【编者按】暑假是科研工作攻坚克难、实现跃升的黄金时期，学校各研究团队正抢抓时间机遇，聚焦科技前沿，铆足干劲潜心研究，力求取得更多创新突破，奋力跑出科研攻关暑期“加速度”，为学校高质量发展注入强劲动力。学校推出“暑期科研‘加速度’”系列报道，将实时呈现学校师生暑期聚力科技创新、推进科研攀登跃升的昂扬风貌和丰硕成果，彰显学校持续深化有组织科研，以科技创新支撑高质量发展的新姿态、新进展、新成效。敬请关注！
近日，学校“智能化教学场景研究团队”成员、教育学部刘明教授与其博士研究生吴忠明等团队成员撰写的论文《融合大模型与学习分析提升大学生在线自我导向学习能力-以Python学习为例》（Enhancing self-directed learning and Python mastery through integration of a large language model and learning analytics dashboard》在《英国教育技术期刊》（British Journal of Educational Technology）公开发表。
在高校在线学习与混合式教学快速发展的背景下，大学生普遍面临自主学习能力不足、学习动机薄弱、自我监控与自我管理能力欠缺等现实问题，难以有效适应数字时代个性化、非线性与持续性学习的需求。这些问题制约了学生核心素养的发展，也对高校教学支持系统提出了新的挑战。
研究聚焦人工智能时代核心素养的培养与学习方式的重构，紧扣学习分析（Learning Analytics）与人工智能教育应用（AIED）融合发展的研究前沿，系统探讨了生成式人工智能支持大学生自我导向学习的路径与效果。研究基于自我导向学习的过程视角与能力维度构建了生成式人工智能支持自我导向学习的框架（AI4SDL）。在该框架指导下，研究融合了大语言模型（LLM）、检索增强生成（RAG）技术与学习分析方法，开发了对话式交互工具（SDLChat）与学习分析仪表盘（LAD）。研究同时引入学习支架理论，从认知支持的角度进一步阐释生成式人工智能在学习过程中的“智能支架”功能，突出其在自我导向学习能力建构中的阶段性、递进式作用。在此基础上，通过准实验研究，实证验证了生成式人工智能与学习分析技术融合应用在提升大学生自我导向学习能力与学业表现方面的显著成效。
研究不仅系统建构并验证了生成式人工智能赋能自我导向学习的内在机制，拓展了自我导向学习的理论体系，也为当前AIED与学习分析深度融合背景下的学习支持系统设计提供了具有可操作性的范式与实践证据，具有重要的理论价值与现实意义。
论文链接：https://bera-journals.onlinelibrary.wiley.com/doi/10.1111/bjet.70005
