角色動態分析：溝通角色對同儕認可與團隊表現之預測
arXiv - Computers and SocietyYifan Song, Wenxuan Wendy Shi, Brian P Bailey, Tal August
本研究利用教育理論框架與 LLM 標註 Slack 溝通數據，發現角色動態能有效預測團隊表現與同儕認可。
AI 幫你先抓重點
AI 重點 1
從靜態角色轉向動態角色軌跡的觀察
滑鼠懸停看 AI 判斷理由
傳統研究常將角色視為固定特質，但本研究證明角色是隨時間演化的。這對於設計能適應專案不同階段（如啟動期 vs. 衝刺期）的協作支援工具至關重要。
AI 重點 2
理論驅動的 LLM 標註優於純數據驅動方法
滑鼠懸停看 AI 判斷理由
這展示了如何將教育學理論與生成式 AI 結合，而非僅依賴黑盒子的數據聚類，這能讓 AI 的分析結果具備教育解釋力，而非僅是統計相關性。
核心研究發現
- 1
研究建立了一套基於教育文獻的八種溝通角色分類法，並透過 LLM 成功模擬專家標註，實現大規模自動化角色分析。
- 2
團隊角色隨專案進度呈現動態變化，不同角色在專案生命週期的不同階段達到高峰，且學生隨著專案推進會展現更多樣的角色。
- 3
使用溝通角色標籤進行預測，在預測同儕認可與團隊表現提升方面，表現優於詞彙分析、對話特徵及單純的 LLM 提示法。
對教育工作者的啟發
教育工作者與課程設計者可利用此研究啟發，開發具備「角色感知」能力的數位協作平台。例如，當系統偵測到團隊在專案後期缺乏特定關鍵角色（如協調者或總結者）時，能主動提供引導或提醒。此外，透過監測學生角色多樣性的變化，教師可以評估學生在 PBL 過程中是否能靈活調整自身職能，進而提供更精準的形成性評量與團隊介入。
原始文獻資訊
- 英文標題：
- Who Plays Which Role When? Communication Role Dynamics for Peer Recognition and Team Performance Prediction
- 作者：
- Yifan Song, Wenxuan Wendy Shi, Brian P Bailey, Tal August
- 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。