从认知到情感：自适应学习系统中反馈影响学业情绪的框架构建与应用研究

摘要：习近平总书记在2024年的全国教育大会上指出，需正确处理“知识学习和全面发展”之间的重大关系。人工智能技术的演进推动了自适应学习系统的实践进程，有效应对了个性化知识学习的需求；然而学习者是具有认知与情感等多重面向的复杂个体，当前只关注认知层面而忽略情感层面的自适应学习系统未有效应对全面发展的需求。尤其在当前内卷时代，升学压力和学业竞争所引发的心理问题日益加剧，情感层面的学业情绪因素亟需引起重视。为此，该文通过框架构建和应用研究来探索如何设计自适应学习系统中的反馈以引发积极学业情绪。首先，从国际知名自适应学习系统中总结自适应学习系统典型场景下的反馈，从而归纳出自适应学习系统的反馈类型与流程；同时概述学业情绪的离散状态和测量方法。然后在控制-价值理论和情绪调节过程模型的指导下，分析自适应学习系统中反馈影响学业情绪的关键要素，构建反馈影响学业情绪的理论框架。基于该框架，采用对照实验设计探索有无反馈、反馈使用频次对学业情绪的影响；结果显示，有知识状态反馈相比无知识状态反馈，享受、希望和愤怒水平显著更高，且学业成就的中介效应显著，但知识状态的查看次数对学业情绪无显著影响。根据研究结果，从反馈目标多重化、反馈内容具体化、反馈时间适时化和反馈设计途径化四个方面提出了自适应学习系统反馈设计的建议，以期为学习者提供促进全面发展的个性化服务。

关键词：知识学习和全面发展；反馈；学业情绪；自适应学习系统

中图分类号：G434 文献标识码：A

* 本文系2024年度全国教育科学规划教育部青年项目“自适应学习情境下调节厌倦情绪的反馈策略研究”（项目编号：ECA240405）研究成果。

一、前言

随着智能技术的快速发展，自适应学习系统或智慧教育平台已逐步渗透到教育实践中，成为人工智能助力实现大规模个性化学习需求[1]的关键途径。国家政策层面，发布行动计划以推动自适应学习系统的实践，如《教育信息化2.0行动计划》[2]。研究层面，关于自适应学习系统的架构设计[3]、学习者模型[4]、领域模型[5]、个性化推送[6]等方面的研究持续增长。国内外自适应学习系统产品层出不穷，但这些产品大多只关注认知层面，忽略情感层面[7]，这与全面育人理念相去甚远。

然而，习近平总书记在2024年的全国教育大会上指出，需正确处理“知识学习和全面发展”的重大关系[8]。学习者不仅是知识的接受者，更是拥有情感的复杂个体。厌倦、焦虑等消极情绪的滋生，可能直接影响学习者的学习效果和心理健康，转而继续助长消极情绪，形成恶性循环[9]。尤其是当前内卷严重的时代背景下，许多学习者面临过高的升学压力和严峻的学业竞争，学业情绪也因此备受关注。若在自适应学习系统的反馈设计过程中，将关注点从认知单维扩展至情感多维，不仅可以实现个性化的支持与指导，还可以提高学习积极性、增强正向的学习体验。因此，本研究拟从反馈、学业成就与学业情绪的关系入手，将学业成就作为中介因素构建自适应学习系统中反馈影响学业情绪的理论框架，并基于此框架开展应用研究；以期通过理论分析与实证研究结果，启发以全面育人为目标的自适应学习系统设计与开发，从而实现促进学习者全面发展的个性化服务。

二、自适应学习系统中的反馈与学业情绪

（一）自适应学习系统中的反馈

1.知名自适应学习系统典型场景下的反馈

为梳理自适应学习系统中到底有哪些反馈，选取八种国际知名自适应学习系统（Knewton、Aleks、ScootPad、St Math、Knowre、Mathspace、CTAT、ASSISTments）展开调研。从反馈内容和反馈时间的角度，对其在学习场景、测试场景、推荐场景和面板场景下的反馈进行梳理，进而将自适应学习系统典型场景下的反馈总结如下：

学习场景中的反馈主要包括答题结果反馈（正误、答案、鼓励评语等）和答题指导反馈（解题提示、答题所需知识点对应的视频等资源、例题解析、支架教学、解释等）。答题结果反馈通常在每道题或每个步骤提交答案后呈现，其中答案可能需要自主请求。答题指导反馈通常是在答题过程中自主请求，其中提示反馈可能会在答错超过一次的情况下自动呈现。

测试场景中的反馈主要包括答题结果反馈（正误、答案、知识水平等）和答题过程反馈（适应性难度的题目、适应性知识状态的题目）。测试场景中的答题结果反馈与学习场景中的相比，在反馈内容维度多了一项知识水平，少了一项鼓励评语；在反馈时间维度上，前者通常出现于所有试题作答完成后，而后者通常出现在每道题每次提交答案后。测试场景中的答题过程反馈实质上就是自适应测试，根据学习者答对答错的情况调整下一道题的难度或下一道题所需的知识状态。值得一提的是，有些自适应学习系统允许学生在考试过程中跳过题目，这一举措减少了学习者的猜测行为，也提高了系统对学习者知识状态判断的准确性。

推荐场景中的反馈主要包括路径推荐反馈和资源推荐反馈。从补救知识弱势的角度来看，二者在功能上是相近的；如针对学习者的答题情况确定了一个薄弱知识点作为下一步将要学习的知识点，而点击知识点后还是进入资源学习，这与直接推荐相应资源差别不大。但当两者目标不一致时，如路径推荐反馈以最短时间内学习最多的知识点为目标，而资源推荐反馈以遗忘曲线规律、题目的相似性或学习者认知特征为目标，二者向学习者呈现的反馈内容将截然不同。推荐反馈多呈现于测试或完成一个主题的学习内容之后，由系统自行推荐与教师手动推荐并行。

面板场景中的反馈呈现了学习者在学习活动中各方面的表现。其中，知识水平反馈是最受关注的方面，表现形式包括饼图、条形图、分数、概率、百分比等。其他表现反馈中，答题数量、答题花费时间和学习活动日志等历史学习行为主要是过程性记录，便于学习者回顾；金币、小星星和关卡等游戏化元素反馈主要是奖励的形式化，用于激发学习者的学习兴趣。

2.自适应学习系统中的反馈类型与流程归纳

根据知名自适应学习系统反馈内容的阐述，对标已有研究中的反馈术语，将反馈元素进一步凝练（如图1所示）。

反馈的分类方式很多，主要采纳T rning从反馈内容角度的分类，分为验证性反馈、纠正性反馈、评估性反馈、情感性反馈、精细化反馈（提示性反馈、解释性反馈、支架式反馈）。但是，学习场景中指导答题的资源反馈、测试场景中的题目反馈以及推荐场景中的知识点与资源反馈无法归类于上述类型，于是本研究增加一个新的类别，称之为资源性反馈。各种反馈类型的说明如表1所示。

进一步对典型场景中的反馈流程归纳如图2所示。四个典型场景下反馈流程阐述如下：识水平推荐的资源性反馈，既可以自主请求查看，也可自动与测试场景结束时的评估性反馈同时呈现。

面板场景中的反馈流程也只有一层，即自主请求查看知识水平等个体表现信息，包括评估性反馈和情感性反馈。有时，测试场景结束时的评估性反馈呈现直接跳转到面板场景。

学习场景中的反馈流程主要包括三层，第一层是根据学习者提交的答题结果，给予验证性反馈和情感性反馈；若答错则可以尝试重新提交答题结果，通常有两次机会；连续两次机会均答错，则进入第二层。第二层是指导学习者答题的反馈，包括纠正性反馈、精细化反馈和资源性反馈；除了答错次数过多以外，也可以ba649df6d20ce20fe8fb60b48c854c62自主请求指导；接受相关指导反馈后，重新尝试答题即回到第一层，若仍然答错再进入第二层，若答对则进入第三层。第三层是给予下一道题的资源性反馈。

测试场景中的反馈流程主要包括两层，第一层是根据学习者知识水平给予下一道题的资源性反馈；若测试共有N道题，那么该层将循环N-1次。第二层是完成最后一题后给予结果反馈，包括验证性反馈、纠正性反馈以及不可或缺的评估性反馈。

推荐场景中的反馈流程只有一层，即根据学习者知

（二）自适应学习系统中的学业情绪

1.学业情绪的离散状态

为了解自适应学习情境下到底关注哪些学业情绪，对国内外相关文献进行梳理，发现不同学者采用不同专业术语来形容学业情绪。其中，最具代表性的成果分别是Pekrun团队提出的12种情绪以及Graesser团队提出的6种情绪，这些情绪在效价和唤醒维度上所属类别如表2所示。

从表2可以看出，第一，虽然使用的具体情绪术语不同，但均认可了效价与唤醒维度的分类框架；第二，学业情绪的范畴仍有待明确，如惊讶到底是否属于学业情绪；第三，许多专业术语的定义不够清晰，如享受与心流本质上有何区别；第四，积极低唤醒维度的情绪关注较少，Pekrun团队中的轻松（Relaxation）和确信（Assurance）直至2023年才被提及[10]，而Graesser团队则完全未考虑此类情绪；第五，厌倦是被广泛关注的学业情绪，也有研究者将其（原词“Boredom”）翻译为无聊。

2.学业情绪的测量方法

学业情绪的测量方法大致可分为三大类：自我报告法、行为观察法、生理测量法。自我报告法即基于问卷工具的内省观察，在自适应学习系统中体现为问卷链接的植入；行为观察法是基于外部可见行为的显性观察，通过面部表情、身体姿态、语音语调等线索的发生频率和持续时间来推断情绪的有无及强度；生理测量法是指通过脑电、皮肤电和心电等生理不可见行为来识别学习者情绪。

在自适应学习系统中如何测量学业情绪，这三种方法各有优势。从情绪测量的实时性需求来说，生理测量法是最优的，生理信号是最直接自然的反应且不易受到主观意识的控制；行为观察法次之，行为表现存在滞后反应和抑制表达的现象；自我报告法只能以周期性测量代替实时测量。从情绪测量的便捷性来说，自我报告法是最经济可行的选项；行为观察法依赖于通过行为识别情绪的深度模型，但已有的情绪识别模型仅实现了开心、悲伤等基本情绪的识别，对于增加“学业”特质的学业情绪还未有被广泛应用的模型；生理测量法则依赖于可穿戴设备，介入性强且很难普及。

三、自适应学习系统中反馈影响学业情绪的理论框架

在控制-价值理论和情绪调节过程模型的理论指导下，分析自适应学习系统中反馈影响学业情绪的关键要素，从而构建反馈影响学业情绪的理论框架。

（一）指导理论

指导理论主要包括控制-价值理论和情绪调节过程模型。控制-价值理论由Pekrun于2006年提出，前身是学业情绪的认知-动机模型和社会-认知模型。认知-动机理论[11]阐释了学业情绪如何通过认知加工和学习动机来影响学业成就；社会-认知模型[12]阐释了环境因素和个人因素如何影响学业情绪；控制-价值理论[13]则是将这两个理论相结合，综合阐释了学业情绪的前因与后果。控制-价值理论的核心观点包括：第一，主观控制和主观价值两种评估是影响学业情绪的核心因素，也是环境因素影响学业情绪的中介因素；第二，不同的学业情绪由不同的评估前因决定；第三，环境、评估、情绪、成就之间存在循环效应；第四，可通过干预影响因素来调节学业情绪，分为情境导向、评估导向、情绪导向和能力导向的调节。

Gross提出的情绪调节过程模型[14]是大多数情绪调节研究的基础。2020年，McRae和Gross进一步将情绪调节分为三层[15]：第一层表示情绪的生成，包括进入情境、关注情境的某些方面、根据目标评估当下情境以及产生生理/体验/行为反应四个阶段，并形成循环；第二层表示情绪的调节策略，根据首次干预的情绪生成阶段可分为五大类，即情境选择、情境修正、注意分配、认知改变、反应调整；第三层表示情绪调节过程，包括鉴别、选择、实施、监管四个阶段，并形成循环。

（二）自适应学习系统中反馈影响学业情绪的关键要素分析

1.反馈因素本身

反馈的内容、时间和流程都可能影响学业情绪。前文根据知名自适应学习系统中的反馈内容和时间凝练了反馈类型和流程，细思可发现许多可能影响学业情绪的元素。例如，验证性反馈应该伴随几次试错的机会；指导学习者学习的精细化反馈类别中，支架、提示、解释哪一种反馈或反馈组合最佳，自动呈现和自主请求哪种方式更好；纠正性反馈是否会影响学习者的学业情绪，若学习者答对了是否还需要突出显示纠正性反馈甚至解释性反馈；评估性反馈是否需要保留分数形式，以及采用知识点掌握程度形式时应细致到何种层级的知识点；情感性反馈是否直接影响学业情绪；资源性反馈中题目的类型、难度如何选择等。这些事项既是自适应学习系统中反馈设计需要考虑的问题，也是反馈策略研究中亟待解决的争论点。

2.反馈影响学业情绪的中介因素

本研究主要考虑控制评估、价值评估和学业成就三个中介因素。首先，由控制-价值理论可知，控制和价值评估是影响情绪的核心近端因素，因此考虑其为反馈影响情绪的中介因素。其次，文献综述中提到，反馈可以影响学业成就，而学业成就会影响情绪；而且学业成就一直作为教育研究领域重视的结果变量，若能在促进积极情绪的同时提高学业成就更好，因此也将学业成就纳入反馈影响情绪的中介因素之一。值得一提的是，虽然没有将学习动机作为反馈影响学业情绪的中介因素，但鉴于认知、情绪、动机常被捆绑提及，且学习动机是学业情绪影响学业成就的重要因素，故在构建理论框架时也将学习动机纳入考虑。

3.反馈与学业情绪的循环效应

由控制-价值理论推测，反馈、控制与价值评估、学业情绪、学业成就之间存在循环效应。换句话说，反馈通过控制评估、价值评估、学业成就来影响学业情绪；反过来，学业情绪也会影响控制与价值评估、学业成就甚至反馈。从时间点上来看，T1时刻的反馈影响了T2时刻的控制与价值评估或学业成就，进而影响了T3时刻的学业情绪；T3时刻的学业情绪回过来影响了T4时刻的控制与价值评估或学业成就，进而影响了T5时刻的反馈。从性质上来看，鼓励性反馈可能促进乐观的价值评估进而引发希望情绪，希望情绪可能提高学习动机获得更好的学业成就，进而获得积极反馈。

4.学业情绪的产生与调节

情绪调节过程模型指出，情绪的生成包括情境、注意、评估、反应四个阶段；根据这四个阶段衍生出情境选择、情境修正、注意分配、认知改变、反应调整五种情绪调节策略。而控制-价值理论也提到了四种情绪调节，分别是情境导向的调节、评估导向的调节、情绪导向的调节和能力导向的调节，与上述五种情绪调节策略存在一定的对应关系。具体来说，情境导向的调节对应情境选择和情境修正策略；评估导向的调节对应认知改变策略；情绪导向的调节对应注意分配和反应调整；而能力导向的调节在之前并没有被关注到，它以技能和能力为目标，而不仅仅是改变对行动和结果的评估想法。

（三）自适应学习系统中反馈影响学业情绪的理论框架构建

在控制-价值理论和情绪调节过程模型的指导下，对自适应学习系统中反馈影响学业情绪的关键要素进行分析，据此构建反馈影响学业情绪的理论框架，如图3所示。

1.框架结构

从框架结构上来说，该框架的上半部分可以看作是自适应学习系统中反馈影响学业情绪的因素模型，包括自适应学习系统中的反馈因素、学业情绪因素以及反馈影响学业情绪的中介因素。具体来说，反馈可以通过主观价值和主观控制来影响学业情绪，也可以通过学业成就来影响学业情绪；而且，学业情绪可以反过来影响主观控制、主观价值、学业成就甚至反馈。该框架的下半部分则体现了学业情绪的生成和调节策略。反馈对学业情绪的影响必然是作用情绪生成过程的结果，换句话说，反馈通过自身因素或者中介因素来影响情境、对情境的选择注意、综合目标对情境的评估以及行为反应四个阶段之一来影响学业情绪。此外，反馈因素和中介因素影响学业情绪的过程就是学业情绪调节；对应情绪的生成阶段，学业情绪调节的策略有情境导向、评估导向、情绪导向和能力导向策略。

2.组成成分

从组成成分上来说，反馈因素、学业情绪因素、中介因素和情绪调节是该理论框架的四大组成成分。简单来看，自适应学习系统中的反馈因素是自变量，学业情绪是因变量，主观控制与价值等是中介变量，情绪调节是支撑反馈因素影响学业情绪因素的过程与方法。

对于理论框架中的反馈因素，来源于对国际知名自适应学习系统的调研。通过对各自适应学习系统在学习场景、测试场景、推荐场景和面板场景四种典型场景下的反馈进行梳理，归纳出自适应学习系统的反馈类型，即验证性反馈、纠正性反馈、精细化反馈、评估性反馈、情感性反馈和资源性反馈；每一类反馈都可以从内容、时间、流程等多个维度分解。反馈内容是指该反馈以何种形式呈现何种信息；反馈时间是指该反馈由手动请求呈现还是自动呈现，若自动呈现那么何时呈现；反馈流程是指反馈类型之间的组合形式，包括内容上的共同呈现、时间上的先后衔接等。

对于理论框架中的学业情绪因素，则是借鉴了被广泛使用的效价和唤醒维度[16]分类框架，将学业情绪分为积极高唤醒情绪（如享受和希望）、消极高唤醒情绪（如焦虑和愤怒）、积极低唤醒情绪（如平静和放松）和消极低唤醒情绪（如厌倦和无望）。

对于理论框架中的中介因素，则主要考虑控制评估、价值评估和学业成就。控制-价值理论指出，主观控制与主观价值是影响情绪的核心近端因素。主观控制是指学习者是否、何时能够完成学习任务以及获得何种结果的评估，可以分解为三层：对自我能力的评估、对任务要求的评估、对自我能力是否超过任务要求的评估。主观价值是指学习者对学习材料、学习活动及学习结果的效用评估，可分为内在价值与外在价值；内在价值是由学习者内心认可产生的，如认为该学习材料很有趣；外在价值是由外部因素驱动认可的，如这次考试获得第一名就能得到奖励。学业成就一直都是教育领域关注的重要变量，以往研究表明反馈可以影响学业成就，而学业成就可以影响学业情绪，所以学业成就也是反馈影响学业情绪不可忽视的中介因素。

对于理论框架中的情绪调节，则根据情绪调节过程模型和控制-价值理论，指出情绪生成包括情境、注意、评估、反应四个阶段，由这四个阶段衍生出情境导向的调节、评估导向的调节、情绪导向的调节和能力导向的调节四个方向。反馈因素影响学业情绪的过程就是情绪调节，也就是通过反馈内容、时间、流程的改变，影响情境、情境的选择注意、综合目标对情境的评估以及行为反应四个阶段之一，从而影响学业情绪的生成。

四、自适应学习系统中反馈影响学业情绪的应用研究

（一）研究对象

研究对象为上海市某两校的五年级学生，共150人。实验校1参与人数为67人，男女生分别占49%（33人）和51%（34人）；实验校2参与人数为83人，男女生分别占54%（45人）和46%（38人）。

（二）研究变量与测量工具

自变量选取评估性反馈，在自适应学习系统中表现为有无知识状态反馈的呈现。该变量的测量依托所在团队主导开发的自适应学习系统2.0版本，系统后台会记录学习者是否查看知识状态以及查看次数。

因变量为学习者在使用自适应学习系统过程中的学业情绪，这里考虑享受、希望、焦虑、愤怒、厌倦五种情绪。学业情绪的测量采用Pekrun等[17]编制的学业情绪问卷（Achievement Emotions Questionnaire-Revised，简称AEQ-R）。每种情绪4道题项，共20道题。

中介变量为主观控制、主观价值和学业成就。主观控制和价值的测量，采用Pintrich[18]编制的学习动机策略问卷（the Motivated Strategies for Learning Questionnaire，简称MSLQ）中控制与价值分量表，共4道题。学业成就的测量，采用自适应学习系统对学习者当前知识点掌握水平的评估结果，形式为掌握较差、掌握一般、已掌握三个等级。

（三）研究过程

研究过程分为系统介绍、系统使用和数据采集三个步骤。首先，以两所学校的原始群体为两个组（与学校沟通的结果）；在一个学校正常介绍自适应学习系统；在另一个学校介绍自适应学习系统时，告知学习者个人中心（即面板场景）的功能暂不完善，无需查看个人中心的知识点掌握评估结果。接着，让学习者自主使用自适应学习系统。最后，发放问卷测量学习者的主观控制、主观价值与学业情绪。值得一提的是，后续会根据后台数据删除未按要求执行的学习者，包括实验校1中未查看知识状态反馈的学习者和实验校2中查看了知识状态反馈的学习者。

（四）研究结果

1.描述性统计

根据后台数据筛选学生并分组。实验校1中查看了知识状态反馈的有44人，作为有知识状态反馈组；实验校2中未查看知识状态反馈的有30人，作为无知识状态反馈组。两组学生的享受、希望、焦虑、愤怒和厌倦五种学业情绪分布如图4所示。

从整体趋势来看，无知识状态反馈组的各情绪水平，均比有知识状态反馈组低；从中位数来看，除了焦虑和厌倦情绪，无知识状态反馈组其余情绪的中位数均比有知识状态反馈组低；从离散程度来看，无知识状态反馈组的各情绪分布均比有知识状态反馈组更为集中。

2.有无知识状态反馈组间学业情绪的差异

采用独立样本t检验分析有知识状态反馈组和无知识状态反馈组的学业情绪是否有差异，结果如表3所示。结果表明，两组在享受（t=3.429，P=0.001<0.05）、希望（t=2.212，P=0.030<0.05）和愤怒情绪（t=2.457，P=0.017<0.05）上存在显著差异，且是有知识状态反馈组显著高于无知识状态反馈组。

3.价值与控制及学业成就的中介作用检验

采用SPSS 宏程序Process进行中介效应分析，检验控制与价值及学业成就在知识状态反馈与学业情绪关系中的中介作用[19]，结果如表4和表5所示。

由表4可知，知识状态反馈对学业成就（B=0.313，P<0.01）有显著正向作用，但对学业情绪（B=-0.226，P<0.05）有显著负向作用；学业成就对学业情绪（B=-0.322，P<0.01）有显著负向作用。由表5可知，只有知识状态反馈-学业成就-学业情绪路径，Bootstrap 95%置信区间不包含0，说明学业成就在知识状态反馈与学业情绪关系中的中介效应显著。

4.知识状态反馈使用频次对学业情绪的影响

采用结构方程模型检验知识状态反馈的使用频次对学业情绪的影响。具体做法是将查看知识状态反馈的次数、控制与价值、学业成就、学业情绪数据导入 AMOS24.0中运行，根据输出结果中参数估计（Estimates）和修正指数（Modification Indices）不断调整模型，最终添加标准化参数并标注显著路径的结构方程模型如图5所示。结果显示查看知识状态反馈次数到控制与价值、学业情绪的路径均不显著，说明知识状态反馈使用频次对学业情绪无显著影响。

五、自适应学习系统中指向学业情绪调节的反馈设计建议

已成体系的情绪调节策略局限于情绪主体本身的角度，但现实生活中，学习者不一定能及时感受到自己的情绪，也不一定能够通过自身的努力完成情绪调节，这时候外部支持就显得尤为重要。本研究以自适应学习系统中的反馈支持为作用点，通过理论框架构建和应用研究探索反馈如何影响学业情绪。框架构建阶段，构建了反馈影响学业情绪的理论框架，揭示了反馈、主观控制与价值、学业成就以及学业情绪因素之间的关系；反馈因素是自变量，学业情绪是因变量，主观控制与价值以及学业成就等中介因素是调节变量，情绪调节是支撑反馈因素影响学业情绪因素的过程与方法。应用研究阶段，采用对照实验设计探索有无反馈、反馈使用频次对学业情绪的影响；t检验结果显示，有知识状态反馈相比无知识状态反馈，享受、希望和愤怒水平显著更高，验证了反馈因素确实可以影响学业情绪；中介效应检验结果显示，主观价值与控制在知识状态反馈与学业情绪关系中的中介效应不显著，但学业成就在知识状态反馈与学业情绪关系中的中介效应显著，说明反馈因素确实可以经过中介因素来影响学业情绪，只是不同的反馈类型可能存在不同的中介效应；结构方程模型结果显示，知识状态的查看次数对学业情绪无显著影响，说明反馈可以影响学业情绪并不代表反馈使用频次与学业情绪显著相关，反馈内容和时间比反馈使用频次更重要。框架构建与应用研究结果可为自适应学习系统中指向学业情绪调节的反馈设计提供指导与建议。

（一）反馈目标多重化：认知与情感双重并行

反馈目标多重化，即学习反馈的设计目标不仅要指向认知层面，也需要指向情感层面。自从Picard于1997年的著作《情感计算》（Affective Computing）[20]问世以来，围绕监测用户情感状态并作出适当反应的技术相关研究激增，但是未做到整合入自适应学习系统中。认知与情感之间本就存在相互作用[21]，学习者的情感体验不可避免地受到知识和目标的影响，反之学习者的认知活动也会因为情感状态的变化而受到影响。但目前教育的重心仍是认知水平的提升，忽略了情感体验的改善，这与全面育人的理念相去甚远。教育不仅要关注“学有所得”，也要关注“学得快乐”。举例来说，当你因为努力学习却没有取得好成绩而沮丧时，老师的一句“相信你”是否让你觉得努力没有白费进而继续付出；当夜晚一个人做题发现题目很难做不出来而焦虑时，父母的一句“我们一起来看看怎么做”是否让你觉得看到了希望；同样的，如果你使用自适应学习系统做题，系统也能给你鼓舞和安慰，或许你也会因此增加学习动力。因此，自适应学习系统的研发需要突破认知局限，致力于提供提高学习效率、提升学习积极性、改善学习体验的个性化学习服务，促进学习者的认知和情感双向发展。

（二）反馈内容具体化：呈现鼓励或指导信息

反馈内容具体化，即学习反馈应呈现对学习者有鼓励或指导信息的具体内容。鼓励信息可以直接影响学业情绪；而指导信息则可以通过影响学业成就间接影响学业情绪。本文已归纳了验证性反馈、纠正性反馈、评估性反馈、情感性反馈、精细化反馈和资源性反馈六种类型。总体来说，提供信息越多的反馈对学习者的指导作用越大，同时效果受到任务类型和学习者特征等的影响。例如Schwartz等[22]指出，对于已经具备特定领域基本知识的学习者来说，验证性反馈已足够；但对于新手学习者来说，还需要提供更多有用的反馈信息，比如解释性反馈比纠正性反馈更能帮助初学者学习。具体来说，同一种反馈类型，若呈现的反馈内容不同，其效果也不同。例如评估性反馈，可呈现的反馈内容包括学习者的评分、等级、知识状态等；评分与等级仅仅提供了一个评价结果，这使得学习者的注意力转向比较而非改进的方向，不利于学习动机[23]；知识状态则呈现了学习者的认知优势与劣势，提供了学习者需要补救的知识点信息，本文的实验研究结果已表明呈现学习者知识状态对学业成就和学业情绪均有显著影响。又如解释性反馈，可呈现的反馈内容包括学习者答错的原因、指导学习者完成任务的提示、引导学习者作答思路的支架等，其中提示又包括下一步如何做的文字提示、相关知识点的学习视频提示、与本题类似的例题提示等，这些反馈内容如何选择需要根据学习者偏好和实际情况而定。因此，自适应学习系统的反馈设计，不仅需要考虑呈现何种反馈类型，更需要结合理论研究和实证研究结果来具体化反馈内容。

（三）反馈时间适时化：自主请求或自动呈现

反馈时间适时化，即学习反馈应根据实际需求在合适的时间点自动呈现或由学习者自主请求。自主请求呈现即为学习者保留选择权，自动呈现即系统根据学习者表现直接决定；自动呈现又可分为即时自动呈现和延迟自动呈现，即时自动呈现是指在特定的学习活动之后立即给予反馈，延迟自动呈现是指在特定的学习活动之后隔一段时间再给予反馈。以答题情境为例，有些学习者尝试回答而有些学习者完全不会作答，为避免后者的沮丧情绪，答题支架反馈通常采用自主请求形式；学习者作答后均好奇是否作答正确，故正误反馈通常在每次作答后即时自动呈现；不同学习者愿意尝试作答的次数不同，故答案反馈通常在作答一组题后延迟自动呈现。有些研究发现即时自动呈现的效果优于延迟自动呈现，例如Dihoff等[24]发现测试后立即给予反馈的学生比测试24小时后再给予反馈的学生拥有更高的记忆力；但也有研究发现延迟自动呈现优于即时自动呈现，例如Clariana 等[25]发现所有任务结束后给予反馈的学生比单次或多次尝试作答后立即给予反馈的学生在保持记忆测试中表现更好。这一矛盾主要取决于学习情境和任务性质，例如延迟自动呈现在实验室条件下效果更好，而即时自动呈现在真实教学环境下效果更好[26]；延迟自动呈现在学习迁移任务上效果更好，而即时自动呈现在程序性操作任务上效果更好[27]。因此，反馈应结合学习情境、任务性质以及学习者需求来确定手动请求呈现、即时自动呈现或延迟自动呈现。

（四）反馈设计途径化：理论驱动与数据驱动

反馈设计途径化，即学习反馈可采用理论驱动和数据驱动两种途径相结合来设计。理论驱动设计途径是指，结合已构建的反馈影响学业情绪的理论框架，从学业情绪产生的原因出发，设计针对相应原因的反馈策略；例如焦虑情绪是由高度价值感（重视学习活动或结果）和中度控制感（存在失败的可能性）的结合引起，通俗地说就是认为自己的能力相较于目标要求无法完全胜任，所以应对焦虑情绪可以从能力水平提升、任务与目标设定方面考虑，如推荐资源性反馈以补救认知弱势、评估性反馈显示知识状态而非排名等。数据驱动设计途径是指，采集学习者使用自适应学习系统的后台数据以及学业情绪数据，检验反馈内容、时间或可视化形式对不同学业情绪的影响效果或者不同学业情绪水平群体对反馈的偏好，以此启发反馈策略的设计；例如本研究验证了有无知识状态反馈显著影响学业情绪，但知识状态反馈使用频次对学业情绪无显著影响，可以考虑在个人中心呈现知识状态反馈而非答题界面的顶端实时更新呈现。数据驱动途径设计的反馈可为理论驱动途径设计的反馈提供补充与检验作用。

六、结语

人工智能技术的发展推动了自适应学习系统的实践进程，学习者模型从认知单维向情感多维扩展，以同时应对个性化知识学习与全面发展的需求。本研究选取情感范畴中的学业情绪维度，通过理论框架构建和应用研究探索了自适应学习系统中的反馈如何影响学业情绪，其理论与实证结果对反馈设计与情绪调节具有重要价值。从情绪调节的角度来说，本研究将情绪调节的作用点，从情绪主体本身转移至外部反馈支持，突破了仅依靠学习者自我调节的局限性，为学习过程中情绪调节策略提供新思路。从反馈设计的角度来说，本研究将自适应学习系统反馈设计的目标，从学业成就提升扩展至学业情绪调节，突破了只关注认知层面的单维性，为以全面育人为理念的自适应学习系统反馈设计提供建议。

参考文献：

[1] 新华社.习近平在中共中央政治局第五次集体学习时强调 加快建设教育强国为中华民族伟大复兴提供有力支撑[EB/OL].https：//www.gov.cn/ govweb/yaowen/liebiao/202305/content_6883632.htm，2023-05-29.

[2] 教技[2018]6号，教育部关于印发《教育信息化2.0行动计划》的通知[Z].

[3] 黄伯平，赵蔚，余延冬.自适应学习系统参考模型比较分析研究[J].中国电化教育，2009，（8）：97-101.

[4] 武法提，李彤彤.基于远程学习者模型的差异化教学目标设计[J].现代远程教育研究，2013，（3）：66-71.

[5] 陈品德，乔春芳.智能化远程学习支持系统领域建模方法的分析与比较[J].中国电化教育，2004，（1）：79-83.

[6] 赵学孔，徐晓东，龙世荣.B/S模式下自适应学习系统个性化推荐服务研究[J].中国远程教育，2015，（10）：71-78.

[7] 李海峰；王炜.国际主流适应性学习系统的比较与趋势分析[J].现代教育技术，2018，28（10）：35-41.

[8] 新华社.习近平在全国教育大会上强调：紧紧围绕立德树人根本任务 朝着建成教育强国战略目标扎实迈进[EB/OL]. https：//www.gov.cn/ yaowen/liebiao/202409/content_6973522.htm，2024-09-10.

[9] 姜春霄，林刚.专题学习网站中激发学习动机策略的设计与实现[J].中国电化教育，2006，（08）：76-79.

[10][17] Pekrun R，Marsh H W，et al.A three-dimensional taxonomy of achievement emotions [J].Journal of Personality and Social Psychology，2023，124（1）：145-178.

[11] Pekrun R.The impact of emotions on learning and achievement：Towards a theory of cognitive/motivational mediators [J].Applied Psychology，1992，41（4）：359-376.

[12] Heckhausen J.Motivational psychology of human development [M]. Oxford：Elsevier，2000：143-163.

[13] Pekrun R.The control-value theory of achievement emotions： Assumptions， corollaries，and implications for educational research and practice [J].Educational Psychology Review，2006，18：315-341.

[14] Gross J J.The emerging field of emotion regulation：An integrative review [J]. Review of General Psychology，1998，2（3）：271-299.

[15] McRae K，Gross J J.Emotion regulation [J].Emotion，2020，20（1）：1-9.

[16] Russell J A.A circumplex model of affect [J].Journal of Personality and Social Psychology，1980，39（6）：1161-1178.

[18] Pintrich P R，Smith D A F，et al.Reliability and predictive validity of the Motivated Strategies for Learning Questionnaire （MSLQ） [J].Educational and Psychological Measurement，1993，53（3）：801-813.

[19] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014， 22（5）：731-745.

[20] Picard，R.Affective Computing [M].Cambridge：MIT Press，1997.

[21] Mandler G.Mind and body：Psychology of emotion and stress [M].New York：WW Norton & Company Incorporated，1984.

[22] Schwartz D L，Tsang J M，Blair K P.The ABCs of how we learn：26 scientifically proven approaches，how they work，and when to use them [M]. New York：WW Norton & Company，2016.

[23] Harlen W，Deakin Crick R.Testing and motivation for learning [J]. Assessment in Education：Principles，Policy & Practice，2003，10（2）：169-207.

[24] Dihoff R E，Brosvic G M，Epstein M L.The role of feedback during academic testing：The delay retention effect revisited [J].The Psychological Record，2003，53：533-548.

[25] Clariana R B，Wagner D，Roher Murphy L C.Applying a connectionist description of feedback timing [J].Educational Technology Research and Development，2000，48（3）：5-22.

[26] Kulik J A，Kulik C L C.Timing of feedback and verbal learning [J].Review of Educational Research，1988，58（1）：79-97.

[27] Corbett A T，Anderson J R.Locus of feedback control in computer-based tutoring：Impact on learning rate，achievement and attitudes [A].Proceedings of the SIGCHI Conference on Human Factors in Computing Systems[C]. New York：ACM Press，2001：245-252.

作者简介：

戴静：讲师，博士，研究方向为自适应学习与自适应测评。

顾小清：教授，博士，博士生导师，研究方向为教育信息化理论与实践、教育大数据与学习分析、智慧教育及信息技术促进的教育创新。

From Cognition to Emotion： Research on the Construction and Application of Feedback Influencing Academic Emotion in Adaptive Learning Systems

Dai Jing1， Gu Xiaoqing2

1.School of Education Science， Jiangsu Second Normal University， Nanjing 211200， Jiangsu 2.Department of Educational Information Technology， East China Normal University， Shanghai 200062

Abstract： General Secretary Xi Jinping pointed out at the 2024 National Education Conference that the important relationship between“knowledge learning and all-round development” needs to be properly handled. The evolution of artificial intelligence technology has accelerated the practical process of adaptive learning systems， and effectively addressing the demand for personalized knowledge learning. However， learners are complex individuals with multiple aspects such as cognition and emotion. Current adaptive learning systems， which only focuses on the cognitive level and ignores the emotional level， have not adequately met the requirements for all-round development. Especially in the current era of involution， the psychological issues arising from academic pressure and competition are becoming increasingly serious， and the academic emotion factors at the emotional level need to be paid attention to. To this end， this paper explores how to design feedback in adaptive learning systems to foster positive academic emotions through framework construction and application research. Firstly， the feedback in the typical scenes of the adaptive learning system was summarized from internationally renowned adaptive learning systems， and the feedback types and processes of the adaptive learning system were concluded. At the same time， the discrete states and measurement methods of academic emotions were outlined. Then under the guidance of control and value theory and emotion regulation process model， the key elements of feedback affecting academic emotions in the adaptive learning system were analyzed， and the theoretical framework of feedback affecting academic emotions was constructed. Based on this framework， a control experiment was designed to explore the influence of feedback and frequency on academic emotion. The results showed that enjoyment， hope and anger with knowledge state feedback was significantly higher than without knowledge state feedback， and the mediating effect of academic achievement was significant， but the number of times to view knowledge state had no significant effect on academic emotion. According to the research results， feedback design suggestions were proposed from four aspects： multiplicity of feedback objectives， concreteness of feedback content， timeliness of feedback time and approach of feedback design， in order to provide learners with personalized services that promote all-round development.

Keywords： knowledge learning and all-round development； feedback； academic emotion； adaptive learning system

收稿日期：2024年5月27日

责任编辑：赵云建