[中圖分類號]G434 [文獻標志碼]A

[作者簡介]韓中美（1990—），女，江蘇宿遷人。副教授，博士，主要從事人工智能教育以及學習者認知與情感研究。E-mail ： zm.han@zjnu.edu.cn。

一、引言

群體認知失調是由于個體與群體之間觀點分歧或理解差異，以及個體行為與群體期望之間不匹配而觸發(fā)的舊經驗和新知識悖離、認知的外顯活動/結果與內隱活動/狀態(tài)不一等心理狀態(tài)，其有效協(xié)調是人類學習與心智發(fā)展的基礎。2023年，教育部印發(fā)的《學習型社會建設重點任務》明確強調，形成覆蓋各年齡段和職業(yè)群體的學習網絡1。2024年，習近平總書記在全國教育大會上擘畫教育強國建設必須培養(yǎng)全面發(fā)展的人2。由此，全面學習型社會以及教育強國的建設離不開群體認知的全面進階。群體認知作為對自我和外部群體進行感知、理解、判斷和決策等心智活動的最基本心理過程與結果，其失調是推動群體智慧生成和實現(xiàn)共同進步的重要動力，也極易導致認知困擾、心理不適、決策困難等問題4。因此，群體認知失調具有“雙向性”，既是促進機體協(xié)同進步的重要契機，也是制約知識整合與合作效能的潛在障礙，其高效理解和調節(jié)對個體心智全面發(fā)展與群體提質起著至關重要的作用。

教育元宇宙與生成式人工智能等新興技術的快速演進，促使人機協(xié)同成為緩解群體認知失調的重要支點，開啟了人（內腦）機（外腦）高度協(xié)同（復合腦）的認知學習數智時代。群體智能作為AI發(fā)展的關鍵方向，已被寫人2023年中共中央、國務院印發(fā)的《數字中國建設整體布局規(guī)劃》，該規(guī)劃強調提升群體智能以支撐高質量教育與智慧社會建設。然而，單純依賴學習者個體內腦，已無法勝任群體失調情境下認知學習需求，將智能技術構成的智能體作為“外腦”，正逐步具備感知、推理與決策等能力；當其與人類“內腦\"協(xié)同作用，形成復合腦思維，能夠在復雜群體環(huán)境中解析認知動態(tài)、支持信息過濾與推理機制，從而緩解認知失調所導致的集體行為扭曲。作為群體情境中聯(lián)動學習者身心的復雜認知，認知失調涉及學習者在生理、心理和行為層面的相互作用和協(xié)調，因此，學習者生理一心理一行為耦合是幫助學習者在與智能體協(xié)同中主動判斷、決策與調整，持續(xù)建構面向認知失調的心智結構。

耦合效應是群體情境中兩個或以上的學習者個體通過生理、心理和行為等相互作用而彼此影響，從而聯(lián)合起來產生認知增力的現(xiàn)象。面向群體認知失調的復雜耦合效應強調智能體作為外腦解析學習者行為、生理和心理聯(lián)動的全過程，要解決的是智能技術載體（外腦）“正確地做事”，促進學習者（內腦）面向群體認知失調自適應判斷“做正確的事（雜）”，最終實現(xiàn)復合腦思維下基于生理一心理一行為一體化的群體認知失調的緩解。然而，已有研究缺乏在群體認知失調的情況下有效建立耦合機制的方法，同時對于如何在復合腦系統(tǒng)中緩解因群體認知失調引發(fā)的決策偏差問題仍存在空白。因此，本文將探討復合腦賦能下群體認知失調全過程的生理一心理一行為耦合特征及其耦合下的調節(jié)過程與模式，以支持復合腦結構中信息的高效傳遞與多主體間的協(xié)同。

二、群體認知失調：學習者生理一心理一行為的耦合特征

生成式人工智能、教育元宇宙等智能技術使得協(xié)作學習者置身于人機協(xié)同環(huán)境中，當認知個體或群體在生理、心理、行為等要素間出現(xiàn)“非配合性\"關系時，易引發(fā)認知失調。為破解這一難題，應厘清其內涵及三要素耦合機制，聯(lián)動內腦與外腦構建適應數智時代的人機協(xié)同復合腦，提升認知一致性，促進個體與群體的全面發(fā)展。

（一）群體認知失調的內涵

認知失調是指個體在信息處理過程中，由于信息不完整、不一致或不準確而引發(fā)的認知與態(tài)度間的矛盾。具體而言，它是由觀念、信仰、價值觀等因素引發(fā)的知覺不兼容狀態(tài)，表現(xiàn)為行為沖突，或與未來事件的期望產生矛盾。學習群體是認知失調的主要來源，特別是在數智時代，個體與群體之間的觀點與行為差異成為典型的失調情境。因此，厘清群體認知失調的內涵對于促進群體智慧的有效涌現(xiàn)至關重要。

群體認知失調是認知失調在群體情境中的延伸，指個體在群體互動中因觀點、態(tài)度或行為差異產生的心理沖突。在此情境下，個體通常調整認知以維持群體協(xié)調。譬如\"群體思維\"理論指出，群體中高一致性要求會使個體壓抑獨立判斷，避免沖突而違背自我意愿。在外界影響較弱時，個體更易保持獨立思維[]。當“群體一致性壓力\"與“個體認知偏好\"沖突時，便形成群體認知失調[1]。因此，本文將群體認知失調定義為因任務交互中群體成員間內外部認知不一致或矛盾引發(fā)的心理沖突狀態(tài)，并從“個體內部失調”與“個體與群體間失調\"兩個維度構建了群體認知失調類型框架（見表1）。

表1闡述了群體認知失調的類型和內涵，及其對群體學習與協(xié)作的影響。本文將群體認知失調劃分為個體內部的認知失調及群體與個體間的認知失調。個體內部的認知失調側重個體內在心理狀態(tài)的失衡而非群體的直接影響，表現(xiàn)為信念沖突和預期與行為后果的脫節(jié)，最終導致辯護行為，反映個體心理狀態(tài)由外向內的影響過程：群體與個體間的認知失調關注個體與群體的關系，強調在群體壓力下，個體對態(tài)度與行為的調整，表現(xiàn)為目標沖突、角色期望沖突和群體規(guī)范沖突，最終演變?yōu)閺娭品牡男睦響獙^程，體現(xiàn)個體與群體關系的遞進變化[13]

（二）群體認知失調全過程的生理一心理一行為耦合特征

群體認知失調的產生與演化并非單一維度下的心理現(xiàn)象，而是涵蓋生理反應、心理變化與行為調節(jié)的動態(tài)耦合過程。生理、心理與行為三個層面在群體情境中相互交織與反饋，形成復雜的聯(lián)動系統(tǒng)。三個層面間的耦合關系共同構成群體認知失調的生理一心理一行為特征，為理解群體失調機制提供了關鍵視角。

生理一心理耦合特征表現(xiàn)為生理與心理狀態(tài)的緊密關聯(lián)。生理緊張加劇心理壓力，群體動力下降進一步強化生理反應，形成自我強化的反饋循環(huán)。從神經生物學角度來看，腦電活動模式（如Delta-beta耦合）與情緒調節(jié)能力相關，可作為評估焦慮等失調現(xiàn)象的非侵入性指標[4。在共同壓力下，群體成員的生理同步性增強，皮膚電活動與心理努力呈正相關[]，群體認知壓力因此受生理與群體互動氛圍的雙重影響。為緩解失調，群體通過外部信息或討論達成共識，減少不確定性[1

心理一行為耦合特征強調群體心理狀態(tài)對行為的驅動作用。個體通過模仿群體行為或自我說服調整行為，恢復認知平衡。個體在個人信念與群體壓力間掙扎，最終順應群體期望以減少認知不適。研究表明，個體的情緒狀態(tài)會影響其在聯(lián)合任務中的角色適應與行為效率[18]，這表明行為受到內在動機與群體情緒氛圍的雙重調節(jié)作用，且規(guī)律性的行為有助于調節(jié)情緒反應與壓力感知[，進一步體現(xiàn)心理一行為的自我修復機制。由此可知，群體內部一致性的形成，部分地建立在心理推動下的行為趨同過程之上。

生理一行為耦合特征聚焦行為變化與生理狀態(tài)的反饋調節(jié)。生理與行為的同步性2能夠預測個體的選擇行為，尤其體現(xiàn)在群體學習與決策中。學習者的生理反應有助于理解個體間的認知共享與群體行為，生理狀態(tài)影響信息交換與群體決策。當個體改變行為以順應群體規(guī)范時，通常會感到更加放松，減輕生理緊張，形成正向反饋并鞏固新行為模式[2]。群體內部的支持與積極互動有效降低認知失調水平，生理數據共享促進成員連接[22]，增強群體認知一致性與行為協(xié)調。

三、人機協(xié)同復合腦啟發(fā)：促進群體認知失調全過程調節(jié)

群體認知失調導致的認知沖突需要個體與群體在生理、心理、行為層面的全面調節(jié)。由于個體難以及時識別認知偏差，且群體認知變化迅速，傳統(tǒng)依賴經驗和自我調節(jié)的方法難以應對復雜場景中的一致性與適應性要求。因此，如何通過技術增強認知調節(jié)能力，優(yōu)化認知過程，成為解決群體認知失調的關鍵。從人機協(xié)同復合腦視角來看，人工智能的進展使“外腦”（硅基生命）與“內腦\"（碳基生命）深度融合，形成了“協(xié)同判斷一協(xié)同調整—協(xié)同決策\"的認知生態(tài)[23]。通過深度協(xié)同，學習者借助外腦的海量數據處理與計算能力，釋放認知資源用于深度思考和知識建構，從被動接收者轉變?yōu)橹鲃觿?chuàng)造者[24。群體學習環(huán)境中，個體通過群體協(xié)作匯聚了多元主體（學習者、智能體等）的認知、思維等內腦智慧，協(xié)同算力、算法等外腦智能，為生理一心理一行為一體化調節(jié)提供了支撐。本文構建了面向群體認知失調全過程緩解的人機協(xié)同復合腦，以此逐步實現(xiàn)認知失調的感知整合、認知結構重構及決策中的共同創(chuàng)造與智慧共生。

（一）原理闡述：群體認知失調情境下的復合腦啟發(fā)層次

智能技術作為外腦，與學習者內腦互動形成高效復合腦系統(tǒng)，該系統(tǒng)包括感知腦、認知腦和執(zhí)行腦。感知腦捕捉學習狀態(tài)與認知壓力，提供反饋以識別群體目標；認知腦深化知識理解，優(yōu)化基模結構，突破認知閾限，促進思維發(fā)展；執(zhí)行腦將主觀經驗轉化為數據驅動決策，通過意圖推理和后果模擬優(yōu)化決策方案，如圖1所示。

1.生理支撐的感知腦：認知失調下的多模態(tài)失調初感知

在傳統(tǒng)教育中，學習者主要依賴內腦進行信息感知和記憶，但面對復雜任務和信息過載時，內腦因資源有限往往無法全面把握任務，導致自我認知偏差。智能技術的介人能夠融合內腦主觀感知與外腦多模態(tài)數據處理能力，突破單一內腦的感知瓶頸，形成多維度、高感知的復合腦—“感知腦”。

在復雜任務和多情境下，個體對學習狀態(tài)的自我感知往往滯后，傳統(tǒng)測評難以實時捕捉狀態(tài)變化。為應對這一問題，結合多模態(tài)數據（如語音、面部表情、皮膚電、心率等），外腦可持續(xù)監(jiān)測群體學習狀態(tài)[25]，實時識別低參與或高負荷成員并提供反饋，協(xié)助內腦調整學習策略。同時，群體任務負荷具有時變性和結構異質性，借助非侵入式傳感技術（如腦電、行為捕捉）可建立認知負荷時序模型，預測高負荷點并優(yōu)化任務分工[2。長期數據積累形成個性化學習檔案，支持進展追蹤與目標調整2。智能外腦突破內腦感知限制，基于多模態(tài)分析動態(tài)識別個體與群體目標偏移，提供任務重定向建議，將整體目標分解為階段性子目標，從而優(yōu)化資源配置與任務策略，推動個體由被動執(zhí)行者向主動協(xié)同者轉變。

2.心理關聯(lián)的認知腦：認知失調下的認知圖式協(xié)同重構

智能技術，特別是類腦神經網絡的應用，使外部系統(tǒng)能夠模擬人類認知過程、識別偏差并輔助知識結構重構。通過多維數據處理與語義建模，智能外腦能模擬人類的感知、記憶與推理過程，在認知過程中提供反饋調節(jié)，幫助學習者協(xié)同重構認知圖式，促進信息整合與新舊知識聯(lián)結，形成具有自我學習和動態(tài)適應能力的智能復合體—“認知腦”。

認知腦支持人機協(xié)同下基模結構優(yōu)化與思維聯(lián)結增強。在信息碎片化和結構松散的環(huán)境中，學習者基模是指學習者認知結構化知識框架，易因缺乏有效組織而出現(xiàn)穩(wěn)定性不足，導致理解斷層或知識遷移障礙。外腦通過行為數據分析追蹤學習路徑與信息處理模式，識別薄弱環(huán)節(jié)并輸出優(yōu)化建議，內腦據此調整認知圖式，增強信息整合與認知穩(wěn)定性。外腦借助知識圖譜構建概念聯(lián)結網絡，揭示跨學科知識的潛在關聯(lián)，通過進化計算（模擬生物進化機制的算法）動態(tài)優(yōu)化圖譜結構一刪除冗余聯(lián)結、挖掘深層關聯(lián)、賦予知識路徑權重，從而提升知識遷移的精準性（快速定位適配知識）與深度（跨領域應用拓展）[28]。最終內腦結合外腦反饋，逐步構建適應性認知結構。

認知腦聚合人機群智以突破認知壁壘，提升群體知能。認知壁壘是個體在復雜知識體系中遇到的障礙，外腦通過大數據分析識別認知瓶頸并提升群體知能。其一，外腦識別學習瓶頸并基于數據生成認知調節(jié)路徑，內腦動態(tài)調整策略促進認知躍遷；其二，外腦匯總群體數據，優(yōu)化任務分配與策略協(xié)同，推動知識共享與認知耦合。例如，Wei等人結合LinUCB算法、學生能力與注意力指標，進行個性化學習資源推薦，提升認知匹配度[29]。

3.行為賦能的執(zhí)行腦：認知失調下的意圖決策共生創(chuàng)造

在數據驅動的學習環(huán)境中，行為數據分析成為提升個體與群體決策質量的關鍵，揭示學習因素間的潛在關聯(lián)，并為認知失調情境中的個體提供循證支持。隨著生成式人工智能（AIGC）的發(fā)展，智能系統(tǒng)從響應型工具演變?yōu)闆Q策輔助系統(tǒng)，催生出專注于意圖識別、行為預測與策略優(yōu)化的高階認知調節(jié)新型高級復合腦—“執(zhí)行腦”。

第一，內腦生成初步認知意圖，但在信息超載或情境不確定性下，感知能力受限，需要外腦的高效數據處理進行決策補償。外腦基于學習行為和群體互動數據推理意圖、預測行為，為學習者提供個性化資源與建議，幫助個體將直覺判斷轉化為理性決策，從而提升決策質量與任務效率。例如，黃石華等人通過“場景\"視角量化學習行為大數據，構建可量化、可解釋的學習行為分析框架，揭示隱藏在行為大數據背后的學習行為規(guī)律[30]。

第二，外腦通過多維度解析個體及群體學習行為，揭示潛在關聯(lián)，并模擬不同學習路徑的行為后果，幫助學習者預見決策風險。內腦基于外腦反饋進行深層次推理與歸因，最終做出獨立判斷與決策。此過程中，外腦僅作為證據提供者（如錯誤數據統(tǒng)計、路徑模擬結果），內腦始終保持決策主導權—學習者通過數據支撐增強判斷精準度，而非由外腦直接決定行動方案。

第三，內外腦通過持續(xù)協(xié)同優(yōu)化，建立精確的決策模式。內腦提出需求與目標，外腦基于算法提供多路徑建議，雙方通過反饋形成動態(tài)優(yōu)化決策。該過程中，內腦保留主觀判斷權，外腦提供計算輔助與情境預測，最終實現(xiàn)決策共建與方案智慧共創(chuàng)。例如，Schoonderwoerd等人提出共學習（Co-learning）框架，表明群體與AI伙伴共同學習可提升問題解決與創(chuàng)造力的循證決策[31]。

（二）脈絡剖析：人機協(xié)同復合腦啟發(fā)下學習者認知失調的耦合調節(jié)過程

隨著AIGC技術的應用深化與智能算法的創(chuàng)新迭代，外腦在模擬人類認知、內容生成與自我學習等方面取得顯著進展。憑借強大的計算與自適應能力，外腦在分擔內腦認知負荷的同時，通過人機協(xié)同的方式推動認知失調的耦合調節(jié)機制探索。在此復合腦模型下，外腦實時解析個體的生理、心理與行為數據，輔助識別失調因素；內腦基于外腦的解析結果，同步調整神經認知加工模式與行為響應策略。二者通過生理一心理一行為的多維度數據耦合，協(xié)同協(xié)調情緒喚醒與行為表現(xiàn)的一致性，進而實現(xiàn)對個體認知沖突的精準疏導及群體學習生態(tài)的動態(tài)優(yōu)化，如圖2所示。

1.生理一心理耦合：生理數據引導的心理狀態(tài)同步調節(jié)

人機協(xié)同復合腦視角下的生理一心理耦合是指通過內外腦協(xié)同感知，基于生理數據精準識別學習者心理變化與調節(jié)需求，進而干預和緩解認知失調。通過動態(tài)監(jiān)測與智能反饋，外腦為個體與群體提供基于生理指標的情緒調節(jié)支持，增強認知過程中的自我感知與群體協(xié)調能力。

其一，群體感知與個體畫像的構建。應對群體認知失調的關鍵在于精準識別個體與群體的情緒狀態(tài)。外腦通過監(jiān)測心率、皮膚電等生理數據，識別情緒波動并反饋給內腦，幫助個體覺察集體情緒。結合內腦反應特征，外腦構建個體畫像，生成動態(tài)心理狀態(tài)信息并提供個性化調節(jié)建議，如深呼吸或短暫休息，以緩解認知壓力。其二，心理狀態(tài)的共享調節(jié)與動態(tài)反饋。群體認知失調通常源于個體間情緒與認知狀態(tài)的不協(xié)調。外腦在感知個體狀態(tài)的基礎上，整合分析群體的心理與生理信號，識別情緒趨勢并反饋給各成員內腦，幫助個體理解集體情緒氛圍與自身反應的合理性。當個體感到孤立或壓力時，外腦會推送鼓勵其參與團隊互動的建議，增強歸屬感并改善認知協(xié)調，從而提升學習積極性與效率。

2.心理一行為耦合：認知圖式與行為表現(xiàn)的一致性強化

人機協(xié)同復合腦視角下的心理一行為耦合機制旨在通過內外腦的協(xié)同，促進學習者認知圖式與行為表現(xiàn)的一致性。外腦基于實時監(jiān)測的數據（如參與度、反饋速度、情緒波動等），識別學習過程中的認知障礙與情境壓力，向內腦提供定制化反饋，支持學習者對行為策略進行調整，緩解因群體認知失調帶來的行為偏差。

其一，群體反應與自我評估的互動機制。個體通過群體反饋調整認知與行為，外腦監(jiān)測群體情緒與行為，識別關鍵情境因素并反饋至內腦，幫助理解群體情緒背景，明確角色與優(yōu)化策略。群體出現(xiàn)負面情緒時，外腦提供引導建議，如啟動輔導對話，增強個體對群體互動的信任感，緩解認知壓力[3]。其二，外腦的情境分析與學習路徑優(yōu)化。外腦基于行為數據（反饋速度、錯誤率等）精準定位認知失調的成因，提供情緒疏導、知識補充或任務重構等調節(jié)支持。研究表明，智能分析工具可通過可視化認知與社交信號引導學習者識別并化解潛在沖突，構建共享知識結構[33]。其三，知識網絡擴展與圖式結構完善。外腦整合群體知識資源，協(xié)助內腦識別知識間深層聯(lián)系，構建系統(tǒng)化認知網絡，動態(tài)追蹤學習進展，識別薄弱圖式，提出定向建議以促進內腦認知結構微調，實現(xiàn)新舊知識整合與持續(xù)優(yōu)化，減輕學習障礙。

3.生理一行為耦合：生理反饋實現(xiàn)的行為決策協(xié)調優(yōu)化

復合腦視角下的協(xié)同決定是指內外腦協(xié)同測評生理狀態(tài)，指導行為決策。外腦分析生理數據，提供即時反饋，輔助學習者調整行為以適應特定情境。持續(xù)的監(jiān)測和優(yōu)化促進內外腦協(xié)同，提升學習者的行為適應性和協(xié)調性，形成決策鏈。

其一，生理一行為耦合的核心在于個體如何在外腦監(jiān)測下調整行為意圖與學習目標。外腦通過采集生理數據（如心率）識別高壓狀態(tài)，并向內腦推送優(yōu)化建議（如降低任務強度、休息），幫助個體優(yōu)化注意力與行動路徑。群體層面，外腦整合成員狀態(tài)，調整任務與資源分配，確保目標協(xié)同適應。研究表明，結合腦電特征、CSP與SVM模型可有效識別學習者隱式意圖，提升交互精準度[34。其二，外腦基于歷史數據復現(xiàn)個體狀態(tài)軌跡，識別行為偏差與決策誤區(qū)，提供低風險訓練機會，幫助學習者反思經驗、優(yōu)化策略，預防認知失調帶來的協(xié)作障礙。其三，外腦持續(xù)采集多模態(tài)數據，動態(tài)識別非最佳學習狀態(tài)并提供個性化建議，促進內腦優(yōu)化調節(jié)機制。通過長期反饋積累，學習者逐步形成循證決策鏈，能自主調節(jié)狀態(tài)以應對復雜任務[35]。

綜上所述，個體與群體在學習中常受壓力、焦慮和協(xié)作不暢等外部認知失調因素影響，導致認知一情感失衡，進而影響學習效果。在此過程中，內腦與外腦通過協(xié)同構建反饋機制調節(jié)心理狀態(tài)。正向調節(jié)有助于緩解失調、恢復心理穩(wěn)定并增強認知與行為一致性；負向調節(jié)則可能加劇焦慮和負面認知，削弱自我調節(jié)能力，阻礙學習的順利進行。因此，充分發(fā)揮人機協(xié)同復合腦中的個體調節(jié)作用，對于學習者應對負面反饋至關重要。

四、人機協(xié)同復合腦啟發(fā)：群體認知失調的耦合新模式

人機協(xié)同學習的核心在于借助智能技術促進高質量學習與學習者自我發(fā)展，從而構建面向未來的復合腦。然而，在學習生態(tài)中，個體的主導性常被技術弱化，易產生“去技術無能化”與依賴問題。基于此，本文提出人機協(xié)同復合腦啟發(fā)下學習者生理一心理—行為耦合模式（如圖3所示），通過深度整合人類主體感知與機器智能，增強群體認知一致性與智慧協(xié)同。

該模式強調生理信號、心理狀態(tài)與行為表現(xiàn)的三維耦合。生理信號如腦電活動和心率波動可作為認知失調的早期指標，反映個體的應激與負荷狀態(tài)。通過外腦實時監(jiān)測和反饋，可在失調加劇前提出干預建議，調整任務安排。心理層面，認知沖突伴隨負面情緒，干擾群體認知協(xié)調。外腦借助情緒識別技術（如表情分析、語音情感識別等）調節(jié)個體情緒，減少認知偏差，促進認知趨同。行為層面，外顯的生理一心理耦合表現(xiàn)幫助調整任務分配與協(xié)作策略，避免行為失調影響群體效率與一致性。

該模式融合“人在旁路\"“人在回路\"“人在領路”三種角色，構建動態(tài)協(xié)作機制，適應不同任務與認知需求。“人在旁路\"側重數據監(jiān)測與輔助預警，及時識別潛在認知失調信號并提出干預建議；“人在回路”作為審核者與反饋者，驗證并調整外腦方案，確保決策合理且適應群體需求；“人在領路\"引導整體決策方向，借助情感計算與協(xié)同優(yōu)化技術推進群體目標。在群體認知失調初期，“人在領路”模式識別核心問題并主動干預，提出前瞻性解決方案，使群體學習效率最大化。

（一）人在旁路：輔助性復合腦啟發(fā)模式

“人在旁路\"依托外腦強大的處理能力，承擔監(jiān)控與反饋任務，為人機協(xié)作的高效運行提供支持。此模式下人類更多依賴外腦提供的信息完成決策，角色趨于被動，主要負責觀察與輔助，保障系統(tǒng)執(zhí)行的穩(wěn)定性；外腦通過語義分析、情感計算與數據挖掘技術，深入分析個體生理、心理與行為數據，自動識別認知失調風險，動態(tài)調整任務策略，保障系統(tǒng)持續(xù)高效運作。

其一，數據感知與信息處理的支撐角色。在“人在旁路\"模式下，數據感知和信息反饋主要由外腦主導，內腦依賴于外腦所提供的情境化信息來支持任務決策。外腦通過多模態(tài)數據的監(jiān)測與分析，實時感知群體成員的生理與情感狀態(tài)，并通過數據建模生成精準的反饋，從而輔助內腦在復雜環(huán)境中做出高效決策。當某成員的認知負荷增加時，外腦能夠基于生理信號主動識別并進行信息優(yōu)先級調整，從而緩解內腦的負擔，保證決策流暢。例如，在多智能體系統(tǒng)中，外腦可以通過模擬前額葉皮層的活動模式來優(yōu)化任務分配和執(zhí)行策略，從而提高群體的整體效率和響應能力。此過程中，內腦主要依賴外腦的分析與反饋，以確保決策的科學性和準確性。

其二，異常監(jiān)控與預警機制的構建者。“人在旁路\"模式強調外腦的主導地位。外腦通過實時監(jiān)測群體成員的生理信號（如腦電波、心率）和情緒波動，幫助個體內腦快速識別認知失衡或情緒沖突的早期跡象，并自動發(fā)出干預信號，以防止?jié)撛陲L險擴散。當個別內腦在任務執(zhí)行過程中出現(xiàn)負荷超載的情況，外腦會自動調整任務優(yōu)先級或提供干預建議，以確保群體的協(xié)同穩(wěn)定性和效率，從而避免整個群體因個體問題引發(fā)整體認知失調。在這一過程中，人更多地作為系統(tǒng)的被動觀察者，僅在必要時進行簡單確認，核心任務和決策則依賴外腦強大的計算能力與大數據分析能力來保障整個系統(tǒng)的高效運作。

（二）人在回路：共生性復合腦啟發(fā)模式

“人在回路\"模式的核心是通過引人人類實時反饋并保留決策權，動態(tài)優(yōu)化外腦決策過程，提升其自適應與智能水平（如圖4所示）。該模式通過持續(xù)交互融合人類認知與調整，優(yōu)化外腦的學習路徑與任務執(zhí)行能力。人類既是參與者，還充當沖突調解者與目標校正者。外腦依據反饋調整策略，內腦處理不確定信息，增強靈活性與適應性。圖4中的“生成決策一調節(jié)權重一反饋信息\"流程展示了人機協(xié)同如何應對群體認知失調等問題，優(yōu)化外腦學習過程并提升群體決策效率與準確性。

其一，認知失調的調節(jié)與反饋機制增強。圖4中“矛盾決策、目標沖突、角色沖突\"等元素揭示了“人在回路”的首要職責，即通過人類的認知參與和反饋調節(jié)機器學習過程，緩解群體認知沖突。傳統(tǒng)機器學習依賴預設規(guī)則和數據，難以處理復雜情感交互和認知差異，而智能外腦借助人類反饋，在認知引導下靈活適應復雜情境38。在人類內腦干預外腦決策時，尤其在目標和角色沖突下，內腦通過情感計算與社會化認知經驗優(yōu)化外腦判斷，使決策更符合情境與個體需求。內腦的反饋融入外腦決策循環(huán)，幫助外腦準確解析復雜情境。當認知失調發(fā)生時，內腦主動介入，調整學習路徑，避免情感或認知偏差導致決策失誤，從而實現(xiàn)人機協(xié)同下的精準決策。

其二，任務目標的協(xié)同定義與權重調節(jié)?！叭嗽诨芈贰蹦Ｊ降牡诙舐氊熢谟谌蝿漳繕说膮f(xié)同定義與權重動態(tài)調節(jié)。圖4中的“生成決策、調節(jié)權重、反饋信息”閉環(huán)展示了內腦如何管理角色沖突和調整目標以優(yōu)化機器決策。機器通常依賴預設規(guī)則和目標，但在動態(tài)環(huán)境中難以靈活調整，而人類的參與為這一過程引入了適應性。當目標沖突或策略失效時，內腦實時調整任務優(yōu)先級和權重，確保人機雙方目標導向的一致性。圖4中的“情景感知\"和“目標預測”顯示任務目標在機器與人類協(xié)同下的更新。內腦根據任務進展修正優(yōu)先級，避免因目標失調導致低效協(xié)作。盡管外腦依賴知識庫進行判斷，數據穩(wěn)固但可能不全面，內腦可實時進行二次評估和修正任務，確保決策精準與執(zhí)行合理。外腦通過反饋不斷完善“知識庫”與“決策庫”，內腦提供調節(jié)支持，優(yōu)化決策模式。

其三，知識庫與決策庫的構建與動態(tài)更新?！叭嗽诨芈穃"的核心職責是幫助機器構建、更新知識庫和決策庫，確保機器通過群體互動和任務執(zhí)行不斷學習，提升智能感知與認知推理能力。圖4中的“意圖推理演化”和“認知圖式完善\"反映智能外腦在更新知識庫時的需求，即依靠人類反饋提升數據處理與認知圖式能力。內腦提供實時反饋，注入靈活與創(chuàng)造性的認知模式，特別在模糊任務中提供決策建議，外腦將這些轉化為知識庫規(guī)則，增強認知推理能力。在群體認知失調情境下，內腦快速識別失調根源，幫助外腦更新知識圖譜，逐步使外腦脫離固定規(guī)則，具備獨立應對復雜任務的能力。

（三）人在領路：主導性復合腦啟發(fā)模式

“人在領路\"模式強調人類作為決策核心，引導協(xié)作方向并制定戰(zhàn)略規(guī)劃。內腦作為主導決策者，賦予了人類在應對復雜問題中的核心地位，尤其在面對群體認知失調情境時，設定任務目標、引導決策路徑，并結合情感與創(chuàng)新驅動支持，確保協(xié)作系統(tǒng)朝預定目標推進。人類的創(chuàng)造性與適應力彌補了外腦在復雜、非結構化情境中的不足。

其一，戰(zhàn)略指引與復雜情境中的決策主導者。“人在領路”的首要職責是為群體提供戰(zhàn)略性指引，內腦在其中發(fā)揮主導作用。特定大腦區(qū)域通過編碼目標接近度和方向信息引導任務進程。內腦結合外腦的數據分析與社會化認知經驗制定協(xié)作戰(zhàn)略，確保群體穩(wěn)步向目標推進。盡管外腦擅長結構化任務，復雜情境下仍需依賴內腦的情感判斷與社會理解。認知沖突發(fā)生時，內腦通過任務重構與情境分析提出解決方案，并利用情感引導技術促進群體認知一致性。內腦的認知控制能力使其在復雜情境中引導決策方向，外腦則通過結構化數據分析為決策提供實時反饋。

其二，情感領導與創(chuàng)新驅動的核心角色。群體協(xié)作中，“人在領路”模式提供戰(zhàn)略指引的同時，還負責情感領導與創(chuàng)新驅動。情感因素在決策中的重要性尤為突出，尤其在認知失調或沖突情境下，情感失衡會抑制協(xié)作效率與決策質量。內腦通過情感計算與引導技術實時調節(jié)群體情緒，確保協(xié)作高效與和諧。當情緒波動時，內腦借助外腦數據調整策略，保持團隊合作；同時，作為創(chuàng)新引領者，內腦推動群體突破思維慣性，完成創(chuàng)新任務。面對創(chuàng)新瓶頸時，內腦結合外腦的數據分析，提出創(chuàng)造性解決方案，確保決策具有獨特性并適應環(huán)境變化。外腦通過更新知識庫與決策庫提升智能感知與預測能力，為內腦提供高精度支持，優(yōu)化決策與創(chuàng)新任務執(zhí)行。

五、結束語

人機協(xié)同復合腦模式為教育帶來新機遇，突出學習者的主體性與自我調節(jié)能力。本文探討了群體認知失調對學習的影響，并分析了復合腦在人機協(xié)同調節(jié)中的作用。在“人在旁路\"模式中，外腦幫助學習者掌握自我調節(jié)策略；在“人在回路\"模式中，學習者根據外部信息自主調整學習路徑;在“人在領路\"模式下，學習者完全掌控過程，實現(xiàn)個性化與創(chuàng)新發(fā)展。未來，復合腦模式將推動個性化、精準化學習支持體系的構建，教育者與研究者應優(yōu)化人機協(xié)同結構，滿足群體學習，助力全面發(fā)展。

[參考文獻]

[1]中華人民共和國教育部.教育部關于印發(fā)《學習型社會建設重點任務》的通知 [EB/OL].（2023-08-30）[2025-01-19].htp：//w.moe.gov.cn：8080/srcsite/A07/zcs_cxsh/202309/t20230914_1080240.html.

[2]中華人民共和國教育部.2024 年全國教育工作會議召開[EB/OL].（2024-09-10）[2025-01-19].ttp：//ww.moe.gov.c/jybzzjg/huodong/202401/t20240111_1099814.html.

[3]朱珂，吳雅欣，高清慧.知識建構社區(qū)群體認知涌現(xiàn)的系統(tǒng)建模及仿真分析[J].電化教育研究，2024，45（10）：58-64.

[4]HARMON-JONES E，HARMON-JONESC，LEVYN.Anaction-based modelofcognive-dissonanceprocess[J].Current directions in psychological science，2015，24（3）：184-189.

[5]韓悅，趙曉偉，沈書生.人機協(xié)同調節(jié)：復合腦視角下自我調節(jié)學習的新路徑[J].電化教育研究，2024，45（5）：20-26，34.

[6] KOGAN B，GARCIA-MARCO E，BRBA A，et al. How words ripplethrough bilingual hands： Motor-languagecoupling during L1 and L2 writing[J]. Neuropsychologia，2020，146：107563.

[7]BARRAZAP，PEREZ A，RODRIGUEZE.Brai-to-braincoupling inthegamma-bandasa markerof shared intentionalityJ]. Frontiers in human neuroscience， 2020，14：295.

[8] FOULDS G A.A Theory of cognitive eissonance[J]. American journal of psychology，1963，207（4）：2112-2114.

[9]FESTINGER L.The motivating efect of cognitive dissonance[J]. Assessment of human motives，1958：65-86.

[10]崔詣晨，談晨皓，劉青玉，等.沖突視閾下類別信息與個體信息知覺負載的認知控制效應[J].心理學探新，2021，41（6）;547-553.

[11]SZANOlbatieitioalityrasiadgoptkcialdisptisofotilatoJ].Frtisig 2017，7：2002.

[12] KERNIS M H. Toward a conceptualization of optimal self-esteem[J]. Psychological inquiry，2003，14（1）：1-26.

[13]SCHELENKERBR，WEGLDM.Intepersonalprocess ivolvingimpressionmaagement[J].Aalrevieofsycholog99， 43：133-168.

[14] ANAYA B，VALLORANI A M，PEREZ-EDGAR K. Individual dynamicsof delta-beta coupling：using a multilevel framework to examineinterandintraindivdualdiferenesinrelationtosocialanxietyandbehavioraliibitionJ].Jualofchildpsyology and psychiatry，2021，62（6）：771-779.

[15]DINDAR M，JARVELA S， HAATAJAE. What does physiologicalsynchronyreveal about metacognitive experiencesand group performance？[J]. British journal of educational technology，2020，51（5）： 1577-1596.

[16] BARNARDWA，BAIRDC，GREENWARLTM，etal.Intragroupcohesivenessandreciprocal social influenceinmale ad female discussion groups[J]. The jourmal of social psychology，1992，132（2）：179-188.

[17]龔玲，張大均.群際失調情境中自我復雜性與態(tài)度改變的關系：失調感的中介作用[J].中國臨床心理學雜志，2019，27（6）：1098- 1103.

[18]宋曉蕾，賈筱倩，趙媛，等.情緒對聯(lián)合行動中共同表征能力的影響機制[J].心理學報，2020，52（3）：269-282.

[19]蔣長好，陳婷婷.身體活動對情緒的影響及其腦機制[J].心理科學進展，2014，22（12）：1889-1898. [20] GORDONI，GILBOA A，COHENS，etal.Physiologicalandbehavioral synchronypredict groupcohesionand perforane[J]. Scientific reports，2020，10（1）：8484. [21]CHANELG，MUHC.Coectingrainsndbodis：aplyinghsiolgicalcomputing tosupportsocialieractionJ.eacting with computers，2015，27（5）：534-550. [22]單俊豪，劉永貴.生成式人工智能賦能學習設計研究[J].電化教育研究，2024，45（7）：73-80. [23]沈書生.適應與變革：AIGC 產品如何改變教育過程——人工智能帶來的機遇[J].教育研究與評論，2023（3）：15-21. [24]D'MELLOS，OLNEYA，WILLIAMS C，etal.Gazetutor：agaze-reactiveinteligenttutoringsystem[J]. International joualof human-computer studies， 2012，70（5）：377-398. [25]NAVARBLLERA.ticalinteligenriveadogcalomarkrs：anrrtieveofrtiialintellgen meningioma diagnosis[J]. NeuroMarkers，2O24： 100033. [26] YOO G，KIH，HONGS.Predictionofcognitiveladfromelectroeephalogaphysigalsusinglongshort-tememoryetork [J]. Bioengineering，2023，10（3）：361. [27]LIUB，YUAND.Researchonpersonalizedteaching strategiesbasedonlearnerprofilesina blended learmingenvironment[J]. International journal of information and communication technology education （IJICTE），2O24，20（1）：1-23. [28]鄭蘭琴，范云超，牛佳玉.基于在線協(xié)作學習交互文本的跨領域知識圖譜構建技術[J].電化教育研究，2022，43（12）：70-77. [29]WEIX，U，WUD，tal.eoalidoeangesocecomedatiobsdrtfalintellgceduatiol psychology[J]. Frontiers in psychology，2021，12：767837. [30]黃石華，武法提.場景化分析：一種數據驅動下的學習行為解釋性框架[J].電化教育研究，2023，44（5）：51-59.

[32]KRAUSM，BETANCOURTD，MNKERW.Des itafectyou？Sociaandleangiplicationsofusingcognitiveaeivetaterecognitionforproactivehuman-robottutoring[C/2O2332ndIEEEInternationalConferenceonRobotandHuman InteractiveCommunication（RO-MAN）. Busan，Korea：IEEE，2023：928-935.

[33]馬志強，呂子蕓，張賽宇.邁向人機協(xié)同的協(xié)作學習——CSCL 領域智能學習分析儀表盤研究熱點與前沿趨勢探究[J].現(xiàn)代遠距離教育，2022（5）：3-11.

[34]苗秀，侯文軍.基于隱式意圖腦電解碼的人機交互多任務建模研究[J].計算機集成制造系統(tǒng)，2024，30（5）：1668-1682.

[35]胡欽太，伍文燕，馮廣，等.深度學習支持下多模態(tài)學習行為可解釋性分析研究[J].電化教育研究，2021，42（11）：77-83.

[36]楊彥軍，張佳慧，童慧.數字媒介技術依賴的多學科析因及整合性闡釋[J].電化教育研究，2020，41（8）：26-32.

[37]DUFLOG，DANOYG，TALBIEG，etal.Leaming tooptimizeaswamof UAVs[J].Applied sciences，2022，12（19）：9587.

[38]于爽，葉俊民，吳林靜，等.智能協(xié)作學習環(huán)境中學習者的提問能力對認知過程的影響研究[J].電化教育研究，2024，45（12）：75-82.

Inspiration from Human-Machine Collaborative Composite Brains： A New Model of Physiological-Psychological-Behavioral Coupling for Learners in Contexts of Group Cognitive Dissonance

HAN Zhongmei， ZHANG Xin （Zhejiang Key Laboratory of Intelligent Education Technology and Application， Zhejiang Normal University， Jinhua Zhejiang 321004）

[Abstract] The new generation of artificial intelligence such as the educational metaverse and generative artificial intelligence serve as the driving force for the connection and leap of group cognition. As\"external brains\"，they collaborate with human intelligence（\"internal brain\"）to analyzethe physiological-psychological-behavioral process of the group，and provide a new human-machine composite brain-inspired approach to alleviating group cognitive dissonance. Group cognitive dissonance is triggered by factors such as the diference between individual and group perspectives，or contradictions between old and new experiences，and itscoordination is the foundation of human learning and mental development. However，current research mostly focuses on individual cognition，with limited exploration of the physiological and psychological factors involved in group cognitive dissonance，especially under the human-machine composite brain，where the coupling mechanism remains unclear. Therefore，this paper clarifies the connotation of group cognitive dissonance and its coupling characteristics in the whole process of learners'physiological，psychological and behavioral levels，and defines the regulatory role of the human-machine collaborative composite brain in group cognitive dissonance.Based on this，the inspired mechanism of the composite brain is elucidated at the levels of physiological（perceptual brain）， psychological （cognitive brain） and behavioral （executive brain），and the \"physiological-psychological\"， \"psychological-behavioral\" and\"physiological -behavioral\" coupling regulation processes are further analyzed. Finall，three new coupling models，namely human-in-the-bypass（auxiliary）， human-in一 the-loop （symbiotic） and human-in-the-lead（dominant） are put forward to highlight the potential of the human-machine composite brain to help learners adapt to cognitive dissonance.

[KeyWords] Human -Machine Collaboration; Composite Brain; Group Cognitive Dissonance; Physiological-Psychological-Behavioral Coupling