代理式教育：利用 Claude Code 教學 Claude Code
arXiv - Computers and SocietyZain Naboulsi
本文提出 cc-self-train 系統，透過動態調整教學角色與適應性支架，有效提升學習者使用 AI 編碼工具的自我效能感。
AI 幫你先抓重點
AI 重點 1
將「漸進式責任釋放」轉化為 AI 代理人的角色演進模型
滑鼠懸停看 AI 判斷理由
這改變了傳統 AI 教學僅提供靜態解答的模式，透過角色從引導轉向同儕，能模擬真實的人類教學節奏，讓學習者在受控的挑戰中逐步建立自主性。
AI 重點 2
具備自動更新能力的課程設計架構
滑鼠懸停看 AI 判斷理由
在 AI 技術日新月異的環境下，傳統課程極易過時。這種能偵測工具更新並自動調整教材的設計，為解決教育內容與技術迭代速度不匹配的問題提供了新路徑。
核心研究發現
- 1
透過 27 名參與者的試點評估顯示，學習者在 10 個評估技能領域中的自我效能感均有顯著提升（p < 0.001）。
- 2
學習者在進階功能（如 hooks 與 custom skills）上的自我效能感增長效果最為顯著。
- 3
系統成功實作了從引導者、協作者、同儕到啟動者四種角色的漸進式責任釋放模型（Gradual Release of Responsibility）。
- 4
透過偵測學習參與度的啟發式演算法，系統能根據學習者的參與品質在不同時間尺度上調整教學支架。
對教育工作者的啟發
課程設計者應考慮「角色化教學」的概念，不應讓 AI 始終扮演解答者，而應設計從引導到放手的動態過程。此外，面對快速變動的技術工具，應建立具備「自我修復」能力的課程架構，利用 AI 偵測工具變動並更新教學內容，以維持教學材料的時效性。最後，在設計 AI 教學時，應加入明確的「暫停機制」以防止資訊過載，確保學習者有足夠的認知空間處理新資訊。
原始文獻資訊
- 英文標題：
- Agentic Education: Using Claude Code to Teach Claude Code
- 作者：
- Zain Naboulsi
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。