AI 辅导是否真实？比较模拟对话与人类对话在一对一指令中的差异

启发式和结构化的教师-学生对话被广泛认为是促进学生高阶思维和深层学习的关键因素。然而，当前大型语言模型（LLM）在生成富有教育意义的互动方面面临诸多挑战。本研究系统性地检视了 AI 模拟对话与真实人类辅导对话的结构差异和行为差异。我们采用 Initiation-Response-Feedback（IRF）编码方案和认知网络分析（ENA）进行量化比较。结果表明，人类对话在言语长度、提问（I-Q）和一般反馈（F-F）行为方面显著优于 AI 对话。更重要的是，ENA 结果揭示了交互模式的根本差异：人类对话更具认知引导性和多样性，围绕“提问-事实性回应-反馈”的教学环节清晰地体现了教育引导和以学生为中心的思考；而模拟对话则呈现出结构简化和行为收敛的模式，围绕“解释-简化回应”的循环，本质上是教师与学生之间简单的信息传递。这些发现阐明了当前 AI 生成教育对话的关键局限性，并为设计和评估更具教育效能的生成式教育对话系统提供了实证依据。