今天分享的是一篇发表在教育技术领域顶刊Learning and Instruction的文章，Urban在2025年发表的“Prompting for creative problem-solving: A process-mining study”。AI互动是这两年科研界最时髦的话题，而这篇文章使用创新的方法让看不见的AI使用过程可视化，讲了一个清新脱俗的故事。
引言
从经典理论出发：文章开头没有直奔AI，而是从创造力和学习科学的经典理论入手——社会共享调节学习。这是一个成熟的理论框架，探讨人类如何在协作中互相调节学习过程，为本文的研究打下了理论的地基。
逻辑链清晰：整个引言的逻辑链条非常清晰，可以作为撰写引言的范本进行学习：创造性任务的经典理论SSRL强调了协作->AI是新的协作伙伴->人与AI的协作需要新的理论来解释->该理论的不足是不清楚人类是如何通过提示来实施调节的。至此，三个研究问题得以提出（RQ1: 用了哪些提示？RQ2: 哪些提示有效？RQ3: 高低绩效者的提示序列有何不同？）三个问题由易到难，先从有什么，到什么好，再到好的为什么好，逐层递进，很有层次感和连贯性。
方法
AI互动类研究的任务设计往往是一个难点，如何设计出人和AI都无法单独解决、但通过人机合作可以在较短时间内解决的任务，困扰了我非常久。这个研究采用了一个改编的产品改进任务，要求参与者在AI的帮助下，为一个毛绒兔子玩具设计三个创新改进方案。这个任务是基于Torrance的创造性思维测验改编而来的，是有着理论背景的。
这项研究最大的方法论亮点就是过程挖掘技术的应用，作者使用启发式挖掘算法来分析学生与AI交互的日志数据，使得学生的互动序列得以可视化。该技术将认知过程这样一个抽象的“黑箱”变得可观测，这种眼见为实的证据比任何单纯的文字描述都更能得到审稿人的青睐。
讨论
讨论部分决定了你论文的深度，好的讨论不是对结果的重复，而是要解释“为什么”，并利用结果和过往的研究和理论进行对话。这篇研究的讨论部分解释了“为什么有的提示词是好的，而有的提示词对创造力有害”，并呼应了HHAIR理论，完成了逻辑闭环。
总结：这篇文章的突出优点：精准切入人机协作这一热点领域，联系了经典的理论作为基础，创新地使用了过程挖掘技术来可视化认知过程。
#文献阅读 #带你一起读论文 #科研学习 #教育学
引言
从经典理论出发：文章开头没有直奔AI，而是从创造力和学习科学的经典理论入手——社会共享调节学习。这是一个成熟的理论框架，探讨人类如何在协作中互相调节学习过程，为本文的研究打下了理论的地基。
逻辑链清晰：整个引言的逻辑链条非常清晰，可以作为撰写引言的范本进行学习：创造性任务的经典理论SSRL强调了协作->AI是新的协作伙伴->人与AI的协作需要新的理论来解释->该理论的不足是不清楚人类是如何通过提示来实施调节的。至此，三个研究问题得以提出（RQ1: 用了哪些提示？RQ2: 哪些提示有效？RQ3: 高低绩效者的提示序列有何不同？）三个问题由易到难，先从有什么，到什么好，再到好的为什么好，逐层递进，很有层次感和连贯性。
方法
AI互动类研究的任务设计往往是一个难点，如何设计出人和AI都无法单独解决、但通过人机合作可以在较短时间内解决的任务，困扰了我非常久。这个研究采用了一个改编的产品改进任务，要求参与者在AI的帮助下，为一个毛绒兔子玩具设计三个创新改进方案。这个任务是基于Torrance的创造性思维测验改编而来的，是有着理论背景的。
这项研究最大的方法论亮点就是过程挖掘技术的应用，作者使用启发式挖掘算法来分析学生与AI交互的日志数据，使得学生的互动序列得以可视化。该技术将认知过程这样一个抽象的“黑箱”变得可观测，这种眼见为实的证据比任何单纯的文字描述都更能得到审稿人的青睐。
讨论
讨论部分决定了你论文的深度，好的讨论不是对结果的重复，而是要解释“为什么”，并利用结果和过往的研究和理论进行对话。这篇研究的讨论部分解释了“为什么有的提示词是好的，而有的提示词对创造力有害”，并呼应了HHAIR理论，完成了逻辑闭环。
总结：这篇文章的突出优点：精准切入人机协作这一热点领域，联系了经典的理论作为基础，创新地使用了过程挖掘技术来可视化认知过程。
#文献阅读 #带你一起读论文 #科研学习 #教育学
