解构人机协作问题解决中的互动轮廓与策略：一种认知分布与调节视角
人机交互
2026-03-24 v1 计算机与社会
摘要
本研究采用集成分布式认知和学习调节的视角，考察在大学生与AI协作解决复杂问题时的合作模式与动力学。通过聚类分析，本研究识别出三种不同的协作问题解决模式：委派推理（Delegated Reasoning，DR）、协调解释（Concerted Interpretation，CI）和委派详化（Delegated Elaboration，DE）。本研究发现，DR 组实现了最高的任务性能，显著优于 CI 组。此外，DR 组的人类与AI话语语义相似度最高。相比之下，CI 组报告了显著更大比例的自我调节策略使用。这些发现揭示了分布式系统效率与人类学习者调节参与深度之间的关键张力。本研究的洞见为AI赋能的教育工具和学生-AI协作学习框架的未来设计提供了宝贵的含义。
引用
@article{arxiv.2603.21288,
title = {Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective},
author = {Zhanxin Hao and Xiaobo Liu and Jiaxin Fan and Yun Long and Jifan Yu and Wenli Chen and Yu Zhang},
journal= {arXiv preprint arXiv:2603.21288},
year = {2026}
}