随着人工智能和人形机器人在教育、工作场所及日常生活中扮演越来越重要的角色，关于其辅助潜力的讨论日益增多。然而，一项发表在《Communications Psychology》上的最新研究提醒我们，智能支持并非总是意味着提供更多支持。这项由柏林卓越智能科学集群（SCIoI）的研究揭示，机器人教学中，高度个性化的错误反馈虽然能促进长期的学习掌握，但可能因增加认知负荷而暂时阻碍学习者在紧接着的尝试中恢复。

该研究题为“技术辅助学习任务中失败反馈的实时认知-情感动态”，由第一作者Helene Ackermann及其团队Anna L. Lange、Hanna Dumont、Verena V. Hafner和Rebecca Lazarides共同完成。他们深入探讨了90名成年学习者在机器人辅助学习任务中对自动化反馈的反应，旨在回答一个更深层次的问题：机器人支持何时才能真正帮助人类学习者？

斯瓦希里语空间谜题任务：探究实时反馈处理

为了测试学习者对实时反馈的处理能力，研究团队设计了一个独特的实验。90名成年参与者被要求根据一个人形机器人用斯瓦希里语（一种他们不熟悉的语言）发出的指令，将家用物品（瓶子、杯子、书）放置在房间的正确位置。学习者需要逐步解码机器人的指令，以解决这个空间谜题。

每次放置尝试后，机器人会给出反馈。当学习者犯错时，有时机器人仅告知放置错误；有时则会提供额外的提示，帮助学习者思考任务或反思策略。

三种反馈模式的比较

研究人员评估了三种不同的反馈模式：

• 非适应性固定反馈：机器人每次犯错后都提供相同的额外反馈，不考虑学习者的具体需求。
• 基于表现/愉悦度适应性反馈：反馈量根据学习者最近的表现和自我报告的愉悦度进行调整。
• 完全个性化反馈：反馈不仅适应学习者的表现和愉悦度，还参考了学习者特定的错误历史和过去的步骤，例如提醒学习者之前已经尝试过某个位置。

乍听之下，个性化反馈似乎是最智能、最有效的版本，因为它能记住学习者的过往行为并提供更具体的指导。然而，研究结果却更为复杂。

即时表现与整体表现的权衡

研究发现，个性化反馈虽然在整个任务过程中带来了最高的整体任务掌握度，但却暂时降低了学习者在下一次尝试中利用任务导向型提示的有效性。一个可能的解释是认知负荷。个性化信息包含更具体的细节，因此更长、更难处理。在犯错后，这些额外的细节可能对学习者的下一次尝试来说信息量过大，难以在短时间内有效处理。

正如研究员Anna Lange所说：“个性化反馈并非简单地好或坏。它似乎取决于时间尺度。在犯错后的那一刻，更具体的反馈可能会让学习者更难专注于下一步。但从整个任务来看，它仍然与更好的表现相关。”这表明，详细的反馈可能会在短期内减缓学习速度，但长期来看有助于建立更深入的理解。

机器人需“察言观色”，而非仅纠错

研究还揭示，相同的反馈并非对所有学习者都同样有效。认知能力较高的学习者从任务导向型反馈中获益较少，这可能是因为他们能够独立地处理错误修正。对他们而言，额外的提示可能作用不大，甚至可能分散注意力。

另一个令人惊讶的发现是，那些报告感到更无聊的学习者从任务导向型反馈中获得了更大的表现提升。在这种情况下，机器人的提示可能有助于重新引导他们的注意力，使他们重新投入到任务中。

这些结果共同表明，有效的机器人支持在很大程度上取决于所提供信息的数量和质量，以及学习者在特定时刻的认知和情感状态。Rebecca Lazarides指出：“教育技术常被讨论为个性化是最终目标。我们的发现表明，真正的挑战更具动态性：系统需要将个性化与对学习者情境性认知和情感状态的敏感评估相结合，并调整个性化支持的时机。”

机器人导师仍需学习的智慧

随着人形机器人在未来教育和辅助的公共讨论中日益突出，这项研究提醒我们：智能支持不等于更多的支持。研究结果并非建议机器人取代教师，也不是要避免个性化反馈。事实上，个性化反馈对于整体表现而言是最有效的策略，尽管它可能增加了情境性认知负荷。真正的挑战在于平衡个性化的益处与压倒学习者的风险，并设计人机交互时充分关注学习者的情境性认知和情感状态。

对于SCIoI而言，这项研究有助于更广泛地理解智能交互。机器人可以成为解决复杂学习任务的有用伙伴，但其支持的质量取决于它能否响应面前人类的认知和情感动态。最智能的导师可能不是那个总是知道该说什么的，而是那个知道何时该少说的。