徐振國 王悅 謝萬里 黨同桐 費建翔

摘要：當前，教育數(shù)字化轉(zhuǎn)型助推人機協(xié)同教學的研究與實踐日漸增多，但其對學生學習效果的影響尚存爭議。為此，文章采用元分析方法，對國內(nèi)外43篇實驗和準實驗研究文獻進行分析，發(fā)現(xiàn)人機協(xié)同教學對學習效果具有中等正向影響，并且對能力層面的影響更為顯著。之后，文章將學段、學科、知識類型、協(xié)同形式作為調(diào)節(jié)變量，檢驗了調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)，并根據(jù)元分析結(jié)果提出了有效開展人機協(xié)同教學的建議。文章通過研究，旨在發(fā)揮人機協(xié)同教學的最佳效用，推動人工智能與教育教學的深度融合。

關(guān)鍵詞：人機協(xié)同教學；學習效果；元分析；教育數(shù)字化

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）02—0033—10 【DOI】10.3969/j.issn.1009-8097.2024.02.004

在人工智能賦能教與學的現(xiàn)實背景下，強調(diào)人類智慧與機器智能融合共生，在協(xié)作中發(fā)揮各自優(yōu)勢以實現(xiàn)“混合增強智能”，并致力于促進教育數(shù)字化轉(zhuǎn)型和提升學生核心素養(yǎng)的人機協(xié)同教學得到日益重視。智能教學系統(tǒng)、教育機器人、教育智能體等機器智能作為虛擬助教、學習同伴、智能導師等角色與教師協(xié)同教學，能夠為學習者營造學習情境、規(guī)劃學習路徑、推薦學習資源、提供問題解答等，可實現(xiàn)精準、自適應(yīng)、個性化的交互式學習，并促使教育教學走向智能化、協(xié)同化、高效化的新階段。此外，人機協(xié)同教學近年來也頻繁出現(xiàn)于美國教育傳播與技術(shù)協(xié)會（Association for Educational Communications and Technology，AECT）年會、美國教育研究協(xié)會（American Educational Research Association，AERA）年會、全球華人計算機教育應(yīng)用大會（Global Chinese Conference on Computers in Education，GCCCE）等國際會議上各國學者研討的話題之中。由此可見，在人工智能浪潮的持續(xù)滲透及影響下，人機協(xié)同教學已然成為教育教學研究與實踐的新風向，是教育數(shù)字化轉(zhuǎn)型的應(yīng)然形態(tài)，其重要性日益凸顯。但與此同時，人機協(xié)同教學在實際應(yīng)用中的成效問題愈加受到關(guān)注，成為教育技術(shù)和教育人工智能領(lǐng)域的研究要點。雖然人機協(xié)同教學的研究與實踐日漸增多，然而關(guān)于此種教學方式是否對學生的學習效果具有顯著影響的問題，遲遲沒有定論，并且缺乏對人機協(xié)同教學效果進行全面而系統(tǒng)的整理與分析?；诖?，本研究采用元分析方法，梳理和解析人機協(xié)同教學的實證研究成果，并探究人機協(xié)同教學對學生學習效果的影響，以期為相關(guān)研究提供借鑒，使人工智能更好地服務(wù)于教育教學，為學生高階思維能力的培養(yǎng)提供支撐與幫助。

一 文獻綜述

為驗證人機協(xié)同教學對學生學習效果的影響，部分學者開展了教學實踐，并通過實驗或準實驗的方法進行研究，但由于自變量、因變量以及對干擾變量的控制程度存在差異，其研究結(jié)論并不相同。目前，研究結(jié)論主要有以下三種：

①人機協(xié)同教學對學生的學習效果有顯著積極影響。例如，梁云真等[1]以小學信息技術(shù)課為例進行準實驗研究，研究結(jié)果表明實驗組學生計算概念、計算實踐和計算觀念的水平相比對照組學生得到顯著提升，人機協(xié)同精準教學有利于培養(yǎng)學生的計算思維。②人機協(xié)同教學對學生的學習效果有顯著消極影響。例如，Hsiao等[2]探究智能機器人iRobiQ作為學習伙伴、學習工具與學生進行雙向互動對閱讀素養(yǎng)的影響，通過對學生閱讀理解能力、講故事能力、單詞識別能力、故事復述能力的測驗發(fā)現(xiàn)，有iRobiQ輔助學習的實驗組學生的講故事能力低于沒有智能工具支持的對照組。③人機協(xié)同教學對學生的學習效果沒有顯著影響。例如，Roscoe等[3]選取141名高中生作為研究對象，在學生的寫作訓練中讓智能輔導系統(tǒng)Writing Pal全程參與，評估實驗前后作品的各項指標后發(fā)現(xiàn)，智能輔導系統(tǒng)的運用對作品質(zhì)量沒有顯著影響，無法得出其提升了學生寫作能力的結(jié)論。

綜上所述，國內(nèi)外已有較多人機協(xié)同教學實踐的研究，但人機協(xié)同教學的效果尚存爭議，所得結(jié)果并不一致，其研究結(jié)論值得去深度剖析和挖掘，以便從中得到啟示，進而提升學習效果，推進教育數(shù)字化轉(zhuǎn)型和教育教學的高質(zhì)量發(fā)展。鑒于此，本研究將對國內(nèi)外關(guān)于人機協(xié)同教學的實驗與準實驗研究進行元分析，探究人機協(xié)同教學對學習效果的整體影響，并揭示調(diào)節(jié)變量對學習效果的調(diào)節(jié)效應(yīng)，從而根據(jù)研究結(jié)論提出適切性建議，為教育數(shù)字化轉(zhuǎn)型視域下的人機協(xié)同教學提供參考。

二 研究設(shè)計

1 文獻檢索

本研究首先在國內(nèi)外文獻數(shù)據(jù)庫中檢索以“人機協(xié)同教學”為主題的相關(guān)文章，中文文獻的主要來源為中國知網(wǎng)，在該數(shù)據(jù)庫內(nèi)以“人機協(xié)同”“人工智能”“機器人”“教學”“雙師課堂”“智能教學”“智能輔導系統(tǒng)”“思維”“能力”“學習效果”等為關(guān)鍵詞進行單獨檢索或組合檢索；英文文獻則來源于Springer、ERIC、Web of Science、Elsevier Science Direct、ProQuest等數(shù)據(jù)庫，以“Human-machine co-teaching”“Human-computer co-teaching”“Robot”“Artificial intelligence”“Dual-teacher teaching”“Intelligent Tutoring System”“Intelligent teaching”“Learning outcomes”“Learning effect”“Learning achievements”等為關(guān)鍵詞進行檢索。檢索的文獻類型包括期刊論文、學位論文、國際會議論文，但為了保證研究的質(zhì)量和可靠性，選取的論文主要為核心期刊論文、碩博士學位論文以及具有一定影響力的會議論文。然后，本研究采用“滾雪球”方式，再次檢索首輪檢索所得文獻中的參考文獻，以確保文獻檢索的全面性。最終，本研究共檢索到中英文文獻1321篇，將重復的文獻刪除后，得到中英文文獻1094篇。

2 文獻篩選

為進一步對已檢索到的文獻進行更為細致的深度篩選，確定符合研究條件的文獻樣本，本研究制定了以下文獻篩選標準：①研究內(nèi)容涉及人機協(xié)同教學對學習效果的影響，剔除偏離研究主題的無效文獻；②研究方法為實驗或準實驗，自變量為各種形式的人機協(xié)同教學，因變量為學習效果，刪除文獻綜述、理論探討、軟件開發(fā)等類型文獻；③研究需設(shè)置實驗組和對照組，比較學習效果的差異，去除僅有前測和后測結(jié)果，沒有對照實驗的研究；④研究應(yīng)包含計算效應(yīng)值所需的數(shù)據(jù)，如實驗組與對照組的平均值、樣本數(shù)、標準差、均值差、t值、p值等數(shù)據(jù)。篩選過后，得到符合以上標準的文獻共43篇，包括11篇中文文獻和32篇英文文獻，共得到74個效應(yīng)量（其中部分實驗與準實驗研究包括多個效應(yīng)量）。因30篇及以上的文獻樣本數(shù)量為進行元分析研究的較優(yōu)選擇，所以該研究樣本滿足數(shù)量要求，元分析結(jié)果具有信服力。

3 文獻編碼

本研究根據(jù)Bloom的教學目標理論，將因變量學習效果歸為認知、能力與情感三個維度。然后，將學段、學科、知識類型、協(xié)同形式設(shè)為本研究的調(diào)節(jié)變量。其中，學段包括學前、小學、中學、大學、跨學段5個類別；根據(jù)所納入文獻涉及的教學領(lǐng)域，本研究將學科大致編碼為理工、體藝、人文和其他4個類型；知識類型則根據(jù)Anderson對知識的描述，分為講述事物原理和關(guān)系的陳述性知識和突出技能掌握、操作實踐的程序性知識[4]；協(xié)同形式方面，高瓊等[5]認為人機協(xié)同教學主要包括有形的人機協(xié)同教學、無形的人機協(xié)同教學、混合人機協(xié)同教學三種形式，本研究以此為依據(jù)對人機協(xié)同教學形式進行編碼。由于檢索到的混合人機協(xié)同教學的研究文獻未能滿足研究樣本的篩選原則，因此人機協(xié)同教學形式被編碼為有形的人機協(xié)同教學和無形的人機協(xié)同教學兩種。調(diào)節(jié)變量的編碼情況如表1所示。團隊中的兩名研究者在專家指導下進行獨立編碼，Kappa系數(shù)值為0.896，說明編碼結(jié)果的信度良好。

4 研究方法

本研究通過元分析方法，首先對以人機協(xié)同教學效果為研究主題的實驗與準實驗研究執(zhí)行編碼操作，然后從中提取樣本數(shù)、均值、標準差等數(shù)據(jù)來計算效應(yīng)值，并通過效應(yīng)值的大小來評估人機協(xié)同教學對學習效果的影響程度。同時，本研究使用差異類效應(yīng)值來衡量實驗效應(yīng)強度，Cohens d、Hedgess g是研究中常用的差異類效應(yīng)值，相較而言，針對小樣本的研究Hedgess g值可以更好地糾正研究的統(tǒng)計誤差[6]，因此選擇Hedgess g作為本研究的效應(yīng)值。此外，本研究采用界面清晰直觀、簡單易操作的Comprehensive Meta-Analysis 3.0作為元分析工具。

三 研究結(jié)果

1 出版偏倚和異質(zhì)性檢驗

（1）出版偏倚檢驗

本研究采用直觀明了的漏斗圖、在小樣本研究中有較高統(tǒng)計檢驗力的Eggers檢驗以及失安全系數(shù)（Fail-safe Number）來評估出版偏倚情況[7]。圖1為本研究得到的出版偏倚檢驗漏斗圖，可以看出，代表研究樣本效應(yīng)量的點均勻地散布在合并效應(yīng)值所在中軸線的兩側(cè)，呈對稱樣，且多數(shù)集中于漏斗圖的中上部分，初步表明研究樣本基本不存在出版偏倚。考慮到通過目測方式得出的結(jié)果可能會出現(xiàn)偏差，因此本研究繼續(xù)采用Eggers檢驗和失安全系數(shù)進行評估，經(jīng)過計算，本研究中t值=1.372＜1.96，p值=0.178＞0.05，并且失安全系數(shù)為3377，遠高于臨界值5K+10（K表示效應(yīng)量數(shù)目），表明研究樣本不存在出版偏倚情況，研究獲得的效應(yīng)值較為穩(wěn)固，研究結(jié)論能夠正確反映真實情況。

（2）異質(zhì)性檢驗

Q檢驗和I2檢驗為異質(zhì)性檢驗的常用方法。其中，Q檢驗是假設(shè)所有研究具有同質(zhì)性，其結(jié)果主要關(guān)注p值，如果p值大于0.1，表示研究同質(zhì)，反之則說明異質(zhì)性存在。I2統(tǒng)計量反映了非隨機誤差的真正異質(zhì)性在效應(yīng)量總的變異中所占的比率，Higgins等[8]指出可將25%、50%、75%作為低、中、高異質(zhì)性的臨界值。經(jīng)過計算，本研究得到表2所示的結(jié)果，p=0.000＜0.1，I2=90.432%，表明異質(zhì)性檢驗達到顯著水平且為高異質(zhì)性。在此情形下，本研究選用隨機效應(yīng)模型進行合并效應(yīng)值的計算，防止其偏離真實值而造成偏倚，使結(jié)果更加具有真實性，靠近無偏推斷。

2 人機協(xié)同教學對學習效果的影響

（1）人機協(xié)同教學對學習效果整體的影響

效應(yīng)值又稱效應(yīng)量，根據(jù)Cohen[9]提出的標準，0.2為小的效應(yīng)值，0.5為中的效應(yīng)值，0.8為大的效應(yīng)值。效應(yīng)值越大，表示效應(yīng)越強，也就是影響越顯著。由表2可知，本研究所選擇的隨機效應(yīng)模型的合并效應(yīng)值（0.624）達到顯著水平（p＜0.001），并且合并效應(yīng)值在0.5～0.8之間，為中度效應(yīng)值，視為中等影響。隨機效應(yīng)模型的95%置信區(qū)間為[0.423， 0.824]，不包含0，說明人機協(xié)同教學對學習效果的影響可能不是偶然發(fā)生的。簡而言之，人機協(xié)同教學對學習效果具有顯著且積極的中等程度的影響，即人工智能支持的人機協(xié)同教學可有效促進學生的學習效果，對學生學習成績的提高和學習質(zhì)量的提升有所助益。

（2）人機協(xié)同教學對學習效果各維度的影響

本研究從認知、能力、情感三個維度深度剖析人機協(xié)同教學對學習效果的影響，經(jīng)過計算，得到表3所示的結(jié)果，認知維度、能力維度、情感維度的合并效應(yīng)值分別為0.601、0.953、0.783，均在0.001水平上顯著?？梢姡藱C協(xié)同教學無論是在認知習得層面、能力提升層面還是情感喚醒或維系層面，均具有顯著影響。相較而言，人機協(xié)同教學對能力維度的影響水平要更高，具有高度影響作用，而在認知與情感層面相對較弱，影響程度處于中等水平。進一步觀察組間效應(yīng)，得到QBET=2.489，p=0.288＞0.05，結(jié)果顯示并不存在顯著差異，可見人機協(xié)同教學對認知、能力、情感層面的影響作用基本相同。

（3）知識類型、協(xié)同形式對學習效果起調(diào)節(jié)效應(yīng)

知識類型層面上，人機協(xié)同教學對不同類型知識的學習均有顯著影響，但對程序性知識的作用效果更勝一籌。陳述性知識主要包括理論、概念以及事物間的聯(lián)系等，學習起來較為抽象，人機協(xié)同教學雖可通過智能工具將其以直觀形象、易于理解的方式傳遞給學生，但又因其枯燥、乏味的知識特點容易對其學習效果產(chǎn)生負面影響。程序性知識是解決“做什么”和“怎么做”的知識，分為智慧技能、動作技能和認知策略，強調(diào)智適應(yīng)推送、深層次交互、智慧引領(lǐng)的人機協(xié)同教學是賦能認知技能、思維能力有效提升的重要方法，動作技能與心智技能相輔相成，人機協(xié)同教學對程序性知識的學習具有獨特優(yōu)勢。

協(xié)同形式層面上，兩種協(xié)同形式的人機協(xié)同教學對學生而言均有積極正向的影響，其中無形的協(xié)同形式對學習效果的提升作用遠低于有形的協(xié)同形式，且差異明顯。究其原因，一方面，有形的人機協(xié)同中的“機”在教學過程中往往以導師、同伴等角色存在，在協(xié)助教師進行個性化、精準化教學的同時還能夠給學生提供一定的情感支持，以便緩解孤獨感，喚起學生積極的學習情感；另一方面，無形的人機協(xié)同教學主要通過學習分析技術(shù)，挖掘?qū)W習行為數(shù)據(jù)和網(wǎng)絡(luò)日志數(shù)據(jù)，協(xié)同教師對學習過程實行精準有效的干預，但學生與智能軟件間的交互較為被動或停留在淺層交互，導致學習效果提高方面的預期未達到理想結(jié)果。

2 研究建議

為了更大程度地挖掘人機協(xié)同教學在提升學生學習效果方面的價值，本研究結(jié)合上述研究結(jié)論，提出以下建議：

（1）增強學生的智慧學習力，提升學習效果

通過研究發(fā)現(xiàn)，人機協(xié)同教學對學習效果整體的影響作用處在中度程度水平，且存在進一步提升的空間。學生是教育的出發(fā)點，亦是人機協(xié)同教學的落腳點。人機協(xié)同教學不同于信息技術(shù)教育應(yīng)用的傳統(tǒng)模式，其推動了使信息技術(shù)與教育教學從融合應(yīng)用邁入創(chuàng)新發(fā)展，滿足了學生的差異化學習需求，為學生全面而有個性的發(fā)展帶來了更多可能。人機協(xié)同教學環(huán)境下，學生利用智能軟件或智能硬件助力學習能力和素養(yǎng)的提升是提高學習效果的關(guān)鍵，因此可以通過對學生智慧學習力的培養(yǎng)，深化學習效果：首先，可以加強智能工具在日常教學中的應(yīng)用，培養(yǎng)學生的適應(yīng)性和自覺性，提升數(shù)字勝任力和數(shù)字素養(yǎng)，使其逐步具備進行人機協(xié)同學習的能力；其次，教師要引導學生養(yǎng)成使用智能軟件或智能硬件的正確態(tài)度，提高學生的自控能力，防止過度依賴和濫用，產(chǎn)生負向作用；再者，幫助學生明晰學習目標、制定學習策略、選擇學習方法等，關(guān)注學生在人機協(xié)同教學環(huán)境下的自我覺察、自我調(diào)節(jié)能力；最后，自我評價、自我反思在人機協(xié)同教學過程中也同樣重要，教師可通過智能工具的反饋促使學生進行有效反思和總結(jié)。學生智慧學習力的增進，能夠使其樹立學習的“主體意識”[12]，享受人機協(xié)同教學提供的伴隨式、科學化、精準化學習支持服務(wù)，挖掘自身學習潛能，提升高階思維能力。

（2）提高“機器”的智能水平，滿足多元需求

正如研究結(jié)論所述，在中高等教育階段，隨著學生學習能力和自我認知水平的提高，其學習需求也更具差異性，此時人機協(xié)同教學的優(yōu)勢并不明顯，效果水平距離期望尚有差距。從此點出發(fā)，首先，可進一步在智能軟件或智能硬件中融入邊緣計算、情感計算、數(shù)據(jù)挖掘等技術(shù)，多通道采集學習數(shù)據(jù)，精準覺察學習進程，構(gòu)建更為完善的學生畫像，凸顯人機協(xié)同教學的優(yōu)勢，以更全面透徹地了解分析學生，并據(jù)其認知、情感、行為等的特點，給予適切且具有針對性的資源推薦、路徑生成和評價反饋，滿足中高等階段學生高階學習的需要[13]。其次，可以將人工智能深度融入教學全過程，提高智能工具或智能設(shè)備的智能化水平，如在符合倫理要求的前提下，以學生和教師為對象，通過智能感知設(shè)備采集聽覺、視覺、知覺等多感官數(shù)據(jù)，分析生理、心理、行為等多維度信息，從學生自身狀態(tài)和教師行為對學生的影響等多層面開展學情分析，在適切的時間為學生提供精準學習干預。最后，通過前沿智能技術(shù)賦能的人機協(xié)同教學，人機優(yōu)勢得以充分發(fā)揮，智能工具可提供即時的反饋與指導、豐富的學習資源與工具、個性化的學習路徑與評價；教師束縛的“雙手”得以解放，使其可以承擔情感性、啟發(fā)性、創(chuàng)新性的工作，并將關(guān)注點從學生的外部行為轉(zhuǎn)向情感、思維、能力等內(nèi)部層面，有益于滿足學生個性化、多元化、差異化的學習需求，提高學習效率。

（3）構(gòu)建適切的人機協(xié)同教學模式，推進學科應(yīng)用

通過研究發(fā)現(xiàn)，在講授不同的學科和知識類型時，人機協(xié)同教學的學習效果存在差異，并且目前人機協(xié)同教學實踐應(yīng)用相對較少。在鼓勵理工類學科和程序性知識開展人機協(xié)同教學的同時，也需思考人文類學科和陳述性知識學習效果略差的原因——這雖與學科知識的特征有關(guān)，但更重要的是缺少適切的人機協(xié)同教學模式。人機協(xié)同教學并不是簡單地將智能軟件或智能硬件應(yīng)用于教學，還需配以與學段、學科、知識類型相適的教學模式、教學方法、教學策略和學習資源，進而提高學習效果，拓展應(yīng)用的學科范圍和知識領(lǐng)域。具體而言，教師可根據(jù)不同的學生特點、教學目標、學科特性、知識類型積極探索具有針對性的人機協(xié)同教學模式，并形成貼合實際并具有特色的教學設(shè)計，如針對人文、社科等概念性強的學科，需強化情境的創(chuàng)設(shè)，加強人機交互，并給予即時反饋，以適當彌補知識的乏味性，調(diào)動學生的學習情緒，從而提高學生的學習動機和學習興趣，優(yōu)化學生的學習結(jié)果和學習體驗。面對邏輯性強的理工類學科，要強調(diào)協(xié)同交流和成果分享，可以開拓思維、強化創(chuàng)新創(chuàng)造水平；另外，還需根據(jù)學科要求、知識特點等，對用于開展人機協(xié)同教學的智能工具、智能設(shè)備、學習資源進行持續(xù)完善和更新，助力創(chuàng)建具有智能化、個性化、品質(zhì)化特征并能滿足師生需求的人機協(xié)同教學環(huán)境，以便促進人機協(xié)同教學在教學實踐中的推行和應(yīng)用。

（4）探索和諧的人機協(xié)同形式，實現(xiàn)雙向賦能

與傳統(tǒng)的信息技術(shù)支持的教學不同的是，人機協(xié)同教學的重心在于“協(xié)同”二字，強調(diào)人機在教與學過程中的和諧、合作、協(xié)調(diào)和同步。不論是有形的還是無形的人機協(xié)同教學形式，人機所扮演的角色都同等重要，不可顧此失彼，左支右絀。根據(jù)研究結(jié)論，無形的人機協(xié)同教學形式更要重點關(guān)注此問題，應(yīng)以適宜的角色分工消除因協(xié)同形式帶來的學習效果差異。因此，要明確以教師、學生為代表的“人”和以智能軟件、智能硬件等為代表的“機”各自的定位與任務(wù)，分別發(fā)揮其自身的最佳優(yōu)勢，雙向賦能，達到“1+1＞2”的效果。其中，教師和智能工具方面，智能工具的感知、決策、執(zhí)行等能力正逐漸加強，但其在邏輯思維、情感交流、創(chuàng)造力等方面始終無法趕超人類，因此人機協(xié)同教學絕不是以“機”代替教師，而是建立一種“人-機”協(xié)作關(guān)系，形成與智能技術(shù)優(yōu)勢互補的人機協(xié)同架構(gòu)[14]。學生與智能工具方面，學生作為學習活動的主體，是人機協(xié)同教學的踐行者和受益者，智能工具要根據(jù)學生的學習需要進行功能設(shè)計，滿足學生的個性化需求，在提供全方位、全過程、全天候支撐的同時，轉(zhuǎn)變單一的支持者角色定位，成為學生學習的合作者、促進者、啟發(fā)者；學生要提高數(shù)字素養(yǎng)，明確是在協(xié)同學習過程中跟隨“機”的引導充當接受者，還是自我意識占主導扮演知識建構(gòu)者的角色。

參考文獻

[1]梁云真，劉瑞星，任麗玲.面向計算思維培養(yǎng)的人機協(xié)同精準教學模式研究——以小學六年級信息技術(shù)課“絲綢之路大闖關(guān)”為例[J].現(xiàn)代教育技術(shù)，2022，（3）：51-60.

[2]Hsiao H S， Chang C S， Lin C Y， et al. “iRobiQ”： The influence of bidirectional interaction on kindergarteners reading motivation， literacy， and behavior[J]. Interactive Learning Environments， 2015，（3）：269-292.

[3]Roscoe R D， McNamara D S. Writing Pal： Feasibility of an intelligent writing strategy tutor in the high school classroom[J]. Journal of Educational Psychology， 2013，（4）：1010-1025.

[4]（美）約翰·安德森著.秦裕林，程瑤，周海燕譯.認知心理學及其啟示[M].北京：人民郵電出版社，2012：450.

[5]高瓊，陸吉健，王曉靜，等.人工智能時代人機協(xié)同課堂教學模式的構(gòu)建及實踐案例[J].遠程教育雜志，2021，（4）：24-33.

[6]Hedges L V. Distribution theory for Glasss estimator of effect size and related estimators[J]. Journal of Educational Statistics， 1981，（2）：107-128.

[7]Egger M， Smith G D， Phillips A N. Meta-analysis： Principles and procedures[J]. The British Medical Journal， 1997，（7121）：1533-1537.

[8]Higgins J P T， Thompson S G， Deeks J J， et al. Measuring inconsistency in meta-analyses[J]. The British Medical Journal， 2003，（7414）：557-560.

[9]Cohen J. Statistical power analysis for the behavioral sciences （2nd ed.）[M]. Hillsdale： Lawrence Erlbaum Associates， 1988：26.

[10]徐振國，趙春雨，王悅，等.智慧學習環(huán)境下大學生深度學習的影響因素[J].現(xiàn)代教育技術(shù)，2023，（1）：58-65.

[11]王辭曉，徐珺巖，郭利明，等.多場景人機協(xié)同在線教學評價框架研究——基于層次分析法和熵權(quán)法的分析[J].現(xiàn)代教育技術(shù)，2023，（1）：74-82.

[12]王一巖，鄭寧，鄭永和.智慧學習力：概念內(nèi)涵與結(jié)構(gòu)模型[J].電化教育研究，2022，（7）：19-26.

[13]徐振國，劉志，黨同桐，等.教育智能體的發(fā)展歷程、應(yīng)用現(xiàn)狀與未來展望[J].電化教育研究，2021，（11）：20-26、33.

[14]王良輝，夏亮亮，何文濤.回歸教育學的精準教學——走向人機協(xié)同[J].電化教育研究，2021，（12）：108-114.

The Influence of Human-machine Cooperative Teaching on Students Learning Effect

——A Meta-analysis Based on 43 Experimental and Quasi-Experimental Studies

Abstract： At present， the research and practice of human-machine cooperative teaching promoted by the digital transformation of education is increasing， but its impact on students learning effect is still controversial. Therefore， the paper adopted the meta-analysis method to analyze 43 experimental and quasi-experimental research literature from home and abroad. The results showed that human-machine cooperative teaching had a moderate positive impact on learning effect， and the impact on the ability level was more significant. Then， the paper took learning segment， subject， knowledge type and cooperative form as the moderating effects， examined the moderating effects of the moderating variables. Meanwhile， based on the results of the meta-analysis， the paper proposed some suggestions for effective human-machine cooperative teaching. Through the research， the paper was expected to give full play to the best utility of human-machine cooperative teaching and promote the deep integration of artificial intelligence with education and teaching.

Keywords： human-machine cooperative teaching; learning effect; meta-analysis; education digitalization