跳转至

文章背景与核心概要

提问是知识获取和学习过程中的核心环节，然而在传统的课堂环境中，学生往往未能充分利用提问这一工具。随着生成式人工智能的普及，学生开始广泛利用AI系统来进行自主学习和复杂的问答解决。本研究深入探讨了学生向AI系统提出各种问题时的内在特征，揭示了学生在编程学习中与AI交互的真实模式。

为了全面剖析这些交互行为，作者应用了 Graesser 等人的分类法（将其划分为18种不同类型的问题），并创新性地提出了一种用于自动化分类的少样本学习（few-shot learning）方法。通过对一门CS2（计算机科学第二门核心课程）中两项不同编程任务的 830 次学生-AI 交互数据进行分析，研究发现：学生的提问主要集中在极少数特定的问题类型上；同时，随着编程任务从开始推进到完成，学生所提问的类型和性质会发生显著的动态演变。这项研究为未来优化AI辅助教学工具、理解学生认知负荷及学习路径提供了重要的经验证据。

学生与AI交互中的提问类型分析：一项针对两项CS2任务的案例研究 (Analysis of Types of Inquiries in Student-AI Interaction: A Case Study of Two CS2 Tasks)

作者： Matin Amoozadeh, Amin Alipour
提交时间： 2026年8月18日
主学科： 人机交互 (cs.HC)
次学科： 人工智能 (cs.AI)
arXiv ID: 2608.17919
DOI: 10.48550/arXiv.2608.17919

📌 执行摘要 (Executive Summary)

提问是知识获取和学习的基础，但在传统的课堂环境中，学生往往对提问的利用不足。然而，最新趋势表明，学生正在积极利用生成式AI系统来进行学习和复杂的问题解决。

本文研究了学生向AI系统提出的询问的本质。利用 Graesser 等人的分类法（将询问分为 18 种不同的类型）以及一种用于自动分类的新颖少样本学习方法，作者分析了 CS2 课程中两项不同编程任务的 830 次学生-AI 交互。

主要结论包括： * 聚焦狭窄： 一小部分特定的问题类型占了学生提问的绝大多数。 * 动态演变： 随着任务从开始进展到完成，学生所提问的性质和类型会发生显著演变。

Asking questions is fundamental to knowledge acquisition and learning, yet students traditionally underutilize inquiries in standard classroom settings. However, recent trends show that students actively leverage generative AI systems for learning and complex problem-solving.

This paper investigates the nature of inquiries directed at AI systems by students. Utilizing the Graesser et al. taxonomy (which categorizes inquiries into 18 distinct types) and a novel few-shot learning approach for automated classification, the authors analyzed 830 student-AI interactions across two distinct programming tasks in a CS2 course.

Key takeaways include: * Narrow Focus: A small, specific subset of question types accounts for the vast majority of student inquiries. * Dynamic Evolution: The nature and types of questions students ask evolve significantly as tasks progress from initiation to completion.

📖 摘要 (Abstract)

背景与上下文： 提问和询问是知识搜寻和学习不可或缺的一部分。尽管它们很重要，但学生在课堂上往往不会提出足够的问题。不过，研究表明，学生在学习和解决问题时，会与生成式AI系统进行广泛的交互。

目标： 在本文中，我们旨在更好地理解学生向AI系统提出的问题类型，以及这些问题在问题解决过程中和跨任务是如何演变的。

方法： 我们使用 Graesser 等人的分类法将学生的询问归纳为 18 种类型。我们开发了一种少样本学习方法，将学生与AI的交互自动分类到这些类别中。我们使用该系统分析了 CS2 学生在两项编程任务中的 830 次交互。

发现： 我们的结果表明，一小部分问题类型占据了学生询问的大多数，并且随着任务的推进，学生提出的问题类型发生了实质性的变化。

Background and Context: Question and inquiry are integral parts of knowledge seeking and learning. Despite their importance, students tend not to ask enough questions in the classroom. However, studies have shown that students interact extensively with generative AI systems for learning and problem solving.

Objective: In this paper, we seek to better understand the types of questions that students ask AI systems, and how those questions evolve during problem solving and across tasks.

Method: We use the Graesser et al. taxonomy to classify students' inquiries into 18 types. We develop a few-shot learning approach to automatically classify students' interactions with AI into these categories. We use this system to analyze 830 interactions of CS2 students across two programming tasks.

Findings: Our results suggest that a small subset of question types accounts for the majority of student inquiries, and that the types of questions students ask change substantially as the task progresses.