面向公平的个性化支持：基于学习分析探索生成式 AI 赋能自我调节学习的人机协同路径

Abstract

随着GenAI与自我调节学习（SRL）的发展，如何借助GenAI实现个性化支持成为焦点。基于学习分析视角，本研究梳理GenAI支持SRL的理论与应用，反思其个性化实践中的公平性挑战。研究表明，GenAI可促进认知、元认知与动机调节，但其效果受学习者特征影响，算法偏见可能固化差距、削弱能动性。为此，本文构建面向公平的人机协同框架，提出可操作的系统原型、含交互、成效、能动与情感公平四维度的评估指标，及教师作为“公平调节者”的角色模型。未来应融合多模态学习分析与可解释AI，服务所有学习者的公平发展。