基於Apriori演算法的學習無助分析：數學輔導中的行為模式—層級、介入與成效
arXiv - Computers and SocietyJohn Paul P. Miranda
利用Apriori演算法揭示數學輔導中學習無助學生的行為模式，指出跳題不使用提示最易導致失敗，且介入與無助程度對行為影響不同。
AI 幫你先抓重點
AI 重點 1
跳題不使用提示是導致失敗的關鍵行為，提示使用可顯著提升成功率。
滑鼠懸停看 AI 判斷理由
此洞察顯示簡單的行為調整（如鼓勵使用提示）能有效減少學習無助，為教育工作者提供可落實的介入策略。
AI 重點 2
學習無助程度與系統介入效果互動，低無助學生受介入影響較小，高無助學生介入反而加劇跳題行為。
滑鼠懸停看 AI 判斷理由
了解此互動關係可協助設計個別化介入，避免對高無助學生產生逆向效應，提升介入效能。
核心研究發現
- 1
跳題且不使用提示的行為最常見且與未解題目高度相關。
- 2
低學習無助學生更傾向於不跳題並使用提示，成功率較高；高學習無助學生則多採取跳題，與失敗密切相關。
- 3
未介入組學生在持續嘗試與成功之間的關聯度最高，而介入組則更顯跳題導致失敗的模式。
對教育工作者的啟發
1) 針對跳題行為設計即時提示，鼓勵學生使用線索；2) 針對低學習無助學生，減少過度提示，保持自主性；3) 針對高學習無助學生，避免單純提示，改用引導式問題，降低跳題；4) 介入設計時需考量學生無助程度，避免產生逆向效應。
原始文獻資訊
- 英文標題：
- Apriori-based Analysis of Learned Helplessness in Mathematics Tutoring: Behavioral Patterns by Level, Intervention, and Outcome
- 作者：
- John Paul P. Miranda
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。