《Frontiers in Psychology》:Generative AI-based digital storytelling enhances cross-cultural symbol learning through learning engagement
编辑推荐:
引言:传统跨文化符号学习在教学上要求很高,因为学习者必须超越视觉识别,转向具有历史情境性、情感意义和可迁移性的解释。本研究探讨了基于生成式人工智能(GenAI)的数字叙事是否能通过学习投入度改善文化符号学习。方法:研究1将276名大学生随机分配到说明性文本组、
引言:传统跨文化符号学习在教学上要求很高,因为学习者必须超越视觉识别,转向具有历史情境性、情感意义和可迁移性的解释。本研究探讨了基于生成式人工智能(GenAI)的数字叙事是否能通过学习投入度改善文化符号学习。方法:研究1将276名大学生随机分配到说明性文本组、传统数字叙事组或基于GenAI的适应性数字叙事组。研究2调查了487名近期完成人工智能支持的文化学习活动的学生,并使用验证性因子分析(CFA)和结构方程模型(SEM)来检验所提出的学习投入度路径。结果:在研究1中,GenAI条件产生了更高的学习投入度,F(2, 273) = 24.37, p < 0.001, ηp2=0.151,以及更高的跨文化学习成果,F(2, 273) = 18.92, p < 0.001, ηp2=0.122。学习投入度部分中介了GenAI效应(B = 0.32, 95% CI [0.19, 0.47])。在研究2中,GenAI叙事质量预测了学习投入度(β = 0.61, p < 0.001),学习投入度预测了学习成果(β = 0.47, p < 0.001),且间接效应显著(β = 0.29, 95% CI [0.22, 0.37])。讨论:通过互补的研究设计,研究结果表明,基于GenAI的数字叙事可以通过创造更具吸引力的适应性叙事体验来支持跨文化符号学习。研究2提供了聚合机制证据,而非独立的因果证明。
传统跨文化符号学习在教学上要求极高。文化符号凝缩了历史记忆、集体价值与社会身份,对于缺乏相关文化背景的学习者而言,常面临“文化折扣”(cultural discount,指源自一种文化系统的材料对另一种文化背景的学习者变得较难理解或教育效果减弱的现象)问题:表面特征可见但深层含义难以推断,导致解释信心低、知识迁移差。传统数字叙事(结合多媒体元素的叙事教学法)虽能改善学习,但叙事节奏和深度固定,难以适应学习者的先验知识或实时误解。此外,现有关于生成式人工智能(GenAI,能够生成文本、图像等内容的人工智能技术)的教育研究多关注一般机会、伦理或使用意向,缺乏针对特定内容领域的心理学学习结果研究,少有研究分离GenAI适应性相对传统叙事的增量价值,也缺乏将其与教育心理学中介模型相连的研究。
为弥补上述空白,研究人员开展了两项研究,探讨基于GenAI的数字叙事如何影响跨文化符号学习结果,并检验学习投入度(Learning engagement,包含行为、情感和认知投入的多维构念)的中介作用。研究得出结论,基于GenAI的数字叙事能通过创造更具吸引力的适应性叙事体验支持跨文化符号学习。该研究将GenAI研究扩展至特定心理学学习情景,丰富了跨文化学习研究,并阐明了学习投入度作为连接人工智能教学与具有文化情境学习结果的中介过程。本论文发表在《Frontiers in Psychology》。
研究采用双研究设计。研究1采用随机组间实验设计,从跨文化交际等课程中招募276名大学生作为样本队列,将其随机分配至说明性文本组、传统数字叙事组或基于GenAI的适应性数字叙事组。数据分析采用单因素方差分析(ANOVA,用于比较多个组别均值差异的方法)和偏差校正自助法进行中介效应检验。研究2在真实课程情境中招募487名近期完成人工智能支持的文化学习活动的大学生,运用问卷调查法,通过验证性因子分析(CFA,用于检验测量模型与数据的拟合程度)和结构方程模型(SEM,用于检验变量间复杂关系路径的统计方法)检验潜在变量的中介路径。实验中GenAI生成的回复由两名独立指导教师进行质量筛查,并使用组内相关系数(ICC)评估评分者一致性。
研究结果
5.1 Study 1 results(研究1结果)
5.1.1 Baseline equivalence and manipulation check(基线等价性与操纵检验):通过比较三组实验条件发现,各组在年龄、先前的文化熟悉度等方面无显著差异,随机化产生可比群体。操纵检验表明,基于GenAI的数字叙事条件在感知适应性上被显著评价为高于其他两组,证实了操纵有效性。
5.1.2 Coherence of the composite learning outcome(复合学习成果的连贯性):通过Pearson相关分析和条件调整偏相关分析,发现自我报告学习、应用测验成绩和迁移情境成绩三个组成部分之间具有显著相关性,支持将其作为等权重组指标。
5.1.3 Main effects on engagement and learning outcomes(对投入度和学习成果的主效应):通过ANOVA得出,GenAI条件在学习投入度,F(2, 273) = 24.37, p < 0.001, η
p2=0.151,和跨文化学习成果上,F(2, 273) = 18.92, p < 0.001, η
p2=0.122,均显著优于其他两组。事后检验表明GenAI条件显著优于文本组和传统数字叙事组。
5.1.4 Mediation analysis and robustness checks(中介分析与稳健性检验):通过自助法中介分析得出,学习投入度部分中介了GenAI数字叙事对学习成果的影响(B = 0.32, 95% CI [0.19, 0.47])。在以客观测验成绩或迁移成绩为结果的稳健性检验中效应依然显著;子群检查表明该效应在不同语言和文化背景学生中保持稳定。
5.2 Study 2 results(研究2结果)
5.2.1 Measurement model(测量模型):通过CFA检验发现,三因子测量模型拟合良好,信度、收敛效度和区分效度均达标,同源方法偏差不严重。
5.2.2 Structural model and mediation test(结构模型与中介检验):通过SEM分析得出,感知的GenAI叙事质量正向预测学习投入度(β = 0.61, p < 0.001),学习投入度正向预测跨文化学习成果(β = 0.47, p < 0.001),且间接效应显著(β = 0.29, 95% CI [0.22, 0.37])。在加入控制变量后,中介模式依然稳健。平行中介分析表明,情感和认知投入的路径相对大于行为投入。
在讨论部分,研究人员指出传统数字叙事优于说明性文本,而GenAI带来的适应性增量价值进一步提升了学习效果。学习投入度是连接适应性叙事与文化学习质量的核心机制,其中情感和认知投入的贡献尤为突出。研究结果可通过多媒体学习理论、叙事沉浸逻辑和教育心理学的投入度理论来解释:GenAI能减轻认知负荷、增强叙事沉浸并激活深层处理条件。研究在教育心理学理论上贡献在于区分了固定叙事与适应性叙事,将GenAI研究扩展至教学心理学层面,为缩小跨文化符号的“解释差距”提供了心理学解释。实践建议课程设计者将GenAI作为有界的解释脚手架,强调叙事连贯性和文化准确性。研究局限包括样本仅限大学生、横截面调查无法提供因果证明以及捆绑式适应性干预难以分离具体有效成分。
研究结论表明,本研究探讨了基于GenAI的数字叙事是否能改善传统跨文化符号学习,以及学习投入度是否能解释该效应。两项互补研究一致给出了肯定答案。接触基于GenAI数字叙事的学习者比接触较少适应性格式的学习者表现出更强的行为、情感和认知投入度,并且展示了更好的跨文化学习成果。学习投入度部分中介了这种关系,表明GenAI不仅通过更易理解的形式呈现信息来促进学习,还通过为更深层次、更持久的解释性活动创造心理条件来发挥作用。这一结论的意义超越了传统文化教育的直接情境。在许多当前的讨论中,GenAI主要被定位为提高效率或便利的工具。而本研究结果指出了其更具实质性的作用:当融入精心设计的叙事环境时,GenAI可以作为一种教学脚手架,帮助学习者参与复杂、符号密集且文化陌生的材料。这对于跨文化学习尤为重要,因为其教育成功依赖于情境解释、视角转换和有意义的联结,而非仅仅是表层识别。对于教育心理学,本研究提供了连接适应性叙事设计、投入度与学习质量的基于机制的解释。对于实践领域,它表明GenAI在教育中的未来价值将不取决于其新颖性,而在于它是否被用于支持教学连贯、心理投入且文化负责的学习体验。因此,基于GenAI的数字叙事最好被理解为一种有前景的设计路径,而非技术捷径,以在当代教育中培养更丰富的跨文化理解。