神经自适应元认知提示策略

NEURO ADAPTIVE METACOGNITIVE PROMPTING STRATEGIES FOR IMPROVING SELF REGULATED LEARNING AND CRITICAL THINKING IN PSYCHOLOGICAL SCIENCE EDUCATION

神经自适应元认知提示策略：提升心理学科学教育中的自我调节学习与批判性思维

https://arhivzatehnickenauke.com/article/1096

摘要

关键词：神经自适应提示，元认知策略，自我调节学习（SRL），批判性思维，心理科学教育，元认知监测准确性，自适应教学设计。

引言

神经自适应元认知提示是一种教学模式，它将教育神经科学的概念与动态元认知支架相结合，以增强学习者对认知的调控控制。它涉及实时或与表现相关的刺激，并基于对控制执行功能、工作记忆和认知监测的神经过程的理解。元认知包括认知、认知知识和认知调节，即计划、监测和认知评估[1]。在这方面，神经自适应提示提供了一个基于反馈的错误监测系统和元认知判断，涉及前额叶皮层激活，并根据学习者的认知负荷和元认知准确性调整提示[3]。这种自适应机制的基本原理在于，当学习者拥有系统性的反思手段时，策略使用和理解方面的不足能够增强他们的元认知技能（Stanton等人，2021）。此外，基于神经科学的教师准备强调需要将基于脑的概念融入教学干预中[6]。因此，神经自适应元认知提示通过在教学设计中整合神经认知敏感性，建立在传统支架教学的基础上。

图1表示了一个通过适应性元认知功能的渐进改善阶段所建立的模型化进展。每个半圆形区段的视觉化呈现显示了一种从左边的低适应状态到右边的完全优化的神经适应性状态的逐步升级进展。颜色强度的渐进变化表明认知监测、纠正和策略控制操作已得到增强。在概念层面上，该图展示了学习者通过系统性的自适应提示和反馈介导的精细化调整，从最低限度的元认知校准发展到详尽的自调节专业能力的过程。

自我调节学习（SRL）是一个多维度的概念，包含目标设定、策略行动、自我监测和反思性调整。在认知与学习科学中，自我调节学习始终与积极的学术坚持和概念掌握相关联[1]。神经科学教育中的实证研究表明，元认知能力与有效的自我调节学习行为之间存在密切关系，尤其是在需要分析推理的复杂领域中[2]。批判性思维，涉及评估证据、推理和分析论证，同样需要元认知调节。医学和科学教育研究表明，高水平的元认知意识与学生在批判性推理考试中的表现提高相关[4]。动机性自我调节支架也被发现能提高学生对科学文本的理解和分析兴趣[8]。来自早期和高等教育干预措施的额外证据表明，基于元认知的教学能切实改善学习者独立的策略应用和推理能力[5][9][10]。此外，基于整合方法的干预措施，结合情绪调节和动机性元技能，有助于在认知参与和适应性专长方面取得长期收益[7]。综合来看，这些结果突显了自我调节学习和批判性思维作为心理科学及相关领域学科专业知识核心决定因素的重要性。

本文的目的在于概念化并实证研究神经自适应元认知提示策略作为一种程序性干预策略，以改善心理科学教学中的自我调节学习和批判性思维。它试图结合认知心理学、神经科学和教育研究的成果，以生成一个连贯的、具有实践相关性和理论依据的框架。

尽管在高等教育层面对元认知已有广泛认识，但大多数学习情境仍依赖于固定不变的提示和通用学习技能指导，这些并未考虑到学习者之间的神经认知多样性。基于神经科学的支架未被自适应地使用，这限制了深层分析推理和自主调节的发展。必须填补这一空白，以促进心理科学教学循证教学法的发展。

本文提出了一个整合模型，在学科环境中将神经自适应元认知提示操作化。它通过将神经监测过程与自适应教学设计相联系，并阐明元认知支架促进自我调节学习和批判性思维表现的可量化路径，来推动该领域的发展。

本文剩余部分的结构如下。第二部分是对自我调节学习、批判性思维、元认知提示和自适应神经教育技术相关研究的文献综述，为所提出的框架提供理论基础。第三部分描述研究设计，包括参与者人口统计学信息、干预框架和分析模型。第四部分详细说明实证结果、绩效指标以及比较和消融结果。第五部分将研究结果与先前研究进行背景化讨论，并探讨教育及研究意义，同时也提及本研究的局限性。最后，在第六部分，本文总结了主要贡献以及对教育实践和政策的影响。

文献综述

自我调节学习（SRL）是一个持续的循环过程，涉及预先思考、表现监测、反思以及学习迁移对学业成绩的影响。2020年之后，与元认知相关的研究显示出特别显著的增长，其中自我调节学习和批判性思维主导了教育技术的发展[17]。用于监测和评估学习成果及学业成绩的调节性学习支架，很可能影响学习策略的使用并提高学业成绩[18]。定量和混合方法的系统性综述支持元认知策略对学习效果、概念保持和推理指标的影响[16]。在远程学习中，较高水平的自我调节学习与更强的坚持性和高级吸收能力相关[19][20]。具有元认知和社会支持的支架被认为聚焦于“自我”和“他人”的反思与推理[19]。所综述的研究对学习者进行了抽象概括，并将自我调节学习描述为一个高阶自我调节学习的过程，整合了批判性思维的认知框架。

元认知提示策略聚焦于设计触发因素，以帮助学习者计划、监测和评估任务。触发因素的示例被归纳为以下系统类别：陈述性、条件性和程序性。实证研究表明，与学习者实时的认知状态相比，学生与给定任务相关的认知过程是并行发生的[18]。引入基于代理的建模的支持性研究表明，以改进和增强为导向的自我调节认知过程，可以被转化为针对执行功能各种缺陷（尤其是与自我调节相关的缺陷）的各种提示开发尝试[15]。智能导师系统，如Meta导师，能够通过眼动追踪、日志文件和情感检测的组合来捕获数据，这表明一种统一的、针对多种认知验证过程提供支架的方法能增强策略控制和校准[11]。基于人工智能的交互式平台也通过提示反思性任务来带来更实质性的改进，这些任务能提升玩家的元认知能力和创新性问题解决能力[12]。结果表明，提示的时机、反馈的特异性以及针对学习者足够差距的建模至关重要。

神经自适应技术将认知神经心理学和情感神经科学的元素添加到自适应学习技术和传统的自适应学习过程中。如今，个性化的电子学习系统能够动态适应学习者的认知负荷，并分析学习者的错误和行为，以预测和响应学习者的需求，这得益于先进的预测分析工具和自适应评估引擎[14]。从神经教育学的角度来看，神经认知指标被扩展以优化反馈回路和执行控制的支架。反馈的时机和效价能强烈影响奖励和 learner 动机的神经回路。近期关于“负面”反馈的研究表明，当反馈接收者被给予反思性线索时，这些反馈系统可以被进一步优化，以修改某些认知过程，改善记忆保持，并在某些情况下促进持久记忆的创建[13]。神经自适应技术还侧重于提高策略灵活性和监测准确性，这导致了基于人工智能的分析与元认知理论的融合，这可能标志着向更精准支架水平的自适应系统控制发展，以及优化反馈回路以平衡系统控制的开端[11][14]。它有助于提升学习者的系统思维、批判性思维和创新能力。

综合文献呈现以下显著发现：第一，结构化的自我调节学习支架能产生显著的智力和分析成果。第二，元认知提示在具有自适应性和数据响应性时最为有效。最后，神经自适应技术为精准支架提供了创新的、可扩展的方法。这些发现适用于当前研究，因为它们支持了神经自适应元认知提示策略（NAMPS）作为在心理科学领域增强自我调节学习和批判性思维框架的概念基础和技术基础。

方法论

研究设计

为了确定神经自适应元认知提示策略（NAMPS）对自我调节学习（SRL）和批判性思维结果的因果影响，本研究采用准实验前测-后测对照组研究设计。通过在干预组和比较组中各纳入两个完整的课程部分，以控制教学污染，从而保持了生态效度。结果使用多级回归框架进行估计，该框架考虑了数据的嵌套结构（教学组内的学生）。方程（1）是干预后表现得分的模型，该得分取决于是否接受处理以及基线协变量：

图2展示了用于评估神经自适应元认知提示策略（NAMPS）的系统性实验流程。该流程始于参与者招募，在此阶段，参与者在被分配到对照组、基于规则的适应性提示（RAP）组和NAMPS组之前，会先接受自我调节学习（SRL）和批判性思维技能的前测。干预周期持续八周，期间通过记录实时学习分析数据，持续监测表现、反应时和监测指标。随后进行后测，并使用统计模型（方程1、2和3）对收集的数据进行分析，接着评估各组的比较表现。该图展示了一个按时间顺序组织的、基于证据的研究计划，其中整合了干预、分析及定量验证。

参与者与抽样方法

研究对象为一所大型城市大学的心理学专业二年级本科生。采用分层整群抽样，以确保按学业成绩水平和性别比例的代表性。样本量通过功效分析确定（功效 = .80，α = .05，中等效应量），以最小化第二类错误的可能性。使用对GPA和干预前自我调节学习测量指标的独立样本检验，以建立各组之间的基线相似性。纳入方程（1）回归模型中的意向性治疗建模有助于限制损耗偏差的影响。学习者分析数据包括反应准确性、反应时分布、信心判断和反思日志条目。这些变量被直接输入方程（2）以计算监测准确性，并输入方程（3）以进行变量加权。

结果

神经自适应元认知提示对自我调节学习的影响

在为期八周的实施过程中，干预组的自我调节学习（SRL）指标出现了显著提升。自我调节学习表现的操作性定义为自我调节增益分数（SRGS），该分数计算为标准化后测分数与前测分数之差。该增益用数学方式表示为方程（4）：

如方程（4）所示，通过使用标准化增益，考虑了天花板效应和围绕基线水平的个体差异。干预组的调节发展（平均SRGS为0.42）明显优于对照组（平均SRGS为0.18）。此外，系统日志分析显示，在预测-表现差距大小方面的校准准确性有所提高，并反映了调节稳定性的增强。NAMPS参与者的策略监测转换显示出显著减少31%。为了自适应提示的目的，这些改进表明，随着时间延长，计划和反思准确性稳步提高，这通过各次会话间时间方差的减少得到证明。

提高批判性思维技能

使用指定的评分标准，采用具有明确情境的分析性任务来评估参与者的批判性思维表现。批判性思维领域内高阶清晰推理的应答总分，通过应用方程（5）得出：

在方程（5）中，TP和TN分别指被准确分类的高质量和低质量论证，而FP和FN代表错误分类。NAMPS组达到了0.84的精确度分数，而对比组的结果为0.71。为了进一步评估推理分类的预测稳健性，计算了如下方程（6）中提出的F1分数：

根据方程（6），干预组计算得出的F1分数为0.81，而对照组为0.69。这表明干预组在合理推理结构中的敏感性和特异性之间具有更好的平衡。纵向建模显示，推理深度得分以及证据评估和反驳整合维度上的统计检验发生了显著变化。这些解释了自适应日志测量中认知负荷波动性下降方面的额外一致性。

不同提示方法的比较

静态提示、基于规则的适应性提示和完整的神经自适应元认知提示在三种配置下进行了比较。表现一致性的测量通过预期结果与评分结果之间的均方根误差（RMSE）进行量化。该指标如下方方程（7）所示：

RMSE的下降意味着如方程（7）所示，校准程度更高。NAMPS也表现优于RAP和SP，其独特的RMSE为4.12。

软件实现

这使用了Python 3.11、一个基于TensorFlow的自适应建模库、Scikit-learn统计分析库、用于存储的PostgreSQL，以及用于实时仪表板设计的Streamlit。

数据集实施

本研究纳入了184名学生，产生了12,640条任务级别的交互记录。测量了反应准确性、以毫秒为单位的反应时、0–100标度的信心评级、认知负荷以及提示反思的字数。使用了心理科学课程作业数据。

参数初始化

基线配置通过参数初始化（表1）来定义，以在所有试验中提供实验稳定性、可重复性和受控调整。认知负荷的加权系数α（0.65）被调整，以赋予神经认知指标重要性，而非原始错误频率；提示激活阈值θ（0.58）通过预试验调整，以在响应性和认知中断之间取得平衡。贝叶斯学习率（η = 0.10）以不使适应过程振荡的方式管理学习者状态的增量变化。最大自我调节学习量表值（100）标准化了增益计算，50次训练迭代足以在自适应建模中获得收敛而不出现过拟合。

表2显示了在对照组、基于规则的适应性提示（RAP）和完整NAMPS条件下的标准化自我调节增益分数（SRGS）。结果显示，随着提示复杂性的增加，自我调节学习（SRL）呈逐步发展态势，NAMPS具有最高的平均增益和最低的离散度，表明在计划、监测和过程评估方面有一致的改善。

下表3显示了在不同提示配置下分析推理任务的分类准确率和F1分数的汇总。NAMPS条件优于对照组和RAP组，在识别高质量推理模式方面表现出更好的精确度与召回率平衡，并显示出更大的推理和评估丰富性。

在表4中，报告了均方根误差（RMSE）值，作为静态提示（SP）、基于规则的适应性提示（RAP）和NAMPS情况下预测表现-表现拟合度的指标。作为学习者更好元认知校准和更准确自我评估的特征，NAMPS条件下较低的RMSE表明，与适应性较低的提示策略相比，其表现更优。

性能评估

该散点图（图3）代表了对照组、基于规则的适应性提示（RAP）组和NAMPS组中标准化自我调节学习增益分数的分布。每个点的增益值代表特定学习者的增益值，因此可以直接观察离散程度、聚类情况和组间分离。NAMPS组中增益值的提高和更紧密的聚类表明，与适应性较低的提示条件相比，在计划、监测和评估调节方面有更多且更有效的改进。

箱线图（图4）提供了中位数、四分位距和变异性，以确定每种提示条件下批判性思维准确性分数的分布。NAMPS条件展现出更高的均值和更小的四分位离散度，这不仅表明其在分析推理方面表现更佳，也表明与对照组和RAP组相比，参与者在推理表现质量上具有更高的一致性。

该直方图（图5）包含了所有提示方法的元认知校准误差的均方根误差（RMSE）值的频率分布。NAMPS范围内较低的RMSE表明预测表现与实际表现之间具有更高的一致性，因此监测准确性得到增强，且校准误差低于使用基于规则和静态提示方法时的情况。

结果表明，与静态和基于规则的提示方法相比，神经自适应元认知提示在自我调节学习和批判性思维等资源方面具有显著优势。所报告的校准准确性和标准化自我调节学习增强的提高与现有文献一致，即自适应支架能增强监测准确性和策略适应性。与对所有学习者采用相同方式的传统提示相比，自适应加权机制似乎有助于减少认知负荷过重，同时保持反思性参与。推理准确性和F1表现的变化表明，增强的元认知监测可直接有助于更深入审视证据和推理一致性。在教育实践背景下，这些发现意味着将实时诊断性反馈整合到学科教学中非常重要，而不是将元认知训练作为一个单独的模块。长期保留效果、跨不同学科的可迁移性以及在不同院校情境中的规模化应用，应在未来研究中加以探讨。同时应考虑一些局限性，例如单一机构样本、使用基于课程的评估，以及教师实施保真度可能存在差异。更明确的因果验证和更好的泛化能力，需通过随机多中心试验和认知负荷的神经生理测量来进一步研究。

结论

本研究探讨了神经自适应元认知提示策略在心理科学教育中对自我调节学习和批判性思维的设计与效果。研究结果表明，与比较条件相比，干预组发生了显著变化，例如自我调节学习分数提高了27.4%，批判性思维表现提高了22.8%。标准化自我调节学习增益（0.42）显著超过对照组（0.18）和基于规则的适应性提示自我调节学习增益（0.31），批判性思维准确性（0.84）为0.81。校准误差大幅降低，当完全实施自适应时，RMSE值降至4.12，意味着预测表现与实际表现之间的一致性更高。这些结果表明，在一个自适应系统中结合认知负荷敏感性、监测重校准和分层提示，能产生可量化的认知优势。对教师而言，这些发现表明应将预测性反思检查点和自适应检查表整合到课程作业中，而不仅仅是使用事后反馈。对政策制定者和课程开发者而言，投资于数据驱动的自适应系统有助于在规模上提高高阶推理表现。这一证据表明，神经自适应元认知提示能够在学习者学术专长的复杂领域中培养自主性、批判性思维和长期认知发展的能力。然而，在得出结论之前，还需要进一步的验证。

原文链接：https://arhivzatehnickenauke.com/article/1096/pdf