当学习分析仪表板具备可解释性时：基于生成式AI的学习分析仪表板效应探索性研究
人机交互
2025-06-23 v1
摘要
本研究考察了以理论为驱动、具可解释性的学习分析仪表板（LAD）对大学学生人类-AI协作学术摘要写作任务的影响。基于自我调节学习（SRL）理论，并融合可解释人工智能（XAI）原则，我们的LAD采用三层结构设计（可视化层、可解释层、交互层）。在实验研究中，参与者被随机分配至实验组（使用完整可解释LAD）或对照组（仅使用可视化LAD），以协作编写学术摘要。虽然定量分析显示两组协作摘要质量无显著差异，但在概念理解方面出现了显著且值得注意的差异：使用可解释LAD的学生在概念理解方面表现更佳，体现在他们在知识测试中的得分更高（p= .026）。这些发现表明，虽然基本的AI生成反馈可能足以满足即时任务完成的需求，但提供可解释反馈对于培养深层学习、增进概念理解以及发展支撑自我调节学习在学术写作情境中不可转移的技能至关重要。
引用
@article{arxiv.2506.16312,
title = {When learning analytics dashboard is explainable: An exploratory study on the effect of GenAI-supported learning analytics dashboard},
author = {Angxuan Chen},
journal= {arXiv preprint arXiv:2506.16312},
year = {2025}
}