降低学业支持的障碍：评估用于应对高等教育中求助差异的课程专属 RAG 系统

获得学业支持是决定学生成功的关键因素，但学生获得支持的机会并不平等：一些学生会主动向讲师或导师寻求帮助，而另一些学生则因焦虑、害怕受到评判、不确定他人的期待，或对自己的理解缺乏信心而犹豫不决。在计算机教育中，这一问题可能尤为明显，因为编程任务具有累积性且认知负荷较高。尽管学生越来越多地使用通用生成式 AI 工具，但这些工具可能生成不准确、缺乏充分语境，或与课程模块要求不一致的回答。本研究介绍并评估了 Beacon，这是一种课程专属的检索增强生成（RAG）系统，能够提供私密、即时且与课程模块相一致的学业支持。Beacon 以经批准的教学材料为依据生成回答，旨在降低学生寻求帮助的障碍，同时鼓励自主学习。研究采用基于设计的研究方法，通过迭代开发 Beacon，并运用混合方法进行评估，将问卷与对一所高等教育机构中学生和教职员工开展的半结构式访谈相结合。学生认为 Beacon 的回答与课程模块内容高度一致，比不受限制的生成式 AI 工具更值得信赖；他们尤其认可其中使用伪代码和循序渐进解释的方式，而不是直接给出解决方案。尽管参与者对于未经核实便相信 AI 生成的回答仍持谨慎态度，但他们认为该系统是一个有价值的首要支持渠道，可在咨询讲师或查阅官方资源之前使用。研究结果表明，经过精心设计的课程专属 AI 系统可能通过填补自主学习与正式支持之间的中间空间，降低学生获得学业支持的障碍。教育 AI 的最大价值或许不在于取代教育者，而在于扩大学生获得指导的机会，同时保留讲师在教学中的作用。