使用生成式 AI、可視化與人類支援於 CS2 學習的特徵與效應
arXiv - Human-Computer InteractionQuinton Yong, Anthony Estey, Miguel Nacenta
研究顯示生成式 AI 能提升學生自我效能，但對高階演算法學習成效不利，且可視化工具使用不足，真人輔導則效果最佳。
AI 幫你先抓重點
AI 重點 1
生成式 AI 雖提升自我效能，但可能削弱實際學習成效。
滑鼠懸停看 AI 判斷理由
此發現提醒教育者在採用 AI 工具時，必須同時設計能促進深度理解的學習活動，否則學生可能因過度依賴 AI 而忽略關鍵概念的掌握。
AI 重點 2
真人輔導在高階 CS 學習中仍是最有效的支援方式。
滑鼠懸停看 AI 判斷理由
此洞察說明即使 AI 技術日益成熟，對於複雜概念的即時互動與個別化回饋仍是提升學習成效的關鍵，教育實務者應將人類導師作為核心資源。
核心研究發現
- 1
生成式 AI 在三個 90 分鐘學習會議中顯著提升學生自我效能，但其學習成效明顯低於真人輔導。
- 2
學生在使用演算法可視化工具時未能有效利用其功能，導致學習成效未提升。
- 3
在進階演算法（排序、樹、圖）學習過程中，學生遇到使用生成式 AI 的障礙，影響問題解決效率。
- 4
真人即時輔導在所有三種學習支援中，學習成效最高，且學生在問題解決時尋求協助的時機最為合適。
對教育工作者的啟發
1) 在課程中引入生成式 AI 時，應先設計明確的學習目標與評量指標，避免學生過度依賴 AI 產出。2) 對於演算法可視化工具，提供使用說明與實作練習，協助學生掌握其功能。3) 針對高階概念，建議結合真人輔導或同儕協作，以補足 AI 在解釋複雜邏輯時的不足。4) 透過眼動追蹤與互動分析，教師可即時調整教學策略，提升學生在問題解決過程中的有效協助時機。5) 在課程設計時，將自我效能提升與學習成效平衡納入評估指標，確保 AI 工具的正向影響最大化。
原始文獻資訊
- 英文標題：
- Characterization and Effects of CS2 Learning with GenAI, Visualization, and Human Support
- 作者：
- Quinton Yong, Anthony Estey, Miguel Nacenta
- 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。