与诊断手段相对低效，且未能综合考虑采用多学科理论结合的方法，厘清教学人际知识建构过程中涉及的诸多关联因素，对于认知过程的表达及脑际关系的解析存在不足。

综上，传统认知过程研究多聚焦于单一神经科学或认知科学相关性原理研究，发现的原理及规律不够全面，且实用性不高。鉴于此，为解决认知机制剖析不深入的问题，有待融合教育学、教育神经科学、认知心理学等多学科理论，克服学科体系鸿沟，实现科学意义上和教育意义上学习概念的交叉、互补与统一，最终达到更好地服务教学与提升学习者知识建构效率效能的目的。

2 认知机理的技术研究现状与现存问题

从技术方面来看，针对认知机理的研究多以实证统计分析方法、脑神经分析技术和新一代人工智能技术展开，这些技术方法可为个体内在认知过程表达、认知效度计算、认知异常归因诊断等提供技术支撑。

在以实证统计分析方法进行教学人际互动的影响因素剖析及其关系发现的相关研究中，王靖等[13]提出一种对话结构性提示支架，采用认知网络分析和滞后序列分析方法处理学习者的对话数据，揭示对话提示支架的影响因素、效果及其作用机理，最终促进学习者的深层次知识建构；Dubovi[14]结合传统统计方法（自我报告）和心理生理测量（面部表情、眼动追踪指标和教育数据挖掘）分析学习者在虚拟现实环境下进行交互时的认知和情感参与流，评估学习者参与度及其对学习成绩的影响。总体上，该方面研究更聚焦于对认知属性间关系的探索与过程模式的解析，较难实现对教学过程中动态人际互动的高效建模，以及人际互动的个体差异特征与动态交互模式剖析，在揭示教学人际互动的认知机制及其动态交互性等方面有较大局限。

脑神经分析技术是当前新兴的技术手段，主要包括脑电、核磁、近红外等，如Reinero等[15]使用便携式脑电图设备探究了群体脑际同步与群体表现之间的关系，并证实脑际同步能更好地预测群体绩效；Hou等[16]基于三人功能性近红外光谱技术分析群体决策过程中学习者三元组之间的平均脑同步情况，揭示了群体极化背后的脑间交互机制。虽然脑神经分析技术的发展为脑际活动机制研究创造了条件，但现有研究多集中于对脑际互动与外在表现的关联性挖掘，针对教学人际互动场景的知识建构研究鲜有具备因果关联的认知机制成果，缺乏面向教育循证的实用操作性，并且现有脑神经分析技术大多聚焦瞬时状态下的大脑结构和功能作用呈现，较少关注人类行为的动态变化和思维过程复杂过程演化支持。

在新一代人工智能技术方面，Ito等[17]采用功能连接来映射大脑区域之间的活动流，构建了一个基于经验推导的神经网络模型来探究人类大脑认知计算的可行性；Wang等[18]针对传统心理测量的弊端，从机器学习视角建模认知诊断任务并提出通用的神经认知诊断模型，以此实现对学习者知识掌握情况的智能化分析；Huang等[19]考虑到真实教育场景对群体评估的需求，提出了基于多任务的通用型群体级别认知诊断模型，旨在挖掘学习者群体的知识点掌握程度。虽然基于新一代人工智能技术对学习者的脑信号、认知状态、知识水平等进行智能化分析能够有效提高学习认知机理解析的准确性，但从生理/神经数据角度考虑知识建构的认知学习机制研究相对较少，且模型缺少实践意义上的可解释性。

综上可知，相较传统实证统计方法，脑神经分析和新一代人工智能技术以其各自优势正逐步成为本领域的关注焦点，但三者仍存在各自的瓶颈与不足，在多学科交叉下进行研究方法互融，是破除当下“认知黑箱”困境的较为可行方案。由于目前缺少相关研究，且各学科间的研究方法之间仍存在学科鸿沟，故如何利用各自优势充分挖掘教学人际知识建构的认知机制及其规律，实现对认知机理的深层剖析，其多学科交叉研究方法与技术实现路径还有待进一步探索。

三教学人际知识建构认知机理的多学科交叉研究方法

考虑到多学科交叉研究方法对各部分研究内容的作用与支持，本研究主要从教学人际知识建构的认知机制释义、认知效度计算、认知规律发现与认知异常溯因四个方面阐释认知机理的多学科交叉研究方法。

1 多学科交叉支持下知识建构的认知机制释义方法

认知机制释义过程涉及诸多认知效度关联因素，且面向群体的脑区结构复杂多变，这对厘清人际互动的认知过程表达及脑际关系形成了极大挑战。为解决上述挑战，需以教育学、教育神经科学、认知心理学等多学科交叉研究方法为支持，挖掘教学人际互动行为的内涵与关联因素，分析承载多模态外显与内隐大数据的认知过程与脑际关系，并探究复杂场景下大脑神经环路的可塑性，以全面揭示人际互动相关要素的动态结构，实现多层级认知脑际关系图谱构建，为面向高效认知的人际互动大脑神经环路可塑性调节提供理论支撑。

2 多学科交叉支持下知识建构的认知效度计算方法

认知效度是体现认知能力、评判综合效果、验证机理有效性、进行认知规律发现的重要参考和基础，是明晰“互动行为-脑神经-认知效度”关联关系与成因，实现教学人际互动认知状态判别的必要条件。但该方面在教育神经科学与认知心理学领域中的多数研究仅处于理论分析层面，主要通过量表、访谈等主观评价手段进行测量，缺乏有效技术手段对认知效度实现可量化计算。因此，需在已有教育学、教育神经科学、认知心理学的理论与方法基础上结合人工智能新兴技术，以超图表征行为-脑神经关联，基于注意力机制的超图卷积神经网络建构认知效度计算模型，并在互动认知信息反馈增强支持下实现认知效度可解释科学计算，以此破除传统教育神经科学与认知心理学研究中“缺乏实用方式落地教育”之困境。

3 多学科交叉支持下知识建构的认知规律发现方法

认知规律发现是为了获悉知识建构的认知过程状态变化与发展趋势，以实现教与学过程追踪与指导调节的前提。但认知过程存在感知困难、构成要素复杂、动态多变等突出问题，而常规单一学科方法在进行演化规律分析时也面临表征宏观不具体、表达粒度单一、场景适用性低等限制，因此有待通过教育学和教育神经科学、人工智能等学科互融实现高效准确的认知演化过程分析，以最终实现认知具身演化规律的表征发现。具体在执行中应通过认知心理学理论构建多维混合认知交互模型，实现认知过程的多源异构图结构数据表征，以此刻画教学过程中认知多维要素动态演进结构，并研究认知学习领域（神经科学、认知心理学和教育学等学科领域）知识增强下基于神经网络符号回归的规律发现机制，以实现认知具身演化规律发现。

4 多学科交叉支持下知识建构的认知异常溯因方法

针对学习者的认知过程进行归因诊断，是实现“知其然知其所以然”以及学习提质增效的有效手段。而学习异常情况的溯因过程涉及复杂多模态信息处理与交互行为事件逻辑推理，且存在交互认知因果影响要素动态多变、因果关系多态复杂等挑战，现有单一学科下的分析范式无法完全解决上述问题。因此，需在教育学、教育神经科学、认知心理学等多学科理论的支持下，结合项目反应理论与认知异常发现技术实现人际互动异常的精准发现，研究基于多模态神经-符号推理的人际互动认知演化状态与外显行为匹配机制，构建可追踪、可溯因的逻辑推理机制，以实现教学人际互动认知异常细粒度归因诊断。

四教学人际知识建构认知机制及其规律研究的技术实现路径

为全面、精准地揭示教学人际知识建构的认知机理，需通过对人际互动过程中的认知机制和内在演化规律进行研究，明确其技术实现路径，以实现认知机制可释义、认知效度可计算、认知规律可发现与认知异常可溯因的目标。为此，本研究在以上多学科交叉研究方法的支持下，结合真实教学情境的现实需求，提出了多学科理论与技术支持的认知神经机制剖析、AI技术支持的认知效度计算模型构建及预测、时序大数据支持的认知规律发现、数据与知识双驱动的认知异常归因诊断四条技术实现路径，为解决“认知黑箱”问题提供了可参考的技术方案，具体设计思路如下：

1 多学科理论与技术支持的认知神经机制剖析

多学科理论与技术融合是实现认知神经机制深层剖析的重要基础，为实现教学人际知识建构的认知神经机制剖析，具体的技术实现路径如图1所示。

①人际互动行为关联因素分析：在解析基于多向交互模式的单一/复杂人际互动行为内涵的基础上，通过多种技术手段获取学习者在互动过程中的口头语言、肢体动作、面部表情等特征，并进一步结合问卷调查与专家咨询对单一/复杂行为交互模式与个人/环境/行为因素间的关联关系进行分析；利用基于图式的知识表示构建基于节点-属性的人际互动行为异质模型图，以此揭示教学人际互动行为与多维影响因素之间的动态关系。

图1 多学科理论与技术支持的认知神经机制剖析技术实现路径

②层级结构认知过程及其脑际关系表征：针对认知效度难测量问题，建立基于人际互动行为的多层级认知结构模型，并通过鲁棒原型学习与行为实验研究的关联作用方式，结合近红外、眼动等多源异构数据，探索从多个脑区结构特征到外显行为数据与日志文本数据的协同映射关系，研究基于脑影像数据及其关联互动行为的个体/群体认知层级关联作用；利用深度度量学习技术和分层递阶约简方法，实现脑际激活/同步模式发现与脑际关系图谱构建。

③大脑神经环路及其可塑性基础探讨：针对复杂教学场景下的大脑活动管理与可塑性调节问题，探索功能导向下面向人际互动多主体间脑神经耦合机制与大脑局部/长程神经环路的形成方法；在图神经网络AI模型的支持下，分析基于多通道人际互动的多向脑神经投射特征，并形成脑空间全局联动模式；针对人际互动过程开展多脑神经反馈实验，以进一步探究交互过程中的神经环路重构和增强机制。

2 AI技术支持的认知效度计算模型构建及预测

教学人际互动认知效度是体现认知能力、评判综合效果、验证机理有效性、进行认知规律发现的重要参考和基础，为实现认知效度的精准计算，具体的技术实现路径如图2所示。

图2 AI技术支持的认知效度计算模型构建及预测技术实现路径

①多源异构超图深度语义表征：在“行为-脑神经-认知”三层语义描述框架的指导下，针对眼动、视频、语音、文本、脑成像等多模态数据，以基于互信息熵的关联计算方法计算互动过程要素关联性，进而获取教学人际互动关系网络；针对要素语义层内多源特征，基于多头注意力融合技术获取语义层内深度表征，构建面向教学人际互动过程的“行为-脑神经”多模态超图。

②AI支持认知效度计算：针对人际互动过程中模态多样复杂、关联程度各异和泛化性差的问题，设计在知识协同正则与多核互补信息支持下的多模态超图融合方法；构建超图卷积神经网络以捕获互动关联计算与特征提取的超图注意力，并根据知识增强学习范式实现高效、可泛化的人际互动认知效度计算模型设计。

③支持可解释的认知效度高鲁棒预测：针对教学过程人际互动数据感知不完整、交互场景动态多变等复杂特点，通过引入面向认知互动超图的掩码去噪与谱聚类鲁棒预训练机制；设计信息解耦和旁路构建等Lora低秩超图与侧调优化方法，面向任务的多通路机制以满足大量领域知识的嵌入，实现支持可解释、高鲁棒、高精准的认知效度预测。

3 时序大数据支持的认知规律发现

认知规律的探析是人际互动过程中认知问题归因诊断和辅助教学应用设计的重要基础，基于教学人际互动的过程性时序大数据，具体的技术实现路径如图3所示。

图3 时序大数据支持的认知规律发现技术实现路径

①认知演化模型构建：基于上文提出的多层级认知结构概念模型和脑际关系描述，确定异质演化机理关联要素，以此形成教学过程中不同学习主体在不同时刻的外显/内隐要素与脑际状态的表征；利用信息增益理论和肯德尔相关系数描述视觉/语言/情感等方面互动要素及其动力属性的表征，采用差分演化算法和复杂动力学理论分析交互过程中的异构特征；在时间驱动下明晰以上异质与异构特征的认知演化机理，以交叉连接来构建知识、技能与情感视角下的交互认知演化模型。

②时序认知演化分析：在构建特征模型的基础上根据人际交互事件的发生流程，驱动网络以捕获交互关键事件导致的节点连边信息变化，实现交互认知动态表征；根据不同目标任务调整参数，将多时间尺度下的认知图作为输入接入子网进行编码融合，以获得认知效度、行为显/隐性等信息，分别构造面向事件/课段/课时的时序图表征，实现对认知演化过程的精确表示。

③认知规律发现：基于认知交互时序图神经网络获取认知效度的时域变化，在认知学习领域知识增强下，构建结构因果图与基于蒙特卡洛树搜索的符号回归演化规律发现方法，以此完成认知演化的一般性和特殊性规律挖掘。

4 数据与知识双驱动的认知异常归因诊断

人际互动认知异常（认知问题或优异情况）的发现及其成因挖掘是实现精准教与学、提升整体教学效果的重要基础。教学过程中人际互动认知异常时有发生，但由于未能有效发现认知因果关联关系，且缺少有效异常诊断方法，致使异常原因尚未明晰。为解决该问题，本研究提出数据与知识双驱动的认知异常归因诊断技术实现路径，如图4所示。

图4 数据与知识双驱动的认知异常归因诊断技术实现路径

①数据-领域知识双驱动架构设计：基于多模态认知数据，构建面向人际互动过程的认知异常诊断事理图谱，形成面向人际互动的认知异常诊断因果逻辑图，并利用深度神经网络编码因果逻辑规则，进行人际互动过程事件的嵌入表示；针对人际互动动态时序场景下的认知问题与优异情况因果推理需求，结合多层次细粒度事件划分构建面向认知异常诊断因果逻辑链的多模态时序神经逻辑网络，实现知识驱动架构的统一设计。

②人际互动认知异常发现：以人际互动的认知异常诊断因果逻辑图为基础，生成多种不重复的互动认知因果逻辑链，并基于上述人际互动认知过程多模态数据与认知领域知识驱动因果链推理机制，构建条件马尔可夫神经认知逻辑网络；结合人际互动认知因果逻辑链推理信息并根据互动认知异常诊断领域知识进行因果逻辑链强度估计，实现教学人际互动认知异常的精准可解释定位发现。

③认知异常归因诊断：针对教学中人际互动认知问题与优异情况，设计多模态神经符号推理方法，进行认知状态与互动行为事件匹配影响度量；并根据互动认知状态归因诊断的场景需求，结合认知-行为事件匹配规则与场景人际互动事件，调整人际互动行为事件与时间粒度，完成教学人际互动认知异常的细粒度归因诊断。

五教学过程中认知归因诊断辅助教学的应用示例

基于上述对教学人际互动实现知识建构的多学科研究方法和技术实现路径的总结与探析，可为精准施教、个性化学习、教学管理等提供新的思路，并为促进个体发展、协同学习与群智增效等方面提供适配性解决方案。由于在教学过程中认知异常问题时有发生，故如何通过归因诊断实现更精准的教与学调整是目前面临的主要难题。接下来，本研究以面向人际互动的教学设计优化、面向认知效度提升的个性化学习干预为例，介绍认知归因诊断辅助教学的具体应用。

1 面向人际互动的教学设计优化

良好的教学设计可以丰富教学内容、提高教学质量、促进学生全面发展，有利于教师的专业发展，也有助于教育改革的推进和教育评价的科学化。因此，面向人际互动的教学设计优化是现实所趋，是实现认知机理应用验证的关键所在。目前，在学科核心素养的指导下，教学设计的一般过程包括学习需求分析（学习内容分析和学习者分析）、学习目标制定、重/难点确定、教学过程设计以及教学总结，每个环节都起着重要的作用。其中，教学过程设计是重中之重，其包含人际活动与教学互动模块，人际活动涵盖了课前预习、发现问题、碰撞争论、求异思维、自评反思五个环节，这些环节相互衔接，逐步推进学习进程。教学互动是指师生、生生在课堂中产生的姿态、语言等方面互动，其互动过程是以知识建构为目的。教学设计的优化是提升教学效果的关键，因此本研究构建了面向人际互动的教学设计优化方案，具体如图5所示。

图5 面向人际互动的教学设计优化方案

本方案以中小学语文、数学等学科的现实课堂教学场景为例，首先构建AI课堂及其测评支持系统，采用近红外成像、眼动Glasses、人际互动实录等获取教学人际互动过程中的显性（如交互内容、姿态、表情等）、隐性数据（如脑影像、注意力、倦怠感等），形成全领域知识图谱，通过多学科交叉技术挖掘认知机理及认知规律。针对其中的数据模态和规模特征，本方案进一步可根据上述提供的技术路径，结合教育学、教育神经科学、认知心理学等多学科理论支持，以人工智能技术和脑神经分析技术为核心技术，表征人际互动行为与多维脑神经（大脑激活/同步/环路）的关联关系，最终实现教学人际互动过程中行为-生理作用的认知神经原理解构。接着构建认知效度可计算模型，以互动过程产生的时序大数据为基础，融合人工智能技术、脑神经分析技术等多种分析方法挖掘其认知规律，把握教学互动主体的内在认知发展模式。此外，通过结合因果推断技术追踪认知异常的原因，再以多轮循证或实证研究进行效果验证，探究验证过程中存在的不足，并通过反馈/调整进行教学设计优化，持续进行技术方案迭代改进与应用过程优化，总结经验形成可借鉴、可指导的人际互动精准教学技术与应用方案。

2 面向认知效度提升的个性化学习干预

个性化学习干预有助于满足学习者学习实践中的现实需求，并为其量身定制不同的教育方案，最终达到促进学习者全面发展、提高教师教学效果的目的。因此，在复杂的教学场景中，如何通过多学科理论、教学策略支持，为学习者提供更加个性化、精准化的学习服务，是优化学习过程、改善学习结果的核心议题[20]。个性化学习干预是指立足于学习中存在的各种问题，针对每位学习者的具体学习状态而实施的各种支持性策略和指导性活动的综合[21]。在真实的教学场景中，实施个性化学习干预的关键在于了解教学人际互动中主体的内在认知机制，把握教学互动演化规律，并比对不同时刻下互动主体的相关性，从而掌握主体动态交互认知演化机制，为后续多方实施干预策略提供强有力的支持。为实现面向认知效度提升的个性化学习干预，本研究构建了如图6所示的应用框架。

图6 面向认知效度提升的个性化学习干预应用框架

本应用框架以某教育平台为主应用场景，其他相关教学平台为辅助场景开展线上教学活动，通过监测教学中的师生交互、生生交互过程，分析处理互动过程性数据，对学习者的过程性学习表现（如元认知能力、情感态度、学习动机、能力培养、情感态度、情感体验等）进行客观性、主观性评价以及量化、质性评价，为后续的反馈/调整提供条件。具体在执行流程中，首先通过人工智能与脑神经分析相关技术分析主体交互行为、学习时间、内容关联度、眼动记录等多模态数据，以挖掘互动主体的过程性学习表现，实现认知机理、演化规律、异常原因的分析；然后通过分析学习者的认知机理、行为模式以及情感状态，对其施加个性化学习干预，在干预时需要注意干预对象、时机、策略、方式、程度等，如为每位学习者进行学情预警、教学活动匹配、认知异常归因以及学习者情感调节等，以对教学互动全过程进行调整，最终达到精准化教学的目的。此外，由于学习干预具有一定的复杂性和不确定性，在进行学习干预的设计与实施时不能仅停留在技术层面，还需关注多学科理论、多种教学策略的支持，对学习者的特征表现及认知异常问题进行个性化分析，真正发挥学习干预的实际效用，助推精准化教学的实施。

六结语

教学中人际互动实现知识建构的认知机理研究正逐渐受到领域的重视与关注，其最终目的是挖掘互动主体的内在认知学习活动并把握教学互动规律。而针对“认知黑箱”这一亟待解决的挑战性问题，本研究综合教育学、教育神经科学、人工智能等理论与新技术实现人际互动支持下的学习者知识建构认知神经机制剖析，提出了认知效度计算、认知规律发现与认知异常归因诊断技术方案，并针对教学设计优化、个性化学习干预两类场景给出了应用示例，为回答“认知学习是如何进行的？”这一问题提供了可行性指导方案。后续研究有待进一步完善本方案中的相关理论与技术，并通过应用验证形成研究闭环，实现科学意义上和教育意义上学习过程研究的交叉、互补与统一，以更好地服务教学并提升学习者知识建构的效率效能。

[1]Wolpert L. Cognition: Evolution does help to explain how minds work[J]. Nature,2009,(7246):506.

[2]O’Donnell D, O’Regan P, Coates B, et al. Human interaction: The critical source of intangible value[J]. Journal of Intellectual Capital, 2003,(1):82-99.

[3]Okazaki S, Muraoka Y, Osu R. Teacher-learner interaction quantifies scaffolding behaviour in imitation learning[J]. Scientific Reports, 2019,(1):7543.

[4]Bereiter C. Constructivism, socioculturalism, and Popper’s world 3[J]. Educational Researcher, 1994,(7):21-23.

[5]王永明.延展认知视域下教学认知边界的探讨与重建[J].电化教育研究,2022,(5):26-32.

[6]Ba S, Hu X, Stein D, et al. Assessing cognitive presence in online inquiry-based discussion through text classification and epistemic network analysis[J]. British Journal of Educational Technology, 2023,(1):247-266.

[7]王云,李志霞,白清玉,等.在线讨论中动态学习情绪和认知行为序列的关系研究[J].电化教育研究,2020,(6):60-67.

[8]Pan Y, Novembre G, Olsson A. The interpersonal neuroscience of social learning[J]. Perspectives on Psychological Science, 2022,(3):680-695.

[9]Wolff C E, Jarodzka H, Boshuizen H P A. Classroom management scripts: A theoretical model contrasting expert and novice teachers’ knowledge and awareness of classroom events[J]. Educational Psychology Review, 2021,33:131-148.

[10]Zhu Y, Leong V, Hou Y, et al. Instructor-learner neural synchronization during elaborated feedback predicts learning transfer[J]. Journal of Educational Psychology, 2022,(6):1427-1441.

[11]王阳,温芳芳,佐斌.3～8岁儿童对群体认知的社会性线索偏好及发展特点[J].心理学报,2023,(9):1424-1440.

[12]张妮,刘文,刘方,郭鑫.8～12岁儿童抑郁与认知重评的关系:悲伤面孔注意偏向的中介作用[J].心理学报,2022,(1):25-39.

[13]王靖,王琦,邓雯心.协作知识建构中认知冲突消解支架设计与实证[J].电化教育研究,2021,(9):84-90.

[14]Dubovi I. Cognitive and emotional engagement while learning with VR: The perspective of multimodal methodology[J]. Computers & Education, 2022,(183):104495.

[15]Reinero D A, Dikker S, Van Bavel J J. Inter-brain synchrony in teams predicts collective performance[J]. Social Cognitive and Affective Neuroscience, 2021,(1-2):43-57.

[16]Hou Y, Zhang D, Gan X, et al. Group polarization calls for group-level brain communication[J]. NeuroImage, 2022,(264):119739.

[17]Ito T, Yang G R, et al. Constructing neural network models from brain data reveals representational transformations linked to adaptive behavior[J]. Nature Communications, 2022,(1):673.

[18]Wang F, Liu Q, Chen E, et al. NeuralCD: A general framework for cognitive diagnosis[J]. IEEE Transactions on Knowledge and Data Engineering, 2022,(35):8312-8327.

[19]Huang J, Liu Q, Wang F, et al. Group-level cognitive diagnosis: A multi-task learning perspective[A]. Proceedings of the IEEE International Conference on Data Mining[C]. Auckland: IEEE, 2021:210-219.

[20]田浩,武法提.复杂性科学视域下的学习干预:概念解析、核心要素及模型构建[J].电化教育研究,2022,(9):29-36.

[21]李彤彤,黄洛颖,邹蕊,等.基于教育大数据的学习干预模型构建[J].中国电化教育,2016,(6):16-20.

An Analysis of the Cognitive Learning Mechanism of Kowledge Construction through Interpersonal Interaction in Teaching from a Multidisciplinary Perspective

HUANG Chang-qin XU Ya-ting WANG Xi-zhe HAN Zhong-mei

There has always been a problem of “cognitive black box” in the realization of knowledge construction in the teaching process, which seriously hinders the improvement of learning quality and efficiency, and the limitions of the current research paradigm in a single discipline makes it difficult to effectively solve this problem. However, the complementary methods of the unique advantages of each discipline from a multi-disciplinary perspective become a feasible way to explore the cognitive mechanism of implicit knowledge construction. Therefore, this paper firstly took the interpersonal interaction in the teaching process as the target scenario, explained the process and cognitive attributes of interpersonal interaction in the teaching process to realize knowledge construction, and subsequently analyzed the theoretical and technical problems existing in the study of cognitive mechanism research. After that, aiming at the goals of interpretability of cognitive mechanism, computability of cognitive validity, discovery of cognitive patterns and traceability of cognitive abnormality, this paper proposed the intedisciplinary research method and realization technology path of cognitive mechanism to realize knowledge construction in teaching from a multi-disciplinary perspective through combing pedagogy, artificial intelligence, educational neuroscience and other theoretical methods. Finally, taking instructional design optimization and personalized learning intervention as an example, the demonstration application of cognitive attribution diagnosis in assisted teaching was presented. This paper provided a new way to reveal “how cognitive learning was carried out” in teaching, which had important theoretical significance and practical value for the implementation of precision teaching and the improvement of learning efficiency.

multi-disciplinary; interpersonal interaction; cognitive learning; knowledge construction; cognitive mechanism; evolutionary law