探索块式编程中教师与聊天机器人的交互及情感

文献标题

Exploring Teacher-Chatbot Interaction and Affect in Block-Based Programming

出版信息

• 主题领域: 教师在教育编程环境中与AI聊天机器人互动。
• 关键词: AI聊天机器人, 基于模块的编程, 计算思维, 教师认知, 支架设计, 初中教育, LLMs, 可用性, 差异化, 教学实践。

背景与问题

• 问题/挑战: 教师在课堂中整合AI工具（如聊天机器人）时面临挑战，包括对工具过度依赖、削弱批判性思维以及可用性问题。现有工具通常缺乏针对不同学习者和教学需求的功能。
• 意义: 理解教师的观点对于设计能够增强学习效果而不削弱基础技能或教师自主性的AI工具至关重要。
• 动机与相关研究: 之前的研究探讨了教师与AI的互动，强调了认知、社会情感以及基于工具的维度。然而，目前关于教师在基于模块的编程中使用LLMs的详细体验证据仍然有限，尤其是关于他们的情感反应和偏好的设计特征。

解决方案

• 提出的方法: 开展一项研究，让初中科学教师在一个基于模块的编程环境（Stax.fun）中与一个LLM驱动的聊天机器人互动。
• 创新点:
  1. 根据情感和行为特征识别三种教师角色（探索者/任务导向型、混合型、挫败型）。
  2. 分析活动中的情感反应，突出系统设计与教师情感之间的相互作用。
  3. 整合TAM和TPB框架，建模教师采用聊天机器人的意图。
  4. 提出关于聊天机器人使用支架设计、差异化和可访问性的设计建议。
• 程序与关键技术:
  • 教师通过11个结构化活动与聊天机器人互动，包括编程任务和波动模拟。
  • 数据收集包括Zoom录制、思维大声说话的转录以及互动痕迹。
  • 多源分析将任务分割为时间戳并编码情感反应。
  • 活动后讨论的主题分析识别了优势、风险和教学策略。

结果

• 具体发现:
  • 积极情感（如兴奋、好奇）在探索任务和初次与聊天机器人互动时最为频繁。
  • 消极情感（如挫败、困惑）源于界面问题和系统期望不明确。
  • 教师认可聊天机器人在提升学生自我效能、提示技能和差异化方面的价值，但对过度依赖和批判性思维的削弱表示担忧。
• 相较基线的优势: 该研究提供了关于教师角色及其支架需求的独特见解，这是现有LLM集成IDE未解决的问题。
• 实验/评估:
  • 参与者: 25名初中教师（8名主导教师，17名新手教师）。
  • 环境: Stax.fun平台，提供四种聊天机器人模式（代码、问答、教练、提示）。
  • 评估指标: 情感效价、任务完成情况、寻求帮助行为、讨论的主题分析。
• 局限性与未来工作:
  • 研究范围局限于专业发展工作坊，未涉及实际课堂实施；结果基于工作坊数据。
  • 未来工作应探索聊天机器人使用对学生学习和教师采纳的长期影响。

总结

本研究探讨了初中教师在基于模块的编程环境中与LLM驱动的聊天机器人互动，识别了三种具有不同情感和行为特征的教师角色。教师认可聊天机器人在支持差异化、提升学生信心和减轻工作负担方面的能力，但对过度依赖和批判性思维的削弱表示担忧。通过整合TAM和TPB框架，研究提供了一个理解教师采纳AI工具意图的概念模型。设计建议包括支架设计、赋予教师对功能的控制权以及使聊天机器人适应不同学习者。这些发现为开发与教学目标一致并能提升学习效果的AI工具提供了重要贡献。