AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

反馈素养

创建 2026-08-15 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

反馈素养（feedback literacy） — 学生理解、评估反馈并据此行动以改善学习所需的能力与倾向。它是反馈提供在学习者一侧的对应物：AI 反馈质量 与 反馈循环 关乎反馈系统的质量与机制，而反馈素养关乎学习者寻求、理解、判断并有效使用反馈的能力。

值得思考的问题

  • 设计良好的反馈只帮助那些能理解并据此行动的学生。如果两个学生收到相同的反馈却学到不同份量，差异存在于何处——是学生的错还是系统的错？
  • 研究 发现反馈素养较强的学生从 AI 反馈中获益更多，而素养较弱的学生则显示出极小甚至负面的效果。这对着课程简单地叠加 AI 反馈、却不去建设学生使用它的能力，意味着什么？
  • 反馈素养包括寻求反馈、做出判断、管理情绪并据此行动——而不只是接收反馈。你上一次主动寻求 反馈是什么时候，是什么让你（或没能让你）有勇气那样做？
  • 如果 AI 现在能生成大量即时的反馈，瓶颈是否已从反馈提供转移到学习者使用它的能力？如果你把学生的反馈素养视为真正的约束，你对反馈设计的做法可能会有什么变化？

引言

反馈素养之所以重要，是因为设计良好的反馈只帮助那些能理解并据此行动的学生。一个无法评估 AI 生成的反馈是否准确、或不知道如何把反馈转化为具体修改的学生，从同样的反馈中学到的东西远少于一个反馈素养更高的同伴。当 AI 重塑反馈的提供方式时，反馈素养已成为 AI 反馈能否改善学习的核心边界条件。

反馈素养是什么

反馈素养被广泛框定为一组相互关联的能力——赏识反馈、做出判断、管理情绪与采取行动的能力（据 Carless & Boud）。知识库的文章把反馈素养围绕以下几项能力聚类：

  • 寻求与引出反馈 — 主动请求反馈，而非被动接收。
  • 做出判断 — 评估反馈的准确性与有用性，包括由 AI 产出的反馈。
  • 意义建构 — 就任务目标与标准来解读反馈，并理解它对改进意味着什么。
  • 管理情绪 — 与反馈进行有成效的互动，而不被它挫败或因它过度膨胀。
  • 据反馈行动 — 把反馈转化为具体的修改或方法上的改变（反馈循环、自我调节学习）。
  • 判断评价权威 — 由 AlGhamdi（2026） 提出的一项进一步能力：在赏识反馈、做出判断、管理情绪与采取行动之外，就 AI 产出的反馈做推理的学生，需要判断哪个来源握有评价权威，这与判断反馈质量是分开的。由于参与者被告知分数与反馈都由 ChatGPT 生成，他们的反馈素养被施用于评价的来源与合法性之上，而不仅是其内容，并产生了对教师验证的要求而非被动接受。

反馈素养如何出现在研究中

  • 反馈素养作为 AI 反馈价值的调节变量： Mendoza 等人（2026） 表明，反馈素养调节 ChatGPT 接受度与 自我调节学习 之间的联系：素养较强的学生从 AI 反馈中感知到更大的 SRL 收益，而素养较弱的学生则显示出极小甚至负面（过度依赖）的效果。反馈素养是学生能否「读懂」AI 反馈的边界条件。
  • 反馈素养作为从 GenAI 使用到批判性思维的路径： 在 421 名中国本科生中，GenAI 使用与自陈批判性思维的关联几乎完全经由 GenAI 反馈素养 传递（β=0.185，占总效应的 71.98%），且该路径随反思性思维上升而增强（moderated mediation 指数 = 0.030）（Yan 等人（2026））。
  • 反馈素养预测从 AI 辅助写作中学习： Hawkins 等人（2026） 发现，在一项 AI 增强的写作任务中，反馈素养是作文成绩唯一显著的正向预测因子，而 Liu 与 Deris（2025） 开发并验证了 AI 反馈素养（AIFL）量表，并显示它预测反馈的采纳。
  • GenAI 使能的反馈 投入 框架： Zhan, Boud, Dawson 与 Yan（2025）（Boud 与 Dawson 是反馈素养研究的领军学者）主张 GenAI 可以使能 学生的反馈投入，把一个循环式的自我-调节 反馈模型映射到引出/加工/实施的阶段上。
  • AI 反馈的到来没有教师的框架： Brunnström 与 Palmqvist（2026） 主张，GenAI 使反馈素养更 有要求，因为回应是交互式生成的，没有教师的即时框架：学生必须解读、评估、投入并使用它们——包括判断一个回应何时过于抽象、何时该坚持、何时该回到常规资源。在他们跨八次交换的演示中，简化与可用的结构只在学习者干预之后才出现，使反馈投入的引出/加工/实施循环成为学生必须自己驱动的东西（Zhan, Boud, Dawson 与 Yan 为 GenAI 映射了这一循环；自我调节学习）。
  • AI 辅助写作与 EAP 中的反馈素养： 反馈素养脚本 与 第二评定者机制 训练学生在写作修改中批判性地投入 AI 反馈，把修改推向论点层面的改善而非表层编辑。
  • 面向素养发展的自动化反馈工具： Tubino 与 Adachi（2025） 主张，AI 自动化反馈工具应被重新框定为发展 学生反馈素养的工具，而不只是提供更多反馈。
  • 同伴反馈与反馈素养： Irwin 与 Muller（2025） 把 GenAI 置于 EFL 同伴反馈之内以训练反馈素养，并实现口语课上的采纳，而 脚手架研究 比较 GenAI 与人类同伴在培育自我调节式反馈上的效果。
  • 反馈被存为持久、可咨询的数据。 把 ChatGPT 与电子档案袋配对，同时提升了口语表现与反馈素养（后者 partial η² = 0.218），因为学生把来自教师、同伴与 AI 的归档反馈当作需要调和的数据，而非一次性的纠正（Laksana 等人（2026））。
  • 学习分析与 GenAI 仪表板中的反馈素养： Jin 等人（2025） 从反馈素养的视角审视学生如何感知 GenAI 驱动的 学习分析 反馈。
  • 反馈素养作为 AI 素养与评估设计的目标： Richmond 与 Nicholls（2025） 采用一种重过程胜于产物的评估，让学生按评分标准批评 ChatGPT 的输出，同时建立反馈、心理与 AI 三种素养；以学习者为中心的 AI 反馈 与 关怀式反馈设计 把反馈质量与学习者投入的能力相连。

为什么反馈素养对教育中的 AI 重要

AI 在两个方向上改变反馈，两者都提高了反馈素养的赌注。其一，AI 极大地增加了反馈的数量与即时性（AI 反馈质量、反馈循环），因此学生面对的反馈多得多，必须加以分流与评估。其二，AI 生成的反馈带有独特的风险——不准确、幻觉，以及「精通的幻觉」——这要求 批判性评估 的技能，以及对过度依赖和 错误归因 的警惕。因此反馈素养成为 AI 素养 的一个核心组成部分：不仅知道如何向 AI 索求反馈，还知道如何判断反馈是否值得据以行动，以及如何把它转化为真正的学习而非任务完成。

Bearman 与同事（2026） 为这份清单添上了一项进一步的要求。在他们的工作坊研究中，学生管理的不是单一反馈来源，而是一个网络：他们把教育者的评论与 AI 的输出、评分标准、课程材料与同伴放在一起权衡，而当人类反馈迟缓时，他们继续与 AI 工作作为一种权宜之计，若发现被误导则稍后修改。作者建议，学生可以通过从细粒度的任务到更广的轨迹管理这些关系，来充当自己的 human-as-the-loop，而这本身就是一种反馈素养能力。他们的警告是：薄弱或迟到的教育者评论，正是把学生推向未经验证来源的推手。

与相关概念的关联

反馈素养与 AI 反馈质量 和 反馈循环 相连（它所互补的提供侧）、形式性评估（它所滋养的评估循环），以及 自我调节学习（它所支持的 自我评价 与适应）。当应用于 AI 生成的反馈时，它是 AI 素养 的一个子集，在协作情境中与 同伴互评 相交，并对 写作 格外关键。它也与 元认知 和 信任校准 相连——即判断反馈是否值得信任的能力。

据反馈行动与改善产物并不是一回事。在 22 名职前数学教师中，对 AI 与同伴反馈的选择性采纳是常态（44 段情节中有 32 段），但只有五人改善了他们所设计任务的质量——作者把这一转化差距归因于评价性判断而非采纳（Oh，2026）。

关联概念

关联文章

相关常见问题

元数据

学科Writing Education
学习与教学自我调节学习
评估与测量AI 反馈质量, 反馈, 反馈素养, 形式性评估, 同伴互评
教育中的人工智能基础AI 素养
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。