劉紅霞 李士平 姜 強 趙 蔚

（1.東北師范大學 信息科學與技術學院，吉林長春130117；2.長春師范大學 教育學院，吉林長春130032 ）

一、引言

自我調(diào)節(jié)學習（Self-Regulated Learning）是學習者在學習目標的驅(qū)動下，積極自主地調(diào)節(jié)學習行為、學習動機與元認知策略的過程，也可視為是一種強調(diào)學習者主動激勵自己，并積極使用適當學習策略的學習方式[1]。已有研究顯示，培養(yǎng)學習者的自我調(diào)節(jié)學習策略、增強學習者的自我調(diào)節(jié)學習能力，不僅是我們需要實現(xiàn)的學習目標，也是實現(xiàn)目標的主要方式與途徑。

以機器學習和深度學習為關鍵技術的智能技術，正給自我調(diào)節(jié)學習帶來許多機遇與挑戰(zhàn)。在技術賦能學習的世界里，學習者對于技術與環(huán)境帶來的諸多變化，是否做好了足夠的準備，應以怎樣的態(tài)度來面對變化并充分發(fā)揮人的主觀能動性，積極地開展人機協(xié)同式學習，以幫助智能技術更好的服務學習。為此，我們重點關注在“機遇”與“挑戰(zhàn)”并存的富技術環(huán)境中，自我調(diào)節(jié)學習的內(nèi)涵所呈現(xiàn)出的那些變化。以及在分析智能技術在賦能自我調(diào)節(jié)學習的同時，這些變化會給學習者帶來何種風險？以探討智能技術賦能自我調(diào)節(jié)學習的可行性發(fā)展路徑。

二、智能技術賦能自我調(diào)節(jié)學習的內(nèi)涵轉型

（一）現(xiàn)有自我調(diào)節(jié)學習內(nèi)涵的解讀

針對自我調(diào)節(jié)學習內(nèi)涵的界定，國內(nèi)外學者進行了深入的探討。我們在文獻分析的基礎上，對具有較高影響力的自我調(diào)節(jié)學習內(nèi)涵進行了分析，梳理出其中核心觀點與要素，詳見表1。

表1 國內(nèi)外關于自我調(diào)節(jié)學習內(nèi)涵的探索

相關學者一致認為，只有在學習過程中充分調(diào)動學習者認知的、情感的、行為的、生理的等諸多因素參與，才能有效地促進學習者的個體發(fā)展。在如何看待自我調(diào)節(jié)學習的問題上，有些學者將自我調(diào)節(jié)學習視為一種能力；有些學者則將自我調(diào)節(jié)學習視為一個過程。然而，不管是能力觀還是過程觀，所強調(diào)的自我調(diào)節(jié)學習相關因素大體一致，包括目標設置、元認知調(diào)控、動機調(diào)控、情緒調(diào)節(jié)、行為監(jiān)控價等幾個關鍵要素。

（二）智能技術賦能自我調(diào)節(jié)學習的相關實踐

早期圍繞自我調(diào)節(jié)學習的實踐研究，多集中在學習者自我調(diào)節(jié)學習能力的提升[10]、自我調(diào)節(jié)學習相關策略[11]與相關要素的培養(yǎng)[12-13]等方面；部分學者重點關注學習策略、動機、信念、自我效能、元認知等自我調(diào)節(jié)學習核心要素與學習過程及學習績效間的關聯(lián)關系[14]；也有學者從社會化學習的視角出發(fā)，在自我調(diào)節(jié)學習的基礎上，開展協(xié)同調(diào)節(jié)學習和社會共享調(diào)節(jié)學習的相關研究[15-16]。

伴隨著智能技術的深入發(fā)展，越來越多的學者致力于依托技術，支持學習者自我調(diào)節(jié)學習過程、策略、效果與能力提升。在環(huán)境的設計與開發(fā)方面，比較有代表性的研究有在線自我調(diào)節(jié)學習系統(tǒng)的開發(fā)[17-19]，也有學者在智能導師系統(tǒng)中嵌入元認知引導模塊[20-21]、情緒調(diào)節(jié)模塊[22]等，以實現(xiàn)學習績效的提升；在策略的設計方面，比較有代表性的研究包括通過學習支架[23]以及干預策略[24]等方式調(diào)節(jié)學習者的行為；在自我調(diào)節(jié)學習的測量方面，相關學者在傳統(tǒng)調(diào)查問卷、訪談與出聲思維等研究方法的基礎上，融入了數(shù)據(jù)挖掘與學習分析技術[25-26]，以更為客觀地反應學習者的學習行為、活動等學習事件，為分析自我調(diào)節(jié)學習的深層機制，提供了有力的支持。

（三）智能技術賦能自我調(diào)節(jié)學習的內(nèi)涵解讀

隨著智能技術的不斷成熟，自我調(diào)節(jié)學習者所處的學習環(huán)境發(fā)生了巨大的變化，學習者周圍會充滿各種語音識別設備、自動評分的家庭作業(yè)、定制學習資源與信息推送、面部識別以及更多前所未有的人工智能產(chǎn)品。在這樣的背景下，自我調(diào)節(jié)學習者的學習方式與學習工具都發(fā)生了極大的變化。為此，本研究對智能技術場域中自我調(diào)節(jié)學習的內(nèi)涵與所應具備的因素，進行探索性的分析（如圖1所示）。比如，如何明確學習需求與學習目標？如何在外在環(huán)境評價與自我評價之間理性思考以尋求自我價值的感知？如何調(diào)節(jié)學習過程中在認知、情感和行為等方面的變化，并在自我調(diào)節(jié)學習的過程中最終實現(xiàn)自我超越？以期形成具有實踐應用價值的理論啟示。

圖1 技術賦能自我調(diào)節(jié)學習的內(nèi)涵轉型

1.自我決定：技術賦能自我調(diào)節(jié)學習的出發(fā)點

自我決定即學習者在學習過程中，需要擁有自主選擇權并能夠掌控學習的全貌，這種選擇權與掌控感，使學習者認可自己選擇的學習任務是有價值的并且需要去做的。學習者在完成任務的過程中，更易獲得愉悅感，且在遇到問題與挫折時避免了無助感，并在強烈的信念和動機的推動下，通過不斷行動與探索來尋求自我提升。在“應該學什么”“已經(jīng)學過什么”“別人學過什么”“別人如何學習”之中，理性思考“想學什么”“需要學習什么”以及“需要學到什么程度”。學習者需要在享受個性化學習服務之前，明確自己的需求與目標，遵從內(nèi)心意愿，依賴學習興趣，保持好奇心，自我決定成長的軌跡。

2.自我監(jiān)控：技術賦能自我調(diào)節(jié)學習的核心策略

在技術賦能學習的場域中，學習者能夠時刻接觸到外部環(huán)境給予自己的評價。如何使用諸如學習儀表板等評價工具，對于學習者而言，不僅涉及技術層面與認知層面的策略，還涉及學習者從數(shù)據(jù)可視化表征中提取有效信息的數(shù)據(jù)素養(yǎng)。合理解讀外部評價與正確的歸因方式，將有效抑制基于大數(shù)據(jù)挖掘的學業(yè)評價與預測，對學習者未來造成負面影響的風險。

與此同時，情緒調(diào)節(jié)成為自我調(diào)節(jié)學習中的重要因素。比如，蘭德和貝恩[27]（Bayne ＆ Land）曾使用“圓形監(jiān)獄”來比喻虛擬學習環(huán)境，意指學習者時刻處于被監(jiān)控的狀態(tài)。的確，現(xiàn)有智慧學習環(huán)境不僅將學習者暴露于系統(tǒng)監(jiān)控之下，且將全體學習者的學習歷程與學習結果發(fā)布在學習者面前。在這樣的環(huán)境下，如何調(diào)節(jié)由被監(jiān)控與被比較帶來的學業(yè)情緒，成為影響自我調(diào)節(jié)學習效果的重要因素。支持學習者了解學業(yè)情緒的觸發(fā)因素，覺察學業(yè)情緒所賦予的意義，并具備消極情緒向積極情緒轉化的能力，將是我們關注的焦點。

3.自我認同：技術賦能自我調(diào)節(jié)學習的價值歸宿

智能時代的學習是時刻與大數(shù)據(jù)相伴的學習。在學習過程中犯了錯誤之后努力糾正的單回路學習（Single-loop Learning），已經(jīng)逐步退出主流。在糾錯的同時，分析自身在反饋回路中產(chǎn)生的數(shù)據(jù)，進而挖掘出犯錯原因的雙回路學習（Double-loop Learning），已逐漸成熟，并日益發(fā)揮出更大的效用。在這種雙回路學習系統(tǒng)中，學習者向系統(tǒng)學習知識的同時，系統(tǒng)會自動建構學習者的學習過程。然而，學習者并不會完全按照系統(tǒng)預期的方式去使用學習工具、理解評價、調(diào)節(jié)學習狀態(tài)并采取積極行動?？梢姡谧晕艺{(diào)節(jié)學習的過程中，自我認同是一個重要的環(huán)節(jié)。這是因為，接受外部評價與反饋是一個富有挑戰(zhàn)性的、令人焦躁不安的過程，也是一個自我發(fā)展的過程。學習者需要在外部評價與自我評價的不對稱性之中反復衡量，進而獲得對自我價值的理性感知。因此，自我價值感高的學習者更自信，更容易啟動自我完善機制，投入高效的自我調(diào)節(jié)學習。

4.自我調(diào)整：技術賦能自我調(diào)節(jié)學習的發(fā)展軌跡

智能時代的學習者應具備自我調(diào)整的基本素質(zhì)。以自我決定為出發(fā)點，以自我監(jiān)控為核心策略，在自我認同的歸屬感建立之后，最重要的便是學習者對學習行為、學習策略及學習狀態(tài)的調(diào)整。具體而言，學習者需要根據(jù)外部評價與自我價值的感知以及外部環(huán)境的刺激，設置學習目標、制定學習規(guī)劃、改善學習策略，將自己發(fā)展成為積極的主動學習者。

綜上所述，智能時代的自我調(diào)節(jié)學習是一個積極的自我決定與自我建構的過程，在這個過程中，學習者擁有自主選擇權，決定自我的學習需求、設置學習目標并調(diào)節(jié)認知、行為與情緒以實現(xiàn)知識的建構與自我的建構。在富技術環(huán)境中，一方面，學習者能夠充分享受技術帶來的服務，且技術能夠引導并約束學習規(guī)劃與學習行為；另一方面，學習者的認知、行為與情緒等因素，也影響著智能技術的支持方向與支持力度等基本配置。

（四）智能技術賦能自我調(diào)節(jié)學習的功能框架

美國 《2016 國家教育技術規(guī)劃》（2016 National Education Technology Plan，NETP 2016）以技術賦能學習、為未來做準備的學習[28]等主題，強調(diào)技術是推動教與學變革的強大動力，學習者是設計學習生態(tài)系統(tǒng)的邏輯起點。近年來，大數(shù)據(jù)驅(qū)動智能技術迅速發(fā)展，并實現(xiàn)從“數(shù)據(jù)→知識→智慧”逐步上升的過程。隨之教育界也開啟了數(shù)據(jù)密集型科學范式（Data-Intensive Science）[29]，并在理論范式、實證范式、計算范式的基礎上，通過對大數(shù)據(jù)的分析，來發(fā)現(xiàn)和獲取教育規(guī)律并進行教學決策。

在過去的六十余年中，智能技術經(jīng)歷了從“計算智能→感知智能→認知智能”這三個發(fā)展階段，其本質(zhì)就是從“數(shù)據(jù)→知識→智慧”生成的過程。相應的，智能技術賦能自我調(diào)節(jié)學習的范疇，也可以劃分為“計算智能+自我調(diào)節(jié)學習”“感知智能+自我調(diào)節(jié)學習”“認知智能+自我調(diào)節(jié)學習”三個層次，如圖2所示。

圖2 智能技術賦能自我調(diào)節(jié)學習的功能框架

1.計算智能+自我調(diào)節(jié)學習

所謂計算智能，是指快速計算和記憶存儲能力。大數(shù)據(jù)是人工智能的燃料，豐富的數(shù)據(jù)環(huán)境為智能技術的發(fā)展，奠定了堅實的基礎。在云計算技術出現(xiàn)后，計算智能表現(xiàn)出飛躍式的發(fā)展。在計算智能賦能學習的場域中，作用最為突出的就是數(shù)據(jù)挖掘技術與學習分析技術[30]?！坝嬎阒悄?學習”這一層次，主要是利用統(tǒng)計學、機器學習與數(shù)據(jù)挖掘技術等，對學習行為和學習過程進行量化、分析與建模，進而理解學習行為、挖掘行為間的隱含關聯(lián)、優(yōu)化學習過程及學習情境，發(fā)現(xiàn)潛在問題并及時干預的過程?！坝嬎阒悄苜x能自我調(diào)節(jié)學習”所涉及的應用場景，主要有量化學習行為、定制個性化學習服務、提供精準干預與決策指導等，輔助學習者自主監(jiān)控外顯學習行為，使其在個性化學習服務與精準干預下，制定合理的學習規(guī)劃、調(diào)整學習策略與學習節(jié)奏。

（1）量化學習者。通過對學習者及學習環(huán)境數(shù)據(jù)的測量與分析，記錄學習者的學習經(jīng)歷并勾勒學習者的個性特征。其中，學習儀表盤的應用最為廣泛，能夠?qū)W習者的經(jīng)歷以可視化的方式直觀呈現(xiàn)給學習者，用于支持學業(yè)過程的優(yōu)化[31]。如，Khan Academy 用顏色深淺表征學習者對知識點的掌握程度，在知識圖譜中勾勒出學習者的學習進度圖，以輔助學習者更客觀地監(jiān)控自己的學習；在個性化自適應學習系統(tǒng)Mastery·Grids 內(nèi)嵌入學習分析儀表盤，可記錄學習者個人與同伴的學習進展情況，便于學習者進行自我縱向?qū)Ρ纫约巴殚g的橫向?qū)Ρ龋_展更為客觀的自我評價[32]。

（2）定制個性化學習服務。智能技術能夠捕獲學習者的學習需求，為學習者推薦個性化的學習內(nèi)容與學習服務，實現(xiàn)因材施教，讓每一個學習者都能擁有最適合自己的學習路徑與學習節(jié)奏。DreamBox Learning 根據(jù)學習者的外顯行為數(shù)據(jù)推測其知識水平，進而自適應地推送學習路徑，并輔助學習者選擇更恰當?shù)膶W習策略[33]。

（3）精準干預與決策指導。智能技術能夠挖掘?qū)W習者的外顯行為數(shù)據(jù)，發(fā)現(xiàn)隱含的關聯(lián)關系，進而預測學業(yè)表現(xiàn)，并為學習者提供個性化的學習活動、資源、建議與反饋[34]。學習管理系統(tǒng)Desire2Learn 通過學習時間、學習工具的使用、交互程度與學業(yè)成績，辨別處于危險中的學習者并進行個性化干預。學業(yè)預警與個性化干預，均能在較大程度上支持學習者自主監(jiān)控學習過程與自主評價學習任務，并對學習活動與學習策略進行有針對性地調(diào)整。

2.感知智能+自我調(diào)節(jié)學習

所謂感知智能，就是讓機器具備視覺、聽覺、觸覺、嗅覺等豐富的感知能力，能夠通過這些感知能力接受外界刺激，獲取環(huán)境信息，并與環(huán)境進行交互。隨著傳感器技術的發(fā)展，文字識別、語音識別與圖像識別精度與效率迅速提升，越來越多非結構化數(shù)據(jù)的價值被關注、被挖掘?！案兄悄?學習”這一層次，主要是利用智能信息處理技術，對學習環(huán)境與學習者學習狀態(tài)中的有效特征信息進行處理。“感知智能賦能自我調(diào)節(jié)學習”所涉及的應用場景，主要有學習者情感狀態(tài)與注意力狀態(tài)識別、學習者興趣識別、學習情境識別等，以支持學習者通過外顯與內(nèi)隱多種途徑自主監(jiān)控學習狀態(tài)，接受更人性化的學習支持服務，并開展更全面、客觀的自我反思。

（1）學習者情感狀態(tài)與注意力狀態(tài)識別。借助面部表情、身體生理信號及眼動技術，實現(xiàn)對學習者注意力、情緒等實時學習狀態(tài)的捕獲與分析[35]；閆寒冰以彈幕技術為基礎，利用點贊、疑問、吐槽與沉默等情緒標簽替代彈幕評論，識別學習者學業(yè)情緒，從過程視角感知與分析在線課程內(nèi)容質(zhì)量，進而為學習設計和精準學習干預提供支持[36]；韓國學者Kunhee等人通過眼動技術，獲取學習者對資源的凝視時間、點數(shù)、空間密度等信息，并將其對資源的注意力狀態(tài)以可視化方式呈現(xiàn)給學習者，輔助其進行自我監(jiān)控[37]。

（2）學習者興趣與學習情境識別。Volley Labs 開發(fā)的知識引擎Volley，利用機器學習和深度神經(jīng)網(wǎng)絡技術，通過移動設備自動識別出傳統(tǒng)學習材料中關鍵詞，獲取學習者的學習興趣信息，進而從互聯(lián)網(wǎng)中生成圍繞該興趣點的微課程、簡報和測試等學習資源，并推送給移動終端。武法提等提出一種基于場景感知的學習者建模方法，在時間、空間、設備和事件等不同場景維度中，捕獲學習者個性特征值，進而更深層次挖掘?qū)W習者潛在的學習需求[38]。德國聯(lián)邦教育與研究部LISA 開發(fā)的移動學習同伴Smart Monitor，通過環(huán)境、心電等多種傳感器感知不同情境中學習者的生理信息，進而分析其學習狀態(tài)，從而為學習者反思與個性化學習提供支持與反饋[39]。

3.認知智能+自我調(diào)節(jié)學習

所謂認知智能，就是在計算智能和感知智能發(fā)展基礎上，讓機器具備分析、思考、理解、判斷的邏輯能力，從更豐富的感知、識別，延伸并演變?yōu)樽灾魍评淼睦斫馀c思考?！罢J知智能+學習”這一層次，并不是割裂計算智能與感知智能，而是從計算與感知的基礎上，進行語義理解、知識表達、聯(lián)想推理與智能導學等。目前，“認知智能賦能自我調(diào)節(jié)學習”所涉及的應用場景，主要有智能導學、人機協(xié)同、腦機接口等，真正的智能化學習方案已初現(xiàn)端倪，可為學習者提供智適應的學習支持，促進其積極地開展自主決策。

（1）智能導學。美國范德堡大學（Vanderbilt University）開發(fā)的“Betty’s Brain”采用認知學徒制為原型，引導學習者在教授虛擬代理學習的過程中，實現(xiàn)自我認知的提升[40]；美國圣母大學（University of Notre Dame）研發(fā)的智能導師系統(tǒng)，通過眼動儀，從學習者的眼動模式中鑒別其學習狀態(tài)，并給予學習提示與反饋[41]。MIT 媒體實驗室情感計算研究組開發(fā)的學習同伴“Cacey”，能夠通過頭部跟蹤器、藍眼監(jiān)視器、壓力鼠標與導電手環(huán)等設備，記錄學習者的面部表情與坐姿等肢體動作，識別學習者是否處于情緒低喚醒狀態(tài)。并以學習同伴的身份，回應學習者的情緒訴求，為其提供引導，輔助學習者在不同難度的任務情境下，進行積極的自我調(diào)控[42]。

（2）人機協(xié)同。人機協(xié)同是最大程度發(fā)揮人類智慧與機器智能各自優(yōu)勢的方式。Pardos 等學者針對MOOC 輟學率的問題，將edX 中學習者參與數(shù)據(jù)以儀表盤的形式提供給教師，設計出融入教師干預的預測模型，并使教學者與學習者雙方在人機協(xié)同的過程中，調(diào)整教與學的節(jié)奏，定制更具人性化的教與學的相關決策。便攜式腦波穿戴式設備MindWave、Interaxon Muse 等，越來越多被應用于教育科研中，以探究學習者的腦波狀態(tài)與學習間的關聯(lián)關系，它是一種基于實時生理信號反饋的人機協(xié)同學習方式。

三、智能技術賦能自我調(diào)節(jié)學習的瓶頸

在大數(shù)據(jù)驅(qū)動的智能技術學習環(huán)境中，需要冷靜思考在智能技術的支持下，學習者是否做好了應對環(huán)境變化所帶來的挑戰(zhàn)[43]，這些由技術因素催生出的變化，會給學習者的學習方式帶來哪些挑戰(zhàn)？

（一）“賦能”下的元認知

1.量化外顯，忽視內(nèi)在

外顯行為是心理與思維活動的外在表現(xiàn)，僅能在一定程度上折射出學習者真實的投入狀態(tài)、認知水平與學習策略等。不管是量化學習者的外顯行為，還是量化學習者的學業(yè)表現(xiàn)，都是對其曾經(jīng)表現(xiàn)出來的外在學習狀態(tài)和學習結果的記錄。然而，這一方式卻在較大程度上忽視了諸如積極思考、自我反思、同伴的交流、頓悟等學習的認知過程[44-45]，忽視了學習者的元認知狀態(tài)與思維活動[46]。這種重視外顯的量化方式是否能夠客觀地揭示學習者的真實狀態(tài)，仍是一個值得我們思考的問題。

2.坐享其成，削弱好奇

好奇心是人類進步的源泉，個體發(fā)展的真正動力，存在于學習者源源不斷的內(nèi)在需求。在智能技術賦能自我調(diào)節(jié)學習的場域中，我們仿佛更樂于為學習者定制“個性化”的學習服務，推送“滿足個性需求”的學習資源，提供“精準”的學習干預與決策指導。學習者身處這樣的學習環(huán)境中，享受定制服務，量身打造學習資源，接受干預，以尋求知識的掌握與技能的習得。然而，在學習的過程中，提出問題與解決問題的作用同等重要，好奇心不能夠被解決問題所滿足，學習者往往需要深入鉆研，識別并滿足自己的好奇心，且在不斷學習過程中產(chǎn)生新的好奇，才能夠不斷完成對未知的積極探索，產(chǎn)生源源不斷的創(chuàng)造力[47]。

（二）“賦能”下的情緒

1.學業(yè)焦慮，如影隨形

焦慮是個體對當前或預計達到的對自尊心有潛在威脅的情景，而產(chǎn)生的一種擔憂的反應傾向。在智能技術賦能學習的場域中，充斥著包括學習者自身學習經(jīng)歷、同伴的學習狀態(tài)、群體的學習效果等豐富的數(shù)據(jù)。一方面，學習儀表盤中過多的數(shù)據(jù)指標，可加大學習者從眾多數(shù)據(jù)中提取出有價值信息的難度，并造成一定程度的認知負荷[48]；另一方面，學習者一直處于和過去的自我進行縱向比較、和學習同伴進行橫向比較、和常模參照進行比較、和標準參照數(shù)據(jù)進行比較的數(shù)據(jù)化環(huán)境中，學業(yè)焦慮如影隨形[49]。此外，過往的學習經(jīng)歷數(shù)據(jù)能夠長期保存，在記錄學習者自我發(fā)展軌跡的同時，也阻礙了學習者通過“遺忘”的方式，來緩解學業(yè)焦慮[50]。

2.欺騙AI，阻斷心流

心流（Flow）是一種將個人精神和注意力完全投注在某種活動上的感覺，并具有伴隨任務的完成產(chǎn)生興奮感與充實感的愉悅體驗[51]。當下，智能系統(tǒng)通過人臉識別的方式，分析學習者的情緒狀態(tài)、注意力水平等因素，進而評估其在學習過程中的投入情況，成為評價學習者的過程性指標。在這樣全方位的監(jiān)控之下，自我要求較高的學習者在學習過程中，可能不敢表現(xiàn)出絲毫懈怠，一直努力做到最好并可能逐步養(yǎng)成表演型人格，難以做到全神貫注的投入，這不利于進入思維活躍、注意力高度集中的心流狀態(tài)。

（三）“賦能”下的約束性

1.概率預測，限制自由

面向以所有人為研究對象收集到的全量數(shù)據(jù)，從最大概率的角度出發(fā)，告訴學習者應該學習哪些知識？應該按照怎樣的順序來學習？應該以怎樣的節(jié)奏來學習[52]？通常情況下，這種建立在全量數(shù)據(jù)基礎上的挖掘，以放棄理解“為什么”為代價，換取對“是什么”的了解。研究者的注意力也由此更多關注事物間的相關性，并利用相關性去解決相關問題，不再過多的探究教育事件背后的深層原因。同時，以全體數(shù)據(jù)為對象的概率預測，總會或多或少的忽略一些與集合中其它數(shù)據(jù)的一般行為或模型不一致的數(shù)據(jù)對象。諸如此類的概率預測，是否會在一定程度上忽視學習者的個性特征，忽視具有個性特征的特殊群體，進而限制學習者的學習自由，將是一個值得我們關注的問題[53]。

2.量身定制，難以逾越

在智能技術賦能自我調(diào)節(jié)學習的場域中，學習者需要個性化的學習資源與服務，智能技術的邏輯就是充分考慮到每一個群體的主體特征，并為其提供個性化的服務。因此，學習者通常會被分配在不同的為他們量身定制的學習軌道上開展相關活動，這種方式將學習者所處的學習環(huán)境，由一片開闊的空間轉變?yōu)榻?jīng)過預定義的、拘泥于過去的相對狹窄的區(qū)域之中，學習者接收到的知識推薦、學習活動推送，可能都是同一類型的。這限制了學習者更多的可能性，也在一定程度上抹殺了每個學習者公平享有的學習機會。

由上述分析可見，在智能技術賦能學習的過程中，也可能無法避免的給學習者帶來一些負面的影響。對于學習者而言，被置于豐富的資源與個性化的服務之中，卻又面臨無從選擇的迷失與困頓；通過充滿對比的自主監(jiān)控，在焦慮與認可的摩擦中重新認識自我。在這樣的背景下，如何更積極地發(fā)揮學習的主觀能動性，克服智能技術給學習帶來的負面影響，思考自我調(diào)節(jié)學習與智能技術融合的發(fā)展路徑，以引導自我調(diào)節(jié)學習者更好地適應智能技術賦能學習的實際環(huán)境，是我們需要關注的重點問題。

四、智能技術賦能自我調(diào)節(jié)學習的發(fā)展路徑

智能技術與自我調(diào)節(jié)學習的融合過程是一個雙向互動的過程，一方面依托技術的進步，從學習者的個性需求出發(fā)，為其提供人性化的學習支持服務；另一方面依賴學習者意識與素養(yǎng)的提升，在技術的支持下，進行更為客觀的自我認知、更主動的自我調(diào)整、更積極的參與學習決策，進而催生出更高效的學習智慧。本研究從技術與學習者間的互動視角出發(fā)，探討智能技術賦能自我調(diào)節(jié)學習的發(fā)展路徑，如圖3所示。

圖3 智能技術賦能自我調(diào)節(jié)學習的發(fā)展路徑

（一）建立知識聯(lián)結，打造知識缺口，激發(fā)內(nèi)驅(qū)力

好奇心是人類不斷探索世界的源泉，卡內(nèi)基·梅隆大學（Carnegie Mellon University）心理學家喬治·羅文斯坦（George Loewenstein）在信息缺口理論中提到，信息通過讓人們意識到自己的無知來刺激他們的好奇心，從而提升想要學習的渴望。可以這樣理解：無知不能激發(fā)學習者的好奇心，海量信息與知識推送，也無法使學習者的探究意識與探究能力得到有效的鍛煉；只有建立在已知基礎上的未知，才能夠激起學習者持續(xù)穩(wěn)定的學習驅(qū)動力。

智能技術賦能自我調(diào)節(jié)學習的出發(fā)點，需要聚焦在幫助學習者產(chǎn)生主動學習的內(nèi)在驅(qū)動力上。這種內(nèi)在驅(qū)動力，首先取決于學習者的背景知識，完備的知識基礎，才能促使學習者在面對新知識時感知到價值，激發(fā)出學習興趣。技術能夠揭示知識本體間的邏輯關系、貫通知識世界與實踐世界的聯(lián)系，以多種方式探尋有效的知識聯(lián)結方式，優(yōu)化知識基礎的結構，提升知識基礎的活力。在此基礎上，打造知識缺口，通過設置能夠激起好奇心的探索性問題，引導學習者逐步深入，在學習過程中營造富有成效的挫折感，依托學習者發(fā)現(xiàn)未知的自主意識，通過讓學習者意識到自己的無知來刺激學習動機，以好奇心、求知欲等內(nèi)在驅(qū)動力的提升，帶動知識的攝入。

（二）以過程性數(shù)據(jù)助自知、以數(shù)據(jù)素養(yǎng)助自省

美國哈佛大學（Harvard University）心理發(fā)展學家霍華德·加德納（Howard Gardner）早在1983年就提出多元智能理論，將自知內(nèi)省（Intrapersonal Intelligence）納入到人類智能的體系之中。自知內(nèi)省智力包括自我認識和善于據(jù)此做出適當行為的能力，能夠使學習者意識到自己的興趣喜好、情緒狀態(tài)、行為意向、動機水平、性格特質(zhì)，具備獨立思考的能力，對學習形成明確規(guī)劃。智能技術賦能自我調(diào)節(jié)學習，數(shù)據(jù)逐漸成為學習者在任何學習情境中都需要面對的一種重要的基礎性設施，客觀地理解數(shù)據(jù)所表征的內(nèi)涵，對于學習者的自知具有重要意義。

以數(shù)據(jù)素養(yǎng)培育智能時代的學習者。培養(yǎng)學習者在數(shù)據(jù)采集、組織和管理、處理和分析、共享與協(xié)同創(chuàng)新利用等方面的能力，以及在數(shù)據(jù)生成、管理、發(fā)布和使用過程中的道德與行為規(guī)范，都成為智能時代學習者的基本要求與必備素養(yǎng)。提高智能時代學習者的數(shù)據(jù)素養(yǎng)，使其具有理性面對爆炸性增長的“原生態(tài)數(shù)字信息”，以及正確理解可視化表征的“精加工分析信息”的意識與能力，具備在智能時代開展學習與工作的能力尤為重要。學習者內(nèi)省能力的提升，不僅能夠帶來更優(yōu)質(zhì)的學習體驗，也能對洞察力的培養(yǎng)、自我控制能力的提升，以及積極的學習行為表現(xiàn)，起到正向的促進作用。

（三）自定義規(guī)則，進行人機協(xié)同智慧決策

智能技術迅速走向成熟，意味著在我們的生存環(huán)境與學習工作環(huán)境中，會很快出現(xiàn)另一種高等智能體。為此，需要我們處理好人與智能技術之間的關系。智能技術與教育融合階段最為突出的特征就是智慧化，這種智慧化不僅僅需要專家智能與機器智能的協(xié)同驅(qū)動，還需要發(fā)揮學習者的主體作用，讓學習者更多地參與到人機協(xié)同的智慧決策體系之中，實現(xiàn)一種更加全面與完善的人機協(xié)同“混合增強智能”機制。

智能技術賦能自我調(diào)節(jié)學習，其涉及學習的認知與需求表達，可以通過智能技術等現(xiàn)代科技自動識別，獲取學習資源的方式也更便捷，學習支持服務的形式更多元化。但這種技術“懂”我的準確性，需要學習者來判斷。我們通過自定義規(guī)則的方式，設置雙向反饋通道，給予學習者足夠的話語權，可使其更積極地參與學習決策。

五、結語

教育是一個富有情感和人性的過程，技術賦能學習，首先，必須要符合學習的本質(zhì)與教育的規(guī)律，并為學習者減輕學業(yè)負擔與心理負擔；其次，技術賦能學習要從有利于增強系統(tǒng)與學習者之間的相互信任，以及激發(fā)學習者能動性的角度出發(fā)。任何去人性化的設計，都無法滿足學習者的個性化需求，也無法提供更精確的反饋及建議，更不利于營造適宜的學習環(huán)境、制定更優(yōu)化的教育決策。

總之，智能技術賦能自我調(diào)節(jié)是技術變革教育進程中自主學習發(fā)展的新階段，是培養(yǎng)智能時代原住民的必然選擇，更是順應社會發(fā)展與個體發(fā)展需求的關鍵的發(fā)展路徑。本研究嘗試對智能時代自我調(diào)節(jié)學習的內(nèi)涵框架進行擴展性研究，使其具備“自我決定”“自我監(jiān)控”“自我認同”“自我調(diào)整”等重要特征，并對智能技術賦能自我調(diào)節(jié)學習的功能框架進行系統(tǒng)分析。并從智能技術賦能自我調(diào)節(jié)學習過程中可能給學習者帶來的風險出發(fā)，探討智能技術賦能自我調(diào)節(jié)學習的發(fā)展路徑，以期為技術支持學習以及學習者如何更好的利用技術，提供一些參考。