使用fNIRS技术比较师生互动与GAI-学生互动两种教学模式对学生的影响
2026-04-23 来源:本站 点击次数:111
智能时代科学教育神经学前沿研究:北师大在科技教育SSCI顶刊发表国际领先成果
论文概要
北京师范大学教育学部王晶莹教授课题组近期在科学教育顶刊《Journal of Science Education and Technology》（JSR Q1 Top, IF = 5.5）发表题为“The GAI Partner Effect: A Comparative Study of Interaction Types on Students’ Learning Engagement and Academic Performance in Science Education”的研究论文。该研究创新性地将生成式人工智能（GAI）引入科学教育课堂，采用功能性近红外光谱（fNIRS）超扫描技术，系统比较了传统师生互动（Teacher-Student Interaction, TSI）与GAI-学生互动（GAI-Student Interaction, GSI）两种教学模式对学生学习投入与学业表现的差异化影响及其深层认知神经机制。
本研究从神经科学视角为师生互动与人机协作两种教学模式的差异化特征提供了实证证据，为优化智能教育环境中的教学模式设计及跨学科研究提供了理论支撑与实践范式。此项工作彰显了课题组在科学教育研究范式创新方面的前瞻视野与学术引领作用，开创了“人工智能+科学教育+认知神经科学”的新兴交叉研究领域。
论文信息
研究背景
随着生成式人工智能（GAI）的快速发展，教育领域正经历从传统的师生二元结构向师生机三元协作模式的深刻转型（Luckin & Holmes, 2016）。在科学教育中，课堂互动不仅是知识建构的载体，更承载着重要的情感与社会价值（Mercer & Howe, 2012）。传统师生互动中的教师反馈具有灵活性、共情性和权威性等优势（Hattie & Timperley, 2007），但也面临互动质量受限、反馈延迟、个性化不足等挑战（Brandmo & Gammel, 2025）。以ChatGPT为代表的GAI能够通过自然语言生成模拟人类反馈行为，提供即时且高效的个性化学习支持（Khosravi et al., 2022）。然而，现有研究多聚焦于GAI对最终学业成绩的影响，较少关注学习过程中的投入变量，尤其缺乏来自神经科学层面的多模态证据。学习投入（Learning Engagement）作为预测学业成果的关键指标，包含行为、情感、认知和社会四个维度（Fredricks et al., 2004）。本研究旨在通过准实验研究，比较师生互动与人机协作两种协作学习模式对学生学习结果和神经水平的影响，阐明其各自的潜力与不足。本研究旨在补充学习投入的多维框架，为科学课堂中GAI与教师的角色分工提供实证证据支持。具体而言，本研究探讨了以下两个研究问题：
RQ1: GAI 对话与师生互动如何差异化影响学生的学习投入与学业表现？
RQ2: GAI 对话与师生互动差异化影响学生的学习投入与学业表现背后的认知神经机制是什么？
研究方法
实验采用被试内设计，以最小化个体差异对结果的影响。实验被试为北京市某重点小学的36名六年级学生，组成36个师生二人教学小组（一名教师与一名学生配对）。每名学生在两种教学模式下分别学习物理知识点，两种教学模式的顺序在组间进行平衡（18组先TSI后GSI，18组先GSI后TSI），实验流程和场景如图1所示。本研究采用具有高生态效度的便携式功能近红外光谱成像技术，实时采集师生在教学活动中的神经信号，并通过问卷调查采集相关行为学数据。学习投入问卷改编自Wang等（2016）的研究，涵盖认知、行为、情感、社会四个维度；元认知问卷改编自Schraw和Dennison（1994）的元认知意识量表。
近红外数据收集采用便携式多通道近红外脑成像系统，采样率为10 Hz。本研究对fNIRS光极进行自定义排布，组成三组7（左侧DLPFC，通道12、13、14、15、16、17、18）+ 7（右侧DLPFC，通道3、4、5、6、7、8、9）+ 4（右侧TPJ，通道1、2、10、11）的测量通道组合，共计18个通道，相邻光极间距离为3 cm。
研究者基于以往研究（Zhang et al., 2023），利用Matlab的fNIRS处理软件包HOMER2对近红外数据进行预处理后，对任务期的 oxy-Hb 浓度信号进行 z-score 转换（以基线期的均值和标准差为参照，计算公式为：z = (任务期 oxy-Hb 浓度 - 基线期均值) / 基线期标准差），作为被试任务态段某通道的脑激活值。采用小波变换相干（Wavelet Transform Coherence, WTC）法评估两个被试在相同通道上含氧血红蛋白时间序列信号间的耦合程度，将任务态相干值较静息态相干值的增加值作为脑间同步（Interpersonal Neural Synchronization, INS）指标。通过对每个频段所有通道的平均相干值差异进行T检验，选择相干值显著增加的频段作为本研究的感兴趣频段，并通过随机配对置换检验验证。根据选取的时间段与感兴趣频段，取每组师生相干值增加的平均值作为该教学小组任务态段的脑间同步。
研究结果
重复测量方差分析结果显示，教学模式顺序（先TSI后GSI vs. 先GSI后TSI）的主效应及与教学模式的交互效应均不显著，说明教学模式顺序未对结果产生实质影响。ANOVA分析显示两种教学模式下学生学业表现无显著差异，表明学生在两种教学模式下最终的知识掌握水平相当。配对样本t检验发现，两种教学模式在学生自我报告的总学习投入上无显著差异。然而，在各维度上表现出明显的教学模式差异：GSI条件下学生认知投入显著高于TSI条件，TSI条件下学生行为投入、情感投入和社会投入显著高于GSI条件。在两种教学模式下，学生的元认知水平均与学习投入呈显著正相关，说明元认知能力是影响学生在不同互动模式中学习投入的重要个体背景因素。
研究引入fNIRS超扫描技术，同步记录教师与学生在真实课堂互动中的脑活动。重复测量方差分析显示，rTPJ脑区激活存在显著的交互作用，且通过FDR校正：TSI条件下学生的rTPJ激活强于教师，而GSI条件下教师的rTPJ激活强于学生（图2）。配对样本t检验进一步显示，学生在GSI条件下的双侧DLPFC激活显著高于TSI条件，而rTPJ激活显著低于TSI条件。相关分析显示，rTPJ激活与学生社交投入呈正相关。此外，高元认知水平的学生在两种模式下均表现出更强的DLPFC激活。
脑间同步（INS）分析以师生二人小组为研究对象。配对样本t检验结果表明，TSI条件下师生在DLPFC和rTPJ的INS显著高于GSI。置换检验结果显示，仅在TSI条件下真实师生对的INS显著高于随机配对伪师生对。相关分析发现，学生社会投入正向预测师生INS，说明社会互动的质量与大脑活动的协同程度紧密相关。
结论与启示
本研究对比师生互动（TSI）与生成式AI-学生互动（GSI），结合行为与fNIRS神经数据，揭示科学课堂两种教学模式对学习投入的差异化机制：
1. 投入维度差异
GSI显著提升学生认知投入，AI非评价性交互降低焦虑，驱动学生自主评估、高阶推理与自我调节，效果受元认知水平影响；TSI更利于提升行为、情感与社会投入，教师以真实人际在场、非言语线索与权威感，强化规范、情感联结与社会互动。
2. 认知神经差异
TSI表现为师生DLPFC与rTPJ脑间同步增强，是互惠式认知与社会理解的神经标志；GSI以学生DLPFC高度激活为特征，反映学生处理AI内容时的自我调节与认知资源重分配。
3. 实践启示
教育迈入师生机三元协作新模式：AI定位“超级教学助手”，承担知识讲解、个性化反馈等常规任务；教师转型学习引导者，专注情感支持、社会互动与创造性启发，二者明确分工、优势互补。同时，教学设计需重视元认知能力培养，助力学生适配智能学习环境。
不足与展望
1.由于实验规模的限制，本研究的样本量较小且地理位置较为集中。未来的研究可以考虑选取更多样化和更大规模的样本，以进一步验证研究结果的普遍性；
2.这是一项横断面研究，短期实验难以观测长期效果。此外，本实验在实验室环境中尽可能模拟科学教学流程而非在真实教室中，未来的研究可以探索更有效的伪影校正和数据分析方法，以减少真实课堂环境的影响；
3.本研究采用通用大语言模型，未来应开发更精细的师生机交互策略，并探索教育智能体在支持教学互动中的有效性。
参考文献
[1] Luckin, R., & Holmes, W. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
[2] Mercer, N., & Howe, C. (2012). Explaining the dialogic processes of teaching and learning: The value and potential of sociocultural theory. Learning, Culture and Social Interaction, 1(1), 12–21.
[3] Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112.
[4] Brandmo, C., & Gamlem, S. M. (2025, May). Students’ perceptions and outcomes of teacher feedback: A systematic review. In Frontiers in Education (Vol. 10, p. 1572950). Frontiers Media SA.
[5] Khosravi, H., Shum, S. B., Chen, G., Conati, C., Tsai, Y. S., Kay, J., ... & Gašević, D. (2022). Explainable artificial intelligence in education. Computers and Education: Artificial Intelligence, 3, 100074.
[6] Fredricks, J. A., Blumenfeld, P. C., & Paris, A. H. (2004). School engagement: Potential of the concept, state of the evidence. Review of Educational Research, 74(1), 59–109.
[7] Wang, M. T., Fredricks, J. A., Ye, F., Hofkens, T. L., & Linn, J. S. (2016). The math and science engagement scales: Scale development, validation, and psychometric properties. Learning and Instruction, 43, 16–26.
[8] Schraw, G., & Dennison, R. S. (1994). Assessing metacognitive awareness. Contemporary Educational Psychology, 19(4), 460–475.
[9] Zhang, H., Yang, J., Ni, J., De Dreu, C. K., & Ma, Y. (2023). Leader–follower behavioural coordination and neural synchronization during intergroup conflict. Nature Human Behaviour, 7(12), 2169–2181.
[10] 任婧涵,郭建军,胡新怡,等.功能性近红外光谱技术在国际师生互动领域的应用[J].山东师范大学学报(自然科学版),2024,39(04):377-384.
原文信息及链接
Wang, J., Ren, J., Liu, W., Rong, Z., Shi, Z., Zhao, Y., ... & Gao, S. (2026). The GAI Partner Effect: A Comparative Study of Interaction Types on Students’ Learning Engagement and Academic Performance in Science Education. Journal of Science Education and Technology, 1-17.
https://link.springer.com/article/10.1007/s10956-026-10311-x
作者及单位介绍
该研究由北京师范大学教育学部教育技术学院王晶莹教授课题组完成。论文第一作者为王晶莹教授，共同第一作者和通讯作者为北京师范大学教育学部24级博士生任婧涵，共同通讯作者为山东师范大学高守宝教授。王晶莹课题组长期关注技术支持下的科学教育、物理教育和教师教育，教育神经科学，科学思维测评与发展，课程与教材测评和生成式人工智能赋能科学教育的战略研究。近五年以第一/通讯作者在SSCI/CSSCI期刊发表论文60余篇，承担多项国家级和省部级教育类课题。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
维拓启创
为脑科学、神经科学、人因工程、体育科学领域提供先进设备和技术服务，协助各领域、学科的用户展开学术交流。
论文概要
北京师范大学教育学部王晶莹教授课题组近期在科学教育顶刊《Journal of Science Education and Technology》（JSR Q1 Top, IF = 5.5）发表题为“The GAI Partner Effect: A Comparative Study of Interaction Types on Students’ Learning Engagement and Academic Performance in Science Education”的研究论文。该研究创新性地将生成式人工智能（GAI）引入科学教育课堂，采用功能性近红外光谱（fNIRS）超扫描技术，系统比较了传统师生互动（Teacher-Student Interaction, TSI）与GAI-学生互动（GAI-Student Interaction, GSI）两种教学模式对学生学习投入与学业表现的差异化影响及其深层认知神经机制。
本研究从神经科学视角为师生互动与人机协作两种教学模式的差异化特征提供了实证证据，为优化智能教育环境中的教学模式设计及跨学科研究提供了理论支撑与实践范式。此项工作彰显了课题组在科学教育研究范式创新方面的前瞻视野与学术引领作用，开创了“人工智能+科学教育+认知神经科学”的新兴交叉研究领域。
论文信息
研究背景
随着生成式人工智能（GAI）的快速发展，教育领域正经历从传统的师生二元结构向师生机三元协作模式的深刻转型（Luckin & Holmes, 2016）。在科学教育中，课堂互动不仅是知识建构的载体，更承载着重要的情感与社会价值（Mercer & Howe, 2012）。传统师生互动中的教师反馈具有灵活性、共情性和权威性等优势（Hattie & Timperley, 2007），但也面临互动质量受限、反馈延迟、个性化不足等挑战（Brandmo & Gammel, 2025）。以ChatGPT为代表的GAI能够通过自然语言生成模拟人类反馈行为，提供即时且高效的个性化学习支持（Khosravi et al., 2022）。然而，现有研究多聚焦于GAI对最终学业成绩的影响，较少关注学习过程中的投入变量，尤其缺乏来自神经科学层面的多模态证据。学习投入（Learning Engagement）作为预测学业成果的关键指标，包含行为、情感、认知和社会四个维度（Fredricks et al., 2004）。本研究旨在通过准实验研究，比较师生互动与人机协作两种协作学习模式对学生学习结果和神经水平的影响，阐明其各自的潜力与不足。本研究旨在补充学习投入的多维框架，为科学课堂中GAI与教师的角色分工提供实证证据支持。具体而言，本研究探讨了以下两个研究问题：
RQ1: GAI 对话与师生互动如何差异化影响学生的学习投入与学业表现？
RQ2: GAI 对话与师生互动差异化影响学生的学习投入与学业表现背后的认知神经机制是什么？
研究方法
实验采用被试内设计，以最小化个体差异对结果的影响。实验被试为北京市某重点小学的36名六年级学生，组成36个师生二人教学小组（一名教师与一名学生配对）。每名学生在两种教学模式下分别学习物理知识点，两种教学模式的顺序在组间进行平衡（18组先TSI后GSI，18组先GSI后TSI），实验流程和场景如图1所示。本研究采用具有高生态效度的便携式功能近红外光谱成像技术，实时采集师生在教学活动中的神经信号，并通过问卷调查采集相关行为学数据。学习投入问卷改编自Wang等（2016）的研究，涵盖认知、行为、情感、社会四个维度；元认知问卷改编自Schraw和Dennison（1994）的元认知意识量表。
图1（a）实验流程示意图；（b）实验场景图；（c）fNIRS光极布局
近红外数据收集采用便携式多通道近红外脑成像系统，采样率为10 Hz。本研究对fNIRS光极进行自定义排布，组成三组7（左侧DLPFC，通道12、13、14、15、16、17、18）+ 7（右侧DLPFC，通道3、4、5、6、7、8、9）+ 4（右侧TPJ，通道1、2、10、11）的测量通道组合，共计18个通道，相邻光极间距离为3 cm。
研究者基于以往研究（Zhang et al., 2023），利用Matlab的fNIRS处理软件包HOMER2对近红外数据进行预处理后，对任务期的 oxy-Hb 浓度信号进行 z-score 转换（以基线期的均值和标准差为参照，计算公式为：z = (任务期 oxy-Hb 浓度 - 基线期均值) / 基线期标准差），作为被试任务态段某通道的脑激活值。采用小波变换相干（Wavelet Transform Coherence, WTC）法评估两个被试在相同通道上含氧血红蛋白时间序列信号间的耦合程度，将任务态相干值较静息态相干值的增加值作为脑间同步（Interpersonal Neural Synchronization, INS）指标。通过对每个频段所有通道的平均相干值差异进行T检验，选择相干值显著增加的频段作为本研究的感兴趣频段，并通过随机配对置换检验验证。根据选取的时间段与感兴趣频段，取每组师生相干值增加的平均值作为该教学小组任务态段的脑间同步。
研究结果
重复测量方差分析结果显示，教学模式顺序（先TSI后GSI vs. 先GSI后TSI）的主效应及与教学模式的交互效应均不显著，说明教学模式顺序未对结果产生实质影响。ANOVA分析显示两种教学模式下学生学业表现无显著差异，表明学生在两种教学模式下最终的知识掌握水平相当。配对样本t检验发现，两种教学模式在学生自我报告的总学习投入上无显著差异。然而，在各维度上表现出明显的教学模式差异：GSI条件下学生认知投入显著高于TSI条件，TSI条件下学生行为投入、情感投入和社会投入显著高于GSI条件。在两种教学模式下，学生的元认知水平均与学习投入呈显著正相关，说明元认知能力是影响学生在不同互动模式中学习投入的重要个体背景因素。
图2 神经结果
研究引入fNIRS超扫描技术，同步记录教师与学生在真实课堂互动中的脑活动。重复测量方差分析显示，rTPJ脑区激活存在显著的交互作用，且通过FDR校正：TSI条件下学生的rTPJ激活强于教师，而GSI条件下教师的rTPJ激活强于学生（图2）。配对样本t检验进一步显示，学生在GSI条件下的双侧DLPFC激活显著高于TSI条件，而rTPJ激活显著低于TSI条件。相关分析显示，rTPJ激活与学生社交投入呈正相关。此外，高元认知水平的学生在两种模式下均表现出更强的DLPFC激活。
脑间同步（INS）分析以师生二人小组为研究对象。配对样本t检验结果表明，TSI条件下师生在DLPFC和rTPJ的INS显著高于GSI。置换检验结果显示，仅在TSI条件下真实师生对的INS显著高于随机配对伪师生对。相关分析发现，学生社会投入正向预测师生INS，说明社会互动的质量与大脑活动的协同程度紧密相关。
结论与启示
本研究对比师生互动（TSI）与生成式AI-学生互动（GSI），结合行为与fNIRS神经数据，揭示科学课堂两种教学模式对学习投入的差异化机制：
1. 投入维度差异
GSI显著提升学生认知投入，AI非评价性交互降低焦虑，驱动学生自主评估、高阶推理与自我调节，效果受元认知水平影响；TSI更利于提升行为、情感与社会投入，教师以真实人际在场、非言语线索与权威感，强化规范、情感联结与社会互动。
2. 认知神经差异
TSI表现为师生DLPFC与rTPJ脑间同步增强，是互惠式认知与社会理解的神经标志；GSI以学生DLPFC高度激活为特征，反映学生处理AI内容时的自我调节与认知资源重分配。
3. 实践启示
教育迈入师生机三元协作新模式：AI定位“超级教学助手”，承担知识讲解、个性化反馈等常规任务；教师转型学习引导者，专注情感支持、社会互动与创造性启发，二者明确分工、优势互补。同时，教学设计需重视元认知能力培养，助力学生适配智能学习环境。
不足与展望
1.由于实验规模的限制，本研究的样本量较小且地理位置较为集中。未来的研究可以考虑选取更多样化和更大规模的样本，以进一步验证研究结果的普遍性；
2.这是一项横断面研究，短期实验难以观测长期效果。此外，本实验在实验室环境中尽可能模拟科学教学流程而非在真实教室中，未来的研究可以探索更有效的伪影校正和数据分析方法，以减少真实课堂环境的影响；
3.本研究采用通用大语言模型，未来应开发更精细的师生机交互策略，并探索教育智能体在支持教学互动中的有效性。
参考文献
[1] Luckin, R., & Holmes, W. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
[2] Mercer, N., & Howe, C. (2012). Explaining the dialogic processes of teaching and learning: The value and potential of sociocultural theory. Learning, Culture and Social Interaction, 1(1), 12–21.
[3] Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112.
[4] Brandmo, C., & Gamlem, S. M. (2025, May). Students’ perceptions and outcomes of teacher feedback: A systematic review. In Frontiers in Education (Vol. 10, p. 1572950). Frontiers Media SA.
[5] Khosravi, H., Shum, S. B., Chen, G., Conati, C., Tsai, Y. S., Kay, J., ... & Gašević, D. (2022). Explainable artificial intelligence in education. Computers and Education: Artificial Intelligence, 3, 100074.
[6] Fredricks, J. A., Blumenfeld, P. C., & Paris, A. H. (2004). School engagement: Potential of the concept, state of the evidence. Review of Educational Research, 74(1), 59–109.
[7] Wang, M. T., Fredricks, J. A., Ye, F., Hofkens, T. L., & Linn, J. S. (2016). The math and science engagement scales: Scale development, validation, and psychometric properties. Learning and Instruction, 43, 16–26.
[8] Schraw, G., & Dennison, R. S. (1994). Assessing metacognitive awareness. Contemporary Educational Psychology, 19(4), 460–475.
[9] Zhang, H., Yang, J., Ni, J., De Dreu, C. K., & Ma, Y. (2023). Leader–follower behavioural coordination and neural synchronization during intergroup conflict. Nature Human Behaviour, 7(12), 2169–2181.
[10] 任婧涵,郭建军,胡新怡,等.功能性近红外光谱技术在国际师生互动领域的应用[J].山东师范大学学报(自然科学版),2024,39(04):377-384.
原文信息及链接
Wang, J., Ren, J., Liu, W., Rong, Z., Shi, Z., Zhao, Y., ... & Gao, S. (2026). The GAI Partner Effect: A Comparative Study of Interaction Types on Students’ Learning Engagement and Academic Performance in Science Education. Journal of Science Education and Technology, 1-17.
https://link.springer.com/article/10.1007/s10956-026-10311-x
作者及单位介绍
该研究由北京师范大学教育学部教育技术学院王晶莹教授课题组完成。论文第一作者为王晶莹教授，共同第一作者和通讯作者为北京师范大学教育学部24级博士生任婧涵，共同通讯作者为山东师范大学高守宝教授。王晶莹课题组长期关注技术支持下的科学教育、物理教育和教师教育，教育神经科学，科学思维测评与发展，课程与教材测评和生成式人工智能赋能科学教育的战略研究。近五年以第一/通讯作者在SSCI/CSSCI期刊发表论文60余篇，承担多项国家级和省部级教育类课题。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
维拓启创
为脑科学、神经科学、人因工程、体育科学领域提供先进设备和技术服务，协助各领域、学科的用户展开学术交流。
相关文章
更多 >