ArguAgent：面向 STEM 教室的 AI 支持实时分组以促进建设性论辩

论辩是 STEM 教育的核心实践，但其建设性取决于参与者及其互动方式。高水平学生往往主导讨论和决策，而低水平学生可能疏离、退让或仅服从而未作出实质性推理。基于学生立场和论辩技能 strategically 形成小组可有助于培养包容且以证据为依据的对话。实际中，然而，教师受限于在教学过程中无法实时可靠且规模化地评估学生立场和论辩质量。我们提出一个生成式 AI 系统 ArgueAgent，通过优化立场异质性同时约束论辩质量差异在 +/-1 级别上来创建小组。ArgueAgent 使用两组件评估管道：首先对学生论证进行 0-4 分量表评分，然后通过语义分析进行位置聚类。我们使用 200 份专家生成的评分对评分组件进行了人类专家共识（Krippendorff 的 $\alpha$ = 0.817）验证。测试三个 OpenAI 模型（GPT-4o-mini、GPT-5.1、GPT-5.2）使用相同的校准提示，我们发现基于人类不一致性分析的系统性提示工程贡献了 89% 的评分提升（QWK: 0.531 至 0.686），而模型升级额外贡献了 11%（QWK: 0.686 至 0.708）。在 100 课堂的仿真测试中，分组算法实现了 95.4% 的小组满足两项设计准则，随机分组提升了 3.2 倍。这一结果表明 ArgueAgent 可实现促进课堂上建设性 STEM 论辩的实时、理论依据的分组。