劉清堂 尹興翰 章光瓊 吳林靜 苗恩慧 曹天生

[摘?要]?教學代理的反饋有利于提升學習績效，并且反饋的情緒設計可以有效激發(fā)學習者的積極情緒并增強他們的學習動機。然而，目前針對在線協作會話中學習者參與度低、協作知識建構抑制等問題，探討情緒設計支持的教學代理反饋策略的研究依舊較少。文章通過梳理情緒反應理論等相關研究，構建了情緒設計支持的教學代理反饋模型，為面向在線協作會話的智能教學代理反饋設計提供參考。在此基礎上，文章開展了準實驗研究以驗證模型的有效性。研究發(fā)現：（1）教學代理提供的學習情況反饋能夠促進協作會話參與和協作知識建構;（2）且情緒設計支持的教學代理反饋更能促進在線協作會話參與和協作知識建構;（3）學習者對提供學習情況和積極情緒反饋的教學代理的技術接受程度顯著高于只提供學習情況反饋的教學代理。這些發(fā)現為教學代理的設計和開發(fā)提供了有益的指導。

[關鍵詞]?在線協作會話; 教學代理; 情緒設計; 學習反饋

[中圖分類號] G434?[文獻標志碼] A

[作者簡介]?劉清堂（1969—），男，湖北仙桃人。教授，博士，主要從事數據挖掘、智能導師、學習分析與知識服務研究。E-mail：liuqtang@mail.ccnu.edu.cn。吳林靜為通訊作者，E-mail：wlj_sz@126.com。

一、引??言

在線協作會話作為知識建構和重塑的媒介，被廣泛應用于在線教育中，以支持協作學習過程中學習者的社會互動和學習成就。并且通過挖掘和分析在線協作會話，科學地實施智能化學習反饋，可以促進學習參與和協作知識建構，解決在線協作會話中因稀疏互動和時空差距導致的低參與度和協作知識建構抑制等問題。然而，實證研究表明，并非所有學習者都愿意接受學習反饋并改進學習行為。事實上，在線學習環(huán)境中學習者與學習反饋之間存在一定的社會心理距離，這是影響學習反饋促進在線學習參與和協作知識建構有效性的重要因素之一。但已有研究指出，融合情緒設計的學習反饋更能夠被學習者接受，縮短這種社會心理距離，增強在線學習中學習者的社會存在感，并且有利于幫助他們改善未來的學習和行為。

教學代理（Pedagogical Agent）通常被定義為在線學習中為學習者提供教學服務的虛擬角色，能夠為學習者提供即時性學習反饋，并具備教師的社會性功能，與學習者進行積極的社會互動，幫助他們提高學習動機和學習參與度。近期研究發(fā)現，對教學代理的反饋進行情緒設計在提高學習績效和學習參與度方面具有巨大的潛力，被視為一種智能化支持學習者在線協作學習的有效方法。然而，既往研究主要集中于教學代理反饋的情緒設計對數字化學習的影響，其對協作會話參與和協作知識建構的影響有待進一步探究。因此，本文在系統梳理相關研究的基礎上，構建了情緒設計支持的教學代理反饋模型，并通過實證研究驗證其有效性，以指導面向在線協作會話中學習反饋實施，為解決學習者持續(xù)參與率不高、知識建構水平低等問題提供參考。

二、相關研究綜述

（一）教學代理反饋與情緒設計

人工智能教育應用的發(fā)展，驅動著學習支持從傳統教師干預向智能化教學服務轉變。教學代理作為一種智能化的教學服務，提供學習反饋是其基本功能。根據反饋的內容，教學代理的反饋分為認知反饋和情緒反饋。教學代理的認知反饋被設計為提供與認知相關的信息，以幫助學習者理解和解決問題，能夠對學習者的學習成績產生積極影響，但無法為學習者提供必要的情感支持。而教學代理的情緒反饋旨在改善學習者的情緒狀態(tài)，它通常以情緒設計為基石，通過贊揚、鼓勵等方式觸發(fā)學習者的積極情緒，增強內部動機，最終提升學習成效。其中，情緒設計（Emotional Design）是對教學中的關鍵元素進行設計和修飾，它通過影響學習者的積極情緒和學習動機，進而提高學習效果，Mayer等認為數字化學習環(huán)境中的情緒設計具有重要作用。相似地，情緒反應理論（Emotional Response Theory）認為，教學中的積極性言語可以引發(fā)學習者的積極情緒，從而促使學習者產生更多積極的行動。Hatfield也認為情緒具有傳染作用，個體在社會交互的過程中表達的情緒能夠傳達給其他個體。因此，對教學代理進行情緒設計，也能夠誘發(fā)學習者產生類似的情緒。并且大量研究驗證了基于情緒設計的教學代理反饋的作用。例如Guo等證實了具有積極情緒的教學代理能夠顯著提高學習者在游戲中的學習動機和興趣。Liew等也發(fā)現具有積極情緒的教學代理促進了編程學習中學習者的情緒和內在動機。類似地，Beege等發(fā)現呈現積極情緒的教學代理能夠促進學習者的知識記憶。

相關研究主要在游戲學習、編程學習等數字化學習情境中考察了教學代理反饋的情緒設計對學習動機和學習行為的影響。然而，情緒設計作為一種誘發(fā)學習者積極情緒的有效方法，很少直接應用在基于在線協作會話的學習反饋設計中，尚不足以解決在線協作會話中學習者難以持續(xù)學習、知識建構水平低等問題，并且其對學習者協作知識建構的影響機制尚不清晰。因此，有必要進一步探索教學代理反饋對在線協作會話的影響，以推動在線協作學習的高質量發(fā)展。其次，學習者對教學代理的主觀感知仍然需要進一步探討。

（二）在線協作會話與學習反饋

智能時代，學習分析技術推動了數據驅動的學習分析與反饋，為提高在線協作會話中學習參與度和積極性提供了有力保障。例如Chen等人開發(fā)了在線協作會話的語義分析及反饋系統以促進學習者參與及提升會話有效性;Ouyang等人開發(fā)了基于在線協作會話的可視化網絡分析工具，目的是促進學習者自我反思，以實現協作知識建構;Zheng等人從學習投入的角度分析學習小組的在線討論情況，用于促進計算機支持的協作學習中的協作知識建構和協作績效。現有研究發(fā)現在線協作會話中的學習反饋具有重要作用，它可以幫助學習者了解或反思自己或同伴的學習情況，最終提高他們的學習參與度。然而，當前研究中的學習反饋以呈現學習表現的弱干預手段為主，并且學習反饋中的水平劃分甚至可能導致學習者產生焦慮情緒。相比之下，學習者更需要有溫度的學習反饋，當他們難以感受到學習氛圍時，他們的協作知識建構水平會受到抑制，并容易感到孤獨。

除此之外，學習者的情感體驗被證明是直接影響他們社會交互的主要因素之一，對改善在線協作會話中學習者的情感體驗和學習效果尤為重要。并且積極情緒對學習者的認知具有促進作用，積極情緒通過擴大注意力范圍、促進記憶來影響認知加工。而教學代理作為在線學習干預的新發(fā)展，具有教師的社會角色功能，可以為學習者提供更加人性化的學習反饋，幫助學習者提升在線學習中的情感體驗，促進認知加工。據此，本文著重開展在線協作會話中情緒設計支持的教學代理反饋研究，為促進協作會話參與和協作知識建構提供理論和實踐參考。

三、情緒設計支持的教學代理反饋模型構建

統整已有研究來看，為學習者提供即時性學習情況反饋和積極情緒反饋對學習效果都具有非常重要的作用，且相關研究表明，教學代理同時為學習者提供學習情況反饋和積極情緒比只提供其中一種干預更有利于學習的正向發(fā)展。為學習者提供認知、行為層面的學習情況反饋可以幫助他們進行反思，提高他們的學習參與度。此外，對學習者進行積極鼓勵也可以改善他們的學習效果。鑒于此，本文構建了情緒設計支持的教學代理反饋模型，旨在探討教學代理促進在線協作會話過程中學習者行為能動參與及深度知識建構的理論基礎，模型如圖1所示。

情緒設計支持的教學代理反饋模型包括機器智能與學習賦能兩個部分。其中，機器智能部分借鑒Clow的學習分析模型思想，旨在實現由數據度量到學習干預的科學過程。而學習賦能部分借鑒了信息加工學習理論的思想，該理論認為學習反饋作為外部信息可以刺激機體的感知系統，并經過學習者內部的信息加工，最終提升反應系統中的學習效果。

（一）學習分析支持智能反饋

1. 學習分析與學習反饋

在線協作會話過程中產生的交互文本數據蘊含著學習者認知、行為、情感等豐富信息，充分反映了學習規(guī)律、模式以及存在的問題。本文將學習者會話以“學習者—發(fā)言內容—時間”三元組形式實時存儲在數據庫中，并采用RFM模型對學習者會話數據進行表征和分析，以更好地了解學習者在協作會話中的參與情況。其中，RFM模型是一種通過近度-R（Recency，最近一次產生行為時間）、頻度-F（Frequency，行為頻率）、值度-M（Monetary，貢獻價值）三個行為變量對學習者個性化行為特征進行分析的有效方法，常被用以分析學習者的在線學習行為。因此，本文結合學習者在協作會話中的行為特征改進RFM模型指標，以衡量在線協作會話中學習者的表現。其中，近度為學習者最近一次發(fā)言距離上一次反饋的時間間隔，用于判斷學習者是否參與當前會話;頻度為學習者在一段時間內的發(fā)言頻次，表示學習者的行為投入水平;值度為學習者在一段時間內的關鍵詞貢獻，表示學習者對小組的認知投入。頻度和值度用于診斷學習者在協作會話中的表現，按這兩個維度將學習者劃分為A、B、C、D四種類型。其中，A類型（高F、高M）的學習者在該階段的討論中積極性最高，其行為和認知投入度最高，為小組貢獻了大量的觀點;B類型（高M、低F）的學習者在該階段中發(fā)言行為較少，但對小組的貢獻較高;C類型（高F、低M）的學習者在該階段擁有較高的發(fā)言行為，但認知貢獻較少;D類型（低M、低M）的學習者在該階段討論中積極性較低，且貢獻較少。

此外，為了豐富在線協作會話中學習者的行為表征，以進一步為學習者提供個性化反饋，教學代理還對學習者的學習類型轉換進行檢測，通過比較學習者在前后兩個階段的類型，可得到16種轉換形態(tài)，并根據學習者在協作會話中的類型轉變， 為學習者提供更精準的信息反饋。

2. 情緒設計與學習反饋

教學代理在協作會話過程中擔任學習督促者和激勵者的角色，能夠提高學習者的參與度和學習積極性。教學代理還應該為學習者提供有溫度、有情感的學習反饋，一方面，教學代理在學習者類型分析和類型轉變分析的基礎上，提供即時性的學習情況反饋，幫助學習者了解自身學習情況。例如當學習者表現下降后，教學代理人機對話窗口向學習者發(fā)出提醒“你的發(fā)言質量和發(fā)言數量下降到小組后50%”。另一方面，通過添加積極情感詞匯和鼓勵性話語等方式，對教學代理的交互言語進行積極情緒設計，以誘發(fā)學習者的積極情緒，從而提高他們在協作會話過程中的認知加工水平。如當學習者表現退步時，教學代理會及時反饋：“請積極參與討論哦，相信你可以做得更好，加油！”

（二）學習反饋賦能協作學習

教學代理可以為學習者提供學習情況反饋和積極情緒反饋，以期引起學習者的自我反思與積極情緒，從而增強他們的學習動機，促進協作會話參與和協作知識建構。因此，厘清教學代理對學習者的內在作用過程，是支持學習反饋的基礎條件。

1. 學習情況反饋的作用過程

根據元認知理論，在線學習中的學習反饋作為一種元認知支持，有利于幫助學習者發(fā)現學習差距、培養(yǎng)自我意識、促進自我反思和自我評估。在協作會話中提供有關認知、行為表現的反饋，可以加深學習者對學習過程和表現的認知。對學習者在協作會話中的表現進行量化，并分析學習者的學習狀態(tài)變化，最終通過教學代理反饋給學習者，可以幫助學習者獲得對自身學習情況的感知，以促進自我調節(jié)與反思，提升學習成效。

2. 積極情緒反饋的作用過程

根據情緒反應理論，教學代理的積極情緒能夠改善學習者的學習行為。類似地，Lawson等人根據多媒體學習認知—情感模型（Cognitive-Affective Theory of Learning with Media， CATLM）以及多媒體學習的綜合認知情感模型（Integrated Model of Cognitive-Affective Learning with Media， ICALM），把教學代理反饋的作用過程分為五個部分：教學代理表現出積極的情緒時，學習者能夠意識到代理的情感狀態(tài)，這促使學習者對教學代理產生情感反應，并影響到學習過程中的認知加工（如學習者被激勵進行深度加工的程度），它還會影響到學習效果。在此基礎上，基于情緒設計的教學代理通過影響學習者的情緒和動機來促進認知加工，最終幫助學習者提升學習效果。

四、情緒設計支持的教學代理反饋的實證研究

（一）研究問題

為了檢驗情緒設計支持的教學代理反饋模型的有效性，本文采用準實驗研究方法探討情緒設計支持的教學代理反饋對協作會話參與和協作知識建構的影響。研究問題主要包括：教學代理的學習情況反饋是否會對協作會話參與和協作知識建構產生影響嗎，結合情緒設計的教學代理反饋是否更能夠促進協作會話參與和協作知識建構，學習者對不同反饋類型的教學代理感知程度如何。

（二）研究背景

本文在面向某師范大學三年級學生開設的專業(yè)必修課“信息技術與課程整合”中開展實證研究，共57名學習者參與課程學習。學習者被安排進行持續(xù)三周的協作知識建構活動。在活動第一周，學習者被要求針對學習主題收集和梳理相關信息，并開展第一次在線協作討論。在討論過程中，小組成員需要闡述他們的觀點，以及批判或反思其他人的想法，并將最后整合的觀點作為協作成果。在活動第二周，各小組需要開展第二次在線協作討論，觀看其他小組的協作成果，并對其進行分析與評價，以進一步完善和細化本組的協作成果，從而形成更深層次的知識建構。在活動第三周，每個小組選取一名代表參與主題學習成果的匯報。

（三）實驗設計

實驗過程設計如圖2所示。在此次學習活動中，學習者被隨機分成9個小組，每組為6～7人，其中，提供積極代理（積極代理組）、提供普通代理（普通代理組）以及不提供代理（無代理組）的學習小組各有3個（共19人）。在兩次協作會話中，對于積極代理組和普通代理組，教學代理會實時分析社群協作會話數據，并定時地通過人機對話窗口將學習反饋發(fā)送給學習者，學習者可以自由選擇是否查看教學代理的反饋，以調節(jié)自己的協作會話行為。

教學代理提供的學習反饋示例見表1。在會話初始階段，教學代理會根據學習者的R值判斷學習者是否及時參與會話，若未及時參與，則教學代理將直接通知學習者盡快參與當前會話教學代理。否則，教學代理會通過計算F和M值對學習者進行類型診斷，并給予學習反饋。在會話進程中，根據學習者類型轉換的類別進行反饋，如學習者從C類型轉變至A類型，代理會從語料庫中隨機抽取一條反饋給學習者。

另外，為了確保積極代理與普通代理在學習反饋的情緒設計上存在差異，本文使用百度情感API對教學代理的55條話語進行情感傾向值計算，并使用獨立樣本檢驗進行差異分析。其中，情感傾向值介于0和1之間，0表示非常消極，1表示非常積極。結果顯示積極代理和普通代理在言語的情緒設計上存在顯著差異（=0.000），積極代理的均值為0.825，普通代理的均值為0.308，積極代理的均值距離1較近，偏積極，而普通代理的均值距離0.5較近，偏中性。

（四）數據采集及分析

針對研究問題一和研究問題二，為了衡量學習者的協作會話參與和協作知識建構，首先，本文統計分析了各組在協作會話中的持續(xù)發(fā)言時間、發(fā)言頻數及產生的信息量（IQ）。其中，信息量的計算如公式（1），表示為關鍵詞短語，（w）表示關鍵詞短語在此小組所有關鍵詞短語出現的頻率。

=∑（）*（（））???????????式（1）

其次，為了衡量各小組的協作知識建構情況，本文借鑒了Zhang等針對協作會話開發(fā)的知識建構編碼方案，從積累、互動、檢查和適應四個維度分析學習小組協作會話過程中的協作知識建構。為了保證編碼分析的信度，由兩名經驗豐富的研究生對在線協作會話文本數據進行編碼，以學習者的一條發(fā)言作為一個編碼單元，編碼一致性達到0.876，說明具有良好的信度。

針對研究問題三，為了衡量學習者對不同類型教學代理的感知程度是否存在差異，本文基于技術接受度模型（TAM）編制調查問卷。問卷包括教學代理的有用性、易用性、滿意度、樂用性和鼓勵性五個維度20題，其中鼓勵性為學習者對代理鼓勵性話語的敏感程度。問卷采用李克特五星評分量表，1表示為“非常不贊同”，5表示為“非常贊同”，問卷具有良好的信度（Cronbach's α=0.959）。并結合定性研究的方法，邀請了18名學習者（每個小組抽取2名）參與半結構化訪談。

（五）數據分析結果

1.教學代理的學習情況反饋會對協作會話參與和協作知識建構產生影響嗎

在協作會話參與上，普通代理組與無代理組的曼—惠特尼U檢驗分析結果見表2，普通代理組與無代理組在持續(xù)發(fā)言時間（=-0.655，=0.700>0.05）、發(fā)言頻數（=-1.528，=0.200>0.05）以及信息量（=-0.655，=0.700>0.05）上均不存在顯著差異。但是普通代理組在持續(xù)發(fā)言時間、發(fā)言頻數、信息量上均明顯高于無代理組，特別是在發(fā)言數量上呈現出較大的差異，說明教學代理提供的學習情況反饋能促進學習者的協作會話參與。

普通代理組和無代理組的協作知識建構頻數卡方檢驗結果見表3，結果呈現出顯著差異（=36.220，=0.000）。無代理組在積累上的編碼百分比皆高于普通代理組，而在檢查、適應維度上皆低于普通代理組，說明教學代理的學習情況反饋有助于促進學習者更高層次的協作知識建構。

2.結合情緒設計的教學代理反饋是否更能促進協作會話參與和協作知識建構

對情感代理組和普通代理組的持續(xù)發(fā)言時間、發(fā)言頻數、信息量進行曼—惠特尼U檢驗分析，結果見表4，它們在持續(xù)發(fā)言時間（=-1.528，=0.200>0.05）、發(fā)言頻數（=-1.091，=0.400>0.05）以及信息量（=-1.964，=0.100>0.05）上不存在顯著差異。但是情感代理組在持續(xù)發(fā)言時間、發(fā)言頻數、信息量上均明顯高于普通代理組，說明教學代理的積極情緒反饋有利于促進協作會話參與。

在協作知識建構層面，積極代理組和普通代理組的協作知識建構頻數卡方檢驗結果見表5，結果呈現出顯著差異（=32.645，=0.000）。積極代理組在檢查、適應兩個維度上的編碼百分比，明顯高于普通代理組，說明積極代理同時提供積極情緒和學習情況反饋，比只提供學習情況反饋更有助于促進深層次的協作知識建構。

3. 學習者對不同反饋類型的教學代理感知程度如何

教學代理感知程度的問卷調查數據的獨立樣本檢驗分析結果見表6。積極代理與普通代理在滿意度（=0.01）、有用性（=0.014）、樂用性（=0.002）上存在顯著性差異，說明學習者對積極代理的接受度、滿意度和使用意愿顯著高于普通代理。另外，學習者對積極代理鼓勵性（=0.001）的感知鼓勵性顯著高于普通代理。而在易用性（=0.122）上，積極代理和普通代理不存在顯著差異，且兩組差距較小，并且均大于3.7，表明積極代理和普通代理在設計上對學習者而言都是簡單易用的。

另外，訪談結果顯示，積極代理組和普通代理組近八成的受訪者認為教學代理的學習反饋與他們的表現較為一致，他們認為教學代理的反饋有利于促進他們的在線協作會話參與。在教學代理的積極情緒上，積極代理組的受訪者一致認為他們感受到積極代理的積極情緒和對他們的鼓勵，特別是當他們的學習狀態(tài)處于低迷時，積極代理的鼓勵會幫助他們增強信心?？偟膩碚f，積極代理受到學習者較高的認可和評價，但也有個別學習者希望積極代理可以為他們提供更詳細、直觀的評價數據。

五、研究結論與討論

（一）教學代理的學習情況反饋能夠促進協作會話參與和協作知識建構

研究結果表明，教學代理提供有關行為和認知表現的學習反饋有助于提升協作會話參與和協作知識建構。根據元認知理論，為學習者提供即時性的學習反饋，可以幫助他們及時了解學習情況，促進學習反思，從而改進學習行為。Wambsganss等也發(fā)現，及時為學習者反饋學習表現，可以幫助他們及時調整自己的學習策略，這對維持學習者參與熱情是必不可少的。因此，分析和反饋在線協作學習中學習者的過程性表現，幫助學習者了解學習情況、實現自我調節(jié)，對促進協作學習具有重要價值。

（二）結合情緒設計的教學代理反饋更能促進協作會話參與和協作知識建構

反饋的情緒設計對促進高效的在線協作會話具有重要作用。研究表明，積極代理提供的積極鼓勵促進了學習者的協作會話參與和協作知識建構。根據情緒反應理論，當學習者感受到學習反饋中的積極情緒，也會產生積極情緒。Beege等人也得到了相似的結論，為學習者提供積極、鼓勵性的反饋，有利于提升他們的情緒體驗，增強他們的學習動機。因此，應該對在線協作會話過程的學習反饋進行情緒設計，在反饋內容中融入情緒設計元素，可以增強學習者的學習體驗，降低學習者在線學習過程中的孤獨感，這將有助于維持在線學習中學習者的持續(xù)參與。

（三）學習者對提供學習情況和積極情緒反饋的教學代理感知程度更高

根據問卷調查和訪談結果，可以發(fā)現積極代理比普通代理更能夠獲得學習者的認可，其滿意度和使用意愿均高于普通代理。教學代理的積極情緒有利于減少學習者與教學代理之間的心理距離，從而使學習者更容易接受學習反饋，提高了“皮格馬利翁效應”發(fā)生的可能性。因此，在未來教學代理的設計中應該充分考慮情緒設計的作用，發(fā)揮教學代理的激勵者角色功能，為學習者提高必要的情感支持。

六、結??語

隨著智能時代學習分析技術的不斷成熟，教學代理越來越注重對學習過程數據的精準化和為學習者提供智能化的學習反饋。本文在情緒反應理論、元認知理論等相關理論的基礎上，構建了情緒設計支持的教學代理反饋模型，并通過準實驗研究驗證了其有效性。研究發(fā)現，教學代理提供的學習情況反饋有利于提升協作會話參與和協作知識建構，并且情緒設計可以增強教學代理反饋的效應，學習者對提供學習情況和積極情緒反饋的教學代理感知程度更高。研究結論對教學代理的推廣應用和協作學習的高質量發(fā)展具有重要的理論和實踐價值。

盡管本文提供了一種有效的情緒設計支持的教學代理反饋模型，但仍存在一些需要改進的地方。首先，我們尚未深入探討教學代理反饋的消極情緒設計是否會影響在線協作學習效果。其次，我們尚未考慮教學代理反饋時機對反饋效果的影響。因此，未來研究應該著重關注這些問題，進一步為學習者提供更精準、智能的學習服務。

[參考文獻]

[1] XU B， CHEN N S， CHEN G. Effects of teacher role on student engagement in weChat-based online discussion learning[J]. Computers & education， 2020，157：103956.

[2] 吳林靜，高喻，涂鳳嬌，等.基于語義的在線協作會話學習投入自動分析模型及應用研究[J].電化教育研究，2022，43（3）：77-84.

[3] WINSTONE N E， NASH R A， PARKER M， et al. Supporting learners' agentic engagement with feedback： a systematic review and a taxonomy of recipience processes[J]. Educational psychologist， 2017，52（1）：17-37.

[4] TETTEGAH S Y， GARTMEIER M. Emotions， technology， design， and learning[M]. London： Academic Press，2015：163-182.

[5] MULLINER E， TUCKER M. Feedback on feedback practice： perceptions of students and academics[J]. Assessment & evaluation in higher education，2017，42（2）：266-288.

[6] YILMAZ R， YILMAZ F G K. Examination of the effectiveness of the task and group awareness support system used for computer-supported collaborative learning[J]. Educational technology research and development，2020，68：1355-1380.

[7] SINATRA A M， POLLARD K A， FILES B T， et al. Social fidelity in virtual agents： impacts on presence and learning[J]. Computers in human behavior， 2021，114：106562.

[8] ECONOMIDES A A. Personalized feedback in CAT[J]. WSEAS transactions on advances in engineering education， 2005，2（3）： 174.

[9] LANG Y， XIE K， GONG S， et al. The impact of emotional feedback and elaborated feedback of a pedagogical agent on multimedia learning[J]. Frontiers in psychology， 2022，13：810194.

[10] PAUW L S， SAUTER D A， VAN K G A， et al. The avatar will see you now： support from a virtual human provides socio-emotional benefits[J]. Computers in human behavior， 2022，136：107368.

[11] MAYER R E， ESTRELLA G. Benefits of emotional design in multimedia instruction[J]. Learning and instruction， 2014，33：12-18.

[12] HORAN S M， MARTIN M M， WEBER K. Understanding emotional response theory： the role of instructor power and justice messages[J]. Communication quarterly， 2012，60（2）：210-233.

[13] HATFIELD E， CACIOPPO J T， RAPSON R L. Emotional contagion[J]. Current directions in psychological science， 1993， 2（3）： 96-100.

[14] 巴深，劉清堂，吳林靜，等.教育智能體情緒線索對大學習者學習情緒與動機的影響研究[J].遠程教育雜志，2021，39（6）：48-57.

[15] GUO Y R， GOH D H L. Evaluation of affective embodied agents in an information literacy game[J]. Computers & education， 2016，?103：59-75.

[16] LIEW T W， NAM Z. Exploring the affective， motivational and cognitive effects of pedagogical agent enthusiasm in a multimedia learning environment[J]. Human-centric computing and information sciences， 2017，7（1）：1-21.

[17] BEEGE M， SCHNEIDER S. Emotional design of pedagogical agents： the influence of enthusiasm and model-observer similarity[J]. Educational technology research and development， 2023，71（3）：859-880.

[18] 王雪，高澤紅，徐文文，等.反饋的情緒設計對視頻學習的影響機制研究[J].電化教育研究，2021，42（3）：69-74.

[19] CHEN C M， LI M C， CHANG W C， et al. Developing a topic analysis instant feedback system to facilitate asynchronous online discussion effectiveness[J]. Computers & education， 2020，163（3）：104095.

[20] OUYANG F， CHEN S， LI X. Effect of three network visualizations on students' social-cognitive engagement in online discussions[J]. British journal of educational technology， 2021，52（6）：2242-2262.

[21] ZHENG L， LONG M， NIU J， et al. An automated group learning engagement analysis and feedback approach to promoting collaborative knowledge building， group performance， and socially shared regulation in CSCL[J]. International journal of computer-supported collaborative learning，2023，18（1）：101-133.

[22] OLLESCH L， VENOHR O， BODEMER D. Implicit guidance in educational online collaboration： supporting highly qualitative and friendly knowledge exchange processes[J]. Computers and education open， 2022， 3： 100064.

[23] 胡水星，荊洲.在線學習干預的新發(fā)展：從學習分析儀表盤到教育智能體[J].遠程教育雜志，2022，40（5）：83-92.

[24] LI C， XING W， LEITE W. Building socially responsible conversational agents using big data to support online learning： a case with Algebra Nation[J]. British journal of educational technology， 2022， 53（4）： 776-803.

[25] XING W， TANG H， PEI B. Beyond positive and negative emotions： Looking into the role of achievement emotions in discussion forums?of MOOCs[J]. The internet and higher education， 2019，43：100690.

[26] 楊紅云，陳旭輝，顧小清.多媒體學習中視覺情緒設計對學習效果的影響——基于31項實驗與準實驗研究的元分析[J].電化教育研究，2020，41（1）：76-83.

[27] BAYLOR A L， KIM Y. Simulating instructional roles through pedagogical agents[J]. International journal of artificial intelligence in education， 2005，15（2）：95-115.

[28] CLOW D. The learning analytics cycle： closing the loop effectively[C]// SHUM S B. Proceedings of the Second International Conference on Learning Analytics & Knowledge. New York： ACM，2012：134-138.

[29] 王云，李志霞，白清玉等.在線討論中動態(tài)學習情緒和認知行為序列的關系研究[J].電化教育研究，2020，41（6）：60-67.

[30] 閆春，劉璐.基于改進SOM神經網絡模型與RFM模型的非壽險客戶細分研究[J].數據分析與知識發(fā)現，2020，4（4）：83-90.

[31] 宗陽，鄭勤華，陳麗.中國MOOCs學習者價值研究——基于RFM模型的在線學習行為分析[J].現代遠距離教育，2016（2）：21-28.

[32] 張瑾，張夷楠，葉海智，等.教師在線學習社區(qū)中會話主題發(fā)現及演化分析[J].遠程教育雜志，2021，39（2）：85-94.

[33] BARDACH L， KLASSEN R M， DURKSEN T L， et al. The power of feedback and reflection： testing an online scenario-based learning intervention for student teachers[J]. Computers & education， 2021， 169： 104194.

[34] LAWSON A， MAYER R， ADAMO-VILLANI N， et al. Recognizing the emotional state of human and virtual instructors[J]. Computers in human behavior， 2021， 114： 106554.

[35] 王燕青，龔少英，姜甜甜，等.情感代理能否提高多媒體學習的效果？[J].心理科學進展，2022，30（7）：1524-1535.

[36] 劉清堂，尹興翰，吳林靜，等.基于學習者評論數據挖掘的MOOC課程質量影響因素研究[J].遠程教育雜志，2023，41（1）：80-90.

[37] 劉清堂，黃景修，蔣志輝，等.面向在線討論的時間序列建模實驗[J].現代教育技術，2019，29（5）：39-45.

[38] ZHANG S， CHEN H， WEN Y， et al. Exploring the influence of interactive network and collective knowledge construction mode on students' perceived collective agency[J]. Computers & education， 2021，171：104240.

[39] DAVIS F D， BAGOZZI R P， WARSHAW P R. User acceptance of computer technology： a comparison of two theoretical models[J]. Management science， 1989， 35（8）：982-1003.

[40] KWON O， WEN Y. An empirical study of the factors affecting social network service use[J]. Computers in human behavior， 2010， 26（2）：254-263.

[41] THIEMO W， ANDREAS J， MARCO J L. Enhancing argumentative writing with automated feedback and social comparison nudging[J].?Computers & education，2022，191：104644.

[42] BEEGE M， SCHNEIDER S， NEBEL S， et al. Does the effect of enthusiasm in a pedagogical agent's voice depend on mental load in the learner's working memory？ [J]. Computers in human behavior， 2020， 112：106483.

A Study on Construction and Application of Pedagogical Agent Feedback Model Supported by Emotional Design in Online Collaborative Sessions

LIU Qingtang，?YIN Xinghan，?ZHANG Guangqiong，?WU Linjing，?MIAO Enhui，?CAO Tiansheng

（1.Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan Hubei 430079;2.Central China Normal University Press， Wuhan Hubei 430079）

[Abstract]?Feedback from pedagogical agents facilitates learning performance， and the emotional design of feedback can effectively stimulate learners' positive emotions and enhancing their motivation to learn. However， there are still few studies that explore the feedback strategies of pedagogical agents supported by emotional design to address the problems of low learner engagement and inhibition of collaborative knowledge construction in online collaborative sessions. This paper constructs a pedagogical agent feedback model supported by emotional design by reviewing emotional response theory and other related studies， and provides a reference for intelligent pedagogical agent feedback design for online collaborative sessions. On this basis， a quasi-experimental study is conducted to verify the validity of the model. The findings indicate that： （1） the learning feedback provided by pedagogical agents can promote the participation of collaborative sessions and collaborative knowledge building. （2） The pedagogical agent feedback supported by emotional design is more likely to promote the participation of collaborative sessions and collaborative knowledge building. （3） Learners' acceptance of the pedagogical agent that provides the feedback on learning and positive emotions is significantly higher than that of the pedagogical agent that only provides the feedback on learning. These findings provide useful guidance for the design and development of pedagogical agents.

[Keywords]?Online Collaborative Session; Pedagogical Agent; Emotional Design; Learning Feedback