系统特征
功能适配与教学流程覆盖决定 AI 能力能否真正进入课前、课中和课后的学习任务。
BIT Research Project · Core Researcher · 2025.11—2025.12
AI 在线学习系统用户体验研究
围绕 AI 在线学习系统特征与学生学习体验，量化功能适配、教学流程覆盖与认知易用性，并分析其与感知学习效果、学习满意度之间的作用关系。
0
有效问卷
PLS-SEM
结构关系验证
ANN
非线性重要性分析
研究模型
功能适配
教学流程覆盖
认知易用性
学生学习体验
感知学习效果 · 学习满意度Research Background
从系统特征与学生体验的关系出发
研究关注的不只是 AI 功能是否存在，更关注这些功能能否适配学习任务、覆盖真实教学流程，并以易理解、低负担的方式支持学生学习。
体验感知
认知易用性影响学生理解、操作和持续使用系统的成本，是学习满意度的重要体验基础。
研究问题
系统特征如何作用于感知学习效果与学习满意度，以及哪些因素应被优先优化，需要量化证据支持。
Research Scope
研究对象与体验结果
以使用 AI 在线学习系统的学生为研究对象，连接“系统提供了什么”与“学生实际感受到什么”。
输入：系统体验特征
FUNCTIONAL FIT · PROCESS COVERAGE · COGNITIVE USABILITY
从功能适配、教学流程覆盖与认知易用性等维度，对学生使用 AI 在线学习系统时的体验进行量化。
输出：学生学习体验
PERCEIVED LEARNING EFFECT · LEARNING SATISFACTION
检验系统特征与感知学习效果、学习满意度之间的作用关系，为体验问题识别与优化优先级判断提供依据。
Questionnaire Design
从体验维度定义到双阶段模型分析
功能适配
衡量系统功能是否匹配学生的学习任务、目标与使用情境。
教学流程覆盖
衡量 AI 系统对教学与学习过程关键环节的支持程度。
认知易用性
关注信息是否易理解、操作是否清晰，以及系统是否降低额外认知成本。
学习体验结果
以感知学习效果与学习满意度衡量学生对系统支持价值的体验反馈。
研究目标
识别影响学生学习体验的关键系统因素，并将数据结论转化为可执行的体验优化建议与优先级。
Research Process
完整研究流程
研究先明确系统特征与学习体验的关系，再完成量化问卷设计、样本收集与质量检验，并通过 PLS-SEM + ANN 识别作用关系及因素重要性。
01
梳理 AI 在线学习系统、学习效果与学习满意度相关研究。
02
构建研究框架，定义系统特征与学生学习体验的测量维度。
03
参与量化问卷设计，并完成正式问卷收集与样本整理。
04
获得 384 份有效问卷，完成信度与效度检验。
05
使用 PLS-SEM 验证系统特征与学习体验结果之间的作用关系。
06
使用 ANN 识别关键因素重要性，并映射为产品机会点与优化优先级。
Data Analysis
用 PLS-SEM + ANN 连接作用关系与优化优先级
PLS-SEM 用于分析系统特征、感知学习效果与学习满意度之间的关系；ANN 进一步识别因素重要性，为体验优先级判断提供数据依据。
有效问卷
完成样本整理及信效度检验，为后续模型分析建立可靠的数据基础。
双阶段分析路径
PLS-SEM 验证作用关系 → ANN 识别因素重要性 → 映射体验优化优先级
关键教学流程覆盖
直接认知易用性
结果感知学习效果
结果学习满意度
1. 研究框架
围绕 AI 在线学习系统特征与学生学习体验，建立可检验的变量关系。
2. 问卷与样本
参与量化问卷设计，共回收 384 份有效问卷。
3. 数据质量
完成信度与效度检验，确保测量结果可用于后续模型分析。
4. PLS-SEM 分析
分析系统特征、感知学习效果与学习满意度之间的作用关系。
5. ANN 分析
识别不同系统特征的重要性，为体验优化排序提供依据。
6. 研究转化
将统计结果映射至产品机会点，形成体验建议与优先级判断。
Conclusion
教学流程覆盖度与感知学习效果关联最强
模型分析表明，相较于孤立增加功能，更应优先关注 AI 系统能否覆盖并适配真实教学流程，使学生在关键学习环节持续获得支持。
认知易用性直接关联学习满意度
易理解
清晰呈现 AI 输出与学习任务之间的关系。
易操作
减少不必要的操作步骤与额外认知成本。
易判断
用可理解的反馈帮助学生判断系统价值。
Research Translation
将统计结果转化为三类产品机会点
研究转化不直接预设具体产品形态，而是依据模型结果明确体验优化方向与优先级，为后续需求定义和方案设计提供证据。
教学流程适配
优先检查 AI 能力是否覆盖真实教学与学习环节，让系统支持与学生任务连续衔接。
认知易用性
降低信息理解、功能操作与结果判断成本，以清晰反馈增强学生对系统的理解和使用信心。
学习效果反馈
让学生能够感知 AI 对学习过程与结果的实际帮助，形成可理解、可追踪的体验反馈。
My Contribution
核心研究员
参与研究框架与量化问卷设计，完成样本整理、信效度检验及模型分析，并将统计结论映射为产品体验机会点。
- 384 份有效问卷
- PLS-SEM + ANN 数据分析
- 体验优化建议与优先级判断
Research Output
研究成果
项目北京理工大学科研项目
周期2025.11—2025.12
发表部分成果发表于 Systems（2026）