Students' Epistemological Beliefs and their Chatbot Preferences in AI-mediated Physics Learning
本研究调查了初级物理系学生认识论信念与其在波动模拟模块中对人工智能聊天机器人行为偏好之间的关系，发现虽然最初倾向于“引导式探究”与“直接回答”相结合的学生表现出更成熟的信念，但在经过 Bonferroni 校正后，这些差异并不具有统计学显著性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你正在学习如何骑自行车。你有两个选择，可以请一位帮手：一位是直接骑在你身后帮你控制方向，并明确告诉你该往哪儿走；另一位则是跑在你身边，问你：“你觉得你应该往哪个方向转弯？”并且只有在你快要撞车时才会抓一下你的车把。这是物理教育研究（physics education research）这一迷人领域的一个核心缩影。这个领域的科学家们不仅关心你在考试中是否得到了正确答案，他们更关心你的大脑是如何思考知识本身的。他们研究你的“认识论信念”（epistemological beliefs），这是一种高级的说法，其实是在问：你认为知识是专家传授的一份固定的事实清单，还是你通过努力和错误自己构建出来的东西？
现在，引入这位新成员：生成式人工智能（Generative AI）。这些是能够瞬间解决问题的超级智能聊天机器人。随着学生开始使用这些工具做作业，一个大问题出现了：那些希望 AI 直接“给出答案”的学生，与那些希望 AI “引导他们解决问题”的学生，在思考方式上是否有不同？如果我们能弄清楚这一点，我们或许就能设计出不仅仅是为学生代劳，而是真正帮助他们成为更优秀思考者的 AI 导师。
这篇由普渡大学研究人员撰写的论文深入探讨了这个问题。他们为正在修读微积分物理课的学生搭建了一个数字游乐场。学生们被要求使用一个定制的在线模块来探索一个叫做“波”（waves）的主题。该模块拥有酷炫的模拟功能和一个内置的聊天机器人。在开始之前，学生们被要求从三种选项中选择他们最喜欢的聊天机器人交互风格：
- 直接回答： “直接告诉我答案。”
- 引导式探究： “向我提问并给我提示，让我自己悟出来。”
- 结合模式： “先向我提问，但如果我卡住了，就直接给我答案。”
研究人员还给学生提供了一份标准的调查问卷——EBAPS，用以衡量他们的“认识论信念”——基本上就是衡量他们对学习和知识的看法有多么成熟。他们想看看学生想要使用的聊天机器人类型，是否与他们实际的学习思维方式相匹配。
以下是他们的发现，情况有点复杂。首先，最受欢迎的选择是结合模式。大约 52% 的学生选择了这种“先引导我，但在我卡住时帮我”的选项。一小部分学生（39.6%）想要直接回答，而只有 7.6% 的人想要纯粹的引导式探究。
当研究人员对比这三组学生的调查得分时，他们看到了一个有趣的模式。选择结合模式聊天机器人的学生，往往比那些只要直接回答的学生拥有更“成熟”的学习信念。具体来说，这些选择“结合模式”的学生似乎更强烈地相信：
- 知识不仅仅是一堆不可改变的事实；它会随着我们学习的深入而进化和改变。
- 擅长科学并不意味着天生拥有某种“聪明基因”；它关乎投入努力并使用好的策略。
然而，研究人员非常谨慎，并没有急于大喊“尤里卡（找到了）！”。虽然数据展示了差异，但统计上的“置信度”有些摇摆不定。当研究人员应用了一种更严格的测试，以确保结果不是偶然发生的（这种方法被称为邦费罗尼校正/Bonferroni adjustment）时，组间的差异消失了。
那么，这意味着什么？论文指出，学生想要一个有帮助且平衡的 AI 导师，与拥有成长型思维之间可能存在一种联系。这暗示了那些相信努力至关重要的学生，可能会自然而然地倾向于选择一个会在给出答案前先挑战他们一下的聊天机器人。但由于统计证据并非坚不可摧，作者表示这更多是一个“启发性的暗示”，而非已证实的定论。他们并未发现那些想要纯粹引导式问题与纯粹答案的学生之间存在强烈的联系。
未来的启示是什么？如果我们想要构建能够真正帮助学生成长的物理 AI 导师，我们不应该仅仅让他们选择“捷径”按钮。相反，我们应该设计出先提出问题并引导学生思考、仅在学生真正陷入困境时才介入给出答案的机器人。这种方法似乎最符合那些对学习持有最健康态度的学生，即便我们需要更多的研究才能 100% 确定这一点。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。