使用可选约束的AI助教探索学生行为与动机
人机交互
2025-04-16 v1 计算机与社会
摘要
AI驱动的聊天机器人和数字教学助理 (AI TA) 在编程教育中日益受到欢迎，为学生提供及时且个性化的反馈。尽管其潜在益处显而易见，但关于学生过度依赖和学术不端的担忧促使将“约束”引入AI助手——这些功能提供有框架支持而非直接解答。然而，过于严格的约束可能导致学生绕过这些工具，转而使用无约束的AI模型，其中交互无法被观察，从而限制了我们对学生求助行为的理解。为此，我们设计并部署了一个带有可选约束的 novel AI TA工具，用于大型入门级编程课程的一个实验课。学生在完成三个编写代码和调试任务时，可选择接收受约束帮助或使用“查看解答”功能，该功能会禁用约束并生成来自底层模型的逐字响应。我们调查了学生的动机和该功能的使用情况，并检验了使用情况与课程成绩之间的关联。我们发现50%的885名学生至少一个问题中使用了“查看解答”功能，14%的学生在所有三个问题中都使用了该功能。此外，表现较差的学生更倾向于使用该功能，并且在开始作业较晚的情况下更接近截止时间时使用。鼓励学生停用约束的主要因素包括解决问题、时间压力、缺乏自我调节和好奇心。我们的工作为理解学生的解答寻求动机与行为提供了见解，这对设计在教育目标与学生偏好之间取得平衡的AI TA具有启示意义。
引用
@article{arxiv.2504.11146,
title = {Exploring Student Behaviors and Motivations using AI TAs with Optional Guardrails},
author = {Amanpreet Kapoor and Marc Diaz and Stephen MacNeil and Leo Porter and Paul Denny},
journal= {arXiv preprint arXiv:2504.11146},
year = {2025}
}