研究成果1——2026年6月24日，华南师范大学物理学院物理教育研究团队在物理教育与学习科学交叉领域取得新的研究进展。

相关成果以“Students’ eye-movement behaviors in solving physics problems with different information structures”为题，于2026年6月24日发表于美国物理学会（APS）旗下期刊《Physical Review Physics Education Research》（PRPER）。课程与教学论（物理）博士生许少睿为论文第一作者，李秋烨副研究员、肖洋教授和周少娜教授为共同通讯作者，华南师范大学为第一署名单位。

物理问题解决不仅与学生的知识基础有关，也受到问题信息呈现方式的影响。问题情境可包含关键信息、冗余信息、或需要学生进一步提取的隐含信息。仅依据正确率等结果指标，难以揭示不同信息结构下学生的认知加工差异。基于此，本研究从信息加工视角将物理问题划分为信息良好型（information-explicit）、信息冗余型（information-redundant）和信息隐晦型（information-implicit）三种类型，利用眼动追踪技术探查学生解决不同类型物理问题时的视觉注意行为。

研究选取90名高中生，记录其完成三类物理问题时的眼动行为和视觉注意力分布，并分析题干、选项等兴趣区的注视时间和回访次数。

研究发现，学生在三类问题上的答题准确率不存在显著差异，但眼动行为呈现出明显差异。信息冗余型问题引发了更长的总注视时间，尤其是在题干和选项区域，表明冗余信息增加了学生的信息加工负担；信息隐晦型问题中，学生对题干区域的回视次数最多，表明学生需要反复提取和整合相关信息。

进一步分析发现，在信息良好型问题中，学生对正确选项的注视时间更长、回视次数更多；而在信息冗余型和信息隐晦型问题中，学生对错误选项投入了更多视觉注意，反映出不同信息结构对学生信息判断与注意分配的影响。

本研究表明，相近的作答结果并不意味着学生经历了相同的问题解决过程。不同信息结构会影响学生的信息搜索与注意分配。研究从眼动证据揭示了物理问题信息结构与学生认知加工过程之间的关系，为物理问题设计和教学材料中的信息组织提供了参考。

论文链接：https://url.scnu.edu.cn/record/view/index.html?key=d311dfe23df08364bdf9bf7ae0f6cae8

研究成果2——2026年9月9日，华南师范大学物理学院物理教育研究团队在人工智能赋能物理教育研究领域取得重要研究进展。

相关成果以 “Comparing teacher-centered and student-centered agents based on prompt engineering: Effects on learning performance, cognitive load, flow experience, and empathy perception in physics learning”为题，于2026年9月9日在线发表于美国物理学会（APS）旗下期刊《Physical Review Physics Education Research》 (PRPER)。课程与教学论（物理）王一敏为第一作者，李秋烨副研究员与周少娜教授为共同通讯作者，华南师范大学为第一署名单位。

随着大语言模型（Large Language Models, LLMs）的快速发展，ChatGPT、DeepSeek等人工智能工具逐渐进入教育教学场景，为学生提供即时的问题解答和个性化学习支持。然而，在物理问题解答中，LLMs常出现概念混淆、逻辑错误和答案矛盾等现象，一定程度上限制了其在物理教育中的应用。提示工程（prompt engineering）作为引导LLMs输出的有效策略，能够通过精心设计的指令帮助大语言模型生成更准确、更符合用户意图的回应。不同的提示设计能够塑造具有不同角色特征和对话风格的教学智能体，但在物理教育情境中，不同教学角色导向的智能体如何影响学生的学习过程与学习体验，仍缺乏充分的实证研究。

针对这一问题，本研究依托Coze平台，通过提示工程构建了两种不同角色导向的教学智能体：以教师为中心的智能体和以学生为中心的智能体。其中，以教师为中心的智能体倾向于提供权威的、以学科内容为核心的回应；以学生为中心的智能体则更关注学生的已有知识与学习需求，提供支持性的引导。研究进一步比较了两种智能体条件下学生在学习表现、认知负荷、心流体验和共情感知等方面的差异。

研究结果表明，两种基于提示工程设计的智能体虽然都能有效支持学生开展物理学习，但产生了不同的学习效果。与以教师为中心的智能体相比，与以学生为中心的智能体交互的学生获得了更高的学习成绩，并表现出更低的外在认知负荷和更高的相关认知负荷。同时，学生在心流体验和共情感知方面也表现得更加积极。这一结果表明，在利用大语言模型构建教育智能体时，不仅需要强调知识回答的专业性和完整性，还要关注学生的认知负荷与情感需求，通过角色定位和对话策略的优化提升学习支持效果。

本研究从提示工程的视角出发，揭示了教学智能体的角色定位对学生物理学习过程中认知与情感因素的综合影响，为智能教学工具在物理教育中的角色设计与优化提供了实证依据，对推动人工智能技术与物理教学的深度融合具有参考价值。

论文链接：https://url.scnu.edu.cn/record/view/index.html?key=26a9e39b955dda777a2ea0b35984263a