HELPd 同理心工具：一种用于生成情感学习过程数据的工具，基于这些数据实施干预措施，以支持计算机课程中的社区建设

《ACM Transactions on Computing Education》：HELPd Empathy Tool: A Tool for Generating Emotional Learning Process Data-based Interventions to Support Community Building in Computing Courses

HELPd 工具通过收集学生编程行为和情绪数据生成干预措施，旨在促进计算机科学课程中的社区建设和互助行为。研究显示，工具未显著提升学生态度或互动，但需整合课程并优化设计以支持少数群体。

　　随着科技行业的快速发展，对多样化计算人才的需求日益增长，但与此同时，技术岗位上合格的工作人员仍然存在短缺。这一矛盾使得支持学生从事计算机科学（CS）职业变得尤为重要。然而，学生往往因为社交孤立和缺乏支持而选择退出计算项目，特别是那些来自少数群体的学生。因此，帮助学生建立学习社区成为了提高学生留存率的重要策略。本文介绍了HELP Lab开发的“情感学习过程数据（HELPd）共情工具”，该工具旨在通过基于情感学习过程（ELP）的数据生成干预措施，帮助学生构建学习社区。我们的研究最初旨在评估HELPd在促进社区建设方面的有效性，但研究参与者仅完成了自我报告他们情绪的步骤，这仅是构建社区的初步阶段。因此，这项研究转变为对HELPd设计和使用本身的经验研究。

文献中关于情感学习和学习分析的研究为HELPd的构建提供了指导。其核心理念是，通过ELP数据，学生能够了解自己和同学在编程过程中的情感状态，从而更易产生共情，进而促进帮助他人和接受帮助的行为，最终推动社区的形成。HELPd集成了一个定制的集成开发环境（IDE）来收集编程行为数据，以及一个网页应用来收集ELP数据，并利用这两类数据生成基于ELP的干预措施。从这项研究中，我们认识到，像HELPd这样的工具必须与课堂教学内容整合，否则学生无法充分受益于这些工具。我们建议对HELPd进行设计上的改进，包括针对少数群体和不同人口统计数据的群体定制干预措施。通过这些设计改进和课程整合，像HELPd这样的工具应有助于学生通过寻求帮助和提供帮助的行为来构建社区。

计算机科学教育中，情感学习和学习社区的建设对于学生的成功至关重要。研究表明，学习环境对学生的成绩和留存率有显著影响，尤其是在第一年学习中。然而，传统的学习环境往往被描述为“不友好”、“孤立”、“不平等”和“缺乏支持”。这种负面的学习环境增加了学生退出计算项目的风险，尤其是对于少数群体的学生。因此，建立一个支持性的学习环境，让学生感到被欢迎和支持，是提高留存率的关键。HELPd的设计旨在通过ELP数据来促进这种支持性环境的形成，帮助学生建立联系，形成学习社区，增强他们的归属感和自我效能感。

在计算机科学教育中，学生通常面临较大的班级规模和较高的流失率，这使得构建支持性的学习环境变得尤为困难。然而，利用班级规模本身来促进学生之间的支持性关系是一种可行的策略。通过帮助学生在大班环境中建立情感联系，可以鼓励他们相互支持和学习。此外，情感数据可以作为学生之间建立联系的催化剂，使他们能够基于共同的情感体验进行互动。在本研究中，我们探讨了如何利用ELP数据来促进学生之间的联系，从而支持他们建立学习社区。我们设计了一种工具，即HELPd，用于收集ELP数据，并通过基于这些数据的干预措施来增强学生的自我效能感和归属感。

HELPd的设计受到了学习分析仪表盘的研究启发，尤其是这些仪表盘在情感数据可视化方面的应用。学习分析仪表盘能够为教师和学生提供简洁且便捷的学习进展洞察，因此成为我们探索利用ELP数据支持社会联系的自然起点。此外，我们还借鉴了社会编程环境的研究，这些环境通过提供结构化的指导，帮助学生在不依赖情感数据的情况下建立联系。在HELPd的设计中，我们引入了“引导式用户界面”（wizard-like interfaces），以帮助学生逐步完成寻求帮助或提供帮助的过程。

为了确保HELPd的持续使用，我们设计了多种功能，包括提示学生反思提供帮助对自身学习的益处，以及鼓励他们表达对帮助者的感激之情。这些功能旨在增强学生的自我效能感和归属感，同时促进他们的社会互动和共情行为。此外，通过收集学生的自我报告情感数据，我们能够更全面地了解他们的情感状态，从而为他们提供个性化的支持和反馈。

本研究通过分析参与者的数据，探讨了HELPd在促进学生态度和留存率方面的有效性。研究结果表明，虽然HELPd的干预措施未能显著改变学生的自我效能感或归属感，但计算专业学生在学习动机和留存意愿方面表现得更为积极。这可能与他们对计算领域的更强认同感有关。此外，研究还发现，学生的个体差异，如性别、专业背景和编程经验，会影响他们对情感数据的披露意愿。这些发现对于未来设计和实施类似工具具有重要意义，特别是对于支持少数群体和不同背景的学生。

尽管HELPd在促进学生情感数据收集和干预方面取得了一定进展，但研究也揭示了一些局限性。首先，由于时间和资源的限制，本研究仅使用了自我报告作为情感数据收集方法，未能涵盖其他更复杂的情感技术，如眼动追踪或皮肤电反应。其次，研究样本的规模较小，且缺乏多样性，限制了研究结果的普遍适用性。此外，由于参与HELPd的干预措施是自愿的，而非课程要求的一部分，学生并未充分利用这些工具，这也限制了其对学习社区建设的实际影响。

为了提高HELPd的有效性，未来的改进应包括更广泛的情感数据收集方法，以及将这些工具更紧密地整合到课程和教学策略中。此外，还需要更多的研究来探索如何通过情感数据促进学生之间的社会互动和共情行为，特别是对于那些在学习过程中感到孤立的学生。通过这些改进，可以帮助学生建立更紧密的学习社区，从而提高他们的留存率和学习体验。

总之，本研究揭示了HELPd在促进学生情感数据收集和学习社区建设方面的潜力，同时也指出了其在实际应用中的局限性。未来的研究应致力于进一步优化HELPd的设计，增加其在不同群体中的适用性，并通过课程整合和教师培训，提高学生对这些工具的使用率。通过这些努力，可以为计算机科学教育创造更加支持性和包容性的学习环境，从而满足行业对多样化计算人才的迫切需求。