Li Sha and Xiufeng Liu

This study examined whether metacognitive strategy training strengthens the contribution of an AI-based Socratic reflection system to pre-service teachers’ reflective practice. Study 1 used a 2 (metacognitive training: present vs. absent) × 2 (tool condition: AI-based Socratic scaffolding vs. traditional digital tools) randomized between-subjects design ( N = 60; n = 15 per cell). Written reflection quality at post-test was analyzed by ANCOVA with pre-test performance as the covariate. The metacognitive-training main effect was significant, F (1, 55) = 33.89, p < 0.001, η 2 p = 0.381, as was the tool-condition main effect, F (1, 55) = 9.63, p = 0.003, η 2 p = 0.149. More importantly, the metacognition × tool interaction was significant, F (1, 55) = 10.91, p = 0.002, η 2 p = 0.165. Under metacognitive training, AI-based Socratic scaffolding produced a significant model-estimated advantage over traditional digital tools (Δ M = 0.56, p < 0.001), whereas the tool difference was not significant without metacognitive training (Δ M = −0.03, p = 0.821). Study 2 examined dialogue logs from the two AI conditions. Participants who received metacognitive training generated a substantially larger proportion of higher-order prompts than participants who received placebo training (44.1% vs. 12.2%), t(28) = 7.14, p < 0.001, d = 2.61. These process data are consistent with the proposed account that metacognitive preparation changes how learners engage with AI, although they do not constitute a formal mediation test. The findings suggest that, within this configured Socratic AI environment, metacognitive preparation is an important condition for realizing higher-quality reflective practice.

این پژوهش بررسی کرد که آیا آموزش راهبردهای فراشناختی، نقش سیستم بازتاب سقراطی مبتنی بر هوش مصنوعی را در تمرین بازتابی معلمان پیش‌خدمت تقویت می‌کند یا خیر. مطالعه اول از یک طرح تصادفی بین‌گروهی ۲ (آموزش فراشناختی: حضور در مقابل عدم حضور) × ۲ (شرایط ابزار: پشتیبانی سقراطی مبتنی بر هوش مصنوعی در مقابل ابزارهای دیجیتال سنتی) استفاده کرد (N = 60؛ n = 15 در هر سلول). کیفیت بازتاب نوشتاری در پس‌آزمون با استفاده از ANCOVA و عملکرد پیش‌آزمون به عنوان متغیر هم‌پراش تحلیل شد. اثر اصلی آموزش فراشناختی معنادار بود، F (1, 55) = 33.89, p < 0.001, η 2 p = 0.381، همچنین اثر اصلی شرایط ابزار نیز معنادار بود، F (1, 55) = 9.63, p = 0.003, η 2 p = 0.149. مهم‌تر آنکه، تعامل فراشناخت × ابزار معنادار بود، F (1, 55) = 10.91, p = 0.002, η 2 p = 0.165. تحت آموزش فراشناختی، پشتیبانی سقراطی مبتنی بر هوش مصنوعی برتری مدل-برآوردشده معناداری نسبت به ابزارهای دیجیتال سنتی نشان داد (Δ M = 0.56, p < 0.001)، در حالی که تفاوت ابزار بدون آموزش فراشناختی معنادار نبود (Δ M = −0.03, p = 0.821). مطالعه دوم، گزارش‌های گفت‌وگو از دو شرایط هوش مصنوعی را بررسی کرد. شرکت‌کنندگانی که آموزش فراشناختی دریافت کردند، نسبت قابل توجهی بیشتری از محرک‌های مرتبه بالاتر نسبت به شرکت‌کنندگانی که آموزش دارونما دریافت کردند، تولید نمودند (۴۴.۱٪ در مقابل ۱۲.۲٪)، t(28) = 7.14, p < 0.001, d = 2.61. این داده‌های فرایندی با تبیین پیشنهادی که آمادگی فراشناختی نحوه تعامل یادگیرندگان با هوش مصنوعی را تغییر می‌دهد، سازگار است، اگرچه آزمون رسمی میانجی‌گری محسوب نمی‌شود. یافته‌ها نشان می‌دهد که در این محیط سقراطی مبتنی بر هوش مصنوعی، آمادگی فراشناختی شرط مهمی برای تحقق تمرین بازتابی با کیفیت بالاتر است.