智能学习环境下大学生认知负荷与情绪调节的交互作用对学习满意度的预测研究

Abstract

随着人工智能技术的迅猛发展，智能学习环境（如AI辅导系统、VR虚拟课堂等）已在高等教育领域获得广泛应用。然而，此类环境中信息的丰富性和交互的复杂性可能给学习者带来较高的认知负荷，进而影响其学习体验与满意度。目前，学术界对认知负荷如何影响学习满意度的研究较为丰富，但对情绪调节策略在其中所起的调节作用关注不足。本研究以Sweller的认知负荷理论和Gross的情绪调节过程模型为理论框架，采用问卷调查法对180名参与AI辅导系统学习任务的大学生进行施测，运用层次回归和简单斜率分析等方法，探究认知负荷（内在负荷、外在负荷、关联负荷）与情绪调节策略（认知重评、表达抑制）的交互作用对学习满意度的预测效应。结果发现：（1）外在认知负荷显著负向预测学习满意度，关联认知负荷显著正向预测学习满意度；（2）认知重评显著削弱外在认知负荷对学习满意度的负向影响；（3）表达抑制显著增强外在认知负荷的负向影响。研究表明，情绪调节策略是影响认知负荷与学习满意度关系的关键调节变量，适应性情绪调节策略能够在高认知负荷情境下发挥保护作用，而非适应性策略则可能加剧负面体验。本文为理解“为什么有些学生在高负荷环境下仍保持高满意度”提供了理论解释，并对智能学习系统的教学设计提出了实践建议。