喜讯！ARClab团队参与的国际合作研究成果在 《International Journal of STEM Education》发表
近日, 由ARClab团队共同合作完成的学术论文《The impact of an LLM-based educational agent on learning achievement, cognitive dynamics, and student perceptions in computer science education》在国际高水平学术期刊《International Journal of STEM Education》上正式接受发表。论文第一作者为西南石油大学计算机与软件学院的李旭老师（ARClab实验室博士毕业），共同通讯作者为浙江大学的陈娟娟老师和陈文智老师，合作者还包括华中师范大学的刘智老师、宾夕法尼亚大学的Assoc. Prof. Shiyan Jiang。
《International Journal of STEM Education》是STEM教育领域具有重要影响力的国际学术期刊，由国际知名学术出版机构 Springer Nature 出版。该刊在最新影响因子达到 10.7，在 JCR 教育学学科排名稳居 Q1 区，在中科院期刊分区和新锐期刊分区中位列教育学1区Top期刊，同时被 SCI、SSCI等多个国际权威数据库收录。
论文解读
研究背景：以 ChatGPT为代表的大语言模型正快速进入教育领域，为学生提供个性化、即时化的学习支持。然而，当前教育领域对大语言模型的应用大多停留在“问答式聊天机器人”层面，这种被动响应模式存在知识更新滞后、容易产生“幻觉”等问题，在应对复杂、开放的学习任务时面临挑战。
近年来，具备记忆能力、工具调用能力和多步推理能力的智能体(LLM-based Agent)逐渐兴起。这类智能体能够主动调用外部工具、检索特定知识、保留对话记忆，从“回答问题”升级为“解决问题”。然而，在真实教育场景中，这类教育智能体对学生学习成绩、认知参与过程和学生主观体验的影响究竟如何，目前学界仍缺乏系统、深入的实证证据。
研究设计：针对这一研究空白，研究团队以本科二年级专业必修课“数据库技术与应用”为场景，基于浙大先生智能体平台设计并开发了面向数据库课程的教育智能体DBagent。该智能体以 DeepSeek-R1-671B 为基座模型，集成了本地知识库(RAG 检索增强生成)、图像识别、学术检索、计算、可视化等多种外部工具，并通过ReAct 推理模式将记忆调用与知识检索相结合，可针对学生的具体问题提供个性化、上下文感知的反馈。研究采用准实验设计，选取四个真实教学班级共 313 名计算机类专业二年级学生作为研究对象。其中，三个班为实验组使用 DBagent，一个班为对照组沿用传统教师答疑方式。研究持续四周，在此期间学生需要完成两项具有较高认知挑战的编程任务。
研究结论：论文指出在学生-智能体互动中低阶认知行为的大量增加，并不完全意味着学生陷入对 AI 的“认知依赖”，而恰恰反映出一种积极转变——AI 创设了一种“无评判、低威胁”的学习环境，缓解了学生在教师面前“怕问错、怕丢脸”的社会抑制心理，鼓励他们更主动、更频繁地寻求帮助。此外，从认知发展角度看，智能体承担了大量“记忆”和“理解”层面的认知负荷，进而让学生可以集中精力处理更高阶的“分析”、“评价”与“创造”任务。
研究启示：一是在教学设计中积极引入教育智能体，为学生营造心理安全的探究空间；二是在降低认知负荷的同时，设计必要的“认知支架”(如引导式提示、反思性问题)，帮助学生从低阶信息检索走向高阶意义建构；三是优化智能体的提示工程设计，例如让其主动抛出反问、引导学生运用布鲁姆高阶思维，真正实现 AI 工具与教学目标的深度融合。
结语：该研究是大语言模型从“工具”走向“教学伙伴”进程中的一次重要实证探索。它不仅为生成式人工智能在STEM 教育中的有效整合提供了可量化的证据，也为高校教师与教学设计者在课程中合理引入教育智能体、推动课堂从“知识传递”向“认知共育”转型，提供了具有操作性的参考路径。
Li, X., Liu, Z., Jiang, S., Chen, J., & Chen, W. (2026). The impact of an LLM-based educational agent on learning achievement, cognitive dynamics, and student perceptions in computer science education. International Journal of STEM Education, 13:51. DOI: https://doi.org/10.1186/s40594-026-00641-y