CyberJustice Tutor：代理式 AI 促進網路安全學習
arXiv - Human-Computer InteractionBaiqiang Wang, Yan Bai, Juan Li
提出代理式 AI 框架 CyberJustice Tutor，結合 Think‑Plan‑Act 推理與 Vygotsky ZPD 支架，提升網路安全教育的回應速度、易用性與準確度。
AI 幫你先抓重點
AI 重點 1
Think‑Plan‑Act 認知週期
滑鼠懸停看 AI 判斷理由
此週期突破傳統聊天機器人無狀態的限制，允許系統自主分解目標、長期規劃與動態維持上下文，為高風險法律場景提供穩定且可追蹤的推理流程。
AI 重點 2
Adaptive Retrieval Augmented Generation (RAG) 核心
滑鼠懸停看 AI 判斷理由
RAG 將推理根植於已驗證的課程資料，確保回覆的法律與技術準確性，降低幻覺風險，提升使用者對 AI 內容的信任度。
AI 重點 3
Vygotsky ZPD 教學支架
滑鼠懸停看 AI 判斷理由
動態調整教學支持根據學習者即時進度，促進自我調節學習，符合 SRL 理論，對於提升個別化學習成效至關重要。
核心研究發現
- 1
系統採用 Think‑Plan‑Act 認知週期，實現自主目標分解與長期規劃，克服傳統聊天機器人無狀態限制。
- 2
Vygotsky 的 ZPD 基礎教學支架能根據學習者實時進度動態調整指導，提升個別化學習體驗。
- 3
透過 Adaptive Retrieval Augmented Generation (RAG) 核心，系統將推理根植於經過驗證的課程資料，確保法律與技術準確性。
- 4
123 名參與者（學生、教師、執法人員）實驗顯示，系統在回應速度、易用性與準確度上平均評分均超過 4.3/5，使用者接受度高。
- 5
質性回饋指出，代理式架構能引導學習者走向個人化學習路徑，證明代理 AI 在專業教育中的可行性與實用性。
對教育工作者的啟發
教育工作者可將 Think‑Plan‑Act 週期嵌入對話式學習平台，利用 RAG 連結可信教材，並透過 ZPD 支架即時調整提示，提升學習者的自我調節與專業知識掌握。此框架亦可擴充至其他專業領域，提供可重複使用的代理式 AI 教學模組。
原始文獻資訊
- 英文標題：
- CyberJustice Tutor: An Agentic AI Framework for Cybersecurity Learning via Think-Plan-Act Reasoning and Pedagogical Scaffolding
- 作者：
- Baiqiang Wang, Yan Bai, Juan Li
- 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。