思维如学生：AI 支持理论密集型计算机科学课程中的反思性规划

新冠疫情后，许多大学实施了补充 "强化" 角色以支持高要求课程中的学生。虽然此类角色的名称在不同机构之间可能有所不同，但提供结构化补充支持的基本理念是一致的。然而，这些角色往往定义不清，缺乏结构化材料、教育监督和与核心教学团队的整合。本文报告了在一门挑战性的本科生课程中重新设计强化课程的做法，该课程涉及形式方法和计算模型，使用大型语言模型 (LLM) 作为反思性规划工具。该 LLM 被激活以模拟二年级学生的视角，从而识别概念瓶颈、直觉缺失以及可能的推理失效。这些见解信息化了一个结构化、可重复的课程格式，结合了针对性复习、协作示例、独立学生工作和引导 walkthrough。该干预在单个学期内实施，获得了积极的学生反馈，表明学生信心提升、焦虑减少、理解性增强，尤其是在抽象主题如抽取引理和形式语言表达力比较方面。这些发现表明，反思性、针对教师的 LLM 用法可以增强密集理论领域的教学设计，可能适用于其他认知负荷较大的计算机科学课程。