蘇格拉底式程式除錯的推理軌跡：從錯誤觀念到認知矛盾與信念更新
arXiv - Computers and SocietyErfan Al-Hossami, Razvan Bunescu
本研究提出利用推理軌跡引導學生透過認知失調發現程式錯誤，並利用 LLM 生成有效的蘇格拉底式對話。
AI 幫你先抓重點
AI 重點 1
將除錯過程轉化為「認知失調」的引導路徑
滑鼠懸停看 AI 判斷理由
這改變了傳統直接給予答案的教學模式，強調透過引導學生發現自身邏輯矛盾，從根本上修正錯誤觀念，符合學習科學中的知識建構理論。
AI 重點 2
利用 LLM 自動化生成高品質的蘇格拉底式對話
滑鼠懸停看 AI 判斷理由
這為教育科技提供了規模化的可能性，讓教師能以低成本為每個學生提供個人化的、具備邏輯深度的引導式教學，而非僅是簡單的提示。
核心研究發現
- 1
提出「推理軌跡（RT）」概念，將蘇格拉底式除錯定義為引導學生發現與錯誤觀念相矛盾的程序。
- 2
建立了一個包含人工標註與 LLM 生成之推理軌跡的除錯問題數據集。
- 3
實驗顯示大型語言模型（LLM）能生成高達 91% 正確的推理軌跡，以及 98.7% 有效的對話輪次。
對教育工作者的啟發
教育工作者在設計 AI 輔助教學系統時，不應僅讓 AI 提供正確答案，而應設計「引導路徑」。建議開發者專注於讓 AI 扮演引導者角色，透過提問引發學生的認知矛盾，促使學生主動檢視自身的錯誤觀念（Misconceptions）。這種從「發現矛盾」到「更新信念」的設計邏輯，能有效提升學生的自主學習能力與深層理解，而非僅是解決當下的程式錯誤。
原始文獻資訊
- 英文標題：
- Reasoning Trajectories for Socratic Debugging of Student Code: From Misconceptions to Contradictions and Updated Beliefs
- 作者：
- Erfan Al-Hossami, Razvan Bunescu
- 來源：
- arXiv - Computers and Society
- 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。