在学生遇到学习卡点时，导师面临帮助时机的两难：过早介入可能抑制学生的自主思考，过迟则会让学生陷入持续的挫败感（即原地打转）。近年来，生成式 AI 导师常通过设定防护栏来限制直接给答案，但其在卡点持续时的行为尚不明确。我们对 1,260 场真实的 LLM 化学辅导会话中的 20,462 条学生发言进行分析，识别出 6,630 条卡点发言，主要分为概念错误、表达不确定和主动求助三类。基于这些卡点，我们模拟了三种教学情境：基线（baseline）、禁止直接答案（no‑direct‑answer）和引导式导师（guided tutor），并抽取 150 条卡点进行实验。结果显示，提示的具体程度显著影响教学策略：基线导师直接给出答案的比例为 50.7%，禁止直接答案的导师每次都提出追问，而引导式导师则根据上下文呈现多样化回应。进一步分析真实交互的卡点轨迹发现，每增加一次卡点，学生在下一轮恢复的概率下降 12.7%（调整后比值比 AOR = 0.873，p < 0.05）。
点评