随着ChatGPT等生成式人工智能在教育领域应用的不断深入，越来越多的研究探索了生成式人工智能作为学习助手的教育效果。然而，学习者与生成式人工智能之间的求助过程还是个未被探索的“黑箱”。学习者究竟是如何向生成式人工智能进行求助的？相比于向人类进行求助，向生成式人工智能进行求助时学习者的行为活动是否存在差异？什么行为会促使学习者向生成式人工智能提出更高质量的问题？对于这些问题的解答有助于我们理解生成式人工智能对学习者的支持作用，从而设计更加符合学习规律的生成式人工智能学习助手。从方法上看，多模态学习分析能否成为解决这些问题的关键，从而揭开学习者与生成式人工智能之间求助过程的“黑箱”呢？
对此，北京大学教育学院教育技术系博士生陈昂轩、硕士生相梦彤、博士生周均奕和教师范逸洲（通讯作者）、贾积有、尚俊杰，联合学习分析领域国际知名专家、澳大利亚莫纳什大学教授Dragan Gašević及其团队展开了深入研究，共同撰写的论文“Unpacking Help-Seeking Process through Multimodal Learning Analytics: A Comparative Study of ChatGPT vs Human Expert”被Computer&Education（ISSN：0360—1315）录用，并于近日在线开放发表。
该研究研究了如何采用多模态学习分析方法描述学生求助过程，并揭示了元认知在与生成式人工智能及人类专家的求助过程中起到的重要作用。具体而言，研究设计了一个对比实验，基于学术论文写作修改任务，探索学习者在面对生成式人工智能和人类专家时的求助过程及活动差异。研究发现，学习者面对生成式人工智能的求助过程呈现出以往理论模型未捕捉到的非线性序列，而人类的求助过程则呈现出更符合理论的线性序列。具体来说，学习者可能使用生成式人工智能来卸载（offload）他们的元认知监控，即通过生成式人工智能来诊断自己的问题。同时，学习者更多的跳过了评估帮助这一阶段，表明学习者在面对生成式人工智能给出的答案时存在缺乏深入思考的现象。这些结果强调了在生成式人工智能支持的学习环境中为学习者提供支持元认知监控和评估的脚手架的重要性，为在未来的教育环境中如何促进生成式人工智能作为帮助源的使用提供了见解。研究为学习者与生成式人工智能之间的互动提供了一个新的视角，表明生成式人工智能在学习者寻求帮助的过程中可以发挥独特的作用。
实验过程
Thomson Reuters公布的SCI/SSCI2024年期刊引用报告（Journal Citation Reports）显示，Computer&Education近2年影响因子为8.9。在全球教育和教育研究（EDUCATION & EDUCATIONAL RESEARCH）类的760种期刊中，排名第3；位居其中的20多种教育技术类期刊的第一名。除了SSCI，该期刊同时也被ERIC、Educational Research Abstracts Online、Education Abstracts、Education Index、Education Research Index、Education Technology Abstracts、Educational Management Abstracts、Computer Science Index、Computer and Information Systems Abstract、Computing Reviews、EI等近30种教育类和计算机类国际权威学术期刊数据库和索引所收录。自2011年以来，教育学院教育技术系贾积有、范逸洲等多位师生已经在该刊物发表了多篇高水平论文，提升了教育技术学学科质量，产生较大的国际和国内影响。
该论文研究得到了国家自然科学基金青年项目“基于生成式人工智能建构元认知脚手架的关键技术及实证应用研究”（62407001）和国际学习分析学会早期职业研究基金（Early Career Research Grant）资助。
