周筠教授首先分享了其课题组的研究演进路径。她介绍道，团队最初专注于教育脑机接口（BCI）与学习状态识别，但在研究过程中发现，录制适应性教学视频过程耗时费力，因而转向利用生成式人工智能（AIGC）技术自动化生成教学资源，并逐步深入探索AI教学代理的设计要素。

会上，周筠教授详细阐述了团队在“AI生成教学视频”领域所开展的一系列实证研究。她首先介绍了一项发表于《British Journal of Educational Technology》的研究，该研究对比了AI生成视频与真人录制视频的学习效果。结果发现，基于“等价原则”，AI生成的视频在知识保持成绩上甚至显著优于真人组。这可能是因为AI语音的标准度高于带有个人口音的真人教师，从而降低了学生的听觉认知负荷。然而，在社会存在感方面，目前的AI代理仍不及真人，尤其在长期交互中，其“机器感”可能会被放大。

随后，周筠进一步探讨了AI教师的行为保真度与视觉提示对注意力的影响。通过对眼动追踪数据的分析，她指出，具有高行为真实性（如节拍手势、面部表情）的AI教师能显著吸引学生的注意力；配合动态视觉线索，还能有效促进信息的组织与整合，从而提升学生的迁移成绩。

此外，周筠还分享了一项关于“偶像效应”的趣味研究。团队尝试将学生喜爱的公众人物形象与AI语音结合，发现这种“偶像外貌+AI声音”的组合能显著提升学生的学习动机与保持成绩。这为未来个性化教学代理的设计提供了新思路，同时也引发了关于隐私与版权问题的伦理思考。

除了生成式视频，周筠还简要介绍了团队在虚拟现实（VR）教育应用方面的工作。她展示了自主开发的“FORSpatial”系统，该系统通过形状与字母的组合任务，有效提升了学习者的空间可视化与心理旋转能力。她还提到了在VR教学中“文本线索”的冗余效应，指出在替代学习（即观察教师操作）的情境下，过多的文本线索反而可能产生冗余，因此无需强行添加。

分享结束后，现场气氛热烈，师生们就研究设计与论文发表进行了深入交流。针对研究生提出的“教育技术类论文是否必须提出研究假设”的问题，周筠教授指出，这取决于期刊的定位：偏技术类的期刊（如IEEE旗下期刊）往往更关注研究问题，而偏教育心理学类的期刊则强调在理论框架支撑下提出研究假设并验证。她建议同学们在投稿前务必分析目标期刊的范式要求。

对于“实验结果不显著”的困惑，周筠教授也给出了独到见解。她认为，不显著的结果主要可分为两种：“设计不良”导致的不显著与“真实的不显著”。如果研究设计严谨而结果仍不显著，这本身就是一个重要的科学发现，研究者应深入讨论其可能原因，而非强行追求显著性。

会议最后，在场师生以热烈的掌声感谢周筠教授带来的精彩分享。周筠与参会教师及同学合影留念，并鼓励同学们在科研道路上多读文献、勇于实践。