DOI: https://doi.org/10.1038/s41539-025-00311-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40234444
تاريخ النشر: 2025-04-15
المؤلف: Jiaqi Yin وآخرون
الموضوع الرئيسي: التعلم عبر الإنترنت والتحليلات
نظرة عامة
تستكشف هذه الدراسة آثار أنواع مختلفة من التغذية الراجعة—التفكير التأملي، العاطفي، والمحايد—التي تقدمها روبوتات الدردشة المدفوعة بالذكاء الاصطناعي على نتائج التعلم ونشاط الدماغ، باستخدام تقنية تصوير الأشعة تحت الحمراء القريبة الوظيفية. تشير النتائج إلى أن الطلاب الذين تلقوا تغذية راجعة تفكيرية حققوا درجات نقل أعلى وأظهروا حساسية تفكيرية أكبر، إلى جانب زيادة النشاط في المنطقة الجبهية القطبية والتلفيف الزمني الأوسط، مع ارتباط هذا النشاط بالحساسية التفكيرية.
في المقابل، أظهر الطلاب الذين تلقوا تغذية راجعة عاطفية درجات احتفاظ أفضل مقارنة بأولئك الذين تلقوا تغذية راجعة محايدة، مع زيادة النشاط في التلفيف الفوق هامشي. ومن الجدير بالذكر أن الطلاب الذين تعرضوا لتغذية راجعة محايدة أظهروا نشاطًا أكبر في القشرة الجبهية الجانبية مقارنة بأقرانهم الذين تلقوا أنواع أخرى من التغذية الراجعة. بالإضافة إلى ذلك، كان نموذج التعلم الآلي قادرًا على تحديد مناطق الدماغ الحيوية التي تنبأت بدرجات النقل. تسلط هذه النتائج الضوء على الدور المهم لأنواع التغذية الراجعة المتنوعة في تعزيز التعلم من خلال التفاعلات بين الإنسان وروبوتات الدردشة وتوفر رؤى عصبية في الآليات الأساسية.
طرق البحث
استخدمت الدراسة نهج التعلم الشخصي لتعليم الطلاب حول نظام القلب والأوعية الدموية البشري، باستخدام مواد تفاعلية تضمنت صورًا ونصوصًا وعناصر حوارية. كانت محتويات التعلم تتكون من 15 مفهومًا رئيسيًا، تم تقديمها بأسلوب حواري لتعزيز التفاعل. شارك الطلاب في اختبار مسبق لتقييم معرفتهم الأولية، تلاه جلسة تفاعلية مع روبوت دردشة قادهم من خلال وحدات التعلم. تضمنت كل وحدة مرحلة تعلم، وتقييم ذاتي، وتغذية راجعة، مع ردود مخصصة بناءً على فهم الطلاب المبلغ عنه ذاتيًا. كانت التغذية الراجعة متنوعة عبر المجموعات، مع مطالبات تفكيرية لمجموعة التغذية الراجعة التفكيرية (MF) وتشجيع لمجموعة التغذية الراجعة العاطفية (AF)، بينما تلقت مجموعة التغذية الراجعة المحايدة (NF) تعليمات قياسية.
لجمع البيانات، تم استخدام تقنية تصوير الأشعة تحت الحمراء القريبة الوظيفية (fNIRS) لمراقبة نشاط الدماغ أثناء التعلم. قاس النظام الاستجابات الديناميكية الدموية في القشرة الجبهية والمناطق الزمنية الجدارية اليمنى، وتم معالجة البيانات باستخدام Matlab وتحليلها من خلال نموذج خطي عام (GLM). كانت الدراسة تهدف إلى تقييم ليس فقط الاحتفاظ بالمعرفة من خلال الاختبارات اللاحقة ولكن أيضًا تطبيق المفاهيم المتعلمة في سيناريوهات جديدة، من خلال تقييم حساسية الطلاب التفكيرية من خلال مقارنة تقييماتهم للثقة مع أدائهم الفعلي.
النتائج
تحققت الدراسة من آثار أنواع مختلفة من التغذية الراجعة على نتائج التعلم، الحساسية التفكيرية، ونشاط الدماغ بين طلاب الجامعات. تم تقسيم المشاركين إلى ثلاث مجموعات: التغذية الراجعة التفكيرية (MF)، التغذية الراجعة العاطفية (AF)، والتغذية الراجعة المحايدة (NF). أشارت النتائج إلى أن مجموعة MF أظهرت درجات احتفاظ ونقل أعلى بشكل ملحوظ مقارنة بمجموعة NF، مع كون درجات الاحتفاظ أيضًا أعلى في مجموعة AF مقارنة بمجموعة NF. كانت الحساسية التفكيرية أعلى بشكل ملحوظ في مجموعة MF مقارنة بكل من مجموعتي AF وNF. كشفت أنماط نشاط الدماغ عن اختلافات كبيرة عبر المجموعات، حيث أظهرت مجموعة MF نشاطًا متزايدًا في القشرة الجبهية الجانبية (DLPFC)، المنطقة الجبهية القطبية، والتلفيف الزمني الأوسط أثناء التعلم، بينما أظهرت مجموعة AF زيادة في النشاط في DLPFC والتلفيف الفوق هامشي.
أوضحت تحليلات التعلم الآلي العلاقات العصبية السلوكية، كاشفة أن نشاط الدماغ أثناء وحدة التعلم كان مؤشرًا أفضل لدرجات النقل من المراحل الفردية. ظهر نموذج الأشجار الإضافية كأكثر أداة تنبؤية فعالة عبر جميع المجموعات، مع تحديد مناطق الدماغ الرئيسية مثل DLPFC والتلفيف الفوق هامشي كمؤشرات هامة. ومن الجدير بالذكر أن مجموعة MF أظهرت ارتباطًا إيجابيًا بين نشاط DLPFC والحساسية التفكيرية، بينما أظهرت مجموعة AF علاقة غير خطية بين نشاط الدماغ ودرجات النقل. بشكل عام، تؤكد النتائج على أهمية نوع التغذية الراجعة في تعزيز نتائج التعلم والتفاعل المعقد بين نشاط الدماغ والعمليات المعرفية.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الدور المهم لأنواع التغذية الراجعة في تعزيز نتائج التعلم خلال التفاعلات بين الإنسان وروبوتات الدردشة. تحدد الدراسة ثلاث نتائج رئيسية: (1) الاختلافات في نتائج التعلم بناءً على نوع التغذية الراجعة، (2) العمليات العصبية والنفسية المرتبطة بهذه الأنواع من التغذية الراجعة، و(3) مناطق الدماغ المحددة التي تتنبأ بدرجات النقل عبر مجموعات التغذية الراجعة المختلفة. ومن الجدير بالذكر أن التغذية الراجعة التفكيرية (MF) كانت مرتبطة بتحسين درجات الاحتفاظ والنقل، حيث تعزز الوعي الذاتي والتفكير التأملي، مما يمكّن الطلاب من تعديل استراتيجيات تعلمهم بشكل فعال. في المقابل، أثارت التغذية الراجعة المحايدة (NF) نشاطًا أكبر في القشرة الجبهية الجانبية (DLPFC)، مما يشير إلى استراتيجية معالجة معرفية مختلفة تركز على متطلبات المهمة بدلاً من التفكير العاطفي أو التفكيري.
تؤكد الدراسة أيضًا على أهمية أنماط نشاط الدماغ، خاصة في DLPFC، المنطقة الجبهية القطبية، والتلفيف الزمني الأوسط، المرتبطة بالذاكرة العاملة، والتفكير التأملي، والمعالجة الدلالية، على التوالي. تشير النتائج إلى أن التغذية الراجعة التفكيرية لا تعزز التعلم الفوري فحسب، بل تؤثر أيضًا على العملية التعليمية العامة من خلال تعزيز الفهم الأعمق وتوحيد الذاكرة. بالإضافة إلى ذلك، كشفت استخدام نماذج التعلم الآلي أن ميزات نشاط الدماغ يمكن أن تتنبأ بدرجات النقل، مما يبرز الإمكانية لاستراتيجيات التغذية الراجعة التكيفية في السياقات التعليمية. يجب أن تستكشف الأبحاث المستقبلية آثار التغذية الراجعة الشخصية وتحقق في الآليات العصبية الكامنة وراء التغذية الراجعة في كل من التفاعلات بين الإنسان والإنسان وبين الإنسان وروبوتات الدردشة لتحسين نتائج التعلم بشكل أكبر.
DOI: https://doi.org/10.1038/s41539-025-00311-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40234444
Publication Date: 2025-04-15
Author(s): Jiaqi Yin et al.
Primary Topic: Online Learning and Analytics
Overview
This study explores the effects of different types of feedback—metacognitive, affective, and neutral—provided by AI-driven chatbots on learning outcomes and brain activity, utilizing functional near-infrared spectroscopy. The results indicate that students who received metacognitive feedback achieved higher transfer scores and demonstrated greater metacognitive sensitivity, alongside increased activation in the frontopolar area and middle temporal gyrus, with this activation correlating with metacognitive sensitivity.
In contrast, students receiving affective feedback exhibited better retention scores compared to those receiving neutral feedback, with heightened activation in the supramarginal gyrus. Notably, students exposed to neutral feedback showed greater activation in the dorsolateral prefrontal cortex than their peers receiving other feedback types. Additionally, a machine learning model was able to identify critical brain regions that predicted transfer scores. These findings highlight the significant role of varied feedback types in enhancing learning through human-chatbot interactions and provide neurophysiological insights into the underlying mechanisms.
Methods
The study employed a personalized learning approach to teach students about the human cardiovascular system, utilizing interactive materials that included images, text, and conversational elements. The learning content consisted of 15 key concepts, presented in a conversational style to enhance engagement. Students participated in a pre-test to assess their initial knowledge, followed by an interactive session with a chatbot that guided them through learning modules. Each module included a learning phase, self-assessment, and feedback, with tailored responses based on students’ self-reported understanding. The feedback varied across groups, with metacognitive prompts for the metacognitive feedback (MF) group and encouragement for the affective feedback (AF) group, while the neutral feedback (NF) group received standard instructions.
For data collection, functional near-infrared spectroscopy (fNIRS) was used to monitor brain activity during learning. The system measured hemodynamic responses in the prefrontal cortex and right temporoparietal areas, with data processed using Matlab and analyzed through a general linear model (GLM). The study aimed to evaluate not only retention of knowledge through post-tests but also the application of learned concepts in novel scenarios, assessing students’ metacognitive sensitivity by comparing their confidence ratings with their actual performance.
Results
The study investigated the effects of different types of feedback on learning outcomes, metacognitive sensitivity, and brain activity among college students. Participants were divided into three groups: Metacognitive Feedback (MF), Affective Feedback (AF), and Neutral Feedback (NF). Results indicated that the MF group exhibited significantly higher retention and transfer scores compared to the NF group, with retention scores also being higher in the AF group than in the NF group. Metacognitive sensitivity was notably higher in the MF group than in both the AF and NF groups. Brain activation patterns revealed significant differences across groups, with the MF group showing heightened activation in the dorsolateral prefrontal cortex (DLPFC), frontopolar area, and middle temporal gyrus during learning, while the AF group demonstrated increased activation in the DLPFC and supramarginal gyrus.
Machine learning analyses further elucidated the neural-behavioral relationships, revealing that brain activity during the learning module was a better predictor of transfer scores than individual phases. The Extra Trees model emerged as the most effective predictive tool across all groups, with key brain regions such as the DLPFC and supramarginal gyrus identified as significant predictors. Notably, the MF group showed a positive correlation between DLPFC activation and metacognitive sensitivity, while the AF group exhibited a nonlinear relationship between brain activity and transfer scores. Overall, the findings underscore the importance of feedback type in enhancing learning outcomes and the intricate interplay between brain activity and cognitive processes.
Discussion
The discussion section of the research paper highlights the significant role of feedback types in enhancing learning outcomes during human-chatbot interactions. The study identifies three primary findings: (1) variations in learning outcomes based on feedback type, (2) the neural and psychological processes associated with these feedback types, and (3) specific brain regions that predict transfer scores across different feedback groups. Notably, metacognitive feedback (MF) was linked to improved retention and transfer scores, as it fosters self-awareness and reflective thinking, enabling students to adapt their learning strategies effectively. In contrast, neutral feedback (NF) elicited greater activation in the dorsolateral prefrontal cortex (DLPFC), suggesting a different cognitive processing strategy focused on task demands rather than emotional or metacognitive reflection.
The study also emphasizes the importance of brain activation patterns, particularly in the DLPFC, frontopolar area, and middle temporal gyrus, which are associated with working memory, metacognition, and semantic processing, respectively. The findings indicate that metacognitive feedback not only enhances immediate learning but also influences the overall learning process by promoting deeper understanding and memory consolidation. Additionally, the use of machine learning models revealed that brain activity features could predict transfer scores, underscoring the potential for adaptive feedback strategies in educational contexts. Future research should explore the effects of personalized feedback and investigate the neural mechanisms underlying feedback in both human-human and human-chatbot interactions to optimize learning outcomes further.