大家好，我是研究生 Chu。今年我作为研究生加入了山田研究室，今后请多多指教。
我的研究主题是基于学习日志的成绩预测及根据成绩进行个性化学习支持。

这次我想介绍我在英文文献研讨会中阅读的一篇论文，并分享我的感想。

论文信息：
**标题：**ChatGPT improves creative problem-solving performance in university students: An experimental study
**期刊：**Computers & Education
**卷号：**Volume 215
**文章编号：**105031
**出版年份：**2024
**作者：**Marek Urban, Filip Děchtěrenko, Jiří Lukavský, Veronika Hrabalová, Filip Svacha, Cyril Brom, Kamila Urban

在介绍这篇论文之前，有必要先了解一下 HHAIR（Hybrid Human-AI Regulation）这一概念。
HHAIR 是 Molenaar（2022）提出的一个以**自我调节学习（SRL）**理论为基础的模型。
其核心思想是利用人工智能强化人的调节能力，通过克服学习过程中的薄弱环节，提升学习者的 SRL 技能。HHAIR 被构想为一种人机协同的混合系统，通过批判性地评估人的调节行为，并借助 AI 进行补偿和增强。

（关于 HHAIR 的定义及其详细内容，可参考该文链接：https://www.sciencedirect.com/science/article/pii/S2666920X2200025X）

论文概要：

大学生在解决**模糊定义问题（ill-defined problems）**时，经常使用 ChatGPT 等生成式人工智能工具。然而，关于 ChatGPT 在此类问题解决中的实际效果，尚缺乏实证性研究。

本研究通过实验探讨 ChatGPT 对问题解决表现的影响，发现其能够显著提高解答的质量、精致度与创造性，并增强学生的自我效能感（self-efficacy）。论文也基于 HHAIR 理论指出：为了实现有效调节，学生在使用 AI 工具时，不应过于依赖感知到的任务难度，而应关注**元认知线索（metacognitive cues）**的有效使用。

论文所指的“模糊定义问题”包括：论文写作、案例分析、决策困境、工程设计问题、复杂科学实验等，这些任务常见于 STEM 教育，主要目标是培养学生的创造力与跨领域思维能力。

研究目的在于探讨 ChatGPT 使用对问题解决结果（质量、精致度、原创性）的影响，同时考察 HHAIR 框架中的五项要素：动机、元认知监控准确度、元认知线索、兴趣、任务难度的认知以及心理努力投入。

实验方法：

• 对照组：68 名未使用 ChatGPT 的大学生

• 实验组：77 名使用 ChatGPT 的大学生

• 两组分别完成基础测试与复杂问题解决任务，实验组可使用 ChatGPT。

• 研究测量了：解决方案质量、精致度、原创性、自我效能感、任务兴趣、任务难度感受、心理努力程度等。

实验结果显示，ChatGPT 的使用显著提升了解决方案的质量与自我效能感。实验组花费平均时间 36 分钟，而对照组为 26 分钟。

研究结果：

• ChatGPT 显著提高了解决方案的质量、精致度、原创性，并增强了任务中的自我效能感。

• 然而，在自我评估准确性方面，ChatGPT 的使用并无显著影响。

• 使用 ChatGPT 的学生往往高估了自己答案的质量与原创性，并感受到较低的任务难度与心理负担。

• ChatGPT 的认知有用性与表现评价之间存在中等程度的相关性。

• 使用经验越丰富的学生越容易觉得任务简单。

• 虽然 ChatGPT 有助于激发发散性思维，提出多种创新性解法，但学生在自我评估时难以有效运用启发式线索（heuristic cues）。

我的选择理由与感想：

目前，越来越多的大学生在学习中使用像 ChatGPT 这样的生成式人工智能。然而，如何评估 AI 工具对学习成果的影响仍是一个重要课题。
我的研究聚焦于个别化优化学习（Adaptive Learning），AI 是其中极为关键的工具。
这篇论文为我提供了评估 AI 有效性的多个视角和研究要素。

不过，我也有些疑问。虽然论文提到 HHAIR 是以 SRL 理论为基础的框架，但实验中并未提供任何自我监控工具（如学习者用来调节学习状态的仪表盘等），与理论之间存在一定的不一致。我认为，在 AI 支持的学习中，进行有效的自我监控至关重要。未来我在开展研究时，也将特别关注理论基础的整合性与实证方法的一致性，推进更加严谨且具教育意义的研究工作。