韓悅 趙曉偉 沈書生

基金項(xiàng)目：2023年度國家社會(huì)科學(xué)基金重大項(xiàng)目“新一代人工智能對(duì)教育的影響研究”（項(xiàng)目編號(hào)：VGA230012）

[摘? ?要] 以ChatGPT為代表的生成式人工智能的出現(xiàn)，使人工智能與人類智能之間實(shí)現(xiàn)群智聯(lián)結(jié)，形成人機(jī)協(xié)同的“復(fù)合腦”思維。研究在梳理自我調(diào)節(jié)學(xué)習(xí)內(nèi)涵與過程的基礎(chǔ)上，聚焦復(fù)合腦對(duì)自我調(diào)節(jié)學(xué)習(xí)的賦能作用，闡述了復(fù)合腦支撐自我調(diào)節(jié)學(xué)習(xí)的三個(gè)層次，即數(shù)據(jù)支持下協(xié)同記錄的“數(shù)腦”、數(shù)據(jù)關(guān)聯(lián)下協(xié)同分析的“匯腦”、數(shù)據(jù)賦能下協(xié)同決策的“智腦”；剖析了復(fù)合腦賦能自我調(diào)節(jié)學(xué)習(xí)的“協(xié)同判斷—協(xié)同調(diào)整—協(xié)同決定”三個(gè)過程。最后，基于內(nèi)外腦決策自主度的變化，提出了共同調(diào)節(jié)、共享調(diào)節(jié)、復(fù)合調(diào)節(jié)三種典型樣態(tài)，支持學(xué)習(xí)者不斷強(qiáng)化主體責(zé)任、構(gòu)建適應(yīng)未來的復(fù)合腦，形成面向未來的高質(zhì)量學(xué)習(xí)力。

[關(guān)鍵詞] 自我調(diào)節(jié)學(xué)習(xí)； 人機(jī)協(xié)同； 復(fù)合腦； 生成式人工智能； 學(xué)習(xí)決策

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 韓悅（2000—），女，江蘇揚(yáng)州人。碩士研究生，主要從事信息化教學(xué)設(shè)計(jì)、自我調(diào)節(jié)學(xué)習(xí)研究。E-mail：2390073973@qq.com。趙曉偉為通訊作者，E-mail：smilingzhao@nnu.edu.cn。

一、引? ?言

隨著ChatGPT、文心一言、訊飛星火等大語言模型的快速迭代升級(jí)，生成式人工智能（AI-Generated Content，簡(jiǎn)稱AIGC）正走在通向通用人工智能的快車道上，開啟了智能技術(shù)自主生成內(nèi)容與自我強(qiáng)化更新的新時(shí)代。機(jī)器逐步具備人類部分智能，且未來將在認(rèn)知推理、行動(dòng)決策等方面不斷逼近人類智能，學(xué)習(xí)者僅掌握有限的知識(shí)與技能已遠(yuǎn)遠(yuǎn)不夠，發(fā)揮主體責(zé)任、建立自我意識(shí)、持續(xù)自我反思與調(diào)整、促進(jìn)自我決策與改進(jìn)，實(shí)現(xiàn)自身智慧的高維發(fā)展，是融入數(shù)智社會(huì)的必然選擇。

然而，僅單純地依賴個(gè)體內(nèi)腦，已無法勝任數(shù)智時(shí)代的學(xué)習(xí)需求，將智能技術(shù)構(gòu)成的智能體作為外腦，并與個(gè)體內(nèi)腦協(xié)同，形成復(fù)合腦思維[1]，借助人類意識(shí)調(diào)用類人智能，以實(shí)現(xiàn)人類智能的發(fā)展，是現(xiàn)代學(xué)習(xí)者適應(yīng)數(shù)智時(shí)代發(fā)展的應(yīng)然路徑[2]。作為體現(xiàn)學(xué)習(xí)者自我意識(shí)、喚醒主體責(zé)任的元素養(yǎng)，自我調(diào)節(jié)學(xué)習(xí)是適應(yīng)未來世界的應(yīng)變方式，幫助學(xué)習(xí)者在與智能體的協(xié)同中，主動(dòng)判斷、決策與調(diào)整，持續(xù)建構(gòu)面向未知領(lǐng)域的知能體系與心智結(jié)構(gòu)。

智能時(shí)代的自我調(diào)節(jié)學(xué)習(xí)主要關(guān)注了行為分析、作用機(jī)理、融合路徑、效能檢驗(yàn)等方面[3-5]，AIGC的出現(xiàn)促使學(xué)習(xí)個(gè)體形成復(fù)合腦思維，復(fù)合腦視角下個(gè)體和智能體之間的決策界限是波動(dòng)的，個(gè)體既可以將部分簡(jiǎn)單任務(wù)交給智能體，也可以在智能體無法操作的情況下將主動(dòng)權(quán)轉(zhuǎn)移至自身。因此，本研究將探討復(fù)合腦賦能下自我調(diào)節(jié)學(xué)習(xí)的層次與過程，剖析人機(jī)協(xié)同調(diào)節(jié)學(xué)習(xí)的三種典型樣態(tài)，以期引導(dǎo)學(xué)習(xí)者借助智能技術(shù)發(fā)展主體責(zé)任與內(nèi)腦調(diào)節(jié)能力，更好地適應(yīng)數(shù)智時(shí)代并向外腦借力。

二、自我調(diào)節(jié)學(xué)習(xí)：認(rèn)知個(gè)體的元素養(yǎng)

智能媒介的發(fā)展使個(gè)體處于富技術(shù)環(huán)境中，認(rèn)知個(gè)體需要合理調(diào)用與發(fā)揮智能技術(shù)的核心優(yōu)勢(shì)，匯聚人類智能與機(jī)器智能，構(gòu)建與數(shù)智時(shí)代相適應(yīng)的人機(jī)復(fù)合腦，進(jìn)而賦能自我調(diào)節(jié)學(xué)習(xí)，促進(jìn)自我發(fā)展。

（一）自我調(diào)節(jié)學(xué)習(xí)的內(nèi)涵和過程

自我調(diào)節(jié)學(xué)習(xí)思想最早在班杜拉（Bandura）的社會(huì)認(rèn)知理論中初具雛形，強(qiáng)調(diào)學(xué)習(xí)者是主動(dòng)學(xué)習(xí)的個(gè)體，其學(xué)習(xí)行為不僅是外部因素作用的結(jié)果，更取決于學(xué)習(xí)者的主體因素。齊默曼（Zimmerman）在此基礎(chǔ)上首次提出“自我調(diào)節(jié)學(xué)習(xí)”一詞[6]。自我調(diào)節(jié)學(xué)習(xí)是認(rèn)知個(gè)體的元素養(yǎng)，既是個(gè)體認(rèn)識(shí)外部世界的內(nèi)在動(dòng)力基礎(chǔ)，也會(huì)隨著個(gè)體的認(rèn)識(shí)活動(dòng)變化持續(xù)強(qiáng)化。簡(jiǎn)單地說，自我調(diào)節(jié)學(xué)習(xí)是學(xué)習(xí)者在學(xué)習(xí)目標(biāo)與個(gè)體內(nèi)需的雙向驅(qū)動(dòng)下，持續(xù)形成并主動(dòng)發(fā)揮主體責(zé)任，激活并調(diào)節(jié)認(rèn)知策略、學(xué)習(xí)行為、情感態(tài)度以實(shí)現(xiàn)認(rèn)知目標(biāo)的過程。

具有自我調(diào)節(jié)學(xué)習(xí)能力的學(xué)習(xí)者能夠主動(dòng)關(guān)注外部變化，建立適應(yīng)變化的內(nèi)在變革動(dòng)機(jī)，合理向外部世界借力，選擇與調(diào)用外部工具，自覺參與行動(dòng)，建立主體自覺，進(jìn)而不斷評(píng)估、調(diào)節(jié)與改變自身認(rèn)知。基于社會(huì)認(rèn)知理論，齊默曼構(gòu)建了自我調(diào)節(jié)學(xué)習(xí)的三階段循環(huán)模型[7]：在計(jì)劃階段，學(xué)習(xí)者分析任務(wù)、設(shè)定目標(biāo)，規(guī)劃學(xué)習(xí)路徑；在表現(xiàn)階段，學(xué)習(xí)者建構(gòu)認(rèn)知、監(jiān)控活動(dòng)，記錄認(rèn)知進(jìn)展；在反思階段，學(xué)習(xí)者判斷調(diào)節(jié)過程、評(píng)估行為表現(xiàn)、歸因?qū)W習(xí)結(jié)果，不斷調(diào)整并優(yōu)化后續(xù)學(xué)習(xí)行為。

（二）復(fù)合腦賦能的自我調(diào)節(jié)學(xué)習(xí)

自我調(diào)節(jié)學(xué)習(xí)是學(xué)習(xí)者認(rèn)知發(fā)生的基礎(chǔ)。但對(duì)于部分學(xué)習(xí)者而言，由于缺乏必要的自我調(diào)節(jié)能力，難以觸發(fā)自我調(diào)節(jié)學(xué)習(xí)過程，特別是學(xué)習(xí)任務(wù)要求很高或先驗(yàn)知識(shí)很少時(shí)。此時(shí)，學(xué)習(xí)者需要借助外部支持以實(shí)現(xiàn)有效的自我調(diào)節(jié)學(xué)習(xí)。然而，在大規(guī)模標(biāo)準(zhǔn)化的教學(xué)背景下，個(gè)體持續(xù)變化的學(xué)習(xí)需求難以及時(shí)獲得教師一對(duì)一的指導(dǎo)，如何為學(xué)習(xí)者提供適需的自我調(diào)節(jié)學(xué)習(xí)支持，成為需要關(guān)注的問題。

學(xué)習(xí)分析、自適應(yīng)學(xué)習(xí)等智能技術(shù)的迭代升級(jí)，能夠“接管”學(xué)習(xí)者的部分調(diào)節(jié)活動(dòng)，并可根據(jù)學(xué)習(xí)者的自我調(diào)節(jié)水平適需將任務(wù)加載至人工智能或轉(zhuǎn)移至學(xué)習(xí)者手中。譬如Somasundaram等人開發(fā)了基于人工智能的計(jì)劃組織者，能夠幫助學(xué)生設(shè)定目標(biāo)、提出計(jì)劃，通過分析學(xué)情數(shù)據(jù)提供適應(yīng)性學(xué)習(xí)策略[8]。現(xiàn)代技術(shù)的加持讓每位學(xué)習(xí)者可以輕松地借助智能技術(shù)解決復(fù)雜問題，AIGC產(chǎn)品的出現(xiàn)更是突破人機(jī)單向交流的技術(shù)圍墻，建立起人類大腦與智能產(chǎn)品間的多向關(guān)聯(lián)。依托智能技術(shù)，學(xué)習(xí)個(gè)體的大腦能夠慢慢成長為復(fù)合腦，包括自身生理腦所構(gòu)成的“內(nèi)腦”，與外部可獲得支持所形成的“外腦”，兩者協(xié)同作用讓個(gè)體擁有了復(fù)合腦[1]。復(fù)合腦并非與生俱來，其建構(gòu)過程依賴于學(xué)習(xí)者充分發(fā)揮主體責(zé)任，持續(xù)與智能技術(shù)交往、建立聯(lián)系，是個(gè)體在與外部世界的交互中反復(fù)更迭、調(diào)整后逐步形成與優(yōu)化的。復(fù)合腦由人類大腦決策與主導(dǎo)，內(nèi)腦作為學(xué)習(xí)者先天特有的思考器官，奠定了復(fù)合腦的格局與層次，進(jìn)行數(shù)據(jù)輸入、知識(shí)建構(gòu)、外部輸出等認(rèn)知活動(dòng)，能夠開展認(rèn)知反思、調(diào)節(jié)決策等高階思維活動(dòng)；智能技術(shù)作為外腦，因其強(qiáng)大的數(shù)據(jù)存儲(chǔ)與運(yùn)算能力，承擔(dān)記憶、分析等基礎(chǔ)性工作，接收內(nèi)腦的指令并作出即時(shí)性反饋。外腦對(duì)于復(fù)合腦的支持作用，取決于內(nèi)腦能否主動(dòng)與其進(jìn)行協(xié)同，能否形成吐故納新的意識(shí)。

具備復(fù)合腦的學(xué)習(xí)者，能夠主動(dòng)與AIGC等外腦建立關(guān)聯(lián)，融合人機(jī)群智，基于內(nèi)部認(rèn)知需求與問題意識(shí)確定學(xué)習(xí)目標(biāo)，主動(dòng)選擇與調(diào)用合適的外腦支持，并根據(jù)外腦反饋結(jié)果進(jìn)行自我審辨與判斷，決定是否納入已有認(rèn)知結(jié)構(gòu)，實(shí)現(xiàn)自我調(diào)節(jié)學(xué)習(xí)的發(fā)生。內(nèi)外腦協(xié)同，借助于外腦海量的數(shù)據(jù)集與快速的計(jì)算能力，讓個(gè)體內(nèi)腦有更多時(shí)間和空間進(jìn)行思考與建構(gòu)，從簡(jiǎn)單輸入已知的狀態(tài)抽離，更專注于向外部輸出心智的行為活動(dòng)，進(jìn)而不斷強(qiáng)化主體責(zé)任，并形成面向未知世界的問題解決能力[9]。

三、復(fù)合腦視角：促進(jìn)人機(jī)協(xié)同調(diào)節(jié)

學(xué)習(xí)個(gè)體的協(xié)同匯聚了多元主體的智慧，智能技術(shù)的發(fā)展使學(xué)習(xí)者的協(xié)同行為由人人協(xié)同拓展至人機(jī)協(xié)同，并在與技術(shù)的持續(xù)交互中構(gòu)建復(fù)合腦，將智能技術(shù)作為自我發(fā)展的外部支撐力量，協(xié)同決策、協(xié)同調(diào)節(jié)，并最終實(shí)現(xiàn)自我超越。

（一）原理闡述：復(fù)合腦支撐調(diào)節(jié)學(xué)習(xí)的層次

圖1? ?復(fù)合腦支撐自我調(diào)節(jié)學(xué)習(xí)的三層次

作為獨(dú)立于學(xué)習(xí)個(gè)體的存在，智能技術(shù)在與學(xué)習(xí)者內(nèi)腦持續(xù)交互的過程中，成為學(xué)習(xí)者的外腦，與內(nèi)腦共同構(gòu)成復(fù)合腦。在復(fù)合腦的建構(gòu)與優(yōu)化過程中，具備感知記憶的數(shù)腦、分析思考的匯腦、決策創(chuàng)造的智腦三種層次的腦形態(tài)（如圖1所示）[1]。

1. 感知記憶的數(shù)腦：數(shù)據(jù)支撐下的協(xié)同記錄

過去的學(xué)習(xí)中人們不斷開發(fā)與拓展個(gè)體內(nèi)腦，以感知和記憶已知領(lǐng)域的海量知識(shí)，承受了“供遠(yuǎn)大于求”的認(rèn)知負(fù)擔(dān)，使個(gè)體忽視或放棄其他關(guān)鍵素養(yǎng)的提升。智能技術(shù)與教育的融合，實(shí)現(xiàn)了多場(chǎng)域、高頻次、全學(xué)段數(shù)據(jù)匯聚，與個(gè)體內(nèi)腦構(gòu)成了復(fù)合腦的初始層次形態(tài)——數(shù)腦。

數(shù)腦支持人機(jī)協(xié)同下粗細(xì)粒度融合的個(gè)體數(shù)據(jù)記錄。無論是學(xué)習(xí)者還是教學(xué)者的內(nèi)腦，均以觀察、評(píng)估等記錄個(gè)體的學(xué)習(xí)狀態(tài)、環(huán)境資源，整體把握學(xué)習(xí)者的學(xué)習(xí)航向。智能技術(shù)作為個(gè)體內(nèi)腦的輔助性外腦，能夠高速捕獲學(xué)習(xí)者全過程、多場(chǎng)景、各學(xué)科的多模態(tài)學(xué)習(xí)行為數(shù)據(jù)，感知與采集學(xué)習(xí)情境數(shù)據(jù)并同步上傳，提高個(gè)體學(xué)習(xí)畫像的精確度。譬如，Prieto等人使用可穿戴傳感器自動(dòng)提取個(gè)體在學(xué)習(xí)情境中的多模態(tài)數(shù)據(jù)，并以編排圖的形式可視化記錄個(gè)體的學(xué)習(xí)活動(dòng)[10]。

數(shù)腦支持人機(jī)協(xié)同下多級(jí)學(xué)段貫通的個(gè)體數(shù)據(jù)積累。對(duì)于個(gè)體內(nèi)腦而言，很難歷時(shí)記錄自身多學(xué)科的認(rèn)知數(shù)據(jù)，外腦則能夠動(dòng)態(tài)持續(xù)、多維異域地將個(gè)體的學(xué)習(xí)活動(dòng)數(shù)據(jù)化，并以時(shí)間鏈建立數(shù)字檔案袋?；诶鄯e的海量數(shù)據(jù)，外腦可提供學(xué)習(xí)者在具體學(xué)科或內(nèi)容中學(xué)習(xí)表現(xiàn)的單點(diǎn)描述，并將結(jié)果以學(xué)習(xí)診斷報(bào)告等可視化形式動(dòng)態(tài)反饋至內(nèi)腦，內(nèi)腦接收反饋并建立對(duì)于當(dāng)下學(xué)習(xí)狀態(tài)的初步感知，為學(xué)習(xí)者自我認(rèn)知、自我判斷等提供評(píng)價(jià)依據(jù)。

數(shù)腦支持人機(jī)協(xié)同下多維境脈融通的個(gè)體數(shù)據(jù)延展。僅憑學(xué)習(xí)者內(nèi)腦有限的存儲(chǔ)空間，難以記住現(xiàn)實(shí)世界中無限且持續(xù)變化的學(xué)習(xí)數(shù)據(jù)，高算力、強(qiáng)算法支持下，機(jī)器以其近乎無限的存儲(chǔ)空間與高速的數(shù)據(jù)分析能力，彌補(bǔ)人類大腦存儲(chǔ)空間有限的局限，拓寬了人類存儲(chǔ)數(shù)據(jù)的體量與類型。AIGC在教育中的應(yīng)用增強(qiáng)了個(gè)體學(xué)習(xí)活動(dòng)的內(nèi)在連續(xù)性與可解釋性[11]，為學(xué)習(xí)者的自我評(píng)估、自我定位建立更豐富的數(shù)據(jù)庫，延伸個(gè)體認(rèn)知，將內(nèi)腦從耗費(fèi)大量精力記憶固有知識(shí)點(diǎn)中解脫，實(shí)現(xiàn)學(xué)習(xí)內(nèi)容與個(gè)體需求的“供求平衡”，將學(xué)習(xí)重點(diǎn)偏向于建構(gòu)與內(nèi)化知識(shí)的過程，進(jìn)而引導(dǎo)學(xué)習(xí)者實(shí)現(xiàn)認(rèn)知發(fā)生后的創(chuàng)造性輸出。

2. 分析思考的匯腦：數(shù)據(jù)關(guān)聯(lián)下的協(xié)同分析

智能技術(shù)憑借強(qiáng)大算力，依據(jù)特定規(guī)則篩選機(jī)器中存儲(chǔ)的海量數(shù)據(jù)，深度挖掘并歸納分析數(shù)據(jù)間隱含的價(jià)值關(guān)聯(lián)[12]，從數(shù)據(jù)的單點(diǎn)描述向貫通分析轉(zhuǎn)變，并與學(xué)習(xí)者的內(nèi)腦共同發(fā)展成為更高層次的復(fù)合腦——匯腦。

匯腦發(fā)揮人機(jī)優(yōu)勢(shì)實(shí)現(xiàn)多點(diǎn)關(guān)聯(lián)分析?？v向而言，匯腦以數(shù)據(jù)貫通促使學(xué)習(xí)者從初步感知轉(zhuǎn)變?yōu)樽晕艺J(rèn)知。借助時(shí)序分析等技術(shù)，外腦能夠可視化呈現(xiàn)學(xué)習(xí)軌跡，生成個(gè)人成長學(xué)習(xí)檔案，為學(xué)習(xí)者推薦個(gè)性化發(fā)展路徑?；谕饽X反饋的信息，內(nèi)腦對(duì)自我的認(rèn)識(shí)從面向單一學(xué)科或具體任務(wù)的初步感知發(fā)展到面向已有知能、潛在能力的深度認(rèn)知。橫向而言，匯腦以數(shù)據(jù)關(guān)聯(lián)分析引導(dǎo)學(xué)習(xí)者從碎片認(rèn)知轉(zhuǎn)變?yōu)槊}絡(luò)聯(lián)通。外腦借助領(lǐng)域模型、學(xué)習(xí)分析等技術(shù)，提取梳理學(xué)科知識(shí)點(diǎn)、挖掘多學(xué)科知識(shí)間的隱含關(guān)聯(lián)，剖析結(jié)構(gòu)脈絡(luò)、建立知識(shí)圖譜，并將個(gè)體知識(shí)掌握情況與知識(shí)圖譜關(guān)聯(lián)疊加，以知識(shí)鏈為線索建立個(gè)體跨學(xué)科表現(xiàn)的多點(diǎn)聯(lián)系，進(jìn)而與內(nèi)腦協(xié)同探究個(gè)體知能掌握情況不佳的根源。

匯腦聚合人機(jī)群智實(shí)現(xiàn)協(xié)同分析診斷。其一，以聯(lián)通數(shù)據(jù)精準(zhǔn)定位個(gè)體已有能力水平。外腦借助開放學(xué)習(xí)者模型等技術(shù)，通過層級(jí)結(jié)構(gòu)圖、節(jié)點(diǎn)顏色、節(jié)點(diǎn)間連接線形態(tài)等，直觀展示個(gè)體的認(rèn)知狀態(tài)[13]，縱向分析學(xué)習(xí)能力、橫向展示群體表現(xiàn)，全面呈現(xiàn)個(gè)體學(xué)習(xí)經(jīng)歷，診斷學(xué)習(xí)水平，并促使學(xué)習(xí)者在外界評(píng)價(jià)與自我評(píng)價(jià)之間尋求平衡，形成客觀的自我評(píng)價(jià)。其二，以交互行為數(shù)據(jù)動(dòng)態(tài)診斷個(gè)體實(shí)時(shí)學(xué)習(xí)狀態(tài)。借助儀表盤、知識(shí)圖譜等技術(shù)，外腦實(shí)時(shí)記錄與分析個(gè)體的行為表現(xiàn)數(shù)據(jù)，動(dòng)態(tài)嵌入知識(shí)圖譜中對(duì)應(yīng)的“知識(shí)元”位置，并以多模態(tài)可視化形式反饋給內(nèi)腦[14]，與內(nèi)腦共同診斷并協(xié)商形成個(gè)性化學(xué)習(xí)路徑。譬如，美國DreamBox Learning實(shí)時(shí)追蹤個(gè)體的學(xué)習(xí)行為數(shù)據(jù)，生成形成性、總結(jié)性和預(yù)測(cè)性報(bào)告，為學(xué)習(xí)者推送自適應(yīng)學(xué)習(xí)路徑[15]。

3. 決策創(chuàng)造的智腦：數(shù)據(jù)賦能下的協(xié)同決策

分析學(xué)習(xí)者數(shù)據(jù)的意義在于挖掘不同因素間隱含的關(guān)聯(lián)，提供豐富可信的數(shù)據(jù)鏈支持個(gè)體循證決策。隨著自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，AIGC不僅能夠應(yīng)答用戶提問，還可以持續(xù)交互并不斷生成個(gè)性化反饋，使智能技術(shù)能夠持續(xù)與個(gè)體互動(dòng)，并與學(xué)習(xí)者的內(nèi)腦建立關(guān)聯(lián)、協(xié)同發(fā)展，成為共創(chuàng)智慧的最高層次復(fù)合腦——智腦。

智腦以提供決策證據(jù)鏈的形式，促使學(xué)習(xí)者由基于經(jīng)驗(yàn)的主觀決策轉(zhuǎn)變?yōu)榛跀?shù)據(jù)的循證決策，主要包括三種模式：第一，契合內(nèi)腦需求的外腦決策作為外部支持型決策，指內(nèi)腦產(chǎn)生學(xué)習(xí)需求，無法獨(dú)自進(jìn)行決策時(shí)主動(dòng)向外腦尋求幫助，外腦依據(jù)特定規(guī)則基于個(gè)體學(xué)習(xí)數(shù)據(jù)作出滿足其需求的決策，為學(xué)習(xí)者規(guī)劃后續(xù)學(xué)習(xí)路徑。第二，外腦分析啟發(fā)的內(nèi)腦決策作為內(nèi)部決斷型決策，指外腦依據(jù)內(nèi)腦指示分析學(xué)習(xí)數(shù)據(jù)，反饋學(xué)習(xí)結(jié)果產(chǎn)生的原因與潛在關(guān)聯(lián)；內(nèi)腦借助于外腦的證據(jù)與觀點(diǎn)支持，進(jìn)行推理、歸因等活動(dòng)并形成內(nèi)在判斷[16]。第三，內(nèi)外腦協(xié)同的復(fù)合決策作為內(nèi)外協(xié)同型決策，是指融合人機(jī)優(yōu)勢(shì)，推動(dòng)內(nèi)腦與外腦在對(duì)話協(xié)商中反復(fù)優(yōu)化，直至達(dá)成雙方意見相統(tǒng)一的復(fù)合決策。譬如，Chou等開發(fā)基于協(xié)商的自適應(yīng)學(xué)習(xí)系統(tǒng)，學(xué)習(xí)者依次提交對(duì)當(dāng)前內(nèi)容的評(píng)估與下一學(xué)習(xí)內(nèi)容的選擇，當(dāng)偏好與系統(tǒng)建議不一致時(shí)，需要與系統(tǒng)對(duì)話協(xié)商統(tǒng)一意見，以此實(shí)現(xiàn)個(gè)體決策與系統(tǒng)決策的結(jié)合[17]。此外，借助AIGC技術(shù)能夠?qū)崿F(xiàn)動(dòng)態(tài)持續(xù)、人機(jī)共創(chuàng)的復(fù)合決策過程，支持內(nèi)外腦建立指向某一具體學(xué)習(xí)需求的持續(xù)互動(dòng)行為，通過反復(fù)的對(duì)話協(xié)商與調(diào)整，實(shí)現(xiàn)協(xié)同決策。

（二）脈絡(luò)剖析：復(fù)合腦賦能調(diào)節(jié)學(xué)習(xí)的過程

隨著AIGC技術(shù)的落地應(yīng)用與智能算法的更迭創(chuàng)新，外腦已然實(shí)現(xiàn)模擬人類的思考與決策過程，并進(jìn)行內(nèi)容創(chuàng)作與自我強(qiáng)化訓(xùn)練，以強(qiáng)大的運(yùn)算能力、自適應(yīng)能力分擔(dān)內(nèi)腦的認(rèn)知活動(dòng)，推動(dòng)我們共同探索復(fù)合腦視角下人機(jī)協(xié)同調(diào)節(jié)學(xué)習(xí)的共生機(jī)制（如圖2所示）。

圖 2? ?復(fù)合腦視角下人機(jī)協(xié)同調(diào)節(jié)學(xué)習(xí)的共生機(jī)制

1. 協(xié)同判斷，推動(dòng)主體建立調(diào)節(jié)意愿

復(fù)合腦視角下的協(xié)同判斷是指通過內(nèi)外腦的協(xié)同感知，精準(zhǔn)診斷學(xué)習(xí)者的能力水平，協(xié)同確定學(xué)習(xí)目標(biāo)、規(guī)劃學(xué)習(xí)路徑、生成學(xué)習(xí)策略，進(jìn)而推動(dòng)學(xué)習(xí)者建立自我調(diào)節(jié)意愿，掌握學(xué)習(xí)方向與節(jié)奏，激發(fā)高質(zhì)量的學(xué)習(xí)發(fā)生。

其一，協(xié)同感知，設(shè)定學(xué)習(xí)目標(biāo)。學(xué)習(xí)目標(biāo)是學(xué)習(xí)者在進(jìn)行一系列學(xué)習(xí)活動(dòng)后期望達(dá)成的結(jié)果。復(fù)合腦視角下，內(nèi)腦將認(rèn)知對(duì)象、學(xué)習(xí)需求主動(dòng)告知外腦，外腦以個(gè)體健康發(fā)展為導(dǎo)向，識(shí)別真實(shí)學(xué)習(xí)需求，定位最近發(fā)展區(qū)，梳理重點(diǎn)知識(shí)脈絡(luò)，并將分析結(jié)果可視化反饋給內(nèi)腦，支持內(nèi)腦建立正確感知。復(fù)合腦結(jié)合對(duì)個(gè)體自身與認(rèn)知對(duì)象的綜合分析，確定符合學(xué)習(xí)者期望且“適能”的學(xué)習(xí)目標(biāo)，喚醒學(xué)習(xí)者的自我意識(shí)，激活學(xué)習(xí)的內(nèi)生動(dòng)力。

其二，適性規(guī)劃，生成學(xué)習(xí)路徑。內(nèi)腦主動(dòng)將協(xié)商好的學(xué)習(xí)目標(biāo)與學(xué)習(xí)要求告知外腦，基于已有的行為結(jié)果數(shù)據(jù)，外腦全方位分析學(xué)習(xí)者的認(rèn)知需求、學(xué)習(xí)偏好等，生成個(gè)性化學(xué)習(xí)路徑并提供策略支持。以往對(duì)于學(xué)習(xí)者的路徑規(guī)劃服務(wù)多數(shù)只進(jìn)行到了這一步，停留在外腦對(duì)內(nèi)腦單向輸出的階段，忽略了內(nèi)腦對(duì)外腦路徑規(guī)劃服務(wù)的有效反饋，未建立人機(jī)協(xié)同的雙向交互關(guān)系。在復(fù)合腦調(diào)節(jié)的過程中，內(nèi)腦需要向外腦反饋對(duì)規(guī)劃路徑的篩選與調(diào)整建議，外腦依據(jù)反饋再次作出適應(yīng)性的修正回應(yīng)并持續(xù)優(yōu)化自身算法，以提供更適切的個(gè)性化服務(wù)。在內(nèi)外腦的持續(xù)交互中，復(fù)合腦逐步優(yōu)化學(xué)習(xí)計(jì)劃，直至生成適切的學(xué)習(xí)路徑與資源推送[18]。

2. 協(xié)同調(diào)整，賦能主體增強(qiáng)調(diào)節(jié)效能

復(fù)合腦視角下的協(xié)同調(diào)整是指通過內(nèi)外腦的協(xié)同診斷，評(píng)估學(xué)習(xí)表現(xiàn)、剖析學(xué)習(xí)境況、明確調(diào)節(jié)重點(diǎn)，進(jìn)而協(xié)同修正學(xué)習(xí)行為、強(qiáng)化認(rèn)知建構(gòu)，增進(jìn)調(diào)節(jié)效能。

其一，境況剖析，明確調(diào)節(jié)重點(diǎn)。個(gè)體內(nèi)腦在學(xué)習(xí)過程中持續(xù)自我監(jiān)控學(xué)習(xí)進(jìn)度與認(rèn)知達(dá)成度，評(píng)估真實(shí)與預(yù)期間的差距，及時(shí)調(diào)整學(xué)習(xí)行為、認(rèn)知策略等。當(dāng)內(nèi)腦無法清晰評(píng)估時(shí)，可主動(dòng)向外腦尋求支持。外腦借助多模態(tài)學(xué)習(xí)分析、情境感知等技術(shù)，整合多場(chǎng)域、多模態(tài)數(shù)據(jù)，精準(zhǔn)測(cè)評(píng)學(xué)習(xí)者的外在行為和內(nèi)在認(rèn)知，并以知能圖譜等形式及時(shí)反饋學(xué)習(xí)境況與調(diào)節(jié)策略。內(nèi)腦借助外腦的分析結(jié)果強(qiáng)化對(duì)學(xué)習(xí)狀態(tài)的感知，并協(xié)同外腦挖掘?qū)W習(xí)效果不佳的根源所在，明確調(diào)節(jié)重點(diǎn)。

其二，協(xié)同修正，改進(jìn)調(diào)節(jié)效能。個(gè)體需要發(fā)揮主體責(zé)任喚醒內(nèi)腦主動(dòng)調(diào)控，修正認(rèn)知過程與學(xué)習(xí)行為。外腦搭建認(rèn)知支架以促進(jìn)內(nèi)腦對(duì)知識(shí)的感知與理解，遵循兩個(gè)原則：一是適性支持、推動(dòng)內(nèi)腦高效調(diào)節(jié)。外腦的引導(dǎo)需具備支持性與及時(shí)性，既可以是鼓勵(lì)學(xué)習(xí)者專注當(dāng)下學(xué)習(xí)任務(wù)并堅(jiān)持的情感支架，也可以是輔助學(xué)習(xí)者達(dá)成目標(biāo)的認(rèn)知支架。復(fù)合腦中，外腦需要依據(jù)內(nèi)腦需求提供實(shí)時(shí)反饋，維持并提高復(fù)合腦的調(diào)節(jié)效能。二是彈性支持、確保內(nèi)腦主導(dǎo)調(diào)節(jié)。外腦提供的支架是動(dòng)態(tài)變化的，支持的強(qiáng)度與頻次依據(jù)個(gè)體學(xué)習(xí)狀態(tài)而動(dòng)態(tài)變化。外腦通過提供工具或?qū)W習(xí)策略支持內(nèi)腦自主完成學(xué)習(xí)任務(wù)、克服困難，而非直接給出調(diào)節(jié)的路徑或代替內(nèi)腦完成調(diào)節(jié)。當(dāng)內(nèi)腦有能力承擔(dān)更多責(zé)任時(shí)，外腦的引導(dǎo)需要逐漸弱化、及時(shí)隱退，以便培養(yǎng)內(nèi)腦的調(diào)節(jié)能力。

3. 協(xié)同決定，支撐主體形成遷移能力

復(fù)合腦視角下的協(xié)同決定是指內(nèi)外腦協(xié)同測(cè)評(píng)認(rèn)知數(shù)據(jù)、呈現(xiàn)過程軌跡，分析評(píng)價(jià)行為表現(xiàn)、思維發(fā)展等，增強(qiáng)復(fù)合腦賦能的學(xué)習(xí)過程，在多情境、多場(chǎng)域的遷移應(yīng)用中形成面向未來的高質(zhì)量學(xué)習(xí)力。

其一，協(xié)同評(píng)價(jià)，形成決策鏈索。完成學(xué)習(xí)任務(wù)后，學(xué)習(xí)者反思學(xué)習(xí)過程、歸因?qū)W習(xí)結(jié)果以提高后續(xù)表現(xiàn)，形成完整的自我調(diào)節(jié)閉環(huán)。實(shí)踐中，內(nèi)腦往往集中于反思評(píng)價(jià)學(xué)習(xí)成績等顯性學(xué)習(xí)結(jié)果，對(duì)于認(rèn)知建構(gòu)、思維狀態(tài)等深層能力的變化仍停留在初步感知階段。而外腦能夠?qū)崟r(shí)采集與動(dòng)態(tài)分析過程數(shù)據(jù)，一是呈現(xiàn)精準(zhǔn)全覆蓋、多維可視化的學(xué)習(xí)軌跡；二是內(nèi)外腦協(xié)同評(píng)價(jià)，形成循證化的決策鏈，并與內(nèi)腦持續(xù)對(duì)話協(xié)同循證評(píng)價(jià)與歸因。

其二，能力遷移，主導(dǎo)調(diào)節(jié)活動(dòng)。在內(nèi)外腦的協(xié)同判斷、調(diào)整與評(píng)價(jià)下，個(gè)體達(dá)成學(xué)習(xí)目標(biāo)并完成調(diào)節(jié)活動(dòng)。但這僅停留在某一具體學(xué)習(xí)任務(wù)中，學(xué)習(xí)者還需在不同情境下遷移應(yīng)用，以形成解決未知復(fù)雜問題的能力。內(nèi)腦可借助AIGC等技術(shù)支持的外腦，提問并獲取遷移場(chǎng)景與應(yīng)用測(cè)試（譬如“為我提供三個(gè)綜合應(yīng)用‘循環(huán)結(jié)構(gòu)的測(cè)驗(yàn)題目，在末尾提供答案”），通過聯(lián)想、遷移等活動(dòng)將已有知能遷移至新情境中，并協(xié)同外腦靈活地在不同情境的學(xué)習(xí)任務(wù)中進(jìn)行調(diào)節(jié)[19]。人機(jī)協(xié)同調(diào)節(jié)的最終目標(biāo)是通過技術(shù)激發(fā)并增強(qiáng)人的調(diào)節(jié)能力，實(shí)現(xiàn)情境遷移的學(xué)習(xí)者仍需實(shí)現(xiàn)內(nèi)腦全程主導(dǎo)的復(fù)合調(diào)節(jié)學(xué)習(xí)，確保在脫離外腦支持后，仍能進(jìn)行高質(zhì)量的自我調(diào)節(jié)學(xué)習(xí)。

四、人機(jī)協(xié)同調(diào)節(jié)：三種典型樣態(tài)

人機(jī)協(xié)同學(xué)習(xí)的根本價(jià)值在于促進(jìn)高質(zhì)量學(xué)習(xí)的有效發(fā)生，借助智能技術(shù)實(shí)現(xiàn)學(xué)習(xí)者的自我發(fā)展，形成面向未來的復(fù)合腦。然而，在學(xué)習(xí)者與智能系統(tǒng)構(gòu)成的學(xué)習(xí)生態(tài)中，個(gè)體的主導(dǎo)權(quán)與決策權(quán)往往被智能技術(shù)掌控，易陷入“去技術(shù)無能化”、過度依賴技術(shù)等誤區(qū)[20]，個(gè)體的知能與心智并未真正提升。因此，復(fù)合腦視角下的人機(jī)協(xié)同學(xué)習(xí)不僅要提高協(xié)同調(diào)節(jié)能力，還要關(guān)注并賦予與個(gè)體能力適配的自主度[21]，變化內(nèi)外腦的決策權(quán)重，逐步實(shí)現(xiàn)人機(jī)共同調(diào)節(jié)、共享調(diào)節(jié)、復(fù)合調(diào)節(jié)三種模式的過渡。隨著學(xué)習(xí)者調(diào)節(jié)能力的提升，外腦的監(jiān)管、干預(yù)行為慢慢減弱，內(nèi)腦的學(xué)習(xí)掌控權(quán)逐漸增強(qiáng)，促使內(nèi)腦逐步建構(gòu)并主導(dǎo)調(diào)節(jié)活動(dòng)，直至外腦的決策干預(yù)可以消失、學(xué)習(xí)者具備高質(zhì)量的自我調(diào)節(jié)學(xué)習(xí)技能（如圖3所示）。

圖3? ?人機(jī)協(xié)同調(diào)節(jié)的三種模式

（一）共同調(diào)節(jié)：推動(dòng)知能建構(gòu)

對(duì)于尚不具備自我調(diào)節(jié)能力的學(xué)習(xí)者，外腦的共同調(diào)節(jié)能推動(dòng)內(nèi)腦認(rèn)知發(fā)展并開展調(diào)節(jié)活動(dòng)，促使內(nèi)腦從對(duì)自我調(diào)節(jié)規(guī)則的簡(jiǎn)單意識(shí)過渡到初步理解。共同調(diào)節(jié)中，外腦規(guī)劃監(jiān)控、分析決策學(xué)習(xí)目標(biāo)與路徑，并以指令的形式向內(nèi)腦發(fā)送，內(nèi)腦依據(jù)指令開展認(rèn)知活動(dòng)，理解外腦組織調(diào)節(jié)活動(dòng)的規(guī)劃邏輯與決策依據(jù)，建構(gòu)自我調(diào)節(jié)學(xué)習(xí)的過程與技巧。

其一，人機(jī)協(xié)作學(xué)習(xí)，引導(dǎo)內(nèi)腦理解調(diào)節(jié)規(guī)則。共同調(diào)節(jié)模式下，外腦具有較高的決策權(quán)并主導(dǎo)調(diào)節(jié)活動(dòng)。在學(xué)習(xí)開始前，外腦基于學(xué)情數(shù)據(jù)進(jìn)行學(xué)習(xí)者畫像，借助群體數(shù)據(jù)、知識(shí)圖譜設(shè)定目標(biāo)、規(guī)劃路徑，實(shí)時(shí)采集與記錄多模態(tài)學(xué)習(xí)數(shù)據(jù)，動(dòng)態(tài)判斷學(xué)習(xí)者對(duì)內(nèi)容的可接受度，適時(shí)調(diào)整學(xué)習(xí)路徑、推送學(xué)習(xí)資源。在此過程中，內(nèi)腦接收指令，依照機(jī)器設(shè)定的路徑與學(xué)習(xí)資源建構(gòu)知識(shí)以實(shí)現(xiàn)預(yù)設(shè)目標(biāo)。

其二，人機(jī)相互依賴，推動(dòng)知識(shí)建構(gòu)活動(dòng)開展。共同調(diào)節(jié)模式中，學(xué)習(xí)者內(nèi)腦的發(fā)展集中于推進(jìn)知能學(xué)習(xí)、強(qiáng)化知能建構(gòu)。內(nèi)腦依賴外腦發(fā)布的指令與資源推進(jìn)認(rèn)知加工，習(xí)得知識(shí)與技能。同時(shí)，外腦依托于個(gè)體的學(xué)習(xí)需求與行為表現(xiàn)反饋效能、確定更新路向。一方面，外腦的調(diào)節(jié)效能依賴于內(nèi)腦的接受與執(zhí)行程度，并依據(jù)內(nèi)腦的學(xué)習(xí)需求反向循證，以促進(jìn)功能創(chuàng)新與算法迭代；另一方面，外腦的學(xué)習(xí)決策循證于學(xué)習(xí)者的表現(xiàn)數(shù)據(jù)，決策的準(zhǔn)確度依賴于個(gè)體是否選擇在數(shù)據(jù)采集場(chǎng)域中表現(xiàn)出真實(shí)的學(xué)習(xí)行為。

在共同調(diào)節(jié)模式下，外腦引導(dǎo)學(xué)習(xí)進(jìn)程，內(nèi)腦接受學(xué)習(xí)指令、完成知識(shí)建構(gòu)。盡管此時(shí)個(gè)體能夠完成學(xué)習(xí)目標(biāo)、實(shí)現(xiàn)自我調(diào)節(jié)學(xué)習(xí)意識(shí)的強(qiáng)化，但由于外部系統(tǒng)以實(shí)時(shí)發(fā)送指令的方式替代了學(xué)習(xí)個(gè)體自我規(guī)劃與決策的機(jī)會(huì)，個(gè)體自主度較低，其自我組織與自我調(diào)節(jié)的能力并未得到實(shí)質(zhì)性提升[22]。

（二）共享調(diào)節(jié)：?jiǎn)拘阎黧w責(zé)任

對(duì)于已經(jīng)具備一定自我調(diào)節(jié)學(xué)習(xí)能力的學(xué)習(xí)者，共同調(diào)節(jié)中智能技術(shù)過多的干預(yù)可能削弱個(gè)體的調(diào)節(jié)能力。共享調(diào)節(jié)中內(nèi)外腦雙向協(xié)商決策共同主導(dǎo)學(xué)習(xí)過程。外腦診斷分析學(xué)習(xí)數(shù)據(jù)，形成決策建議并向內(nèi)腦反饋，內(nèi)外腦多輪對(duì)話以協(xié)同決策。當(dāng)內(nèi)腦主動(dòng)建構(gòu)知能并主導(dǎo)調(diào)節(jié)學(xué)習(xí)活動(dòng)時(shí)，學(xué)習(xí)者的主體責(zé)任得到喚醒與強(qiáng)化，激發(fā)內(nèi)腦從初步理解調(diào)節(jié)規(guī)則向主動(dòng)開展調(diào)節(jié)活動(dòng)轉(zhuǎn)變，并在不同情境的運(yùn)用中持續(xù)強(qiáng)化。

其一，人機(jī)智能融合，支持內(nèi)腦主動(dòng)調(diào)節(jié)學(xué)習(xí)。共享調(diào)節(jié)中，內(nèi)腦主動(dòng)推進(jìn)調(diào)節(jié)活動(dòng)，外腦則以協(xié)作者的身份與內(nèi)腦共同主導(dǎo)調(diào)節(jié)活動(dòng)。一是對(duì)話協(xié)商，循證決策。外腦綜合分析數(shù)據(jù)、規(guī)劃學(xué)習(xí)活動(dòng)形成初步?jīng)Q策建議；內(nèi)腦綜合考量真實(shí)學(xué)習(xí)狀態(tài)，選擇與優(yōu)化外腦的決策建議，并向外腦反饋結(jié)果。經(jīng)過內(nèi)外腦多輪對(duì)話修正，協(xié)同生成最優(yōu)決策。二是自主調(diào)節(jié)，支架引導(dǎo)。相比于共同調(diào)節(jié)中外腦直接規(guī)劃與調(diào)節(jié)，共享調(diào)節(jié)模式下外腦借助提問、示例、建議等支架引導(dǎo)內(nèi)腦深層次思考。譬如，Chou等在自適應(yīng)學(xué)習(xí)系統(tǒng)引入求助協(xié)商機(jī)制，通過提供外部反饋為學(xué)習(xí)者的求助活動(dòng)搭建腳手架，以協(xié)商的方式規(guī)范與優(yōu)化求助行為[23]。

其二，明確內(nèi)外腦職責(zé)，促使內(nèi)腦外腦深度融合。共享調(diào)節(jié)下，學(xué)習(xí)者須辨別人類與機(jī)器的核心優(yōu)勢(shì)，明確內(nèi)外腦的功能角色：內(nèi)腦在靈感、直覺、頓悟等不規(guī)則認(rèn)知活動(dòng)上具有算法無法比擬的優(yōu)勢(shì)；外腦憑借智能技術(shù)的強(qiáng)大算力，依據(jù)特定規(guī)則追蹤分類、處理分析海量數(shù)據(jù)，進(jìn)行預(yù)測(cè)、診斷等。當(dāng)學(xué)習(xí)者明確復(fù)合腦中內(nèi)外腦的職能，便能督促內(nèi)外腦各司其職、各執(zhí)所長，并促使內(nèi)外腦針對(duì)性地訓(xùn)練與發(fā)展，即強(qiáng)化內(nèi)腦調(diào)節(jié)能力，推動(dòng)學(xué)習(xí)發(fā)生；優(yōu)化外腦服務(wù)質(zhì)量，助力算法升級(jí)，以期增強(qiáng)復(fù)合腦的性能。

（三）復(fù)合調(diào)節(jié)：激發(fā)心智輸出

成熟的自我調(diào)節(jié)學(xué)習(xí)者往往對(duì)認(rèn)知過程具有強(qiáng)烈的主體責(zé)任，自我認(rèn)知與規(guī)劃清晰，懂得高效調(diào)用智能技術(shù)支持自我發(fā)展。復(fù)合調(diào)節(jié)模式中內(nèi)腦主導(dǎo)學(xué)習(xí)過程、推進(jìn)調(diào)節(jié)活動(dòng)；外腦的作用取決于內(nèi)腦的調(diào)度，以及內(nèi)腦如何選擇性地接收與優(yōu)化反饋。

其一，人機(jī)協(xié)同共創(chuàng)，支持個(gè)體塑造心智體系。復(fù)合調(diào)節(jié)過程中，內(nèi)腦統(tǒng)籌學(xué)習(xí)過程、主導(dǎo)調(diào)節(jié)活動(dòng)，主動(dòng)調(diào)用適當(dāng)?shù)耐獠抗ぞ?。?dāng)內(nèi)腦需要決策證據(jù)時(shí)，指示外腦提供學(xué)習(xí)數(shù)據(jù)，基于外腦反饋篩選與推理，形成支撐自我決定的有效證據(jù)鏈。外腦作為伴學(xué)者，重在回應(yīng)內(nèi)腦需求、增強(qiáng)內(nèi)腦智能。一是搭建學(xué)習(xí)場(chǎng)域，加強(qiáng)內(nèi)腦認(rèn)知建構(gòu)。外腦借助擴(kuò)展現(xiàn)實(shí)技術(shù)，創(chuàng)設(shè)擬真學(xué)習(xí)場(chǎng)景，支持沉浸學(xué)習(xí)與具身參與，激發(fā)內(nèi)腦深層認(rèn)知建構(gòu)。二是創(chuàng)設(shè)應(yīng)用情境，激發(fā)內(nèi)腦知能輸出。將所學(xué)知識(shí)轉(zhuǎn)化為解決真實(shí)問題的能力還需要經(jīng)過運(yùn)用與遷移。對(duì)于知能豐富的學(xué)習(xí)者，外腦需要?jiǎng)?chuàng)設(shè)真實(shí)復(fù)雜的問題情境，激發(fā)內(nèi)腦綜合運(yùn)用知能解決外部問題，塑造心智體系[24]。

其二，人機(jī)優(yōu)勢(shì)增強(qiáng)，構(gòu)建適應(yīng)未來的復(fù)合腦。復(fù)合調(diào)節(jié)中，當(dāng)學(xué)習(xí)者具備成熟的主體責(zé)任與自我意識(shí)，機(jī)器能穩(wěn)定適切地與人類交互、響應(yīng)需求時(shí)，內(nèi)外腦實(shí)現(xiàn)協(xié)同成長、共生發(fā)展，最終融合為匯聚人機(jī)智能、面向未來的復(fù)合腦。一方面，內(nèi)腦強(qiáng)化高階思維，激發(fā)心智輸出。內(nèi)腦作為主體腦，其格局與思維能力決定了復(fù)合腦的智域，提問技能、審辨技能與創(chuàng)造思維成為內(nèi)腦發(fā)揮主體責(zé)任、實(shí)現(xiàn)自我超越的核心技能。內(nèi)腦確立自我發(fā)展目標(biāo)并規(guī)劃實(shí)現(xiàn)路徑，選擇性地調(diào)用外腦，設(shè)計(jì)巧妙的提問方式以確保外腦針對(duì)所求問題提供反饋[25]，并對(duì)外腦提供的證據(jù)鏈進(jìn)行批判、優(yōu)化與科學(xué)決策，進(jìn)而融合外腦智慧，創(chuàng)造性地解決真實(shí)問題并以更加開放包容的態(tài)度深刻理解世界。另一方面，外腦形成自我強(qiáng)化，創(chuàng)造優(yōu)質(zhì)內(nèi)容。AIGC類外腦的發(fā)展，能夠處理更加復(fù)雜的任務(wù)，并在與內(nèi)腦的持續(xù)協(xié)同中，反復(fù)迭代算法，更精準(zhǔn)地解讀人類語言、定位真實(shí)需求、模擬人類思考，協(xié)同生成高質(zhì)量的問題解決方案。

在上述三種不同程度的混合調(diào)節(jié)中，學(xué)習(xí)者與機(jī)器之間建立的協(xié)同機(jī)制讓復(fù)合腦高效調(diào)節(jié)學(xué)習(xí)。認(rèn)知個(gè)體的內(nèi)腦也會(huì)在調(diào)節(jié)過程中不斷優(yōu)化調(diào)控能力，增強(qiáng)自我調(diào)節(jié)意識(shí)，通過自我調(diào)節(jié)的持續(xù)優(yōu)化提升個(gè)體的認(rèn)知品質(zhì)。借助于三種調(diào)節(jié)模式的相互促進(jìn)，外腦對(duì)學(xué)習(xí)活動(dòng)的監(jiān)管、調(diào)節(jié)等干預(yù)逐漸弱化，內(nèi)腦的統(tǒng)籌與調(diào)節(jié)持續(xù)增強(qiáng)，個(gè)體的自我調(diào)節(jié)能力與主體責(zé)任會(huì)不斷強(qiáng)化，學(xué)習(xí)的掌控和主導(dǎo)意識(shí)也將持續(xù)發(fā)展。

五、結(jié)? ?語

智能技術(shù)的飛速發(fā)展讓人類面向未知的復(fù)雜變化世界，人機(jī)協(xié)同是數(shù)智時(shí)代發(fā)展的必然路向。數(shù)智時(shí)代下的學(xué)習(xí)者需要發(fā)揮主體責(zé)任，主導(dǎo)自身學(xué)習(xí)過程，主動(dòng)與智能技術(shù)建立關(guān)聯(lián)，以復(fù)合腦思維開展認(rèn)知行為，借助人機(jī)協(xié)同的自我調(diào)節(jié)，優(yōu)化認(rèn)知過程，實(shí)現(xiàn)認(rèn)識(shí)發(fā)生，持續(xù)構(gòu)建面向未來世界的學(xué)習(xí)力。

[參考文獻(xiàn)]

[1] 沈書生，祝智庭.ChatGPT類產(chǎn)品：內(nèi)在機(jī)制及其對(duì)學(xué)習(xí)評(píng)價(jià)的影響[J].中國遠(yuǎn)程教育，2023，43（4）：8-15.

[2] 趙曉偉，戴嶺，沈書生，祝智庭.促進(jìn)高意識(shí)學(xué)習(xí)的教育提示語設(shè)計(jì)[J].開放教育研究，2024，30（1）：44-54.

[3] SHIH K P， CHEN H C， CHANG C Y， et al. The development and implementation of scaffolding-based self-regulated learning system for e/m-learning[J]. Journal of educational technology & society， 2010，13（1）：80-93.

[4] 劉哲雨，劉暢，許博宇.計(jì)劃調(diào)節(jié)學(xué)習(xí)支架對(duì)在線深度學(xué)習(xí)的影響機(jī)制研究[J].電化教育研究，2022，43（8）：77-84，100.

[5] GRANBERG C， PALM T， PALMBERG B. A case study of a formative assessment practice and the effects on students' self-regulated learning[J]. Studies in educational evaluation， 2021，68：100955.

[6] ZIMMERMAN B J. A social cognitive view of self-regulated academic learning[J]. Journal of educational psychology， 1989，81（3）：329-339.

[7] ZIMMERMAN B J. Becoming a self-regulated learner： an overview[J]. Theory into practice， 2002，41（2）：64-70.

[8] SOMASUNDARAM M， JUNAID K A M， MANGADU S. Artificial intelligence（AI） enabled intelligent quality management system （IQMS） for personalized learning path[J]. Procedia computer science， 2020，172：438-442.

[9] 沈書生.適應(yīng)與變革：AIGC產(chǎn)品如何改變教育過程——人工智能帶來的機(jī)遇[J].教育研究與評(píng)論，2023，538（3）：15-21.

[10] PRIETO L P， SHARMA K， DILLENBOURG P， et al. Teaching analytics： towards automatic extraction of orchestration graphs using wearable sensors[C]//6th International Conference on Learning Analytics and Knowledge. New York： Association for Computing Machinery， 2016.

[11] 詹澤慧，季瑜，牛世婧，呂思源，鐘煊妍.ChatGPT嵌入教育生態(tài)的內(nèi)在機(jī)理、表征形態(tài)及風(fēng)險(xiǎn)化解[J].現(xiàn)代遠(yuǎn)距離教育， 2023（4）：3-13.

[12] 劉桐，沈書生.從表征到?jīng)Q策：教育大數(shù)據(jù)的價(jià)值透視[J].電化教育研究，2018，39（6）：54-60.

[13] 萬海鵬，余勝泉，王琦，馮上兵，陳敏.基于學(xué)習(xí)認(rèn)知地圖的開放學(xué)習(xí)者模型研究[J].現(xiàn)代教育技術(shù)，2021，31（4）：97-104.

[14] 劉鳳娟，趙蔚，姜強(qiáng)，王磊.基于知識(shí)圖譜的個(gè)性化學(xué)習(xí)模型與支持機(jī)制研究[J].中國電化教育，2022（5）：75-81，90.

[15] Dreambox. Every student is unique. Learning paths should be too. [EB/OL]. （2022-07-08） [2023-07-06]. https：//www.dreambox.com/.

[16] 沈書生.聚焦學(xué)習(xí)決策：指向認(rèn)知發(fā)生的數(shù)據(jù)及其應(yīng)用[J].電化教育研究，2021，42（11）：13-19.

[17] CHOU C Y， LAI K R， CHAO P Y， et al. Negotiation based adaptive learning sequences： combining adaptivity and adaptability[J]. Computers & education， 2015，88：215-226.

[18] 宋嶺.人工智能時(shí)代下未來教學(xué)的系統(tǒng)性變革[J].高等理科教育，2018（3）：8-14.

[19] 徐曉青，趙蔚，姜強(qiáng).學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架研究[J].電化教育研究，2023，44（2）：114-120，128.

[20] 申靈靈，盧鋒，張金帥.超越莫拉維克悖論：人工智能教育的身心發(fā)展隱憂與應(yīng)對(duì)[J].現(xiàn)代遠(yuǎn)程教育研究，2022，34（5）：56-62.

[21] 郝祥軍，顧小清，張?zhí)扃?，王欣?人機(jī)協(xié)同學(xué)習(xí)：實(shí)踐模式與發(fā)展路向[J].開放教育研究，2022，28（4）：31-41.

[22] ROLL I， WIESE E S， LONG Y， et al. Tutoring self and co-regulation with intelligent tutoring systems to help students acquire better learning skills[J]. Design recommendations for intelligent tutoring systems， 2014（2）：169-182.

[23] CHOU C Y， LAI K R， CHAO P Y， et al. A negotiation-based adaptive learning system for regulating help-seeking behaviors[J]. Computers & education， 2018，126：115-128.

[24] 沈書生.設(shè)計(jì)學(xué)習(xí)事件：指向?qū)W習(xí)的層次[J].電化教育研究，2019，40（10）：5-11.

[25] 趙曉偉，祝智庭，沈書生.教育提示語工程：構(gòu)建數(shù)智時(shí)代的認(rèn)識(shí)論新話語[J].中國遠(yuǎn)程教育，2023，43（11）：22-31.

Human-Machine Collaborative Regulation： A New Approach to Self-regulated Learning from the Perspective of Compound Brain

HAN Yue，? ZHAO Xiaowei，? SHEN Shusheng

（College of Educational Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract] Owing to the emergence of generative artificial intelligence represented by ChatGPT， a group intelligence connection between artificial intelligence and human intelligence is realized， and the "compound brain" thinking of human-machine collaboration is formed. On the basis of the connotation and process of self-regulated learning， this study focuses on the empowering effect of the compound brain on self-regulated learning and elaborates the three levels of the compound brain supporting self-regulated learning， namely， the "data brain" for collaborative recording with data support， the "convergent brain" for collaborative analysis with data correlation， and the "intelligent brain" for collaborative decision-making with data empowerment. Meanwhile， this study analyzes the three processes of "collaborative judgment， collaborative adjustment， collaborative decision" of self-regulated learning empowered by the compound brain. Finally， based on changes of decision-making autonomy of internal and external brains， three typical patterns of co-regulation， shared regulation， and compound regulation are proposed to support learners to continuously strengthen the main responsibility， build a compound brain adapted to the future and form a high-quality learning ability for the future.

[Keywords] Self-regulated Learning; Human-Machine Collaboration; Compound Brain; AIGC; Learning Decision-making