施育廷
國立臺中教育大學教育資訊與測驗統計研究所
E-mail：cms112103@gm.ntcu.edu.tw
李政軒
國立臺中教育大學教育資訊與測驗統計研究所
E-mail：chli@mail.ntcu.edu.tw
摘要
隨著人工智慧技術的迅速進展，資料科學與程式設計已日益被視為高等教育中不可或缺的核心素養。對非資訊相關背景的大學生而言，程式設計所要求的邏輯推理與抽象概念理解，常成為其學習歷程中的顯著挑戰。近年來，生成
式人工智慧 (Generative AI, GenAI) 特別是大型語言模型 (Large Language Models, LLMs) 在程式教學中的應用日益普及，惟學生與 AI 互動歷程中所展現的認知策略與學習行為，尚缺乏系統性的分析與理解。
本研究以修習某大學「資料科學與問題解決」通識課程之 103 位學生為對象，蒐集其與 AI 虛擬學習夥伴互動歷程中所產生的 710 則對話紀錄，並運用滯後序列分析法，探討學生在學習過程中展現的七類行為模式與轉移結構。分析結果顯示，「任務提交 (TS)」為最常見的互動行為，顯示學生多將 AI 虛擬學習夥伴作為作業成果回報管道，該行為類型呈現高度的自我連續性，學生完成學習任務會修正並重複的提交，反映其學習過程具明確的任務導向特性。此外，「資訊尋求 (IS)」與「認知/後設認知互動 (CM)」之間呈現雙向顯著轉移，構成一種持續反覆的「學習探索循環」，表示學生會在思考與反省後主動向 AI 尋求補充資訊，進而再進行整合與評估，深化學習歷程。而在獲得知識理解之後，學生亦傾向接續提出具體的任務請求 (IS→TO)，如請求 AI 提供程式範例或應用於生活情境中的解題建議，進行實務操作練習顯示知識運用能力的展現。此外，學生常以「請問」、「你好」作為互動開場，並以「謝謝」作為結束語，社交互動 (SE) 與任務請求 (TO) 間的雙向轉移反映出學生在與 AI 互動時，
展現出社會性對話習慣，將 AI 視為具人際特質的學習夥伴。
綜合上述，本研究呈現 AI 輔助學習環境中學生的多樣行為轉移模式與潛在學習策略，並提供教師與系統開發者於教學設計與互動優化上的具體依據。未來可結合學習成效資料與質性訪談，探索 AI 介入下之學習動態與個別差異。
關鍵字：行為序列分析、生成式 AI、程式設計教育、學習分析、人機互動