第一期（20250208-20250310）
标题: Prospective associations between adherence to 24-hour movement guidelines and mental well-being in Chinese adolescents
作者: Zhang, Ru; Zhang, Chun-Qing; Gu, Dacheng
期刊: JOURNAL OF SPORTS SCIENCES
摘要: 大多数关于24小时运动指南与青少年心理健康之间关系的证据来自横断面研究，或者忽略了积极的心理健康指标。本前瞻性研究探讨了中国青少年在三个月内遵守24小时运动指南与心理健康变化之间的关系。816名中国青少年（平均年龄=14.76岁；标准差=0.81）完成了基线和随访的24小时运动行为、心理健康和协变量量表。使用线性混合效应模型进行数据分析，并调整了基线的协变量和心理健康。在三个月内，心理健康有显著改善，且心理健康的改善与遵守任何单一指南以及同时遵守身体活动和睡眠指南呈正相关，但与遵守所有三项指南无关。同时遵守身体活动和睡眠建议似乎比遵守一项或两项其他建议对心理健康有更显著的益处。通过关注24小时运动行为（至少包括身体活动和睡眠）的综合方法可能比单独关注单一行为更有效。
标题: Providing tailored reflection instructions in collaborative learning using large language models
作者: Naik, Atharva; Yin, Jessica Ruhan; Kamath, Anusha; Ma, Qianou; Wu, Sherry Tongshuang; Murray, R. Charles; Bogart, Christopher; Sakr, Majd; Rose, Carolyn P.
期刊: BRITISH JOURNAL OF EDUCATIONAL TECHNOLOGY
摘要: 对于成人学习者来说，通过学生生成对比案例或提供对比案例进行反思的相对有效性尚未得到充分证实。本文介绍了一项课堂研究，以在计算机科学（CS）课程中调查这种比较，其中学生团队合作设计数据库访问策略。44个团队被随机分配到三种反思条件（[GEN] 指令生成一个与学生解决方案对比的案例，并根据原则评估其权衡，[CONT] 指令将学生解决方案与提供的对比案例进行比较，并根据原则评估其权衡，以及[NSI] 控制条件，提供非特定指令，根据原则评估学生解决方案）。在CONT条件下，作为使用LLM在协作学习讨论中生成自动化贡献的示例，LLM生成了一个与学生解决方案对比的案例，以展示应用替代问题解决策略的方式，通过保持许多具体细节与学生最近协作构建的细节相同来突出对比。虽然基于内容测试的条件对学习没有主要影响，但低预测试学生从CONT条件中学到的比GEN条件更多，而NSI条件与其他两种条件无法区分，而高预测试学生从GEN条件中学到的比CONT条件略多，NSI条件与其他两种条件无法区分。从业者笔记 已知内容 在计算机编程期间或甚至在计算机编程中进行反思对于学习高级计算机科学原则是有益的，当这些原则对学生来说是新的时。生成对比案例和比较对比案例在某些情况下已被证明是有效的反思学习机会，尽管关于成人学习者的理想适用条件仍存在疑问。智能对话代理可以有效地用于在协作学习期间提供反思刺激，尽管仍有改进空间，这为展示大型语言模型（LLM）的潜在积极贡献提供了机会。本文新增内容 该研究贡献了关于生成对比案例与比较提供对比案例之间适用条件差异的新知识。本文介绍了LLM作为工具的应用，以提供与学生解决方案细节相匹配的对比案例。该研究提供了来自课堂干预研究的证据，证明LLM启用的干预对学生学习的积极影响。实践和/或政策启示 高级计算机科学课程应大幅增加反思空间，与问题解决并行。教师应根据学生的先前知识水平提供反思机会。教师将受益于使用LLM作为提供有效对比案例的工具的培训，特别是对于低先前知识的学生。
标题: Inferring human vision in a human-like way: Key factors influencing the cognitive processing of level-1 visual perspective-taking
作者: Zhou, Song; Yang, Huaqi; Ye, Ming; Ding, Ning; Liu, Tao
期刊: COMMUNICATION RESEARCH
摘要: 人工智能（AI）的进步扩展了人类与机器在复杂环境中沟通和协作的潜力，要求AI表现出类似人类的行为，以与其人类对应物保持一致。因此，理解人类行为特征对于开发类似人类的AI代理具有优势。本研究探讨了个体如何处理他人的视觉信息，以指导未来智能视觉系统的设计。通过四个实验，参与者被要求评估给定数字是否与球的数量相对应，同时通过转移眼睛或改变头部方向来操纵虚拟角色的视线方向。结果表明，无论虚拟角色的视线方向如何，参与者的反应时间都会受到影响。具体而言，当虚拟角色背对球时，不同条件下参与者表现的差异被消除。这些发现表明，隐式的一级视觉透视可能主要不依赖于视线方向，而是依赖于感知环境中的可用性。这些见解有助于更深入地理解一级视觉透视的认知机制，并可以作为推进人机沟通和协作中AI视觉算法的理论基础。
标题: Fourier Transform Infrared (FTIR) Spectroscopy as a Tool to Characterize Exercise and Physical Activity: A Systematic Review
作者: Valente, Pedro Afonso; Mota, Sandra I.; Teixeira, Ana; Ferreiro, Elisabete; Sarmento, Hugo; Cipriano, Ines; Campos, Joao R.; Rama, Luis; Oliveira, Paulo J.
期刊: SPORTS MEDICINE
摘要: 背景：在过去的几十年里，科学界已经认识到体育活动对健康和表现的影响。与此同时，研究人员一直在积极探索新的方法来分析运动引起的生理和代谢反应。傅里叶变换红外光谱（FTIR）已成为这一努力中的强大工具，提供了在分子水平上洞察运动相关变化的潜力。目标：本系统综述的主要目标是确认使用傅里叶变换红外光谱分析运动相关生化变化及其潜在应用的可行性。方法：本系统综述遵循PRISMA（系统综述和元分析的首选报告项目）指南，并审查了使用傅里叶变换红外光谱分析运动和体育活动的研究，重点关注生物样本收集和光谱分析。检索了四个数据库（PubMed、SPORTDiscus、Web of Science和Scopus），纳入标准包括涉及18-50岁人类参与者的原始英文研究、生物样本收集（尿液、唾液和血液）以及使用傅里叶变换红外光谱。研究分析了所调查的运动或体育类型以及进行的光谱分析类型。结果：本综述涵盖了15项研究，展示了傅里叶变换红外光谱在评估运动各个方面（包括代谢、心血管反应和肌肉疲劳）的多样性。最大的一项研究评估了来自多个不同体育项目的57名运动员。平均而言，几乎所有研究都是在约20名运动员中进行的。值得注意的是，该技术的整体方法允许对人体内复杂的代谢物和蛋白质网络进行全面分析。数据分析方法，特别是与机器学习相结合，显示出推进体育科学领域的巨大潜力。结论：傅里叶变换红外光谱作为一种有前途的工具，用于监测和提高高水平运动员的表现，防止过度训练或过度训练，并评估代谢。其准确性、效率和可负担性也使其成为评估普通人群健康和健身的更广泛应用的候选者。未来的研究应探索其在不同运动模式和人口群体中的适用性，旨在为更大、更复杂的运动群体制定考虑多种参数的运动计划。临床试验注册：研究方案已在国际前瞻性系统综述注册（PROSPERO）中注册，注册号为CRD42023441965。
标题: Using AI-supported peer review to enhance feedback literacy: An investigation of students' revision of feedback on peers' essays
作者: Guo, Kai; Di Zhang, Emily; Li, Danling; Yu, Shulin
期刊: BRITISH JOURNAL OF EDUCATIONAL TECHNOLOGY
摘要: 作为第二语言（L2）写作课堂中的重要学习活动，同伴反馈在提高学生写作技能方面发挥着关键作用。然而，学生评审员在提供对同伴论文的有影响力反馈方面面临挑战。低质量的同伴评审成为一个持续存在的问题，对同伴反馈的学习效果产生不利影响。为了增强学生的同伴反馈提供能力，本研究引入了EvaluMate，这是一个AI支持的同伴评审系统，其中包含一个名为Eva的聊天机器人，旨在评估和提供对学生评审员对同伴论文评论的反馈。44名中国本科生使用EvaluMate生成对同伴英语议论文的反馈。收集了学生与聊天机器人互动的聊天日志数据，包括他们在同伴论文上写的评论以及聊天机器人对他们评论的反馈。结果表明，AI监督的整合提高了学生同伴评审的质量。学生在回应AI反馈时采用了各种策略来修改他们的评论，例如引入新观点、添加细节和提供说明性示例，这有助于提高他们的评论质量。这些发现揭示了AI支持的同伴评审系统在帮助学生提供更有价值的同伴书面作品反馈方面的好处。从业者笔记 已知内容 学者们广泛研究了多种教学策略，以提高学生在第二语言（L2）写作课堂中的同伴反馈提供技能。人工智能（AI）技术已被用于监控和评估学生评审员生成的同伴反馈。AI启用的同伴反馈评估工具已证明能够提供对学生评审员同伴反馈的有效评估。本文新增内容 在L2写作背景下，缺乏定制的AI启用的同伴反馈评估工具。为了填补这一空白，我们开发了一个AI支持的同伴评审系统EvaluMate，其中包含一个基于大型语言模型的聊天机器人Eva。Eva旨在为L2学生提供对其同伴写作评论的反馈。虽然之前的研究主要集中在评估AI启用的同伴反馈评估工具的有效性，但关于学生如何将AI支持纳入改进其同伴评审评论的了解甚少。为了填补这一空白，我们的研究不仅考察了使用该系统（EvaluMate）是否能提高L2学生同伴评审评论的质量，还考察了学生在修改评论时如何回应Eva的反馈。实践和/或政策启示 AI支持的同伴评审系统（EvaluMate）的开发为L2写作教师引入了一种创新的教学方法，以培训和增强学生的同伴反馈提供技能。将AI监督整合到L2学生的同伴反馈生成中，提高了学生评审员对其同伴写作评论的质量。学生在回应Eva的反馈时采用了各种策略来修改他们的评论，这些策略在不同程度上提高了评论质量。L2写作教师可以教授学生有效的修改策略。
标题: Computational transformations of early childhood education: Pathways toward child-centred computing in two educational change projects
作者: Samuelsson, Robin
期刊: BRITISH JOURNAL OF EDUCATIONAL TECHNOLOGY
摘要: 编程正在成为全球早期教育的关键学科，随之而来的是如何使计算机科学成为适合所有年龄和背景儿童的学科的问题。长期以来，人们注意到在旧课程中实施新技术的困难，最近，对计算机科学教育目标的担忧往往过于狭窄和技能导向，而忽视了其关键的教育潜力。本研究跟踪了两个案例学前部门在七个月设计过程中实施编程与地板机器人的变化过程。基于活动理论的混合分析技术用于检查紧张、冲突和教学替代方案的发展。研究表明，涉及本地变革的艰巨过程，朝向以儿童为中心的包容性早期计算机科学教育，并开发了以制作、儿童探索、修补和游戏为学习过程关键部分的项目。它讨论了这些重大变革过程如何使教学解决方案与计算机编程中的重要概念保持一致，以及计算机教育如何通过本地适应和适合年龄的设计建立在以儿童为中心的教学法基础上。
来源：知网和web of science
