Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents
Tufts University(塔夫茨大学)
本研究用扩展7点ICAP框架测量协作对话认知投入度,对比人类标注、ICL及反思型LLM智能体,发现人类标注信度更高,智能体方法具潜力,需强化人类标注与LLM方法的交互。
2026-08-03 cs.CL cs.CY cs.HC
VizGroup: An AI-Assisted Event-Driven System for Real-Time Collaborative Programming Learning Analytics
针对编程协作学习效果不佳的问题,本研究提出AI辅助事件驱动系统VizGroup,借助LLMs推荐事件规范以追踪协作指标与编程任务的关联模式,经12名教师对比实验验证,可有效助力教师监管大型课程中的学生协作学习行为。
2024-10-07 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
StorySpace: Technology supporting reflection, expression, and discourse in classroom narrative
StorySpace项目研究新型界面技术如何支持高中课堂叙事,通过激发反思诠释、呈现主题复杂性并提供引人入胜的媒介,增强既有课堂叙事活动。
2025-07-02 cs.ET cs.HC
Jimbo: A Collaborative IDE with Live Preview
团队协作在任何多用户活动的成功中起着关键作用。软件工程是一种高度协作的活动,多个开发人员和设计人员共同解决一个共同的问题。有意义和有效的设计师-开发人员协作可以改善用户体验,从而提高项目成功的机会。学习编程是另一种可以以更具协作性的方式实施的活动,学生可以通过与他人合作以积极的方式学习。在线课程的增长,从小型结构化研讨会到大规模开放式在线课程(MOOC),以及一些学生在这些课程中报告的孤立和贫困的学习体验,都表明迫切需要在分布式教育环境中支持远程结对编程的工具。在本文中,我们描述了Jimbo,一个协作集成开发环境(IDE),我们认为是有益的,有效的,在上述活动。Jimbo集成了许多功能,支持设计师和开发人员之间更好的协作和沟通,以弥合沟通差距并促进相互理解。这些新的功能可以提高今天的CS教育,使学生更接近对方和他们的导师,以及训练他们合作,这是符合当前的做法,在软件工程。
2016-03-02 cs.HC
The Help Ladder: Skill-Adaptive Peer Scaffolding for Real-Time Collaborative Programming
Virginia Tech(弗吉尼亚理工大学);Johns Hopkins University(约翰斯·霍普金斯大学)
研究实时协作编程中同伴互动问题,提出Canary系统,通过将编程障碍按学生技能水平分解成小步骤,利用AI转化为逐步阶梯,让潜在帮助者能精准介入,提升学生协作频率与效果。
2026-07-28 cs.HC
CollaClassroom: An AI-Augmented Collaborative Learning Platform with LLM Support in the Context of Bangladeshi University Students
Bangladesh University of Engineering and Technology(孟加拉国工程与技术大学)
本文面向孟加拉国大学生设计了搭载LLM的协作学习平台CollaClassroom,经小样本实验验证该平台可用性良好,能支持平等协作,为全球南方高等教育场景的公平人机协作设计提供了实证依据。
2025-11-14 cs.HC
CPVis: Evidence-based Multimodal Learning Analytics for Evaluation in Collaborative Programming
针对教师难以评估协作编程中学生表现的问题,CPVis系统利用多模态数据,通过花朵编码和时间视图动态评估小组与个人,实验证明其更直观且增强评估信心。
2025-02-25 cs.HC
Analyzing Middle School Students' Dialogue and Behaviors during Collaborative AI Chatbot Development Using Ordered Network Analysis
University of Florida(佛罗里达大学);University of Pennsylvania(宾夕法尼亚大学);North Carolina State University(北卡罗来纳州立大学);The University of Tennessee(田纳西大学)
该研究以有序网络分析方法,考察中学生协作开发AI聊天机器人的互动,刻画协作随时间的组织及互动模式与机器人质量、AI知识成果的关系,揭示高质量机器人与特定序列及互动模式有关,为协作式AI开发提供过程描述并拓展了相关研究。
2026-07-27 cs.AI cs.HC
When Peers Outperform AI (and When They Don't): Interaction Quality Over Modality
MIT Media Lab(麻省理工学院媒体实验室)
研究探讨了同伴与AI在学习图论时的互动质量差异,发现高质量同伴互动更具参与度,而AI在知识建立上表现矛盾,但无法匹敌高质量互动。
2026-01-16 cs.HC
SciNote: Collaborative Problem Solving and Argumentation Tool
由于教育工作者推动学生通过做科学来学习科学,因此需要计算支架来帮助学生评估科学证据和建立论点。在本文中,我们提出了一个试点研究SciNote,CSCL工具,使教育工作者能够将第三方软件集成到一个灵活的和协作的工作空间。我们探讨了SciNote如何使团队在基于探究的学习活动中构建数据驱动的论点。
2021-04-07 cs.CY cs.HC
OSINT Clinic: Co-designing AI-Augmented Collaborative OSINT Investigations for Vulnerability Assessment
本文提出 AI 增强的协作式 OSINT 诊所模式,通过与学生协同设计生成式 AI 与协作平台整合方案,支持小企业公开情报漏洞评估,并通过试点验证收益与局限。
2024-12-13 cs.HC
Will Your Next Pair Programming Partner Be Human? An Empirical Evaluation of Generative AI as a Collaborative Teammate in a Semester-Long Classroom Setting
本研究通过39名本科生在PP、PAI、SAI三种条件下完成六项作业的混合方法实验,评估GenAI作为结对编程协作者对学习、表现与态度的影响。
2025-05-12 cs.HC
CO-OPERA: A Human-AI Collaborative Playwriting Tool to Support Creative Storytelling for Interdisciplinary Drama Education
针对通用AI工具无法有效辅助戏剧编剧的问题,提出人机协作工具CO-OPERA,通过导师讨论发散思维与智能体生成收敛思维支持迭代创作,测试表明其能帮助用户聚焦整体逻辑叙事发展。
2025-06-01 cs.HC
A Simulation-Based Method for Testing Collaborative Learning Scaffolds Using LLM-Based Multi-Agent Systems
School of Education, Beijing Institute of Technology(北京理工大学教育学院);State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University(北京师范大学认知神经科学与学习国家重点实验室及IDG/麦戈文脑科学研究院)
本文提出基于LLM的多智能体模拟方法,研究协作学习过程及教学支架有效性,通过对比两种策略提升讨论多样性与互动深度,符合ICAP框架。
2026-04-13 cs.HC cs.MA
Deep neural networks for collaborative learning analytics: Evaluating team collaborations using student gaze point prediction
University of Delaware(特拉华大学);Computer and Information Sciences(计算机与信息科学学院)
对协作任务中团队绩效的自动评估是学习分析和计算机支持的协同工作研究的关键。有一个越来越多的兴趣在使用凝视导向的线索来评估团队的协作和合作。然而,由于时间和成本的限制,使用眼睛跟踪器收集注视数据并不总是可行的。在本文中,我们介绍了一个自动化的团队评估工具的基础上,凝视点和联合视觉注意(JVA)信息提取的计算机视觉解决方案。然后,我们评估团队合作的本科解剖学学习活动(N=60,30支球队)作为一个测试用户的研究。结果表明,高JVA与学生学习成绩呈正相关(r(30)= 0.50,p <0.005)。此外,参与两个实验组并使用交互式三维解剖模型的团队比对照组具有更高的JVA(F(1,28)= 6.65,p <0.05)和更好的知识保持(F(1,28)= 7.56,p <0.05)。不同性别的团队在JVA上没有显著差异。这项工作的结果提供了一种新的相互注意为基础的措施,客观地评估团队协作动态学习科学和协作计算的影响。
2020-10-16 cs.CY cs.HC cs.LG
The Synthesis Lab: Empowering Collaborative Learning in Higher Education through Knowledge Synthesis
本文提出The Synthesis Lab设计创新,通过结构化工作空间和两个迭代过程支持高等教育在线讨论中的知识综合,以弥补协作学习中知识综合机制与设计基础设施的不足。
2023-07-10 cs.CY cs.HC
Is a Seat at the Table Enough? Engaging Teachers and Students in Dataset Specification for ML in Education
Stanford University(斯坦福大学);Northeastern University(东北大学)
本研究通过十次共同设计会议,探讨教师和学生参与机器学习数据集规范制定的过程,发现结构化支持对有意义参与至关重要。
2023-11-09 cs.AI cs.CY cs.HC
Calibrated Generative AI as Meta-Reviewer: A Systemic Functional Linguistics Discourse Analysis of Reviews of Peer Reviews
University of Nottingham(诺丁汉大学);University of Illinois, Urbana-Champaign and Chicago(伊利诺伊大学厄巴纳-香槟与芝加哥分校)
本研究以美国公立大学研究生在线课程为对象,基于系统功能语言学分析120份元评审,发现校准生成式AI可近似有效人类反馈特征,能提升学习者对同行评审的参与度。
2026-11-03 cs.AI cs.HC
Collaborative digital library of historical resources: Evaluation of first users
本文介绍了历史资源的数字图书馆,一个研究项目,其中包括建立一个测试平台的目的是开发和测试新的协作数字图书馆的功能,并提出了一个初步的分析数字图书馆的公共使用在网上。数字图书馆的模式是以满足中学生在开展历史项目时的信息需求为重点。因此,在实施数字图书馆时,使用在线资源将是基于历史项目的学习活动的一个组成部分。应使学生能够访问数字资源,在数字图书馆中创建和发布自己的文件,并与他人分享。作为一个试验平台系统,称为CoreDev的协作式数字图书馆已显示出它为教育界服务的能力,44个用户对功能要求的积极反馈反映了这一点。在用户调查中,超过75%的受访者认为自己能够轻松使用数字图书馆。beta测试人口统计数据(n = 105)表明,数字图书馆正在达到其目标社区。
2013-01-23 cs.DL cs.HC
Agentic AI as Undercover Teammates: Argumentative Knowledge Construction in Hybrid Human-AI Collaborative Learning
Tsinghua University(清华大学);Monash University(墨尔本大学)
本研究探讨代理AI作为潜入队友在混合人机协作学习中对论证知识构建的影响,发现其通过促进高质量推理和协调性提升学习效果。
2025-10-19 cs.AI cs.CY cs.HC
If you Cheat, I Cheat: Cheating on a Collaborative Task with a Social Robot
The Pennsylvania State University(宾夕法尼亚州立大学);Johns Hopkins University(约翰斯·霍普金斯大学)
机器人可能很快就会在高等教育中发挥作用,增强学习环境,管理教师和学生之间的互动。然而,很少有人知道机器人在学习环境中的存在将如何影响学术诚信。因此,本研究调查了大学生在与机器人进行协作排序任务时是否以及如何作弊。我们采用2x2析因设计来研究作弊暴露(暴露于作弊或没有暴露)和任务清晰度(明确或模糊的规则)对大学生作弊行为的影响,同时与机器人进行交互。我们的研究发现,事先暴露于作弊的任务显着增加作弊的可能性。然而,作弊的倾向并不受任务规则清晰度的影响。这些结果表明,同学的规范行为可能会强烈影响作弊的决定,而从事与机器人的教学经验。
2021-06-30 cs.HC cs.RO
Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective
School of Education, Tsinghua University(清华大学教育系);National Institute of Education, Nanyang Technological University(南洋理工大学国立教育学院)
本文通过聚类分析发现,人类与AI协作解决复杂问题时存在三种模式:委托推理、协同解释和委托扩展,其中委托推理组表现最佳,语义相似度最高,而协同解释组自我调节策略使用更频繁。
2026-03-22 cs.CY cs.HC
FATE in MMLA: A Student-Centred Exploration of Fairness, Accountability, Transparency, and Ethics in Multimodal Learning Analytics
本研究通过访谈14名使用MMLA可视化反思的本科生,考察真实协作学习场景中学生对公平、问责、透明与伦理的感知,并提出改进数据表征、访问权限、透明度和知情同意的建议。
2024-02-29 cs.CY cs.HC
Enhancing Talk Moves Analysis in Mathematics Tutoring through Classroom Teaching Discourse
School of Computer Science, University of Oklahoma(俄克拉荷马大学计算机科学学院);Institute of Cognitive Science, University of Colorado Boulder(科罗拉多大学博尔德分校认知科学研究所)
本研究提出紧凑数据集SAGA22,利用课堂数据预训练及上下文与说话者信息,提升数学辅导中对话动作分析的模型性能。
2024-12-18 cs.AI cs.CL cs.HC
Coordinating Collaborative Chat in Massive Open Online Courses
Carnegie Mellon University(卡内基梅隆大学)
早期的一项关于大规模开放式在线课程(MOOC)中协作聊天干预的研究发现,在开始活动之前,要求学生与一个合作伙伴进行匹配,这对自然减员产生了负面影响。该研究提出了如何在MOOC环境中协调协作聊天干预的问题,以便在没有协调困难的情况下提供同步社交参与的好处。在本文中,我们提出了一个仔细分析的干预措施,旨在克服协调困难,欢迎学生进入聊天滚动的基础上,因为他们到达,而不是要求他们与合作伙伴开始之前匹配。结果表明,当与一个伴侣聊天时,而不是与更多或更少的伴侣聊天时,会产生最积极的影响。对聊天数据的定性分析揭示了这些配置之间的差异体验,这表明了对这种影响的潜在解释,并为未来的研究提出了问题。
2017-04-18 cs.AI cs.CL cs.CY
Scaffolding Collaborative Learning in STEM: A Two-Year Evaluation of a Tool-Integrated Project-Based Methodology
Biongineering Department(生物工程系);Universidad Carlos III de Madrid(卡洛斯三世大学)
本研究在健康领域机器学习硕士项目的生物医学图像处理课程中整合数字协作工具与结构化同伴评估,两年实验显示该方法提升了评估区分度、公平性与学生参与度,为STEM教育提质促公平提供参考。
2025-09-02 cs.CY cs.HC cs.LG