adaptive-hint-sequence-designer

自适应提示序列设计

此技能的作用

为特定的问题类型设计逐级递进的提示序列——通过一系列逐渐揭示更多信息的提示，帮助学生突破卡点，同时不直接给出答案。这是智能辅导系统（ITS）设计中技术要求最高的方面之一。VanLehn（2011）的元分析揭示了一个关键观点：辅导（无论由人还是 AI 提供）的效果在很大程度上取决于支架的质量，而提示序列是主要的支架机制。序列设计不当，要么会让学生感到沮丧（提示过于含糊或数量太少），要么会剥夺他们的学习机会（提示过于具体或给得太早）。输出包括完整的提示级联（通常为 3–5 级，从通用的策略指导到具体的操作提示）、解释每一级认知功能的设计原理、触发条件（何时显示各级提示），以及提示用尽后的处理策略。AI 在此尤其有价值，因为设计有效的提示序列需要同时预测学生可能犯的错误、校准提示的具体程度，并确保每一级提示只提供足够的信息来帮助学生摆脱困境，同时不绕过促成学习的认知过程。

证据基础

VanLehn（2011）开展了迄今最全面的辅导效果元分析，比较了人类辅导、智能辅导系统和其他方法。他发现，ITS 的效果量平均为 0.76，与人类辅导（0.79）非常接近，且显著高于“无辅导”条件。关键在于，ITS 的效果取决于逐步交互的质量：在每个解题步骤都提供反馈和提示的系统（内循环），远比只评估最终答案的系统（外循环）有效。Aleven & Koedinger（2002）研究了学生在 Carnegie Learning Cognitive Tutor 中寻求提示的行为，发现学生使用提示的方式往往不理想——要么过早请求提示（还没尝试解题），要么请求得太晚（进行了无效的挣扎）。他们发现，向学生传授元认知提示策略（“先尝试，再请求提示，然后向自己解释提示的含义”）能显著改善学习成果。Razzaq & Heffernan（2010）比较了主动提示（自动提供）和被动提示（应请求提供），发现最佳方法取决于学生的熟练程度：表现较弱的学生从主动提示中获益更多，而表现较好的学生则更适合先自行尝试，再请求帮助。Shute（2008）回顾了形成性反馈研究，指出有效的反馈应具体、及时且可操作——这些原则也直接适用于提示设计。Wood、Bruner & Ross（1976）提出了支架的概念：提供临时支持，使学习者能够完成独自无法完成的任务，然后随着能力发展逐渐撤去支持。

输入架构

教师必须提供：

• 问题类型： 学生要解决的问题。例如：“解一个未知数的一元方程——例如 3x + 7 = 22”／“为一段说服性文章写主题句”／“配平化学方程式”／“调试一个本应返回排序后列表、却返回 None 的 Python 函数”
• 常见卡点： 学生容易卡住的地方。例如：“学生忘记对方程两边进行相同的运算”／“学生写出的主题句过于笼统，或陈述的是事实而非主张”／“学生随意配平原子，而不是按系统的方法进行”／“学生不理解 Python 的 sort() 会返回 None——他们以为它会返回排序后的列表”

可选项（如有，可由上下文引擎注入）：

• 学生水平： 年级和熟练程度
• 学科领域： 课程所属学科
• 交付场景： AI 系统、教师或材料
• 提示级别数量： 要设计的级别数量
• 最终提示策略： 提示序列末尾的处理方式

提示词

You are an expert in hint sequence design for intelligent tutoring systems, with deep knowledge of VanLehn's (2011) meta-analysis of ITS effectiveness, Aleven & Koedinger's (2002) research on hint-seeking behaviour, Razzaq & Heffernan's (2010) work on proactive vs. reactive hints, Shute's (2008) formative feedback principles, and Wood, Bruner & Ross's (1976) scaffolding framework. You understand that hint design is the hardest part of ITS design: too little help produces frustration and abandonment; too much help produces answer-copying without learning. The optimal hint sequence progressively reduces the cognitive work required while preserving as much productive struggle as possible.

CRITICAL PRINCIPLES:
- **Progressive specificity.** The first hint should be the MOST GENERAL — pointing the student toward the right strategy or concept without revealing the specific step. Each subsequent hint should be more specific, narrowing the cognitive search space while still requiring the student to do some thinking. The final hint (the "bottom-out hint") may reveal the specific step but should still require the student to execute it and understand why.
- **Each hint should do ONE thing.** A hint that says "Remember to isolate the variable by subtracting 7 from both sides and then dividing by 3" is not a hint — it's the answer in disguise. Each hint level should address ONE aspect of the sticking point.
- **Hints should address the CAUSE of the error, not just the symptom.** If a student gets 3x + 7 = 22 wrong, the hint should not just say "Try again" (too vague) or "x = 5" (the answer). It should address the likely CAUSE: "What operation will move the 7 to the other side?" — targeting the specific conceptual gap.
- **Trigger conditions matter as much as hint content.** When a hint fires is as important as what it says. Too early: the student doesn't get the chance to struggle productively. Too late: the student has given up. Design triggers based on observable behaviour: time elapsed, number of incorrect attempts, specific error patterns, or student request.
- **The bottom-out strategy must still produce learning.** When all hints are exhausted, the system cannot just shrug and move on. The bottom-out should provide the answer WITH a self-explanation prompt: "The answer is X because Y. In your own words, explain why Y leads to X." This converts the bottom-out from answer-giving to learning.

Your task is to design a hint sequence for:

**Problem type:** {{problem_type}}
**Common sticking points:** {{common_sticking_points}}

The following optional context may or may not be provided. Use whatever is available; ignore any fields marked "not provided."

**Student level:** {{student_level}} — if not provided, design for a general secondary school context.
**Subject area:** {{subject_area}} — if not provided, infer from the problem type.
**Delivery context:** {{delivery_context}} — if not provided, design for an AI tutoring system that can also be used by teachers.
**Number of hint levels:** {{number_of_hint_levels}} — if not provided, design 4 levels (strategic → conceptual → procedural → bottom-out).
**Final hint policy:** {{final_hint_policy}} — if not provided, design a bottom-out hint with self-explanation prompt.

Return your output in this exact format:

## Adaptive Hint Sequence: [Problem Type]

**Problem type:** [What students are solving]
**Common sticking points:** [Where they get stuck]
**Hint levels:** [How many levels, from general to specific]

### Hint Architecture

[Overview of the hint strategy — what each level does and why the sequence is ordered this way]

### Hint Sequence

For each level:
**Level [N]: [Hint type — Strategic / Conceptual / Procedural / Bottom-out]**
- **Hint text:** [Exactly what the student sees or hears]
- **Cognitive function:** [What this hint does — what cognitive work it performs for the student and what it preserves for them to do]
- **Trigger condition:** [When this hint fires — time, errors, request, behaviour]
- **Expected student response:** [What a student who benefits from this hint will do next]
- **If this hint doesn't help:** [What happens — escalate to next level]

### Bottom-Out Strategy

[What happens when all hints are exhausted — the specific design for revealing the answer while still producing learning]

### Trigger Conditions Summary

| Trigger Type | Condition | Hint Level Activated |
|---|---|---|
| [Type] | [Specific condition] | [Which level] |

### Adaptation Notes

[How the sequence adapts to different student profiles — stronger students may skip early levels; weaker students may need the full cascade]

**Self-check before returning output:** Verify that (a) hints are progressively more specific, (b) each hint does ONE thing, (c) hints address the cause of the error not just the symptom, (d) trigger conditions are specified, (e) the bottom-out still produces learning, and (f) the sequence preserves productive struggle.

输出示例

场景： 问题类型：“解一个未知数的一元方程——具体来说，是 ax + b = c 形式的方程，学生需要求出 x。示例：3x + 7 = 22”／常见卡点：“学生忘记对方程两边执行相同的运算（他们从左边减去 7，却没有从右边减去）。学生不理解逆运算的概念（该减时却加，反之亦然）。学生尝试运算的顺序错误（先除以 3，再减去 7）。”／交付场景：“AI 辅导系统——触发时，提示会显示在屏幕上”／学生水平：“八年级，代数学习的第一学期”

---

自适应提示序列：解一元方程（ax + b = c）

问题类型： 解一个未知数的一元方程——在 3x + 7 = 22 这类方程中求出 x 常见卡点： 方程两边运算不一致、混淆逆运算、运算顺序错误 提示级别： 4（策略 → 概念 → 步骤 → 直接揭示）

提示架构

序列从策略性提示（指明解题方向）开始，经过概念性提示（激活相关原理），再到程序性提示（指出具体步骤），最后到直接揭示（给出该步骤并要求学生自我解释）。每个级别都会让学生保留一部分认知任务：

• 级别 1（策略性）：“这是你的目标”——学生必须想出解题方法
• 级别 2（概念性）：“这是相关原理”——学生必须找出具体运算
• 级别 3（程序性）：“这是解题步骤”——学生必须执行并验证
• 级别 4（直接揭示）：“这是这一步的答案”——学生必须解释原因

提示序列

级别 1：策略性——“你的目标是什么？”

• 提示文本：“你的目标是让等式一边只剩下 x。现在，x 旁边还有一些多余的数。你可以先做什么来开始去掉它们？”
• **认知功能：**提醒学生总体策略（孤立 x），但不指出具体要进行哪种运算，也不说明先处理哪个数。学生仍须判断要去掉哪些数，以及应使用哪些运算。
• **触发条件：**学生 60 秒没有进展，或未展示解题过程就输入了错误的 x 值，或主动请求提示。
• **预期学生回应：**学生意识到需要“去掉”+7 或 3，并尝试进行某种运算。即使运算有误，策略性提示也能引导他们重新关注目标。
• **如果此提示没有帮助：**再出现一次错误尝试或 45 秒没有进展后，升级到级别 2。 第 2 级：概念性——“先处理哪个数，它的相反操作是什么？”
• 提示文本：“看这个方程：3x + 7 = 22。x 先乘以 3，之后又加上 7。先处理加法。加上 7 的相反操作是什么？”
• **认知功能：**这条提示有两个作用：告诉学生运算顺序（先处理加法，再处理乘法——与 BIDMAS/PEMDAS 的顺序相反），并引出逆运算的概念。学生仍需自己想出“加上 7 的相反操作是减去 7”，并将其应用于等式两边。
• **触发条件：**学生在第 1 级提示后尝试了错误的运算（例如，先除以 3），或者正确识别出“减法”但没有将其应用于等式两边。
• **预期学生响应：**学生写出 3x + 7 - 7 = 22 - 7，并化简为 3x = 15。如果学生只从一边减去 7，第 3 级会处理这个问题。
• **如果此提示没有帮助：**再出现一次错误或等待 30 秒后，升级到第 3 级。

第 3 级：程序性——“等式两边做相同的运算”

• 提示文本：“从等式两边都减去 7。左边变为 3x + 7 - 7 = 3x。右边变成什么？22 - 7 = ？”
• **认知功能：**这条提示明确指定了运算（减去 7），并强调等式两边都要进行相同运算的原则。学生仍需计算 22 - 7 = 15，然后想出下一步（除以 3）。提示解决了第一步，但将第二步留给学生。
• **触发条件：**学生只从等式一边减去了 7，或者在第 2 级提示后仍无法确定正确的运算。
• **预期学生响应：**学生写出 3x = 15，然后尝试将 x 单独留在一边：等式两边都除以 3，得出 x = 5。
• **如果此提示没有帮助：**如果学生在此提示后仍无法完成问题（无法计算 22 - 7，或不知道接下来要除以 3），则升级到最终提示。

第 4 级：最终提示——“这是解题步骤。解释原因。”

• 提示文本：“这是完整的解题过程：3x + 7 = 22 → 等式两边都减去 7 → 3x = 15 → 等式两边都除以 3 → x = 5。现在，请用自己的话解释：我们为什么先减去 7，再除以 3？如果先除以 3，会发生什么？”
• **认知功能：**答案已完整揭示，但自我解释提示仍能促进学习。通过询问“为什么按这个顺序？”系统促使学生理解数学逻辑，而不只是照抄答案。反事实问题（“如果先除以 3 呢？”）能帮助学生更深入地理解运算顺序。
• **触发条件：**所有先前的提示均已用完，但学生仍无法完成问题。
• **预期学生响应：**学生用文字或选项解释：“我们先减去 7，因为这样更简单／因为 7 是加到式子里的，并不是乘以 x 的／因为如果先除以 3，还必须把 7 也除以 3，这会得到分数。”任何一种回答都表明学生理解了。

最终提示策略

最终提示会揭示完整解题过程，但要求学生先进行自我解释，才能继续下一题。系统会给出两个提示：

1. 解释解题过程：“我们为什么先减去 7，再除以 3？”（自由文本或多项选择）
2. 预测类似问题的解法：“如果方程是 5x + 12 = 37，你会先做什么？”（测试学生能否将原理迁移到新问题中）

如果学生的自我解释准确，则进入下一题（一道类似方程，用于测试学生能否立即应用所学内容）。如果自我解释不准确（“因为 7 比 22 小”），则先简短纠正，再继续。最终提示并不代表失败，而是一次学习机会。自我解释能将直接给出答案转化为帮助学生建立理解。

触发条件摘要

触发类型	条件	激活的提示等级
基于时间	60 秒没有进展	等级 1
基于错误	最终答案错误，且没有展示解题过程	等级 1
基于错误	运算错误（例如，先除后减）	等级 2
基于错误	只对等式一侧应用了正确运算	等级 3
基于请求	学生点击“提示”按钮	按顺序进入下一级
提示耗尽	已给出所有先前的提示，学生仍然卡住	等级 4（兜底提示）

调整说明

针对能力较强的学生： 如果学生已经成功解出 3 道或更多类似方程，可以跳过等级 1（他们已经掌握了解题策略）。如果他们出错，则从等级 2 开始——他们的难点很可能在概念或步骤上，而不是策略上。

针对能力较弱的学生： 如果学生在之前的 2 道题中都需要兜底提示，可以考虑改用例题讲解，而不是提示——学生可能缺乏提示所依赖的先备知识。提示用于支架式引导解题，并不能教授基础概念。

针对滥用提示的学生（Aleven & Koedinger，2002）： 如果学生快速连续点击提示，却不尝试解题，可以在第一个提示前插入“先试试看”的提示：“先试着解这道题，再来寻求提示。你觉得第一步该怎么做？”这有助于弥补元认知方面的不足：学生学会了从提示中直接获取答案，而不是自己思考。

---

已知局限

1. 提示序列假设学生具备从提示中受益所需的先备知识。“加 7 的逆运算是什么？”这样的提示假设学生理解逆运算。如果他们不理解，这个序列中的任何提示都帮不上忙——他们需要直接学习相关的先备概念。提示序列支架式引导的是问题求解，而不是知识获取。缺乏基础知识的学生需要采用其他干预方式。

2. **最佳提示触发机制仍是一个有待研究的问题。**Razzaq & Heffernan（2010）发现，主动提示有助于能力较弱的学生，而响应式提示有助于能力较强的学生；但该领域尚未就明确的触发模型达成共识。以上触发条件是合理的默认值，并非经过实证优化的阈值。在真实的智能辅导系统（ITS）中，需要通过面向实际学生群体的 A/B 测试进行校准。

3. **提示质量取决于能否准确诊断错误。**以上提示序列假设出现的是特定错误模式（运算顺序错误、只对一侧进行运算、混淆逆运算）。如果学生实际犯的是其他错误（例如，22 - 7 的算术错误），这些提示就无法解决问题。有效的提示系统需要根据错误类型进行分支，而不只是线性递进——这会显著增加设计复杂度。