AI代理創建中的計算思維發展：混合方法研究
arXiv - Computers and SocietyYimeng Sun, Haiyang Xin, Qiannan Niu, Shuang Li, Lingyun Huang, Gaowei Chen
在五天AI代理創建工作坊中，發現中等初始計算思維學生獲得最大成長，並證實迭代測試促進自我效能。
AI 幫你先抓重點
AI 重點 1
中等初始計算思維水平的學生在AI代理創建課程中獲得最大成長，顯示最佳發展區效應。
滑鼠懸停看 AI 判斷理由
此發現挑戰傳統線性學習假設，提示教師需針對不同CT水平設計差異化支架，提升學習成效。
AI 重點 2
迭代測試參與度與自我效能提升正相關，強調實踐反覆測試的重要性。
滑鼠懸停看 AI 判斷理由
凸顯元認知策略在CT學習中的關鍵角色，建議課程設計嵌入迭代測試環節以促進自我效能。
核心研究發現
- 1
抽象思維提升效應量d=0.71，演算法思維提升效應量d=0.70，顯示顯著進步。
- 2
迭代測試參與度與自我效能提升呈正相關（β=0.20，p=0.05）。
- 3
中等初始計算思維學生在最佳發展區效應下，成長幅度遠高於高低CT同儕（η²=0.55）。
- 4
質性分析顯示中等CT學生展現適應性專業知識，高CT學生易過度設計，低CT學生難以分解任務。
對教育工作者的啟發
教師可依學生初始CT水平設計差異化支架，對中等CT學生提供挑戰性任務，對高CT學生避免過度設計，對低CT學生強化任務分解與迭代測試。課程中嵌入明確的測試迭代循環，並提供即時反饋，能提升自我效能與整體CT發展。
原始文獻資訊
- 英文標題：
- Computational Thinking Development in AI Agent Creation_A Mixed-Methods Study
- 作者：
- Yimeng Sun, Haiyang Xin, Qiannan Niu, Shuang Li, Lingyun Huang, Gaowei Chen
- 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。