心理参与自动化设计改进反:在设计教育中使用ChatGPT的多个案例研究
Xin Wu1,2, Yu Zeng1, Zhirong Li1
1School of Architecture and Art, Central South University, Changsha, China.
Frontiers in psychology
|March 4, 2026
概括
高绩效的学生在协作中使用AI反,而低绩效的学生则寻求结构化的指导. 超认知技能在设计教育中显著影响了人工智能驱动反 (ADIF) 的参与.
科学领域:
- 教育心理学教育心理学
- 人与计算机的交互
- 教育中的人工智能
背景情况:
- 学生与人工智能驱动的反的参与度不足.
- 像ChatGPT这样的生成人工智能工具增加了自动化设计改进反 (ADIF).
- 自主调节学习理论为理解学生与人工智能的互动提供了一个框架.
研究的目的:
- 调查不同绩效水平的学生如何与基于ChatGPT的ADIF互动.
- 探索超认知策略在人类-人工智能协作中的作用.
- 识别迅速策略,认知过渡和情绪参与的差异.
主要方法:
- 50名设计学生 (25名高绩效,25名低绩效) 的混合方法多个案例研究.
- 对提示策略和查询模式的行为观察.
- 对认知过渡的滞后顺序分析和关于情感参与的半结构面试.
主要成果:
- 高绩效者使用多样化,代提示,并表现出周期性的元认知过渡,将互动视为探索性.
- 低绩效者使用了有限代的基本提示,显示线性进展,并寻求结构化的指导.
- 发现元认知能力塑造了与AI反的行为,认知和情感参与.
结论:
- 这些发现将自我调节学习理论扩展到人类-人工智能环境中.
- 需要进行架构干预,以帮助表现较差的学生开发人工智能交互的元认知策略.
- 这项研究提供了对教育人类-人工智能协作中的基于绩效的变异的初步见解.
