认知网络重建 STEM 主题及教育情境中的思维方式
计算与语言
2026-02-17 v1
摘要
STEM 的态度源于概念知识、教育经历与情感因素的相互作用。本文使用认知网络科学重建群体思维方式作为行为形式心智网络 (BFMN)。在此框架下,节点为线索词和自由联想,边为经验关联链接,每个概念标注为感知情感价值。我们分析了来自 N = 994 样本的 BFMN,涵盖高中生、大学学生以及基于 LLM (GPT-oss) 的"数字孪生体"。聚焦于关键目标概念(如 STEM 主题或教育行为者/场所)周围的语义邻域"框架",我们以情感光环、情感轮廓、网络重叠度 (Jaccard 相似性) 以及相对于空基线的具体性来量化框架。跨越学生群体,科学与研究始终被正面框架,而其核心定量学科(数学和统计学)则表现出更负面的情感光环,在高数学焦虑子群中被放大,证明了 STEM-科学与数学之间的认知与情感不一致。高焦虑框架也低于机会的具体性,表明对威胁性定量领域的更抽象和去语境化表征。人类网络在数学与焦虑之间的重叠度高于 GPT-oss。结果凸显了 BFMN 如何捕捉目标领域思维方式的认知情感特征,并表明 LLM 基于数字孪生体接近文化态度,但遗漏了关键的、基于经验的、情境敏感性成分,以复制人类教育焦虑。
引用
@article{arxiv.2602.14749,
title = {Cognitive networks reconstruct mindsets about STEM subjects and educational contexts in almost 1000 high-schoolers, University students and LLM-based digital twins},
author = {Francesco Gariboldi and Emma Franchino and Edith Haim and Gianluca Lattanzi and Alessandro Grecucci and Massimo Stella},
journal= {arXiv preprint arXiv:2602.14749},
year = {2026}
}