新一代人工智能赋能学习分析的研究进展： 基于六类学习者建模任务的结构化叙述性综述

Abstract

在新一代人工智能快速发展背景下，学习分析正由以结果预测为主的粗粒度研究，转向对学习者认知、情感与行为过程的细粒度建模。本文采用结构化叙述性综述方法，纳入69篇核心文献，并依据“认知—情感—行为”与“过程—结果”逻辑，将相关研究组织为知识状态诊断、学习情绪分析、学习投入分析、学习专注度识别、学习习惯挖掘和学习结果预测六类任务。研究发现，新一代人工智能在学习分析中的渗透呈现非均衡态势：深度学习与多模态融合已成为若干任务的重要路径，而GenAI/LLM当前主要承担语义理解、解释生成与反馈支持功能。基于此，本文提出跨任务联动、人机协同方法与低侵入治理三方面启示，以期为学习分析研究及系统设计提供参考。