[论文解读] Tutor Move Taxonomy: A Theory-Aligned Framework for Analyzing Instructional Moves in Tutoring

Zhuqian Zhou, Kirk Vanacore+3 more|arXiv (Cornell University)|Mar 6, 2026

Intelligent Tutoring Systems and Adaptive Learning被引用 0

一句话总结

论文提出了一种导师行动分类法，用于标注和分析一对一辅导中的教学行为，使辅导对话的注释与分析具备可扩展性。

ABSTRACT

Understanding what makes tutoring effective requires methods for systematically analyzing tutors' instructional actions during learning interactions. This paper presents a tutor move taxonomy designed to support large-scale analysis of tutoring dialogue within the National Tutoring Observatory. The taxonomy provides a structured annotation framework for labeling tutors' instructional moves during one-on-one tutoring sessions. We developed the taxonomy through a hybrid deductive-inductive process. First, we synthesized research from cognitive science, the learning sciences, classroom discourse analysis, and intelligent tutoring systems to construct a preliminary framework of tutoring moves. We then refined the taxonomy through iterative coding of authentic tutoring transcripts conducted by expert annotators with extensive instructional and qualitative research experience. The resulting taxonomy organizes tutoring behaviors into four categories: tutoring support, learning support, social-emotional and motivational support, and logistical support. Learning support moves are further organized along a spectrum of student engagement, distinguishing between moves that elicit student reasoning and those that provide direct explanation or answers. By defining tutoring dialogue in terms of discrete instructional actions, the taxonomy enables scalable annotation using AI, computational modeling of tutoring strategies, and empirical analysis of how tutoring behaviors relate to learning outcomes.

研究动机与目标

• 迫切需要对辅导行动进行系统分析以理解效果。
• 提出一个结构化的分类法，用于标注一对一会话中的辅导对话。
• 使分类法与认知科学与学习科学对齐，以确保理论基础。
• 实现可扩展的注释与潜在的AI辅助分析辅导互动。

提出的方法

• 开发一个混合的演绎-归纳过程来构建分类法。
• 综合认知科学、学习科学、课堂话语和智能辅导系统的文献。
• 通过专家注释者对真实辅导文本的反复编码来细化分类法。
• 将辅导行为分为四类：辅导支持、学习支持、社会情感与动机支持，以及后勤支持。
• 在学习支持动作上沿着学生参与度的谱系进行进一步组织（引发推理 vs 提供直接解释或答案）。
• 将分类法定位为支持AI驱动的注释与辅导策略的计算建模。

实验结果

研究问题

• RQ1 一对一会话中构成辅导对话的教学动作有哪些？
• RQ2 如何在一个理论对齐的框架中对辅导行动进行分类，以支持可扩展分析？
• RQ3 一个具有学习支持谱系的四类分类法是否能够捕捉辅导互动的关键动力？
• RQ4 该分类法如何促进将辅导行为与学习结果联系起来的研究？

主要发现

• 提出了四类辅导动作的分类法：辅导支持、学习支持、社会情感与动机支持，以及后勤支持。
• 学习支持动作沿谱系从引导学生推理的动作到提供直接解释或答案的动作进行组织。
• 分类法通过理论综合与对真实文本的迭代编码相结合的混合演绎-归纳过程发展而来。
• 该框架实现了对辅导对话的可扩展注释，并支持AI辅助分析与辅导策略的计算建模。
• 该分类法旨在实现对辅导行为与学习结果之间关系的实证分析。