以教促学视角下人智协同学习的理论模型、系统架构及实践应用

尹兴翰

1

， 叶俊民

2

， 于 爽

3

， 刘清堂

4

， 王志锋

1

（1.华中师范大学 人工智能教育学部， 湖北 武汉 430079；

2.华中师范大学 计算机学院， 湖北 武汉 430079；

3.河北师范大学 教育学院， 河北 石家庄 050024；

4.华中师范大学 数字教育湖北省重点实验室， 湖北 武汉 430079）

[摘 要]以教促学强调学习者在教授他人的过程中通过主动阐释、探索与反思促进意义建构，为解决人智协同学习中学习者主体性弱化与认知外包风险提供了重要研究视角。基于此，研究旨在探索以教促学视角下人智协同学习的理论构建与实践路径。研究基于探究社区框架，从人智共建的交互结构、人智共驱的交互过程和人智共融的交互关系三个维度构建理论模型，并进一步设计由数据层、逻辑层与交互层构成的系统架构。为验证其可行性与有效性，研究开发了可教智能体系统，并在真实课程情境中开展准实验研究。结果表明，该系统能够有效促进学习者知识水平提升，并在感知有用性、易用性及持续使用意愿方面表现出较高的技术接受度。研究表明，以教促学视角下的人智协同学习深受学习者认可，并有效促进认知发展。未来研究可从警惕教学相长的异化、突破语言交互的瓶颈及构建过程导向的评价等方面展开，以期为智能时代人智协同学习的理论建构与实践创新提供参考依据。

[关键词]以教促学； 人智协同学习； 可教智能体； 探究社区框架； 人机共生

一、引 言

以大语言模型和生成式人工智能为核心技术的新一代教育智能体，正在推动人智协同学习从理念探讨走向常态化应用

[1]

。《国务院关于深入实施“人工智能+”行动的意见》要求将人工智能融入教育教学全过程，创新智能学伴、智能教师等人机协同教育教学新模式

[2]

。学习活动由此演变为学习者与智能体共同参与的过程

[3]

。相关研究表明，教育智能体虽然能在答疑反馈、高阶思维发展与生成性学习等方面提供支持

[4]

，但也可能因承担过多认知加工而导致学习者的“认知外包”与“思维惰性”，削弱其主动性与自我监控

[5]

，背离人智协同双向赋能的初衷

[6]

。因此，如何在人智互动中保持学习者主导地位并促进深度认知，成为当前研究的关键议题

[7]

。以教促学理论为此提供了新的视角

[8]

。该理论认为，学习者在教授他人的过程中，需主动组织、表达与反思知识，从而实现深层理解

[9]

。基于这一理论，智能体可被设计为需要帮助的可教智能体角色，通过呈现困惑、提出疑问或制造典型错误，促使学习者承担施教责任，在教授与回应中维持学习主导权

[10]

。智能体通过提问、反馈与情境对话参与其中，形成有利于深度学习的人智协同形态

[11]

。已有研究证实了可教智能体对学习者知识发展

[12]

、情绪调节

[13]

与自我调节

[10]

等的积极影响，但现有研究多聚焦于工具实现与效果验证，对其内涵、要素及实现路径缺乏系统梳理。为此，研究基于以教促学与人智协同理论，引入探究社区框架，构建以教促学视角下的人智协同学习理论模型，提出相应系统架构，并通过实践案例加以验证，旨在为智能时代人智协同学习的理论建构与实践创新提供参考依据。

二、以教促学视角下人智协同学习的理论基础

（一）以教促学

以教促学（Learning by Teaching）作为社会建构主义的重要理论主张，强调学习者通过教授他人来实现有效的知识内化与建构，是一种典型的主动学习方式

[8]

。与简单的习题练习不同，以教促学需要学习者超越对信息的浅层识记，对知识进行组织、梳理和阐释，并在不同学习情境下完成知识迁移，从而实现理解和认知的深入与完善

[14]

。我国传统教育思想中早已包含类似认识，《礼记·学记》提出“学然后知不足，教然后知困。知不足，然后能自反也；知困，然后能自强也”，指明以教促学有利于学习者发现自身理解上的不足，并通过反思不断提升自身水平

[15]

。从认知加工角度看，以教促学要求学习者持续监控自身理解是否准确、表达判断是否清晰，并根据对方的反应及时调整讲解方式，这一过程涉及计划、监控和反思等多种元认知活动

[16]

。社会建构主义强调，个体的认知发展离不开社会互动，学习发生在个体之间的交流与意义协商之中

[17]

。在以教促学过程中，学习者在帮助他人理解问题的同时，也在不断重新审视自身的认知，并在与他人的互动中发现原有理解的局限，从而实现认知水平提升

[18]

。

（二）人智协同学习

人智协同通常被理解为人与人工智能利用各自的优势弥补对方的短板以共同完成一项任务的过程

[19]

。从理论渊源看，协同理论强调多个子系统通过相互作用形成有序结构，为理解人与技术之间的协同关系奠定了科学基础

[4]

。在教育领域，早期研究多从人机协同学习的角度探讨学习者与计算机之间的合作关系，认为机器可以通过信息处理与反馈功能分担部分学习任务，使学习者能够将更多精力投入到高阶思维活动中

[20]

。随着人工智能技术的发展，特别是大语言模型的出现，机器不再仅仅作为工具参与学习，还可以通过模仿人类思维方式参与持续对话

[21]

，由此推动人机协同逐渐向人智协同转变。相较于强调功能互补的人机协同，人智协同学习强调学习者与智能体通过双向赋能与协同进化，形成以认知交互为运行逻辑、情感共振为价值导向的人智共创形态

[22]

。在大模型具备较强语言理解与生成能力的背景下，智能体能够在人智交互中主动提出问题、呈现困惑甚至模拟学习行为，使其可以从简单的答案提供者转变为学习过程的引导者，这与以教促学“通过教授他者促进学习”的思想高度契合。

（三）探究社区框架

探究社区（Community of Inquiry）框架最初由Garrison等人于1999年提出，为理解和考察数字教育环境中的学习过程提供了经典的理论框架与分析工具

[23]

。该框架以认知存在、教学存在、社会存在三大要素为核心，揭示了有意义的学习体验生成的内在机制

[24]

。其中，认知存在指学习者通过持续交流和反思，能够建构、确认并最终实现意义建构的程度，它通常经历触发事件、探索、整合、解决四个阶段

[25]

。教学存在是指对认知过程和社交过程进行设计、促进和指导，以实现对个人有意义、在教育上有价值的学习结果

[26]

。社会存在指学习者在探究社区中通过媒介展现其个人特质，从而在他人眼中被视为真实个体的能力，关乎情感表达与互动交流

[23]

。探究社区框架将学习理解为认知、教学与社会三种存在相互作用的结果，为设计在线交互环境中的学习经历提供了清晰的结构化视角

[27]

，也为探讨以教促学视角下人智协同学习的生成机制提供了重要的理论基础。

三、

以教促学视角下人智协同学习的理论模型

基于以教促学与人智协同学习理论，研究将以教促学视角下的人智协同学习理解为：在生成式人工智能支持的可教智能体所构建的社会建构主义学习环境中，学习者以施教者的身份参与学习，通过向模拟受教者角色的可教智能体进行讲解、说明与指导，在不断解释、反思与修正的过程中促进知识理解的深化与思维能力的发展。在这一过程中，可教智能体通过提出启发性问题、模拟认知策略、引导对话流程等方式行使人智交互的引导权，学习者通过澄清观点、主动探索及反思调节行使人智交互的主导权

[28]

。同时，学习者与可教智能体之间的持续、深度交互，形成了以学习者为中心、人智深度融合的协同探究情境。在这种情境中，学习活动不再是单纯的个体认知加工，而是在持续的人智互动中展开的社会建构过程，学习者需要在人智交互中同时获得认知层面的理解深化、教学层面的引导支持以及社会层面的角色认同与情感联结，才能形成稳定而深入的学习体验。因此，研究基于探究社区框架构建以教促学视角下人智协同学习的理论模型，包含人智共建的交互结构、人智共驱的交互过程和人智共融的交互关系三个维度，以期为人智协同学习系统设计提供理论依据与分析框架，如图1所示。

（一）人智共建的交互结构

在以教促学视角下的人智协同学习中，认知活动不再局限于学习者个体内部的信息加工过程，而是转向由学习者与可教智能体共同参与的人智协同共建过程。通过构建稳定而有序的人智交互结构，帮助学习者历经触发、探索、整合及解决的完整认知路径，提升认知存在

[29]

。具体而言，在触发阶段，可教智能体通过呈现学习困惑或者提出需要解释的问题，触发学习者的认知冲突。学习者作为施教者，察觉认知冲突并产生教授责任，进而主动进入后续的探索阶段。在探索阶段，学习者触发困惑后主动分析问题、搜集信息、梳理解决思路，同时尝试向可教智能体进行讲解、澄清与说明。在此过程中，可教智能体并非简单接受信息，而是全程参与学习者的探索过程，对学习者阐释的内容进行实时分析与诊断。例如，智能体可以判断学习者的解释是否准确、完整、合乎逻辑。进入整合阶段，可教智能体通过持续追问和呈现更深层的困惑，引导学习者重新审视自身理解。学习者根据可教智能体的初步回应和反馈进行调节，回溯自身的认知路径，反思自身理解的不足之处，通过不断修正解释逻辑、梳理概念关系以及重组知识结构，完成知识整合。在解决阶段，经过前期的探索与整合，学习者能够以更加清晰和符合逻辑的方式向可教智能体进行充分且完整地讲授。在此过程中，可教智能体根据学习者的最终表现提供具体而明确的反馈，如评价解答内容的完整性，帮助学习者实现认知迭代。

（二）人智共驱的交互过程

在以教促学视角下的人智协同学习中，学习过程并非单纯的知识传递，需要依赖持续的交互引导才能促进理解生成。当学习者向可教智能体进行讲解、澄清与阐释时，不仅需要组织知识内容，还需要根据可教智能体的反应不断调整教授策略，这一过程对他们的认知调节与元认知能力提出了较高要求。如果缺乏必要的过程支持，以教促学活动容易出现节奏失衡或中断，削弱学习者在人智交互中的主体性

[30]

。设计人智共驱的交互过程，帮助学习者调节活动进程，为他们提供必要的学习支持，强化他们在以教促学过程中的教学存在，确保人智协同学习活动的顺利进行。例如，在过程调节方面，为学习者提供过程引导，提供查看当前任务进度、更换或选择其他问题的机会，使他们能够清晰地掌握活动进度，避免因认知负荷过高而影响学习效果。可教智能体也可通过为学习者提供即时性和个性化反馈，帮助他们反思和调节以教促学过程中遇到的困难。此外，在以教促学过程中，学习者可能会出现概念理解不深入、表达不完整或逻辑混乱等情况，如果缺乏有效引导，以教促学活动往往难以继续推进。学习系统需要为学习者提供个性化支持功能，使他们在遇到困难时能够主动请求帮助。例如，可以依据当前的人智交互信息分析学习者状态并提供学习支架，为他们呈现关键概念或方法策略，但不能直接给出完整思路或者答案，以避免学习者陷入无效尝试，同时又不会削弱他们在以教促学过程中的主体地位。

（三）人智共融的交互关系

在以教促学视角下的人智协同学习中，学习者与可教智能体之间的互动不仅是意义建构的过程，更是一个社会交互过程。建立人智共融的交互关系，使学习者在以教促学过程中感受到情感回应与角色认同，以增强社会存在。计算机作为社会行动者（Computers as Social Actors）理论指出，个体会无意识地将适用于人际交往的社会规则应用于人智交互过程，当这些智能系统展现出类人特征时，个体会像对待真实他人一样对其做出社会性反应

[31]

。当可教智能体展现出类似人类的表达方式和社会线索时，学习者会将其视作具有社会性特征的交互对象。例如，通过角色化、拟人化设计明确可教智能体作为虚拟受教者的角色定位，将可教智能体设计为好奇心强但粗心的新手学习者、基础薄弱但主动好问的后进者、对特定知识存在迷思的困惑者等。在社会线索设计方面，应该为可教智能体赋予符合受教者角色的语气表达与行为回应，使学习者在施教过程中产生情感共鸣，进而建立起人智之间稳定的情感联结，强化学习者对施教者角色的认同。此外，可通过游戏化设计理念进一步强化社会存在。以教促学交互任务可以嵌入叙事化或情境化的游戏背景，并结合积分、成就徽章等游戏化元素，对学习者的持续投入行为进行正向强化，提升他们的参与动机与持续投入水平

[32]

。通过持续深化可感知、可共情、可联结的人智共融关系，提升学习者的社会存在，促使学习者将以教促学由外部任务转化为内在责任和自主成长需求。

四、以教促学视角下人智协同学习的系统架构

为实现以教促学视角下的人智协同学习，需要将理论模型转化为可运行的学习系统，将人智共建、共驱与共融的交互机制落实到具体的功能设计之中，使学习者能够在真实的人智交互环境中开展以教促学活动。研究基于结构化系统设计思想，构建由数据层、逻辑层、交互层组成的三层系统架构，如图2所示。

（一）数据层：情境知识管理与交互过程记录

数据层主要承担情境知识管理与交互过程记录功能，为系统运行提供持续的数据支撑与记忆存储，包含进度数据表、问题知识库、表现数据表和交互数据表。其中，进度数据表以事件记录方式保存学习者当前所处的问题序号和回复状态，以便系统记忆当前的以教促学进度，实现跨会话的上下文连续性。问题知识库存储多样化的问题情境与领域知识，为可教智能体生成真实问题内容提供领域知识基础，并通过检索增强生成等方式保证问题呈现的多样性与准确性，避免生成重复问题及不合理内容。表现数据表用于保存学习者在不同问题情境中的完成情况、得分信息与阶段性成就，以量化方式反映学习进展，并为激励机制与学习评价提供数据支持。交互数据表存储学习者与智能体的全部对话记录，形成结构化的学习行为序列，为后续的交互分析、认知诊断与策略调整提供原始数据支持。通过对数据的调度和存储，数据层能够为后续的意图识别、质量评估和对话生成提供可靠基础，使人智交互过程具有可追踪、可分析与可调整的特征。

（二）逻辑层：交互信息处理与任务协同调度

逻辑层是系统的决策中枢，负责对来自交互层的学习者输入进行解析与处理，并结合数据层信息生成对话回应，同时协同调度各类智能体完成相应任务。逻辑层采用多智能体协同架构，每个智能体均集成大语言模型工具调用、规则规划与数据检索功能，并通过工作流编排机制将不同智能体、逻辑判断工具与脚本运行工具连接为完整的处理流程。在信息感知阶段，以意图识别智能体为入口，对学习者输入进行实时语义分析，在大语言模型理解的基础上结合规则约束判断当前交互意图，如请求帮助、进行讲解或查看反馈等，并通过逻辑判断工具触发相应的任务分支，调用后续智能体参与处理。若学习者的意图为请求帮助，交互过程支持智能体被激活，其主要作用为结合当前问题情境生成提示、帮助和支持进度管理，以保证学习活动能够继续推进。若学习者的意图为讲解行为，交互结构支持智能体评估他们的交互内容质量。例如，通过预设评价规则将交互划分为深度交互和浅层交互，对浅层交互将生成相似问题情境继续引导追问，对深度交互将提供积极反馈并调用问题知识库生成下一问题，以持续推进以教促学过程。若学习者的意图为查看学习进度，交互关系支持智能体将被调用，通过读取积分数据与进度记录生成游戏化反馈信息，如进度、积分与徽章等，以增强参与动机并维持学习投入。

（三）交互层：角色功能约束与交互体验设计

交互层是学习者参与人智协同学习的重要载体，其设计重点在于通过对可教智能体进行角色功能约束和交互体验设计，保障以教促学活动能够按照预期方式展开。具体而言，首先，需要对智能体的角色边界进行明确限定，避免其在交互过程中过度承担解释与问题解决功能而削弱学习者的主体地位，确保其始终处于被指导、被追问与被纠正的受教者角色。在此基础上，需要从知识范围与情感表达两个维度对可教智能体的输出内容进行系统约束。在知识范围方面，使可教智能体始终围绕当前学习任务和问题展开交互，避免超出任务边界的信息生成和幻觉现象，并在学习者出现偏离主题的情况下，将其引导回既定问题情境，而非响应无关内容。在情感表达方面，使可教智能体在维持基本互动支持与交流体验的同时，不过度强化情绪性评价或价值判断，保持稳定、适度且不干扰认知加工的交流氛围。此外，在交互体验设计方面，系统应提供快捷操作指令，使学习者能够通过查询反馈、请求帮助、切换问题等方式灵活调控学习进程，从而降低操作负担并提升交互效率，将更多认知资源投入问题理解与思路阐释。通过角色约束与交互设计，交互层能够支持学习者在持续讲解与回应中保持主体地位，使人智协同真正服务于以教促学的目标。

五、以教促学视角下人智协同学习的实践案例

为验证理论模型与系统架构在真实教育情境中的可行性与有效性，研究通过系统设计、实验实施与结果分析，对以教促学视角下的人智协同学习进行检验，以期为其应用提供具有参考价值的实践依据。

（一）系统设计与实现

本研究严格依据系统架构设计并开发可教智能体，包括数据层、逻辑层与交互层。其中，数据层存储教师发布任务中的问题，作为可教智能体提问的知识库，确保智能体输出真实、可靠的提问。逻辑层作为核心处理模块，通过多条定制化工作流整合大语言模型与逻辑规则，实现学习者意图识别、交互过程支持、交互结构支持及交互关系支持等功能。交互层提供移动端与Web端界面，并将可教智能体设定为需要学习者指导和教授的角色。交互界面内置“重新开始”“请求帮助”“切换问题”“查看反馈”等快捷指令，使学习者能够在施教过程中灵活调整策略并获得学习支持。当学习者进入系统页面时，系统会呈现简短的任务介绍，如图3（a）所示，用于帮助学习者理解学习任务与角色定位；当学习者查看进度和反馈时，逻辑层会调用交互关系支持智能体生成当前的游戏化反馈，以增强互动体验与参与感，如图3（b）所示；当学习者需要帮助或点击“请求帮助”时，逻辑层会调用交互过程支持智能体生成提示帮助，使交互能够持续推进，如图3（c）所示；当学习者在为可教智能体讲授时，逻辑层会调用交互结构支持智能体诊断学习者的讲授质量，并根据诊断结果进行追问或切换问题，引导学习者不断修正与完善解释，如图3（a）所示。

（二）实验设计与实施

研究采用准实验设计，来自某高等职业院校软件技术专业“人工智能应用素养”课程的31名学生参与实验，其中，男生21人、女生10人，年龄为18~20岁。在实验开始前，对学生进行知识水平与自我效能感前测，并依据组间同质原则进行分组，实验组学生16名、对照组学生15名，同时对实验组学生进行智能体操作培训。在实验期间，实验组学生在可教智能体支持的学习环境中完成三个主题学习任务，每个任务持续一周。三个主题分别为人工智能基础认知、人工智能应用与智能体设计、人工智能伦理与应用规范，每个主题包含4个问题。对照组学生则以书面作答形式每周完成相同主题的学习任务。实验结束后，实验组学生完成知识水平、自我效能感及技术接受度后测，对照组学生仅完成知识水平与自我效能后测。

在数据收集方面，实验中所使用的知识水平前测包含2道单选题、2道判断题及4道多选题，每题10分，共计80分。知识水平后测包含5道单选题、5道判断题、4道简答题及2道案例分析题，共计100分。自我效能感问卷改编自Chang等的研究

[33]

，共8题，克隆巴赫α系数为0.976，说明问卷具有较高的信度。技术接受度问卷改编自Zhai等的研究

[34]

，涵盖感知易用性、感知有用性和持续使用意愿三个维度，共9题，整体克隆巴赫α系数为0.986，各维度克隆巴赫α系数分别为0.966、0.975、0.972。所有问卷均采用李克特五点计分法，用1～5分表示从“很不符合”到“很符合”。此外，Mann-Whitney U检验显示，实验组（M=54.688，SD=9.569）和对照组（M=52.333，SD=9.612）在知识水平前测不存在显著差异（U=102.50，Z=-0.702，p=0.495），实验组（M=4.078，SD=0.872）和对照组（M=3.867，SD=0.510）的自我效能感前测也不存在显著差异（U=91.50，Z=-1.156，p=0.264）。

（三）结果分析与讨论

数据分析显示，在自我效能感后测上，实验组（M=4.070，SD=0.850）明显高于对照组（M=3.700，SD=0.641），但Mann-Whitney U检验显示不存在显著差异（U=86.50，Z=-1.353，p=0.188）。此外，Mann-Whitney U检验显示，实验组（M=88.813，SD=4.679）与对照组（M=83.333，SD=5.233）在知识水平后测上存在显著差异（U=46.00， Z=-2.932，p=0.003）。在技术接受度方面，三个维度均值均高于4.0，其中，感知有用性得分最高（M=4.167，SD=0.903），感知易用性（M=4.042，SD=0.885）和持续使用意愿（M=4.125，SD=0.860）也处于较高水平。

研究通过实证案例验证了以教促学视角下人智协同学习的可行性与有效性。具体而言，在交互结构上，学生通过向可教智能体输出理解、智能体以提问和反馈回应的双向共建框架促进了认知发展，与已有相关研究聚焦于概念掌握或知识建构的发现类似

[10]

。在交互过程上，感知易用性的高得分反映出交互过程顺畅且被学生认可，体现人智共驱的交互过程。在交互关系上，感知有用性与持续使用意愿的高得分表明，学生不仅认可该智能体的工具价值，更在情感与认知层面建立起信任与依赖，形成共融的交互关系。然而，这项实证案例仍存在一定局限。例如，人智交互形式主要依赖文本对话，情境沉浸感有待增强，评价方式以量表数据为主，对学习过程的关注不足，干预时间较短，尚不能充分反映长期效果。未来研究可在多模态交互、过程性学习分析及长期追踪实验等方面持续深化，以更全面地揭示以教促学视角下人智协同学习对认知与思维能力发展的影响，并为人智协同学习的设计提供更加稳健的实践依据。

六、以教促学视角下人智协同学习的发展路向

以教促学视角下的人智协同学习既继承了教学相长的传统教育理念，又依托生成式人工智能技术的发展，探索人机共育与协同发展的可能路径。然而，教学相长的理想并不会因技术介入而自然实现。当智能体以可教角色嵌入学习中，人智协同仍需警惕教学相长的异化、突破语言交互的瓶颈、构建过程导向的评价，才能将以教促学视角下的人智协同学习从理念落到实践、从模拟走向真实、从技术赋能回归育人本真。

（一）警惕教学相长的异化

以教促学的关键在于学习者是否在交互过程中伴随着真实的认知投入与责任生成，但人智协同学习过程仍存在目标偏差及异化风险。可教智能体所呈现的困惑与问题的本质是算法预设，旨在推动人智互动的发生，这容易让学习者的交互动机逐渐从内在责任退化为任务完成

[28]

。此外，当可教智能体的认知诊断能力不足或反馈出错时，其回应可能无法有效反映学习者的真实理解水平，甚至在未识别错误的情况下对其进行持续强化，这导致表面上的持续互动掩盖了实质上的理解偏移，从而使教学相长异化为“教学相误”。可教智能体的设计应服务于学习者发展，使人智协同学习最终回归到促进认知成长与主体性形成的教育目标。因此，未来研究不仅应强化可教智能体的拟人化设计，更应优化可教智能体在认知互动方面的能力，使其能够在人智交互过程中逐步调整认知水平，并能通过生成适度的不确定性与策略性误差，促使学习者在不断反思与调节中维持认知投入。

（二）突破语言交互的瓶颈

以教促学的有效实施依赖学习者能够通过与他人交互外显其认知过程，并将其所形成的理解迁移至真实问题情境中。然而，当前人智协同学习主要建立在自然语言对话基础上，这种交互方式虽然有助于知识的显性表达与逻辑组织，但难以完整承载程序知识、策略判断以及具身技能的关键内涵，同时限制了情感表达。此外，能力迁移也并非自然发生的结果，当学习者长期处于由可教智能体构建的模拟问题中，其所面对的问题往往具有一定的结构化和可预测特征，可能不利于他们积累在真实复杂场景下应对不确定性、开放性问题的实践经验。因此，未来设计需要在现有语言交互的基础上逐步探索融合视觉、操作及交互反馈的多模态表现方式，使以教促学从单一语言阐释层面扩展为包含行为示范、操作与结构化表达的认知过程，从而让学习者在从浅层对话走向深层交互、从结构化任务走向复杂问题解决的过程中，不断提升问题解决能力与知识迁移水平。

（三）构建过程导向的评价

以教促学视角下人智协同学习的深层价值不应仅由学习结果的提升来界定，更应体现为学习者在持续的人智互动过程中所形成的认知水平变化与学习能力发展。然而，现有研究在评价取向上仍较多依赖静态结果指标，如知识测验得分或学习增益比较

[12-13]

，忽略了学习者在人智交互过程中持续解释、修正与重构的认知生成过程，使学习被简化为输入与输出之间的差异变化。交互是影响人智协同学习有效性的关键因素，在促进意义建构和提升学习成果方面发挥关键作用

[35]

。因此，未来研究不仅需要关注人智协同学习的效果，更需要进一步关注学习者在人智协同过程中的认知投入、策略运用与情感态度变化，使评价不再仅是对学习效果的外部确认，而是成为理解以教促学过程的重要途径。同时，利用多模态分析等技术手段对人智交互全过程进行持续捕捉与深入分析，揭示以教促学视角下人智协同学习发生的内在机制，使其成为可被理解及追踪的动态过程，这样才能让教学相长的育人价值得到更为有力的支撑。

附录A 知识水平前测试题.docx

附录B 知识水平后测试题.doc

附录C 自我效能感问卷.docx

附录D 技术接受度问卷.docx

本文发表于《电化教育研究》2026年第11期，转载请与电化教育研究杂志社编辑部联系(官方邮箱：dhjyyj@163.com)。

引用请注明参考文献：

尹兴翰,叶俊民,于爽,等

.

以教促学视角下人智协同学习的理论模型、

系统架构及实践应用

[J]. 电化教育研究，2026，47(11)：21-28，60.

责任编辑：

张 绒

校 对：

房 立

审 核：郭 炯

【参考文献】

[1] 张琪，罗霞，陈玉杰，等. 促进批判性思维发展的人智协同学习模式构建研究[J]. 远程教育杂志，2026，44（1）：61-72.

[2] 国务院. 国务院关于深入实施“人工智能+”行动的意见[EB/OL]. （2025-08-26） [2026-03-12]. https://www.gov.cn/zhengce/content/202508/content_7037861.htm.

[3] 马志强，崔鑫. 交互主体性视角下的人机协同教学模式：理论框架与实践形态[J]. 电化教育研究，2026，47（3）：14-21.

[4] 郝建江，刘真. GAI支持下的生成性学习模式构建与实践研究[J]. 电化教育研究，2026，47（3）：64-71.

[5] 胡金艳，闫恬萌，张彤彤. 突破认知外包：面向批判性思维的人机协作辩论系统设计[J]. 电化教育研究，2026，47（3）：54-63.

[6] 李海峰，王炜. 面向人机智慧共生的大语言模型智能体反馈研究[J]. 中国电化教育，2025（11）：42-51，94.

[7] 刘革平，刘玉娟，张丽. 面向深度认知的“师—智”协同教学模式研究[J]. 电化教育研究，2026，47（2）：78-86.

[8] Hu M， Guo R， Li H， et al. The alignment of knowledge focus during teaching preparation and AI-powered learning-by-teaching and their effects on mathematics learning outcomes in the context of high-stakes state assessments[J]. Computers & Education， 2026，251： 105642.

[9] Park S W， Kim C M. Boosting learning-by-teaching in virtual tutoring[J]. Computers & Education， 2015，82：129-140.

[10] Chen A， Wei Y， Le H， et al. Learning by teaching with ChatGPT： the effect of teachable ChatGPT agent on programming education[J]. British Journal of Educational Technology， 2026，57（1）：163-184.

[11] 何珊云，沈演. 学会提问：大学生与生成式人工智能协同学习模式的研究[J]. 华东师范大学学报（教育科学版），2025，43（2）：34-48.

[12] Xing W， Song Y， Li C， et al. Development of a generative AI-powered teachable agent for middle school mathematics learning： a design-based research study[J]. British Journal of Educational Technology， 2025，56（5）：2043-2077.

[13] Han J H， Shubeck K， Shi G H， et al. Teachable agent improves affect regulation：evidence from Betty's Brain[J]. Educational Technology & Society， 2021，24（3）：194-209.

[14] Duran D. Learning-by-teaching. Evidence and implications as a pedagogical mechanism[J]. Innovations in Education and Teaching International， 2017，54（5）：476-484.

[15] 胡平生，张萌. 礼记[M]. 北京：中华书局，2017：698.

[16] Lachner A， Hoogerheide V， Van Gog T， et al. Learning-by-teaching without audience presence or interaction： when and why does it work?[J]. Educational Psychology Review， 2022，34（2）：575-607.

[17] 岳彦龙，罗江华. 人智协同问题解决能力：概念框架、核心维度与指标体系[J]. 电化教育研究，2025，46（12）：34-42.

[18] 王有升，兰玉萍. 同伴学习中的“教学相长”与课堂教学变革[J]. 课程·教材·教法，2018，38（2）：62-68.

[19] 龚江涛，王大阔，孙婧婧，等. 联手人机交互专业委员会：“人智协同”术语发布|CCF术语快线[EB/OL]. （2022-07-01） [2026-03-12]. https://www.ccf.org.cn/Media_list/gzwyh/jsjsysdwyh/2022-07-01/789818.shtml.

[20] 王一岩，刘淇，郑永和. 人机协同学习：实践逻辑与典型模式[J]. 开放教育研究，2024，30（1）：65-72.

[21] 牟智佳，岳婷，朱陶. 人机协同视域下基于认知智能大模型的个性化学习设计研究[J]. 电化教育研究，2025，46（2）：80-87.

[22] 余亮，张馨月，邓双洁. 混合式教学中的人智协同学习：本质特征与实践样态[J]. 西南大学学报（社会科学版），2025，51（5）：189-201.

[23] Garrison D R， Anderson T， Archer W. Critical inquiry in a text-based environment： computer conferencing in higher education[J]. The Internet and Higher Education， 1999，2（2-3）：87-105.

[24] 杨洁，白雪梅，马红亮. 探究社区研究述评与展望[J]. 电化教育研究，2016，37（7）：50-57.

[25] Garrison D R， Anderson T， Archer W. Critical thinking， cognitive presence， and computer conferencing in distance education[J]. American Journal of Distance Education， 2001，15（1）：7-23.

[26] Zhang Y， Tian Y， Yao L， et al. Individual differences matter in the effect of teaching presence on perceived learning： from the social cognitive perspective of self-regulated learning[J]. Computers & Education， 2022，179：104427.

[27] 于济凡，李睿淼，李曼丽，等. 多智能体协同交互的高临场感在线学习环境构建[J]. 现代教育技术，2024，34（12）：17-26.

[28] Xing W， Kim T， Song Y， et al. Unveiling interaction patterns between students and generative AI teachable agent： focusing on students' agency and AI agents' authority[J]. British Journal of Educational Technology， 2026，57（4）：896-923.

[29] 白雪梅，霍玉莉，孙彧，等. 生成式人工智能促进认知临场感发展研究[J]. 电化教育研究，2025，46（7）：85-92.

[30] Darvishi A， Khosravi H， Sadiq S， et al. Impact of AI assistance on student agency[J]. Computers & Education， 2024，210：104967.

[31] Pelau C， Dabija D C， Ene I. What makes an AI device human-like? The role of interaction quality， empathy and perceived psychological anthropomorphic characteristics in the acceptance of artificial intelligence in the service industry[J]. Computers in Human Behavior， 2021，122：106855.

[32] Landers R N. Developing a theory of gamified learning： linking serious games and gamification of learning[J]. Simulation & Gaming， 2014，45（6）：752-768.

[33] Chang C Y， Hwang G J， Gau M L. Promoting students' learning achievement and self-efficacy： a mobile chatbot approach for nursing training[J]. British Journal of Educational Technology， 2022，53（1）：171-188.

[34] Zhai N， Ma X. Automated writing evaluation（AWE） feedback： a systematic investigation of college students' acceptance[J]. Computer Assisted Language Learning， 2022，35（9）：2817-2842.

[35] Dang B， Huynh L， Gul F， et al. Human-AI collaborative learning in mixed reality： examining the cognitive and socio-emotional interactions[J]. British Journal of Educational Technology， 2025，56（5）：2078-2101.

The Theoretical Model, System Architecture and Practical Application of Human-AI Collaborative Learning from the Perspective of Learning by Teaching

Yin Xinghan

1

, Ye Junmin

2

, Yu Shuang

3

, Liu Qingtang

4

, Wang Zhifeng

1

(1.Faculty of Artificial Intelligence in Education, Central China Normal University, Wuhan Hubei 430079;

2.School of Computer Science, Central China Normal University, Wuhan Hubei 430079; 3.College of Education, Hebei Normal University, Shijiazhuang Hebei 050024; 4.Hubei Provincial Key Laboratory of Digital Education, Central China Normal University, Wuhan Hubei 430079)

[Abstract] Learning by teaching emphasizes that learners promote meaning construction through active explanation, exploration and reflection in the process of teaching others, which offers an important research perspective for addressing the risks of weakened learner subjectivity and cognitive outsourcing in human-AI collaborative learning. On this basis, this study explores the theoretical construction and practical pathways of human-AI collaborative learning from the perspective of learning by teaching. Drawing on the Community of Inquiry framework, the study constructs a theoretical model across three dimensions: the human-AI co-constructed interaction structure, the human-AI co-driven interaction process, and the human-AI co-integrated interaction relationship. It further designs a system architecture consisting of a data layer, a logic layer and an interaction layer. To verify the feasibility and effectiveness of the model, a teachable agent system is developed and a quasi-experimental study is conducted in authentic curriculum contexts. The results show that the system effectively improves learners' knowledge level and achieves high technology acceptance in terms of perceived usefulness, perceived ease of use and continuance intention. The study concludes that human-AI collaborative learning from the perspective of learning by teaching is highly recognized by learners and effectively promotes cognitive development. Future research may focus on guarding against the alienation of the mutual promotion of teaching and learning, breaking through the bottleneck of language interaction, and constructing process-oriented evaluation, so as to provide a reference for the theoretical construction and practical innovation of human-AI collaborative learning in the intelligent era.

[Keywords] Learning by Teaching; Human-AI Collaborative Learning; Teachable Agent; Community of Inquiry Framework; Human-Machine Symbiosis

基金项目：2025年国家自然科学基金面上项目“精细化的学科核心素养智能监测及其公平性建模机制研究”（项目编号：62577027）；2023年度国家自然科学基金面上项目“基于课堂教学行为特征的教师信息技术应用能力智能评估方法研究”（项目编号：62377020）

[作者简介] 尹兴翰（1999—），男，江西赣州人。博士研究生，主要从事教育智能体设计、应用与学习分析研究。E-mail：yinxinghan@foxmail.com。叶俊民为通信作者，E-mail：jmye@mail.ccnu.edu.cn。

中文核心期刊

CSSCI来源期刊

RCCSE中国权威学术期刊

AMI核心期刊

复印报刊资料重要转载来源期刊

《电化教育研究》创刊于1980年，是我国教育与电教界的学术理论园地和权威性刊物，素有“中国电化教育理论研究基地”之称誉。主要研究现代教育前沿问题，服务全国教育教学改革；关注国内外信息化教育理论的创新。

《电化教育研究》开设的栏目主要包括理论探讨、网络教育、学习环境与资源、课程与教学、学科建设与教师发展、中小学电教、历史与国际比较等。

《电化教育研究》