AI全科教师主讲课程学习成效试验研究

黄甫全 伍晓琪 丘诗盈 刘育良 曾文婕 陈思宇

(华南师范大学 德育神经科学与人工智能实验中心，广东广州510631)

一、问题提出

近年来，人工智能(AI)机器人逐渐由教育辅助工具演化为课堂教学代理。正如《中国教育现代化2035》提出的：“人工智能等新技术的发展正在不断重塑教育形态，知识获取方式和传授方式、教和学关系正在发生深刻变革”(中共中央、国务院，2019)。互联网环境下教师难以基于自身的认知能力适时将增速快、体量大且结构复杂的信息转化为教学内容，“AI+教师”的认知外包模式将成为常态(余胜泉等，2019)。AI机器人可以通过多种方式应用于课堂教学，其用途不仅取决于AI机器人的技术水平及教学情境需求，更依赖于人工智能与学科教学深度融合的课程开发。在技术上，口语对话技术系统或者其他脚本化编程技术系统，让AI代理能够承担比辅助工具更重要的角色任务，减轻真人教师负担和提升学生学习质量，如主讲教师(Edwards et al.，2018)。在教学需求上，与单科真人教师相比，智能化和人性化的AI机器人更适合未来的全科教育教学环境(吴永和等，2018)。可见，AI技术发展势将改变课堂教学结构，亟需进行课程创新(郝文武，2020)。

AI全科教师主讲课程是一种新兴课堂课程形态，系AI教师胜任学校开设的全部科目内容的主讲工作而主导课程，真人教师则通过辅助支持课程实施。AI教师与真人教师协同教学自有 “生态位”和特别优势(周琴等，2020)：AI教师在科目内容体系储存、大规模数据处理、高速运算、逻辑思维等方面独有千秋；真人教师在创造力培养、情感沟通、意义阐释等方面别具一格，即AI教师适合解决程序化教学问题，真人教师主要解决非程序化、非结构化问题(尹睿等，2018；蔡慧英等，2020)。因此，赋予AI教师“课堂主讲”角色，解放真人教师的时间与精力，以便更专注于学生个性化指导，为课堂教学“减负增效”提供了新思路。但是，机器人的教育应用目前主要集中在与机器人领域密切相关的学科，如机器人编程、机器人构造或机电一体化(Benitti，2012)。而且，证明机器人积极成效的教学研究多局限于单一的描述性报告(Petre et al.，2004)或问卷调查(Caci，2003)方法。融通使用质性研究与量化研究方法探索AI全科教师主讲课程学习成效的实践研究还有待开展。

学习动机、学习投入与学习结果是评估学习过程成效的关键指标。这三个指标已被研究者赋予丰富的内涵：学习动机是激发并维持个体学习活动朝向一定学习目标的内部启动机制(冯忠良，2002)；学习投入指学生学习投入的时间与精力(Kuh et al.，2006)；学习结果被定义为以某种形式参与学习后获得的结果(Eisner，1979)。三者之间，学习投入是学习动机与学习结果之间的中介变量(Hsieh，2013)，即学习动机通过激发学生的学习投入，进而影响学生的学业成绩和其他方面的发展。同时，依据自我效能理论，学习投入对学习动机有重要影响，形成了学习过程成效的闭环机制。深入考察相关研究发现，拟人的AI教师对学生学习动机、投入和结果均有显著的积极影响。奥兹德米尔和卡拉曼(Ozdemir & Karaman，2017)依据教师访谈，发现AI教师对学生学习动机有积极贡献。一项采用问卷调查、课堂观察、访谈等方法(Kim et al.，2015)的研究结果表明：AI教师教学能总体改善学生的学习投入，其中情感投入(如兴趣、享受)显著提高；学生的行为和认知投入亦随之增加。此外，AI教师教学能否提升学生的学习成效，也是众多研究考察的主题。许多学者发现，AI教师能促进学生基础或专业知识的习得(Verner et al.，2016)、深层学习思维与方法的形成(Jaipal-Jamani & Angeli，2017)和学习态度的有效改善(Alemi et al.，2015)。

随着拟人元素及其功能被更多地整合入智能教学代理，研究者开始关注教学代理的拟人化设计对学习成效的影响。拟人化指将人类的特征、动机、意图或情感等赋予非人类代理(Epley et al.，2007)。AI教师等智能代理的应用成效很大程度上得益于拟人化设计。费多罗夫纳(Fedorovna，2015)引进拟人化技术培训师范生的教学专业能力的研究发现，拟人化影响学生的学习动机和包括处事态度、交际能力和学业成绩在内的学习成效。凯特尔(Katre，2007)关于拟人化学习系统的讨论指出，拟人教学代理能满足学习者“感受到教师的存在”的心理需求，从而更认真地实现学习目标，增加学习投入。范庚发和孟士英(1998)认为，计算机拟人教学可以因势利导地把握各类学生的学习需求和学习情绪，增加学习投入。王福兴等人(2017)的元分析研究发现，具有拟人效应的教学代理有利于提升学生的学习成效，具体体现为学生知识理解与应用能力的发展和学习成绩的提高。综上所述，拟人化教学代理对学习过程成效的影响，受学科领域、代理类型等变量的调节作用，而AI全科主讲教师这一新型拟人代理与学习过程成效结合的研究仍有待开展。此外，拟人化对学习成效的影响虽有一定研究，但多局限于学习成效原理方面，忽略了拟人效应的内在机理。

艾普利等(Epley et al.，2007)提出 “社会性、有效性、激发的代理知识”三因素模型(the Sociality，Effectance，Elicited Agent Knowledge，SEEK)解释拟人化效应。依据拟人化三因素理论，社交性(人类对社会关系的渴望)、有效性(有效地与环境互动的需要)和激发的代理知识(指人们在多大程度上拥有并能够将人类中心知识应用于类人对象)三个因素协同作用于人们对非人类代理的拟人倾向。同时，投射到非人类主体上的形态学(外观)和动力学(行为)拟人特征在激活人类主体知识的基础上，一则可以直接提高非人类主体的效用，例如软件程序的拟人化虚拟助手通过增强应对信息过载的能力提高用户学习软件的效果；二则可以通过创造社会联系感提高代理的效用(Crowell et al.，2019)。例如，一位沙漠生存实验的参与者报告说，当活动界面出现拟人的面孔和声音时，他们就感觉到更多的社会联系，因而可以更好地理解任务(Burgoon et al.，2000)。依此可推，相较于其他智能代理，AI主讲教师凭借高度拟人化的形态、行为和交互设计，更有潜力激发学生的有效性感知和社交联系感，提升学生学习成效(见图1)。但是，具体影响机制仍需结合AI教师课堂教学实际分析。

图1 拟人化学习过程模型框架

本研究选择南京阿凡达机器人公司的类人机器人——IPAL(i宝)扮演AI全科教师角色(名为“华君”，见图3)主讲课程，通过试验研究，从拟人化理论视角探究AI全科教师主讲课程的学习成效。

本研究关注两个问题：1)学生学习AI全科教师主讲课程的动机、投入和成效如何？2)AI全科教师主讲课程如何影响学习者的学习动机、学习投入和学习成效？

二、研究设计

本研究采用两组无前测实验设计探索AI全科教师主讲课程对学习成效的影响。这种实验设计结构模式，可以避免受试者经过前测而对自变量引入产生敏感，从而保障实验外在效度。

(一)研究对象

本研究选用广州市某小学四年级A班(37人)与B班(42人)为实验班，共79人。学生的认知发展、学习进度、日常环境等较一致，对AI教师教学内容有初步了解但未系统掌握，且从未体验过AI教师课堂教学，可有效避免样本先前知识经验和心理准备的潜在影响。

(二)研究过程

本研究依托华南师范大学德育神经科学与人工智能实验中心和广东省广州市某小学开展试验研究。研究过程分教学设计、实验室演练、学校课堂试验三阶段(见图2)。教学设计阶段主要依据学情精选学习内容，明确学习目标，然后在课程专家、一线教师的指导下设计教学环节，开发相对应的AI教师拟人化的语言、动作和表情脚本。实验室演练阶段主要由研究人员模拟学生、AI教师和真人教师的教学互动，不断反思与优化教学设计和脚本化编程。学校课堂试验阶段以某小学四年级A班和B班为两个平行试验组，分别选用3位单科真人教师和1位全科真人教师配合开展相同课程内容的教学。

图2 AI全科教师主讲微课试验研究过程

研究过程融通使用课堂观察法、问卷法和访谈法收集数据，以及弗兰德斯互动分析框架、SPSS24.0软件和Nivio12软件等分析工具，对2个实验组学生开展学习投入、学习动机和学习成效的评估。

学习动机方面，本研究以扎根理论为方法论指导，随机从2个试验班各抽取5名学生开展深度访谈并录像，使用NVivo 12软件誊录、整理、编码和分析访谈内容，探究AI全科教师主讲课程学习者的内在、外在学习动机及影响因素。

学习投入评估重点关注学生的行为、情感与认知投入，采用现场录音、摄像和课堂观察记录方式收集AI全科教师主讲课程的课堂教学信息，然后结合AI全科教师主讲课堂的“生-机-师”互动特征，采纳修订后的弗兰德斯互动分析系统编码，制定AI全科教师主讲课堂师生互动分析编码体系(见表一)。该体系分别在原结构的 “教师言语”维度扩增了“AI教师言语”维度及其相应7个编码和在学生言语类中新增了AI教师驱动的“学生被动说话”编码，最终形成了18个编码，分为AI教师言语、真人教师言语、学生言语、静止等四部分。

表一 AI全科教师主讲课程师生互动分析编码体系

已有研究发现，学生发展与学生对教学的满意度显著相关(Thomas，2004)，故满意度调查往往是评价学习成效的重要指标。鉴于AI全科教师主讲课程的前沿特点，技术接受理论适用于预测学生对该课程的满意度。因此，本研究学习成效的测量工具是在海尔克等(Heerink et al.，2010)开发的社交机器人接受问卷基础上改编的。设计依据为“技术接受度与适用性统一理论”(Unified Theory of Acceptance and Use of Technology，UTAUT)，包含焦虑、态度、使用意图、感知适应性、感知乐趣、感知易用性、感知社交能力、感知有用性、社会影响、社会参与和信任维度(Venkatesh et al.，2003)。题项采用李克特5级计分法，从“完全不同意”到“完全同意”。 SPSS24.0统计分析表明，该问卷信度和效度良好，其中α=0.926，KMO值为 0.772，Bartlett’s球形检验值显著性为0.000。

(三)AI全科教师主讲课例

本研究开发了“真人单科教师与AI全科教师联袂执教”语数英三科微型课程课例和“真人全科教师与AI全科教师联袂执教”语数英三科微型课程课例(见图3)。教学内容分别是语文科人教版(2012)课文“迷人的张家界”，数学科人教版(2013)章节“三角形的内角和”，以及英语科教科版(2014)模块“Abilities”。已有研究表明，AI机器人的表达方式对儿童的情感反应影响深刻，反应灵敏、表情丰富的AI机器人更能诱发儿童积极互动(Cameron，2018)。两套三科课例的教学过程设计如表二、三、四所示。AI全科教师通过声音、表情及身体动作，向学生呈现和传达生动、适时的教学信息，激发、提高学生学习兴趣与学习动力。

表二 “迷人的张家界”教学过程设计

图3 真人教师与AI全科教师联袂执教微型课程

表三 “三角形的内角和”教学过程设计

表四 “Abilities” 教学过程设计

三、研究结果

本研究基于丰富的数据材料，对AI全科教师主讲课程的学习动机、学习投入和学习成效结合拟人论分别呈现，进而陈述本试验研究获得的访谈、观察和问卷数据分析结果。

(一)访谈结果

依据一定的程序对定性资料进行量化处理有助于提高定性方法的可靠性和有效性以及分析的系统性和精确性(陈琦等人，2000)。本研究借助NVivo 12软件对10名学生的访谈资料进行编码分析，深入挖掘学生对AI全科教师执教的感受和看法。

第一，AI教师拟人化的外形、行为和交互设计深受学生的喜爱(见图4)。其中，85.0%的学生认为AI教师外形 “可爱有趣”和“自然亲切”，73.3%的学生认为AI教师 “肢体动作灵活”“知识渊博”和教学“温柔耐心”，76.8%的学生认为AI 教师的教学交互“自然有趣”“生动直观”和“反馈及时”。

图4 学生对AI全科教师评价的访谈分析参考点分布

第二，AI教师主讲课程带给学生积极的学习体验，主要体现在教学内容、课堂环境、学习目标和学习方法四方面(见图5)。65%的学生认为，相较于传统课堂真人教师的教学内容，AI教师讲授的教学内容更准确无误、充实丰富。70%的受访学生提及AI教师教学对教学环境有积极的改善作用，主要表现为学习气氛更浓厚、课堂纪律更好和师生关系更亲密。60%的学生认为AI主讲教师教学有助于自己的学习，会提高自己的原定目标。70%的被访学生基于AI教师 “知识渊博”的特点表示，学习目标将不局限于提升学习成绩，变得更广泛。还有50%被访学生认为AI主讲教师教学会促使他们更快地达到既定学习目标。最后，在学习方法上：大多数被访学生表示，体验过AI教师的教学后，将改变自己的学习方法。其中，呼声最高的观点依次是：1)课前：自主预习；2)课中：享受合作学习、多记笔记； 3)课后：找AI教师解疑、利用更多智能学习工具学习。

图5 学生对AI全科教师评价访谈分析参考点分布

(二)课堂观察结果

根据改编的新型弗兰德斯编码系统，本研究对语、数、英三科的AI全科教师主讲微型试验课程进行编码统计(见表五)和比率分析(见表六)，探究课堂师生互动状态。

统计结果显示， AI全科教师主讲的三门微课程的言语比率分别为52.63%、39.03%、34.50%，是真人教师的2-3倍，均低于非AI教师主讲课程的弗兰德斯常模68%(Flanders，1970；高巍，2009)；学生话语比率分别为29.82%、43.55%、47.37%，均高于常模20%(Flanders，1970；高巍，2009)。这体现了“学生中心”与“学习为本”特征。三门课程中，AI全科教师的提问比率分别为27.18%、27.71%和40.91%，均高于非AI教师主讲课堂真人教师26%的常模(Flanders，1970；高巍，2009)，且AI全科教师话语——学生驱动比率分别为88.24%、47.37%和80.00%，亦高于非AI教师主讲型课堂真人教师-学生驱动比率常模42%(Flanders，1970；高巍，2009)，反映了AI全科主讲课程注重启发学生思考。此外，观察对象的课堂沉寂比率分别为2.19%、2.26%和1.75%，其中大部分沉寂表现为师生信息技术操作、学生思考、教师板书等，表明课堂利用率较高，氛围活跃。

表五 AI全科教师主讲微课师生互动频次

表六 AI全科教师主讲微课师生言语互动比率

(三)问卷统计结果

本研究采用SPSS对学生关于AI全科教师主讲课程教学的满意度问卷数据进行描述性统计分析(见表七)，以反映学习成效。

表七 学生对AI全科教师教学满意度的描述性统计

由表七可知，学生总体上对AI全科教师主讲课程教学的满意度较高，但部分维度存在个体差异。从整体看，“接纳度”均分较高，且所有维度的均分都大于4，处于较高水平，反映出大部分学生高度认可并接纳AI全科教师主讲课程。其中，“感知乐趣”维度均分最高(M=4.7310)，由此反映出AI全科教师进入课堂带给学生最直接的体验为“乐趣”。从个体差异看，“感知易用性”(SD=0.818)与“感知适用性”(SD=0.798)的得分标准差较大，可知“感知适应性”和“感知易用性”的个体分数分布范围跨度较大。

四、结论、讨论与思考

基于拟人化学习过程框架，本研究从AI全科教师主讲课程学习动机、学习投入和学习成效三个方面，就本试验研究所获得的结果提出结论，并加以讨论与思考。

(一)AI全科教师主讲课程增强学习动机

社会认知心理学将个体动机分为内在和外在两个层面(Deci，2004)。进化心理学认为，人类行为有四种大脑驱力——“获得”“联结”“理解”和“防御”(Nohria et al.，2008)。融合这两种视角，研究结果表明，AI全科教师主讲课程通过满足学生学习的四种驱力，显著增强学生内在学习动机和外在学习动机！

1. AI全科教师主讲课程显著增强学生内在学习动机

AI全科教师的拟人化外形设计和功能表现有助于激发学生的好奇心、挑战欲和认同感，显著增强学生的内在学习动机。由于儿童的拟人化嗜好远大于成人(Bering，2004)，对教学机器人外观进行拟人的可视化设计，已日益成为众多设计者的共识。分析学生访谈发现，AI教师“可爱的形象”“亲切的面部表情”等“类人”艺术化外观特征，催生了学生对其如何像真人教师一样开展课堂教学的好奇心，以及如何理解并参与其智能化教学的挑战欲，这是内在动机的两种形式(Ryan & Deci，2000)。具体而言，学生借助大脑的腹侧视觉通路或其他对新奇事物反应的感觉系统，对所获取的课堂环境信息进行驱力需求评估(Abraham et al.，2015)，从而有效激发好奇心与挑战欲，增强理解驱力。此外，在教育智能化浪潮的引领下，学校课堂教学正发生重大变革，这难免引起人们的抵制或焦虑。但值得注意的是，相较于非类人教学媒体，AI全科教师兼具“类人”艺术化外形和“类师”教学化表现，在满足和提升学生学习期望方面更胜一筹。更可喜的是，相较于真人教师，学生认为“AI教师更温柔耐心，不容易批评学生、打乱教学安排”。可见，AI教师高效可靠的拟人特性和客观公正的智能系统能增强学生对AI教师教学的认同感。其中，控制学生防御驱力的杏仁核(边缘区)得以激活，提高学生在新环境中安全感和信任度，增强学生参与课堂教学的内在动机(Abraham et al.，2015)。

2. AI全科教师主讲课程显著增强学生外在学习动机

AI全科教师的拟人化社交属性有助于优化课堂教学反馈和改善互动学习环境，显著增强学生的外在学习动机。艺术化的机器人表情、言语和动作等拟人化社交属性能优化教学反馈，而反馈对学习者的外在学习动机有重要影响(刘淑珍，2009)。多名访谈学生表示，AI全科教师对学生的正确回答能给予及时的表情肯定、口头表扬和鼓掌激励，增加学生与其互动的渴望(见表八)。事实上，AI全科教师主讲课程的社交性反馈可被视为以教师认同为核心的“奖励制度”组织杠杆(吕俊生，2012)，能有效驱动管理获取驱力的伏隔核(边缘区)脑区(Abraham et al.，2015)，提升学生的外在学习动力。此外，个体的外在动机与学习环境紧密关联(王军芬，2012)。AI全科教师为突破传统课堂互动局限开辟了新途径：其一，促进学生个性化互动。AI教师通过动态贝叶斯网络、模糊决策树等计算技术对学生的知识和学习建模，满足学生不同的交互偏好(Belpaeme et al.，2018)。其二，拓宽师生对话渠道。双师教学模式有效减轻了真人教师在传统课堂中“一对多”的教学重负，为泛化和加深师生课堂交互提供了可能。其三，创生复杂的教学互动网络。AI教师的融入使课堂教学要素及其多重交互关系网络更多样和复杂。这种多元化互动的学习环境，易形成丰富和谐的组织文化以驱动学生大脑中的下丘脑和前丘脑区域(边缘区)(Abraham et al.，2015)，使学生能够在其中获得关注感和满足感，感受到自我价值，产生联结驱力。

表八 学生访谈摘录

(二)AI全科教师主讲课程提升学生学习投入

弗雷德里克斯等人(Fredricks et al.，2004)提出，学习投入包括行为、认知和情感三个相对独立维度。本研究结果表明，AI全科教师主讲课程能显著增加学生学习的行为投入、认知投入和情感投入。

1. AI全科教师主讲课程能有效提升学生行为参与度

AI全科教师的拟人化具身特征能有效提升学生的学习专注度和发言率，显著增加学生的行为投入。高专注度和高发言率是学生行为参与度的积极表现(Fredricks et al.，2004)。国外有学者比较虚拟远程机器人代理与实体机器人采访表现的研究结果表明，实体机器人让人们更易于进入积极的交互状态(Kiesler et al.，2008)。相较于远程虚拟代理，AI教师的具身化特征能增强人机交互的逼真性和实效性，促使学生更专注于其智能教学，显著提升人机交互效率。研究结果显示，学生话语总比率高于传统课堂常模(见表六)。可见，学生在AI全科教师主讲课程中回答问题主动性和投身于学习交流的积极性更高。

2. AI全科教师主讲课程能有效提升学生认知参与度

AI全科教师的拟人化行为表现能增强课堂活动的趣味性和引导性感知，显著提高学生的认知投入。赫尔姆等(Helme et al.，2002)的研究表明，学生认知投入与课堂活动密切相关。一方面，AI教师的肢体行为能让学生及时捕捉课堂活动的趣味性。如在英语课程教学中，当学生说出“shake hands”短语时，AI教师会主动和其握手，增强了英语交流活动的趣味性，提升了学生的认知参与度。另一方面，AI教师依托灵活的言语行为表现化身为问题的提出者、启发者和指导者，开展的生成性互动有助于引导学生激活已有知识， 提升思考主动性和解决学习问题的积极性(卜玉华，2007)。正如研究结果所示，AI全科教师的提问比率均高于常模，且AI全科教师话语——学生驱动比率均较高(见表六)。

3. AI全科教师主讲课程能有效提高情感参与度

AI全科教师的拟人化交互功能有助于提升学生的归属感和自我效能感，显著提高学生的情感投入。学习者的归属感、自我效能感是情感投入的重要源泉(尹睿等，2017)。本研究结果表明，AI全科教师主讲课程教学的沉寂比率在2%左右，远低于常模(见表六)。有学者指出，人类是社会性动物，学习很大程度上依赖于与他人的社会接触(安东尼·威廉·贝茨等，2016)，深刻地寄托于与他人的情感交互(Tettegah et al.，2015)。AI全科教师拟人化的社交功能支持其生成注视、提问、指令等交互信号，满足学生积极与他人建立并保持社会联系的需要(Crowell et al.，2109)。在此基础上，学生归属感所激发的社交性动机将会驱使学生更乐于参与学习。此外，AI全科教师善于运用多媒体手段将抽象的教学内容形象化和艺术化，符合学生的认知与情感发展特征。其拟人化的交互功能为学生熟练地掌握相关知识和技能提供极大的便利，进而提升学生的自我效能感，有助于增强学生参与课堂学习活动的信心。

(三)AI全科教师主讲课程提升学习成效

学习成效评估强调全面性和可持续性(陈佑清，2012)。本研究从知识与技能、过程与方法和情感态度与价值观三个维度对调查数据深入分析的结果表明，AI全科教师主讲课程能有效提升学生学习成效。

1. AI全科教师主讲课程丰富知识与技能

AI全科教师主讲课程的“有用性”能有效强化学生效益性动机，促进学生达到知识应用与技能操作水平，实现技能迁移。根据学生对AI全科教师主讲课程的有用性感知情况(见表七)，高达4.5949的均分表明学生认同AI全科教师的教学有效性。这强化了学生对AI全科教师的拟人归因，从而提升AI全科教师促进学生知识技能学习的实际效用(Epley et al.，2007)。具体来说，学生认为AI全科教师“能教会很多知识(得分最高)”“对促进学习很有用”“能够解决学习问题”和“让人更快地完成学习任务”。可见，当前AI全科教师主讲课程教学帮助学生达到关于特定科目知识的“了解-理解-应用”水平。而技能作为凭借知识完成实际任务的行为表现，亦从“模仿水平(根据指令解决学习问题”向“独立操作水平(独立操作完成学习任务)”发展(梁靖云等，2014)。学生在AI全科教师“渊博的知识储备”和“及时的智能反馈”的帮助下，制定更高更广泛的学习目标，从而有望提升知识与技能层面的学习成效——以知识为核心的技能迁移。

2. AI全科教师主讲课程强调过程与方法

授人以鱼不如授人以渔，AI全科教师主讲课程的学习成效考察应深入过程与方法层面，通过激发学生社交性动机以优化教学交互过程，帮助学生发展学习能力与形成学习方法(梁靖云等，2014)。满意度调查显示，学生感知适应性、感知易用性、感知社交能力和社会参与维度的均分在4.1500-4.6000之间(见表七)，处于较高水平。这表明，操作简易且适应性强的AI全科教师主讲课程为学生交互创造了积极的社会联系来源，这与社交性动机所强调的人类对社会关系(尤其情感关系)的渴望这一事实契合(Epley et al.，2007)，由此激发学生的交互需求，形成良好的教学互动过程。已有研究表明，学习者的反应方式(学习方式)具有典型性(Biggs，1987)。因此，随着新技术、新角色的融入，教学情境的变化，促使学生适应智能学习环境而养成典型学习方式——形成贯穿“课前-课中-课后”的系统多样的学习方法，有效发展其自主学习能力和合作学习能力(见图5)，提升学习成效。

3. AI全科教师主讲课程培养情感态度与价值观

具有拟人特征的AI全科教师以主讲者角色融入课程教学，革新传统课堂教学模式，培养了学生积极乐学的情感态度和人机共生的和谐价值观。“类人外观”和“类师内涵”奠定了AI全科教师的在课堂教学中担任主讲者的基础。这是对以往人工智能教学辅助角色的超越，推动了课堂教学要素结构发生重大变革，激活了课堂“多元互动”，为增强课堂活力注入新鲜力量(黄甫全等，2020)。在AI全科教师主讲课程的满意度调查中，“感知乐趣”维度均分最高，“态度”“焦虑”和“信任”维度均分分别为4.6139、4.4557和4.3797(“焦虑”维度为反向题，即得分越高说明被试越不焦虑)。这表明，学生对AI全科教师这一拟人代理具有较强的亲近感和信任感，抱有较浓厚的学习乐趣和积极的学习态度。这与已有研究结论吻合，但其内在影响机理仍有待探究。此外，AI全科教师主讲课程的创生高度践行了达文波特所提出的“人机共生”五大策略，即“超越-避让-参与-专精-开创”(托马斯·达文波特等，2018)，有利于培养学生对新兴技术的开放态度和万物共生的和谐价值观，积极迎接人工智能时代的到来。

本研究采用课堂观察、问卷调查和访谈调查的融通研究方法群，从拟人论视角探究AI全科教师主讲课程对学生学习成效的影响。研究结果表明，AI全科教师藉由拟人化设计能有效增强学生的学习动机、增加学习投入和提升学习成效。这样，“AI是否能够承担教师角色”这个长久以来备受各界关注与讨论的问题，在本研究中得以澄清。这些研究结果与发现，肯定了AI全科教师提高学生学习质量的重要价值，对创新教学方式、优化课堂结构和推动教学减负有显著的时代价值。

然而，由于当前技术发展、资源供给和经验积累等因素的限制，本次研究也存在局限。研究工具上，所用AI全科教师的教学能力开发空间，仍有待深入挖掘，以促进更自如流畅的互动。参与研究的AI教师音色机械、语调平淡，因此在语言类学科(如语文)无法像真人教师“声情并茂”地实施共情教学。近期发展势头良好的“智能有声读物”技术，给后续优化AI教师的教学语言提供了重要启示(刘一鸣等，2019)。未来研究中，我们需聚焦机器人大数据分析技术，强化AI教师及时捕获学习对象属性(年龄、喜好等)和教学内容属性(朗读情感、韵律节奏等)的功能应用。基此，AI教师能够充分提取、分析和模仿学习样本特征，在教学过程中生成深受学习者喜爱、内容适配度高的教学语言。另一方面，本实验中师生双向情感受交互方式的限制，造成了学生的总体发言比率较高，而主动发言占比较低的现象。如果人-机情感交互不足，学生可能会因兴趣降低而逐渐减少与机器人的交互(Kanda et al.，2004)。这种隐患可以通过建构情感机器人教师集成环境(简称ARTIE)解决(Imbernón Cuadrado et al.，2016)。情感机器人教师集成环境设计了能够识别学生情绪状态的组件架构模式，针对不同学生，机器人会采用不同的情感互动策略。微型课程开发上，课例设计尚未较好地平衡“AI教师-学生-真人教师”三者间的教学关系，使得AI教师总体上呈现出以直接影响为主的课堂控制风格，这可能源于本研究中机器人脚本的既定性和课堂教学的生成性之间的矛盾。因此， AI全科教师主讲课堂应放弃以讲授为主的教学方式，改为以鼓励、引导、接纳和提问为主的教学行为(明庆华等，2020)，引导学生主动开展发现学习、协作学习、问题解决式学习、项目学习和基于竞争的学习等(Altin et al.，2013)，从而在根本上突破传统的师生二元对立格局，形成以AI教师为媒介的学习共同体，切实提高教师教学行为的间接影响性。此外，AI教师在不同学科教学中的应用和优势亦有差异，例如，AI教师在英、语、数三科中的间接教学影响依次降低，这与不同学科的教学内容特点和知识传授途径相关。研究方法上，工具开发比较薄弱，参与者样本数量较小，数据收集不够全面，分析依据的适切性有待提高，期望后续研究加以弥补和解决。

本研究对未来的智能化课程与教学研究与实践具有重要启发意义。在研究层面，未来可开发AI全科教师课堂卓越的教学能力，提升教学设计水平，扩展更深更广的数据收集与分析方法。在实践层面，未来需大力推进AI教师进课堂、真人教师智能化教学专业发展及智能化教师教育培养模式创新等工作。打开视野，关照新兴的超学科哲学(Uher，2015a，2015b，2015c)、深度学习理论(曾文婕等，2020)和学习为本评估方式(Zeng et al.，2018)等，本试验研究彰显了“AI全科教师主讲课堂学习体系建构”关键科学问题，包含AI全科教师主讲课堂学习体系超学科研究范式的理解与建构、AI教师主讲课堂学习体系超学科文化理论的理解与建构、AI全科教师主讲课堂深度学习体系学本评估方式的理解与开发和AI全科教师主讲课堂深度学习体系整体开发策略的建构与验证等系列重要科学问题。研究解决这些关键和重要科学问题，更好地提升智能化教学成效，需要更多教育工作者与机构的参与、政府政策支持、多领域人才协作等，进行协同探索！