教育心理学研究中的生成性人工智能
生成性人工智能（GenAI）近年来作为一种变革性工具崭露头角，其应用涵盖教育、医疗等领域。在教育心理学中，GenAI提供了创新工具和方法，帮助我们理解学习者的思维、情感和行为。除了在教育中的一般应用外，最近的研究强调了GenAI被用来推动我们理解学习的认知、情感和社会方面的具体方式。
教育心理学研究中的应用
虽然生成性人工智能最初用于写作和分析领域，但一波创新已使得将GenAI直接整合到实验任务和程序中成为可能，以研究参与者如何感知和与其互动。
生成性人工智能（GenAI）证明是在教育心理学研究中一个多用途且强大的工具，提供了众多应用。GenAI的应用包括：
增强问题解决能力: 像ChatGPT这样的AI驱动聊天机器人提供逐步解决方案和有针对性的指导，鼓励学生进行批判性思考并运用问题解决策略（Miraglia, 2024）。
元认知和认知过程: AI生成的元认知提示可以通过鼓励学习者暂停、反思和评估信息来增强在基于GenAI的搜索过程中的批判性思维（Singh et al., 2025）。
个性化学习: GenAI的整合可以促进根据个别学生需求量身定制的个性化教学，增强学习体验并适应多样的学习风格（Miraglia, 2024）。
语言分析: GenAI的高级自然语言处理能力使得对学生回答的深入分析成为可能，提供学生动机、挫折感、参与度和其他情感状态的见解（Întorsureanu et al., 2025）。
情感表达: 研究显示，GenAI可以增强动机、减少焦虑，并促进情感支持环境的形成。提供实时情感反馈的工具也可以帮助发展诸如自我意识和同情心等社会情感学习能力（Kohnke & Moorhouse, 2025; Henriksen et al., 2025）。
认知支架: 认知支架指的是给予学习者的支持，帮助他们理解不同概念，而AI技术则可以通过根据学生当前理解水平提供量身定制的帮助来促进学习（Miraglia, 2024）。
提高参与度和互动性: 通过模拟人类对话和互动，生成性人工智能可以增强学生的参与感和学习动机（Miraglia, 2024）。
培养21世纪技能: 生成性人工智能应用支持创造力、团队合作和沟通等基本技能的培养，这些技能在数字化世界中至关重要（Miraglia, 2024）。
学习过程中的辅助: AI聊天机器人作为支持学习的伴侣，提供各科目的解释和澄清，帮助学生更好地理解和情境化教育材料（Miraglia, 2024）。
赋能教育工作者: GenAI技术可以简化教育工作者的行政任务，如排班、评分和信息传播。这使得他们能更多地专注于教学和与学生的互动（Miraglia, 2024）。
纳入生成性人工智能进行实验任务研究的案例研究
生成性人工智能在教育心理学中因其广泛的研究和实践可能性而受到关注。以下是一些研究的示例，展示生成性人工智能是如何在教育心理学中使用的：
通过基于AI的辅导实现生成性学习
在Makransky等（2025）的研究中，生成性人工智能通过一个名为ChatTutor的特殊聊天机器人使用。它促使学生解释概念并教导AI，特别利用生成性学习理论的原则，显示其扎根于教育理论中。学生与ChatTutor系统互动，该系统结合了适时的支架和根据他们理解情况调整的反馈。该设计促进了积极参与，旨在创造有意义的以学生为中心的学习互动。研究结果表明，使用ChatTutor提高了学生对概念知识的长期保留（Makransky et al., 2025）。
通过AI集成评估实现心理素养
在一项研究中（Richmond & Nicholls, 2024），生成性人工智能（ChatGPT）在三个阶段的评估中被利用，以增强本科心理学学生的心理素养。在第一阶段（AI辅助草稿生成和评估）中，学生被要求使用生成性人工智能工具生成草稿媒体发布。然后，学生使用评分标准审查这段AI生成的内容，识别优缺点和修订的优先级，并根据评分标准评定分数。在第二阶段（AI评估）中，学生修订由ChatGPT生成的文本，融入他们的评估并使用跟踪更改记录修改，随后提交他们的修订以供教师反馈。在第三阶段（修订和视频制作）中，学生整合教师的反馈，加入图形，并提交最终的视频。该方法旨在确定早期接触AI输出是否会提高学生工作的质量，结果表明，相较于传统的同伴评审过程，表现有显著提升。
利用GenAI依据学生兴趣定制教育内容
Tasdelen与Bodemer（2025）在他们的研究中，利用生成性人工智能创建针对学生个体兴趣的个性化教育内容。该研究旨在评估AI生成材料对内在动机、兴趣和学习表现的影响。生成性人工智能创造的学习材料与为每个学生识别的兴趣相一致。在研究过程中使用生成性人工智能设计了不同的任务并呈现给学生。这些任务旨在依据参与者的独特兴趣进行情境个性化。该研究涉及一个自开发的网络应用程序，促进对AI生成内容的访问。学生通过该平台参与定期的数学课程。生成性人工智能系统能够根据学生报告的兴趣动态生成教育材料。这种实时能力确保教育任务始终相关且引人入胜。总体而言，该研究表明生成性人工智能在创造更好的学习材料方面发挥了关键作用，从而增强了他们的学习参与度、动机、兴趣和整体成果。
通过AI驱动的辅导实现科学文本理解
生成性人工智能通过OwlMentor平台在Thüs等（2024）的研究中得到应用，旨在帮助学生理解科学文本。在该研究中，生成性人工智能的关键应用包括：自动问题生成、AI驱动对话，学生可以在聊天界面中互动讨论或提问、创建带有定制测验生成和反馈的测验。通过利用AI的能力，该平台能够根据 individual students' inquiries提供量身定制的响应和提示，从而增强他们的学习之旅。用户在前测试到后测试中的总体表现显著提高，表明该平台的使用对他们在各种主题上的学习结果产生了积极影响。
通过AI图像生成实现视觉学习和批判性参与
在一项研究中（Berg et al., 2024），生成性人工智能被用于促进学生学习并增强参与度。学生使用Midjourney创建基于他们制定的提示的图像。生成的图像帮助学生从表层理解转向对讨论主题的更深刻、批判性的理解。他们发现将图像与文本联系起来使信息更易于记忆和理解。AI生成的图像作为课堂讨论的基础。学生在与他们的提示相关联的图像中进行分析，讨论哪些方面准确或具有误导性，从而增强对内容的批判性思考。研究强调了学生创作自己的AI图像的激励因素，这本质上是一种主动学习形式，他们发现比起被动观看现有图像，这种方式更为愉悦。教师建议，学生使用的提示可以作为评估的基础，帮助教育工作者通过他们生成的图像来评估学生的理解。研究的主要发现是，AI图像生成工具（如Midjourney）可以通过使学习更加以学生为中心、互动、有趣和引人入胜而对学生学习产生积极影响。
结论
生成性人工智能正在通过提供支持个性化学习、增强参与度和促进批判性思维的创新解决方案来彻底改变教育心理学。随着这一领域的演变，持续的探索将帮助发现将AI纳入教育心理学研究和实践的更有意义的方式。然而，理解与数据隐私、偏见和AI在学习环境中的负责任使用相关的伦理问题同样重要。
参考文献
Berg, C., Omsén, L., Hansson, H., & Mozelius, P. (2024). 学生的AI生成图像：对动机、学习和满意度的影响。国际人工智能研究会议，4(1), 500–506。
Henriksen, D., Creely, E., Gruber, N., & Leahy, S. (2025). 社会情感学习与生成性AI：对教师教育的批判性文献综述和框架。《教师教育杂志》，76(3), 312–328。
Întorsureanu, I., Oprea, S.-V., Bâra, A., & Vespan, D. (2025). 教育中的生成性AI：从学术角度的视角。电子学，14(5), 1053。
Kohnke, L., & Moorhouse, B. L. (2025). 通过生成性人工智能（GenAI）增强语言教育的情感方面：一项定性研究。《人类行为中的计算机》，167, 108600。
Makransky, G., Shiwalia, B. M., Herlau, T., & Blurton, S. (2025). 超越“哇”因素：利用生成性AI增加生成性意义构建。《教育心理学评论》，37(3)。
Miraglia, L. (2024). 生成性人工智能的承诺。教育背景下的心理学启示。《教育科学杂志》，62(1)。
Richmond, J. L., & Nicholls, K. (2024). 利用生成性AI促进本科心理学中的心理学、反馈和人工智能素养。《心理学教学》，52(3), 291–297。
Sengar, S. S., Hasan, A. B., Kumar, S., & Carroll, F. (2024). 生成性人工智能：一项系统评审及其应用。《多媒体工具与应用》，84(21), 23661–23700。
Singh, A., Guan, Z., & Rieh, S. Y. (2025). 通过元认知提示增强生成性AI搜索中的批判性思维。arXiv预印本 arXiv:2505.24014。
Tasdelen, O., & Bodemer, D. (2025). 教室中的生成性AI：情境个性化学习材料和任务对动机和表现的影响。《人工智能教育国际杂志》。
Thüs, D., Malone, S., & Brünken, R. (2024). 探索高等教育中的生成性AI：一种提高学生与科学文献互动的RAG系统。《心理学前沿》，15。