教育智能體如何影響學習者情緒與學習效果？*——基于國內外39篇實驗或準實驗研究文獻的元分析

王 雪 喬玉飛 王崟羽 成雨薇 李慧洋

教育智能體如何影響學習者情緒與學習效果？*——基于國內外39篇實驗或準實驗研究文獻的元分析

王 雪 喬玉飛 王崟羽 成雨薇 李慧洋

（天津師范大學 教育學部，天津 300387）

教育智能體作為數字學習環境中學習者的虛擬教師或同伴等角色，可為學習者提供認知和情感支持。然而，研究者關于教育智能體能否改善學習者情緒與學習效果的結論存在差異，使得如何有效設計教育智能體尚不明確。為此，文章構建了教育智能體對學習作用機制的理論框架，并在此基礎上采用元分析方法對國內外39篇相關實驗或準實驗研究文獻進行了系統分析。結果表明：教育智能體有利于改善學習者的情緒與學習效果；知識類型、學段、教育智能體的特征（包括靜態特征、動態特征和聲音特征）具有調節作用。基于研究結果，文章針對教育智能體的設計與應用提出建議，以期助力人工智能教育的進一步發展。

教育智能體；情緒；學習效果；元分析；人工智能

引言

教育智能體（Pedagogical Agent，又稱“教學代理”）是用以滿足不同教學目標要求的、類似教師或同伴的虛擬角色，可作為教師或學習伙伴，利用語言或表情與學習者交流，還可融入學習環境中，為學習者提供認知支持以及包含社會文化的學習體驗[1]。教育智能體的早期形式主要是提供導學功能，能夠代替輔導教師，為學生解惑并及時給予反饋[2]。隨著教育信息化的不斷推演，以及人工智能、虛擬現實技術的不斷發展，教育智能體的運用愈加廣泛，教育智能體的呈現也變得更加栩栩如生[3]，很多智能化的功能被納入其中，如推送個性化學習資源、實現人機情感交互等，以創造更為逼真、豐富的面對面互動學習情境。

針對教育智能體如何影響學習者的情緒和學習效果此問題，Lin等[4]發現，教育智能體能夠提高學習者的學習興趣，激發他們的積極情緒，進而幫助其取得更好的學習效果；但Beege等[5]發現，教育智能體對學習者的情緒和學習效果沒有顯著的改善作用，甚至會增加他們的認知負荷，產生負面影響；而Davis等[6]發現，教育智能體的不同特征（如性別、表情、動作、反饋方式等）作為傳遞給學習者的社會化線索，會影響他們對自身社會存在的感知，進而影響他們的學習興趣與主動性。除此之外，學習者的個體特征和教學內容的類型也可能會使學習者對具有相同特征的教育智能體產生不同的感知，進而為其帶來不同的情緒體驗和學習效果。由此可見，研究者對于教育智能體能否改善學習者的情緒和學習效果的結論尚未達成共識，其如何影響學習者情緒與學習效果的作用機制也仍不明確，且缺乏教育智能體對不同教學內容與學習者的適用性分析，也缺乏行之有效的教育智能體設計與應用方法。為了更好地在數字學習環境中設計、應用教育智能體，本研究采用元分析方法對2011～2021年期間的國內外相關文獻進行系統分析，評價教育智能體對學習者情緒和學習效果的整體影響，分析教學內容的類型、學習者的學段和教育智能體的不同特征的調節作用，提出教育智能體優化設計的建議，以期更好地為學習者提供更適合其個性化需求的認知和情感支持工具，促進人工智能教育應用的不斷深化與發展。

一 理論框架設計

為深入分析教育智能體對學習者情緒與學習效果的作用機制，本研究依據社會代理理論和多媒體學習認知情感理論，構建了教育智能體對學習作用機制的理論框架，如圖1所示。Mayer等[7]提出的社會代理理論認為，教育智能體中的聲音、視覺形象等特征作為社會化線索，可以激發學習者的社會反應，從而使學習者把教育智能體視為社會伙伴，進而與教育智能體產生社會交流。與此同時，Moreno[8]提出的多媒體學習認知情感理論認為學習者的情緒和動機通過調控認知過程中的選擇、組織和整合，也會影響最終的學習效果。基于上述理論觀點，教育智能體作為教學內容（涉及不同知識類型）的社會化線索載體，其特征（包括靜態特征、動態特征、聲音特征、環境特征）可以影響學習者（具備不同的個體特征）對其本身的感知[9]。當教育智能體的特征設計合理時，學習者能夠感知到與教育智能體之間的交互，社會交流的慣例和規則使學習者體驗到社交會話圖式并獲得積極的情緒狀態，進而主動調節，促進深度認知處理，發生有意義學習。而當缺乏教育智能體或教育智能體的特征設計不合理時，會使學習者認為學習僅是單一的信息傳遞，學習者體驗到的是信息傳遞圖式，進而導致學習者死記硬背引發機械記憶，發生機械性學習。總的來說，教育智能體通過教學內容的知識類型、教育智能體的特征和學習者的個體特征影響情緒和學習效果，這三個要素也可作為本研究中元分析的調節變量。

圖1 教育智能體對學習作用機制的理論框架

二 研究設計

1 研究問題

將上述理論框架結合納入元分析文獻的實際情況，本研究提出以下問題：①教育智能體對學習者的情緒與學習效果有何整體影響？②哪種知識類型更適合使用教育智能體？③哪一學段的學習者更適合用教育智能體？④教育智能體特征對學習者的情緒與學習效果有何具體影響？

2 文獻檢索

本研究分析的文獻主要來源于中國知網、Web of Science、ERIC等數據庫，中文文獻以“教育智能體”或“教學代理”或“智能導師”或“虛擬導師”并含“學習效果”和“情緒”或“動機”為檢索主題詞，英文文獻以“Pedagogical Agent”或“Intelligent Tutor”或“Virtual Tutor”并含“Learning Effect”和“Emotion”或“Motivation”為檢索主題詞。此外，依據多媒體學習認知情感理論，學習者的情緒與動機密不可分，故本研究也將“動機”和“Motivation”作為檢索關鍵詞。文獻篩選的時間范圍為2011年1月～2021年12月，共檢索到文獻346篇，包括中文文獻45篇和英文文獻301篇。

3 文獻篩選

為確保元分析符合科學性要求與研究需要，本研究按以下標準篩選搜集的文獻：①剔除非實驗研究文獻，只保留實驗或準實驗研究文獻；②實驗研究測量的因變量必須為情緒與學習效果，兩類因變量缺一不可；③文獻中需要包括實驗組與對照組；④文獻中要有可計算效應值的因變量數據；⑤重復文獻只留其一。最終納入的文獻包括中文文獻8篇、英文文獻31篇，總計39篇。其中部分文獻進行多個實驗，包含多個獨立效應值，納入元分析的效應量總數為48個。

4 文獻編碼

本研究依據構建的教育智能體對學習作用機制的理論框架、納入元分析文獻的研究變量和教育智能體社會線索的分類框架[10]，對教學內容、學習者和教育智能體特征進行編碼，以解決前文提出的四個研究問題。需要說明的是，本研究納入元分析的、基于VR或AR環境的文獻僅有3篇，數量不符合要求，故不對環境特征進行編碼。具體的編碼情況如表1所示。

表1 編碼情況

5 效應值計算

本研究采用Comprehensive Meta-Analysis 2.0軟件進行數據分析。由于納入本研究的實驗數量不大，因此選取Hedges’g值（簡稱g值）作為無偏效應值。導入分析的實驗數據為各研究中實驗組與對照組相關因變量的平均值、標準差與樣本量。為保證研究結論的可靠性，需要進行發表偏倚檢驗。由圖2可知，情緒與學習效果的漏斗圖均按各自合并效應值對稱散開，初步顯示兩者均不存在發表偏倚。Begg’s檢驗結果（情緒：Z=0.044＜1.96，=0.960＞0.05；學習效果：Z=1.244＜1.96，=0.231＞0.05）也說明，兩者均不存在發表偏倚。

圖2 情緒與學習效果發表偏移檢驗漏斗圖

三 結果分析與討論

1 教育智能體對學習者的情緒與學習效果的整體影響

本研究中情緒（I2=90.436）和學習效果（I2=80.365）均存在高度異質性，因而都選用隨機效應模型進行效應值合并[11]。結果顯示，情緒和學習效果的合并效應值分別為0.256、0.497，表明教育智能體對學習者的情緒與學習效果都產生了中等程度的積極影響，且都達到統計學意義顯著水平，這也驗證了本研究提出理論框架的有效性。分析原因如下：①教育智能體通過多種誘發積極情緒的方式提高學習者的學習動機，以改善其學習情緒；②教育智能體對學習者的學習效果有顯著提升作用，是由于教育智能體的合理性特征設計，不僅可以引導學習者關注重點內容，還可以根據學習者的個性化學習過程進行針對性反饋，促進學習者更合理的認知投入。

2 適合使用教育智能體的知識類型

知識類型一般可分為陳述性知識與程序性知識，不同知識類型下教育智能體對學習者情緒和學習效果的影響如表2所示，可以看出：①兩種知識類型下，教育智能體對學習者情緒分別有中等程度、較小程度的積極影響，其中陳述性知識的影響更勝一籌，組間差異顯著；②兩種知識類型下，教育智能體對學習者的學習效果均有中等程度的積極影響，但程序性知識的影響更佳，組間差異顯著。究其原因，可能在于陳述性知識多為事實性、概念性知識，相對比較單調，但通過教育智能體將其生動、形象地傳遞給學習者之后，更易激活其積極的情緒體驗。另外，程序性知識更注重知識技能的實際操作與應用，教育智能體雖不容易使學習者產生積極的情緒體驗，但可引導學習者將重心放在行為技能轉化上，從而獲得更好的學習效果。

表2 不同知識類型下教育智能體對學習者情緒和學習效果的影響

表3 教育智能體對不同學段學習者情緒和學習效果的影響

3 適合使用教育智能體開展學習的學段

學段一般可細分為大學、中學和小學，教育智能體對不同學段學習者情緒和學習效果的影響如表3所示，可以看出：①教育智能體僅對大學生和中學生的情緒分別有中等程度、較小程度的積極影響，組間差異顯著；②教育智能體僅對大學生、中學生的學習效果有中等程度的積極影響，且對中學生的應用效果更佳，組間差異顯著。究其原因，可能在于納入元分析的不同研究中教育智能體被設計成不同的形象，而小學生更偏向于對自己喜歡的形象感興趣，因而不易激發他們的積極情緒，進而難以改善學習。另外，教育智能體對低知識經驗水平學生學習效果的影響要優于高知識經驗水平的學生，故教育智能體對中學生學習效果的積極作用更明顯。

4 教育智能體的不同特征對學習者情緒與學習效果的具體影響

本研究深入分析教育智能體的特征（環境特征除外）對學習者情緒與學習效果的具體影響（如表4所示），得出以下結論：

（1）教育智能體的靜態特征對學習者情緒與學習效果的影響

①性別：女性和男性形象的教育智能體分別對學習者情緒產生中等程度、較小程度的積極影響，組間差異顯著；女性和男性形象的教育智能體均對學習效果產生中等程度的積極影響，組間差異不顯著。分析原因主要如下：女性形象教育智能體的情緒表達可能比男性形象更加豐富，更易誘發學習者的積極情緒；無論何種性別，教育智能體提供的認知支持功能是一致的，因此性別對學習效果的影響不存在顯著差異。

②角色：專家型教育智能體對學習者情緒有中等程度的積極影響，而同伴型教育智能體對學習者情緒的影響不顯著，組間差異顯著；專家型、同伴型的教育智能體均對學習效果產生中等程度的積極影響，組間差異不顯著。分析原因主要如下：專家型教育智能體能夠為學習者提供更加專業的學習指南，從而更有效地誘發了學習者的積極情緒；兩種類型的教育智能體均為學習者的認知任務提供了有效支撐，故對學習效果的影響差別不大。

③呈現形象：2D動畫和3D動畫均對學習者情緒、學習效果產生了中等程度的積極影響，且組間差異均不顯著。究其原因，可能在于兩種動畫類型的教育智能體在視覺感受上難以產生較大的反差，提供的認知和情感支持作用相近，進而對學習者情緒、學習效果的影響差別不大。

（2）教育智能體的動態特征對學習者情緒與學習效果的影響

①動作：教育智能體的手勢和面部動作均對學習者情緒、學習效果產生了中等程度的積極影響，且組間差異不顯著。分析原因主要如下：手勢和面部動作作為社會交流的重要組成部分，均能有效傳遞情感，因此影響程度幾近等效；手勢和面部動作均可幫助學習者將注意力集中于教學重、難點，便于學習者記憶和理解知識，從而達到提高學習效果的目的。

②反饋方式：動作反饋對學習者情緒產生了較小程度的積極影響，語言反饋、表情反饋均對學習者情緒產生了中等效應的積極影響，但文本反饋對學習者情緒無顯著影響，其中語言反饋最易激發學習者的積極情緒，且組間差異顯著；四種反饋方式均對學習者的學習效果產生了中等程度的積極影響，其中動作反饋、語言反饋、表情反饋的影響效果略優于文本反饋，組間差異不顯著。分析原因主要如下：語言與表情作為表達情緒的載體，可以更直觀地向學習者傳達出教育智能體的情感；相較于其他三種反饋方式，文本反饋所承載的情感最低，這影響了學習者對智能體的感知，故其對學習效果的提升作用亦低于其他三種反饋方式。

（3）教育智能體的聲音特征對學習者情緒與學習效果的影響

①真人錄音對學習者情緒產生了中等程度的積極影響，而機器合成音對情緒影響不顯著，組間差異顯著；②真人錄音和機器合成音均對學習者的學習效果產生了中等程度的積極影響，且機器合成音優于真人錄音，組間差異顯著。分析原因主要如下：學習者與真人錄音的教育智能體交互時，可以理解為這是一種社會交流，故易產生更為積極的情緒；相較于真人錄音，機器合成音的情緒因素較少，學習者可將更多的注意力分配給視覺學習內容，而視覺通道是學習者獲取信息的主要通道，有助于學習者進行深度認知加工，從而取得更好的學習成效[12]。

表4 教育智能體特征對學習者情緒和學習效果的具體影響

四 結論與建議

元分析結果表明，教育智能體能夠改善學習者的情緒與學習效果，知識類型、學段、教育智能體的特征（包括靜態特征、動態特征和聲音特征）具有調節作用，因此要對教育智能體特征進行科學、合理的設計。基于研究結果，本研究針對教育智能體的設計與應用提出以下建議：

1 利用教育智能體實現社會化交互與智能化情感計算，改善學習者的情緒與學習效果

教育智能體作為教學內容中社會化線索的重要載體，能夠激發學習者在學習過程中的社會反應，改善學習情緒，從而提高學習效果——元分析結果也證實了此點。基于此，本研究建議：①重視社會化線索在教育智能體中的表達方式，設計合理的智能化交互與反饋，激發學習者產生社會存在感，以達到有意義學習的目的；②完善教育智能體的情感計算功能，依據學習者的狀態自適應調整智能體的表情、動作等，誘導學習者在學習過程中始終保持積極的情緒狀態。

2 根據不同知識類型和學段有針對性地設計教育智能體，實現高效人機交互

元分析結果表明，教育智能體在不同知識類型和學段中對學習者情緒和學習效果的影響存在差異。基于此，本研究建議：①考慮到學習者加工不同的知識類型時所需的認知加工策略不同，當教學內容為陳述性知識且教學目標為激發積極情緒、教學內容為程序性知識且教學目標為提高學習效果時，更適合使用教育智能體；②不同學段學習者的認知能力和認知風格存在差異，應針對大學、中學、小學分別設計不同風格的教育智能體——面向小學生，可多采用卡通人物形象，并適當添加趣味性交互；面向中學生，可靈活選用教育智能體的風格；而面向大學生，可采用專家型教育智能體來增強對學習的引領作用。

3 深度優化教育智能體的特征設計，促進深層認知加工

當教育智能體的靜態特征、動態特征、聲音特征設計合理時，學習者可感知到與教育智能體之間的良好互動，這有助于引導學習者合理分配認知加工資源，并促進深層認知加工。基于此，本研究建議：①考慮到女性形象與專家型的智能體更能改善學習者情緒，故可將女性形象與專家角色結合，采用女性專家型的教育智能體；②考慮到通過積極的語態、適當的手勢和面部動作可改善學習者的情緒與學習效果，故可增加學習者與教育智能體的交互，如將表情反饋與語言反饋相結合；③考慮到真人錄音更能激發學習者的積極情緒、機器合成音則有利于提升學習效果，故在設計教育智能體時可根據教學需要選擇更合理的聲音特征。

[1]巴深,劉清堂,吳林靜,等.教育智能體情緒線索對大學生學習情緒與動機的影響研究[J].遠程教育雜志,2021,(6):48-57.

[2]何克抗.教學代理與自適應學習技術的新發展——對美國《教育傳播與技術研究手冊》(第四版)的學習與思考之六[J].開放教育研究,2017,(5):11-20.

[3]翟雪松,楚肖燕,王敏娟,等.教育元宇宙:新一代互聯網教育形態的創新與挑戰[J].開放教育研究,2022,(1):34-42.

[4]Lin L, Ginns P, Wang T, et al. Using a pedagogical agent to deliver conversational style instruction: What benefits can you obtain?[J]. Computers & Education, 2020,143:103658.

[5]Beege M, Schneider S, Nebel S, et al. Does the effect of enthusiasm in a pedagogical agent’s voice depend on mental load in the learner’s working memory?[J]. Computers in Human Behavior, 2020,112:106483.

[6]Davis R O, Vincent J, Wan L. Does a pedagogical agent’s gesture frequency assist advanced foreign language users with learning declarative knowledge?[J]. International Journal of Educational Technology in Higher Education, 2021,18:1-19.

[7]Mayer R E, Sobko K, Mautone P D. Social cues in multimedia learning: Role of speaker’s voice[J]. Journal of Educational Psychology, 2003,(2):419-425.

[8]Moreno R. Does the modality principle hold for different media? A test of the method-affects-learning hypothesis[J]. Journal of Computer Assisted Learning, 2006,(3):149-158.

[9][10]劉清堂,巴深,余舒凡,等.視頻課程中教育智能體的社會線索設計研究[J].電化教育研究,2020,(9):55-60.

[11]和文斌,董永權.教育游戲對學生學習效果的影響研究——基于41項實驗和準實驗的元分析[J].現代教育技術,2021,(4):44-50.

[12]王雪,韓美琪,高澤紅,等.教學視頻中視聽覺情緒設計的作用機制與優化策略研究[J].遠程教育雜志,2020,(6):50-61.

How Does Pedagogical Agent Affect Learners’ Emotions and Learning Effects?——A Meta-Analysis Based on 39 Experimental or Quasi-experimental Studies at Home and Abroad

WANG Xue QIAO Yu-fei WANG Yin-yu CHENG Yu-wei LI Hui-yang

As the role of learners’ virtual tutor or a companion in the digital learning environment, a pedagogical agent could provide learners with cognitive and emotional support. However, researchers’ conclusions on whether a pedagogical agent can improve learners’ emotions and learning outcomes vary, which makes it unclear how to effectively design a pedagogical agent. Therefore, this paper constructed the theoretical framework of the mechanism of the pedagogical agent’s effect on learning. Further, a meta-analysis method was adopted to systematically analyze 39 relevant experimental or quasi-experimental research documents at home and abroad. The results showed that the pedagogical agent was beneficial to improving learners’ positive emotions and learning effects. Meanwhile, the knowledge type, school stage, and characteristics of the pedagogical agent (including static characteristics, dynamic characteristics, and voice characteristics) had moderating effects. Based on the research results, this paper put forward suggestions for the design and application of pedagogical agents, in order to help the further development of artificial intelligence education.

pedagogical agent; emotions; learning effects; meta-analysis; artificial intelligence

G40-057

A

1009—8097（2022）08—0059—08

10.3969/j.issn.1009-8097.2022.08.007

本文為2021年國家自然科學基金青年項目“教學視頻中情緒設計對學習的影響機制及其優化方法研究”（項目編號：62107030）的階段性研究成果。

王雪，副教授，博士，研究方向為多媒體畫面語言學、數字教育資源設計和學習分析等，郵箱為wangxuetjnu@qq.com。

2022年1月21日

編輯：小時