← 返回 PaperDaily
大模型与智能体
ICER 2026：别再傻傻画图了！编程教育工具设计必须先读懂学生心理
你以为给小白配一套代码、内存、比喻三管齐下的可视化工具，他们就会感恩戴德、学习效率飙升？多伦多大学用眼动追踪和深度访谈告诉你：真相恰恰相反。学生们宁可自己吭哧吭哧手动追踪代码，也不想让工具“替”他们思考，甚至觉得那些可爱的比喻图“太幼稚”不符合大学生身份。这篇ICER 2026的论文，撕开了工具设计的认知面纱，直抵学习者的心理与社会动机，给你一个重新审视编程
龙哥读论文
发布于 2026-08-14 21:47:10
阅读 3
查看原文
🐉 龙哥读论文知识星球来了！ 公众号每日8篇拆解不够看？星球 无上限更AI领域论文、资讯、招聘、招博、开源代码， 一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥推荐理由：
原论文信息如下：
代码是锚点，隐喻是支撑：学生如何处理多视图可视化？ 想象一下，你是一个刚学编程的小白，面前摆着一个“神器”：左边是代码，中间是程序的内存状态，右边还有一个生动的比喻动画来解释程序在干什么。你会怎么用？
按常理，你肯定会到处看看，瞧瞧那些酷炫的动画，对吧？但是，多伦多大学的研究者们发现，现实远比想象的复杂得多。
他们设计了一个带有多视图的可视化工具，并招募了19名学完CS1和CS2的大学生，让他们一边用这个工具，一边大声说出想法，同时用摄像头追踪他们的目光。
这个工具叫多视图可视化工具，有三个同步的视图：代码视图、内存视图和比喻视图。比如，讲解作用域时，比喻视图会展示一个“房子”，每个作用域就是一个独立的房间，函数调用就像动画箭头在不同房间穿梭。讲解循环时，会用“魔术师的桌子”来揭示列表元素。讲解链表时，用接力赛来比喻节点的传递。是不是很贴心？
为什么学生盯着代码不放？——眼动追踪揭示的注意力分布 研究者用了WebGazer.js，一种基于摄像头的眼动追踪技术，来精确记录学生们看屏幕哪里。他们给多视图工具的三个窗格画了区域：代码、内存和比喻。
结果呢？学生们几乎一半的时间都盯着代码，就算旁边有内存和比喻的“辅助”也没用。
上图的左侧显示了学生们目光在不同窗格的停留时间，代码窗格“霸屏”了近一半的时间。右侧则展示了目光在不同区域之间切换的频率，可以看到代码果然是绝对的“C位”。
更有意思的是，那些上大学前没学过编程的学生，更“死磕”代码，对那个精心设计的比喻视图几乎视而不见。而那些有经验的同学，虽然也爱看代码，但会时不时瞥一眼内存视图。不管有没有经验，比喻视图的注视度都最低。
研究者原以为精心设计的视觉工具能引导学生，但没想到学生却死守着代码这块“根据地”。这让人不禁想问：“为啥你就不看看这些好用的工具呢？”
学生为何拒绝“好用”的视觉工具？——主动性、契合度与正当性三重因素 为了回答这个问题，研究者们深入分析了访谈记录，总结出三个主要因素：主动性 契合度 正当性
你可能会觉得，工具不就是来“减轻负担”的吗？但对于这些学生来说，这可能恰恰是他们不想要的东西。一位学生描述说：“我的思维过程是，我将会一步一步手动地追踪代码，看看它发生了什么。如果它自动（用比喻）做了，我会觉得我不需要去思考了，有点不舒服。” 他们想要的不是减少思考，而是掌控感
这是典型的主动认知加工
同样是这个工具，有人觉得它是“神助攻”，有人却觉得是“猪队友”。有的学生觉得比喻视图非常直观，一句“它确实在脑海中创造了一个画面，让我更容易理解啊”；但另一位同学却表示“当代码变得复杂时，比喻视图反而让我更迷惑，因为我不知道它想表达什么”。
这就解释了为什么代表性契合
最扎心的理由来了。很多学生觉得那些生动形象的比喻，比如“房子”、“接力赛”，不够“上档次”。一位同学直言不讳地说：“我觉得它（比喻视图）有点幼稚……不适合大学水平。” 他们认为自己已经过了需要这种“幼稚”提示的阶段，使用它们会有失身份。
视觉工具设计的启示：如何让学生“主动参与”而不是“被动观看”？ 既然知道了学生“不爱看”的原因，那么怎么解决呢？研究给设计工具的人提了几个实用的建议。
1. 把可视化定位成“验证工具”，而不是“解释指南”
与其一上来就用比喻视图“拆解”程序，不如让学生在凭自己努力理解后，用可视化来校验自己的思路。“哦，我猜对了，第一步之后变量x的值就是5！”这种“校验”的方式，把主动权又还给了学生，让他们可以保持学习的掌控感。
学生认知水平不同，需求也不同。可以提供一个按钮，让学生自己决定要看多深入。比如，刚开始学，可以看看比喻视图；后来熟练了，就可以切换到更抽象的内存视图，甚至只看代码。这样既照顾了初学者，也让有经验的学生不会觉得被“幼稚化”。
为了避免学生觉得工具“幼稚”，可以给它起个更正式的名字，或者在UI设计上采用更简约、专业的风格。甚至可以在课程初期就把它当作一个“严肃”的工具来介绍，而不是作为“趣味”辅助。让学生从心理上接纳它。
总结与展望：关注情感与社会因素，超越认知设计 这篇论文的意义在于，它揭示了一个常常被忽视的事实：工具设计不只是个技术活，还是个心理学和社会学活
但真实情况是，学生有自主意识，他们想要掌控感；他们有不同的认知偏好，对“好”的定义千差万别；他们还有社会身份认同，会判断工具是否“配得上”自己。这些情感和社会因素，才是决定一个工具能不能“火”的关键。
未来，这项研究可以扩展到更大的样本、更长的使用周期，看看这些发现是否能持久。还可以对比不同设计策略的效果，比如试试把工具定位成“验证工具”是不是真的有奇效。最重要的是，把学生的声音纳入到工具的设计迭代中，而不是我们关起门来瞎猜。
总而言之，这篇来自多伦多大学、发表在ICER 2026上的论文，给所有编程教育工具有一记警钟：别光顾着画图，也看看你画的图到底有没有人看，为什么看。用户的“心”，可比你的“代码”复杂多了。
龙迷三问 Q1：这篇论文解决了什么问题？
Q2：什么是“多视图可视化工具”（Multi-Representational Tool, MR）？它是怎么工作的？
Q3：文中提到的“主动性”、“契合度”和“正当性”具体指什么？ 主动性 契合度 正当性
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★✰
该研究的核心贡献不在于提出了一个全新的算法或模型，而是从心理和社会学视角审视了已有的程序可视化工具，提出了“主动性”、“契合度”和“正当性”三个新框架。在传统的“认知设计”主导的领域里，这一视角创新非常突出，直击痛点。实验合理度： ★★★✰✰
采用了眼动追踪、有声思维和深度访谈结合的混合方法，设计严谨。但样本量仅19人，且实验时间较短，缺乏长期跟踪。这影响了结论的普适性，但作为定性研究，其揭示的深度和机制是值得肯定的。学术研究价值： ★★★★★
这篇论文的研究价值很高。它为本领域的后续研究打开了一个新方向：从关注“怎么设计好工具”到“为什么好工具没人用”。提出的三个主题为后续研究提供了可操作的理论起点，对HCI和计算机教育研究都有启发意义。稳定性： ★★★✰✰
论文本身并未提出一个稳定的产品，只是提出了一个实验性的研究工具。其结论的稳定性依赖于后续更大规模、更长周期的验证研究，目前只算是有趣的观察和假设。适应性以及泛化能力： ★★✰✰✰
研究只针对多伦多大学的计算机专业二年级学生，样本的文化背景、学习环境都比较单一。结论是否能推广到其他地域、其他专业、其他教育水平的学生，还有待验证，目前适应性较低。硬件需求及成本： ★★★★✰
这项研究本身不需要特别的硬件，数据收集主要依赖在线工具和摄像头（利用WebGazer.js）。成本主要在研究设计与访谈分析上，对硬件依赖极低。复现难度： ★★★★✰
论文详细描述了实验的流程和访谈协议，数据和分析代码也已在OSF上开源，复现难度不高。但定性分析的解读具有一定主观性，完全复现其发现可能比较困难。产品化成熟度： ★★✰✰✰
这篇论文的研究成果是设计原则和理论框架，而不是一个可以直接部署的产品。要将其转化为可落地的工具，还需要大量的设计、开发和用户测试工作。 可能的问题： 这本质上是一篇定性研究论文，样本小、周期短，结论虽有洞察却不够“硬”。提出的“主动性”“契合度”“正当性”等框架有些宏观，缺少量化的验证方法。另外，研究中使用的Python Tutor其实也不是严格意义上的“单视图”对比工具，对比的严谨性可以再提升。
主要参考文献
[1] Sibia, N., Wen, J., Richardson, A., et al. (2026). Code as Anchor, Memory and Metaphor as Support: Learner Experiences with Multi-View Visualizations. In Proceedings of the ACM Conference on International Computing Education Research (ICER '26). [2] Ainsworth, S. (1999). The functions of multiple representations. Computers & Education, 33(2-3), 131-152. [3] Guo, P. J. (2013). Online Python Tutor: Embedding the teaching and learning of programming with program visualization. ACM Transactions on Computing Education, 13(1), 1-24. [4] Hundhausen, C. D., Douglas, S. A., & Stasko, J. T. (2002). A meta-study of algorithm visualization effectiveness. Journal of Visual Languages & Computing, 13(3), 259-290. *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
欢迎加入龙哥读论文粉丝群，和更多朋友一起探讨编程教育背后的心理学与社会学底层逻辑。
扫描下方二维码或者添加龙哥助手微信号加群 ：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称（如 教育技术+上海+多伦多大学+龙哥） ，根据格式备注，可更快被通过且邀请进群。
