多學科交叉視角下教學中人際互動實現知識建構的認知機理探析*

黃昌勤 徐亞婷 王希哲 韓中美

多學科交叉視角下教學中人際互動實現知識建構的認知機理探析*

黃昌勤 徐亞婷 王希哲 韓中美

（浙江師范大學 浙江省智能教育技術與應用重點實驗室，浙江金華 321004）

教學過程實現知識建構一直存在“認知黑箱”這一嚴重阻礙學習提質增效的問題，目前單一學科下的研究范式局限性使該問題一直無法得到有效解決，而在多學科交叉視角下對各學科的獨特優勢進行方法互補，成為探索內隱知識建構認知機理，從而破解該黑箱問題的可行手段。為此，文章首先以教學過程中的人際互動為目標場景，闡釋教學過程中人際互動實現知識建構的過程及其認知屬性；接著剖析認知機理研究存在的理論及技術問題；然后針對認知機制可釋義、認知效度可計算、認知規律可發現與認知異?？伤菀蛑繕?，融合教育學、人工智能、教育神經科學等理論方法，在多學科交叉視角下提出教學中實現知識建構的認知機理學科交叉研究方法與實現技術路徑；最后以教學設計優化與個性化學習干預為例，呈現了認知歸因診斷輔助教學的示范應用。文章為揭示教學中“認知學習是如何進行的”提供了新的思路，對精準教學實施與學習效能提升具有重要理論意義和現實價值。

多學科交叉；人際互動；認知學習；知識建構；認知機理；演化規律

引言

教學過程中的人際互動是學習活動開展的主要方式，是獲取知識技能的重要手段。通過教學中的人際互動過程實現對知識的理解與內化，是達到有效自主知識建構的必要前提。當前，針對教學中人際互動的理論探究與技術分析已成為當前高質量教學研究的熱點議題，但現有研究大多僅關注互動外在表象，未能充分挖掘內部認知機理。針對個體認知過程，英國著名生物學家倫敦大學學院教授Wolpert[1]于2009年在刊文指出：認知是個體通過經驗和感官等加工信息獲取知識的最基本心理過程，其過程一直是人類探索學習規律、實現全面發展的核心內容。不難發現，認知對高效學習起著基礎且至關重要的作用，究其本質是認知內隱學習過程。因此，探討教學過程中人際互動的認知學習機制與演化規律可對實現教與學過程中的高效協作學習、精準干預提供強有力的支持。

針對認知的相關研究與實踐日漸活躍，教育學、教育神經科學、認知心理學等學科已從各自的理論體系嘗試通過多種手段探析認知內隱過程及其原理、析取認知趨勢及異常，雖然取得了眾多積極進展，然而單一學科視角一直存在理論方法、技術手段的局限性。其中，教育學現有研究未能細粒度解析認知全過程，對于認知狀態與過程的精準表達仍存瓶頸；教育神經科學和認知心理學也尚未根據人際互動的腦際活動狀態探究認知學習行為的因果關聯性，缺乏面向教育循證的實用操作性，使上述單一學科研究中存在不可避免的“認知黑箱”的挑戰性問題。而以人工智能、腦神經分析為代表的新技術的興起，給內在認知機理的挖掘與演化規律的發現帶來了前所未有的機遇，以彌補傳統實證分析手段的不足——人工智能與大數據技術為認知精準分析、過程描述與問題歸因創造了條件，而腦神經分析技術為揭示群體學習互動模式與腦神經反應規律提供了支持，以多學科視角為解決“認知黑箱”問題提供了方向。

基于此，本研究面向人際互動教學場景，以明晰“認知黑箱”問題為目標，在教育學、人工智能、教育神經科學等多學科理論與技術的支持下，分析知識建構過程及其認知屬性，剖析現有認知機理的研究現狀與現存問題，形成多學科交叉研究方法，并進一步探索教學中人際互動實現知識建構（下文簡稱“教學人際知識建構”）的認知機制釋義、認知效度計算、認知規律發現、認知異常溯因的技術實現路徑與應用示例，以揭示認知機理，精準破解“認知黑箱”問題，旨在為精準教學的實施與教學效率的提升提供可借鑒的方案。

一 教學人際知識建構的過程及其認知屬性

人際互動是人與人之間相互作用的一種形式，是人類知識技能獲得、情感體驗人格塑造的重要過程來源[2]，也是促進認知發展的必由之路。社會互動與建構主義學習等理論表明，教學中人際互動是發生在教學中師生、生生之間的社會互動（如姿態、語言等的交互），是以知識建構為目標而開展的師生認知狀態合作行為，在促進個體發展、協同學習與群智增效方面具有不可替代的作用[3]。知識建構的過程是一個動態發展的過程，互動主體可通過觀點的持續改進，不斷創造知識，以激發內在認知趨向變化[4]。此外，教學中人際互動也是實現知識建構的過程，能夠為互動主體提供知識技能獲得路徑?？梢?，明晰教學中人際互動要素、把握教學互動狀態及其規律，是提高課堂教學質量的關鍵。

教學人際互動為認知學習的開展提供了環境與活動條件，為了厘清“認知學習是如何進行的”，需要明確人際知識建構的關聯認知屬性。雖然認知學習主要探索的是那些不能直觀呈現的內在機理過程（如記憶的加工、存儲、提取等），但考慮其整體流程，認知學習的過程基本符合“輸入—計算—輸出”的傳統認知過程模型，是一個將知識輸入頭腦，形成認知表征并將短時記憶轉化為長時記憶，然后在頭腦中進行回憶、搜索、選擇等知識獲取活動的動態過程[5]。在人際知識建構的過程中，互動主體間通過言語、姿態、表情等方式產生認知層面的交互，而互動主體特征、互動方式、互動行為等均會影響其認知發展，且涉及心理、生理等眾多要素，具有主觀性強、跨學科等特點。

二 教學人際知識建構的認知機理研究現狀和現存問題

無論是傳統課堂教學、線上教學還是混合式教學，其人際互動各主體均呈現出明顯的個體差異特征與多態行為模式，因此教學人際互動過程不僅涉及施教的不同目標與個性化方式，還緊密關聯參與者復雜的心理意圖與生理反應，且互動過程呈現多樣性與情境適配性特點。教學人際互動的復雜性和動態性導致單一教育學理論體系無法細粒度表征內在認知過程，僅通過教育神經科學或認知心理學亦難以實現對教育教學的實踐賦能，這使“認知黑箱”成為教學人際互動中亟待解決的一大挑戰性問題。為進一步提出適配的解決方案，本研究梳理了教學人際知識建構的認知機理相關研究，發現當前的研究及存在的問題主要涉及理論與技術兩個方面，具體如下：

1 認知機理的理論研究現狀與現存問題

在理論方面，現有關于認知機理的研究主要從教育學、教育神經科學、認知心理學等學科理論入手，分析教學過程中人際互動實現知識建構的認知原理及其關系。

教育學領域一直以來都非常關注學習認知機理研究，如Ba等[6]針對在線討論中話語的時間特征，分別從群體和個體兩個層面探討學習者認知發展模式及其差異；王云等[7]使用內容分析法和滯后序列分析法分析在線討論中產生的文本數據，探究學習者的動態學習情緒、認知行為序列模式漸進性特征以及學習情緒和認知行為之間的關系。盡管教育學研究對學習者認知結構和認知發展模式有一定的發現，但現有研究多局限于以話語、日志文本數據等外在行為表現去探究學習者的認知發展，未能關注到個體內在認知變化，缺乏生理、心理層面的認知表征。

教育神經科學領域多注重個體神經認知機制研究，如Pan等[8]提出了社會學習的人際神經科學理論，認為完整地理解教學互動腦機制，需要將多人神經特性看作一個整合的系統，而非孤立地研究單個個體的神經機制；Wolff等[9]通過探究專業知識如何影響視覺感知和心理解釋，對比分析了專家和新手教師在課堂管理中的內部認知過程；Zhu等[10]通過同時記錄教師-學習者二人組的功能近紅外光譜信號，探究了教師與學習者互動期間詳細反饋的神經認知過程。已有教育神經科學為教學實踐提供了生物學證據，以探究學習者的內在認知過程，但該方面研究所提供的證據僅限于神經科學與教育行為的關聯性發現，未能滿足現實條件下面向認知學習的精準化指導與操作需求，缺乏面向教育教學的實用操作性。

認知心理學研究多聚焦個體認知過程的外顯行為，如王陽等[11]結合問卷調查法和質性分析方法收集數據并進行分析，探索了兒童對群體認知線索的偏好；張妮等[12]采用問卷法、實驗法等考察了兒童抑郁對認知重評使用策略傾向和能力的作用。雖然在認知心理學的指導下對個體認知機理的研究有一定的關系發現，但現有研究側重傳統實證和統計分析，對于認知的內隱特性分析與診斷手段相對低效，且未能綜合考慮采用多學科理論結合的方法，厘清教學人際知識建構過程中涉及的諸多關聯因素，對于認知過程的表達及腦際關系的解析存在不足。

綜上，傳統認知過程研究多聚焦于單一神經科學或認知科學相關性原理研究，發現的原理及規律不夠全面，且實用性不高。鑒于此，為解決認知機制剖析不深入的問題，有待融合教育學、教育神經科學、認知心理學等多學科理論，克服學科體系鴻溝，實現科學意義上和教育意義上學習概念的交叉、互補與統一，最終達到更好地服務教學與提升學習者知識建構效率效能的目的。

2 認知機理的技術研究現狀與現存問題

從技術方面來看，針對認知機理的研究多以實證統計分析方法、腦神經分析技術和新一代人工智能技術展開，這些技術方法可為個體內在認知過程表達、認知效度計算、認知異常歸因診斷等提供技術支撐。

在以實證統計分析方法進行教學人際互動的影響因素剖析及其關系發現的相關研究中，王靖等[13]提出一種對話結構性提示支架，采用認知網絡分析和滯后序列分析方法處理學習者的對話數據，揭示對話提示支架的影響因素、效果及其作用機理，最終促進學習者的深層次知識建構；Dubovi[14]結合傳統統計方法（自我報告）和心理生理測量（面部表情、眼動追蹤指標和教育數據挖掘）分析學習者在虛擬現實環境下進行交互時的認知和情感參與流，評估學習者參與度及其對學習成績的影響?？傮w上，該方面研究更聚焦于對認知屬性間關系的探索與過程模式的解析，較難實現對教學過程中動態人際互動的高效建模，以及人際互動的個體差異特征與動態交互模式剖析，在揭示教學人際互動的認知機制及其動態交互性等方面有較大局限。

腦神經分析技術是當前新興的技術手段，主要包括腦電、核磁、近紅外等，如Reinero等[15]使用便攜式腦電圖設備探究了群體腦際同步與群體表現之間的關系，并證實腦際同步能更好地預測群體績效；Hou等[16]基于三人功能性近紅外光譜技術分析群體決策過程中學習者三元組之間的平均腦同步情況，揭示了群體極化背后的腦間交互機制。雖然腦神經分析技術的發展為腦際活動機制研究創造了條件，但現有研究多集中于對腦際互動與外在表現的關聯性挖掘，針對教學人際互動場景的知識建構研究鮮有具備因果關聯的認知機制成果，缺乏面向教育循證的實用操作性，并且現有腦神經分析技術大多聚焦瞬時狀態下的大腦結構和功能作用呈現，較少關注人類行為的動態變化和思維過程復雜過程演化支持。

在新一代人工智能技術方面，Ito等[17]采用功能連接來映射大腦區域之間的活動流，構建了一個基于經驗推導的神經網絡模型來探究人類大腦認知計算的可行性；Wang等[18]針對傳統心理測量的弊端，從機器學習視角建模認知診斷任務并提出通用的神經認知診斷模型，以此實現對學習者知識掌握情況的智能化分析；Huang等[19]考慮到真實教育場景對群體評估的需求，提出了基于多任務的通用型群體級別認知診斷模型，旨在挖掘學習者群體的知識點掌握程度。雖然基于新一代人工智能技術對學習者的腦信號、認知狀態、知識水平等進行智能化分析能夠有效提高學習認知機理解析的準確性，但從生理/神經數據角度考慮知識建構的認知學習機制研究相對較少，且模型缺少實踐意義上的可解釋性。

綜上可知，相較傳統實證統計方法，腦神經分析和新一代人工智能技術以其各自優勢正逐步成為本領域的關注焦點，但三者仍存在各自的瓶頸與不足，在多學科交叉下進行研究方法互融，是破除當下“認知黑箱”困境的較為可行方案。由于目前缺少相關研究，且各學科間的研究方法之間仍存在學科鴻溝，故如何利用各自優勢充分挖掘教學人際知識建構的認知機制及其規律，實現對認知機理的深層剖析，其多學科交叉研究方法與技術實現路徑還有待進一步探索。

三 教學人際知識建構認知機理的多學科交叉研究方法

考慮到多學科交叉研究方法對各部分研究內容的作用與支持，本研究主要從教學人際知識建構的認知機制釋義、認知效度計算、認知規律發現與認知異常溯因四個方面闡釋認知機理的多學科交叉研究方法。

1 多學科交叉支持下知識建構的認知機制釋義方法

認知機制釋義過程涉及諸多認知效度關聯因素，且面向群體的腦區結構復雜多變，這對厘清人際互動的認知過程表達及腦際關系形成了極大挑戰。為解決上述挑戰，需以教育學、教育神經科學、認知心理學等多學科交叉研究方法為支持，挖掘教學人際互動行為的內涵與關聯因素，分析承載多模態外顯與內隱大數據的認知過程與腦際關系，并探究復雜場景下大腦神經環路的可塑性，以全面揭示人際互動相關要素的動態結構，實現多層級認知腦際關系圖譜構建，為面向高效認知的人際互動大腦神經環路可塑性調節提供理論支撐。

2 多學科交叉支持下知識建構的認知效度計算方法

認知效度是體現認知能力、評判綜合效果、驗證機理有效性、進行認知規律發現的重要參考和基礎，是明晰“互動行為-腦神經-認知效度”關聯關系與成因，實現教學人際互動認知狀態判別的必要條件。但該方面在教育神經科學與認知心理學領域中的多數研究僅處于理論分析層面，主要通過量表、訪談等主觀評價手段進行測量，缺乏有效技術手段對認知效度實現可量化計算。因此，需在已有教育學、教育神經科學、認知心理學的理論與方法基礎上結合人工智能新興技術，以超圖表征行為-腦神經關聯，基于注意力機制的超圖卷積神經網絡建構認知效度計算模型，并在互動認知信息反饋增強支持下實現認知效度可解釋科學計算，以此破除傳統教育神經科學與認知心理學研究中“缺乏實用方式落地教育”之困境。

3 多學科交叉支持下知識建構的認知規律發現方法

認知規律發現是為了獲悉知識建構的認知過程狀態變化與發展趨勢，以實現教與學過程追蹤與指導調節的前提。但認知過程存在感知困難、構成要素復雜、動態多變等突出問題，而常規單一學科方法在進行演化規律分析時也面臨表征宏觀不具體、表達粒度單一、場景適用性低等限制，因此有待通過教育學和教育神經科學、人工智能等學科互融實現高效準確的認知演化過程分析，以最終實現認知具身演化規律的表征發現。具體在執行中應通過認知心理學理論構建多維混合認知交互模型，實現認知過程的多源異構圖結構數據表征，以此刻畫教學過程中認知多維要素動態演進結構，并研究認知學習領域（神經科學、認知心理學和教育學等學科領域）知識增強下基于神經網絡符號回歸的規律發現機制，以實現認知具身演化規律發現。

4 多學科交叉支持下知識建構的認知異常溯因方法

針對學習者的認知過程進行歸因診斷，是實現“知其然知其所以然”以及學習提質增效的有效手段。而學習異常情況的溯因過程涉及復雜多模態信息處理與交互行為事件邏輯推理，且存在交互認知因果影響要素動態多變、因果關系多態復雜等挑戰，現有單一學科下的分析范式無法完全解決上述問題。因此，需在教育學、教育神經科學、認知心理學等多學科理論的支持下，結合項目反應理論與認知異常發現技術實現人際互動異常的精準發現，研究基于多模態神經-符號推理的人際互動認知演化狀態與外顯行為匹配機制，構建可追蹤、可溯因的邏輯推理機制，以實現教學人際互動認知異常細粒度歸因診斷。

四 教學人際知識建構認知機制及其規律研究的技術實現路徑

為全面、精準地揭示教學人際知識建構的認知機理，需通過對人際互動過程中的認知機制和內在演化規律進行研究，明確其技術實現路徑，以實現認知機制可釋義、認知效度可計算、認知規律可發現與認知異?？伤菀虻哪繕?。為此，本研究在以上多學科交叉研究方法的支持下，結合真實教學情境的現實需求，提出了多學科理論與技術支持的認知神經機制剖析、AI技術支持的認知效度計算模型構建及預測、時序大數據支持的認知規律發現、數據與知識雙驅動的認知異常歸因診斷四條技術實現路徑，為解決“認知黑箱”問題提供了可參考的技術方案，具體設計思路如下：

1 多學科理論與技術支持的認知神經機制剖析

多學科理論與技術融合是實現認知神經機制深層剖析的重要基礎，為實現教學人際知識建構的認知神經機制剖析，具體的技術實現路徑如圖1所示。

①人際互動行為關聯因素分析：在解析基于多向交互模式的單一/復雜人際互動行為內涵的基礎上，通過多種技術手段獲取學習者在互動過程中的口頭語言、肢體動作、面部表情等特征，并進一步結合問卷調查與專家咨詢對單一/復雜行為交互模式與個人/環境/行為因素間的關聯關系進行分析；利用基于圖式的知識表示構建基于節點-屬性的人際互動行為異質模型圖，以此揭示教學人際互動行為與多維影響因素之間的動態關系。

圖1 多學科理論與技術支持的認知神經機制剖析技術實現路徑

②層級結構認知過程及其腦際關系表征：針對認知效度難測量問題，建立基于人際互動行為的多層級認知結構模型，并通過魯棒原型學習與行為實驗研究的關聯作用方式，結合近紅外、眼動等多源異構數據，探索從多個腦區結構特征到外顯行為數據與日志文本數據的協同映射關系，研究基于腦影像數據及其關聯互動行為的個體/群體認知層級關聯作用；利用深度度量學習技術和分層遞階約簡方法，實現腦際激活/同步模式發現與腦際關系圖譜構建。

③大腦神經環路及其可塑性基礎探討：針對復雜教學場景下的大腦活動管理與可塑性調節問題，探索功能導向下面向人際互動多主體間腦神經耦合機制與大腦局部/長程神經環路的形成方法；在圖神經網絡AI模型的支持下，分析基于多通道人際互動的多向腦神經投射特征，并形成腦空間全局聯動模式；針對人際互動過程開展多腦神經反饋實驗，以進一步探究交互過程中的神經環路重構和增強機制。

2 AI技術支持的認知效度計算模型構建及預測

教學人際互動認知效度是體現認知能力、評判綜合效果、驗證機理有效性、進行認知規律發現的重要參考和基礎，為實現認知效度的精準計算，具體的技術實現路徑如圖2所示。

圖2 AI技術支持的認知效度計算模型構建及預測技術實現路徑

①多源異構超圖深度語義表征：在“行為-腦神經-認知”三層語義描述框架的指導下，針對眼動、視頻、語音、文本、腦成像等多模態數據，以基于互信息熵的關聯計算方法計算互動過程要素關聯性，進而獲取教學人際互動關系網絡；針對要素語義層內多源特征，基于多頭注意力融合技術獲取語義層內深度表征，構建面向教學人際互動過程的“行為-腦神經”多模態超圖。

②AI支持認知效度計算：針對人際互動過程中模態多樣復雜、關聯程度各異和泛化性差的問題，設計在知識協同正則與多核互補信息支持下的多模態超圖融合方法；構建超圖卷積神經網絡以捕獲互動關聯計算與特征提取的超圖注意力，并根據知識增強學習范式實現高效、可泛化的人際互動認知效度計算模型設計。

③支持可解釋的認知效度高魯棒預測：針對教學過程人際互動數據感知不完整、交互場景動態多變等復雜特點，通過引入面向認知互動超圖的掩碼去噪與譜聚類魯棒預訓練機制；設計信息解耦和旁路構建等Lora低秩超圖與側調優化方法，面向任務的多通路機制以滿足大量領域知識的嵌入，實現支持可解釋、高魯棒、高精準的認知效度預測。

3 時序大數據支持的認知規律發現

認知規律的探析是人際互動過程中認知問題歸因診斷和輔助教學應用設計的重要基礎，基于教學人際互動的過程性時序大數據，具體的技術實現路徑如圖3所示。

圖3 時序大數據支持的認知規律發現技術實現路徑

①認知演化模型構建：基于上文提出的多層級認知結構概念模型和腦際關系描述，確定異質演化機理關聯要素，以此形成教學過程中不同學習主體在不同時刻的外顯/內隱要素與腦際狀態的表征；利用信息增益理論和肯德爾相關系數描述視覺/語言/情感等方面互動要素及其動力屬性的表征，采用差分演化算法和復雜動力學理論分析交互過程中的異構特征；在時間驅動下明晰以上異質與異構特征的認知演化機理，以交叉連接來構建知識、技能與情感視角下的交互認知演化模型。

②時序認知演化分析：在構建特征模型的基礎上根據人際交互事件的發生流程，驅動網絡以捕獲交互關鍵事件導致的節點連邊信息變化，實現交互認知動態表征；根據不同目標任務調整參數，將多時間尺度下的認知圖作為輸入接入子網進行編碼融合，以獲得認知效度、行為顯/隱性等信息，分別構造面向事件/課段/課時的時序圖表征，實現對認知演化過程的精確表示。

③認知規律發現：基于認知交互時序圖神經網絡獲取認知效度的時域變化，在認知學習領域知識增強下，構建結構因果圖與基于蒙特卡洛樹搜索的符號回歸演化規律發現方法，以此完成認知演化的一般性和特殊性規律挖掘。

4 數據與知識雙驅動的認知異常歸因診斷

人際互動認知異常（認知問題或優異情況）的發現及其成因挖掘是實現精準教與學、提升整體教學效果的重要基礎。教學過程中人際互動認知異常時有發生，但由于未能有效發現認知因果關聯關系，且缺少有效異常診斷方法，致使異常原因尚未明晰。為解決該問題，本研究提出數據與知識雙驅動的認知異常歸因診斷技術實現路徑，如圖4所示。

圖4 數據與知識雙驅動的認知異常歸因診斷技術實現路徑

①數據-領域知識雙驅動架構設計：基于多模態認知數據，構建面向人際互動過程的認知異常診斷事理圖譜，形成面向人際互動的認知異常診斷因果邏輯圖，并利用深度神經網絡編碼因果邏輯規則，進行人際互動過程事件的嵌入表示；針對人際互動動態時序場景下的認知問題與優異情況因果推理需求，結合多層次細粒度事件劃分構建面向認知異常診斷因果邏輯鏈的多模態時序神經邏輯網絡，實現知識驅動架構的統一設計。

②人際互動認知異常發現：以人際互動的認知異常診斷因果邏輯圖為基礎，生成多種不重復的互動認知因果邏輯鏈，并基于上述人際互動認知過程多模態數據與認知領域知識驅動因果鏈推理機制，構建條件馬爾可夫神經認知邏輯網絡；結合人際互動認知因果邏輯鏈推理信息并根據互動認知異常診斷領域知識進行因果邏輯鏈強度估計，實現教學人際互動認知異常的精準可解釋定位發現。

③認知異常歸因診斷：針對教學中人際互動認知問題與優異情況，設計多模態神經符號推理方法，進行認知狀態與互動行為事件匹配影響度量；并根據互動認知狀態歸因診斷的場景需求，結合認知-行為事件匹配規則與場景人際互動事件，調整人際互動行為事件與時間粒度，完成教學人際互動認知異常的細粒度歸因診斷。

五 教學過程中認知歸因診斷輔助教學的應用示例

基于上述對教學人際互動實現知識建構的多學科研究方法和技術實現路徑的總結與探析，可為精準施教、個性化學習、教學管理等提供新的思路，并為促進個體發展、協同學習與群智增效等方面提供適配性解決方案。由于在教學過程中認知異常問題時有發生，故如何通過歸因診斷實現更精準的教與學調整是目前面臨的主要難題。接下來，本研究以面向人際互動的教學設計優化、面向認知效度提升的個性化學習干預為例，介紹認知歸因診斷輔助教學的具體應用。

1 面向人際互動的教學設計優化

良好的教學設計可以豐富教學內容、提高教學質量、促進學生全面發展，有利于教師的專業發展，也有助于教育改革的推進和教育評價的科學化。因此，面向人際互動的教學設計優化是現實所趨，是實現認知機理應用驗證的關鍵所在。目前，在學科核心素養的指導下，教學設計的一般過程包括學習需求分析（學習內容分析和學習者分析）、學習目標制定、重/難點確定、教學過程設計以及教學總結，每個環節都起著重要的作用。其中，教學過程設計是重中之重，其包含人際活動與教學互動模塊，人際活動涵蓋了課前預習、發現問題、碰撞爭論、求異思維、自評反思五個環節，這些環節相互銜接，逐步推進學習進程。教學互動是指師生、生生在課堂中產生的姿態、語言等方面互動，其互動過程是以知識建構為目的。教學設計的優化是提升教學效果的關鍵，因此本研究構建了面向人際互動的教學設計優化方案，具體如圖5所示。

圖5 面向人際互動的教學設計優化方案

本方案以中小學語文、數學等學科的現實課堂教學場景為例，首先構建AI課堂及其測評支持系統，采用近紅外成像、眼動Glasses、人際互動實錄等獲取教學人際互動過程中的顯性（如交互內容、姿態、表情等）、隱性數據（如腦影像、注意力、倦怠感等），形成全領域知識圖譜，通過多學科交叉技術挖掘認知機理及認知規律。針對其中的數據模態和規模特征，本方案進一步可根據上述提供的技術路徑，結合教育學、教育神經科學、認知心理學等多學科理論支持，以人工智能技術和腦神經分析技術為核心技術，表征人際互動行為與多維腦神經（大腦激活/同步/環路）的關聯關系，最終實現教學人際互動過程中行為-生理作用的認知神經原理解構。接著構建認知效度可計算模型，以互動過程產生的時序大數據為基礎，融合人工智能技術、腦神經分析技術等多種分析方法挖掘其認知規律，把握教學互動主體的內在認知發展模式。此外，通過結合因果推斷技術追蹤認知異常的原因，再以多輪循證或實證研究進行效果驗證，探究驗證過程中存在的不足，并通過反饋/調整進行教學設計優化，持續進行技術方案迭代改進與應用過程優化，總結經驗形成可借鑒、可指導的人際互動精準教學技術與應用方案。

2 面向認知效度提升的個性化學習干預

個性化學習干預有助于滿足學習者學習實踐中的現實需求，并為其量身定制不同的教育方案，最終達到促進學習者全面發展、提高教師教學效果的目的。因此，在復雜的教學場景中，如何通過多學科理論、教學策略支持，為學習者提供更加個性化、精準化的學習服務，是優化學習過程、改善學習結果的核心議題[20]。個性化學習干預是指立足于學習中存在的各種問題，針對每位學習者的具體學習狀態而實施的各種支持性策略和指導性活動的綜合[21]。在真實的教學場景中，實施個性化學習干預的關鍵在于了解教學人際互動中主體的內在認知機制，把握教學互動演化規律，并比對不同時刻下互動主體的相關性，從而掌握主體動態交互認知演化機制，為后續多方實施干預策略提供強有力的支持。為實現面向認知效度提升的個性化學習干預，本研究構建了如圖6所示的應用框架。

圖6 面向認知效度提升的個性化學習干預應用框架

本應用框架以某教育平臺為主應用場景，其他相關教學平臺為輔助場景開展線上教學活動，通過監測教學中的師生交互、生生交互過程，分析處理互動過程性數據，對學習者的過程性學習表現（如元認知能力、情感態度、學習動機、能力培養、情感態度、情感體驗等）進行客觀性、主觀性評價以及量化、質性評價，為后續的反饋/調整提供條件。具體在執行流程中，首先通過人工智能與腦神經分析相關技術分析主體交互行為、學習時間、內容關聯度、眼動記錄等多模態數據，以挖掘互動主體的過程性學習表現，實現認知機理、演化規律、異常原因的分析；然后通過分析學習者的認知機理、行為模式以及情感狀態，對其施加個性化學習干預，在干預時需要注意干預對象、時機、策略、方式、程度等，如為每位學習者進行學情預警、教學活動匹配、認知異常歸因以及學習者情感調節等，以對教學互動全過程進行調整，最終達到精準化教學的目的。此外，由于學習干預具有一定的復雜性和不確定性，在進行學習干預的設計與實施時不能僅停留在技術層面，還需關注多學科理論、多種教學策略的支持，對學習者的特征表現及認知異常問題進行個性化分析，真正發揮學習干預的實際效用，助推精準化教學的實施。

六 結語

教學中人際互動實現知識建構的認知機理研究正逐漸受到領域的重視與關注，其最終目的是挖掘互動主體的內在認知學習活動并把握教學互動規律。而針對“認知黑箱”這一亟待解決的挑戰性問題，本研究綜合教育學、教育神經科學、人工智能等理論與新技術實現人際互動支持下的學習者知識建構認知神經機制剖析，提出了認知效度計算、認知規律發現與認知異常歸因診斷技術方案，并針對教學設計優化、個性化學習干預兩類場景給出了應用示例，為回答“認知學習是如何進行的？”這一問題提供了可行性指導方案。后續研究有待進一步完善本方案中的相關理論與技術，并通過應用驗證形成研究閉環，實現科學意義上和教育意義上學習過程研究的交叉、互補與統一，以更好地服務教學并提升學習者知識建構的效率效能。

[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.延展認知視域下教學認知邊界的探討與重建[J].電化教育研究,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.在線討論中動態學習情緒和認知行為序列的關系研究[J].電化教育研究,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]王陽,溫芳芳,佐斌.3～8歲兒童對群體認知的社會性線索偏好及發展特點[J].心理學報,2023,(9):1424-1440.

[12]張妮,劉文,劉方,郭鑫.8～12歲兒童抑郁與認知重評的關系:悲傷面孔注意偏向的中介作用[J].心理學報,2022,(1):25-39.

[13]王靖,王琦,鄧雯心.協作知識建構中認知沖突消解支架設計與實證[J].電化教育研究,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.復雜性科學視域下的學習干預:概念解析、核心要素及模型構建[J].電化教育研究,2022,(9):29-36.

[21]李彤彤,黃洛穎,鄒蕊,等.基于教育大數據的學習干預模型構建[J].中國電化教育,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

G40-057

A

1009—8097（2023）12—0014—12

10.3969/j.issn.1009-8097.2023.12.002

本文為國家自然科學基金重點項目“教學中人際互動實現知識建構的認知機制與演化規律研究”（項目編號：62337001）、浙江省哲學社會科學規劃領軍人才培育重大課題“新一代人工智能支持下課堂教學的理論創新與應用實踐”（項目編號：22YJRC02ZD）的階段性研究成果。

黃昌勤，教授，博士，研究方向為智能教育技術與應用研究，郵箱為cqhuang@zju.edu.cn。

2023年10月11日

編輯：小時