论文标题：Investigating the Impact of an Intelligent Learning Companion on Learning Effect and Experience in Analog Circuit Laboratory Instruction

期刊：Frontiers of Digital Education

作者：Xinyi Tian, Jianwei Li, Yanli Ji

发表时间：20 Nov 2025

DOI：10.1007/s44366-026-0079-x

微信链接：点击此处阅读微信文章

随着人工智能技术的飞速发展，工程教育正经历着深刻的变革，旨在培养适应21世纪需求的创新型人才。然而，传统的实验教学模式往往面临学生认知负荷高、教师难以提供实时个性化指导等挑战，阻碍了学生对深层知识的构建。如何利用AI技术优化教学分工，提升实践类课程的教学效果，成为当前教育改革的重要课题。

图1 基于个性化检索增强生成（RAG）的智能学伴系统

研究论文

北京邮电大学李建伟副教授研究团队在Frontiers of Digital Education（《数字教育前沿（英文）》）期刊发表题为Investigating the Impact of an Intelligent Learning Companion on Learning Effect and Experience in Analog Circuit Laboratory Instruction（《探究智能学伴在模拟电路实验教学中的学习效果与学习体验影响》）的文章。该研究探讨了一种基于检索增强生成（RAG）的智能学伴系统（ILCS）在模拟电路实验教学中的应用。通过对比实验，深入分析了人机协同教学模式对学生知识获取、学习效果及心流体验的影响，为构建以学习者为中心的实践导向型教学模型提供了新的理论与实践视角。

图2 基于个性化检索增强生成的智能学伴系统架构

研究以模拟电路实验课程为案例，设计并部署了一个基于RAG的智能学伴系统。该系统通过整合课程电子教材、教学计划等知识库以及学生的学习档案，能够为学生提供准确、可靠且个性化的实验指导与即时反馈。研究采用随机对照实验设计，将学生分为实验组（使用ILCS）和对照组（仅由教师指导），重点从知识获取、学习效果（认知、技能、情感）和心流体验三个核心维度进行了量化评估。

图3 评估教学方法对知识习得、学习效果及沉浸体验影响的实验流程

实验结果揭示了智能学伴在不同维度上的差异化影响。在知识获取方面，虽然统计结果显示两组在知识掌握上没有显著差异，但效应量分析表明ILCS具有中等的实际影响，说明系统在帮助学生快速构建基础知识方面具有潜在价值。更重要的是，在学习效果上，使用ILCS的实验组在技能维度上表现出显著提升，系统提供的即时技术支持有效增强了学生的动手实践能力和解决问题的效率。同时，在心流体验方面，ILCS显著提升了学生的沉浸感与时间转换以及自足体验。学生反馈表明，在系统的辅助下，他们能更专注于实验过程，体验到更高的学习乐趣和投入度。

基于心流理论和认知负荷理论，本研究进一步探讨了在人机协同教学中的角色优化问题。研究指出，ILCS虽然有效，但不能完全取代教师的角色。理想的教学分工应遵循“系统优先，教师兜底”的原则：基础性的程序问题、知识查询及即时反馈由AI学伴解决，以降低教师负担；而更高层次的概念引导、情感支持、复杂问题的解决以及价值观塑造仍需由教师主导。这种明确的角色分配能够最大化人机协同的效用，避免学生对AI产生过度依赖或“元认知懒惰”。

总体而言，该研究证实了智能学伴系统能够有效降低学生的低阶认知负荷，强化动手学习，提升学生参与度。它证明了在实践导向的工程教育中，AI作为教师的补充者具有巨大潜力。未来的教育模式应明确界定教师、学生与智能系统的职责，通过优势互补，构建更加高效、个性化且具沉浸感的智能教育生态系统。

文章信息

Xinyi Tian, Jianwei Li, Yanli Ji. Investigating the Impact of an Intelligent Learning Companion on Learning Effect and Experience in Analog Circuit Laboratory Instruction. Frontiers of Digital Education, 2026, 3(1): 5DOI: 10.1007/s44366-026-0079-x

识别二维码 免费获取原文

作者简介

田心怡，北京邮电大学人文学院教育技术学专业 2024 级研究生，研究方向聚焦于生成式人工智能赋能的智能学伴系统，关注大模型在实验教学场景中的应用与学习体验提升。

李建伟，北京邮电大学人文学院副教授、硕士生导师，教育部课程思政教学名师，北京高校优秀专业课主讲教师。长期从事智能教育技术、自适应学习与教育数字化研究，主持和参与10余项省部级及以上项目，发表论文40余篇，编写教材2部。先后获得教育部课程思政示范课程、北京市高等教育教学成果二等奖、北京高校优质本科课程等8项省部级及以上奖励。在个性化学习支持、学习分析与智能教育系统研发方面成果丰富，是智能教育领域的重要推动者之一。

姬艳丽，北京邮电大学电子工程学院副教授，教育部课程思政教学名师，北京移动教学创新奖获得者，北京高校优秀毕业论文（设计）优秀指导教师。长期主讲《电路分析》《模拟电路》《数字电路》等课程。主持和参与多项国家级精品课程、资源共享课程及课程思政示范项目建设。担任多部通信类考试教材与专业教材的主编或副主编。曾获“吴文俊人工智能科学技术奖”三等奖。目前主要从事电子信息类基础课程教学研究、虚拟现实技术与智能教育应用研究。

往期回顾

论文解读 | 魏顺平等：大数据在教育评价中的应用

论文解读 | 系统性文献综述：生成式人工智能在教育中应用的实证研究

FDE专题征稿 | 高等教育中的个性化学习与人工智能驱动的创新

期刊介绍

期刊特点

1. 国际化投审稿平台Editorial Manager方便快捷。

2. 严格的同行评议（Peer Review）。

3. 免费语言润色，有力保障出版质量。

4. 不收取作者任何费用。

5. 不限文章长度。

6. 审稿周期：第一轮平均30天，投稿到录用平均60天。

7. 在线优先出版（CAP）。

8. 通过SpringerLink平台面向全球推广。

在线浏览

https://journal.hep.com.cn/fde

（中国大陆免费下载）

https://link.springer.com/journal/44366

在线投稿

https://www.editorialmanager.com/fode/

邮发代号‍‍‍‍‍

80-164

联系我们

fde@hep.com.cn

010-58582344, 010-58581581