Cosentino 等人(2025)探討生成式人工智能(GenAI)在具身數學學習情境(embodied mathematics learning environment)中提供形成性反饋(formative feedback)的作用。基於具身認知理論(embodied cognition theory)與多模態學習技術的發展,研究比較了人工智能生成反饋與教師反饋在支持學生學習過程方面的效果。研究以兒童學習整數運算為情境,通過一個身體尺度的數位數線(body-scale digital number line),將身體動作與數學推理相結合,從而促進抽象概念的理解。
研究採用組間實驗設計,將34名年齡介於11至13歲的學生隨機分配至兩組:一組接受GenAI反饋,另一組接受教師反饋。學生在一個多感官學習環境(MOVES)中進行學習,其身體動作會被系統即時捕捉,並由基於GPT-4的系統生成個性化反饋。研究通過多模態數據(包括眼動追蹤、系統紀錄與行為數據)評估學生的任務表現、認知負荷以及資訊處理模式(information processing patterns)。
研究結果顯示,在學習表現(任務完成表現)方面,GenAI反饋組與教師反饋組之間並未出現顯著差異。然而,接受GenAI反饋的學生在認知負荷上顯著較低,並展現出更為平衡且有效的資訊處理策略,例如在眼動指標(如瞳孔變化與資訊處理指數Information Processing Index)上表現更佳。相對而言,接受教師反饋的學生呈現較高的認知負荷,且更頻繁地將注意力轉移至錯誤選項或非關鍵資訊,顯示其資訊處理效率較低。
整體而言,研究指出,生成式人工智能能夠作為一種有效的反饋工具,在不影響學習成績的前提下提升學習效率與資訊處理模式。研究強調,GenAI並非取代教師,而是應通過「人機協同」(hybrid intelligence)的方式,結合人工與人工智能反饋的優勢,以優化學習體驗。相關發現為設計AI支援的多模態學習環境提供了重要啟示,特別是在促進數學學習中的認知投入與個性化學習方面具有潛在價值。
文獻來源(開放取用):Cosentino, G., Anton, J., Sharma, K., Gelsomini, M., Giannakos, M., & Abrahamson, D. (2025). Generative AI and multimodal data for educational feedback: Insights from embodied math learning. British Journal of Educational Technology, 56(5), 1686-1709.