问题来源
来自中学生物探究课堂中的概念理解困难、证据组织薄弱与反馈吸收断裂，而不是抽象的技术热词。
研究主线
从课堂中的真实学习困难出发，而不是从技术功能表出发。
我的研究主线并不是从技术工具出发，而是从科学教育中的真实学习困难出发。对于中学生物探究学习而言，学生常常需要在复杂任务中同时处理概念理解、证据选择、解释组织与反馈修正，这一过程天然具有阶段性、动态性和差异性。传统结果评价很难充分揭示这些过程中的关键变化，因此也难以支持真正有效的教学干预。
在这一背景下，我希望把教育智能体引入科学教育场景，但并不把它简单理解为“自动回答问题的系统”。对我而言，教育智能体的研究价值在于：它是否能够基于学习过程数据识别学生当前的认知状态与探究困难，是否能够给出与任务阶段相匹配的反馈，是否能够帮助学生在概念建构和科学论证上实现更高质量的推进。
因此，我持续围绕三个层面展开工作：第一，识别科学教育场景中的关键学习行为；第二，构建能够支撑过程评价的解释性指标；第三，探索教育智能体驱动的适应性反馈机制及其实际效果。这条主线同时连接了我的教学经验、硕士阶段研究训练以及当前博士申请阶段的研究计划。
研究对象
以生命科学虚拟探究任务中的学习行为、任务推进、科学论证与修正过程为主要观察对象。
研究目标
建立可解释的学习过程评价框架，并设计能够嵌入真实教学任务的智能反馈路径。
核心研究问题
不是泛化地讨论 AI，而是明确追问它在科学教育场景中的边界、证据与作用机制。
教育智能体在科学教育场景中的有效作用边界是什么
我关注的不是“AI 是否有用”这一泛化问题，而是教育智能体在虚拟探究、问题解决和科学论证任务中到底能够支持到哪一步。它在哪些环节能够真正提升学生的学习质量，在哪些环节可能只带来表面完成度的提高，这种边界判断对后续研究和系统设计都非常关键。
学习过程数据如何支撑概念建构与探究能力评价
在科学教育场景中，学生的探究过程往往比最终答案更重要。我希望进一步研究不同类型的过程数据，例如交互轨迹、任务阶段转换、文本表达和反馈修订痕迹，如何共同构成对学生学习状态的更完整刻画，并用于支持对概念理解、探究能力和科学论证质量的评价。
适应性反馈如何影响学生在虚拟探究中的学习质量
我关注不同反馈策略的差异，例如提示型反馈、诊断型反馈、追问型反馈和阶段性反馈，在学生完成虚拟探究任务时分别会带来什么影响。更具体地说，我希望比较不同反馈设计对学生参与度、论证质量、任务推进效率和后续修正行为的作用机制。
代表成果与研究经历
我更重视这些工作如何共同指向一条稳定的研究主线，而不是把材料简单堆叠成目录。
教育智能体支持下生命科学虚拟探究学习的过程分析与适应性支持研究
这是我当前博士研究计划的主线。该工作试图把生命科学虚拟探究中的学习行为识别、过程评价和适应性反馈整合起来，不再把“评价”和“支持”割裂开来。
它体现了我已经开始用博士阶段的问题意识组织研究对象、研究变量与研究路径，而不是停留在应用层面的方案展示。
生成式人工智能融入高中生物思维导向教学的设计与评价：以 Qwen 为例
这一方向聚焦生成式 AI 如何进入真实生物课堂，以及如何围绕思维导向教学组织教学活动与评价过程。
它说明我并不是把生成式 AI 当成独立技术，而是始终把它放在课堂任务、学科目标与学生思维发展之中来理解。
生成式人工智能教学反馈优化：跨域对照与自适应更新
这一研究线索围绕反馈机制展开，更关注不同反馈方式与学习结果之间的关系。
它让我持续意识到，真正重要的并不是“给了反馈”，而是反馈是否与学生当前状态匹配、是否能够推动下一步学习行动，这也成为我后来转向适应性反馈研究的重要基础。
中学生物一线教学与探究课堂实践
我的研究问题并不是从文献中抽象出来的，而是从实际教学场景中不断沉淀出来的。
这些长期积累的课堂经验，使我的研究能够更稳定地锚定真实场景，而不是停留在工具功能层面的设想。
一线教学与研究转化
教学经验对我而言不是背景信息，而是研究问题能够站稳的根基。
问题意识如何形成
我认为自己与很多“AI+教育”研究路径的差异，首先不在于技术程度，而在于问题来源。我的问题意识建立在中学生物课堂中长期可见的学习困难之上，因此我在思考教育智能体时，会优先问三个问题：学生到底卡在什么地方，教师真正需要被支持的环节是什么，以及哪些数据和反馈设计有可能真正改变学习过程。
课堂经验如何转化为研究
这种从教学经验向研究问题的转化，使我在设计研究时更强调场景真实性与解释性。相较于把技术直接嵌入课堂，我更关注任务结构、反馈时机、学生修正过程与评价证据之间的关系。也正因为如此，我希望在博士阶段继续把教学实践中的真实问题，进一步发展为具有学习科学意义和方法论价值的研究。
为什么申请澳门大学
申请并不是简单择校，而是为已经形成的研究主线寻找合适的博士阶段生长环境。
我申请澳门大学，并不是单纯因为其博士项目平台完整，而是因为我希望在更开放、跨学科且具有国际交流条件的研究环境中，进一步推进自己已经形成的研究主线。我的研究同时涉及教育技术、学习科学、科学教育和 AI 支持系统设计，需要一个能够容纳交叉议题、鼓励问题导向研究的学术环境。
对我而言，澳门大学的吸引力在于，它适合把我目前基于中学生物探究课堂形成的研究问题，进一步推进为更系统的博士阶段研究。一方面，我可以继续把研究扎根在真实教育情境中；另一方面，也可以在更完整的学术训练和跨学科交流中，把学习过程评价、适应性反馈和教育智能体设计之间的关系做得更扎实。
博士阶段拟推进的研究计划
我希望把现有问题意识推进为一套可持续展开、能够在真实场景中验证的博士研究路径。
方向一：虚拟探究学习中的过程评价指标构建
围绕生命科学虚拟探究任务，提炼能够反映学生任务推进、概念建构和科学论证质量的过程性指标，形成比单一结果分数更有解释力的评价框架。
方向二：教育智能体驱动的适应性反馈设计
在过程评价基础上，研究教育智能体如何根据学生当前任务阶段与表现特征，给出不同类型的反馈，并比较这些反馈在学习质量提升上的差异。
方向三：真实教学场景中的验证与优化
不让研究停留在原型层面，而是把相关设计放回真实教学任务和准实验场景中检验，结合设计研究、准实验和学习过程分析持续修正与优化。
拟申请方向
当前申请以澳门大学为重要目标院校，同时保持与相关学术环境的开放性匹配。
拟申请 AI、学习科学、教育技术与科学教育交叉方向的博士项目，重点关注科学教育场景中的学习过程评价、教育智能体支持与适应性反馈设计。当前申请以澳门大学为重要目标院校，同时保留对相关方向学术环境的开放性匹配。
教育背景与学术训练
这一部分并不只是学历陈列，而是我研究能力形成过程的说明。
学科教学训练
北京师范大学学科教学（生物）硕士阶段的训练，为我建立了较扎实的学科教学理解、课堂观察能力和教育研究意识。与单纯从技术视角进入教育研究不同，我的训练背景使我更重视学科目标、学生学习过程与课堂任务设计之间的关系。
研究能力积累
在此基础上，我逐步把研究兴趣延伸到学习分析、教育智能体、生成式 AI 支持教学和科学教育中的探究学习问题上。硕士阶段的研究训练与一线教学经验共同塑造了我当前的研究风格：始终从真实教育问题出发，以清晰的问题意识组织研究设计，并重视方法、证据与解释之间的对应关系。
联系方式
如需进一步了解，可联系获取完整简历、研究计划、代表性成果与其他申请材料。
邮箱
yj_dmw@163.com
说明
该页面用于博士申请阶段的初步学术展示，后续可根据学校或导师研究方向进一步定制。