利用有序網絡分析探討中學生開發 AI 聊天機器人時的協作對話與行為
arXiv - Human-Computer InteractionShan Zhang, Andres Felipe Zambrano, Xiaoyi Tian, Yukyeong Song, Anthony F. Botelho, Kristy Elizabeth Boyer, Maya Israel, Shiyan Jiang
本研究透過有序網絡分析發現，開發高品質 AI 機器人與深層 AI 知識獲取，皆與「解釋、測試、修正」的整合性協作序列密切相關。
AI 幫你先抓重點
AI 重點 1
從「結果導向」轉向「過程導向」的評估視角
滑鼠懸停看 AI 判斷理由
傳統 AI 教育研究多關注學生最後做出的作品好壞，但本研究證明了「如何協作」才是理解學習發生過程的關鍵，這能幫助教學者更精準地介入學習動態。
AI 重點 2
「測試與修正」循環在 AI 素養建構中的核心地位
滑鼠懸停看 AI 判斷理由
這項發現強調了在 AI 教育中，單純的知識輸入不足夠，必須透過不斷的迭代（Iteration）與對輸出結果的反饋循環，才能真正內化 AI 知識。
核心研究發現
- 1
高品質的聊天機器人開發過程，與包含「解釋、測試、修正」這三者之間高度整合且連續的行為序列呈現正相關。
- 2
學生在互動中展現出清晰的推理過程，並針對機器人輸出進行重複測試與修正，與更強的 AI 知識學習成果相關。
- 3
研究成功將協作學習的關注點從單純的學習成果或最終作品品質，轉向了開發過程中的動態協作模式。
對教育工作者的啟發
課程設計者在設計 AI 專題學習（PBL）時，不應僅設定「完成一個機器人」的目標，而應設計引導機制，鼓勵學生進行「解釋—測試—修正」的循環。例如，可以提供結構化的反饋模板，引導學生在測試機器人失敗時，必須進行邏輯推理並記錄修正過程。此外，教師應觀察學生在協作中的對話模式，若發現學生缺乏迭代行為，應及時介入引導其進行深度思考與實驗，而非僅關注程式碼是否能跑通。
原始文獻資訊
- 英文標題：
- Analyzing Middle School Students' Dialogue and Behaviors during Collaborative AI Chatbot Development Using Ordered Network Analysis
- 作者：
- Shan Zhang, Andres Felipe Zambrano, Xiaoyi Tian, Yukyeong Song, Anthony F. Botelho, Kristy Elizabeth Boyer, Maya Israel, Shiyan Jiang
- 來源：
- arXiv - Human-Computer Interaction
- 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。