[中圖分類號(hào)]G434 [文獻(xiàn)標(biāo)志碼]A

[作者簡介]翟雪松（1981—），男，安徽涇縣人。特聘研究員，博士，主要從事人工智能教育應(yīng)用、教育大數(shù)據(jù)、教育元宇宙研究。E-mail;xszhai@zju.edu.cn。為通信作者，E-mail：yanli@zju.edu.cn。

一、引 言

2025年1月，中共中央、國務(wù)院印發(fā)《教育強(qiáng)國建設(shè)規(guī)劃綱要（2024—2035年）》，將全面構(gòu)建泛在可及的終身教育體系作為一項(xiàng)重要目標(biāo)。然而，受時(shí)空與技術(shù)條件限制，泛在學(xué)習(xí)難以大規(guī)模、個(gè)性化、體系化實(shí)現(xiàn)。當(dāng)前，以教育數(shù)字化推動(dòng)泛在可及的學(xué)習(xí)模式是一項(xiàng)重大的教育改革創(chuàng)新課題，必須解決環(huán)境渲染和內(nèi)容生成兩大難題。環(huán)境渲染方面，《教育部部署加強(qiáng)中小學(xué)人工智能教育》中明確指出，將建設(shè)泛在教學(xué)環(huán)境作為主要任務(wù)，打造泛在多元、智能化、體驗(yàn)式的學(xué)習(xí)場(chǎng)景；內(nèi)容生成方面，人工智能正全面重塑知識(shí)的生產(chǎn)與傳播，知識(shí)的呈現(xiàn)載體除了傳統(tǒng)的書本和電子教材以外，還包括物理空間的各類現(xiàn)實(shí)素材，教學(xué)模式從講授式轉(zhuǎn)向體驗(yàn)式，學(xué)習(xí)者能力培養(yǎng)方向從傳統(tǒng)知識(shí)應(yīng)用走向知識(shí)生產(chǎn)和創(chuàng)新。在此過程中，學(xué)習(xí)者的高階能力培養(yǎng)迫切需要?jiǎng)?chuàng)新泛在學(xué)習(xí)模式。

隨著不同時(shí)期人工智能技術(shù)的驅(qū)動(dòng)，泛在學(xué)習(xí)的發(fā)展經(jīng)歷了主動(dòng)探究、感知推送兩個(gè)階段。近年來，預(yù)訓(xùn)練生成模型推動(dòng)人工智能迅速發(fā)展，空間計(jì)算與具身智能引領(lǐng)元宇宙技術(shù)迭代升級(jí)。OpenAI于2025年1月23日推出首款A(yù)I智能體Operator，并預(yù)言2025年將是智能體元年。以O(shè)perator為代表的智能體具有特定知識(shí)和能力，聚焦多模態(tài)理解能力的提升，優(yōu)化情境感知和跨平臺(tái)交互，為泛在學(xué)習(xí)多變的場(chǎng)景需求提供了適應(yīng)性內(nèi)容。在元宇宙產(chǎn)業(yè)中，以VisionPro和Orion為代表的空間計(jì)算技術(shù)構(gòu)建了“真實(shí)一虛擬\"融合的泛在環(huán)境，推動(dòng)了實(shí)時(shí)渲染、虛實(shí)融合的數(shù)字泛在學(xué)習(xí)環(huán)境建設(shè)。由此可見，“智能體 + 元宇宙\"正邁入基于實(shí)時(shí)生成與渲染的新階段，為泛在學(xué)習(xí)提供更豐富的數(shù)字化應(yīng)用場(chǎng)景和資源。相較之下，國內(nèi)對(duì)“智能體 + 元宇宙\"疊加環(huán)境的軟硬件研發(fā)尚處于起步階段，教育領(lǐng)域的實(shí)證性探索尚顯不足。

本研究以“地理媒介\"（Geomedia）和人工智能生成元宇宙（AI-GeneratedMetaverse，AIGM）框架為理論基礎(chǔ)，旨在構(gòu)建基于智能體 + 元宇宙的數(shù)字化泛在學(xué)習(xí)模式，探索其對(duì)學(xué)習(xí)者高階思維能力培養(yǎng)的有效性及作用機(jī)制。

二、研究背景與理論

（一）技術(shù)驅(qū)動(dòng)下的泛在學(xué)習(xí)模式演變

泛在學(xué)習(xí)指通過移動(dòng)設(shè)備、無線通信和傳感技術(shù)等，實(shí)時(shí)感知學(xué)習(xí)者所處的環(huán)境，動(dòng)態(tài)記錄并分析其學(xué)習(xí)狀態(tài)。理想的泛在學(xué)習(xí)環(huán)境遵循自發(fā)性、真實(shí)性、建構(gòu)性、協(xié)作性和個(gè)性化等原則。隨著技術(shù)演變，泛在學(xué)習(xí)經(jīng)歷了三個(gè)主要發(fā)展階段。

1.第一階段：自主探究的泛在學(xué)習(xí)模式

該階段集中在2000年至2010年左右。隨著移動(dòng)互聯(lián)網(wǎng)和終端設(shè)備的發(fā)展，泛在學(xué)習(xí)以學(xué)習(xí)者圍繞特定主題、利用移動(dòng)工具自主探究為核心。該階段強(qiáng)調(diào)學(xué)習(xí)者通過體驗(yàn)式學(xué)習(xí)強(qiáng)化對(duì)知識(shí)的理解與應(yīng)用例如，Chen等構(gòu)建了支持跨平臺(tái)訪問的泛在學(xué)習(xí)網(wǎng)站，學(xué)習(xí)者可以隨時(shí)隨地使用多種設(shè)備訪問網(wǎng)站，獲取學(xué)習(xí)資料。該網(wǎng)站能夠記錄學(xué)習(xí)者在不同終端的學(xué)習(xí)行為、生成學(xué)習(xí)檔案并進(jìn)行行為診斷，從而構(gòu)建學(xué)習(xí)者的適應(yīng)性模型。然而，由于技術(shù)局限，此階段的泛在學(xué)習(xí)形態(tài)更接近移動(dòng)學(xué)習(xí)，主要依賴移動(dòng)設(shè)備呈現(xiàn)數(shù)字化學(xué)習(xí)材料，難以捕捉學(xué)習(xí)者所處的情境信息，無法將學(xué)習(xí)環(huán)境與學(xué)習(xí)過程深度融合。隨著物聯(lián)網(wǎng)技術(shù)的日益成熟，學(xué)習(xí)過程中的多元數(shù)據(jù)融合分析成為泛在學(xué)習(xí)新的實(shí)踐方向。

2.第二階段：感知推送的泛在學(xué)習(xí)模式

隨著物聯(lián)網(wǎng)技術(shù)的應(yīng)用，泛在學(xué)習(xí)擁有了情境感知能力。此階段集中在2010年至2022年左右，以感知推送為特征。感知推送的泛在學(xué)習(xí)模式通過主動(dòng)感知學(xué)習(xí)者的情境，包括位置、環(huán)境特征、行為和情緒等，將相關(guān)內(nèi)容自動(dòng)推送給學(xué)習(xí)者，提升了學(xué)習(xí)的精準(zhǔn)性與即時(shí)性。例如，臺(tái)灣科技大學(xué)研究者構(gòu)建的情境感知泛在學(xué)習(xí)環(huán)境，學(xué)習(xí)者可使用配備射頻識(shí)別（RFID）讀寫器的手持設(shè)備自主探索校園植物生態(tài)。校園中的植物貼上了RFID標(biāo)簽，當(dāng)學(xué)習(xí)者走到對(duì)應(yīng)位置，讀寫器自動(dòng)感知RFID信號(hào)，并向?qū)W習(xí)者推送相關(guān)學(xué)習(xí)資料。研究結(jié)果表明，這種泛在學(xué)習(xí)模式能夠提高學(xué)生的學(xué)習(xí)動(dòng)機(jī)和學(xué)習(xí)效果[]。然而，此階段的泛在學(xué)習(xí)個(gè)性化不足、情境延展受限、學(xué)習(xí)深度不足。主要原因在于：第一，學(xué)習(xí)資源以預(yù)設(shè)為主，難以滿足大規(guī)模個(gè)性化學(xué)習(xí)需求；第二，情境延展受限于物理時(shí)空，學(xué)習(xí)者只能基于真實(shí)存在的物理空間進(jìn)行學(xué)習(xí)，可能受到時(shí)間、空間等的限制；第三，這種感知推送的學(xué)習(xí)方式可能導(dǎo)致學(xué)習(xí)不夠系統(tǒng)，學(xué)習(xí)內(nèi)容以碎片化呈現(xiàn)，容易導(dǎo)致內(nèi)容理解的淺顯化和知識(shí)構(gòu)建的分散化[]。

3.第三階段：實(shí)時(shí)生成和渲染的數(shù)字化泛在學(xué)習(xí)模式

羅伯特·斯考伯曾斷言，未來25年，互聯(lián)網(wǎng)將進(jìn)入由可穿戴設(shè)備、大數(shù)據(jù)、傳感器、社交媒體和定位系統(tǒng)五大技術(shù)推動(dòng)的情境時(shí)代。自2022年以來，隨著高性能圖形處理器（Graphics ProcessingUnit，GPU）的量產(chǎn)，千億級(jí)參數(shù)的大模型得以預(yù)訓(xùn)練，通過模型參數(shù)優(yōu)化和專門語料訓(xùn)練，具有特定知識(shí)和推理能力的智能體不斷成熟；與此同時(shí)，高速并行算力顯著降低了空間計(jì)算和三維重建的延遲性，加速了元宇宙技術(shù)的應(yīng)用進(jìn)程。智能體的“神\"與元宇宙的“形\"相結(jié)合，有望解決以往泛在學(xué)習(xí)在情境感知與延展方面的限制，推動(dòng)泛在學(xué)習(xí)進(jìn)入“真實(shí)一虛擬\"場(chǎng)景疊加的、實(shí)時(shí)生成與渲染的新階段。在這個(gè)新階段，智能體將突破當(dāng)前以人機(jī)對(duì)話為主的交互模式，走向基于用戶指令、具備跨平臺(tái)自主行動(dòng)能力的全新模式，擁有更強(qiáng)大的推理能力，并清晰展示其推理過程，從而為泛在學(xué)習(xí)提供更高水平的智能化支持。國內(nèi)外AI公司已經(jīng)取得了一系列進(jìn)展。例如，OpenAI推出的Operator智能體實(shí)現(xiàn)了跨平臺(tái)全自動(dòng)無人操作。用戶僅需輸入需求，智能體便可自主完成餐廳訂位、購買日用品等任務(wù)。智能體的這種跨平臺(tái)自主行動(dòng)能力使其能夠突破人機(jī)對(duì)話的被動(dòng)交互模式，在泛在學(xué)習(xí)環(huán)境中實(shí)現(xiàn)自主智能決策。

（二）理論基礎(chǔ)

1.“地理媒介”概念及特征

隨著具身智能、空間計(jì)算等技術(shù)的迅速發(fā)展，“地理媒介\"作為一種新型媒介形態(tài)應(yīng)運(yùn)而生。該概念與羅伯特·斯考伯的觀點(diǎn)均肯定情境的重要作用，認(rèn)為情境（Context）可以將虛擬公共空間與實(shí)體地理空間有機(jī)融合，重塑情境體驗(yàn)、社會(huì)互動(dòng)與個(gè)人邊界[13]，是數(shù)字媒介和萬物互聯(lián)的促進(jìn)者，其核心特征如下：

一是空間無處不在，打破學(xué)習(xí)邊界。此特征與元宇宙環(huán)境特征高度契合。元宇宙突破了傳統(tǒng)互聯(lián)網(wǎng)在時(shí)空、交流及情感等維度的邊界[14，學(xué)習(xí)者可以借助預(yù)制或自主構(gòu)建的元宇宙情境體驗(yàn)真實(shí)的問題解決過程[15]。二是位置實(shí)時(shí)感知，構(gòu)建個(gè)性化學(xué)習(xí)路徑。實(shí)時(shí)感知用戶所處的位置，識(shí)別情境并提供反饋，是地理媒介為用戶構(gòu)建個(gè)性化學(xué)習(xí)路徑的關(guān)鍵觸發(fā)機(jī)制。在元宇宙中，借助數(shù)據(jù)埋點(diǎn)，系統(tǒng)能實(shí)時(shí)捕捉學(xué)習(xí)者的位置信息，記錄具有時(shí)空屬性的四維動(dòng)態(tài)數(shù)據(jù)?；跁r(shí)空數(shù)據(jù)，智能體可進(jìn)一步分析學(xué)習(xí)者的行為特征，從而根據(jù)學(xué)習(xí)者當(dāng)前情境，為其個(gè)性化調(diào)整學(xué)習(xí)內(nèi)容和路徑。三是交互動(dòng)態(tài)反饋，增強(qiáng)學(xué)習(xí)的適應(yīng)性。地理媒介的核心功能在于交互的實(shí)時(shí)反饋，這一原則也是增強(qiáng)泛在學(xué)習(xí)動(dòng)態(tài)適應(yīng)性的關(guān)鍵。智能體通過情境感知與自適應(yīng)支持強(qiáng)化這一特性。借助多模態(tài)感知能力與自然語言處理技術(shù)，智能體能夠自動(dòng)篩選、更新優(yōu)質(zhì)教育資源[，提供精準(zhǔn)支持[17]。四是多元主體融合，構(gòu)建知識(shí)共創(chuàng)生態(tài)。地理媒介融合個(gè)體、物理環(huán)境、虛擬環(huán)境、其他個(gè)體等多元主體，以情境的共創(chuàng)與共享為綜合目標(biāo)，這與元宇宙的知識(shí)共創(chuàng)生態(tài)緊密相關(guān)[18]。元宇宙能夠提供可編輯的仿真學(xué)習(xí)環(huán)境，鼓勵(lì)多元主體共同參與知識(shí)生產(chǎn)與協(xié)作創(chuàng)新[]。智能體憑借動(dòng)態(tài)內(nèi)容生成和多樣化知識(shí)資源整合能力，為學(xué)習(xí)者創(chuàng)造更多創(chuàng)新表達(dá)與知識(shí)建構(gòu)的機(jī)會(huì)[20。地理媒介的四大特征與智能體 + 元宇宙支持的數(shù)字化泛在學(xué)習(xí)追求的無縫、個(gè)性化、情境化特質(zhì)高度契合，為數(shù)字化泛在學(xué)習(xí)框架的構(gòu)建提供了理論支撐。

2.人工智能生成元宇宙框架

人工智能生成元宇宙框架指出，生成式人工智能是推動(dòng)元宇宙發(fā)展的核心驅(qū)動(dòng)力2。元宇宙為生成式人工智能提供了內(nèi)容呈現(xiàn)的場(chǎng)景，這兩項(xiàng)技術(shù)在功能上能夠相互彌補(bǔ)[22，融合二者的學(xué)習(xí)環(huán)境具備沉浸感、交互性及自發(fā)調(diào)節(jié)能力，能夠增強(qiáng)學(xué)習(xí)者的探究經(jīng)驗(yàn)和實(shí)踐能力，并支持學(xué)習(xí)者的深層次知識(shí)建構(gòu)[23]

一方面，傳統(tǒng)泛在學(xué)習(xí)主要依賴現(xiàn)實(shí)物理環(huán)境，情境延展能力受限，而元宇宙通過構(gòu)建虛擬多維情境，能夠增強(qiáng)學(xué)習(xí)的情境豐富性與空間自由度。學(xué)習(xí)者可在預(yù)設(shè)空間中泛在探索，在場(chǎng)景間靈活跳轉(zhuǎn)。結(jié)合觸覺反饋、運(yùn)動(dòng)跟蹤等技術(shù)，元宇宙為學(xué)習(xí)者提供可編輯的仿真環(huán)境，促進(jìn)人機(jī)或群體協(xié)作的主動(dòng)體驗(yàn)式學(xué)習(xí)，激發(fā)創(chuàng)新性問題解決能力[24。此外，元宇宙允許學(xué)習(xí)者在情境體驗(yàn)中承擔(dān)決策后果，深化其對(duì)復(fù)雜問題的理解2。然而，元宇宙對(duì)大規(guī)模個(gè)性化學(xué)習(xí)的支持有限，其預(yù)設(shè)內(nèi)容難以滿足不同學(xué)習(xí)者的多樣化需求。

另一方面，傳統(tǒng)泛在學(xué)習(xí)中，學(xué)習(xí)者多通過詞向量檢索、模糊檢索或系統(tǒng)推送獲取學(xué)習(xí)內(nèi)容，所接觸的數(shù)字資源良莠不齊，個(gè)性化與適應(yīng)性支持不足。相比之下，智能體基于參數(shù)優(yōu)化和專門語料訓(xùn)練，具備自然語言生成和推理能力，能夠結(jié)合學(xué)習(xí)者歷史交互記錄，精準(zhǔn)刻畫其個(gè)體特征，實(shí)現(xiàn)學(xué)習(xí)資源的動(dòng)態(tài)調(diào)整與個(gè)性化推薦。此外，智能體通過與學(xué)習(xí)者的爭論式互動(dòng)促進(jìn)知識(shí)建構(gòu)。爭論（Argument）是高階思維能力培養(yǎng)的核心環(huán)節(jié)[2，學(xué)習(xí)者在模擬爭論的過程中可以批判性地審視自已的觀點(diǎn)，從而優(yōu)化認(rèn)知結(jié)構(gòu)。建構(gòu)主義強(qiáng)調(diào)學(xué)習(xí)者應(yīng)處于反饋的核心，認(rèn)為反饋有助于提升學(xué)習(xí)者的自我調(diào)節(jié)能力2。智能體通過生成動(dòng)態(tài)適配的個(gè)性化反饋[25]，可以為學(xué)習(xí)者提供精準(zhǔn)支持。然而，目前大多數(shù)智能體多以單一對(duì)話工具形式存在28]，缺乏情境理解和人際互動(dòng)能力[2]。研究者也指出，由于算法的局限性，現(xiàn)有智能體可能將學(xué)習(xí)者限制在狹窄的信息空間，簡化知識(shí)獲取過程，削弱了學(xué)習(xí)者思維的多樣性[30-31]。

元宇宙與智能體的技術(shù)互構(gòu)性為彌補(bǔ)各自局限提供了可能性。智能體通過自然語言生成，顯著降低元宇宙的內(nèi)容成本，并以情境模擬和個(gè)性化對(duì)話能力賦能元宇宙中的大規(guī)模個(gè)性化學(xué)習(xí)，借助爭論式對(duì)話啟發(fā)學(xué)習(xí)者思考高階問題，激發(fā)深層認(rèn)知與創(chuàng)新能力]。元宇宙的沉浸式環(huán)境則為智能體提供了數(shù)字化身支持，通過多模態(tài)交互優(yōu)化情感表達(dá)，并通過多維感知情境增強(qiáng)智能體的情境理解與具身智能。學(xué)習(xí)者在具體情境中模擬實(shí)踐，不僅實(shí)現(xiàn)低成本的知識(shí)遷移，還有效避免對(duì)話式獲取知識(shí)的局限性。二者協(xié)同融合，通過模擬操作與智能體實(shí)時(shí)指導(dǎo)，顯著提升錯(cuò)誤概念糾正效率和概念知識(shí)長期保留效果，同時(shí)優(yōu)化學(xué)習(xí)成果與學(xué)習(xí)者參與度[23]?；诘乩砻浇楹虯IGM框架，本研究構(gòu)建了基于智能體 ⁺ 元宇宙的數(shù)字化泛在學(xué)習(xí)理論框架（如圖1所示），以期打破傳統(tǒng)泛在學(xué)習(xí)的時(shí)空限制，實(shí)現(xiàn)知識(shí)與情境的深度融合，促進(jìn)學(xué)習(xí)者探究能力和實(shí)踐經(jīng)驗(yàn)的提升，從而培養(yǎng)學(xué)習(xí)者的高階思維能力。

圖1基于智能體 元宇宙的數(shù)字化泛在學(xué)習(xí)理論框架

為驗(yàn)證基于智能體 + 元宇宙的數(shù)字化泛在學(xué)習(xí)模式在培養(yǎng)學(xué)習(xí)者高階思維能力中的實(shí)際效果，以及識(shí)別不同高階思維能力學(xué)習(xí)者的行為模式，本研究進(jìn)一步開展實(shí)踐探究。

三、研究設(shè)計(jì)

本研究設(shè)計(jì)并開發(fā)了基于智能體 + 元宇宙的數(shù)字化泛在學(xué)習(xí)平臺(tái)，采用教育實(shí)驗(yàn)法和問卷調(diào)查法，探索該平臺(tái)對(duì)學(xué)習(xí)者高階思維能力的影響。通過行為序列分析，揭示數(shù)字化泛在學(xué)習(xí)模式促進(jìn)高階思維能力發(fā)展的內(nèi)在機(jī)制。為深入分析學(xué)習(xí)者提問智能體的質(zhì)量，本研究對(duì)相關(guān)文本進(jìn)行了認(rèn)知網(wǎng)絡(luò)分析。

（一）學(xué)習(xí)平臺(tái)開發(fā)

本研究以培養(yǎng)學(xué)習(xí)者高階思維能力為核心目標(biāo)，結(jié)合被試學(xué)校社團(tuán)課內(nèi)容和學(xué)生興趣，選定“多民族文化\"為學(xué)習(xí)主題，開發(fā)了集虛擬元宇宙、智能體教師交互、行為數(shù)據(jù)采集于一體的泛在學(xué)習(xí)平臺(tái)。

1.平臺(tái)開發(fā)技術(shù)

平臺(tái)集成多種技術(shù)以滿足學(xué)習(xí)者的多元、智能化需求。平臺(tái)基于Unity構(gòu)建，后端依托PlayFab云服務(wù)，支持托管服務(wù)、實(shí)時(shí)分析和LiveOps功能；使用VroidStudio設(shè)計(jì)該年齡段樂于接受的虛擬化身形象，為學(xué)習(xí)者和智能體提供高度擬真的交互體驗(yàn)；接入文心一言大語言模型，實(shí)現(xiàn)學(xué)習(xí)者與智能體的自然語言交互；集成百度AI開放平臺(tái)的文本轉(zhuǎn)語音（TTS）和語音轉(zhuǎn)文本（STT）技術(shù)，提升學(xué)生與智能體的語音交互體驗(yàn)，并通過OVRLipSync插件實(shí)現(xiàn)智能體的實(shí)時(shí)語音驅(qū)動(dòng)口型同步；此外，借助NavMesh與NavMeshAgent實(shí)現(xiàn)智能體在元宇宙中的路徑動(dòng)態(tài)規(guī)劃，使其能夠跟隨學(xué)習(xí)者，并在學(xué)習(xí)者漫游過程中實(shí)時(shí)提供交互支持。

2.平臺(tái)內(nèi)容及功能

學(xué)習(xí)平臺(tái)的功能設(shè)計(jì)發(fā)揮泛在學(xué)習(xí)的優(yōu)勢(shì)，并融入元宇宙和智能體的數(shù)字化能力，實(shí)現(xiàn)以下三大功能（如圖2所示）。（1）學(xué)習(xí)環(huán)境方面，傳統(tǒng)泛在學(xué)習(xí)受限于現(xiàn)實(shí)的時(shí)空條件，資源調(diào)動(dòng)與場(chǎng)景切換靈活性較差。本研究設(shè)計(jì)的平臺(tái)，場(chǎng)景資源可預(yù)制，支持學(xué)習(xí)者靈活跳轉(zhuǎn)。平臺(tái)構(gòu)建了三個(gè)主要展館，包括民族政策館、民族節(jié)日與慶典館、民族服飾館，整合多元資料與三維模型，支持學(xué)習(xí)者自由探索與互動(dòng)。各展館內(nèi)均設(shè)置引導(dǎo)性問題，在學(xué)習(xí)者進(jìn)入展館后自動(dòng)彈出，引導(dǎo)其圍繞問題開展探究性學(xué)習(xí)，激發(fā)學(xué)習(xí)興趣，促進(jìn)認(rèn)知的深入。（2）智能體交互方面，傳統(tǒng)泛在學(xué)習(xí)依賴移動(dòng)設(shè)備（如手機(jī)、平板）與詞向量或模糊檢索技術(shù)，存在內(nèi)容精準(zhǔn)度低、交互性弱等問題，難以滿足個(gè)性化學(xué)習(xí)需求。本平臺(tái)智能體支持語音與文字等多模態(tài)輸入，結(jié)合提示詞策略，引導(dǎo)學(xué)習(xí)者提出高質(zhì)量的探索性問題。在交互形式方面，智能體具備實(shí)時(shí)跟隨與陪伴式交互功能，通過語音、手勢(shì)、眼神等多種方式，增強(qiáng)學(xué)習(xí)者的情感投入與沉浸感。在智能體角色方面，平臺(tái)通過內(nèi)嵌知識(shí)庫，設(shè)定具備不同能力的智能體，如學(xué)習(xí)陪伴型智能體和提供民族文化知識(shí)自測(cè)的測(cè)試型智能體，以滿足不同學(xué)習(xí)需求。（3）行為數(shù)據(jù)采集方面。本研究在平臺(tái)中設(shè)置多維度數(shù)據(jù)埋點(diǎn)，能夠?qū)崟r(shí)采集學(xué)習(xí)者的交互行為與學(xué)習(xí)軌跡，為后續(xù)的行為序列分析和教學(xué)策略優(yōu)化提供數(shù)據(jù)支撐，從而提升學(xué)習(xí)體驗(yàn)與教學(xué)效果。

（二）研究對(duì)象與實(shí)驗(yàn)流程

本研究以X小學(xué)五、六年級(jí)和Y中學(xué)初一年級(jí)各一個(gè)班，總共118名學(xué)生為研究對(duì)象。學(xué)生均提前接受培訓(xùn)，具備開展實(shí)驗(yàn)所需的基本計(jì)算機(jī)和互聯(lián)網(wǎng)技能。課程共持續(xù)六周，研究者在課程開始前對(duì)學(xué)生的高階思維能力進(jìn)行了前測(cè)。教學(xué)設(shè)計(jì)依據(jù)Stahl的協(xié)作知識(shí)建構(gòu)模型[34，具體流程包括情境引導(dǎo)、知識(shí)構(gòu)建、協(xié)作分享、學(xué)習(xí)評(píng)價(jià)四大環(huán)節(jié)。第一，在情境引導(dǎo)環(huán)節(jié)，研究者向被試詳細(xì)說明實(shí)驗(yàn)平臺(tái)的操作方法、課程目標(biāo)和學(xué)習(xí)任務(wù)，并明確提出在協(xié)作分享環(huán)節(jié)，學(xué)生將以小組為單位，圍繞小組共同提出的問題開展探究，最終在組間展示成果。該環(huán)節(jié)有助于學(xué)生整體把握課程架構(gòu)和實(shí)施流程，進(jìn)而制定初步的學(xué)習(xí)計(jì)劃。第二，在知識(shí)構(gòu)建環(huán)節(jié)，學(xué)生根據(jù)個(gè)人傾向的學(xué)習(xí)序列，在興趣的驅(qū)動(dòng)下進(jìn)入數(shù)字化泛在學(xué)習(xí)平臺(tái)中的不同主題展館，在自由探索中發(fā)現(xiàn)問題，并通過與伴隨式智能體的互動(dòng)逐步完成個(gè)人的知識(shí)建構(gòu)。第三，在協(xié)作分享環(huán)節(jié)。研究者對(duì)學(xué)生進(jìn)行分組，引導(dǎo)其圍繞“多民族文化”主題開展問題驅(qū)動(dòng)的協(xié)作學(xué)習(xí)。學(xué)生小組根據(jù)興趣確定共同的探究問題，此外，鼓勵(lì)其結(jié)合現(xiàn)實(shí)情境選擇具體的問題方向。在平臺(tái)支持下，學(xué)生在小組內(nèi)部拆解問題、分工探究，通過多輪人機(jī)交互與內(nèi)容整合，提煉觀點(diǎn)，最終形成小組共識(shí)。在此基礎(chǔ)上，學(xué)生開展組際交流，獲取反饋，進(jìn)一步促進(jìn)知識(shí)的深化、內(nèi)化與外顯。第四，在學(xué)習(xí)評(píng)價(jià)環(huán)節(jié)，為評(píng)估實(shí)驗(yàn)效果，研究者對(duì)被試的高階思維能力進(jìn)行了后測(cè)。

（三）測(cè)量工具

本研究測(cè)量工具參考Hwang等的高階思維能力量表3，并結(jié)合研究背景加以適當(dāng)改編。信度分析結(jié)果顯示，前后測(cè)的總體內(nèi)部一致性信度Cronbach'salpha為0.907。本研究共發(fā)放118份問卷，其中有13份問卷因部分題目未回答或所有選項(xiàng)選擇一致而被判定無效。最終獲得有效問卷105份，有效率89.0% 。樣本特征分析（表1）表明，性別分布相對(duì)均衡，不同年齡組樣本數(shù)量差異較小。學(xué)生每日使用電子產(chǎn)品的平均時(shí)長較短，大多數(shù)學(xué)生接觸過三維軟件，并且每天花費(fèi)一定時(shí)間使用三維軟件，但73.33% 的學(xué)生對(duì)生成式人工智能缺乏了解。

四、數(shù)據(jù)分析

（一）高階思維能力

首先，分析學(xué)生高階思維能力前后測(cè)的整體變化。由表2可知，前后測(cè)的均值偏差為0.42，顯著性概率檢驗(yàn)值 p=0.000 ，表明基于智能體 + 元宇宙的數(shù)字化泛在學(xué)習(xí)在整體層面提升了學(xué)生的高階思維能力。進(jìn)一步計(jì)算各維度平均值作為該維度得分，使用配對(duì)樣本 Ψ_t 檢驗(yàn)分析前后測(cè)有效數(shù)據(jù)。結(jié)果顯示，問題解決能力和批判性思維在教學(xué)實(shí)驗(yàn)前后顯著提升；創(chuàng)造性思維的前測(cè)分?jǐn)?shù)最高，前后測(cè)對(duì)比雖然有所提升，但提升幅度較小，并不顯著。

（二）學(xué)生在平臺(tái)中的行為序列

本研究采用滯后行為序列分析并可視化呈現(xiàn)，檢驗(yàn)不同行為的序列關(guān)系是否顯著，推斷關(guān)鍵行為模式。

1.基本情況

平臺(tái)參考Sun等[3和Yang等[37的研究設(shè)置埋點(diǎn)事件，從A至H依次編碼（見表3）?？紤]到研究對(duì)象為初次接觸元宇宙平臺(tái)的中小學(xué)生，其具有強(qiáng)烈的好奇心和探索欲，因此，埋點(diǎn)不僅涵蓋學(xué)習(xí)行為，還記錄了與學(xué)習(xí)不直接相關(guān)的探索性事件（H），如探索場(chǎng)景邊界（觸發(fā)空氣墻碰撞）進(jìn)入小公園（場(chǎng)景裝飾）等。這些探索性事件為揭示學(xué)生的行為模式和學(xué)習(xí)路徑提供了更全面的數(shù)據(jù)。去除問卷無效的學(xué)生數(shù)據(jù)后，研究者通過后臺(tái)獲取了三個(gè)年級(jí)共5917條學(xué)習(xí)記錄，各埋點(diǎn)的觸發(fā)次數(shù)詳見表3。

根據(jù)滯后序列分析原理，本研究將一種行為向另一種行為的轉(zhuǎn)換定義為一個(gè)行為序列。行為序列由兩種編碼組合表示，編碼的前后順序表示行為的轉(zhuǎn)換方向。例如，序列\(zhòng)"BC\"表示學(xué)生先智能求解（B），隨后立即進(jìn)入學(xué)習(xí)情境（C）。

2.學(xué)生行為序列與高階思維能力的相關(guān)分析

本研究對(duì)高階思維能力各維度的前、后測(cè)分?jǐn)?shù)進(jìn)行平均處理，根據(jù)前后測(cè)變異率將學(xué)生劃分為提升、維持、降低組。隨后，將三組數(shù)據(jù)分別導(dǎo)入GSEQ進(jìn)行分析。根據(jù)滯后序列分析理論，Z-scoregt;1.96表明該行為序列在統(tǒng)計(jì)學(xué)上具有顯著意義[38。研究者根據(jù)殘差表繪制行為轉(zhuǎn)換圖（如圖3所示），以揭示學(xué)生行為的關(guān)鍵趨勢(shì)。

總體上可以將行為序列總結(jié)為三大主要特點(diǎn)：（1）提升組在登錄（A）后能夠迅速進(jìn)入學(xué)習(xí)情境（C），而維持組與降低組表現(xiàn)出較低的學(xué)習(xí)主動(dòng)性和目標(biāo)導(dǎo)向。（2）關(guān)鍵序列的互動(dòng)關(guān)系（B、D、F、G）。提升組在多個(gè)關(guān)鍵模塊序列之間互動(dòng)密切。具體表現(xiàn)為積極結(jié)合平臺(tái)內(nèi)容，與智能體教師深度互動(dòng)（DG、GB），強(qiáng)化知識(shí)建構(gòu)：學(xué)生積極觀看學(xué)習(xí)視頻（D），查看平臺(tái)展館中設(shè)置的引導(dǎo)性問題（G），結(jié)合思考與智能體教師交流（B），并且在回顧對(duì)話記錄后更傾向于進(jìn)一步探索相關(guān)展館問題（FG）。（3）序列的重復(fù)性 （HH，BB） 。提升組在重復(fù)與學(xué)習(xí)不直接相關(guān)的探索行為（HH）方面表現(xiàn)尤為突出，表現(xiàn)出較高的探索欲。同時(shí)，通過與智能體教師反復(fù)對(duì)話（BB），提升組學(xué)生能夠不斷修正自身理解。然而，從創(chuàng)造性思維角度來看，研究未發(fā)現(xiàn)明顯的獨(dú)特行為序列。

（三）學(xué)生的認(rèn)知網(wǎng)絡(luò)

為進(jìn)一步探究學(xué)生在平臺(tái)中向智能體提問的質(zhì)量，本研究使用認(rèn)知網(wǎng)絡(luò)分析法（EpistemicNetworkAnalysis，ENA），對(duì)學(xué)生與智能體教師的互動(dòng)數(shù)據(jù)進(jìn)行系統(tǒng)性分析。本研究基于SOLO（StructureofObservedLearningOutcome）結(jié)構(gòu)模型對(duì)學(xué)生的提問文本進(jìn)行分類編碼（見表4）。SOLO結(jié)構(gòu)模型是比格斯基于皮亞杰的兒童認(rèn)知發(fā)展階段論提出的描述學(xué)生認(rèn)知發(fā)展情況的框架，將思維結(jié)構(gòu)劃分為前結(jié)構(gòu)、單點(diǎn)結(jié)構(gòu)、多點(diǎn)結(jié)構(gòu)、關(guān)聯(lián)結(jié)構(gòu)和抽象拓展結(jié)構(gòu)五個(gè)層級(jí)，構(gòu)成螺旋式的立體結(jié)構(gòu)，能夠清晰地反映思維結(jié)構(gòu)從淺層到深層的過程。其中，關(guān)聯(lián)結(jié)構(gòu)和抽象擴(kuò)展結(jié)構(gòu)被視為高階思維能力的標(biāo)志。本研究對(duì)SOLO結(jié)構(gòu)模型進(jìn)行了適當(dāng)改編，以分析學(xué)生的提問文本，進(jìn)而探究其提問質(zhì)量。

本研究首先對(duì)學(xué)生的提問數(shù)據(jù)進(jìn)行了分析單元?jiǎng)澐?，后臺(tái)共收集380條有效對(duì)話，拆分后獲得403條可編碼數(shù)據(jù)。隨后，研究者對(duì)文本進(jìn)行編碼，并將二進(jìn)制編碼數(shù)據(jù)導(dǎo)入webENA平臺(tái)，生成二維認(rèn)知網(wǎng)絡(luò)圖（如圖4所示），以識(shí)別分布于各象限的深度學(xué)習(xí)認(rèn)知網(wǎng)絡(luò)元素。結(jié)果表明，學(xué)生的認(rèn)知鏈接主要集中在淺層結(jié)構(gòu)，即前結(jié)構(gòu)與單點(diǎn)結(jié)構(gòu)，整體提問深度有限。此外，編碼過程中發(fā)現(xiàn)32條提問涉及對(duì)智能體本身的疑惑，如“你是誰”“你多大了\"“你是AI嗎\"等。盡管這些問題與學(xué)習(xí)內(nèi)容無關(guān)，但反映出學(xué)生對(duì)智能體的好奇心以及將智能體擬人化的傾向。

五、研究討論

本研究梳理了泛在學(xué)習(xí)的發(fā)展脈絡(luò)，構(gòu)建了基于智能體 ⁺ 元宇宙的數(shù)字化泛在學(xué)習(xí)模式，并探討其在高階思維能力培養(yǎng)中的效能。實(shí)踐表明，學(xué)習(xí)者的問題解決能力和批判性思維顯著提升，然而創(chuàng)造性思維提升有限。行為序列分析表明，高階思維能力提升組學(xué)習(xí)者在智能求解、視頻學(xué)習(xí)、對(duì)話記錄查看和尋求學(xué)習(xí)導(dǎo)引等模塊之間互動(dòng)密切。以上發(fā)現(xiàn)為數(shù)字化泛在學(xué)習(xí)提供了有力的實(shí)踐支撐。

首先，在設(shè)計(jì)數(shù)字化泛在空間時(shí)，可構(gòu)建路線建議 + 自主選擇機(jī)制，即學(xué)習(xí)者在參考推薦學(xué)習(xí)路徑的同時(shí)，具有一定的自由選擇權(quán)。學(xué)習(xí)空間中的學(xué)習(xí)片段應(yīng)有明確目標(biāo)、教學(xué)單元小且相互關(guān)聯(lián)，并具備可擴(kuò)展的深度。注意設(shè)置埋點(diǎn)采集行為數(shù)據(jù)，包括學(xué)習(xí)路徑、停留時(shí)間、互動(dòng)記錄等。此外，泛在學(xué)習(xí)環(huán)境的設(shè)計(jì)應(yīng)遵循認(rèn)知規(guī)律，如引入自然場(chǎng)景等，在學(xué)習(xí)者長時(shí)間自主性注意任務(wù)后注意力得以恢復(fù)。本研究中，探索性事件（H）雖與知識(shí)本體無直接關(guān)聯(lián)，卻受到了學(xué)習(xí)者，尤其是高階思維能力提升組的高度關(guān)注。學(xué)習(xí)本質(zhì)上依賴自主性注意，模塊H通過提供足夠且連貫的虛擬自然空間，激發(fā)非自主性注意，使學(xué)習(xí)者從學(xué)習(xí)任務(wù)中暫時(shí)抽離，契合注意力恢復(fù)理論（AttentionRestorationTheory）[40]。值得注意的是，在搭建環(huán)境時(shí)，可設(shè)計(jì)隱藏知識(shí)點(diǎn)的學(xué)習(xí)彩蛋。元宇宙的高度自由度有助于激發(fā)學(xué)習(xí)者探索未知與測(cè)試功能的行為，類似“學(xué)習(xí)彩蛋”的意外驚喜與即時(shí)反饋可引導(dǎo)學(xué)習(xí)者將探索行為轉(zhuǎn)化為學(xué)習(xí)收益。彩蛋應(yīng)結(jié)合課程目標(biāo)和學(xué)習(xí)任務(wù)靈活設(shè)計(jì)，幫助學(xué)習(xí)者加深對(duì)知識(shí)點(diǎn)的理解，也可依托行為數(shù)據(jù)動(dòng)態(tài)生成個(gè)性化彩蛋。

其次，在智能體設(shè)計(jì)時(shí)，智能體應(yīng)能夠根據(jù)學(xué)習(xí)者的輸入（如選擇、提問、停留等）動(dòng)態(tài)推薦或生成新的交互學(xué)習(xí)元素，基于其行為模式智能調(diào)節(jié)學(xué)習(xí)節(jié)奏。其一，可設(shè)置反饋評(píng)價(jià)界面，鼓勵(lì)學(xué)習(xí)者評(píng)價(jià)智能體表現(xiàn)，進(jìn)而優(yōu)化其后續(xù)反饋策略，實(shí)現(xiàn)人機(jī)協(xié)同的適應(yīng)性提升。這是因?yàn)閷W(xué)習(xí)者并非預(yù)設(shè)學(xué)習(xí)路徑的被動(dòng)參與者，而是在與智能體和元宇宙的持續(xù)互動(dòng)中的個(gè)性化學(xué)習(xí)路徑的自主構(gòu)建者。其二，合理嵌入問題支架。學(xué)習(xí)者的提問質(zhì)量在學(xué)習(xí)深化過程中起到關(guān)鍵作用，提問不僅反映其思維水平，也影響智能體反饋的深度和廣度。研究者應(yīng)立足教學(xué)自標(biāo)與內(nèi)容特性，在智能體交互界面中預(yù)設(shè)方向性與結(jié)構(gòu)性問題，并提供啟發(fā)性學(xué)習(xí)材料，引導(dǎo)學(xué)習(xí)者進(jìn)入高階思維能力發(fā)展的良性循環(huán)[4]。其三，設(shè)計(jì)主動(dòng)式智能體。研究者可借助埋點(diǎn)無感知采集學(xué)習(xí)者行為數(shù)據(jù)，使智能體根據(jù)數(shù)據(jù)判斷學(xué)習(xí)者學(xué)習(xí)狀態(tài)或意圖，并據(jù)此主動(dòng)生成正反饋、總結(jié)提示或進(jìn)階任務(wù)推送等，以提升參與度低的學(xué)習(xí)者學(xué)習(xí)動(dòng)機(jī)。

再次，在數(shù)字化泛在學(xué)習(xí)實(shí)踐中，教學(xué)設(shè)計(jì)應(yīng)關(guān)注學(xué)習(xí)者的日常經(jīng)驗(yàn)與最近發(fā)展區(qū)，構(gòu)建貼近生活的導(dǎo)人情境，幫助其快速進(jìn)人學(xué)習(xí)狀態(tài)。此外，應(yīng)配備教師端數(shù)據(jù)后臺(tái)，可視化呈現(xiàn)學(xué)習(xí)者的任務(wù)完成度、交互頻率與內(nèi)容等埋點(diǎn)數(shù)據(jù)，支持教師精準(zhǔn)掌握學(xué)習(xí)者的學(xué)習(xí)進(jìn)度、交互主題與學(xué)習(xí)路徑，為教學(xué)策略調(diào)整與個(gè)性化指導(dǎo)提供數(shù)據(jù)支撐。

最后，針對(duì)本實(shí)驗(yàn)中創(chuàng)造性思維提升不顯著的問題，未來平臺(tái)可融合博弈論視角，設(shè)計(jì)與學(xué)習(xí)者能力互補(bǔ)、具備不同身份的多智能體。這些智能體可從多元視角審視問題，有助于引導(dǎo)學(xué)生從多角度審視問題，打破單一思維模式。還可以進(jìn)一步設(shè)計(jì)多智能體的信息溝通機(jī)制，增強(qiáng)其在合作與競(jìng)爭等真實(shí)情境中的自主決策與行動(dòng)能力，進(jìn)而激發(fā)學(xué)習(xí)者參與多人一多智能體互動(dòng)的積極性。此外，本研究搭建的平臺(tái)場(chǎng)景仍然是預(yù)設(shè)的，未來結(jié)合3D模型生成智能體的能力以及空間計(jì)算對(duì)物理環(huán)境數(shù)字化建模與分析的能力，實(shí)時(shí)生成數(shù)字化虛擬對(duì)象并嵌入物理環(huán)境中。學(xué)習(xí)者可以借助眼鏡等可穿戴設(shè)備，沉浸式體驗(yàn)這種虛實(shí)疊加、實(shí)時(shí)渲染的數(shù)字化泛在學(xué)習(xí)平臺(tái)。

六、結(jié)束語

本研究將跟隨式智能體嵌入元宇宙環(huán)境，開展數(shù)字空間中泛在學(xué)習(xí)模式的實(shí)證研究，重點(diǎn)分析了該模式對(duì)學(xué)習(xí)者高階思維能力的影響。在理論層面，研究探索了智能體的個(gè)性化交互能力與元宇宙的環(huán)境渲染優(yōu)勢(shì)，提出二者融合能夠有效破解泛在學(xué)習(xí)在情境感知和環(huán)境延展方面的限制，進(jìn)而構(gòu)建了基于智能體 ?+ 元宇宙的數(shù)字化泛在學(xué)習(xí)框架。基于該框架，研究通過實(shí)證分析揭示了智能體支持下，學(xué)習(xí)者高階思維能力發(fā)展的機(jī)制及其與數(shù)字化學(xué)習(xí)行為之間的內(nèi)在關(guān)聯(lián)。在實(shí)踐層面，本研究的技術(shù)方案為泛在學(xué)習(xí)提供了更加豐富的數(shù)字化應(yīng)用場(chǎng)景與個(gè)性化資源支持，推動(dòng)在實(shí)時(shí)生成與渲染的環(huán)境下，實(shí)現(xiàn)人人皆學(xué)、處處能學(xué)、時(shí)時(shí)可學(xué)的泛在學(xué)習(xí)。未來，研究團(tuán)隊(duì)將進(jìn)一步完善實(shí)驗(yàn)硬件條件，實(shí)施長周期、基于設(shè)計(jì)的研究，探索該模式在多學(xué)科的泛化效果，如實(shí)施多學(xué)科融合的縱向研究，以期系統(tǒng)考查學(xué)習(xí)者的高階思維能力發(fā)展情況，驗(yàn)證結(jié)論的普適性。

[參考文獻(xiàn)]

[1]中共中央，國務(wù)院.教育強(qiáng)國建設(shè)規(guī)劃綱要（2024—2035年）[EB/OL].（2025-01-19）[2025-02-19].htps：/ww.gov.cn/gongbao/2025/issue_11846/202502/content_7002799.html.

[2]劉璇璇.以教育數(shù)字化賦能學(xué)習(xí)型社會(huì)建設(shè)全面構(gòu)建泛在可及的終身教育體系[N].人民日?qǐng)?bào)，2025-02-12（9）.

[3]中華人民共和國教育部.教育部部署加強(qiáng)中小學(xué)人工智能教育 [EB/OL].（2024-12-02）[2025-02-19].htp：//w.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202412/t20241202_1165500.html.

[4]TAHIR ZM，HRONH，SINGHJKG.Evolutionof learning environent：areviewofubiqutous learning paradigmcharacteristics[J]. Indonesian journal of electrical engineering and computer science，2018，11（1） ：175-181.

[5]HUANGYM，CHUPS，LUTC，etal.Thedesignandimplementationofameaningfullearning-basedevaluationmethodforubiquitous learning[J]. Computers amp; education，2011，57（4）：2291-2302.

[6]魏雪峰.互聯(lián)網(wǎng)教育服務(wù)：分析、評(píng)價(jià)與實(shí)踐[M].北京：中國社會(huì)科學(xué)出版社，2023：2-6.

[7] CHENGD，CHANGCK，WANGCY.Ubiquitous learning website：scafold learners bymobile devices withinformation-awaretechniques[J]. Computers amp; education，2008，50（1）：77-90.

[8]潘基鑫，雷要曾，程璐璐，等.泛在學(xué)習(xí)理論研究綜述[J].遠(yuǎn)程教育雜志，2010，28（2）：93-98.

[9] HWANGGJ，TSAICC，YANGSJH.Criteria，strategiesandresearchisuesofcontext-awareubiquitousleaming[J].Jualofeducational technology amp; society，2008，11（2）：81-91.

[10]SHIHJL，CHUHC，HWANGGJ，etal.Aninvestigationofatitudesof studentsadteachrsaboutparticipatinginacontextaware ubiquitous learning activity[J]. British jourmal of educational technology，2011，42（3）：373-394.

[11]原昉，也勇.泛在學(xué)習(xí)下的碎片化閱讀及其優(yōu)化策略[J].數(shù)字教育，2021，7（4）：20-25.

[12]SCOBLER，ISRAEL S，BENIOFF M.Ageofcontext：mobile，sensors，dataandthe futureof privacy[M].Lexington：PatrickBrewster Press， 2014：1-18.

[13] MCQUIRE S. Geomedia： networked cities and the future of public space[M]. Cambridge：Polity Press，2016：1-7.

[14]翟雪松，楚肖燕，王敏娟，等.教育元宇宙：新一代互聯(lián)網(wǎng)教育形態(tài)的創(chuàng)新與挑戰(zhàn)[J].開放教育研究，2022，28（1）：34-42.

[15]顧小清，宛平，王龔.教育元宇宙：讓每一個(gè)學(xué)習(xí)者成為主角[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（11）：13-26.

[16]CHAMOLAV，BANSALG，DASTK，etal.Beyondreality： thepivotalroleof generativeIinthe metaverse[J].IEEEinteetofthings magazine，2024，7（4）：126-135.

[17]SAIFN，KHAN SU，SHAHEENI，etal.Chat-GPT;validating technologyaeptance model（TAM）ineducationsectorviaubiquitous learning mechanism[J]. Computers in human behavior， 2O24，154：108097.

[18] KARAARSLAN E，YAZICI YILMAZ S. Metaverse and decentralization [MV/ESENF S，TINMAZ H，SINGH M. Metaverse：technologies，opportunities and threats. Singapore：Springer Nature Singapore，2O23：31-44.

[19]翟雪松，楚肖燕，顧建民，等.從知識(shí)共享到知識(shí)共創(chuàng)：教育元宇宙的去中心化知識(shí)觀[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（11）：27-37.

[20] SHARMA C，AGARWALB，WUTSITKUKIL，etalInteractive learning throughthe metaverseand itsimpactonprimaryeducation[C/2O2421stInternationalConferenceonElectricalEnginering/Electronics，Computer，TelecommunicationsandInformation Technology （ECTI-CON）. Khon Kaen：IEEE，2024：1-8.

[21]LEELH，ZHOUP，ZHANGC，etal. What if we havemeta GPT？Fromcontent singularityto human-melaverse interactioninAIGC era[EB/OL]. （2024-04-15）[2025-02-19]. htps：//arxiv.org/abs/2304.07521.

[22]翟雪松，楚肖燕，焦麗珍，等.基于\"生成式人工智能 + 元宇宙\"的人機(jī)協(xié)同學(xué)習(xí)模式研究[J].開放教育研究，2023，29（5）：26-36.

[23]YUD.AI-empoweredmetaverselearningsimulationtechnologyaplication[C/2O23IntemationalConferenceonInteligentMetaverse Technologies amp; Applications （iMETA）. Tartu： IEEE，2O23：1-6.

[24]VALLASCIANI G，STACCHOL，CASCARANOP，etal. CreAIXR： fostering creativity with generative AI in XRenvironts[C/2024 IEEE International Conferenceon Metaverse Computing，Networking，and Aplications（（MetaCom）.Kyoto：IEE，2024：1-8.

[25]HWANGGJ，CHESY.Dfitin，oles，andpotentialesearchisuesof temetaverseineducatio：anartificalieligeceperspective[J]. Computers and education： artificial intellgence， 2022，3：100082.

[26]李海峰，王煒.人機(jī)爭論探究法：一種爭論式智能會(huì)話機(jī)器人支持的學(xué)生高階思維能力培養(yǎng)模式探索[J].電化教育研究，2024，45（3）：106-112，128.

[27]何克抗.對(duì)反饋內(nèi)涵的深層認(rèn)知和有效反饋的規(guī)劃設(shè)計(jì)——美國《教育傳播與技術(shù)研究手冊(cè)（第四版）》讓我們深受啟發(fā)的亮點(diǎn)之二[J].中國電化教育，2017（5）：1-7，14.

[28]王雪，孫明琳，楊潔，等.教育智能體如何提供更有效的支持？——基于EEG信號(hào)的腦機(jī)制與優(yōu)化策略探究[J]. 電化教育研究，2025，46（2）：49-56.

[29]CHEREM，WAY-MGWEBN.Integrationof generativearticialinteligenceinhighereducationpedagogyfactorsandbestpractices[M/DUBE K.Redefiing educationand development：innovativeapproaches intheeraof thesustainable developmentgoals. Cham： Springer Nature Switzerland， 2024： 93-112.

[30]余勝泉，汪凡淙.人工智能教育應(yīng)用的認(rèn)知外包陷阱及其跨越[J].電化教育研究，2023，44（12）：5-13.

[31]TUYF.RolesandfunctionalitiesofChatGPTforstudentswithdiferentgrowthmindsets[J].Educationaltechnologyamp;society，2024，27（1）：198-214.

[32]LV Z. Generative artificial intelligence in the metaverse era[J]. Cognitive robotics，2O23，3：208-217.

[33]JAUHJeeaveseoatiosdgeneatieAJ].Iteatialjoualfioatisies，47.

[34]STAHLG.Buildingcollborativeknowing：elementsofasocial teoryofCSCLM/WhatweknowaboutCSCL：andimplementingitin higher education. Dordrecht：Springer Netherlands，2OO4： 53-85.

[35]HWANGGJ，LAICL，LIANGJC，tal.Along-termexperimenttoinvestgatetherelationshipsbtweenhighschoolstudentsperceptinsofmobilelearingandperinteractionandhigher-orderthinking tendencies[J].Educationaltechnologyresearchanddevelopment，2018，66：75-93.

[36]SUNZ，LICH，LVK，tal.Knowledgeconstructionbehaviorsinmobilelaingenvioent：algsequentialalyisfgroup differences[J]. Educational technology research and development，2021，69： 533-551.

[37]YANG TC，CHEN SY，HWANG GJ.Theinfluencesofatwo-tiertest strategyonstudent leaming：alagsequential analysisapproach[J]. Computersamp; education，2015，82：366-377.

[38]BAKEMANR，GOTTMANJM.Observing interaction：anintroductiontosquentialanalysis[M].Cambridge：CambridgeUniversityPress，1997.

[39]朱彩蘭，陳彤，李藝，等.關(guān)聯(lián)思維的內(nèi)涵與形成路徑研究[J].電化教育研究，2023，44（5）：29-35，43.

[40]YOUJ，WEX，Uetal.oilicclasrooeioentsosadcoitivepfoanceadomedosersudyin virtual reality（VR）[J]. Plos one，2023，18（11） ：e0291355.

[41]趙曉偉，王師曉，李情，等.蘇格拉底式問題支架：促進(jìn)學(xué)生向AI大模型提出高質(zhì)量問題[J.現(xiàn)代遠(yuǎn)程教育研究，2025，37（1）：102-112.

A Study on the Influence of Higher-Order Thinking Skills through Agent- and Metaverse-based Digital Ubiquitous Learning

ZHAI Xuesong， JI Shuang， LI Yan （College of Education， Zhejiang University， Hangzhou Zhejiang ）

[Abstract] Building a comprehensive and accessble lifelong education system is a key objective in building a leading educational nation，and digital empowerment for ubiquitous learning has become a critical focus of educational reform and innovation.Traditional ubiquitous learning faces significant challenges in intelligentization，contextual awareness and scalability，limiting its effectiveness in fostering learners'higher-order thinking skills.The maturation of intellgent agents and metaverse technologies in recent years have provided technical reserves for personalized content generation and contextual rendering and perception，making it possble to promote the implementation of large -scale digital ubiquitous learning. This study developed a digital ubiquitous learning platform integrating intelligent agents and metaverse technologies.A total of 118 primary and secondary school students were recruited to participate inadigital ubiquitous course on \"multi -ethnic cultures\"，and learner interaction data were analyzed through behavioral sequences and cognitive networks. The results show that the digital ubiquitous learning model significantly enhances students'problem-solving and critical thinking skills，while creative thinking is improved but not to a significant level.Behavioral sequence analysis indicates that the higher-order thinking enhancement group demonstrate intensive interactionsamong modules such as intelligent problem-solving， video-based learning， dialogue log review，and seeking learning guidance. To further cultivate creative thinking，future studies could introduce game-theoretic mechanisms to design multiagent systems，enhancing their autonomous capabilities in simulated scenarios and enabling learners to construct multi-perspective human-multi-agent interaction frameworks.

[Keywords] Ubiquitous Learning; Agent; Metaverse; Higher -Order Thinking Skills; Human -AI ollaborative Learning