从答案生成器到推理促进者：为高风险环境中的数学推理设计AI导师
人机交互
2026-07-02 v1
摘要
大型语言模型（LLM）在教育技术中的快速整合威胁着将数学学习简化为纯粹的答案生成。本文介绍了AITutor的生成性研究、可用性研究和12名参与者的现场部署，AITutor是一个交互式系统，将理论教学机制转化为具体的用户界面功能。我们探索了为高风险考试（中考）准备的初中生如何与AI辅导互动。通过混合方法三角验证（7,379个遥测事件、8次情境观察、10次访谈），我们揭示了学生在时间压力下积极抵制传统的苏格拉底式对话，将“答案优先”的捷径重新用作重要的诊断检查点。我们展示了分层示例、步骤链接的视觉基础和元认知脚手架等功能如何降低推理修复的交互成本。我们贡献了一个“以推理为中心的产品循环”，为设计在野外结构上支持数学推理的检查、局部修复、课程验证和延迟检索的AI提供了可操作的启示。
引用
@article{arxiv.2607.01692,
title = {From Answer Generators to Reasoning Facilitators: Designing AI Tutors for Mathematical Reasoning in High-Stakes Environments},
author = {Yuming Feng and Yuan Tian and Erica Zhao},
journal= {arXiv preprint arXiv:2607.01692},
year = {2026}
}