RTMS：即時多模態支架系統提升程式除錯學習
arXiv - Human-Computer InteractionAnahita Golrang, Kshitij Sharma
即時多模態回饋能顯著提升程式除錯效能，縮小專家與新手差距
AI 幫你先抓重點
AI 重點 1
即時多模態回饋可縮小新手與專家之間的表現差距
滑鼠懸停看 AI 判斷理由
此發現說明基於學習者認知與情緒狀態的自適應支架能有效降低先前經驗帶來的不平等，為個別化學習環境設計提供實證依據
AI 重點 2
結合認知負荷與壓力兩種觸發可最大化除錯效能
滑鼠懸停看 AI 判斷理由
多模態感測提供更完整的學習者狀態資訊，提升回饋時機與內容的精準度，指引未來系統開發者優先整合多重生理指標
核心研究發現
- 1
所有三種回饋條件（認知負荷、壓力、結合）均顯著提升除錯成功率與效率，優於無回饋控制組
- 2
認知負荷觸發回饋的成效高於單一壓力觸發，結合兩種觸發則產生最大提升
- 3
在回饋條件下，程式專業度不再預測表現，初學者與專家之間的差距顯著縮小
對教育工作者的啟發
教育工作者可在IDE中嵌入眼動與心率監測，實時偵測學習者的認知負荷與生理壓力，並以簡短提示即時支援。結合兩種觸發可最大化效能，特別對新手友善，能縮小經驗差距。建議開發者設計多模態回饋介面，並在課程中加入即時調整機制，提升除錯教學成效。
原始文獻資訊
- 英文標題：
- RTMS: A Real-Time Multimodal Scaffolding System for Improving Debugging in Computing Education
- 作者：
- Anahita Golrang, Kshitij Sharma
- 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。