AI、专家还是同伴？——探讨反馈来源感知对在职教师反馈感知与采纳的影响

反馈在学习中占据核心位置，但在职教师对反馈的参与程度不仅取决于其质量，还取决于他们对反馈内容和来源的感知。大型语言模型（LLM）日益用于提供教育反馈；然而，负面感知可能限制其实际应用，且关于在职教师感知和行为响应如何因反馈来源而异的研究已知之�少。本研究探讨了反馈来源感知——即 LLM、专家或同伴——如何影响反馈感知与采纳，以及识别准确度和反馈质量是否调节这些效应。在一项包含 273 名在职教师的随机实验中，参与者收到关于数学学习目标的书面反馈，识别其来源，对反馈感知在五个维度（公平性、有用性、接受度、改进意愿、积极与消极情绪）进行评估，并根据反馈修订学习目标（即反馈采纳）。结果显示，LLM 生成的反馈在公平性和有用性方面的评分最高，导致最高的采纳率（52%）。识别准确度显著调节了反馈来源对感知的影响，尤其是在将 LLM 反馈错误归因于专家时，评价尤为积极。更高质量的反馈 consistently 分配给专家，表明存在一种专业 heuristic 在来源判断中。回归分析表明，只有反馈质量显著预测反馈采纳。研究结果凸显了需要解决源相关偏见并在教师教育中促进反馈与 AI 素养的必要性。