使用生成式 AI 進行利益相關者模擬，教學敏捷需求工程
arXiv - Human-Computer InteractionEva-Maria Sch\"on, Michael Neumann, Tiago Silva da Silva
透過生成式 AI 與利益相關者模擬，讓學生實作敏捷需求工程並理解 AI 限制。
AI 幫你先抓重點
AI 重點 1
Meta-prompt 的彈性設計允許教師自由調整 AI Persona 的角色與情境
滑鼠懸停看 AI 判斷理由
此設計使課程不受特定大型語言模型供應商限制，提升可持續性與跨平台適用性，對教育實務具有重要價值。
AI 重點 2
小組討論中對 AI 技術與倫理限制的反思促進學生批判性思考與負責任的 AI 應用
滑鼠懸停看 AI 判斷理由
透過反思，學生能辨識 AI 產出的偏差與風險，並學會在敏捷需求工程中合理整合 AI 產出，提升需求品質與合規性。
核心研究發現
- 1
學生能透過 AI Persona 進行需求採集，實際操作敏捷故事映射與影響映射。
- 2
Meta-prompt 的使用提供了彈性，讓課程不受特定大型語言模型供應商限制。
- 3
學生在小組討論中反思 AI 的技術與倫理限制，提升對 AI 工具的批判性理解，並將此反思納入需求文件的改進。
- 4
透過實作，學生掌握敏捷需求工程的實務流程，並能將 AI 產出納入需求文檔，以提升需求的完整性與可追蹤性。
- 5
研究多個學期實施後，證實此模擬方法能有效提升學生對敏捷需求工程與 AI 限制的雙重認知，並促進其自主學習與批判性思考。
對教育工作者的啟發
此研究示範了結合生成式 AI 與利益相關者模擬的教學模式，可直接套用於敏捷需求工程課程。教師可先設計 meta-prompt，確保 AI Persona 能模擬多樣化客戶角色，並在課堂中安排需求採集、故事映射與影響映射等實作。課程結束後，安排小組討論，讓學生針對 AI 產出的準確性、偏差與倫理問題進行批判性反思，並將反思納入需求文件修訂。此流程不僅提升學生實務操作能力，亦培養其自我監控與批判性思考，符合自主學習與 PBL 的設計原則。
原始文獻資訊
- 英文標題：
- Teaching Agile Requirements Engineering: A Stakeholder Simulation with Generative AI
- 作者：
- Eva-Maria Sch\"on, Michael Neumann, Tiago Silva da Silva
- 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。