“自我调节学习”（Self-Regulated Learning, SRL）是一个使个体能够控制自己的思想、行为和情感，以有效引导学习过程的心理活动。这不仅包括设定目标，还涉及监控和调整学习策略，以确保目标的实现。简而言之，自我调节学习就是学习者主动管理自己的学习过程。
形成性反馈在支持自我调节学习（SRL）方面非常有效，但目前数字学习平台上的自动化反馈系统还不够先进。随着大型语言模型（LLMs）的出现，它们在语言处理方面表现出色，为开发更智能的辅导系统提供了新的可能性。然而，LLMs 也存在一些问题，如偏见和错误，尤其是在物理和数学等领域。因此，如何有效地整合 LLMs 以提供准确和有帮助的反馈，成为一个值得研究的问题。
本文介绍了一个名为 LEAP 的新平台，该平台利用先进的 LLMs，如 GPT-4o，来提供形成性反馈。LEAP 使教师能够有效地预设提示并分配任务给 LLM，从而生成能够激发学生认知和元认知过程的反馈。通过系统化的提示设计，LEAP 能够提供多种类型的支架，这些支架植根于教育研究，包括意义构建、详述、自我解释、部分任务解决方案以及元认知和动机支架。研究表明，系统化的提示设计可为学生提供多种类型的支架，包括意义建构、详细阐述、自我解释、部分任务解决方案支架以及元认知和动机支架。
一、研究问题与研究结论
研究的主要问题是如何利用 LLMs 开发能够提供有效形成性反馈的学习助手，以支持学生的自我调节学习。这一问题是在认识到 LLMs 在语言处理方面的潜力及其在教育应用中的局限性背景下提出的。通过开发和测试 LEAP 平台，研究者展示了如何通过基于理论原则的系统化提示设计，使 LLMs 能够提供与教育研究一致的、个性化的反馈。
为了验证这一点，研究者通过一个关于牛顿摇篮的物理问题进行了实证研究。他们展示了 LEAP 如何根据学生的回答生成不同类型的反馈，例如认知意义构建、认知详述、认知自我解释、部分任务解决方案、元认知和动机反馈。这些反馈示例表明，通过战略性提示，LEAP 能够提供符合理论原则的反馈，从而支持学生的自我调节学习过程。最后，研究者讨论了 LEAP 的优势及其在教育和研究中的潜在应用，同时强调了进一步研究以验证 AI 驱动的反馈对学生学习成果影响的重要性。
图源：个人访问文中示例网址（即使我输入中文，它也只给出英文或德文反馈）
文章强调了将教育技术进步与实证研究和理论框架同步的重要性，这可能确保LLMs在教育领域的积极有效应用。
二、自我调节学习与形成性评价
元认知（Metacognition）：这是 SRL 的一个重要方面，涉及对自己认知过程的认识和理解。它包括计划、监控和评估自己的理解程度和学习策略。
动机（Motivation）：这是推动个体积极参与学习过程的关键因素。动机可以源自内在，如对某个主题的兴趣，也可以源自外在，如获得好成绩的压力。
认知策略（Cognitive Strategies）：这些是具体的学习技巧，如记忆法、解决问题的方法或组织信息的方式，帮助学习者更有效地处理和理解信息。
LEAP平台介绍 LEAP是一个新型平台，利用先进的LLMs为学生提供形成性反馈，以促进自我调节学习（SRL）。该平台使教师能够有效地预提示和分配任务给LLM，从而提供刺激学生认知和元认知过程的反馈，增强自我调节学习（SRL）。
LLMs在教育中的应用 LLMs的出现为智能辅导系统的发展提供了有希望的轨迹。它们能够超越传统自动化反馈机制的能力，通过战略性地实施形成性反馈来刺激自我调节学习（SRL）。尽管LLMs存在某些偏见和错误，但其不断发展和完善正逐渐解决这些问题，使AI辅导在教育环境中的应用越来越接近现实。
LEAP的功能和特点 LEAP提供了一个用户友好的界面，使教育者能够创建内容并为LLM制定提示，从而提供特定类型的形成性反馈并增强学生的自我调节学习SRL。教师可以通过完成四个字段来创建具有形成性反馈或其他教育内容的任务，包括任务名称、学生问题、LLM的指令和正确答案：
1. 任务名称：指用户打算创建的问题的标题。
2. 学生问题：在这一部分中，教师可以加入问题文本，并可能附带图片、视频、数学公式或互联网链接。
3. 对 LLM 的说明：教师可在此部分指定提示类型，以支持不同的自我调节学习机制，如 认知感知或元认知支架（详见第 IV 部分）。此外，本栏还应包括问题中包含的图片和视频的描述，让 LLM 了解学生正在观看的内容。
4. 正确答案：在这一栏中，教师提供任务的正确答案。这可以是一个详细的解释，说明什么是学生可以接受的答案。
创建内容后，教师可以与学生分享链接，同时能够查看和下载学生答案和LLM反馈的历史记录以及特定反馈使用的提示历史。
LEAP的架构和LLM实现 LEAP是一个基于网络的应用程序，使用Flask进行后端开发，SQLAlchemy进行数据库访问，前端技术包括HTML、CSS、Jinja2和JavaScript。其数据库使用MariaDB构建，通过Gunicorn和Nginx来高效处理客户端请求。LEAP通过OpenAI提供的API与LLM进行交互，将提示发送给LLM并返回基于输入的反馈。
LEAP的应用和优势 LEAP使教师能够在学生解决问题任务时提供形成性反馈，支持学生的SRL。它能够根据学生的回答提供实时、个性化的形成性反馈，引导学生得出正确答案。LEAP的优势在于其能够提供与理论原则一致的认知激活支架，同时减少了错误输出和幻觉，因为它由教师提供正确答案，并引导学生回到任务上。此外，LEAP还为教师提供了增强教学实践的宝贵资源，使他们能够专注于教学的其他重要方面，同时提供个性化、针对性的支持。
四、总结与启示
文章强调了形成性反馈在支持自我调节学习（SRL）中的重要性。这表明，作为教育者或学习技术的设计者，我们应该更加关注如何在学习过程中提供有效的、及时的反馈。这种反馈不应仅仅是答案的简单对错，而应引导学习者深入思考，激发他们的元认知过程。
其次，文章展示了如何通过大型语言模型（LLMs）和LEAP平台实现这种反馈。这说明，先进的人工智能技术，特别是自然语言处理，可以成为教育领域的有力工具。通过精心设计的提示，我们可以引导LLMs生成有助于学习者理解的反馈，从而促进他们的学习过程。
此外，文章还强调了将教育技术与实证研究和理论框架相结合的重要性。这提醒我们，在开发和实施新的教育工具时，应确保它们基于坚实的理论基础，并通过研究验证其有效性。
从LEAP平台的开发中，我们看到一个用户友好的界面，使教师能够无需编程技能即可创建内容并与LLMs互动。这表明，简化技术工具的使用可以促进更广泛的采用，并使教师能够更有效地利用这些工具来支持学习者。
