文献：Brender, J., El-Hamamsy, L., Uittenhove, K., Perez, A., Jermann, P., Mondada, F., & Bumbacher, E. (2026). Reflective dialogue or prompt refinement? Effects of tutor scaffolding on students’ independent LLM use for programming. In: Lecture Notes in Computer Science (AIED 2026). Springer.

研究问题：大语言模型（LLM）正在重塑编程教育，但学生与 LLM 的交互方式高度分化——有人把 LLM 当作“答案机”直接索取代码，有人则把它当作“思考伙伴”在对话中学习。论文要回答的是：在引导学生使用 LLM 编程时，辅导脚手架的类型（如何组织学生与 LLM 的交互）是否会改变学生的提示实践、学习结果，以及一旦脚手架撤除、学生在无约束条件下独立使用 LLM 的方式？具体比较两类脚手架：苏格拉底引导（Socratic Guidance, SG）——通过对话式提问组织交互，让学生自己发现问题、诊断错误、形成理解；提示词精炼（Prompt Refinement, PR）——直接指导学生在提示中提供任务、约束与期望输出，把“写出有效提示词”本身当作可优化的技能。

论证思路：作者采用两阶段纵向研究设计。第一阶段是 6 周的受引导干预：66 名研究生被分配至 SG 或 PR 两种辅导条件下使用 LLM 完成编程任务，考察“脚手架在场”时的任务表现与提示模式；第二阶段是 3 周的课程项目：52 名学生（第一阶段完成后）在无任何脚手架约束的条件下自由使用 LLM，考察脚手架撤除后学习结果与提示策略的迁移差异。通过“引导期—自由期”的对比，作者试图分离脚手架对任务完成（即时绩效）与对能力内化（延迟学习）的不同影响。

一、研究背景：从“LLM 辅助编程”走向“用 LLM 学习”

LLM 编程助手（如 Copilot、ChatGPT）已广泛进入编程课堂，其教育价值存在两种叙事：乐观者认为 LLM 降低了编程门槛、即时反馈能加速学习；担忧者则指出，当学生可以直接索取代码时，容易产生自动化偏见与机会主义使用——跳过问题理解与调试环节，把 LLM 输出当作最终答案直接采纳，导致浅层学习甚至“做了任务但没学会”。已有研究多聚焦于“学生是否使用 LLM”“使用频率如何”，较少追问一个更具可设计性的问题：教育者能否通过脚手架改变学生与 LLM 的交互方式，从而改变学习结果？

本文的切入点正是这一设计空间。作者区分了两类在原理上对立的脚手架取向：SG 把 LLM 交互组织为认知对话——辅导者通过追问（“这个错误说明什么？”“你的假设是什么？”）迫使学生在提问与解答之间完成推理；PR 则把 LLM 交互组织为工具操作——辅导者教学生把需求转化为结构良好的提示词，追求一次交互就得到高质量输出。两类脚手架都“有用”，但内化的认知习惯可能截然不同：SG 训练的是“理解驱动”的提问者，PR 训练的是“高效驱动”的指令者。这一对比构成本文的核心实验操纵。

二、两类辅导脚手架的设计对比

维度	苏格拉底引导（SG）	提示词精炼（PR）
交互组织方式	对话式提问，辅导者以追问引导	指令式建构，辅导者指导提示词撰写
辅导者的角色	反思促进者：不直接给答案，用问题推动推理	工具教练：示范如何描述任务、约束与期望输出
学生被训练的能力	诊断问题、形成假设、解释代码行为	明确需求、组织上下文、结构化表达
与 LLM 的关系隐喻	“思考伙伴”：在对话中共同推理	“高效工具”：一次给出好的指令得到好的结果
交互成本	高（多轮往返、显性推理负担）	低（可直接获取答案式输出）

简言之，SG 让“提问的质量”成为学习的中介，PR 让“提示词的质量”成为产出的中介。二者在引导期内都可能帮助学生完成任务，但其塑造的认知习惯——是“先理解再提问”还是“先描述再索取”——是否随脚手架撤除而保留，正是本文要检验的核心问题。

三、两阶段研究设计

研究在研究生移动机器人课程的编程任务情境中开展，包含两个阶段：

阶段一（引导期，6 周）：66 名学生被分配到 SG 或 PR 两种辅导条件下，使用 LLM 完成一系列编程任务。此阶段收集两类过程性证据：一是任务表现——能否正确完成任务；二是提示模式——对提示词进行编码分析，考察学生是否在提示中体现对问题的理解（如描述代码意图、报告错误诊断、要求解释而非仅索取代码），以及提问的回合结构与信息完整度。

阶段二（自由期，3 周）：52 名学生进入课程项目，不再提供任何脚手架，允许无约束地使用 LLM。此阶段测量学生在“裸用”条件下的学习结果（理解测验）与提示策略，检验阶段一习得的交互习惯是否迁移、迁移是否带来不同的学习增益。

两阶段设计的关键逻辑是：若两种脚手架在引导期表现相似（说明都能“帮助完成任务”），但在自由期的学习结果与提示策略出现分化，则差异只能归因于脚手架内化的认知习惯，而非任务完成能力本身。

四、研究结果

4.1 引导期：任务表现与提示模式相似

在 6 周受引导使用期间，SG 与 PR 两组学生的任务表现没有显著差异，提示模式也大体相似。这说明两类脚手架作为“完成任务的支持手段”是等价的——都帮助学生顺利走完了引导期。若研究止步于此，结论将是“脚手架类型无关紧要”。

4.2 自由期：学习结果与后续 LLM 使用分化

脚手架撤除后的图景完全不同。后期学习结果显示（图2）：SG 学生获得了更高的后期学习增益，且其后续无约束 LLM 使用呈现出不同的提示策略——SG 学生更可能采用“理解驱动”的提示策略，即在提示中先呈现对问题的理解、预测或诊断，再要求 LLM 协助，而不是直接索取完整代码；而这种理解驱动策略是预测更高理解水平的中间机制。换言之，SG 训练出的提问习惯在无脚手架条件下被保留，并通过“带着理解去用 LLM”的路径带来了更好的学习结果。

4.3 感知效率与学习收益的权衡

值得注意的是，学习者主观认为 SG 辅导效率更低——对话式引导需要更多轮次、更多显性思考，不如 PR 那样“直给”。然而正是这种被感知为“低效”的过程，支撑了长期学习收益：SG 学生随时间发展出”用 LLM 学习“的能力，而 PR 学生更多停留在”用 LLM 完成任务“的水平。短期效率感知与长期学习收益之间存在系统性权衡。

五、讨论与教育启示

本文的核心贡献在于把“脚手架类型”确立为决定 LLM 教育效果的关键设计变量：

第一，脚手架类型决定“用 LLM 学习”的能力是否被内化。PR 优化的是工具使用效率，其收益随脚手架撤除而衰减；SG 塑造的是认知参与习惯，其收益在无约束条件下依然显现。教育者选择脚手架时，实际是在选择希望学生内化的与 LLM 的关系。

第二，效率感知可能误导设计决策。SG 被感知为低效，恰是因为它把认知负担留在学习者一侧；若课程以学生满意度或即时产出为指标，容易误判 SG“不好”。本文提示：需要区分“任务完成指标”与“学习指标”，后者才是脚手架设计的评价标准。

第三，理解驱动提示策略是可教的、可迁移的教学目标。提示策略不再是“会不会写 prompt”的操作问题，而是“是否带着理解使用 LLM”的认知问题——这为编程课程（乃至更广泛的学科）设计 LLM 使用规范提供了可操作的抓手。

六、精读笔记

核心论点：LLM 编程辅导中，脚手架的组织方式决定了学生与 LLM 交互习惯的长期内化：苏格拉底引导（反思性对话）与提示词精炼（工具优化）在引导期内任务表现等价，但前者带来更高的后期学习增益，并使学生更可能在无约束条件下采用“理解驱动”的提示策略——该策略是预测更高理解的中间机制；尽管 SG 被学习者感知为效率更低，它支持了“用 LLM 学习”能力的形成。

方法要点：

• 两阶段纵向设计（6 周引导期 + 3 周自由期）是本文的方法精髓：用“脚手架在场”与“脚手架撤除”的对比，把即时绩效与能力内化分离，从而识别仅靠单阶段实验无法观测的延迟效应
• 对提示词进行过程性编码分析，将“提示模式/策略”作为中介变量纳入因果链条，超越了“只看最终成绩”的结果取向
• 同时采集任务表现、提示策略、学习结果与主观效率感知四类证据，支撑“引导期相似—自由期分化—感知与收益背离”的完整论证

局限与边界：

• 样本为单一高校研究生移动机器人课程，人数规模有限（66 人引导期、52 人自由期），统计检验力与外推性受限，向本科生、其他学科推广需谨慎
• 两阶段样本量存在流失（66→52），需关注自选择与流失偏差对自由期结果的影响
• 提示策略编码依赖人工标注，编码信度与分类粒度会影响中介分析结论
• 研究以编程任务为载体，“理解驱动”策略在其他任务类型（写作、推理、数据分析）中的迁移效果尚待检验

可延伸方向：将 SG 脚手架实现为可扩展的智能辅导系统并检验其规模化效果；用学习日志与眼动等细粒度数据刻画“理解驱动”提示背后的认知过程；考察不同先验水平学生从两类脚手架中的获益差异（支架适配）；把提示策略测量发展为标准化工具，用于更大规模、更多学科的准实验与追踪研究；比较“脚手架撤除后衰减”与“长期维持”的时间曲线，确定脚手架的最佳撤除时机。

原文地址

• 期刊：Lecture Notes in Computer Science（AIED 2026），Springer
• 图表来源：原文 Figure 1（研究设计概览）、Figure 2（S3 学习结果：各条件与时间的标准化均分）