互联网教育应用中青少年认知发展测评指标体系构建研究

摘要：网络环境日趋完善、智能终端广泛普及、教育应用持续增长的“互联网+”教育发展态势正不断重塑青少年的在线学习空间，生成式人工智能技术正迅速迭代涌现超强智能铺开AI+教育的新图景。然而，青少年在使用互联网教育应用过程中的认知发展尚缺乏系统化探索，对互联网教育应用的监管治理方案缺少青少年认知发展方面的科学依据支撑，破除认知“黑匣”困境迎接新一轮智能教育应用浪潮的任务十分紧迫。为此，针对互联网教育应用环境中青少年认知发展缺乏系统化评价这一问题，该研究基于认知心理学、认知科学等多学科视域和对国内外相关研究的分析，以定性和定量相结合的方式构建包括感觉、知觉、注意、记忆、思维和想象6个一级指标、14个二级指标和30个三级观测点的互联网教育应用中青少年认知发展测评指标体系，并确定各级指标的权重系数，以期作为研究支点探索互联网教育应用对青少年认知发展的影响机制，为构筑人机向善的智慧学习空间奠定基础。

关键词：互联网教育应用；生成式人工智能；青少年认知发展；测评指标；权重系数

中图分类号：G434 文献标识码：A

* 本文受“十四五”国家重点研发计划课题“互联网教育应用的适应性认知发展评估与人机协同诊断技术研究”（课题编号：2022YFC3303504）、重庆市博士研究生科研创新项目“教育元宇宙与生成式人工智能的联结机制研究”（项目编号：CYB23090）资助。

① 刘革平为本文通讯作者。

一、引言

在互联网技术的成熟应用、智能移动终端的普及、数字技术的跨越性发展、新冠肺炎疫情外发性状况、教育数字化转型内生性战略等一系列事件影响下，“互联网+”教育正不断塑构青少年的学习空间。在网络环境上，根据2023年12月中国互联网络信息中心发布的《第5次全国未成年人互联网使用情况调查报告》显示，6—18岁的青少年网民规模为1.93亿，互联网普及率为97.2%，中小学互联网接入率已达100%；在智能终端设备上，87%的青少年拥有自己的上网设备[1]，具备手机、台式电脑、笔记本电脑、平板电脑等多种移动智能终端；在互联网教育应用上，根据教育部教育技术与资源发展中心的青少年教育类应用备案数量，截止2023年已有2722个教育APP和10697个教育类小程序（含公众号）[2]。可以看出，我国网络条件的不断完善、移动智能终端的广泛普及和智能教育应用的数量增长，为青少年构建了良好的在线学习环境，有88.7%的青少年会经常利用互联网进行知识复习、在线答疑、背单词、学习课外知识、做作业等等。

互联网教育应用是依托互联网技术而开展的，符合技术促进教育和学习行为的各类互联网平台、工具的集合，主要以平台、网站、移动小程序等形式呈现[3]，学习者可以在课堂教学、在线学习、线下自学等多种场合下进行使用。青少年作为在网络时代成长起来的“数字土著”，信息技术的伴随造就了他们特有的认知、态度和学习习惯[4]，互联网教育应用日益成为青少年开展学习活动必不可少的工具。对利用互联网教育应用开展学习活动的过程进行检视，可以发现，知识的生产、传播、进化、分享模式与人形成更深的联结[5]，学习者学习过程实现泛在化与自主化[6]，教育服务供给方式趋于个性化与社会化[7]，互联网教育应用带来了知识联通化、资源共享化、学习泛在化等一系列显性效益。互联网教育应用将随着人工智能技术的发展而具备更多的教育用途，以生成式人工智能为例，从2022年ChatGPT的横空出世，到2023年4月GPT-4的迭代升级，再到2024年2月Sora文生视频大模型的震撼发布，意味着互联网教育应用将具备更高的智能服务于教育行业，在教师教学、学习过程、教育评价、学业辅导等方面呈现出巨大的应用前景[8]。不过，生成式人工智能的功能涌现也引发了学者们“潘多拉魔盒式”的担忧[9]，学生可能由于过度依赖形成内外脑分离[10]、思维堕化[11]、认知外包[12]等认知风险，然而我们当前尚未形成互联网教育应用对青少年认知发展影响的系统探索。因此，在ChatGPT、Sora等智能产品迅猛发展的当下，我们迫切需要系统化地了解以互联网为载体的教育应用对青少年认知发展的正面效应和负面效应，进而采取优化措施使学习环境的数字化变革契合青少年的认知发展过程，并对市场上良莠不齐的互联网教育应用实行有效监管。因此，本研究拟构建互联网教育应用中青少年认知发展测评指标体系，以期形成相应的测评工具衡量青少年在互联网教育应用中的认知发展程度，进而作为对互联网教育应用监管治理的理据，为青少年构筑良好的智慧学习空间。

二、文献综述

（一）认知发展的过程与分类

不同认知理论对认知的解释具有不同观点。皮亚杰（Piaget）将认知发展描述为“渐进获得成熟的心理结构的过程”，非皮亚杰流派则认为是神经方面的成熟、工作记忆容量的增加和加工速率的提升、注意与知觉随年龄的增长而发生的变化等等[13]。现代认知心理学将认知发展归因于心理机能（心智）的运作[14]。新一代认知科学在不同理论下对认知具有不同的纲领，如具身认知（Embodied Cognition）认为认知的内容是身体提供的[15]，嵌入认知（Embedded Cognition）认为是嵌入神经系统和环境，延展认知（Extended Cognition）认为认知延伸到身体和环境中而不只在大脑中，生成认知（Enactive Cognition）认为认知是基于行为演化的，情境认知（Situated Cognition）认为认知是基于情境或语境的行动等等[16]。

将认知发展理论进行分类可以划分为阶段理论和非阶段理论。其中阶段理论认为个体认知发展会历经不同的发展阶段，最为典型的是皮亚杰的“四阶段”理论。非阶段理论则把发展看作是逐渐获得一种或多种能力的过程，这些能力包括心理联结、记忆能力、知觉分辨、注意集中、知识或策略等[17]。目前的认知心理学、神经科学和认知科学基本上都从非阶段理论的框架下研究人的认知发展。斯滕伯格（Sternberg）认为，研究认知发展，既需要研究认知的生物基础（如各类感觉），也要研究注意、知觉、记忆、思维等各个层面[18]。也有学者将感觉纳入认知发展的范畴，认为认知过程依赖基于环境刺激受体的信息[19]，认知神经科学则将感觉和知觉统称为“感知觉”[20]，具身认知将思维、判断、想象等都与身体组织与感知相关联[21]。认知心理学则更为全面地将认知分为感觉、知觉、模式识别、注意、意识、学习、记忆、概念形成、思维、想象、语言、智力等等[22]，并认为这些认知过程相互交织在一起[23]。

（二）关于互联网教育应用对青少年认知发展的影响研究

技术与工具对人的认知发展起着决定性的影响，维果茨基认为，每一特定阶段的活动不仅取决于器官的发展程度，还取决于对工具的掌握程度，“工具的使用无限拓宽了活动的范围，达成新的心理功能操作”[24]。尽管认知心理学将认知分为多个过程，但就目前学界的研究来看，青少年在使用互联网教育应用开展学习活动的过程中，主要有感觉、知觉、注意、记忆、思维和想象等方面受到影响，且影响具备正负效应，文献梳理如表1所示。

（三）研究评述

回溯已有文献发现，不同学科和理论流派对认知发展过程的界定不尽相同，学界在探讨互联网教育应用对青少年认知发展的影响主要集中在感觉、知觉、注意、记忆、思维和想象6个方面。不过，这些探讨有的停留在理论层面，并未经过相应实验验证。同时，伴随着测评技术的发展和实证研究的兴起，学界正逐步运用多种实验方法探索互联网教育应用对青少年认知发展的影响，但存在着以下不足之处。一是测评的内容单一，大多数只聚焦在某一认知过程进行测评，如只关注记忆或知觉，未能体系化地探索互联网教育应用对青少年认知全过程的整体影响。二是测评样本较少，多数研究囿于心理学领域的测量范式导致只能实现小样本测评实验，无法实现规模化的测评，推广性和普及性不足。三是教育应用性不足，由于研究结论缺乏体系化整合无法完整反映青少年认知发展状况，进而缺乏理据对互联网教育应用实现有效的监督管理。因此，本研究尝试构建互联网教育应用中的青少年认知发展测评指标体系，以期为青少年科学合理使用互联网教育应用提供方案支持，以及为实现互联网教育应用的有效监管评估提供参考依据。

三、互联网教育应用中青少年认知发展测评指标体系的构建

本研究采用理论与实践结合的方式构建互联网教育应用中青少年认知发展测评指标体系，首先结合认知心理学、认知科学和脑科学对认知发展的阐释和已有研究基础构建一级指标和二级指标。然后向心理学和教育学领域的专家、中小学一线教师、教科研机构人员完成意见征询，对初拟指标进行修正与完善。

（一）测评框架的构建

根据上述文献分析，我们围绕感觉、知觉、注意、记忆、思维和想象6个一级指标。其中，感觉是指青少年感觉器官对互联网教育应用呈现的相关刺激的接受度；知觉是指青少年在互联网教育应用的作用下形成感觉后，在多种分析器参与下于大脑中的显映；注意是指青少年在使用互联网教育应用中有选择的加工某些刺激而忽视其他刺激的倾向；记忆是指青少年对互联网教育应用呈现内容的保持与再现能力；思维是指青少年在使用互联网教育应用后对客观事物的概括和间接反映、探索与发现事物的内部本质联系和规律性的能力；想象是指青少年从互联网教育应用中接受到的已有表象进行加工改造以及重新组合形成新形象的能力。然后，以每个一级指标作为上位概念，通过理论分析将一级指标的具体分类与互联网教育应用呈现的形式与内容相结合，并基于相关研究初步拟定了17个二级指标，如根据互联网教育应用的媒介呈现形式将感觉分为视觉、听觉和触觉等，根据呈现内容的组织形式和注意的考察范畴将注意维度分为注意的选择、注意的稳定和注意的广度等等（如图1所示）。

（二）专家意见征询

根据互联网教育应用中的青少年认知发展测评框架，研究编制了《互联网教育应用中青少年认知发展测评指标体系专家征询问卷》，对指标内容进行专家问卷征询，问卷采用李克特五点量表形式，评价等级分别用“非常不认同、比较不认同、一般、比较认同、非常认同”1—5分表示。专家征询问卷向50名专家发放，其中，高校专家31名（学科背景为心理学和教育学），省（市）级教育行政部门管理者5名，中小学教师14名。统计发现，触觉、运动知觉、时间知觉的认同度（比较认同+非常认同的整体比例）较低，分别为66%、66%和60%。为了对指标体系进行更细致的完善，同时防止问卷半结构化导致专家无法更好表达自己的见解，我们在50名专家中抽取19名进行深度访谈，以弥补问卷调查的局限性。根据专家的意见，删除二级指标“触觉”“时间知觉”，二级指标“注意广度”改为“注意的分配”；二级指标“记忆的编码与存储”“记忆保持”“记忆提取”改为“短时记忆”和“长时记忆”；二级指标“抽象与概括”“判断与推理”改为“分析性思维”“创造性思维”“实践性思维”。

接着，在指标修正的基础上，借助认知心理学对相关二级指标的阐释和测量内容，对互联网教育应用中青少年认知发展测评指标体系形成三级观测点，最终确定了6个一级指标、14个二级指标和30个三级观测点（如表2所示）。

四、互联网教育应用中青少年认知发展测评指标体系的完善

为了进一步验证本研究所构建的评价指标体系的合理性，本研究通过向东、中、西部山东、江苏、湖北、重庆、四川等8个省市中小学教师发放问卷，填写对象的教师大多位于智慧教育示范区或教育信息化改革实验区，对青少年在互联网教育应用环境下的认知发展具有一定了解。回收的问卷数量为3129份，有效问卷2759份，回收率达88.18%，将问卷随机分为两份，其中一份进行探索性因子分析，另一份进行验证性因子分析。

（一）探索性因子分析

问卷数据采用SPSS26.0对所收集的数据进行分析，首先进行KMO和Bartlett球形检验，其中KMO值为0.981，Bartlett球形检验显著性水平<0.001，变量之间存在相关性，适合做因子分析。从六个维度分别做探索性因子分析，发现六个维度的方差贡献率分别为76.88%、86.05%、86.24%、86.91%、89.07%和90.60%。指标体系的克隆巴赫α系数为0.987，感觉、知觉、注意、记忆、思维和想象对应的克隆巴赫α系数分别为0.908，0.969，0.962，0.972，0.975，0.964，均高于0.90，说明问卷本身具有良好的信度。旋转成分矩阵如表3所示。

（二）验证性因子分析

运用AMOS24软件对收集到的另一份问卷进行验证性因子分析，以检验探索性因子分析所得模型的收敛效度、结构效度和区分效度。通过设置6个潜变量和31个观察变量，选择最大似然估计法进行模型运算，潜变量与观察变量之间的标准化路径系数如下页图2所示。

由图2可知，感觉二级指标的标准化路径系数分别为0.724、0.841、0.897、0.907，组合信度CR值为0.909，大于0.6；知觉二级指标的标准化路径系数分别为0.859、0.891、0.917、0.944、0.934、0.926，组合信度CR值为0.967，大于0.6；注意二级指标的标准化路径系数分别为0.88、0.911、0.928、0.92、0.911，组合信度CR值为0.960，大于0.6；记忆二级指标的标准化路径系数分别为0.897、0.918、0.929、0.929、0.923、0.909，组合信度CR值为0.970，大于0.6；思维二级指标的标准化路径系数分别为0.914、0.925、0.94、0.949、0.936、0.908，组合信度CR值为0.974，大于0.6；想象二级指标的标准化路径系数分别为0.939、0.947、0.921、0.915，组合信度CR值为0.963，大于0.6。六个一级指标平均变异量抽取值AVE分别为0.715、0.832、0.828、0.842、0.863、0.866，均大于0.5。其中，青少年认知发展测评对于感觉、知觉、注意、记忆、思维、想象的标准化路径系数为0.804、0.839、0.933、0.963、0.961、0.946，组合信度CR值为0.966，大于0.6，平均变异抽取值AVE为0.828，大于0.5。整体来看，所设计的指标能够有效反映其共同因素构念的潜在特质，测评指标的内在质量比较理想。

在结构效度方面，基于相应的参数检验标准[55]，测量数值如表4所示。其中的CMIN/DF值偏大，由于其值会随着样本量而变化，当面对大样本时可不做参考[56]。整体看来，模型的结构效度数值均在参考值内，说明该测评指标体系具有良好的结构效度。

区分效度是为了表征不同指标之间具有区分度，目的是排除不同指标之间由于共线性引起的估计误差，其方法是比较各个指标的平均方差抽取量AVE的平方根与维度之间的相关系数大小。本研究指标体系中的6个一级指标区分效度如表5所示。可以看出，各个维度的AVE平方根值均大于维度间的相关系数，说明量表维度的区别效度良好，不存在共线性问题。

五、互联网教育应用中青少年认知发展测评指标体系的权重确定

确定权重能够反映指标的重要性程度，按照数据的来源和计算方式可以将确定权重系数的方法分为主观赋权法、客观赋权法以及主客观综合赋权法[57]，为规避主观因素和客观因素对权重的偏倚影响，本研究采用主客观组合赋权法，即先分别计算主观权重和客观权重，然后基于最小二 乘思想确定综合权重。

（一）主客观权重的确定

主观权重的确定。主观赋权法主要包含德尔菲法（Delphi）、层次分析法（AHP）等。本研究采用德尔菲法请17位专家对各个维度的权重进行赋值，咨询专家主要从事于教育学和心理学领域方面的研究。将各位专家的权重赋值进行均值化处理，最后得出感觉维度的主观权重为0.1302，二级指标视觉和听觉分别为0.5935和0.3976；知觉维度的主观权重为0.1232，二级指标空间知觉和运动知觉分别为0.55和0.45；注意维度的主观权重为0.1956，二级指标注意的选择、注意的稳定和注意的分配分别为0.3500、0.3882和0.2618；记忆维度的主观权重为0.1576，二级指标短时记忆和长时记忆分别为0.4735和0.5265；思维维度的主观权重为0.2306，二级指标分析性思维、创造性思维和实践性思维分别为0.3343、0.3108、0.3549；想象维度的主观权重为0.1776，二级指标再造想象和创造想象分别为0.5088和0.4912。

客观权重的确定。客观赋权法主要分为熵值法、主成分分析法、结构方程模型法和变异系数法等，本研究采用结构方程模型法确定指标的客观权重。运用AMOS24.0软件对6个一级指标和二级指标分别作归一化处理，得到感觉、知觉、注意、记忆、思维和想象的权重系数为0.1473、0.1535、0.1735、0.1813、0.1742、0.1702。视觉和听觉的客观权重为0.4645、0.5355；空间知觉和运动知觉的客观权重为0.66和0.34；注意的选择、注意的稳定和注意的分配的客观权重为0.3936、0.4062、0.2002；短时记忆和长时记忆的客观权重为0.3297和0.6703；分析性思维、创造性思维和实践性思维的客观权重为0.3300、0.3390和0.3309；再造想象和创造想象的客观权重为0.5067和0.4933。

（二）主客观权重的组合

本研究在构建模型时采用基于最小二乘思想的主客观组合评价法[58]，该方法比起单一的评价方法更具合理性和可信性，利用最小二乘法得出的综合权重如表6所示。

为了方便计算，研究保留两位小数，得出互联网教育应用中青少年认知发展测评指标体系的表达式为：Y=0.14Y1+0.14Y2+0.18Y3+0.17Y4+0.20Y5+0.17Y6，Y1=0.53X1+0.47X2，Y2=0.61X3+0.39X4，Y3=0.37X5+0.40X6+0.23X7，Y4=0.40X8+0.60X9，Y5=0.33X10+0.32X11+0.34X12，Y6=0.53X13+0.49X14。其中Y代表互联网教育应用中青少年认知发展，Y1、Y2、Y3、Y4、Y5、Y6分别代表感觉、知觉、注意、记忆、思维、想象6个一级指标，X1-X14分别代表视觉、听觉、空间知觉、运动知觉、注意的选择、注意的稳定、注意的分配、短时记忆、长时记忆、分析性思维、创造性思维、实践性思维、再造想象和创造想象14个三级指标。

六、互联网教育应用中青少年认知发展测评指标体系的验证

在完成测评指标体系构建及确定权重系数之后，还需要对测评指标体系的合理性、有效性、可行性和可操作性进行验证。本研究分别采用德尔菲法和准实验法对测评指标体系进行验证。

（一）测评指标体系的合理性和有效性

为了进一步验证测评指标体系及其权重的合理性和有效性，研究采用德尔菲法邀请18位教育技术学领域、心理学领域专家对测评指标体系进行认同度咨询，研究结果发现，测评指标体系Y和Y1、Y2、Y3、Y4、Y5、Y6的认同度分别为88.37%，85.29%、82.94%、90.59%、89.41%、91.37%、90.59%，初步表明该测评指标体系具有合理性和有效性。

（二）测评指标体系的可行性与可操作性

为验证测评指标体系的可行性与可操作性，传统的测评模型或测评指标体系的验证方法主要采用将指标体系编制成具体的问卷或量表基于研究对象展开试测与分析，如教师智能素养测评指标体系[59]、小学生生态文明素养测评模型[60]、研训者数据领导力测评模型[61]等。在本研究中问卷试题测验的方式具备以下限制。（1）研究对象的特殊性。本研究测评任务不仅需要测评青少年在使用互联网教育应用后的认知发展，还需要考察青少年使用过程中的认知状态，依靠被试主动反馈的测评方式会打破互联网教育应用使用过程的认知状态，如扰乱被试的知觉系统、分散被试的注意等等。（2）问卷测评的局限性。在使用互联网教育应用的过程中，问卷测试具有一定的滞后性，无法反映青少年在使用过程中各方面的真实认知状态，且由于填写问卷的主观性和多重量表的叠加会导致测评结果的信效度降低。

鉴于研究对象的特殊性和传统测评方法的限制性，本研究在前期对基于互联网教育应用的青少年认知发展测评进行了方法论探索[62]。在测评的操作性和可行性上还需寻求智能技术的支持，需要开发智能算法支持的人机协同认知诊断系统，在数据采集上需要无感化地采集学生使用互联网教育应用的多类数据，如生理信息、面部表情、人体姿态、人机互动轨迹、学习日志等，并基于测评指标智能生成与学习内容相关的测试任务，反映青少年记忆、思维等方面的变化等。鉴于此，本研究开发了互联网教育应用认知过程数据采集平台原型，一方面该系统能够在青少年使用互联网教育应用的过程中无感化采集青少年的语音数据、交互数据和视频数据，通过数据拟合反映青少年在使用过程中感知觉和注意的变化；另一方面生成与学习内容相关的测评任务，通过测评结果反映青少年使用互联网教育应用后记忆、思维和想象的变化。

本研究以重庆某小学六年级100名学生为研究对象，实验前采用前测问卷了解青少年的认知水平，研究以“国家中小学智慧教育平台”为例，学习内容为小学六年级语文课程《好的故事》和数学课程《正负数的认识》，各分为两个课时。首先，由实验助理布置互联网教育应用模拟体验场景，包括终端设备调试、数据采集调试（面部表情、人体姿态、人机互动和学习日志等）和互联网教育应用的调出。然后，学习者入场使用互联网教育应用进行学习，每次学习时间为30分钟，语文课程和数学课程分别进行两次学习。在使用结束后，学习者需要完成与学习内容相关的测试题，用以考察学习者在记忆、思维和想象方面的变化。其中的感觉、知觉和注意三个维度需要建立指标与采集数据的映射关系，整个过程需要大规模的数据支撑，故在试测过程中只收集了学习者学习过程的数据，并未进行相应分析。研究结果发现，记忆、思维和想象三个维度的前测均值分别为3.13、1.67、1.95，对应的后测均值分别为1.74、1.87、1.97，其中记忆和思维存在显著性差异（P<0.05）。通过初步的试测表明，结合互联网教育应用认知过程数据采集平台，互联网教育应用中青少年认知测评指标体系具有较好的区分度，能甄别出青少年记忆、思维和想象等认知过程在应用互联网教育应用后的变化，初步验证了测评指标体系的可行性与可操作性。

七、结语

在AIGC技术迅速迭代的当下，互联网教育应用将不断革新自身功能，以更加智能的姿态渗透至教育领域，呈现出超越传统教育应用的新型使用方式并走向普及化。然而，我们尚未形成便捷式、高精度的认知诊断方案评估学习者使用互联网教育应用过程中的认知过程，无法明晰这类新型互联网教育应用对青少年认知发展的利弊，以及缺少科学的监管方案进行有效监管。突破认知“黑匣子”困境的任务十分紧迫，实现科学化的认知诊断对营造人工智能+教育和谐互融的未来教育新生态具有关键作用。本研究采用定性与定量相结合的方式构建了互联网教育应用中青少年认知发展测评指标体系，并确定了相应的权重系数。在验证阶段，初步构建了数据采集系统原型，对认知过程中的记忆、思维和想象进行了量化分析。在未来，一方面需要不断完善认知测评系统的开发，实现大规模在线测评，并不断提升人在回路认知诊断的测评准确度，尽快构成基线模型为评估各类互联网教育应用形成参照物，深入探索各类教育应用对认知发展的具体影响；另一方面，需要先验性的探索智能教育应用的治理方案并加快落地，如探索教育风险矩阵构建对应的治理框架[63]，以认知评估耦合实际治理实现协同并进提升治理效力，规避技术先行而治理未预引发的教育困局。

参考文献：

[1] 中国互联网络信息中心.《第五次全国未成年人互联网使用情况调查报告》发布[EB/OL].https：//www.cnnic.cn/n4/2023/1225/c116-10908. html，2023-12-25.

[2] 教育部教育技术与资源发展中心.教育移动互联网应用程序备案管理[EB/OL].https：//app.eduyun.cn，2023-09-22.

[3] 童莉莉，刘德建等.中国互联网教育应用测评：方法、实践与展望[M].北京：教育科学出版社，225.

[4] 顾小清，林仕丽等.理解与应对：千禧年学习者的数字土著特征及其学习技术吁求[J].现代远程教育研究，2012，（1）：23-29.

[5] 陈丽，林世员等.“互联网+”时代中国远程教育的机遇和挑战[J].现代远程教育研究，2016，（1）：3-10.

[6] 张岩.“互联网+教育”理念及模式探析[J].中国高教研究，2016，（2）：70-73.

[7] 余胜泉，王阿习.“互联网+教育”的变革路径[J].中国电化教育，2016，（10）： 1-9.

[8] 卢宇，余京蕾等.生成式人工智能的教育应用与展望——以ChatGPT系统为例[J].中国远程教育，2023，43（4）：24-31+51.

[9] 王佑镁，王旦等“.阿拉丁神灯”还是“潘多拉魔盒”：ChatGPT教育应用的潜能与风险[J].现代远程教育研究，2023，35（2）：48-56.

[10] 沈书生，祝智庭.ChatGPT类产品：内在机制及其对学习评价的影响[J].中国远程教育，2023，43（4）：8-15.

[11] 秦渝超，刘革平等.生成式人工智能如何重塑教学活动——基于活动理论的模型构建与应用[J].中国远程教育，2023，43（12）：34-45.

[12] 余胜泉，汪凡淙.人工智能教育应用的认知外包陷阱及其跨越[J].电化教育研究，2023，44（12）：5-13.

[13][17] [美] Kathleen M.Galotti.吴国宏译.认知心理学[M].西安：陕西师范大学出版社，2005.10.

[14][18] [美]E.Bruce Goldstein.张明译.认知心理学：心智 研究与生活[M].北京：中国轻工业出版社，2020.12.

[15] 叶浩生.具身认知：认知心理学的新取向[J].心理科学进展，2010，18（5）： 705-710.

[16] 魏屹东.自然认知的适应性表征：一种实用主义分析[J].山西师大学报（社会科学版），2022，49（6）：19-26.

[19] [美]斯滕伯格.杨炳钧，陈燕译.认知心理学（第三版）[M].北京：中国轻工业出版社，2006.21.

[20] 魏景汉，阎克乐等.认知神经科学基础[M].北京：人民教育出版社，2008. 351.

[21] 叶浩生.具身认知的原理与应用[M].北京：商务印书馆，2017.9.

[22] 唐孝威，水仁德等.认知科学导论[M].杭州：浙江大学出版社，2012.179-180.

[23] 武秀波，苗霖等.认知科学概论[M].北京：科学出版社，2006.13.

[24] [苏]列夫 维果茨基.麻彦坤译.社会中的心智：高级心理过程的发展[M].北京：北京师范大学出版社，2018.26-70.

[25] 赵梅，杨文正等.教育APP开发模式演进及发展趋势分析[J].电化教育研究，2018，39（6）：90-97.

[26] 张国云，杨文正等.“技术赋能学习”视域下新兴技术在教育APP中的应用前瞻分析[J].中国电化教育，2018，（10）：107-117.

[27] 刘珏琏，郭梅等.媒体教学对大学生视觉疲劳的影响及对策[J].现代预防医学，2005，（12）：1790-1791.

[28] 宋礼青.城市低年级小学生课外学习类APP的交互设计研究[D].无锡：江南大学，2014.

[29] 郝建江.虚拟现实环境下知识的感知觉表征研究[D].宁波：宁波大学，2019.

[30] 李宏利，刘惠军.互联网与青少年思维发展[J].首都师范大学学报（社会科学版），2004，（6）：108-112.

[31] Wadlinger H A，Isaacowitz D M.Fixing our focus：Training attention to regulate emotion [J].Personality and Social Psychology Review，2011，15（1）：75-102.

[32] 蒋军，陈雪飞等.积极情绪对视觉注意的调节及其机制[J].心理科学进展，2011，（5）：701-711.

[33] 曹培杰.数字化学习中注意力失焦的原因分析[J].中国电化教育，2015， （8）：42-46+58.

[34] 王志军，余新宇.在线课程设计与开发：要素、理念模型与过程模型[J].开放教育研究，2022，28（3）：81-92.

[35] Cuesta-Cambra U，baldo|Ni o-González J I，et al.The cognitive processing of an educational app with eeg and ‘eye tracking’ [J].Comunicar Media Education Research Journal，2017，25（52）：41-50.

[36] Axelsson A，Anderson R C，et al.Scaffolding executive function capabilities via play-&-learn software for preschoolers [J].Journal of Educational Psychology，2016，108（7）：969-981.

[37] 熊苏春，张文华.网络环境下影响学习者学习策略使用的因素研究[J].外语电化教学，2014，（6）：57-62+75.

[38] 韩宏亮，李月琳.移动学习平台的交互设计：可用性与用户体验的比较研究[J].现代情报，2021，41（4）：55-68.

[39] Huber B，Yeates M，et al.The effects of screen media content on young children’s executive functioning [J].Joural ofexperimental child psychology，2018，170：72-85.

gOKOcRi2wZa0aDEdn3OhgQ==[40] Li W，Zhang X，et al.How Animation lmprove Children’s Cognition in User Interiace：A Study of the Kids VOD Application [C].Las Vegas：Springer International Publishing，2018.196-217.

[41] 武丽娜，刘永权.成人学位英语APP移动学习教学设计与效能分析[J].中国远程教育，2016，（7）：20-25.

[42] 赵梓伊.初中生使用教育类APP的现状及其影响因素研究[D].长春：东北师范大学，2018.

[43] Loh K K，Kanai R.How Has the Internet Reshaped Human Cognition [J]. The Neuroscientist，2016，22（5）：506-520.

[44] Henkel L A.Point-and-shoot memories：the influence of taking photos on memory for a museum tour [J].Psychological Science，2014，25（2）：396-402.

[45] Pérez-Jorge D，Martínez-Murciano M C.Gamification with Scratch or App Inventor in Higher Education：A Systematic Review [J].Future Internet，2022，14（12）：1-16.

[46] Rosmiati R，Isrokatun I，et al.The development of android-based learning mobile app to practice critical thinking skills for elementary school students [J]. Pegem Journal of Education and Instruction，2023，13（2）：161-172.

[47][51] 吴兰岸，刘延申等.促进还是阻碍：全球视域下信息技术早期教育应用的SWOT分析及对策[J].学前教育研究，2016，（10）：3-17.

[48] 冯珊珊，代以平.全媒体视域下学校劳动教育：价值、困境与路径[J].教育科学研究，2022，（12）：17-22.

[49] 沈苑，汪琼.人工智能教育应用的偏见风险分析与治理[J].电化教育研究，2021，42（8）：12-18.

[50] Rowland， F.The filter bubble： what the internet is hiding from you [J]. Libraries and the Academy，2011，11（4）：1009-1011.

[52] 黄梓楠.动态图形设计在青少年科普教育类App中的运用研究[D].无锡：江南大学，2022.

[53] 高春颍，王福兴等.“触电”时代的儿童：触屏媒体与幼儿发展[J].心理发展与教育，2020，36（4）：502-512.

[54] 刘丹，胡卫星等.移动教育APP的研发现状与应用问题分析[J].电化教育研究，2016，37（8）：47-52.

[55] 吴明隆.结构方程模型：AMOS的操作与应用[M].重庆：重庆大学出版社，2009.40-53.

[56] 沈光辉，高鑫等.基于创客教育视角的初中生创新能力测评模型构建与应用[J].中国电化教育，2022，（4）：71-78.

[57] 范涌峰，宋乃庆.大数据时代的教育测评模型及其范式构建[J].中国社会科学，2019，（12）：139-155+202-203.

[58] 毛定祥.一种最小二乘意义下主客观评价一致的组合评价方法[J].中国管理科学，2002，（5）：96-98.

[59] 郑智勇，宋乃庆.中小学教师智能教育素养测评指标体系构建研究[J].中国电化教育，2023，（12）：75-83.

[60] 石潇，杨春凤等.新时代小学生生态文明素养测评模型构建与应用研究[J].中国电化教育，2024，（3）：92-100.

[61] 王巍，闫寒冰.研训者数据领导力测评模型构建与应用研究[J].中国电化教育，2024，（2）：8-15+60.

[62] 谢涛，秦渝超等.基于互联网教育应用的青少年认知发展测评[J].现代远程教育研究，2024，36（2）：20-27.

[63] 童莉莉，曾佳等.AIGC视域下数字教育产品的四维风险矩阵与治理框架[J].现代远程教育研究，2024，36（2）：12-19.

作者简介：

秦渝超：在读博士，研究方向为智慧学习环境与资源、智慧教育基本原理。

刘革平：教授，博士，博士生导师，院长，研究方向为智慧学习环境与资源、在线教育、教育数字化战略。

刘玉娟：在读博士，研究方向为智慧学习环境与资源。

Research on the Construction of an Evaluation Index System for Adolescent Cognitive Development in Internet Educational Applications

Qin Yuchao1， Liu Geping1，2， Liu Yujuan2， Yan Jieying1， Zhu Qinling1， Liu Qian1

1.Faculty of Education， Southwest University， Chongqing 400715 2.Center for Studies of Education and Psychology of Ethnic Minorities， Southwest University， Chongqing 400715

Abstract： The development trend of Internet+ education， characterized by increasingly sophisticated network environments， widespread popularity of smart devices， and continuous growth of educational applications， is constantly reshaping the online learning space for adolescents. At the same time， generative AI technologies are rapidly iterating and emerging， ushering in a new era of AI+ education. However， there is still a lack of systematic exploration of adolescents’ cognitive development during the use of Internet educational applications. Regulatory governance schemes for these applications lack scientific evidence support in terms of adolescents’ cognitive development， making it urgent to address the challenge of breaking through the “black box” of cognition and embracing the new wave of intelligent educational applications. To address this issue of a lack of systematic evaluation of adolescents’ cognitive development in Internet education application environments， this study draws on multi-disciplinary perspectives from cognitive psychology， cognitive science， and analysis of relevant domestic and international research. Using a combination of qualitative and quantitative methods， we construct an evaluation index system for adolescents’ cognitive development in Internet educational applications that includes six first-level indicators （sensation， perception， attention， memory， thinking， and imagination）， 14 second-level indicators， and 30 third-level observation points. We also determine the weight coefficients for each level of the indicators. This evaluation system aims to serve as a research fulcrum to explore the influence mechanism of Internet educational applications on adolescents’ cognitive development， laying the foundation for building a smart learning space that promotes human-machine harmony.

Keywords： internet educational applications； generative Artificial Intelligence； adolescent cognitive development； evaluation indicators； weight coefficients