在实践考试中引入元认知要求如何转化学生学习行为——针对 AI 反馈的支持

在大型本科 STEM 课程中按规模提供个性化、详细反馈始终是一项持久挑战。我们提出了一个经过实证评估的练习考试系统，将 AI 生成的反馈与针对性教科书参考集成到大型入门生物课程中部署。该系统通过要求学生解释答案并声明置信水平来鼓励元认知行为。系统使用 OpenAI 的 GPT-4o 根据此信息生成个性化反馈，同时将学生引导至相关教科书章节。通过来自三次中期考试（分别为 541、342 和 413 名学生）的交互日志，累计 28,313 条问题-学生互动，涵盖 146 个学习目标，外加 279 份调查和 23 份访谈，我们检验了该系统对学习结果和参与度的影响。在所有中期考试中，反馈类型之间未显示统计上显著的绩效差异，尽管一些趋势暗示了潜在益处。最显著的影响来自必需的置信评级和解释，学生报告称其转移到实际考试策略中。约 40% 的学生在被反馈提示时与教科书参考互动——远高于传统阅读率。调查数据显示满意度高（平均评分 4.1/5），82.1% 的学生表示对练习中期主题的置信度提升，73.4% 的学生表示能回想并运用具体概念。我们的发现表明，嵌入结构化反思要求可能比精细的反馈机制更具影响力。