大家好。我是博士课程一年级的田中。在这篇文章中，我将介绍在之前的英语文献研讨会上阅读的一篇论文。

•论文标题: GPTalk: LLM-based virtual companions for metacognitive growth in self-regulated e-learning（自我调节型在线学习中用于元认知成长的基于LLM的虚拟伙伴）
•作者: In-Taek Jung, ChungHa Lee, In-Chang Baek, Dongik Oh, Youjin Choi, Kyung Joong Kim, Duk-Jo Kong, Jin-Hyuk Hong
•刊载期刊: International Journal of Human-Computer Studies, Volume 210 (2026年)

这篇论文是关于利用名为“GPTalk”的学习支持系统的研究，由Jung等人（2026）撰写。该研究提出并评估了一种利用基于LLM的虚拟“教师”和“同伴（Peer）”来支持在线学习者元认知的机制。

1. 研究背景
在以录播课程为中心的在线学习中，学习者往往需要长时间独自学习，必须自行确认理解程度并调整学习策略。然而，现实中存在的问题是，学习者往往只是在观看视频，导致学习流于表面，最终停留在“自以为理解”的状态。针对这一课题，本研究展示了通过与搭载LLM的虚拟代理进行对话，激发学习者元认知活动的潜力。

2. 学习支持系统—GPTalk
GPTalk被设计为一个虚拟教师和虚拟同伴在学习的各个阶段进行互动参与的系统。为了基于讲义资料提供准确的回答，系统中还集成了RAG（检索增强生成）技术。

系统设计的初步调查
在本研究中，为了进行系统设计，首先对10名高中生和8名教师进行了半结构化访谈，整理了教育现场的需求。据此，推导出了以下6项设计要求：
1. 目标设定与计划支持
2. 促进自我监控
3. 学习策略调整支持
4. 学习后的总结与自我反思
5. 维持学习动机
6. 通过与同伴的互动激发元认知

各学习阶段的支持
•课前: 虚拟教师指出讲座要点，并引导学习者将学习目标语言化。
•课中: 在视频播放过程中提出理解确认的问题或测验。此外，通过虚拟同伴提出“这里我不明白”，创造出让学习者进行解释的场景，从而促进理解的重构。
•课后: 通过与虚拟同伴的对话回顾内容，必要时虚拟教师会介入并引导纠正误解。
由此可见，该系统并非简单的问答，而是按照“目标设定→监控→回顾”这一自我调节学习的流程进行设计的。

3. 研究方法
参与者为32名韩国高中生，在学习经济学课程时，比较了使用GPTalk的组和仅使用基于LLM的简单问答聊天组。评估通过以下方法对学习成果、自我评估准确性及学习体验进行了考察：
•学习成果: 通过课前和课后测试测量对学习内容的理解程度。
•元认知监控精度: KMA（Knowledge Monitoring Accuracy）。衡量学习者对自己回答正确与否的预估准确程度（即元认知监控的准确性）的指标。
•学习体验: UEQ（User Experience Questionnaire）。评估系统易用性、易懂性、满意度等用户体验的问卷。

4. 结果
1) 学习成果（测试分数）
报告指出，虽然使用GPTalk的组别分数呈现出更高的趋势，但并未达到统计学上的显著差异。不过，考虑到这是一次短时间、单次的学习会话，研究认为该系统没有阻碍学习，反而呈现出促进学习的倾向，这一点具有重要意义。

2) 元认知监控精度（KMA）
本研究中特别重要的是关于抑制“自以为理解”的结果。
•在基准组（未使用GPTalk的组）中，存在即使回答错误但“自信心”反而增加的倾向。另一方面，在GPTalk组中，这种增加得到了抑制。
•此外，在GPTalk组中，对“未理解”状态的“正确识别”精度有所提高。
换言之，这表明通过使用GPTalk，学习者可能更容易准确把握“自己理解了什么，未理解什么”。这被认为是一个值得关注的结果，因为它不仅支持了知识量的提升，还支持了自我评估准确性（校准）的提高。

3) 学习体验：用户体验与定性评估（UEQ）
在UEQ中，GPTalk在多个项目上获得了显著更高的评价。以下几点尤为突出：
•社会存在感
由于虚拟同伴的存在，削弱了“独自学习”的感觉，成为了持续学习的支撑。
•通过教导进行学习
据报告，学习者纠正虚拟同伴错误的过程最能激发元认知。
基于这一结果，研究指出，利用LLM的支持不仅在于“给出答案”，更重要的是设计出能让学习者进行解释和思考的机制。

5. 讨论
基于LLM的伙伴与元认知
本研究中，GPTalk通过引导学习者将目标设定和总结语言化来促进元认知。同时，由于LLM能够根据学习者的输入返回符合语境的回答，从而实现了更自然、更灵活的支架式教学。在教育影响方面，该研究展示了在容易变得被动的录播课程中，通过与虚拟教师和同伴的对话，可以将学习转变为学习者思考和解释的主动学习模式。特别是在缓解在线学习的孤独感方面也具有重要意义。

局限性
局限性方面，研究指出由于参与者仅限于韩国高一学生，且学科仅限于经济学，因此推广到其他年龄段或学科时需要谨慎。此外，由于是单次会话的结果，长期使用的效果是否持续是未来的课题。此外，与LLM的对话存在偏离学习内容的风险，需要采取措施进行控制。

6. 结论
本研究表明，与基于LLM的虚拟教师和虚拟同伴进行对话，有可能支持自我调节型在线学习中的元认知成长。研究不仅关注测试成绩，还关注了自我评估的准确性（元认知监控）。主要贡献在于：①基于访谈整理了6项设计要求；②实现了基于GPT-4o+RAG的GPTalk；③验证了提高元认知监控的可能性。未来的课题包括强化根据学习历史和理解程度的个性化功能，并将其发展为能在更多样化的学习环境中长期使用的形式。

感想
我认为这项研究通过预先访谈仔细提取了学习者的课题，并进行了反映这些课题的系统设计，是一项扎根于教育现场的实践性研究。在RAG的应用和提示词设计等系统实现方面，也给了我很大的启发。该研究不仅分析了学习成果，还从元认知监控、校准能力、学习体验等多个维度，利用多种测量方法对基于LLM的学习支持进行了分析，深入探讨了学习的质量层面，我认为这一点非常有意义。
另一方面，由于本研究是基于30分钟的相对短时间使用进行的评估，我认为有必要验证长期使用会产生怎样的效果。此外，我感觉到在观看视频的同时实时回复聊天，对于某些学习者来说可能会增加认知负荷。
我认为还需要验证虚拟教师和同伴角色的发言准确性。正如局限性中所述，如果能根据学习者的学习历史和预先理解程度来调整问题的难度和内容，该系统有望发展成为更具适应性的系统。我希望将本研究中展示的基于自我调节学习的阶段性学习支持及提示词设计等相关知识，应用到我自己的研究中。