智能导师系统对学业成就的影响研究量化元分析的视角摘要：智能导师系统是运用人工智能技术模拟人类教师辅导行为，为学习过程提供自适应的交互反馈，是信息技术促进个性化学习的重要标志性产品。然而，在智能导师系统能否改进学业成就的问题上仍然存在着较大争议。为此，研究主要采用量化元分析方法，针对1990年以来国际上关于智能导师系统提升学业成就的58篇实证研究进行了综合分析。研究发现：智能导师系统对学业成就的平均效应量为0.492，具有中等的正向提升作用，能将第50个百分位的学生成就提高至约第68个百分位；在不同的学生特征、发表特征与研究设计特征中都发现了智能导师系统的正向促进作用，其中测试类型、持续时间与样本量对平均效应量具有显著的调节作用，本地测试的平均效应量大于标准化考试，实验处理时间越长的平均效应量越大，而样本量超过200后，平均效应量显著下降。建议国内教育技术领域扩大实证研究规模，建立规范、严谨的干预规范与实践指南，促进学科领域的健康发展。关键词：智能导师系统，元分析，学业成就，个性化学习，计算机辅助教学，效应量，人工智能，认知辅导系统一、引言从孔子私塾式的一对一启发式教学到现代班级制度的一对多授课，从大众媒体的单向知识传播到人工智能的人机对话交互，人类辅导学习的历史可谓源远流长，而基于机器的辅导是学业辅导历史中较晚出现的一种新形式。虽然利用机器辅助或代替人类个体开展教学活动的实践探索远早于数字电子计算机与人工智能的发明（张志祯，等，2019），但正是电子计算机的出现才让机器辅导的大规模探索与应用成为现实。20世纪50年代开始出现的教学机器与程序化教学系统，基于行为主义学习理论，以片段分块、顺序分支的方式呈现事先准备好的固定教学内容，提供适度的交互反馈并引出后续学习内容。这种系统被统称为计算机辅助教学系统（Computer-AidedInstruction，CAI），具有机械性、程序化、预设性与封闭性特征。20世纪70年代出现了一种新型的机器辅导系统，它扎根于人工智能理论与认知理论，从专家知识库中创建自动化的提示与反馈，依据学生知识水平与风格提供自适应性的精细化脚手架，被统称为“智能导师系统”（IntelligentTutoringSystems，ITSs）。智能导师系统与纯粹的CAI有明显区别，智能导师系统增强了学习环境的自适应能力，具备一定的情境感知、自然语言理解、推理进化、智能适应和自我学习的能力。智能导师系统是按照人类辅导行为的理念来开发的（Woolf，2009），以帮助具有不同基础、风格与背景的学生实现个性化学习。特别是随着人工智能技术的不断发展，智能导师系统能有效追踪学生的知识水平、学习策略、情感状态、学习风格并给予自适应的智能辅导等，这可能是人类辅导人员都无法做到的精细化水平，但人工智能实现教学自动化依然会存在限度（张志祯，等，2019）。现阶段，智能导师系统能否提升学习成效？是否比传统课堂教学更有效？哪些因素会影响智能导师系统提升学业成就？这些是教育技术领域需要回答的重要问题。二、相关研究综述范莱恩（VanLehn，2011）总结了不同辅导形式对于提升学业成就的影响效应，认为计算机辅助教学系统比常规教学提高约0.3个标准差，智能导师系统能提高约1个标准差，而人类辅导被认为是最有效的，能提高2个标准差，即将第50个百分位的学生提升至第98个百分位。这是范莱恩根据前几十年的相关研究所做出的推断，结果是否真实呢？关于计算机辅助教学系统有效性的观点还是比较可信的。从元分析的整体视角考察，早期计算机辅助教学系统的影响效应量处在0.37～0.42之间（Burns，1981；Hartley，1978）。库利克等人（Kulik，etal.，1991；Kulik，1994，2002）持续开展了多次跟踪性分析，发现CAI能带来0.30～0.38个标准差的提升。巴伊拉克塔尔（Bayraktar，2001）也发现CAI能为中学生与大学生的科学教育成绩提高0.273个标准差。最近，索萨等人（Sosa，etal.，2011）发现CAI能为大学生带来0.33个标准差的成绩提升。塔米姆等人（Tamim，etal.，2011）针对25项关于教学技术与系统有效性的元分析进行了二次综述，发现14个CAI的平均效应量是0.26个标准差。然而，CAI在特...