AI全科教師主講課堂的學習動機增強效應探析

摘要：教育人工智能的技術革新與教育現代化的發展訴求孕育了AI教師主講課堂，而學習動機增強效應是衡量此課堂教學成效的重要標準。基于此，文章依托ARCS（Attention， Relevance， Confidence， Satisfaction）動機模型，開展了AI課堂與傳統課堂學習動機效應的對比實驗：一方面，通過量表數據的描述性統計分析、獨立樣本t檢驗，探究了AI課堂與傳統課堂的學習動機效應差異；另一方面，通過訪談文本編碼分析，剖析了AI課堂學習動機增強效應的成因，結果發現：相比傳統課堂，AI課堂的學習動機效應高于傳統課堂，且AI課堂的滿意度很高；AI課堂中小組合作和AI教師的外形、動作、表情、聲音等屬性，影響學習動機增強效應的發揮。據此，文章從注意、相關、自信和滿意四維度提出發揮AI課堂學習動機增強效應的有效策略，以期增強學生的學習動機，進一步提升AI全科教師主講課堂的教學成效。

關鍵詞：AI教師；AI課堂；傳統課堂；學習動機；ARCS動機模型

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）09—0080—11 【DOI】10.3969/j.issn.1009-8097.2024.09.008

在教育人工智能開發相關國家政策的支持和引領下^[1]，具有人類特征的虛擬數字人和AI教師正如火如荼地推動教育教學的智能化發展^[2]，為發展智能教育提供了新路徑。學習動機增強效應是指AI全科教師主講課堂的代理主體（即AI教師）對學習動機調節與強化的介導作用，有利于提升課堂成效。AI教師的行動指令來源主要有兩種：一種是將AI教師作為替代技術，由人類教師在課堂上對之進行操控；另一種是將AI教師作為信息源，直接向學生提供指令^[3]。2018年，華南師范大學德育神經科學與人工智能實驗室開發了AI全科教師華君^[4]，其不僅具備社會代理人所期望的特征和類人外形，而且實現了語言交互、表情變化、行走巡堂、動作指示、眼神巡視等功能，其主講課例的學習成效顯著高于同課異構的真人教師^[5]。在本研究中，華君主要憑借真人教師提供的指令來講解學習內容、指導學習活動，在指令范圍內具有一定的自主性和社交性，能夠傳授知識、組織教學課堂活動，也可以跨越時間和空間的限制彰顯名師智慧^[6]。而華君的自主教學能力，為探究學習動機效應提供了必要條件。考慮到ARCS動機模型是動機理論和實踐研究關注的焦點^[7]，故本研究引入此模型，并基于比較研究范式，探究AI課堂與傳統課堂的學習動機效應差異，剖析AI課堂學習動機增強效應的成因。

一 研究問題

ARCS動機模型最早由Keller^[8]提出，強調人們富有動機地進行價值創造，被認為是探究學習動機的經典模型。此模型包括注意（A）、相關（R）、自信（C）、滿意（S）四維度及其十二亞維，具體為：“注意”包括知覺喚醒、激發探究、變化程度，“相關”包括目標定向、動機匹配、熟悉程度，“自信”包括期望成功、挑戰情境、歸因方式，“滿意”包括內在強化、外部獎勵、公平待遇^[9]。此模型重視從實踐層面分析動機的生成機制，基于注意、相關、自信和滿意四個既具有層次遞進性又高度相關的過程表征學習動機^[10]。其中，“注意”在于借助豐富的材料、新穎的方法等捕捉學生的興趣，激發其好奇心；“相關”提出目標要求或者讓學生確立目標，為學生提供個人成就機會、合作活動、積極榜樣等支持，建立學習目標與學習內容之間的聯系；“自信”會影響學生的毅力、成就及其學習過程中的投入度，通過明確成功的要求和評估標準等方式，幫助學生樹立自信心；“滿意”需要采取激勵措施，讓學生在學習的過程中體驗到學習的成就感和滿足感。在此模型中，學生的好奇心（“注意”）、動機或價值觀（“相關”）與其對成功的期望（“自信”），能夠幫助其篩選出那些與學習內容高度相關的目標，并且引導學生付出努力實現目標（“滿足”）^[11]。AI全科教師主講課堂之所以學習成效顯著，主要在于注重學生的學習過程^[12]，這與ARCS動機模型強調的動機生成過程相契合，即從“吸引注意力激發好奇心”到“明確學習目標和學習相關內容”，再從“建立自信寄予學習期望”到“滿意所付出的學習努力”，故適宜選取ARCS動機模型作為學習動機效應考察的基礎理論依托。

眾多學者通過大量實證研究，揭示了AI教師作為智能代理主體可以輔助教學或發揮技術媒介作用，從而提升課堂成效：①AI教師發揮智能代理主體作用。例如，Hong等^[13]通過仿人機器人系統與無機器人系統的學習結果對比實驗，發現引入仿人機器人系統輔助的教學材料，課堂教學效率和學習動機更高；Hsieh等^[14]創建了AI教師和ARCS動機模型干預的智能課堂，證實了AI教師與學生的互動能提高學習效率；Edwards等^[15]將遠程操控屏幕機器人與實體機器人教師進行同課異構，發現學生認為兩類課堂都具有可信度，其中遠程操控屏幕機器人所在課堂的可信度更高、學生更加關注教學內容，而實體機器人教師所在課堂的學生行為模仿能力更高——此觀點得到了其他研究的證實，如Chang等^[16]認為，相較于虛擬機器人，學生對AI教師參與的輔助課堂滿意度更高，且擁有更高的參與度和更真實的體驗。②AI教師作為新興技術更能提高課堂成效。例如，Chin等^[17]分別探究了基于傳統PPT的學習系統、基于AI教師的學習系統對學習成績和學習動機的影響，發現后者的促進作用高于前者。AI教師與學生的交互時間越長，對提高學習成績的效果越明顯^[18]。另外，有研究者認為，機器人表演的幽默動作、聲音效果和反饋在一定程度上可以吸引輕度智力缺陷學生的注意力，激發學生的學習興趣與動機^[19]；機器人輔導系統與學生的互動能夠增強學習動機，動機的增強又作用于學習結果，提高學習成效^[20]。整體而言，已有研究聚焦于AI教師作為輔助教學主體或教學技術，探究課堂學習動機、學習結果等教學問題，較少將AI教師作為教學主體探究學習動機效應及其增強成因，特別是對于AI教師如何充分發揮智能代理主體的作用來激發和增強學生的學習動機缺少系統分析。因此，本研究將AI全科教師主講課堂（下文簡稱“AI課堂”）和真人單科教師主講課堂（下文簡稱“傳統課堂”）進行同課異構，重點探討以下問題：①AI課堂與傳統課堂的學習動機效應是否存在差異？②AI課堂如何發揮學習動機增強效應？

二 研究設計

為解答上述研究問題，本研究采用比較研究范式，使用融通性混合方法，開展AI課堂與傳統課堂學習動機效應的對比實驗，從A、R、C、S四維度及其十二亞維分析學習動機效應差異，探究AI課堂學習動機增強效應的成因。

1 研究對象

為擴大樣本量所涉范圍，本研究以深圳、廣州、東莞三所小學的269名三年級學生為研究對象，在這三所小學分別開展了語文、數學、英語科目“AI與真人教師”的同課異構教學觀摩活動。其中，語文課以“美麗的小興安嶺”為課例樣本，數學課以“小數的初步認識”為課例樣本，英語課則以“My Family”為課例樣本。在學生規模、教室環境、課程安排、教學內容等方面，AI課堂和傳統課堂基本一致；為了避免或降低新奇效應的影響，每個課例開展之前都會調查學生對AI教師的了解情況。AI課堂的學生在此同課異構教學開展前至少參加過1次AI教師執教的課堂或者聽說、接觸過其他類型的機器人，傳統課堂的學生從未接觸過任何形式的AI課堂。AI課堂采用AI全科教師華君主講、真人教師輔助的雙師型模式（兩者的時間占比大約為4：1）：AI全科教師華君主要承擔教學和課堂組織管理工作，并作為主要技術介入課堂多媒體環境；而傳統課堂采用傳統的真人單科教師主講模式。經統計，AI課堂學生共有134人，傳統課堂學生共有135人，具體如表1所示。

2 研究工具

①量表：為有效測量AI課堂與傳統課堂的學習動機效應差異，本研究對Keller^[21]開發的教學材料動機調查問卷（Instructional Materials Motivation Survey，IMMS）進行修訂，形成“AI課堂學習動機調查量表”和“傳統課堂學習動機調查量表”。兩個量表均包括A、R、C、S四維度，每個維度均設4個題項，共16個題項。各題項采用李克特五點量表計分，用1～5分表示從“完全同意”到“完全不同意”，所得量表平均分越低，表示學習動機效應越高。同課異構結束后，本研究通過紙質版量表分別向AI課堂、傳統課堂的學生發放，學生完成后逐一檢查，確保所有題項均填寫完整。經統計，AI課堂回收量表134份，有效量表為134份；傳統課堂共回收量表135份，有效量表為135份。

②訪談：為了解學生和教師對AI課堂激發、強化學習動機的看法，并探究AI課堂學習動機增強效應的成因，本研究邀請AI課程開發相關領域的專家指導，經反復研磨、調整和修改，形成了“AI課堂學習動機調查訪談提綱”和“傳統課堂學習動機調查訪談提綱”。本研究采取隨機抽取的方法選擇訪談對象，從每科的AI課堂和傳統課堂各抽取5名，共有30名學生參加了訪談。訪談文本借助“訊飛聽見”軟件進行轉錄，按ARCS動機模型的四維度及其十二亞維進行分析。

3 研究過程

本研究采用AMOS 24.0、SPSS 26.0和NVivo 12.0等軟件分析數據，先通過正態分布檢驗，分析量表數據是否具有統計學意義；之后分析量表的信效度和訪談文本編碼的信度，保證數據具有可靠性和有效性；在此基礎上，進行描述性統計分析、獨立樣本t檢驗和訪談文本編碼分析。

（1）正態分布檢驗

對量表數據進行正態Q-Q圖檢驗，結果如圖1、圖2所示，可以看出：數據呈擬正態分布，一定程度上通過正態分布檢驗，具有統計學意義。

（2）信效度檢驗

量表內部一致性信度檢驗結果顯示，各維度的Cronbach’s α值處于0.73～0.94之間，說明各維度的數據可靠性良好，量表信度較高。訪談文本的編碼通過“編碼比較查詢”來比較編碼者之間的一致性，保證分析過程的信度，A、R、C、S四維度對應的一致性系數分別為0.939、0.768、0.877、0.891，均大于0.7，說明編碼者之間的一致性程度較高，編碼可靠。

本研究采納KMO和Bartlett球形檢驗，分析量表是否適合進行因子分析。相關數據統計結果顯示，AI課堂、傳統課堂的KMO值分別為0.844、0.796，均大于0.7；AI課堂、傳統課堂的Bartlett球形檢驗p值均為0.000，小于0.01，通過了顯著水平為1%的顯著性檢驗，說明量表適合進行因子分析。“AI課堂學習動機調查量表”“傳統課堂學習動機調查量表”各維度的累積方差解釋率值分別在57.019%之上、62.694%之上，說明A、R、C、S四個維度可以提取出大部分題項的有效信息。

本研究采用極大似然法的驗證性因子分析，通過檢查相關擬合指標來評估模型的擬合性，結果如表2所示，可以看出：AI課堂、傳統課堂的χ²/df值分別為1.865、1.665，小于標準值3，說明數據在理想范圍內；RMSEA值小于0.08，說明模型擬合度在可接受的范圍內；適配指標GFI值、AGFI值、CFI值、IFI值、TLI值均大于0.9，說明適配度良好。綜上，ARCS動機模型與收集的數據適配度較高。

AI課堂、傳統課堂的驗證性因子分析結果分別如圖3、圖4顯示，可以看出：AI課堂的一階因子載荷量大于0.5，各題型因子載荷量均大于0.6；傳統課堂的一階因子載荷量均大于0.7，各題項因子載荷量均大于0.5；當樣本量超過120時，各階因子載荷量達到0.5，表明各維度及其各因子之間沒有產生交叉載荷，具有統計學意義^[22]。綜上說明，量表的結構效度良好。

三 研究分析

在保證量表信效度良好和訪談文本編碼可靠的基礎上，本研究針對量表數據進行描述性統計分析和獨立樣本t檢驗，以探究AI課堂與傳統課堂的學習動機效應差異；同時，進行訪談文本編碼分析，以剖析AI課堂學習動機增強效應的成因。

1 描述性統計與獨立樣本t檢驗分析

本研究應用SPSS 26.0對量表數據進行描述性統計分析，結果如表3所示。整體來說，AI課堂的動機平均值低于傳統課堂（1.795＜1.915），而平均值越低，說明學習動機效應越高，可見AI課堂的學習動機效應高于傳統課堂。具體來說，在注意、相關、自信維度，AI課堂的平均值均略低于傳統課堂，說明AI課堂在這三個維度的學習表現略好；而在滿意維度，AI課堂的平均值大大低于傳統課堂，說明AI課堂的滿意度很高。

本研究采用獨立樣本t檢驗分析AI課堂與傳統課堂的學習動機差異，結果如表4所示。整體來說，AI課堂和傳統課堂的動機水平不存在顯著性差異（p=0.130＞0.05）。但是，在滿意維度，顯著性p值為0.004＜0.01，效應值為0.355＞0.3，說明AI課堂和傳統課堂的滿意度存在一定的顯著性差異，也就是說學生的滿意度受AI教師的影響。

2 訪談文本編碼分析

參考點數是反映學習動機效應水平的指標，參考點數越多，說明學習動機效應越強。本研究依托ARCS動機模型的四維度及其十二亞維，進行了AI課堂與傳統課堂的學習動機效應編碼分析，繪制了其參考點數分布對比圖（如圖5所示），可以看出：在注意維度，AI課堂的總參考點數遠多于傳統課堂（74＞33），尤其是在“知覺喚醒”“激發探究”“變化程度”三個亞維，AI課堂的參考點數明顯多于傳統課堂，說明AI課堂更能吸引學生注意力、激發其學習好奇心；至于相關、自信、滿意三個維度，除了“目標定向”“歸因方式”兩個亞維的AI課堂參考點數也是明顯多于傳統課堂，其他亞維兩者相差不大，說明AI課堂在幫助學生明晰學習目標、提升自我效能感方面發揮了重要作用——此觀點在訪談文本中得到了印證，如陳同學表示：“我發現小數可以用于我們的生活，如稱體重、量身高等。”而懂得應用小數解決生活中的實際問題，說明學生對學習目標與學習內容之間的關系有明確感知，也從側面凸顯了AI課堂學習目標的定向作用。另外，張同學表示：“我幫同學解決了能不能去掉0的問題——0.05不能去掉0，不然數會變大。然后，機器人老師夸我善于思考，樂于幫助同學，我特別開心。”AI教師對學生的肯定不僅為學生帶來了愉快的學習體驗，而且提升了其學習自豪感，增強了學生的自信心。

為進一步探究AI課堂和傳統課堂學習動機效應在上述維度及其亞維存在明顯差異的原因，本研究以AI課堂和傳統課堂的主要差異為落腳點，從AI課堂學習模式和AI教師作為代理主體如何增強學習動機效應兩個方面進行探析，繪制了AI課堂與傳統課堂的學習動機增強效應編碼分析參考點數分布對比圖（如圖6所示），可以看出：AI課堂中小組合作學習模式和AI教師的外形、動作、表情、聲音等屬性，影響學習動機增強效應的發揮。具體來說，AI課堂中小組合作的參考點數多達50，而傳統課堂的參考點數只有14，說明小組合作在發揮學習動機增強效應方面起了關鍵性作用；而在AI教師屬性中，動作的參考點數最高，說明AI教師的動作設計對于發揮學習動機增強效應十分重要；同時，AI教師的外形、聲音、表情也會在一定程度上影響學習動機增強效應的發揮。

四 結論與策略

1 結論

本研究通過描述性統計與獨立樣本t檢驗分析，發現AI課堂的學習動機效應高于傳統課堂，且AI課堂的滿意度很高，而學生的滿意度受AI教師的影響。同時，本研究通過訪談文本編碼分析，發現在注意維度的“知覺喚醒”“激發探究”“變化程度”三個亞維、相關維度的“目標定向”亞維和自信維度的“歸因方式”亞維上，AI課堂與傳統課堂的學習動機效應存在明顯差異；AI課堂中小組合作和AI教師的外形、動作、表情、聲音等屬性，影響學習動機增強效應的發揮。具體來說，AI教師的外形、動作、表情等屬性可以吸引學生的注意力、喚醒學生的知覺，如可愛的外形和生動的語言講解能激發學生探究的好奇心，結合靈活的肢體語言可以啟發學生進一步思考，而生動的表情能促進學生與教師之間的情感交流。另外，AI教師能引導學生建立學習目標與學習內容之間的聯系，明確學習方向；當學生取得進步時，AI教師可以通過正向反饋的歸因方式增強學生的自信心。此外，小組合作在發揮學習動機增強效應方面起了關鍵性作用，這是AI課堂滿意度很高的重要原因。

2 策略

上述結論表明，AI課堂主要通過AI教師的具身屬性吸引學生注意力，幫助學生明晰學習目標并建立其與學習內容之間的聯系，提升學生的自我效能感來增強其自信心，采用小組合作學習模式提高學生的課堂滿意度。據此，本研究從注意、相關、自信和滿意四維度提出發揮AI課堂學習動機增強效應的有效策略。

（1）優化AI教師具身屬性設計，吸引學生注意力

注意力是有效學習發生的前提。AI教師能夠激發學生的好奇心、上進心，使其產生濃厚的學習興趣^[23]。本研究發現，AI教師的外形、動作、表情、聲音等屬性影響學習動機增強效應的發揮：①在外形屬性上，AI教師的擬人外形設計可以吸引學生的關注^[24]。本研究選用的AI教師華君不僅外形可愛，而且有靈活的肢體動作、標準流利的發音，符合小學生對AI教師形象的審美，能有效激發學生的探究欲。②在動作屬性層面，相對于靜止的機器人或錄音機、攝像機等多媒體輔助教學工具，會移動的機器人可以靈活變化手勢、姿勢等動作，被證實更能吸引學生的注意力^[25]。③在表情屬性上，AI教師的面部表情特別是與學生互動后的肯定表情，是重要的肢體語言媒介。學生通過觀察AI教師的表情，與其進行情感互動，能產生積極的情感體驗^[26]。有研究表明，機器人的個性化凝視可以提升動機^[27]，故AI教師在眼神交互上被賦予了更多的改進期望。④在聲音屬性上，本研究選用的AI教師華君有萌萌的聲音，很快吸引了小學生的注意力，且其音質有很強的親和力，貼合小學生的心理依賴需求。另外，AI教師聲音的屬性變化若能適應教學內容，則更能吸引學生的注意力^[28]。綜上，可從優化AI教師具身屬性設計的角度來吸引學生注意力，包括設計擬人外形，靈活變化肢體動作，優化面部微表情尤其是眼神交互功能，從響度、音調、語速等方面提升音質，并注重將AI教師具身屬性設計與教學內容相結合等。

（2）發揮AI教師引領作用，明晰學生學習目標

相關性強調學習目標和學習內容符合學生的客觀需求，符合學生當前的認知結構和認知發展水平，與學生學習經驗建立聯系，啟發學生思考^[29]。當學習目標與學生自身的學習期望、學習準備高度相關時，更能激發學生的學習興趣，維持學生的學習積極性^[30]。因此，有必要讓學生明晰學習目標，而這需要發揮AI教師的引領作用。在學習過程中，學生可能會產生這樣的疑惑：“我為什么要學這個？學了這個有什么用？”對此，AI教師應先分析學生的認知水平和學習需求，判斷學生的學習能力，再確定教學目標，通過舉例或直接闡明學習內容的價值，并充分調動自身的多媒體智能優勢^[31]，引導學生結合學習材料和自己的生活經驗來熟悉學習內容、遷移應用所學知識；同時，引導學生將學習目標分解在不同的學習路徑中，形成不同路徑的目標導向。當學生感受學習目標與學習內容密切相關時，便容易激發求知欲、探索欲和學習欲。

（3）應用AI教師正向反饋的歸因方式，增強學生自信心

AI教師正向反饋的歸因方式，能促使學生將取得的進步與個人努力掛鉤，提升其自我效能感，從而增強自信心。具體來說，AI教師應向學生提供及時、正面、具體的反饋：①及時的反饋能夠讓學生感受到AI教師的關注，從而建立自我認同、樹立自信心。有研究指出，AI教師及時分析學生答題結果的正確與否，能夠激勵學生理解學習內容^[32]。在本研究的訪談中，有學生提及希望AI教師能夠對其完成的學習任務和展示的學習成果及時給予回應。②AI教師對學生的正面鼓勵和表揚，能夠增強其獨立完成學習任務的信心。Deublein等^[33]認為，AI教師給予積極的反饋是提升學習成效的關鍵要素之一；而Davison等^[34]通過研究，發現相較于機械的耳機傳遞媒介，社交機器人的肯定給兒童的心態帶來了更積極的影響，增強了其通過后天努力改變現狀的自信，促進了其成長型心態的發展。③正面的反饋基于具體性原則^[35]，AI教師只有真誠且具體地表達對學生的肯定，學生的自信心才能真正得到強化。在課堂上學生的表現千差萬別，“干得漂亮！”“你真棒！”之類的泛泛表揚只會讓學生覺得乏味、不可信。因此，AI教師正向反饋的歸因方式應該具體而不能籠統、應該個性化而不能千篇一律，這就對AI教師的互動功能設計提出了高要求。

（4）采取小組合作學習模式，提高AI課堂滿意度

本研究發現，AI課堂的學習動機效應高于傳統課堂，且AI課堂的滿意度很高，而這與AI課堂采取的小組合作學習模式密切相關。在傳統課堂，學生往往被動地接受知識，缺少主動思考的意識和行動，導致課堂氣氛沉悶、學習效果不理想。而在AI課堂，小組合作學習模式能夠充分發揮學生的主體性，并在同伴互幫、互助的過程中讓學生獲得認可、感受到個人價值，從而更有興趣和動力去探究知識。此外，小組內部的合作與互助可以減輕學生的學習壓力，讓學生更有學習信心^[36]。目前，AI課堂小組合作學習已配有一套系統的教學流程：①課前，開展準備課，學生親自參與小組分組過程；分組完成后，由學生自主推選大組長和輪值小組長，并讓兩類組長明確自己的工作職責。②課中，大組長組織小組討論和發言，輪值小組長記錄組員的表現，各小組成員積極展開討論；討論結束后所有成員投票，選出小組代表分享本組的討論結果。③課后，輪值小組長公布各成員表現，所有成員投票選出“表現最佳成員”、由其擔任下一節課的輪值小組長。此過程不僅鍛煉了學生的組織能力，也充分發揮了學生的主觀能動性，更讓學生獲得了學習的成就感、體會到了合作學習的重要性。AI課堂采取的小組合作學習模式，打破了傳統課堂師生單一的雙元互動關系，形成了以AI教師主講、真人教師輔助、學生自主學習、全模態資源呈現等多元互動的全新課堂^[37]，且互動方式有趣、有創意，能夠激發學生的求知欲，提升學生分析問題、解決問題的能力，對提高AI課堂滿意度大有裨益。

五 結語

本研究通過AI課堂與傳統課堂學習動機效應的對比實驗，探究了AI課堂與傳統課堂的學習動機效應差異，剖析了AI課堂學習動機增強效應的成因，可為增強學生的學習動機提供實證支持，并為提升AI全科教師主講課堂的教學成效提供重要參考。然而，由于受當前交互技術、資源供給、經驗條件等因素的限制，本研究仍存在一定的局限性，如研究方法主要采用量表調查和訪談，未能體現教學探究的整體主義^[38]；再如，樣本來源單一，研究對象僅限于小學生，且學科僅限于語文、數學、英語三門主科。對此，后續研究需要從整體主義的研究方法出發，采取行動研究，選用適合的方法（如交叉使用描述性、因果-比較研究設計或實驗設計等）進行多輪實驗及其效果驗證，從而超越孤立、走向整體；同時，在條件允許情況下，擴大樣本范圍，延長實驗時間，以使實驗驗證過程更加充分，所得結論更具有普適性。

參考文獻

[1]新華社.中共中央、國務院印發《中國教育現代化2035》[OL].

lt;https：//www.gov.cn/xinwen/2019-02/23/content_5367987.htmgt;

[2]李青，劉勇.教育虛擬數字人標準體系設計及其路徑規劃[J].現代教育技術，2024，（7）：70-80.

[3][15]Edwards A， Edwards C， Spence P R， et al. Robots in the classroom： Differences in students’ perceptions of credibility and learning between “teacher as robot” and “robot as teacher”[J]. Computers in Human Behavior， 2016，65：627-634.

[4][32]阮婷婷，黃甫全，曾文婕.智能化學本評估初探——基于AI教師主講課堂的試驗研究[J].教育研究與實驗，2021，（2）：69-75.

[5][12]黃甫全，伍曉琪，丘詩盈，等.AI全科教師主講課程學習成效試驗研究[J].開放教育研究，2021，（1）：32-43.

[6]高意博，黃甫全，劉大軍.新課標下AI賦能義務教育課程高質量發展[J].湖南師范大學教育科學學報，2022，（5）：80-89.

[7]余青蘭，王美倩.動機設計模型ARCS研究的新進展及其在外語教學中的應用[J].現代教育技術，2015，（5）：103-109.

[8][21][29]Keller J M. Development and use of the ARCS model of insructional design[J]. Journal of Instructional Development， 1987，（3）：2-10.

[9]Keller J M. The systematic process of motivational design[J]. Performance Instruction， 1987，（9-10）：1-8.

[10][30]劉爽，鄭燕林，阮士桂.ARCS模型視角下微課程的設計研究[J].中國電化教育，2015，（2）：51-56、77.

[11]Keller J M. An integrative theory of motivation， volition， and performance[J]. Technology， Instruction， Cognition， and Learning， 2008，6：79-104.

[13]Hong Z W， Huang Y M， Hsu M， et al. Authoring robot-assisted instructional materials for improving learning performance and motivation in EFL classrooms[J]. Journal of Educational Technology amp; Society， 2016，（1）：337-349.

[14]Hsieh Y Z， Lin S S， Luo Y C， et al. ARCS-assisted teaching robots based on anticipatory computing and emotional big data for improving sustainable learning efficiency and motivation[J]. Sustainability， 2020，（14）：5605.

[16]Chang C W， Lee J H， Wang C Y， et al. Improving the authentic learning experience by integrating robots into the mixed-reality environment[J]. Computers amp; Education， 2010，（4）：1572-1578.

[17][37]Chin K Y， Hong Z W， Chen Y L. Impact of using an educational robot-based learning system on students’ motivation in elementary education[J]. IEEE Transactions on Learning Technologies， 2014，（4）：333-345.

[18]Kanda T， Hirano T， Eaton D， et al. Interactive robots as social partners and peer tutors for children： A field trial[J]. Human–Computer Interaction， 2004，（1-2）：61-84.

[19]?zdemir D， Karaman S. Investigating interactions between students with mild mental retardation and humanoid robot in terms of feedback types[J]. Egitim Ve Bilim-Education and Science， 2017，（191）：109-138.

[20]Ramachandran A， Huang C M， Scassellati B. Toward effective robot-child tutoring： Internal motivation， behavioral intervention， and learning outcomes[J]. ACM Transactions on Interactive Intelligent Systems （TiiS）， 2019，（1）：1-23.

[22]Tabachnick B G， Fidell L S. Using multivariate statistics （5th ed）[M]. Boston： Pearson Education， 2007：674-730.

[23]張鵬.智能機器人輔助教育及其應用[J].中國電化教育，2009，（2）：84-86.

[24]Ryu H J， Kwak S S， Kim M S. Design factors for external form of robots as elementary school teaching assistants[J]. Bulletin of Japanese Society for the Science of Design， 2008，（6）：39-48.

[25]Draper T W， Clayton W W. Using a personal robot to teach young children[J]. The Journal of Genetic Psychology， 1992，（3）：269-273.

[26]Serholt S， Barendregt W， Leite I， et al. Teachers’ views on the use of empathic robotic tutors in the classroom[A]. The 23rd IEEE International Symposium on Robot and Human Interactive Communication[C]. Edinburgh： IEEE， 2014：955-960.

[27]Andrist S， Mutlu B， Tapus A. Look like me： Matching robot personality via gaze to increase motivation[A]. Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems[C]. New York： Association for Computing Machinery， 2015：3603-3612.

[28]Arroyo D， Guo Y， Yu M， et al. Towards the design of a robot for supporting children’s attention during long distance learning[A]. International Conference on Social Robotics[C]. Cham： Springer， 2020：332-343.

[31]曾文婕，周子儀，黃甫全.人工智能與課堂教學深度融合的新路向——以“AI全科教師主講課堂開發”為例[J].教師教育學報，2021，（4）：38-47.

[33]Deublein A， Pfeifer A， Merbach K， et al. Scaffolding of motivation in learning using a social robot[J]. Computers amp; Education， 2018，125：182-190.

[34]Davison D P， Wijnen F M， Charisi V， et al. Words of encouragement： How praise delivered by a social robot changes children’s mindset for learning[J]. Journal on Multimodal User Interfaces， 2021，（2）：61-76.

[35]Mumm J， Mutlu B. Designing motivational agents： The role of praise， social comparison， and embodiment in computer feedback[J]. Computers in Human Behavior， 2011，（5）：1643-1650.

[36]David W J， Roger T J， Barbara T. Impact of cooperative and individualistic learning on high-ability students’ achievement， self-esteem， and social acceptance[J]. The Journal of Social Psychology， 1993，（6）：839-844.

[38]黃甫全.師生主體、知識價值與整體方法——文化教學認識論綱[J].教育發展研究，2010，（22）：31-38.

An Analysis on the Enhancement Effect of Learning Motivation in AI General Teacher-Led Instruction Classroom

——An Empirical Research Based on the Comparative Trial

ZENG Shu-Zhen¹" ""WANG Miao²" ""LIN Yong-Cen³" ""REN Song²" ""HUANG Fu-Quan^{4，5[Corresponding Author]}

（1. Tao Yuan Primary School， Shenzhen， Guangdong， China 518000; 2. School of Education， South

China Normal University， Guangzhou， Guangdong， China 510631; 3.The Kindergarten of GFPPCO，

Guangzhou， Guangdong， China 510000; 4. School of Fundamental Education， South China Normal

University， Shanwei， Guangdong， China 516625; 5. The Lab for Neuroscience and Artificial Intelligence

in Moral Learning， South China Normal University， Guangzhou， Guangdong， China 510631）

Abstract： The technological innovation of educational artificial intelligence （AI） and the development demands of educational modernization has given birth to the AI teacher-led instruction （AITLI） classroom， and the enhancement effect of learning motivation is an important standard to measure the teaching effectiveness of this classroom. Based on this， relied on the ARCS （attention， relevance， confidence， satisfaction） motivation model， this paper carried out a comparative experiment on the learning motivation effectiveness between AITLI classroom and human teacher-led instruction （HMTLI） classroom. On the one hand， this paper explored the differences in learning motivation effectiveness between AITLI classroom and HMTLI classroom through descriptive statistical analysis of scale data and independent sample test. On the other hand， through the interview text coding analysis， the causes of the enhancement effect of learning motivation in AITLI classroom were analyzed. The results showed that compared with the HMTLI classroom， the learning motivation effect of AITLI classroom was more prominent than that of HMTLI classroom， and the satisfaction of AITLI classroom was high. Group cooperation in AITLI classroom， and AI teachers’ appearance， movement， expression， voice and other attributes affected the enhancement effect of learning motivation. Therefore， effective strategies to exert the enhancement effect of learning motivation in AITLI classroom were proposed from four dimensions of attention， relevance， confidence and satisfaction， aiming to promote students’ learning motivation and further improve the teaching effectiveness in AITLI classroom.

Keywords： AI teacher; AITLI classroom; HMTLI classroom; learning motivation; ARCS motivation model

*基金項目：本文為廣東省哲學社會科學規劃2022年度一般項目“新唯物主義智能化學習技術代理主體論”（項目編號：GD22CJY13）的階段性研究成果。

作者簡介：曾淑真，碩士，研究方向為課程與教學基本理論、教育人工智能開發，郵箱為1057513324@qq.com。

收稿日期：2024年2月27日