Access in the Shadow of Ableism: An Autoethnography of a Blind Student's Higher Education Experience in China
Syracuse University（雪城大学）；University of California, Irvine（加州大学尔湾分校）
本文通过自传民族志方法，探讨了中国高等教育中盲人学生面临的残障主义挑战，揭示了机构在可访问性上的矛盾与局限，并主张将可访问性视为持续探索的实践。
2026-02-17 cs.HC
Unpacking Graduate Students' Learning Experience with Generative AI Teaching Assistant in A Quantitative Methodology Course
该研究通过分析20名研究生在定量方法课程中使用生成式AI助教的提问记录和访谈，发现使用呈U型分布、问题多停留在浅层认知，且数学基础较弱者使用更频繁但提问结构欠佳，提示需针对性指导以优化AI工具效果。
2025-06-03 cs.HC
How Students (Really) Use ChatGPT: Uncovering Experiences Among Undergraduate Students
Rutgers University School of Communication and Information（罗格斯大学传播与信息学院）
研究揭示了大学生在自主学习中使用ChatGPT的五种主要类别及持续使用因素，提出设计与政策建议以促进生成式AI在高等教育中的有效整合。
2026-08-10 cs.HC
Understanding Students' Acceptance of ChatGPT as a Translation Tool: A UTAUT Model Analysis
本研究基于UTAUT模型调查香港大学生对ChatGPT翻译工具的接受度，通过308份问卷的结构方程模型分析，揭示了使用经验和翻译训练对使用意图影响因素的调节作用，为AI翻译训练提供参考。
2024-06-10 cs.HC
Leveraging Peer Review in Visualization Education: A Proposal for a New Model
在可视化教育中，无论是科学还是人文，文献通常分为两个部分：设计方面和可视化分析。然而，我们发现有限的讨论如何激励和参与可视化的学生在课堂上。在写作研究领域，研究人员为学生的写作同行评议开发工具和框架。基于对写作研究领域的文献回顾，本文提出了一个新的框架，在课堂上实施可视化同行评议，以吸引今天的学生。这个框架可以定制为增量和双盲审查，以激发学生和加强对可视化的批判性思维。
2021-01-19 cs.HC
The effect of self-efficacy and pair programming experience in learning results of introductory programming courses
该研究通过2x2析因设计和36名学生的问卷与Java测验数据，发现高自我效能感能显著提升编程入门课程成绩，而结对编程经验对学习结果无显著影响。
2024-10-21 cs.HC
Leveraging LLM Tutoring Systems for Non-Native English Speakers in Introductory CS Courses
本研究在计算机入门课程中部署LLM辅导系统，评估其对非英语母语学生的有效性，发现其注册率与母语学生相近、使用频率略低，学生认可其优势，可助非母语学生克服语言障碍、提升学习体验。
2025-08-21 cs.HC
Towards an AI Buddy for every University Student? Exploring Students' Experiences, Attitudes and Motivations towards AI and AI-based Study Companions
University of Zurich（苏黎世大学）；Zurich University of Teacher Education（苏黎世师范大学）
研究探讨大学生使用AI工具的经验、数字能力及采用个性化AI伙伴的意愿，发现学生普遍对AI伙伴持积极态度，但担忧数据隐私和依赖问题，同时发现采用意愿与传统学术活动动机呈弱负相关。
2026-03-21 cs.CY cs.HC
Leveraging WiFi Network Logs to Infer Student Collocation and its Relationship with Academic Performance
对搭配的全面理解有助于理解绩效结果。对于大学队列，这需要描述长期大群体的数据。利用用户设备来推断这一点虽然诱人，但受到隐私问题、功耗和维护问题的挑战。或者，在环境中嵌入新的传感器受到覆盖整个校园的费用的限制。我们调查利用WiFi关联日志用于此目的的可行性。虽然这些提供了粗略的近似位置，但这些很容易获得，并描述了一个学期内校园内的多个用户。我们探讨这些粗糙的搭配是如何与个人的表现。具体而言，我们检查个人绩效和项目组成员的搭配行为之间的关联。我们研究了163名学生（在54个项目组）超过14周。在描述了我们如何确定搭配的WiFi日志，我们提出了一项研究，分析如何搭配组内涉及到学生的最终成绩。我们发现，搭配行为与绩效表现出显著的相关性（Pearson's r = 0.24），比同伴反馈或个人行为（如出勤）更好。最后，我们将讨论如何重新利用WiFi日志可以促进心理健康和身体健康等领域的应用程序。
2021-05-05 cs.HC
From Misunderstandings to Learning Opportunities: Leveraging Generative AI in Discussion Forums to Support Student Learning
本文提出结合大语言模型与检索增强生成的M2M方法，从课程讨论论坛中识别学生常见误解并生成教学见解，经真实课程数据与教师评估验证其有效性。
2025-08-15 cs.HC
PAIGE: Examining Learning Outcomes and Experiences with Personalized AI-Generated Educational Podcasts
本文通过 180 名美国大学生的 3×3 研究发现，相比教材与通用播客，依据专业、兴趣和学习风格定制的 AI 生成播客更具吸引力，并可显著提升学习成果。
2024-10-29 cs.HC
Code as Anchor, Memory and Metaphor as Support: Learner Experiences with Multi-View Visualizations
University of Toronto（多伦多大学）；McMaster University（麦克马斯特大学）
通过眼动追踪和访谈，研究19名CS1/CS2学生在多视图可视化工具中的行为，发现学生主要关注代码，忽视隐喻视图，受能动性、表征适配和合法性因素影响。
2026-06-19 cs.HC
Improved Perception of AEC Construction Details via Immersive Teaching in Virtual Reality
这项工作提出，实施和测试的沉浸式框架虚拟现实（VR）的理解，知识的发展和学习过程中，协助改善感知复杂的空间安排在AEC相比，传统的二维投影绘图为基础的方法。本研究的重点是原型的例子，建筑细节作为一个传统的困难的教学任务，传达几何和语义信息给学生。我们的混合方法研究分析了两个测试小组的测试结果，涉及建筑细节的几何和功能方面的不同问题，以及参与讲师，学生和外行对他们使用VR工具的体验的调查和采访。测试结果的定量分析证明，对于参与者很少预先存在的知识（如新手学生），一个显着更好的学习成绩为测试组检测。此外，两组人都认为VR体验是一种令人愉快和引人入胜的学习方式。对VR体验的调查结果分析显示，学生，讲师和专业人士都喜欢VR体验，而不是传统的建筑细节学习。在以访谈形式进行的实验后定性评估中，小组表示理解有所提高，对主题的热情有所提高，并且更希望使用VR工具呈现其他主题。学生在VR体验后对设计概念的理解在考试成绩中平均表现出统计学上的显著性。结果支持我们的核心假设，即上下文3D模型的演示是一种很有前途的教学方法来说明内容。
2022-09-21 cs.HC
Bridging Data and Experiences: Engaging Youth in Digital Civics through Participatory Mapmaking for Resilience
本文介绍 YARD 项目中面向中学生的七周参与式地图制作工作坊，并通过 Map Spot 平台结合空间数据与个人灾害经验，支持青年表达、审视并沟通地方韧性认知。
2023-09-29 cs.HC
Visual Studio Code in Introductory Computer Science Course: An Experience Report
在入门级（CS1）编程课程中涉及集成开发环境（IDE）至关重要。然而，教师很难找到适合初学者的IDE，并且支持强大的功能。在本文中，我们报告的经验，使用Visual Studio代码（VS代码）在CS1编程课程。我们描述了我们选择VS Code的动机，以及我们如何向学生介绍它。我们通过分层索引创建全面的指导，以帮助具有不同编程背景的学生。我们进行了一个实验评估学生的编程经验，使用VS代码和验证VS代码与指导CS1编程课程作为一个有前途的解决方案。
2023-03-10 cs.HC cs.PL
What Do You Get from Turning on Your Video? Effects of Videoconferencing Affordances on Remote Class Experience During COVID-19
COVID-19的爆发迫使学校迅速从面对面课程过渡到在线或远程课程，使教育工作者和学习者都依赖在线视频会议平台。像Zoom这样的平台提供视听交流渠道，并包括旨在近似课堂体验的功能。然而，目前还不清楚学生的学习体验是如何受到视频会议平台的启示的影响，或者是什么潜在的因素解释了这些启示对课堂参与，互动和满意度的不同影响。为了找到答案，我们进行了两项在线调查研究：研究1（N = 176）调查了三种类型的视频会议启示的影响（即，在过渡到在线学习后的头两个月期间，对课堂体验的模式、互动性和机构启示）进行评估。结果显示，三种示能的使用与学生的课堂参与、互动和满意度呈正相关。知觉匿名，非语言线索，舒适度被认为是关键的调解人。此外，学生在课堂上使用摄像机的情况受到同学的影响。研究2（N = 256）在大流行后期测试了所提出的关系，发现了类似的结果，因此可以作为一个建设性的复制。本文着重报道研究1的结果，因为它捕捉了学生第一次上网时的即时反应，而研究2则起到了补充作用，验证了研究1，从而扩展了其外部效度。这两项研究为教师提供了关于如何利用不同视频会议功能来增强虚拟学习体验的见解。设计的数字化工具在网上教育的影响进行了讨论。
2023-01-19 cs.HC
Show your work: An exploratory study of student experiences of Turnitin Clarity
School of Education, Durham University（杜伦大学教育学院）；Centre for Research and Innovation, British University Vietnam（越南英国大学研究与创新中心）
本研究探索学生对过程捕获平台Turnitin Clarity的期望与实际体验，发现功能期望基本满足，但被监视感持续，AI助手引发所有权担忧，接受度取决于透明度、数据治理和练习时间，且过程捕获重组了写作实践。
2026-09-29 cs.HC
Human-Generative AI Collaborative Problem Solving Who Leads and How Students Perceive the Interactions
本研究通过分析79名本科生的调查与反思，识别出人类与ChatGPT协作的三种类型，发现多数学生感知自身主导或贡献均衡，且积极互动体验与能动性正相关，为优化人机协作教育设计提供依据。
2024-05-19 cs.AI cs.HC
Fostering Inclusion: A Virtual Reality Experience to Raise Awareness of Dyslexia-Related Barriers in University Settings
University of Córdoba（科尔多瓦大学）；University of Tuscia（Tuscia大学）
本研究设计并实现了一款模拟阅读障碍学生在大学校园中遭遇各类障碍的VR体验，经30余名师生验证，可有效提升非阅读障碍人群对相关障碍的认知，助力校园包容。
2025-02-20 cs.CV cs.HC
Experience of Teaching Data Visualization using Project-based Learning
我们报告我们的经验，在两个安装的课程，以项目为基础的学习数据可视化。考虑到这种方法的基本原理，我们展示了在必要时为学生实现目标提供的输入。我们还讨论和比较了我们发现对学生实现目标有用的工具。将基于项目的学习融入大学一个学期的标准时间表是一个特别的挑战，因为学生很难在他们的项目上投入更长的时间。此外，在线学习对有效开展小组活动和工作也是一个挑战。我们解决教学的考虑，我们的课程结构，工具和学生的项目。最后，我们得出结论的结果和改进的课程结构。
2021-10-21 cs.CY cs.HC
Experiences from Using Code Explanations Generated by Large Language Models in a Web Software Development E-Book
自然语言处理的进步已经产生了大语言模型（LLM），其能够生成可理解且合理的书面文本。这些模型的最新版本，如OpenAI Codex和GPT-3，可以生成代码和代码解释。然而，目前还不清楚学生是否以及如何参与这些解释。在本文中，我们报告了我们的经验，使用LLM生成多种代码解释类型，并将它们集成到一个交互式的电子书上的Web软件开发。我们修改了电子书，使LLM生成的代码解释可以通过材料中代码片段旁边的按钮访问，这使我们能够跟踪解释的使用情况，并要求对其实用性提供反馈。对于每个可解释的代码片段，学生可以使用三种不同类型的解释;逐行解释，重要概念列表和代码的高级摘要。我们的初步研究结果表明，所有品种的解释被学生和大多数的学生认为代码解释对他们有帮助。然而，学生的参与度似乎因代码段复杂性、解释类型和代码段长度而异。借鉴我们的经验，我们讨论了未来的方向整合LLM产生的解释到现有的计算机科学教室。
2022-11-04 cs.HC cs.SE
Teaching Linguistic Justice through Augmented Reality
本文提出AR语言地图，一种通过增强现实让中学生绘制语言体验以理解语言公正的推测性工具，旨在培养同理心、挑战语言种族主义并重视语言多样性。
2024-04-19 cs.ET cs.HC
"Your click decides your fate": Leveraging clickstream patterns from MOOC videos to infer students' information processing & attrition behavior
随着教育数据的广泛和无处不在的金矿，大规模开放式在线课程（MOOC）已成为学习分析研究的重要焦点。我们希望，这一新的发展浪潮将使公平获得终身学习机会的愿景切实可行。MOOC为学生提供了许多宝贵的学习体验，从视频讲座、阅读、作业和考试，到通过线程论坛和其他Web 2.0技术与他人联系和协作的机会。然而，尽管有这些潜力，MOOC到目前为止还没有证据表明这种潜力正在MOOC的实例中实现。在这项工作中，我们主要探索大规模开放式在线课程（MOOC）中的视频讲座互动，这是学生在这些教育平台上学习体验的核心。作为一项研究贡献，我们将学生的视频讲座点击流操作成行为动作，并构建了一个量化的信息处理指数，可以帮助教师更好地了解MOOC障碍和原因不满意的学习结果。我们的研究结果阐明了开发这种受认知心理学启发的指标的有效性，以回答有关学生参与度的关键问题，他们未来的点击互动和参与轨迹导致视频辍学。我们利用重复的点击行为来区分MOOC中学生的不同视频观看配置文件。此外，我们还讨论了完整课程辍学的预测，结合统计学和机器学习的不同观点，以提供一个更细致入微的视角来了解第二代MOOC如何受益，如果课程教师能够更好地理解导致学生流失的因素。
2014-07-26 cs.CY cs.HC
Leveraging Large Language Model and Story-Based Gamification in Intelligent Tutoring System to Scaffold Introductory Programming Courses: A Design-Based Research Study
University of Sheffield（谢菲尔德大学）
编程技能正在迅速成为许多教育途径和职业机会的必要条件。然而，对于许多国际学生来说，由于语言的复杂性，缺乏先前的编程知识以及语言和文化障碍，传统的入门编程课程教学方法可能是一个重大挑战。本研究探讨了大语言模型和游戏化如何帮助中国学生在入门编程课程中学习编程并增加归属感。在这个项目中，开发了一个游戏化智能辅导系统，以适应中国国际学生的学习需求，并提供脚手架，以支持他们在入门计算机编程课程的成功。
2023-02-25 cs.AI cs.HC
AI Across Borders: Exploring Perceptions and Interactions in Higher Education
本研究调查北爱尔兰和印度高等教育机构1211名学生对GenAI的认知，发现计算机科学学生态度相似且性别无显著影响，揭示了影响经验的关键因素交互作用。
2025-08-14 cs.CY cs.HC
Experiences from Integrating Large Language Model Chatbots into the Classroom
本研究将基于 OpenAI GPT-4 的未过滤 LLM 聊天机器人融入三门课程，发现仅 LLM 相关课程中学生使用率高，多数课程中仅少数超级用户大量使用，未出现普遍过度依赖，提示需要更具针对性的 LLM 教学设计。
2024-06-07 cs.CY cs.HC
Integrating ChatGPT in a Computer Science Course: Students Perceptions and Suggestions
本研究通过访谈七名学生，探讨了在计算机科学课程中整合ChatGPT的看法，发现其能增强学习体验但过度依赖可能损害批判性思维，强调需谨慎平衡使用。
2023-12-22 cs.CY cs.HC
Leveraging Peer Feedback to Improve Visualization Education
同行评议是一种广泛使用的教学反馈机制，以吸引学生，这已被证明可以提高教育成果。然而，我们发现有限的讨论和经验测量可视化课程的同行评议。除了参与之外，同行评审还提供直接和多样化的反馈，并通过对他人工作的批判性评价来加强最近学到的课程概念。在本文中，我们讨论了建设和应用同行评议的计算机科学可视化过程中，包括：项目，重用代码和可视化的反馈引导，持续改进的过程和同行评议的量规，以加强关键课程的概念。为了衡量这种方法的有效性，我们评估学生的项目，同行评议文本，并从3个学期的混合本科和研究生课程的课后问卷。结果表明，课程的概念与同行评审--82%的报告学习更多，因为同行评审，和75%的学生建议继续it. Finally，我们提供了一个路线图适应同行评审其他可视化课程，以产生更多的高度参与的学生。
2020-06-01 cs.CY cs.HC
Immersive Virtual Reality Environments for Embodied Learning of Engineering Students
San Jose State University（圣何塞州立大学）
本文提出一种基于Unity 3D和C#的虚拟实验室框架，通过具身学习提升机械和材料工程学生的理解与记忆，实验结果显示比传统VR方法有显著提升。
2025-03-17 cs.CY cs.HC
Understanding Student and Academic Staff Perceptions of AI Use in Assessment and Feedback
James Cook University Singapore（詹姆斯·库克大学新加坡校区）；British University Vietnam（越南英国大学）；VinUniversity（Vin大学）
本研究调查了越南和新加坡高校师生对GenAI在评估与反馈中应用的看法，发现双方对GenAI熟悉度普遍较低，对GenAI反馈持负面态度，但与教师反馈结合时接受度提升，且教职员工比学生更认可文本检测工具及成绩调整。
2024-06-22 cs.AI cs.HC
WIP: Development of a Student-Centered Personalized Learning Framework to Advance Undergraduate Robotics Education
University of Nevada, Reno（内华达大学里诺分校）；East Carolina University（东卡罗来纳大学）；University of North Carolina Greensboro（北卡罗来纳大学格林斯伯勒分校）
本文介绍了一个以学生为中心的个性化机器人学习系统，通过兼容低成本硬件的Web界面和层次化课程设计，解决师资和设备短缺问题，初步评估显示学生体验积极且学习动机强。
2023-09-10 cs.AI cs.HC cs.RO
How are CS students using resources and AI tools for coding tasks?
University of Pittsburgh（匹兹堡大学）
调查26名CS学生发现，AI编码助手用于写代码（次于搜索），AI聊天机器人用于调试，学生偏好在线帮助而非人工帮助。
2025-08-06 cs.AI cs.HC
Augmented Reality in Higher Education: a Case Study in Medical Education
本文介绍了与爱丁堡大学医学院合作开发的The Anatomy Experience，该AR体验有效提升了医学生对解剖学复杂几何结构的理解，在远程医学教育中获得了师生的高度积极反馈。
2023-08-30 cs.ET cs.HC
Leveraging Deep Reinforcement Learning for Metacognitive Interventions across Intelligent Tutoring Systems
North Carolina State University（北卡罗来纳州立大学）
本文通过两项课堂实验比较静态分类干预与DRL自适应元认知干预，发现DRL能缩小学生元认知差距，并促进其在后续无干预辅导系统中的迁移学习。
2023-04-17 cs.AI cs.CY cs.HC
iLLuMinaTE: An LLM-XAI Framework Leveraging Social Science Explanation Theories Towards Actionable Student Performance Feedback
EPFL（洛桑联邦理工学院）；Institute for Public Policy Research（公共政策研究所）；University College London（伦敦大学学院）
提出iLLuMinaTE框架，利用社会科学解释理论生成可操作的学生反馈，经多模型多方法评估，89.52%用户偏好，具泛化潜力。
2025-01-24 cs.CY cs.HC cs.LG
Natural Language Proof Checking in Introduction to Proof Classes -- First Experiences with Diproche
University of Flensburg（弗伦斯堡大学）
我们提出并分析了就业的Diproche系统，一个自然语言证明检查，在一个学期的数学初学者讲座与228名参与者。该系统用于检查学生对布尔集合论和初等数论证明题的解答尝试，并给他们即时反馈。就业的系统的好处是通过在学期结束时的问卷调查，并通过分析学生的一个小组的解决方案尝试进行评估。基于我们的研究结果，我们开发了未来改进的方法。
2022-02-08 cs.AI cs.HC cs.LO
