大學生自主學習積極性智能干預的方法研究

摘要：隨著社會經濟的快速發展，大學教育逐漸轉向培養學生自主學習、創新和終身學習的能力。然而，傳統教學模式已無法滿足學生個性化需求，大學生自主學習積極性不足。針對大學生自主學習積極性不足的相關問題，本文通過探索利用人工智能等新興技術，提出了一種智能化干預方案。通過對話系統為大學生提供不間斷的學習支持和個性化指導，同時利用數據分析技術，為每位學生提供更為個性化、精準的學習干預。最后，通過學生的實踐參與，驗證了該模式的可行性。

關鍵詞：學習積極性 智能干預 對話系統 數據分析

一、引言

隨著社會經濟的快速發展和知識經濟的興起，大學教育已經逐漸從傳統的知識傳授向培養學生的自主學習能力、創新能力和終身學習能力轉變。隨著信息技術的普及和互聯網的發展，大學生的信息獲取更加海量化和多樣化。與此相關，傳統的教學模式已經無法滿足學生的個性化學習需求。大學生自主學習的積極性成為當今教育領域關注的重要議題之一。大學生自主學習積極性是指學生在學習過程中的主動性、積極性和自律性，它對于學生的學習效果和學業成績至關重要。

面對日益豐富的學習資源和信息，以及不斷變化的學習環境，大學生自主學習積極性不足已經成為當前教育領域的一大挑戰。許多大學生缺乏自我管理能力和學習動力，容易出現學習計劃不合理、學習目標不明確等問題，導致學習效果不佳甚至影響到學業進展。尤其在遠程教育、在線學習等新型教學模式下，大學生自主學習積極性的問題更加凸顯。

針對大學生自主學習積極性不足的問題，傳統的解決方案主要依賴于教師的課堂教學和學校的學習管理，然而，這些方法往往無法滿足學生個性化和多樣化的學習需求。因此，研究如何通過智能技術對大學生的自主學習積極性進行干預成為當前教育領域的熱點問題。通過引入人工智能、大數據分析等技術手段，可以為大學生提供個性化的、精準的學習支持和指導，幫助他們形成良好的學習習慣、提高學習動機、增強學習自信心，從而提高學習效果和學業成績。因此，研究大學生自主學習積極性智能干預的方法具有重要的理論意義和實踐價值。

二、構建學生學習心理畫像并進行智能干預

針對大學生自主學習積極性，我們提出了一種創新的智能干預方法，旨在解決傳統學習支持方案在資源和成本方面的限制。這一方法融合了量表測評、對話系統干預和再測評，形成了一個閉環系統，能夠全面評估學生的學習積極性和心理狀況。

通過量表測評，我們能夠系統地收集學生的學習信息，了解他們的自主學習行為和學習動機，識別學生學習過程中的不足和挑戰。隨后，通過對話系統進行干預，根據學生的個性化需求和問題，提供針對性的學習支持和激勵方式。這一過程是持續的，通過再次測評，我們能夠評估干預效果，進一步調整和優化干預方案。

通過數據分析和個性化服務，我們能夠更加精準地了解學生的學習需求，為其提供更為有效的支持和指導，幫助他們建立積極的學習態度和良好的習慣。這不僅有助于提升學生的學習效果和成績，還能夠增強其自主學習能力和學習動機，為其未來的學業發展奠定堅實基礎。

（一）量表測評及學生學習心理畫像構建

為了更好地了解大學生的自主學習積極性，特別是與學習動機和情緒狀態相關的特征，我們設計并使用了一套完整的測評系統，以構建學生學習心理畫像。這套測評系統涵蓋了多個維度，可以全面反映大學生的學習狀態，并為后續的智能干預提供參考和基礎。

在學習相關方面，我們設計的量表測評內容涵蓋了大學生面臨的各種挑戰和需求。首先，我們關注的是學習動機，包括他們對學習的興趣程度、學習目標的設定以及學習的自我激勵程度。其次，我們評估了他們的自律能力，包括學習計劃的制訂、時間管理的能力以及對學習任務的執行情況。

在情緒相關方面，我們的量表測評內容旨在反映大學生的情緒狀態和心理感受。量表關注的第一點是情緒狀態，包括學習過程中的情緒體驗，如學習焦慮、學習壓力等，這些情緒常常影響著學生的學習效果和學業成績。另外，我們也評估了大學生的自我效能感，即他們對自己學習能力和問題解決能力的自我評價。這些情緒相關的指標可以幫助我們更好地了解大學生的學習狀態和情緒狀況，為他們提供更為貼切的學習支持和心理指導。

對通過量表收集的數據進行整合后，利用統計分析和數據挖掘等技術，對整合后的數據進行分析，識別與學習動機和情緒狀態相關的關鍵特征。在此基礎上，構建全面的學生學習心理畫像，涵蓋學習動機、學習情緒狀態等方面的信息。最后，通過評估畫像質量、持續更新和優化等方式確保畫像的準確性和可靠性。這一過程為后續的智能干預和個性化支持提供了重要的參考依據。

（二）對話系統干預

針對大學生自主學習積極性，我們設計了一種智能對話系統，其獨特之處在于高度智能的回復和情感化的疏導過程。該系統將開源的大型語言模型作為核心引擎，能夠準確識別學生在對話系統中輸入的內容，并結合學生的學習心理畫像，為其提供個性化和情感化的支持。

首先，在對話系統的回復方面，系統具有高度智能的回復能力。它能夠理解學生的學習需求和問題，并提供準確、恰當的回應。無論是對學習內容的探討還是提出的學習困惑，系統都能夠進行理解和回應，使得學習交流過程更加流暢和有效。這種大模型回復的能力不僅增強了系統與用戶之間的交互體驗，也提高了用戶對系統的信任感和滿意度。

其次，系統注重情感化的疏導過程。在與學生的交流中，系統能夠識別學生的學習情緒和狀態，并針對不同的情緒給予相應的回應和疏導。無論是面對學生的學習挫折還是學習焦慮，系統都能夠通過傾聽、理解和鼓勵的方式，幫助學生緩解情緒、找到學習動力。通過這種情感化的疏導過程，我們能夠更有效地激發學生的學習興趣和積極性，促使他們更好地參與學習。

通過采用這種智能對話系統進行干預的方法，我們為大學生提供了24小時不間斷的學習支持和個性化指導，擺脫了時間和地點的限制。無論何時何地，學生都可以通過這一系統獲得學習幫助和支持。而且，系統的情感化交流和個性化回應，能夠幫助學生增強學習動力，克服學習困難，從而更好地實現學業目標。

通過整合情感識別技術和提供個性化支持，可以更有效地幫助大學生提高學習積極性，實現學業發展和心理健康的雙贏。這一創新方法的應用，將為大學生提供更加便捷、貼心的學習支持，促使他們更加積極主動地投入學習，展現出新的學習潛力。

（三）閉環系統和持續優化

在測評和對話系統干預的基礎上，一段時間后，我們將再次進行量表測評，通過比對前后測評結果來評估干預效果。最終，我們將形成一個閉環系統，實現量表測評、對話系統干預和再測評的有機結合。這個閉環系統不僅是一次性的干預過程，也是一個持續的循環，不斷收集、分析、反饋和優化，為大學生提供持續、有效的學習支持和個性化指導。這一閉環過程可以確保干預的持續性和有效性。

同時，利用數據分析技術，我們能夠深入挖掘量表測評和對話系統干預過程中收集到的數據，從而更精準地評估干預效果、了解大學生的學習態度和需求，并為系統優化提供更有針對性的方向。優化的內容包括對話系統的算法和模型，通過更新對話策略和情感表達，提升系統的智能水平和用戶體驗。

這一智能化干預方法為解決大學生自主學習積極性問題提供了全新的可能性，使得學生能夠更好地應對學習挑戰。

三、實驗探索分析

（一）研究對象和對照標準

為了進一步研究智能化學習積極性干預方法的效果和應用價值，我們進行了相關的實踐探索。選擇了合肥師范學院2023屆在校大學生作為研究對象，并進行隨機抽樣。其中，將50%的學生作為實驗組，實施智能方法干預，將另外50%未接受干預的學生作為對照組。兩周后，通過調查問卷的形式對他們的自主學習積極性和學習成果進行評估。

為了確保實驗的可靠性，我們制定了相關的實施標準。

（1）參與者篩選：我們從不同學院和專業的大學生中進行篩選，以確保樣本具有多樣性和代表性。參與者必須沒有已知的學習障礙或心理疾病，以確保實驗結果的準確性。同時，參與實驗的學生必須是自愿的，以減小實驗結果的誤差。

（2）測量工具：我們使用公認有效的學習積極性評估工具，如學習態度問卷或學習動機量表，來評估參與學生的自主學習積極性水平。同時，使用公認有效的學習成果評估工具，如學業成績或學習效能感量表，來評估學生的學習成果。

（3）隨機分組：我們將參與者隨機分為實驗組和對照組，以確保組間的可比性。實驗組接受智能化學習積極性干預措施，而對照組不接受干預。

通過以上措施，我們能夠深入研究智能化學習積極性干預方法的有效性和適用性，為提升大學生自主學習積極性提供科學依據和有效手段。

（二）智能干預實驗的實施過程

智能干預實驗的準備階段。在實施干預措施之前，對參與者進行預測試評估。這包括使用選定的學習積極性和心理測量工具對參與者進行評估，并進行適當的調整，以確保兩組學生在學習積極性和學習成果上的水平大體相當。

精準識別學習問題。量表測評是智能干預實施的第一步，其中對照組只需完成開始和結束階段的學習積極性測評，實驗組則需在實驗過程中進行不定量的學習積極性測評。系統會根據學生的回答構建學習心理畫像，并將其應用于后續的對話干預中。

對話系統干預。對話系統干預是智能學習積極性干預的核心環節，大學生可以隨時與系統進行交互，表達自己的學習感受和困惑。系統會根據學生的反饋，調整對話策略和內容，確保干預效果的最大化。

實驗結束。采用學習積極性和心理健康測量工具對參與者進行評估，分別統計實驗組和對照組學生在實驗結束時的學習積極性情況，用于對實驗結果的分析。

（三）實驗結果及相關結論

1.對話系統干預效果分析

為了準確反映對話系統干預是否發揮作用，從實驗組畢業生中隨機挑選10位學生，并使用一些實際的測量指標觀察其前后兩周的變化。這些評價指標包括學習時長、學習成績、學習動機、學習行為等，它們可以更直接地反映學生的學習狀態和學習積極性，從而更準確地評估對話系統干預對大學生自主學習積極性的影響。每個指標的具體內容如下。

（1）學習時長和效率：記錄學生每天用于學習的時間以及學習效率，例如完成的任務數量或學習內容的深度。

（2）學習成績：跟蹤學生在課程或考試中的表現，以評估其成績的變化。

（3）學習動機和興趣：通過調查問卷或采訪等方式了解學生對學習的動機和興趣，以評估其學習積極性的變化。

（4）學習行為：觀察學生在學習過程中的行為舉止，例如是否經常參與課堂討論、積極互動等，以了解其學習態度和行為特點。

如表1所示的實驗結果，干預后的學生在學習時長、學習成績、學習動機和學習行為方面都取得了積極的變化。他們在干預后投入更多的時間和精力學習，取得了更好的成績，同時表現出更高的學習動機和更多的學習行為。這些結果表明干預措施對學生的學習表現產生了積極的影響，提高了他們的學習效果。

2.不同組別學生實驗對照

我們對經過智能干預和未經過智能干預的學生進行了對比，以了解他們在學習投入、學習動機、學業表現、學習焦慮和學習壓力等方面的情況。研究數據以百分比形式呈現，表示在每個評價指標下，學生在不同評價結果上的分布情況，如表2所示。

通過對表2數據的分析，我們可以得出以下結論。

（1）學習積極性：實驗組相較于對照組表現出更高的學習積極性。實驗組中極高水平的學習投入比例相對較高，這表明實驗組的學生更傾向于積極主動地參與學習活動。相比之下，對照組中極高水平的學習投入比例稍低，這說明對照組學生在學習積極性方面可能存在一定的不足。

（2）心理健康狀況：實驗組在心理健康方面也表現出更好的狀態。實驗組中極高水平的學習焦慮比例相對較低，這表明實驗組的學生心理壓力較小。相反，對照組中極高水平的學習焦慮比例稍高，這可能意味著對照組學生在心理健康方面存在一定的問題。

綜上所述，實驗組在學習積極性和心理健康方面的表現明顯優于對照組，這可能是因為實驗組接受了針對學習積極性的智能干預，從而更好地應對學習壓力和困擾，增強了學習動力，提高了心理健康水平。

四、結論與建議

本文通過實施智能化干預方法，特別是量表測評和對話系統干預，發現其在幫助大學生提高自主學習積極性方面具有顯著效果。量表測評能夠準確識別大學生的學習狀態和存在的學習問題，為后續采取干預措施提供了科學依據。對話系統干預則通過個性化的學習支持，更好地滿足大學生的學習需求，提供針對性的學習建議和指導，激發學生的學習動力，提高其自我管理能力，幫助他們更好地應對學習挑戰，有效提升了他們的自主學習積極性。

智能干預為高校教育提供了新的思路和方法，有助于推動高校教育的發展。未來的研究可以探索更多元化的智能干預方法，結合虛擬現實、增強現實等先進技術，為大學生提供更加沉浸式的學習支持體驗。此外，還可以加強智能干預與學習輔導的結合，形成優勢互補，進一步提升大學生自主學習積極性智能干預的效果。

參考文獻：

[1]姜爽，李璐，丁爽，等.高等院校線上教學模式下學生自主學習能力培養的研究[J].創新創業理論研究與實踐，2021，4（5）：63-65.

[2]李文昊，祝智庭.改善情感體驗：緩解大規模疫情時期在線學習情緒問題的良方[J].中國電化教育，2020（5）：22-26，79.

[3]蔡紅紅.教師在線教學準備與學生學習效果的關系探究——學習者控制與學業情緒的中介作用[J].華東師范大學學報（教育科學版），2021，39（7）：27-37.

[4]張華峰，史靜寰，周溪亭.進入普及化階段的中國大學生學習動機研究[J].清華大學教育研究，2021，42（4）：141-148.

[5]蔡林，賈緒計.學業自我效能感與在線學習投入的關系：學習動機和心流體驗的鏈式中介作用[J].心理與行為研究，2020，18（6）：805-811.

[8]楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對教育的影響探析及應對策略[J].華東師范大學學報（教育科學版），2023，41（7）：26-35.

責任編輯：趙瀟晗