教育智能體如何提供更有效的支持？

[摘" "要] 教育智能體在數智空間中可扮演虛擬教師等角色并提供各類育人功能，對學習者的認知和情感發展有著重要影響。研究基于多媒體學習認知情感理論，利用教育智能體為學習者提供不同類型的認知支持與情感支持，并借助EEG信號探究不同類型的支持對學習的影響及其腦機制問題，為教育智能體的優化設計提供科學依據。研究發現：教育智能體的問題化元認知提示和積極情緒設計的組合是最有效的支持方式，可全方位改善學習者的元認知水平、情緒狀態、學習效果和大腦認知過程；大腦額葉區的Alpha、Beta、Gamma波越活躍，學習者的元認知水平越高，但也造成了更多的認知負擔，導致學習效果不佳。最后，研究提出三條教育智能體設計和開展相關研究的建議：合理設置問題化元認知提示，引領學習者高階思維能力的發展；融合問題化元認知提示與積極情緒設計，促進學習者認知和情感的全面發展；借助EEG技術揭示腦機制，提供教育智能體優化的底層邏輯。

[關鍵詞] 教育智能體； 腦電圖信號； 腦機制； 元認知提示； 情緒設計

[中圖分類號] G434" " " " " " [文獻標志碼] A

一、引" "言

教育智能體（Pedagogical Agent，PA），又稱為教學代理，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，還可融入各類學習環境中，為學習者提供認知支持以及包含社會文化的學習體驗[1]。早期的教育智能體主要擔任導學角色，輔助教師解答學生疑問并提供即時反饋[2]。隨著人工智能、虛擬現實等技術的飛速發展，教育智能體的形象更加逼真、功能愈發智能，可為學習者講解教學內容、推送學習資源、提供交互反饋和情感支持等，給學習者帶來更加個性化、智能化的學習體驗。教育智能體不僅承載著傳授知識的基本職能，更有著獨特的育人功能。如何充分發揮教育智能體的育人優勢，引導學習者發展高階思維能力并養成數智空間中良好的學習習慣，這是亟須解決的新型教育問題，更是主動權必須掌握于人而不是機器的教育問題[3]。因此，教育智能體為學習者提供的支持不應只是知識的“傳遞者”，而應該扮演促進學習者認知和情感全面發展的“真導師”。

然而，當前鮮有研究對教育智能體如何為學習者提供有效支持、不同類型的支持影響學習的內部機制等問題開展深入探索。基于此，本研究通過教育智能體的元認知提示與情緒設計，為學習者提供認知和情感支持，并借助腦電圖（Electroencephalogram，EEG）信號深入剖析學習者獲得不同支持時的大腦認知規律，以回應“教育智能體如何提供更有效的支持”這一核心問題，為教育智能體的優化設計提供科學依據，為數智空間中的人才培養提供新的視角和解決方案。

二、理論框架與文獻綜述

（一）理論框架

多媒體學習認知情感理論（Cognitive-Affective Theory of Learning with Media，CATLM）是Moreno在Mayer的多媒體學習認知理論基礎上提出的[4]。該理論提出了情感中介假設與元認知中介假設，認為情感和動機因素通過增加或減少認知來調節學習，而元認知因素可以通過調節認知和情感過程來影響學習（如圖1所示）。具體來說，根據情感中介假設，積極情緒能夠促進學習者深入思考，調動更充分的認知加工資源理解學習內容，從而提高學習效果。元認知中介假設認為，當學習者能夠意識到自己的知識水平、情感和動機的優勢與局限性時，就可以通過元認知中的計劃和監控能力，理解自身所要付出的認知努力，進而更好地調節學習。基于多媒體學習認知情感理論，在教學視頻、虛擬現實等各類學習環境中，教育智能體可通過自身的語言、表情、動作、聲音和交互等功能激發學習者的積極情緒、引導學習者的元認知活動，進而幫助學習者啟動、維持和控制認知加工過程，促進深度認知處理和有意義學習的發生，最終提升學習者的學習表現。總的來說，通過對教育智能體的元認知引導功能和情緒特征進行合理設計，為學習者提供認知和情感支持，有望全面改進學習者的認知過程、情緒狀態、元認知水平及學習效果。

（二）相關研究現狀與問題的提出

以往的國內外相關研究主要關注教育智能體的形象、性別等呈現方式和交互反饋等功能設計對學習的影響[5]。近年來，有研究者也開始關注教育智能體的情緒特征對學習的影響。例如：劉清堂等人的研究發現，學習者對提供學習情況和積極情緒反饋的教育智能體的接受程度顯著高于僅提供學習情況反饋的教育智能體[6]；Lawson和Mayer通過實驗證明，教育智能體的積極情緒特征也激發學習者產生了相應的積極情緒，學習者認為具有積極情緒的教育智能體更可信、更人性化[7]。可見，教育智能體的情緒設計可以作為激發學習者積極情緒的有效方法，進而幫助學習者主動調節認知加工過程、促進深度認知處理，最終獲得良好的學習效果。

元認知提示指整合在學習情境中，通過引導學習者的元認知活動（如計劃、監控、調節、評估等）來支持其對認知活動監控及調節，從而優化學習路徑，提升學習效果[8]。元認知提示一般以問題或建議的形式呈現，可分為問題化提示和結構化提示兩種類型。其中，問題化提示以高開放式問題呈現，指導性較弱，旨在引發學習者對任務完成及元認知決策所需步驟的深層獨立思考；結構化提示則以低開放式問題呈現，除問題本身外，還會通過增加額外的指導、例子或縮小答案選擇范圍等方式來幫助學習者降低任務的復雜性和范圍，提升元認知意識[9]。國內外相關研究發現，兩種提示在提升學習者元認知知識或技能方面具有不同程度的積極作用。例如：Molenaar等人的研究發現，提供問題化提示和結構化提示均有助于增強學習者的元認知活動，且接受問題化提示的學生表現更好[10]。

綜上所述，情緒設計可作為教育智能體提供情感支持的手段，但還沒有研究將元認知提示作為教育智能體提供認知支持的手段。因此，也沒有研究將教育智能體的元認知提示與情緒設計相結合，為學習者提供元認知和情感的雙重支持，對其內部機制尤其是大腦認知規律也缺乏深入探索。

因此，本研究基于多媒體學習認知情感理論，通過EEG信號和相關測量工具深入探究教育智能體的元認知提示（問題化和結構化）和情緒設計（中性和積極）對學習的影響及其腦機制問題，具體將解決以下3個研究問題：教育智能體的元認知提示和情緒設計對學習者的學習效果有何影響；教育智能體的元認知提示和情緒設計對學習者的元認知水平和情緒體驗有何影響，元認知水平和情緒體驗對學習效果是否存在預測作用；教育智能體的元認知提示和情緒設計的腦機制是什么。最終，本研究將根據上述問題的發現回應“教育智能體如何提供更有效的支持”這一核心問題。

三、研究方法

（一）實驗設計與被試

本研究采用2（元認知提示）×2（情緒設計）的兩因素被試間實驗設計，教育智能體的元認知提示設計包括“問題化提示”“結構化提示”兩種類型，情緒設計包括“中性情緒”“積極情緒”兩種類型，最終形成四個實驗組：“問題化提示amp;中性情緒”組、“問題化提示amp;積極情緒”組、“結構化提示amp;中性情緒”組、“結構化提示amp;積極情緒”組。從T大學招募非生物專業的被試120人，去除先前知識水平較高、腦電數據測量中斷的被試16人，最終保留104人（男生11人，女生93人，年齡在18～25歲之間），將男生和女生分別隨機分配至四個實驗組中，每組被試25～29人，四組被試的年齡（F=1.152，p=0.332）以及性別比例都不存在顯著性差異（χ2=4.640，p=0.201）。

（二）學習材料

本研究將教育智能體融入較為常見的在線視頻學習情境中，為學習者提供元認知提示和情感支持。視頻學習材料來源于高中生物人教版統編教材中“有氧呼吸的過程”這一章節的配套視頻資源。參考De Backer等人[9]的研究，教育智能體的元認知提示（問題化和結構化）出現在視頻學習開始之前、知識點之間以及視頻學習結束之后，引導學習者對學習任務的目標、計劃、進度及自我評價進行深層次思考，開展計劃、監控、調節、評估等元認知活動，樣例如圖2（a）（b）所示。問題化提示設置開放式提問并要求學習者在文本框中予以回答，引導學習者開展元認知活動；結構化提示則為學習者提供相應的參考選項并要求學習者根據參考選項在文本框中予以回答，以此來降低元認知任務的復雜性。參考朱珂等人[11]的研究，教育智能體的情緒設計（中性和積極）貫穿于整個視頻學習材料，樣例如圖2（c）（d）所示。中性情緒的教育智能體采用中性表情、平靜語調和中性情感詞匯；積極情緒的教育智能體采用微笑表情、熱情語調和積極情感詞匯。

（三）測量變量及工具

本研究使用的測量工具及其說明，見表1。

（四）實驗流程

本研究的實驗流程，如圖3所示。

四、結果分析與討論

本研究導出四個實驗組的學習效果、元認知水平、情緒體驗和各腦區腦波指標的平均值（M）與標準差（SD），見表2。采用兩因素方差分析探究教育智能體的元認知提示與情緒設計對各因變量的主效應和交互作用；采用線性回歸分析探究元認知水平和積極情緒對學習效果的預測作用；采用相關性分析探究腦認知與元認知水平、情緒狀態和學習效果之間的關聯。

（一）教育智能體的元認知提示和情緒設計對學習者學習效果的影響

教育智能體的元認知提示和情緒設計對保持和遷移測試成績均無顯著的主效應，但存在邊緣顯著或顯著的交互作用（F=2.839，p=0.095，η2=0.028；F=4.989，p=0.028，η2=0.048）。進一步的簡單效應分析發現，在問題化提示條件下，教育智能體的積極情緒顯著提升了遷移測試成績（p=0.039）。通過此結果，可以得出如下結論：

第一，教育智能體的元認知提示和情緒設計對學習者的保持測試成績沒有顯著的影響。這或許是因為本研究中的視頻學習內容為陳述性知識，相對比較簡單，學習時長也較短，學習者對知識記憶的難度不大，因此，教育智能體的元認知提示和情緒設計均未對學習者的學習數量產生顯著的影響。

第二，教育智能體的問題化提示和積極情緒設計組合可顯著提升學習者的遷移測試成績。這說明當教育智能體通過問題化元認知提示和積極情緒設計為學習者提供認知和情感的雙重支持時，更有利于學習者對學習內容的深度理解與遷移應用。這是因為問題化提示以高開放式問題呈現，給學習者更多的空間獨立思考決策并最終完成任務，在這個過程中充分調動自身的元認知活動，進而提高知識的遷移能力。當學習者遇到元認知這類高階思維任務時，教育智能體的積極情緒營造了一種輕松愉悅的學習環境，能夠幫助學習者有效分配認知加工資源、加深對知識的理解，最終提高學習質量[14]。

（二）教育智能體的元認知提示和情緒設計對學習者元認知水平和情緒體驗的影響，以及元認知水平和情緒體驗對學習效果的預測作用

情緒體驗：教育智能體的元認知提示對積極情緒有顯著的主效應（F=10.437，p=0.002，η2=0.095），問題化提示顯著優于結構化提示。情緒設計的主效應和二者的交互作用都不顯著。

元認知水平：教育智能體的元認知提示對元認知評價的主效應邊緣顯著（F=3.349，p=0.070，η2=0.032），問題化提示顯著優于結構化提示，情緒設計無顯著的主效應。元認知提示和情緒設計對元認知評價存在顯著的交互作用（F=7.070，p=0.009，η2=0.066）。簡單效應分析發現，在問題化提示條件下，積極情緒顯著提升了元認知評價水平（p=0.021）；在積極情緒條件下，問題化提示顯著提升了元認知評價水平（p=0.002）。元認知提示和情緒設計對元認知計劃、監控和調節都無顯著的主效應和交互作用。

情緒體驗與元認知水平對學習效果的預測作用：將積極情緒及元認知水平作為自變量，將學習效果（保持和遷移測試成績之和）作為因變量，進行線性回歸分析，結果發現積極情緒與元認知中的監控、調節和評價都對學習效果產生了正向影響。多元線性回歸方程及其統計檢驗量分別為：學習效果=4.503+0.069×積極情緒+0.022×元認知監控（F=3.226，p=0.044）；學習效果=4.565+0.072×積極情緒+0.019×元認知調節（F=3.176，p=0.046）；學習效果=4.643+0.071×積極情緒+0.016×元認知評價（F=3.176，p=0.046）。

通過上述分析，可以得出以下結論：

首先，教育智能體的問題化提示可以激發學習者的積極情緒。此發現與Feng等人[15]的研究結論一致，問題化提示可以有效激發學習者的好奇心和學習興趣，并幫助學習者進行情緒調節，最終產生積極的情緒狀態。此外，控制—價值理論認為，積極情緒可由控制活動或對結果的認知評估而誘發[16]，教育智能體的問題化提示通過為學習者提供具有挑戰性的學習任務，提升了學習者對學習過程和成果的控制、感知與評價水平，從而對學習者的情緒產生了積極影響。

其次，教育智能體的問題化提示及其與積極情緒設計組合時，可提升學習者的元認知評價水平。這表明教育智能體為學習者提供問題化提示和積極情緒設計的雙重支持時，可以有效促進學習者對學習過程與成果的深層反思，使其更有效地評估和調節認知過程進而提升元認知評價能力。可能的原因包括：一方面，問題化提示能夠鼓勵學習者進行自我解釋，積極參與學習過程并開展深層次的反思與評價；另一方面，教育智能體呈現出的積極情緒線索可以改善學習者的認知能力，并激活學習者更高水平的學習動機，促使其調用更多的元認知學習策略。

最后，學習者的元認知水平和積極情緒體驗對學習效果具有一定的預測作用。這表明教育智能體通過恰當的認知支持（問題化提示）和情感支持（積極情緒設計），激發了學習者的積極情緒，提升了學習者的元認知水平，進而促進了學習者對知識的記憶和遷移應用，最終實現高效的學習，符合前述的多媒體學習認知情感理論的核心觀點與假設。

（三）教育智能體的元認知提示和情緒設計的腦機制

1. 腦電指標的選取

人類的大腦是中樞神經系統最高級的部分，包括左右大腦半球，每個半球包含額葉、顳葉、頂葉、枕葉四個區域，與人類的認知和情緒等活動相關[17]。例如：大腦前額葉皮層與元認知監控高度相關，專門負責策略的選擇和行為的控制[18]，額葉也與情緒有關[19]；顳葉尤其與聽覺信息加工、長時記憶的形成和儲存有密切關系[20]，頂葉與枕葉在視覺注意中發揮重要作用，可以幫助引導視覺注意[21]。EEG信號是使用電生理指標來反映大腦活動的數據，是評估認知和情緒的重要方法[22]。EEG信號從頻域上可以分為Delta、Theta、Alpha、Beta、Gamma五種波型，但Delta波通常在無意識或極度疲倦狀態下出現，Theta波在心理和精神上呈現極度松弛狀態下（如常說的“半夢半醒之間”）出現，Alpha、Beta、Gamma波通常用于學習場景中反映學習者的認知與情緒狀態[23]。綜上所述，本研究導出額葉、顳葉、頂葉、枕葉四個腦區的Alpha、Beta、Gamma波，用以分析大腦工作機制問題。

2. 腦電數據分析

四組的Alpha、Beta、Gamma波均在額葉區有強烈的平均功率譜能量，且Alpha、Beta波的平均功率譜能量要強于Gamma波。這是因為額葉作為大腦發育中最高級的一部分，對人的高級的、目的性行為有重要作用[24]。除此之外，“問題化提示amp;中性情緒”組三種腦波的平均功率譜能量都最強烈（如圖4所示，顏色越淺代表平均功率譜能量越強烈），但該組的保持和遷移測試成績均為最低（見表2），可見過于活躍的大腦狀態反而會阻礙學習。

腦波數據的差異情況：教育智能體的元認知提示對額葉區的Beta、Gamma波主效應顯著（F=5.574，p=0.020，η2=0.053；F=7.161，p=0.009，η2=0.067），問題化提示顯著高于結構化提示。教育智能體的情緒設計對額葉、枕葉區的Gamma波主效應顯著（F=6.040，p=0.015，η2=0.058；F=6.502，p=0.012，η2=0.061），中性情緒顯著高于積極情緒。教育智能體的元認知提示和情緒設計對所有腦區的三種腦波都存在顯著的交互作用。進一步的簡單效應分析表明，在問題化提示條件下，教育智能體的中性情緒顯著提升了額葉、顳葉、頂葉、枕葉區的Alpha波（p=0.002；p=0.006；p=0.004；p=0.009）和Beta波（plt;0.001；p=0.031；p=0.015；p=0.001）以及Gamma波（plt;0.001；p=0.001；plt;0.001；plt;0.001）；在中性情緒設計條件下，教育智能體的問題化提示顯著提高了額葉、顳葉、頂葉、枕葉區的Alpha波（p=0.001；p=0.010；p=0.017；p=0.037）和Gamma波（plt;0.001；p=0.003；plt;0.001；plt;0.001），以及額葉、頂葉、枕葉區的Beta波（plt;0.001；p=0.026；p=0.002）。

腦波數據與其他測量指標之間的相關性：元認知水平與額葉區的Alpha、Beta波，以及顳葉與額葉區的Gamma波顯著正相關（r=0.232，p=0.018；r=0.271，p=0.005；r=0.225，p=0.022；r=0.193，p=0.049）；遷移測試成績與額葉區的Alpha、Gamma波顯著負相關（r=-0.203，p=0.039；r=-0.208，p=0.034）。

通過上述分析，可以得出如下結論：

第一，問題化提示與中性情緒的組合顯著提升了學習者大腦的活躍程度。首先，教育智能體問題化提示和中性情緒設計組合時提升了額葉、顳葉區的Alpha波。Alpha波多在學習者平靜及放松時出現[25]，表明此種組合設計使得學習者的大腦過于放松。其次，當教育智能體的問題化提示和中性情緒設計組合時，額葉和枕葉區的Beta波也十分活躍，Beta波不僅能反映學習者的注意力情況，還可以作為認知負荷的衡量指標[26]，表明該組合設計使學習者在信息加工時投入了過多精力，造成了一定的認知負擔。最后，教育智能體的問題化提示和中性情緒組合時提升了額葉、頂葉與枕葉區的Gamma波。Gamma波與感知、記憶和注意等高級認知活動密切相關，在大腦額葉有較多分布[27]。額葉可以負責學習過程中的元認知監控活動，引導學習者進行自我決策。因此，該組合設計使學習者進行了更深入的元認知調動，提高了信息加工中的高級認知水平，但學習者也付出了更多的努力。

第二，學習者的腦波與元認知水平和學習效果之間存在著一定的關聯機制。首先，學習者的元認知水平與額葉區的Alpha、Beta波，以及額葉、顳葉區的Gamma波顯著正向相關。這表明學習者元認知的調動程度與其額葉區的腦波活動存在較強的關聯，可作為元認知水平的腦波指標表征。其次，學習者的遷移測試成績與其額葉區的Alpha、Gamma波顯著負相關，即額葉區的Alpha、Gamma波高度活躍時，對學習效果有抑制作用。總體來講，大腦的放松或活躍程度、認知負荷與學習成績密切相關，過于放松或活躍的大腦狀態、較高的認知負荷水平使得學習者無法有效地分配認知資源，最終導致了較差的學習效果。

五、結論及建議

總體來講，教育智能體的問題化元認知提示和積極情緒設計的組合是最有效的支持方式，對學習者的元認知水平、情緒狀態、學習效果和大腦認知可發揮全方位的促進作用，可有效改善在線環境中學習者缺乏高階交互、情感共鳴，以及認知負擔過重等現象[28]。本研究提出教育智能體的優化設計策略及利用EEG信號深化數智時代大腦認知發展研究的建議，以期為人工智能時代下教育智能體的功能設計提供參考，推動教育智能體向“真導師”角色實質性邁進。

（一）合理設置問題化元認知提示，引領學習者高階思維能力的發展

通過教育智能體提供問題化元認知提示，可以有效引導學習者開展深度思考、監控學習進度、評估理解程度并調整學習策略，促進其高階思維能力的發展。本研究發現，當教育智能體通過問題化元認知提示為學習者提供認知支持時，有效提升了學習者的元認知評價能力及學習效果。這與以往研究結論一致，進一步證實了問題化元認知提示可以有效發展學習者的元認知技能，在培養學習者自主學習能力、深化知識理解以及實現學習目標方面具有關鍵作用。基于此，未來研究應當考慮在各類數智學習環境下，尤其是在生成式人工智能的加持下，通過教育智能體主動為學習者提供問題化元認知提示，以優化基于ChatGPT等人工智能技術的會話代理的交互功能，引導學習者主動監控學習進程，滿足學習者的深層認知需求，從而實現更加高效的學習[29]。

（二）融合問題化元認知提示與積極情緒設計，促進學習者認知和情感的全面發展

利用教育智能體同時提供元認知提示和積極情緒的雙重支持，幫助學習者及時調節情緒狀態，維持合理的認知加工資源分配。本研究中，當教育智能體提供問題化提示支持時，積極情緒設計（如鼓勵性的語言或微笑表情等）調和了學習者的高認知負擔狀態，幫助學習者合理控制了認知負荷，更有利于學習者知識遷移能力的提升。此結論也進一步證實了元認知提示與積極情緒設計相輔相成，能有效促進認知處理、增強元認知技能、改善學習情緒，共同有效推動學習進程。基于此，未來研究應更加注重教育智能體認知支持與情感支持的協同作用，如利用大語言模型技術，實現更加智能化、人性化的對話機制，以實時監測、調節學習者的情緒狀態，進而適時引導學習者的認知方向，扮演有情感溫度的“真導師”，促進學習者認知和情感的全面發展。

（三）借助EEG信號揭示腦機制，提供教育智能體優化的底層邏輯

教育者和研究者還應持續深入探索教育智能體影響大腦認知發展的底層邏輯，以腦為導向促進學習者在數智化環境中的有效學習。本研究借助EEG信號揭示了部分教育智能體影響大腦認知的機理：學習者的元認知水平越高，其額葉區的Alpha、Beta波，額葉與顳葉區的Gamma波越活躍；學習者的遷移測試成績越差，其認知負荷越高、注意力越渙散，額葉區的Alpha、Beta、Gamma波也越活躍。這些發現不僅為教育智能體的優化設計提供了腦機制方面的依據，還可為促進學習者在數智空間中的大腦認知發展及有效學習的研究與實踐提供參考。此外，還可借助心率變異性、皮膚電反應和肌電圖等多模態采集及分析技術實時關注學習者在數智空間中的內在狀態與認知行為，據此通過教育智能體為學習者提供更精準、有效的個性化認知與情感支持[30]。

本研究仍存在一些不足及后續改進的方向。第一，研究中采用的教育智能體的有用性、易用性以及性別、形象等基本特征尚未經過系統評估；第二，本研究中的被試為大學生，并且多為女性，研究結論是否適用于其他年齡和性別的學習者仍有待驗證。因此，后續研究應該著重關注這些可能對研究結論產生影響的因素，進一步拓展教育智能體的“育人”功能。

[參考文獻]

[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，2021，39（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，2017，23（5）：11-20．

[3] 徐振國，劉志，黨同桐，等． 教育智能體的發展歷程、應用現狀與未來展望[J]． 電化教育研究，2021，42（11）：20-26，33．

[4] MORENO R． Does the modality principle hold for different media？A test of the method-affects-learning hypothesis[J]． Journal of computer assisted learning，2006，22（3）：149-158．

[5] 王雪，喬玉飛，王崟羽，等． 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[J]． 現代教育技術，2022，32（8）：59-66．

[6] 劉清堂，尹興翰，章光瓊，等． 在線協作會話中情緒設計支持的教學代理反饋模型構建及應用研究[J]． 電化教育研究，2024，45（1）：84-91，99．

[7] LAWSON A P， MAYER R E． Does the emotional stance of human and virtual instructors in instructional videos affect learning processes and outcomes？[J]． Contemporary educational psychology，2022，70：102080．

[8] BERTHOLD K， N？譈CKLES M， RENKL A． Do learning protocols support learning strategies and outcomes？ The role of cognitive and metacognitive prompts[J]． Learning and instruction，2007，17（5）：564-577．

[9] DE BACKER L， VAN KEER H， VALCKE M． Eliciting reciprocal peer-tutoring groups' metacognitive regulation through structuring and problematizing scaffolds[J]． The journal of experimental education，2016，84（4）：804-828．

[10] MOLENAAR I， VAN BOXTEL C A M， SLEEGERS P J C． The effects of scaffolding metacognitive activities in small groups[J]．Computers in human behavior，2010，26（6）：1727-1738．

[11] 朱珂，卞茗慧，王東． 教育智能體情緒線索賦能在線學習的模型構建及實踐研究[J]． 遠程教育雜志，2024，42（3）：68-78，112．

[12] 邱林，鄭雪，王雁飛． 積極情感消極情感量表（PANAS）的修訂[J]． 應用心理學，2008，14（3）：249-254，268．

[13] 郝少榮． 元認知策略在高中英語（牛津上海版）教學中應用的研究[D]． 上海：華東師范大學，2007．

[14] 王雪，高澤紅，張蕾，等． 價值誘導促進視頻學習的機制和策略研究：基于多模態數據的分析[J]．電化教育研究，2022，43（2）：56-63．

[15] FENG C Y， CHEN M P． The effects of goal specificity and scaffolding on programming performance and self-regulation in game design[J]． British journal of educational technology，2014，45（2）：285-302．

[16] PEKRUN R． The control-value theory of achievement emotions： assumptions，corollaries，and implications for educational research and practice[J]． Educational psychology review，2006，18（4）：315-341．

[17] CHO A N， JIN Y， AN Y， et al． Microfluidic device with brain extracellular matrix promotes structural and functional maturation of human brain organoids[J]． Nature communications，2021，12（1）：4730．

[18] 劉淑芳，陳功香． 基于腦科學的動態元認知監控理論新發展[J]． 教育生物學雜志，2023，11（1）：1-6．

[19] DAVIDSON R J， JACKSON D C， KALIN N H． Emotion，plasticity，context，and regulation： perspectives from affective neuroscience[J]． Psychological bulletin，2000，126（6）：890-909．

[20] SQUIRE L R， ZOLA-MORGAN S． The medial temporal lobe memory system[J]． Science，1991，253（5026）：1380-1386．

[21] CULHAM J C， KANWISHER N G． Neuroimaging of cognitive functions in human parietal cortex[J]． Current opinion in neurobiology，2001，11（2）：157-163．

[22] 徐曉青，趙蔚，劉紅霞． 混合式學習環境下情緒分析應用與模型研究——基于元分析的視角[J]． 電化教育研究，2018，39（8）：70-77．

[23] 王雪，牛玉潔，賈薪卉，等． VR和情緒誘發對學習影響的腦機制及優化策略研究[J]． 遠程教育雜志，2023，41（6）：84-93．

[24] 李菲． 經顱交流電刺激在運動學習與工作記憶方面的研究[D]． 南京：南京郵電大學，2022．

[25] 秦天鵬，生慧，岳路，等． 腦電信號情緒識別研究綜述[J]． 計算機工程與應用，2023，59（15）：38-54．

[26] MUTLU-BAYRAKTAR D， OZEL P， ALTINDIS F， et al． Split-attention effects in multimedia learning environments：eye-tracking and EEG analysis[J]． Multimedia tools and applications，2022，81（6）：8259-8282．

[27] 王碧霄． 數字工作記憶任務下的EEG機理與分類研究[D]． 南京：南京郵電大學，2023．

[28] 魏雪峰． 互聯網教育服務：分析、評價與實踐[M]． 北京：中國社會科學出版社，2023：98-121．

[29] 翟雪松，張麗潔，夏亮亮，等． 基于GAI的逆向工程教學思維在人機協作中的應用研究——以編程教育為例[J]． 電化教育研究，2024，45（9）：61-68．

[30] 吳林靜，陳夢凡，高喻，等． 面向調節學習支持的智能教學代理設計與實證研究[J]． 電化教育研究，2024，45（11）：53-60．

How Can Pedagogical Agents Provide More Effective Support？ —Exploration of Brain Mechanisms and Optimization Strategies Based on EEG Signals

WANG Xue， SUN Minglin， YANG Jie， DENG Li

（Faculty of Education， Tianjin Normal University， Tianjin 300387）

[Abstract] Pedagogical agents （PAs） can serve as virtual teachers， offering various nurturing functions in the Digital Intelligence Space（DIS）， significantly influencing learners' cognitive and affective development. Based on the cognitive-affective theory of learning with media （CATLM）， this study provides learners with different types of cognitive and affective support through PAs， and explores the impact of the support on learning and its brain mechanism with the help of EEG signals， so as to provide a scientific basis for the optimal design of PAs. It has been found that the combination of problematic metacognitive prompts and positive emotional design of the PA is the most effective support for enhancing learners' metacognitive levels， emotional states， learning outcomes， and brain cognitive processes comprehensively. Specifically， the more active the Alpha， Beta， and Gamma waves are in the frontal regions of the brain， the higher the learner's metacognitive level is， but it also creates an increased cognitive load， leading to" poor learning outcomes. Finally， three recommendations are proposed for designing PAs and conducting related research： reasonably setting up problematic metacognitive prompts to foster the development of learners' higher-order thinking ability; integrating these prompts with positive emotional design to promote learners' comprehensive cognitive and emotional development; and leveraging EEG signals to reveal brain mechanisms and provide the underlying logic for the optimization of PAs to provide a reference for pedagogical exploration and practice in the Digital Intelligence Space.

[Keywords] Pedagogical Agents; EEG; Brain Mechanism; Metacognitive Prompt; Emotional Design

基金項目：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）；2024年天津師范大學研究生科研創新項目“在線學習環境下虛擬數字人的應用創新：基于元認知與情感支架的理論與實踐研究”（項目編號：2024KYCX124F）

[作者簡介] 王雪（1981—），女，黑龍江綏濱人。教授，博士，主要從事多媒體畫面語言學、數字教育媒體、學習分析、人工智能教育應用研究。E-mail：wangxuetjnu@qq.com。