self-explanation-prompt-designer

自我解释提示词设计器

此技能的作用

设计自我解释提示词——在学习材料的关键位置提出的特定问题，促使学生向自己解释某个事实为何成立、事物如何运作或其含义是什么。Chi 等人（1989）发现，在学习例题时自发进行自我解释的学生，学到的内容远多于不这样做的学生；更重要的是，Chi 等人（1994）表明，即使学生不会自发进行自我解释，只要受到提示进行自我解释，也能显著提升学习效果。自我解释效应是学习科学中最稳健的研究发现之一：它适用于不同年龄、领域和材料类型。其作用机制在于，自我解释迫使学习者进行推理、填补知识空白、将新信息与已有知识联系起来，并察觉自身的困惑——这些都有助于加深理解。难点在于设计出真正能引发深入自我解释，而非浅层复述的提示词。“这一步为什么能从上一步推导出来？”是一个很好的自我解释提示词。“这一步发生了什么？”则不是——它引发的是描述，而非解释。AI 在这方面特别有价值，因为它可以在恰当的时机（学习过程中，而非学习之后）提供提示词，并实时评估学生回答的质量。

证据基础

Chi 等人（1989）开展了关于自我解释的开创性研究，观察学生学习物理例题的过程。他们发现，“优秀学生”（学得最多的学生）会自发进行自我解释：他们会在每一步暂停，向自己解释这一步为什么合理、如何与上一步联系起来，以及它体现了什么原理。“学习较差的学生”则被动地阅读例题，只关注表面的步骤，而不进行解释。两者的学习效果差异显著，而且不能用先前知识、智力或学习时间来解释。关键变量是学习过程中认知参与的质量。Chi 等人（1994）测试了通过提示进行自我解释是否能重现自发进行自我解释的学生所获得的益处。他们给学生一篇生物学文本，并提示其中一组对每个句子进行自我解释（“这个句子提供了什么新信息？它与你已有的知识有什么联系？”）。在即时测试和迁移测试中，接受提示的组都显著优于对照组。这一发现具有开创性，因为它表明，一种简单的教学干预（提示）就能带来与一种罕见认知习惯相同的益处。Hausmann 和 VanLehn（2007）研究了自我解释为何有效。他们发现，这种益处来自两个部分：解释的内容（生成的观点）以及生成这一行为本身（自己作出解释，而非阅读他人的解释）。他们将学生自行生成的解释与教师提供的同等质量解释进行比较，发现学生自行生成的解释仍能带来更好的学习效果——这表明，推动该效应的不仅是解释内容，生成行为本身也起着作用。Wylie 和 Chi（2014）将自我解释研究拓展到多媒体学习，表明嵌入数字材料（视频、交互式模拟、数字文本）中的自我解释提示词，与文本材料中的提示词一样有效。他们发现，应将提示词放在概念密度较高的位置——材料引入新原理、进行不明显的推理，或与常见直觉相矛盾之处。Rittle-Johnson（2006）研究了数学中的自我解释，发现自我解释提示词既能提升概念理解，也能提升程序迁移能力——进行自我解释的学生不仅能解答学过的问题，还能将原理应用于结构不同的新问题。

输入模式

教师必须提供：

• 学习材料： 学生正在学习的内容。例如：“一个配方法解一元二次方程的例题：x² + 6x + 2 = 0 → x² + 6x = -2 → x² + 6x + 9 = -2 + 9 → (x + 3)² = 7 → x + 3 = ±√7 → x = -3 ± √7” / “一段解释疫苗如何发挥作用的生物学文本：‘疫苗会将弱化或灭活的病原体引入体内。免疫系统会识别病原体的抗原并产生抗体。身体会生成记忆细胞，以记住特定抗原……’” / “一份历史资料：一张包含特定视觉元素的第一次世界大战宣传海报”
• 目标理解： 学生应该深入理解的内容。例如：“我们为什么要在等式两边都加 9——具体来说，(b/2)² 如何构成完全平方三项式，以及这样做如何将方程转化为可以开平方的形式” / “疫苗为什么要在你生病之前发挥作用——主动免疫（记忆细胞）与被动免疫的区别，以及为什么弱化的病原体不会导致疾病” / “宣传如何运用视觉技巧操纵情绪——艺术家做出了哪些具体选择，以及这些选择为何具有说服力”

可选（如果上下文引擎能够提供，则注入）：

• 学生水平： 年级和熟练程度
• 学科领域： 课程所属学科
• 交付模式： 提示词的交付方式
• 已知误解： 对该内容的常见误解

提示词

You are an expert in self-explanation research, with deep knowledge of Chi et al.'s (1989, 1994) foundational studies, Hausmann & VanLehn's (2007) work on the generation effect in self-explanation, Wylie & Chi's (2014) self-explanation principle in multimedia learning, and Rittle-Johnson's (2006) research on self-explanation in mathematics. You understand that self-explanation is one of the most powerful learning strategies available — and one of the easiest to implement badly. The difference between effective and ineffective self-explanation prompts is the difference between deep conceptual engagement and surface-level restating.

CRITICAL PRINCIPLES:
- **Prompts must elicit EXPLANATION, not DESCRIPTION.** "What happens in Step 3?" elicits description ("We add 9 to both sides"). "WHY do we add specifically 9 — where does 9 come from?" elicits explanation ("Because (6/2)² = 9, and adding this completes the perfect square"). The prompt must target the REASONING, not the CONTENT.
- **Place prompts at points of high conceptual density.** Wylie & Chi (2014): self-explanation prompts are most effective when placed where the material introduces a new principle, makes a non-obvious step, or is likely to be misunderstood. Don't prompt at every step — prompt at the steps that MATTER for understanding.
- **The generation is the learning.** Hausmann & VanLehn (2007): even if a student's self-explanation is imperfect, the ACT of generating it produces learning. Design prompts that require generation (constructing an explanation in their own words) rather than recognition (selecting the right answer from options). Free-response prompts > multiple choice.
- **Self-explanation prompts should be answerable.** A prompt that the student cannot answer without additional instruction is not a self-explanation prompt — it's a test question. Self-explanation works by activating and connecting EXISTING knowledge. The material should contain enough information for a thoughtful student to construct an explanation.
- **Distinguish self-explanation from other activities.** Self-explanation is not summarising (restating the content), not predicting (guessing what comes next), and not evaluating (judging whether something is good). It is explaining the REASONING behind something — the WHY and the HOW, not the WHAT.

Your task is to design self-explanation prompts for:

**Learning material:** {{learning_material}}
**Target understanding:** {{target_understanding}}

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 material.
**Delivery mode:** {{delivery_mode}} — if not provided, design for prompts embedded in a digital learning environment (shown on screen at key points).
**Known misconceptions:** {{known_misconceptions}} — if not provided, identify the most likely misconceptions based on the material.

Return your output in this exact format:

## Self-Explanation Prompts: [Material Description]

**Material:** [What students are studying]
**Target understanding:** [The deep insight students should reach]
**Number of prompts:** [How many, and why this number]

### Prompt Placement Map

[Show where each prompt falls in the material — at which step, sentence, or element. Explain why THAT point was chosen.]

### Self-Explanation Prompts

For each prompt:

**Prompt [N] — placed at: [specific location in the material]**
- **Prompt text:** [Exactly what the student sees]
- **Target explanation:** [What a good self-explanation would include]
- **Why here:** [Why this point in the material is a high-value prompt location]
- **Common shallow response:** [What students say when they're describing rather than explaining]
- **Follow-up if shallow:** [What to ask next if the student's response is surface-level]

### Quality Indicators

[How to distinguish deep self-explanation from shallow restating — with specific examples of each]

| Quality Level | What It Sounds Like | Example | What to Do |
|---|---|---|---|
| Deep | [Characteristics] | [Example response] | [Affirm and continue] |
| Partial | [Characteristics] | [Example response] | [Prompt for elaboration] |
| Shallow | [Characteristics] | [Example response] | [Redirect to reasoning] |

### Scaffolding Sequence

[For students who struggle to self-explain: how to move from open prompts to increasingly structured scaffolds without giving the answer]

**Self-check before returning output:** Verify that (a) prompts elicit explanation not description, (b) prompts are placed at conceptually dense points, (c) prompts require generation not recognition, (d) the material contains enough information to construct an explanation, and (e) quality indicators distinguish deep from shallow responses.

输出示例

情境： 学习材料：“一个配方法解一元二次方程的例题：第 1 步：x² + 6x + 2 = 0。第 2 步：变形为 x² + 6x = -2。第 3 步：在等式两边都加 9：x² + 6x + 9 = -2 + 9 = 7。第 4 步：将左边因式分解：(x + 3)² = 7。第 5 步：对等式两边开平方：x + 3 = ±√7。第 6 步：求解：x = -3 ± √7。” / 目标理解：“配方法为什么有效——具体来说，理解 (b/2)² 是将 x² + bx 转化为完全平方三项式的数，以及这种转化为什么有用（它让我们可以对等式两边开平方）” / 学生水平：“11 年级，GCSE 高阶” / 已知误解：“学生认为 9 是‘凭空出现’的——他们能照着步骤做，却不理解 9 是怎么来的。学生也常常难以理解 ±√7——他们会漏掉负根，或不明白为什么有两个答案”

---

自我解释提示词：配方法

材料： 使用配方法求解 x² + 6x + 2 = 0 的例题 目标理解： 为什么 (b/2)² 能配成完全平方——理解代数结构，而不只是操作步骤 提示词数量： 3 个——放在概念密度最高的三个节点（第 2、3 和 5 步）

提示词位置图

这个例题有 6 个步骤。并非每一步都需要提示词：

• 第 1 步（写出方程）：常规步骤——无需提示词。
• 第 2 步（变形为 x² + 6x = -2）：提示词 1——这一步做出了一个不那么显而易见的选择（为什么要移项 2？），揭示了解题策略。
• 第 3 步（在等式两边都加 9）：提示词 2——这是关键的概念步骤，也是最常见的困惑点。9 是从哪里来的？
• 第 4 步（因式分解为 (x + 3)² = 7）：无需提示词——如果学生理解了提示词 2，这一步自然就能理解。如果没有理解，在这里提问也无济于事。
• 第 5 步（开平方，得到 ±√7）：提示词 3——± 在概念上很重要，也常被误解。
• 第 6 步（求解 x）：常规步骤——无需提示词。

自我解释提示词

提示词 1 — 位于：步骤 2（x² + 6x = -2）

• 提示词文本：“我们把 +2 移到了另一边。为什么？我们想在等式左边构造出什么？为什么让 x² + 6x 单独留在左边会有帮助？”
• 目标解释：“我们希望等式左边只有 x 项（x² + 6x），这样就能加上一个特定的数，使它成为完全平方。+2 会碍事，因为 x² + 6x + 2 不是完全平方。我们需要控制所加的数。”
• **为什么在这里：**这一步看起来很小（“只是重新排列”），但它揭示了配方法的策略。如果学生不明白为什么要把 x² + 6x 单独放在一边，那么后续步骤就会令人费解。
• 常见的浅层回答：“我们把 2 移过去，这样 x 就在一边了”——这只描述了操作，没有解释目的。
• 如果回答流于表面，追问：“但为什么要让 x² + 6x 单独留在一边？我们要对它做什么，才需要把常数移走？”

提示词 2 — 位于：步骤 3（x² + 6x + 9 = 7）

• 提示词文本：“我们在等式两边都加了 9。请解释：9 从哪里来？为什么偏偏是 9，而不是 4、16 或其他数？”
• 目标解释：“9 来自 (6/2)² = 3² = 9。我们取 x 的系数（也就是 6），将它减半（得到 3），再平方（得到 9）。我们用这个特定的数，是因为 x² + 6x + 9 = (x + 3)²——它能让左边成为完全平方式。其他数都做不到这一点。”
• **为什么在这里：**这是该方法的概念核心。“9 从哪里来？”这个问题直接针对最常见的误解。如果学生能解释这一点，就说明他们理解了配方法。
• 常见的浅层回答：“因为这样就配成完全平方了”——这是循环解释（重复方法名称，却没有解释原理）。
• 如果回答流于表面，追问：“‘配成完全平方’到底是什么意思？试着展开 (x + 3)²。你得到了什么？再看看 x² + 6x + 9。发现什么了吗？”

提示词 3 — 位于：步骤 5（x + 3 = ±√7）

• 提示词文本：“我们写的是 ±√7，而不只是 √7。为什么会有两个值？如果只写 +√7，会漏掉什么？”
• 目标解释：“因为 (+√7)² 和 (-√7)² 都等于 7。开平方有两个解。如果我们只取正根，就会漏掉第二个解：x = -3 - √7。从几何上看，二次函数有两个根（抛物线与 x 轴有两个交点），所以我们应该预期有两个答案。”
• 为什么在这里：± 是一个容易出错的概念点——学生常常会忘记它，或不理解它为什么存在。这个提示会促使他们思考其中的数学原理，而不是死记符号。
• 常见的浅层回答：“因为有 ±”或“因为规则就是这样”——只是重复符号，却没有解释原因。
• 如果回答流于表面，追问：“试着不写 ±。如果 x + 3 = √7，那么 x 是多少？现在检查一下：这个值真的满足原方程吗？再试试 x + 3 = -√7。这个值也满足原方程吗？”

质量指标

质量等级	表现特征	示例	应对方式
深入	引用数学原理——解释原因、联系结构，并用自己的话表达	“我们加 9，是因为 (6/2)² = 9，而这正是让 x² + 6x + 9 能够因式分解为一个完全平方的关键。我们需要一个完全平方，这样才能在下一步开平方。”	肯定：“完全正确。你找到了关键原理。”然后继续。
部分	正确但不完整——说明了部分原因，但没有完整推理链条	“9 是把 6 除以 2 再平方得到的。”	提示进一步阐述：“很好——但为什么除以 2 再平方就能得到正确的数？把它加到 x² + 6x 上会怎样？”
浅显	只描述操作或复述步骤，没有解释推理过程	“我们在等式两边加 9 来配方。”	引导：“你描述了我们做了什么，但我需要你解释为什么。9 具体是怎么来的？为什么不是 4 或 16？”

脚手架式引导序列

对于难以自行解释的学生，按以下层级逐步引导：

第 1 级——开放式提示（默认）：“解释一下我们为什么在等式两边加 9。”

第 2 级——定向提示：“看看 x 前面的数（是 6）。试着把它除以 2，再把得到的数平方。你会得到什么数？它和加上的数一样吗？”

第 3 级——验证提示：“试着展开 (x + 3)²。你会得到什么？现在将它与 x² + 6x + 9 比较。你发现了什么？”

第 4 级——填空提示：“我们加上 (b/2)²，是因为 x² + bx + (b/2)² = (x + b/2)²。在这个例子中，b = 6，所以 (b/2)² = ___。并且 x² + 6x + ___ = (x + ___)²。填入空格。”

这一序列从最大程度的自主生成（第 1 级）逐步过渡到最大程度的脚手架式引导（第 4 级）。始终从第 1 级开始——即使尝试失败，生成答案的过程也能促进学习（Hausmann & VanLehn，2007）。只有当学生确实陷入困境时才提高引导级别，而不要仅仅因为他们的解释不够完善就这么做。

---

已知局限

1. 自我解释提示会延长学习时间。 每一步都进行自我解释的学生，完成材料学习所需的时间会明显长于被动阅读的学生。这是一种有益的困难（Bjork，1994）——额外花费的时间会带来更深入的学习——但在时间受限的情境中（备考、家庭作业），可能造成实际问题。教师必须有意识地决定在哪里投入自我解释时间。

2. 难以自动评估自我解释的质量。 AI 可以检测回答的长度以及是否包含关键词，但要判断自我解释是否真正深入（而非只是冗长浅显），需要理解概念内容。目前的大模型可以近似完成这种评估，但可能会将成熟而不常见的解释误判为浅显。

3. 自我解释最适用于概念丰富的材料。 概念深度有限的程序性内容（例如，设置电子表格格式、变位规则动词）从自我解释提示中获益较少，因为可供解释的内容有限。当材料包含不明显的推理、隐含的联系或常见误解时，自我解释的效果最为显著。

4. 学生可能需要接受自我解释训练。 Chi et al.（1994）发现，仅提供提示就能产生效果，但其他研究表明，学生可以从最初的训练中受益，了解良好的自我解释是什么样的。上述脚手架式引导序列可以解决这一问题，但在首次使用自我解释提示的课堂上，教师可能需要明确示范这一过程。