【編者按】暑假是科研工作攻堅克難、實現躍升的黃金時期，學校各研究團隊正搶抓時間機遇，聚焦科技前沿，鉚足干勁潛心研究，力求取得更多創新突破，奮力跑出科研攻關暑期“加速度”，為學校高質量發展注入強勁動力。學校推出“暑期科研‘加速度’”系列報道，將實時呈現學校師生暑期聚力科技創新、推進科研攀登躍升的昂揚風貌和豐碩成果，彰顯學校持續深化有組織科研，以科技創新支撐高質量發展的新姿態、新進展、新成效。敬請關注！

近日，學校“智能化教學場景研究團隊”成員、教育學部劉明教授與其博士研究生吳忠明等團隊成員撰寫的論文《融合大模型與學習分析提升大學生在線自我導向學習能力-以Python學習為例》（Enhancing self-directed learning and Python mastery through integration of a large language model and learning analytics dashboard》在《英國教育技術期刊》（British Journal of Educational Technology）公開發表。

在高校在線學習與混合式教學快速發展的背景下，大學生普遍面臨自主學習能力不足、學習動機薄弱、自我監控與自我管理能力欠缺等現實問題，難以有效適應數字時代個性化、非線性與持續性學習的需求。這些問題制約了學生核心素養的發展，也對高校教學支持系統提出了新的挑戰。

研究聚焦人工智能時代核心素養的培養與學習方式的重構，緊扣學習分析（Learning Analytics）與人工智能教育應用（AIED）融合發展的研究前沿，系統探討了生成式人工智能支持大學生自我導向學習的路徑與效果。研究基于自我導向學習的過程視角與能力維度構建了生成式人工智能支持自我導向學習的框架（AI4SDL）。在該框架指導下，研究融合了大語言模型（LLM）、檢索增強生成（RAG）技術與學習分析方法，開發了對話式交互工具（SDLChat）與學習分析儀表盤（LAD）。研究同時引入學習支架理論，從認知支持的角度進一步闡釋生成式人工智能在學習過程中的“智能支架”功能，突出其在自我導向學習能力建構中的階段性、遞進式作用。在此基礎上，通過準實驗研究，實證驗證了生成式人工智能與學習分析技術融合應用在提升大學生自我導向學習能力與學業表現方面的顯著成效。

研究不僅系統建構并驗證了生成式人工智能賦能自我導向學習的內在機制，拓展了自我導向學習的理論體系，也為當前AIED與學習分析深度融合背景下的學習支持系統設計提供了具有可操作性的范式與實踐證據，具有重要的理論價值與現實意義。

論文鏈接：https://bera-journals.onlinelibrary.wiley.com/doi/10.1111/bjet.70005