《Computers and Education: Artificial Intelligence》：Learning-to-learn in the age of generative AI: A scoping review and conceptual framework
编辑推荐：
在生成式AI（GenAI）快速融入高等教育，引发认知卸载、过度依赖和批判性思维弱化等担忧的背景下，本论文聚焦“学会学习”（L2L）这一终身学习核心能力。研究者通过对教育学与心理学文献的范围综述，构建了一个新颖的三层（维度-过程-工具）L2L概念框架，旨在为跨学科研究和支持L2L的AI教育应用设计提供清晰、可操作的理论基础，以应对AI驱动时代的教育技术挑战。
在ChatGPT等生成式人工智能（Generative AI, GenAI）于2022年面向公众开放后，教育的版图正在被快速重塑。一份2025年的调查显示，92%的英国本科生报告使用GenAI，而一年前这一数字仅为66%。学生们利用AI来澄清概念、总结阅读材料或寻找研究思路，但近五分之一的人直接将AI生成的文本纳入自己的作业。这种普及带来了机遇，也引发了深刻的挑战：研究表明，学生倾向于依赖AI辅助而非从中学习，这可能会削弱他们的能动性和自我调节学习（Self-Regulated Learning, SRL）技能的发展。这种对GenAI的过度依赖，会危及学生成为独立、批判性思考者的能力。它可能导致认知卸载（Cognitive Offloading），即学生通过青睐AI生成的答案来绕过学习任务中的认知投入。AI模型的“幻觉”（Hallucination）倾向也为通过传播错误信息来学习的有效性带来了风险。
然而，硬币也有另一面。研究者认为，如果负责任地加以利用，GenAI也可能支持L2L技能的发展，从而增强学习者的能动性。GenAI可以通过提供高质量反馈、定制化学习支持或培养批判性学习能力，来促进反思性和独立性的思考者，从而强化其因误用而正在削弱的能力。问题的核心在于，尽管“学会学习”（Learning-to-learn, L2L，亦称为元学习技能 meta-learning skills）自2006年起就被欧盟委员会认定为终身学习的关键21世纪能力，但其定义仍然零散且不充分。缺乏一个清晰、详细的概念化，阻碍了跨学科研究，也限制了基于教学法的、明智的AI应用程序的开发。
为了弥合这一鸿沟，由Isabel Schorr, Lisa Bardach, Babette Bühler, Enkelejda Kasneci组成的研究团队，在《Computers and Education: Artificial Intelligence》上发表了一项研究。他们进行了一项范围综述，并提出了一个新颖的概念框架，旨在统一L2L理论与GenAI实践，为AI驱动时代的教育技术提供一个可操作的基础。
主要技术方法
研究者采用了系统性的范围综述（Scoping Review）方法。他们遵循PRISMA-ScR框架，在ERIC、Scopus和Web of Science数据库中检索了截至2025年5月16日的文献。检索策略基于PCC（Population, Concept, Context）框架，核心概念词为“Learning to learn”或“meta-learning”，上下文限定为定义、框架、模型等。经过严格的筛选，最终纳入了21篇相关出版物进行深入分析。数据提取和分析过程区分了L2L的不同概念层次，并最终构建了一个三层框架。
研究结果
1. 一个由广度组织的三层L2L概念框架
基于文献分析，研究者提出了一个按概念广度组织的三层框架：维度（Dimensions）、过程（Processes）和工具（Tools）。
- •
维度（Dimensions）：这是最广泛的层次，包含了相对持久的认知、元认知、情感-动机、社会和伦理倾向。例如，认知维度包括批判性思维、信息管理能力；元认知维度涉及对自身思维和学习的认知；情感-动机维度关乎学习动力和毅力。
- •
过程（Processes）：中间层次，指自我调节活动——计划、监控和反思——这些活动解释了维度如何体现为更具体的学习行为。这接近于自我调节学习（SRL）的核心过程。
- •
工具（Tools）：最具体的层次，包括实现这些过程的具体策略、技巧和工具，例如检索练习、做笔记等日常学习策略。
这个框架旨在指导支持L2L的技术增强型干预措施的设计和评估。维度可以告知干预的总体目标和价值观；过程为通过具体框架和用例进行实施提供了可观察的结构和交互可能性；工具则为实施可能具有情境敏感性的支持提供了简单、可操作的切入点。
2. L2L的核心概念维度
研究者详细阐述了构成L2L的五个关键维度：
- •
认知维度：包括核心认知过程（如注意力、工作记忆）、基础技能（读写、计算）、有效信息管理、批判性与创造性思维、沟通技能和数字技能。
- •
元认知维度：包含元认知知识（对自身、任务、策略的认知）和元认知技能（目标设定、策略规划、自我监控与反思分析）。
- •
情感-动机维度：涵盖内在动机与参与度、学习承诺与毅力、自我概念与效能感，以及情绪调节。
- •
社会维度：包括协作学习、寻求与提供帮助、沟通与反馈，以及建立支持性关系。
- •
伦理维度：涉及学术诚信、对学习负责的态度、批判性参与信息，以及对社会和环境的责任感。
3. GenAI在L2L各层面的应用与机遇
研究进一步讨论了GenAI如何与L2L框架的各层面相交，并提供了当前研究的示例：
- •
在工具层面，GenAI可以作为“思考伙伴”或“教练”，支持具体的学习策略，如通过对话进行概念解释、生成练习题目或提供写作反馈。
- •
在过程层面，GenAI可以通过帮助学习者设定目标、规划学习路径、监控进展并提供形成性评估，来支持自我调节学习（SRL）的循环。
- •
在维度层面，GenAI的长期、个性化互动有潜力培养更深层次的倾向，如增长型思维模式、探究好奇心或元认知意识。例如，AI可以促使学习者反思自己的思维过程，或根据其兴趣定制学习内容以维持动机。
结论与重要意义
本研究通过范围综述，整合了教育学与心理学文献中关于“学会学习”（L2L）的分散定义，提出了一个创新的、按概念广度组织的三层（维度-过程-工具）框架。这个框架不仅对L2L进行了结构化、可操作的概念化，还明确讨论了生成式人工智能（GenAI）在各层面的应用机遇与相关风险。
其重要意义在于：首先，它为跨学科对话与合作提供了共同语言。该框架以不同的抽象层次呈现L2L，使得来自教育、心理学和计算机科学等不同背景的研究者和实践者能够找到共同的切入点，特别是在设计教育技术时。其次，它为旨在支持而非削弱深度学习的GenAI应用设计提供了理论蓝图。在认知卸载风险日益增加的背景下，该框架指导设计者关注如何利用AI培养学习者的元认知、自我调节和批判性思维等核心L2L能力，而不仅仅是提供答案。最后，它强调了在AI时代重新聚焦教育优先事项的必要性。研究指出，教育必须从传统的知识传授，转向有意识地培养学习者的L2L能力，使他们能够负责任且有效地驾驭AI赋能的学习环境，成为终身学习者。
总之，这项研究在GenAI与教育深度融合的关键时刻，及时地提供了一个连接理论、实践与技术的桥梁。它不仅澄清了一个关键但模糊的教育概念，更为开发真正赋能学习者、促进其长远发展的智能教育系统奠定了坚实的理论基础。
