能否透過眼動與心理負荷同步回饋提升雙人程式設計表現？
arXiv - Human-Computer InteractionAnahita Golrang, Kshitij Sharma
利用眼動與心理負荷同步的 AI 回饋，提升雙人程式設計的協作效率與成功率。
AI 幫你先抓重點
AI 重點 1
眼動與心理負荷同步可作為 AI 介入的可靠觸發點，提升協作效率。
滑鼠懸停看 AI 判斷理由
此洞察指出可用即時生理數據作為回饋觸發，避免傳統延遲或主觀判斷，讓 AI 能在協作失衡前介入，從而提升學習成效與自主調節。
AI 重點 2
前瞻式回饋能在不干擾學習者自主性的前提下，預防協作失衡，維持最佳合作狀態。
滑鼠懸停看 AI 判斷理由
這說明 AI 介入不必過度干擾，透過預測模型提前提示，可讓學習者自行調整，保持高效協作，符合 SRL 與 PBL 的自主學習原則。
核心研究發現
- 1
多模態回饋顯著提升雙人程式設計的協作表現，較無回饋情境效能更佳。
- 2
反應式回饋在調整雙方視覺注意與心理負荷同步時，顯著提升除錯成功率與效率。
- 3
預測式前瞻回饋進一步提升效能、縮短任務時間，且更少干擾，促進建設性回饋採納。
對教育工作者的啟發
此研究顯示，將眼動與心理負荷同步數據嵌入 AI 回饋系統，可即時辨識協作失衡並提供針對性提示，進而提升雙人程式設計的除錯成功率。實務上，教師可利用現成的雙眼追蹤裝置與簡易機器學習模型，於課堂中即時呈現視覺與負荷同步圖，並在關鍵時刻給予反應式或前瞻式回饋，協助學生保持最佳協作狀態，減少干擾並提升學習自主性。
原始文獻資訊
- 英文標題：
- Can providing feedback on gaze and mental-effort synchrony improve pair programming performance?
- 作者：
- Anahita Golrang, Kshitij Sharma
- 來源：
- arXiv - Human-Computer Interaction
- 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。