撰写研究提案引言

引言

在研究生教育情境中，学术写作既是核心学习成果，也是知识生产与学术社会化的重要媒介。然而，大量研究指出，研究生在论证结构、证据使用、文献整合与学术语篇规范方面普遍面临挑战，且有效写作能力的培养高度依赖高质量的形成性反馈与学习者的自我调节能力（Swales & Feak, 2012；Paltridge & Starfield, 2019）。反馈被视为促进学习成效的关键机制，其效应取决于反馈针对性、可操作性与与学习目标的对齐程度（Hattie & Timperley, 2007；Shute, 2008）。同时，自我调节学习理论强调，学习者在前摄阶段的目标设定、执行阶段的监控调控以及结果阶段的自我反思共同决定了复杂技能的发展轨迹（Zimmerman, 2000；Pintrich, 2004；Winne & Hadwin, 1998）。在高等教育中，能够激活学习者生成目标、监控进展并从反馈中产出可行修订的反馈设计，被证明更可能提升持久的写作质量与迁移（Nicol & Macfarlane-Dick, 2006；Carless & Boud, 2018；Winstone & Carless, 2019）。

近年来，基于大语言模型（LLMs）的生成式人工智能为写作反馈提供了新的技术路径。与早期自动写作评估（Automated Writing Evaluation, AWE）系统主要聚焦语法、拼写与句法层面不同（Dikli, 2006；Attali & Burstein, 2006），生成式AI具备以自然语言生成多层次、情境化与迭代式反馈的能力，理论上有望覆盖从语言微观层面到宏观修辞与论证策略的反馈区间，并通过对话式交互降低反馈可理解性与可操作性的门槛（Kasneci et al., 2023；OpenAI, 2023）。这类“对话—修订—再反馈”的循环，可能与自我调节的监控与控制过程发生耦合，进而影响学习者的目标设定、策略选择、时间管理与自我评估等关键维度（Zimmerman, 2000；Panadero, 2017）。若设计得当，生成式AI反馈不仅可能提升短期文本质量，更可能通过提升反馈素养与元认知策略使用，增强学习者的自我调节能力与长期写作发展（Carless & Boud, 2018）。

然而，当前关于生成式AI写作反馈在研究生学术写作中的实际效应证据仍然有限且分散。现有综述多聚焦高等教育中AI应用的机遇与挑战，强调了可扩展性、个性化潜力与可及性的优势，同时警示其可靠性、偏见、虚构信息与学术诚信风险（Zawacki-Richter et al., 2019；Kasneci et al., 2023；Cotton et al., 2023）。就写作而言，与AWE的证据基础相比，关于生成式AI反馈对高层次学术写作质量（如论证力、证据整合、领域规范遵循）以及对自我调节过程性指标（如规划、监控、修订行为、反馈利用策略）的影响，尚缺乏严格的因果识别与过程数据支持。尤其在研究生群体与学术写作语境下，缺少跨学科样本、使用日志与稿间修订轨迹相结合的多源数据，以及考虑初始写作水平、反馈素养与任务类型等边界条件的研究。此外，关于生成式AI反馈如何通过“反馈—自我调节”机制作用于写作表现的中介路径（如反馈可理解性、可操作性与学习者的元认知监控）与潜在负效应（如过度依赖导致的策略性退化），亦有待系统检验（Nicol & Macfarlane-Dick, 2006；Winstone & Carless, 2019）。

基于上述理论与证据缺口，本研究拟系统考察生成式AI写作反馈对研究生学术写作质量与自我调节的影响，重点关注：（1）生成式AI反馈相对于人类反馈或常规写作支持的增益效应及其在语言微观指标与宏观修辞指标上的差异；（2）生成式AI反馈通过何种自我调节机制（目标设定、监控、策略调整与反思）影响写作质量的中介路径；（3）初始写作水平、学科领域与反馈素养等调节因素；（4）可靠性、偏见与学术诚信相关的潜在风险与防控策略。通过整合自我调节学习理论与反馈设计框架，并结合过程性证据（修订日志、交互记录、元认知报告），本研究旨在为高等教育中生成式AI介入的教学设计与政策制定提供基于证据的指导，既把握技术赋能的效益，也明确其边界条件与伦理规范，从而提升研究生学术写作的质量与可持续发展。

参考文献

Attali, Y., & Burstein, J. (2006). Automated essay scoring with e‑rater V.2. Journal of Technology, Learning, and Assessment, 4(3), 1–30.

Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.

Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International. Advance online publication.

Dikli, S. (2006). An overview of automated scoring of essays. Journal of Technology, Learning, and Assessment, 5(1), 1–35.

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.

Nicol, D., & Macfarlane‑Dick, D. (2006). Formative assessment and self‑regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218.

OpenAI. (2023). GPT‑4 technical report. arXiv:2303.08774.

Paltridge, B., & Starfield, S. (2019). Thesis and dissertation writing in a second language: A handbook for supervisors (2nd ed.). Routledge.

Panadero, E. (2017). A review of self‑regulated learning: Six models and four directions for research. Frontiers in Psychology, 8, 422.

Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self‑regulated learning in college students. Educational Psychology Review, 16(4), 385–407.

Swales, J. M., & Feak, C. B. (2012). Academic writing for graduate students: Essential tasks and skills (3rd ed.). University of Michigan Press.

Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153–189.

Winne, P. H., & Hadwin, A. F. (1998). Studying as self‑regulated learning. In D. J. Hacker, J. Dunlosky, & A. C. Graesser (Eds.), Metacognition in educational theory and practice (pp. 277–304). Lawrence Erlbaum.

Winstone, N. E., & Carless, D. (2019). Designing effective feedback processes in higher education: A learning‑focused approach. Routledge.

Zimmerman, B. J. (2000). Attaining self‑regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self‑regulation (pp. 13–39). Academic Press.

Zawacki‑Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education—Where are the educators? International Journal of Educational Technology in Higher Education, 16, 39.

引言

在新时代高等教育“立德树人”的根本任务与工程教育专业认证（OBE理念）并行推进的背景下，将价值塑造与知识传授深度融合的课程思政，已成为高校人才培养体系优化的重要抓手（教育部，2020；中共中央、国务院，2016）。工程专业对学生的专业伦理、社会责任与规范意识提出了高度要求，学术诚信与学习投入既是高校培养过程中的关键表征，也是面向未来职业伦理与终身学习能力的基础变量。尽管“课程思政”在政策与实践层面快速推进，关于其如何通过何种机制影响工程专业学生的学术诚信与学习投入，迄今仍缺乏系统的、可检验的实证证据与清晰的作用理论模型。

一方面，国际高等教育研究表明，学术诚信受个体道德动机、同伴规范、组织氛围与评估方式等多重因素共同作用（McCabe, Treviño, & Butterfield, 2001, 2012；Ajzen, 1991）。在工程教育领域，既有研究提示学术不端问题具有一定普遍性，其发生与同伴认知、情境压力、课程评估策略等密切相关（Harding, Carpenter, Finelli, & Passow, 2004）。另一方面，学习投入作为学业成就与持久发展能力的重要预测变量，包含行为、情感与认知三个维度（Fredricks, Blumenfeld, & Paris, 2004），与教学情境中的价值认同、师生关系与课堂气候存在稳健关联（Kuh, 2009；Roorda, Koomen, Spilt, & Oort, 2011）。课程思政强调将专业知识教学与价值引导、使命感培育、社会责任教育相整合，其潜在影响路径可能通过增强学生对专业学习的意义感与社会关联性，促进价值内化与自我决定型动机，从而提升学习投入并抑制不诚信行为。

从理论上看，自我决定理论指出，当教育情境支持价值内化与自主性需求满足时，个体更可能形成内在或认同型动机，表现为更高的坚持性与道德一致性（Deci & Ryan, 2000）。课程思政的目标对齐与意义建构，有助于将专业学习与公共价值连结，提升学生对于学术规范与职业伦理的内在认同。道德心理学与行为理论进一步揭示，从价值辨析、道德判断到道德动机与道德行动的全过程，既受个体道德推理能力与道德身份认同影响，也受社会规范、榜样示范与情境诱因制约（Rest, 1986；Bandura, 1991）。课程思政嵌入在具体学科课程中，教师示范、同伴规范与评价制度共同构成“规范线索”，可能通过塑造课堂诚信氛围与减少“道德脱离”的心理机制，降低学术不端发生的可能（McCabe et al., 2001；Bandura, 1991）。此外，价值一致性与归属感能够提升学生的情感投入与任务价值感，进而强化深度加工与自我调节学习（Fredricks et al., 2004；Kuh, 2009）。

然而，现有关于课程思政的研究多为概念阐释、案例叙述或教学反思，量化研究集中于态度与满意度等近端指标，对学术诚信与学习投入等关键行为结果及其作用机制的检验不足。在方法上，尚缺乏基于明确理论框架的结构化模型与跨层次分析，难以区分教师教学设计、课堂规范、评估策略等要素的独立与交互效应，也较少考虑工程学科情境（如高强度作业负荷、团队协作、开放性作业与线上资源可得性）对机制链条的可能调节。此外，既有研究对“融入程度”的操作化不一，影响跨研究比较与证据累积。

基于上述理论脉络与研究缺口，本研究拟构建“课程思政融入—心理与情境机制—学术诚信与学习投入”的概念模型，提出以下核心问题：（1）在工程专业课程中，课程思政的融入程度是否显著提升学生的学术诚信与学习投入（行为、情感、认知）？（2）价值内化与自我决定型学习动机、对学术规范与课堂诚信氛围的感知、师生关系质量与课堂归属感，是否在其中发挥中介作用？（3）课程评估方式（如过程性评价权重、合作与个体评价的平衡）、同伴规范与年级学段压力等因素，是否对上述效应产生调节？在证据层面，本研究将通过严格的测量与识别策略，力求在控制混杂因素与提升因果推断力度的同时，揭示可推广的实践启示。

本研究的贡献在于：（1）理论上，整合自我决定理论、计划行为理论与道德心理学，提出课程思政影响工程学生学术诚信与学习投入的多路径机制模型，填补价值教育介入与学术行为结果之间的理论断裂。（2）方法上，通过跨层数据与结构方程/多水平模型等手段，实证识别“融入程度—心理机制—行为结果”的中介与调节链条，提升研究的内部效度与解释力。（3）实践上，为工程类课程设计与评价提供可操作的证据基础与优化建议，特别是在评价改革、教师示范与课堂规范建构方面，服务于“以学为中心”的高质量课程思政建设与工程教育认证对伦理与规范素养的要求。

参考文献
- 教育部. (2020). 高校课程思政建设指导纲要.
- 中共中央、国务院. (2016). 关于加强和改进新形势下高校思想政治工作的意见.
- Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211.
- Bandura, A. (1991). Social cognitive theory of moral thought and action. In W. M. Kurtines & J. L. Gewirtz (Eds.), Handbook of moral behavior and development (Vol. 1, pp. 45–103). Lawrence Erlbaum.
- Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.
- Fredricks, J. A., Blumenfeld, P. C., & Paris, A. (2004). School engagement: Potential of the concept, state of the evidence. Review of Educational Research, 74(1), 59–109.
- Harding, T. S., Carpenter, D. D., Finelli, C. J., & Passow, H. J. (2004). Does academic dishonesty relate to unethical behavior in professional practice? Journal of Engineering Education, 93(4), 309–314.
- Kuh, G. D. (2009). The National Survey of Student Engagement: Conceptual and empirical foundations. New Directions for Institutional Research, 141, 5–20.
- McCabe, D. L., Treviño, L. K., & Butterfield, K. D. (2001). Cheating in Academic Institutions: A decade of research. Ethics & Behavior, 11(3), 219–232.
- McCabe, D. L., Butterfield, K. D., & Treviño, L. K. (2012). Cheating in College: Why students do it and what educators can do about it. Johns Hopkins University Press.
- Rest, J. R. (1986). Moral development: Advances in research and theory. Praeger.
- Roorda, D. L., Koomen, H. M. Y., Spilt, J. L., & Oort, F. J. (2011). The influence of affective teacher–student relationships on students’ school engagement and achievement: A meta-analytic approach. Review of Educational Research, 81(4), 493–529.

引言

小学数学学习既涉及基础概念与技能的掌握，也要求学生在持续的练习和反思中发展自我监控与自我纠错能力。学习过程中产生的错误是重要的诊断与生长契机，适切的错误分析与反馈能够促进知识表征的重组和策略调整，从而提升学习成效（Hattie & Timperley, 2007；Metcalfe, 2017）。在课堂与课后学习实践中，错题整理作为一种聚焦错误的反思性学习活动，被许多教师用于支持学生对错误的归因、概念澄清与再练习。然而，传统纸笔错题本在可搜索性、反馈即时性、练习调度与过程性数据记录方面存在局限。随着教育信息化的发展，将错题本数字化（下称“数字化错题本”）为学习者提供了标注、标签化归类、错因归纳、间隔复习与个性化提示等功能，这些特征与自我调节学习、形成性反馈与动机理论的关键机制高度契合，具有潜在的促进作用（Butler & Winne, 1995；Shute, 2008；Cepeda et al., 2006）。

从自我调节学习（self-regulated learning, SRL）的视角，学生在目标设定—监控评估—策略调整的循环中不断提升学习质量（Zimmerman, 2000）。数字化错题本可通过结构化记录与可视化追踪，降低元认知监控的外在负荷，增强错误与目标、策略之间的可见性，从而支持更高质量的自我反馈与策略选择（Butler & Winne, 1995；Panadero, 2017）。在反馈理论方面，研究表明有效的反馈应明确指向任务、过程与自我调节层面，并具有可操作性与及时性（Hattie & Timperley, 2007；Wisniewski, Zierer, & Hattie, 2020）。数字化错题本内嵌的即时提示、错因分类与基于表现的再练习推送，有望提升反馈的诊断性与可行性。此外，测试效应与间隔效应表明，基于检索的复习与优化的时间分布能够显著增强长期保持与迁移（Roediger & Karpicke, 2006；Cepeda et al., 2006）。数字化错题本可在错题回顾中整合检索练习与间隔调度，强化从错误到正确的稳固转换。

在学习动机层面，自我决定理论指出，促进自主性、胜任感与关系需要能够提升内在动机与自主动机（Ryan & Deci, 2000）。数字化错题本若通过自定目标、个性化路径与可达成进展线索提升自主性与胜任感，可能带来更高的学习投入与坚持。同时，成就情绪的控制—价值理论强调，感知可控性与价值感会影响情绪体验与策略使用（Pekrun, 2006）。精确且可操作的纠错路径有助于提高学生对错误可控性的感知，缓解焦虑，转化为促进性情绪与策略性努力。既有元分析表明，教育技术在K–12数学中对成绩有小到中等的正向效应，但效果差异与实施质量密切相关，机制层面的证据仍需细化（Cheung & Slavin, 2013）。具体到以“错误”为核心对象的数字化工具，其对小学阶段学生自我纠错行为与动机的作用机制与效应大小，尚缺乏严谨的实证研究与过程数据支撑。

基于以上理论与实践背景，本研究拟系统考察小学数学错题本数字化对学生自我纠错与学习动机的促进作用，聚焦以下问题：（1）与传统纸笔错题本相比，数字化错题本是否显著提升学生的自我纠错质量与频率（如错因分类准确性、纠错后迁移到同类题的正确率、延时保持）？（2）数字化错题本是否通过增强胜任感与可控性感知，提高学生的内在动机与任务价值？（3）哪些设计要素（如即时诊断反馈、检索练习与间隔复习、错因标签化）是产生效果的关键机制？本研究将采用随机对照或准实验设计，结合过程性学习日志、作品与测验数据，以及动机量表，开展跨学期的追踪分析，以揭示“错误—反馈—调节—动机”的动态链条。

本研究的潜在贡献在于：（1）理论上，整合错误学习、反馈与自我调节学习，以及动机理论，构建“数字化错题本—自我纠错—动机”作用机制的概念模型；（2）方法上，结合行为结果与过程性证据（如错因标注质量、检索间隔遵循度），提升对因果机制与实施质量的可解释性；（3）实践上，提出可操作的数字化错题本设计原则与教学应用指南，为小学数学精准化教学与学生个体化反思提供证据基础。鉴于错误是学习的常态且具有生产性潜力（Kapur, 2008；Metcalfe, 2017），在技术支持下将“错题本”转化为高诊断度与高动机价值的学习工具，具有重要的教育意义与可推广价值。

参考文献
- Butler, D. L., & Winne, P. H. (1995). Feedback and self-regulated learning: A theoretical synthesis. Review of Educational Research, 65(3), 245–281.
- Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380.
- Cheung, A. C. K., & Slavin, R. E. (2013). The effectiveness of educational technology applications for enhancing mathematics achievement in K–12 classrooms: A meta-analysis. Educational Research Review, 9, 88–113.
- Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112.
- Kapur, M. (2008). Productive failure. Cognition and Instruction, 26(3), 379–424.
- Metcalfe, J. (2017). Learning from errors. Annual Review of Psychology, 68, 465–489.
- Pekrun, R. (2006). The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice. Educational Psychology Review, 18, 315–341.
- Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255.
- Ryan, R. M., & Deci, E. L. (2000). Intrinsic and extrinsic motivations: Classic definitions and new directions. Contemporary Educational Psychology, 25(1), 54–67.
- Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153–189.
- Wisniewski, B., Zierer, K., & Hattie, J. (2020). The power of feedback revisited: A meta-analysis of educational feedback research. Educational Research Review, 31, 100353.
- Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 13–39). San Diego, CA: Academic Press.
- Panadero, E. (2017). A review of self-regulated learning: Six models and four directions for research. Frontiers in Psychology, 8, 422.