武汉大学机构用户，欢迎您！
人工智能教育应用是实现个性化、智能化、情境化教学的重要技术支撑，其实施手段和应用效果受到教育界的高度关注。当前，人工智能教育应用中的人机交互关系主要包括静态反馈、动态反馈、混合反馈三类，其交互主体本质上均以机器为中心，学生处于被动地位。面向人类智能发展的未来，增强人工智能教育应用的反馈性、智慧性、迁移性特征，促进学习者的主体性发展，重构人工智能教育应用的发展生态，是人工智能教育应用转型升级的关键路径。本研究在归纳国内外学习者反馈素养相关研究基础上提出“感知反馈、认知统合、评价判断、采取行动、情感管理、动机调控”六类核心要素，通过搭建不同领域和层次的多元支架，构建面向智能教育应用的人机双向反馈机制模型，探讨解决人工智能教育应用面临的人机关系困境的路径，为未来智能教育发展提供理论思考和实践借鉴。
综合上述模型分析，本研究提出反馈素养模型的六个核心元素：感知反馈、认知统合、评价判断、采取行动、情感管理、动机调控(见表2)。这些要素不仅反映了学习者面对反馈的内在心理过程，也体现出学习者基于反馈开展行动的关键环节。这些要素可以在智能系统设计中加以整合，促进学习者与智能系统间的交互设计。 关注人机双向反馈对于提升学习者主体地位、培养高阶能力以及加强情感交互具有重要价值(Baker，2016)。现阶段，关于人机之间反馈的研究仍停留在机器对学习者的适应性反馈，而对学习者向机器发出的反向反馈过程与机制关注不足。本研究将基于现有人工智能的反馈机理、反馈模型及双向反馈模型的构建原则，探索智能教育应用的人机双向反馈机制。 
二、反馈机理 研究表明，人工智能技术的分析越精准，其对学习者主动性的剥夺可能就越彻底。这种人机地位的不平等，使学习者逐步从学习的主体沦为接收机器反馈的客体，将对学生的长期发展造成不良影响(韩宁等，2020)。一方面，人工智能通过采集和分析学生学习过程中的客观数据，提供个性化学习内容与路径等反馈信息，提升学生的学习绩效，改变知识学习与创新活动的形式。但这一过程主要由机器主导，学习者处于被动接收地位，主观能动性无法充分体现(张刚要等，2020)。另一方面，人工智能提供的反馈信息替代了学习者在学习过程中的自我评价、自我监控和自我决策等认知活动，使学习者从全程参与变为部分参与，在模糊学习主体的同时也阻碍了学习者高阶认知能力的发展(李建中，2019)。因此，解决这些问题，还需要深入探究人工智能教育应用的反馈作用机制。反馈作为系统有机运行的主要环节，是人工智能教育系统的关键要素。然而，现有研究对其探讨不足，更没有深入剖析其机制。 (一)人工智能教育应用的反馈形态 基于经典的拉斯韦尔与香农-韦弗的单双向传播模式及人工智能带来的静态资源与动态资源形态，本研究将反馈机理归纳为静态反馈、动态反馈、混合反馈。静态反馈主要指反馈信息从机器流向学习者，计算机通过算法与学习者交互，并从固定的资源库中选取内容呈现给学习者。早期智能导学系统依靠涵盖学习者学习风格、个性特征的学生模型，以预设的形式与学生交互。静态反馈模型使学习者被动参与人机交互，难以动态适应学习者的认知变化；动态反馈主要依托人工智能的自适应技术，借助大数据、学习分析、自然语言理解、多模态等分析方法，实时获取学习者学习行为、情绪和认知等数据并动态更新学习模型，精准提供个性化的学习资源与路径等反馈信息。动态反馈模型实现了数据采集的多元化与动态化，但由于缺少灵活双向的沟通机制，对学生主观生成的信息采集不足。混合反馈面向实际教学应用场景，综合考虑教师、同伴、学习者个体与人工智能应用之间的多元交互，并将动态与静态反馈相结合。其研究结论已应用于外语教学，通过采用自动评价与人工评价相结合的方式提升学生的写作水平。综上，现阶段人工智能应用的反馈机制具有动态性和单向性，其中数据和资源实现了动态更新；人机交互以“机器→学生”的单向反馈为主，“学生→机器”的反馈渠道和信息较匮乏。本研究仍将深入探究反馈机制，以推进入机协同和人机双向反馈。
