K-12 GenAI 用途的主题式与任务式分类：基于层次主题模型
计算与语言
2025-08-15 v1 计算机与社会
摘要
我们分析了在多个月份、多个学校和学科中使用新颖且简单的主题模型方法，对少年在课堂上与 ChatGPT 交互生成的超过 17000 条消息进行分析。具体而言，我们在两个维度上对这些消息进行分类：内容（如自然与人物）和任务（如写作与解释）。我们为每个维度分别独立进行层次化分类，包括示例提示，提供高层次概览以及具体洞见。已有研究大多缺乏内容或主题式分类。虽然任务分类在教育领域较为常见，但大多数研究未得到 K-12 场景下真实数据的支持。反之，众所周知的是，我们的分析得出许多新颖的应用。在提炼这些洞见的过程中，我们发现许多经典且新兴的计算方法，即主题模型，在处理大量文本时表现不佳，因此我们直接应用最先进的大语言模型（LLM）通过恰当的预处理，以显式指令方式实现更贴合人类认知的层次主题结构。我们的发现支持后续研究者、教师和学生丰富 GenAI 的使用，而我们的讨论也提出了诸多关切和未来研究的开放问题。
引用
@article{arxiv.2508.09997,
title = {Thematic and Task-Based Categorization of K-12 GenAI Usages with Hierarchical Topic Modeling},
author = {Johannes Schneider and Béatrice S. Hasler and Michaela Varrone and Fabian Hoya and Thomas Schroffenegger and Dana-Kristin Mah and Karl Peböck},
journal= {arXiv preprint arXiv:2508.09997},
year = {2025}
}
备注
Accepted at the International Conference on Computer-Human Interaction Research and Applications (CHIRA), 2025