用於計算問題建構的間接與直接 AI 鷹架支持：初步經驗報告
arXiv - Human-Computer InteractionShayla Sharmin, Mohammad Fahim Abrar, Mohammad Al-Ratrout, Roghayeh Leila Barmaki
研究探討了透過引導問題（間接）與範例展示（直接）兩種 AI 鷹架模式，如何影響學生在計算科學中的問題建構品質。
AI 幫你先抓重點
AI 重點 1
AI 鷹架應採取「由間接轉向直接」的序列化策略。
滑鼠懸停看 AI 判斷理由
這改變了傳統單一工具的思維，建議先利用間接引導激發元認知與反思，待學習者遇到瓶頸時，再切換至直接範例提供支撐，以兼顧深度學習與任務完成度。
AI 重點 2
問題建構（Problem Posing）是從被動解題轉向主動學習的關鍵。
滑鼠懸停看 AI 判斷理由
這強調了在計算教育中，AI 不應僅作為答案提供者，更應作為促進學習者主動建構知識與反思能力的協作夥伴，這對設計高品質的 AI 學習環境至關重要。
核心研究發現
- 1
直接鷹架（提供範例）能顯著提升學生產出問題的即時品質，對於快速改善問題設計非常有效。
- 2
間接鷹架（提供引導問題）雖然即時效果較慢，但能促進學生對自身問題設計進行更深層的反思。
- 3
兩種 AI 鷹架模式具有互補性，分別在即時表現提升與深層認知反思上展現出不同的優勢。
對教育工作者的啟發
教育工作者在設計 AI 輔助教學工具時，不應僅追求即時的正確率，應考慮鷹架的「認知負擔」與「反思深度」。建議在教學流程初期，利用 AI 提出引導式問題（Indirect Scaffolding）來強化學生的元認知與問題定義能力；當學生在複雜任務中陷入僵局時，再引入 AI 生成的範例（Direct Scaffolding）作為支撐。這種動態調整鷹架強度的策略，能有效平衡學習者的自主性與任務達成率。
原始文獻資訊
- 英文標題：
- Indirect and Direct AI Scaffolding for Computational Problem Posing: A Pilot Experience Report
- 作者：
- Shayla Sharmin, Mohammad Fahim Abrar, Mohammad Al-Ratrout, Roghayeh Leila Barmaki
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。