Vibe Coding 元认知分离研究 — 质性编码手册（2.0 版）

版本说明：2.0 版在 1.0 基础上新增「第五部分：编码裁决记录」，对三条在预编码中暴露的模糊口径作出正式裁决（验证/监控重叠、依赖无意识阈值、静默报错截图），并同步修订了三个标签的定义（M-MC-MONITOR、SEP-DEP-UNAWARE、S-ASK-DEBUG）。2026-09-06 起，所有编码以本版为准。

本手册涵盖两个数据源的编码规则：①学生与AI的对话记录 ②学习反思记录编码方式：先开放编码，再归入主题树。支持使用NVivo、Atlas.ti，或Excel手工编码

第一部分：学生与AI对话记录编码

1.1 数据源说明

项目	说明
来源	学生分享的AI对话链接（通义千问、DeepSeek等）
格式	在线对话页面，需导出为文本/截图
样本量	目标25-30组完整对话
结构	多轮问答，每轮包含：学生提问/指令 → AI思考（部分平台可见）→ AI回复
已处理数据	`vibecoding_dialogue_structured.csv`（50条发言，25轮，1个样本）

1.2 编码体系：三层结构

第一层：发言者身份（Speaker）

编码	含义	示例
`STU`	学生发言	"帮我看看这个报错" / [截图]
`AI`	AI助手回复	"这个错误是因为..."
`SYS`	系统/平台信息	思考过程、搜索提示、工具调用

编码规则：以每条发言为单位，逐条标注。学生连续发送多条视为多条发言。

第二层：对话行为编码（Dialogue Act）

A. 学生行为编码（以"S-"开头）

编码	标签	定义	典型示例
`S-ASK-CONCEPT`	概念性问题	询问工具原理、术语含义、操作逻辑	"Git和GitHub有什么区别"
`S-ASK-PROC`	程序性问题	询问具体操作步骤、命令用法	"怎么把代码推送到GitHub"
`S-ASK-DEBUG`	调试求助	遇到报错/异常，请求帮助解决。2.0 修订：学生无文字但发送的截图明确显示报错/失败/卡住状态时，视为隐性调试求助，同样编码；中性进度截图不加本标签	"[截图] 这个报错什么意思" / [仅发报错截图，无文字]
`S-ASK-VERIFY`	验证请求	请求AI确认自己的理解/操作是否正确	"我这样做对吗" / "这对吗"
`S-ASK-COMPLETE`	完整方案请求	请求AI提供从头到尾的完整方案	"能不能直接给ai做" / "给我完整步骤"
`S-SHOT-ACTIVE`	主动截图	学生主动发送截图（未等AI要求）	[截图] + 描述问题
`S-SHOT-PASSIVE`	被动截图	在AI提示后发送截图	AI："请截图给我看看" → 学生：[截图]
`S-CODE-REQ`	代码请求	要求AI写/改/解释代码	"帮我写个番茄钟的代码"
`S-CODE-SHARE`	分享代码	学生主动分享自己的代码	"这是我写的，你看有什么问题"
`S-CONFIRM`	确认回应	简短确认，表示理解或执行	"OK" / "好的" / "继续"
`S-FEEDBACK-POS`	正向反馈	表达满意、感谢、兴奋	"太棒了！" / "完美！"
`S-FEEDBACK-NEG`	负向反馈	表达挫败、困惑、不满	"还是不行" / "完全搞不懂"
`S-META-AWARE`	元认知陈述	显式表达对自己认知状态的觉察	"我觉得我卡在这里了" / "我好像理解了但不确定"
`S-META-ATTRIB`	归因陈述	显式表达对成功/失败原因的归属	"主要是AI帮我解决的" / "我自己想出来的"
`S-INIT-TOPIC`	切换话题	主动引入新话题或学习方向	从Git操作跳到部署问题
`S-EXPLORE`	探索性提问	超越当前任务的延伸提问	"这个还可以怎么做别的"
`S-REPEAT`	重复提问	因未理解或操作失败而再次提问	再次问同一个报错
`S-OFF-TOPIC`	离题	与学习无关的内容	闲聊、问候

B. AI行为编码（以"A-"开头）

编码	标签	定义	典型示例
`A-EXPLAIN-CONCEPT`	概念解释	解释原理、术语、逻辑	"Git是版本控制工具..."
`A-INSTRUCT-STEP`	步骤指导	提供分步操作指令	"第一步...第二步..."
`A-DEBUG-SOLVE`	排错解决	诊断并给出错误解决方案	"这个错误是因为权限不足，需要..."
`A-CODE-PROVIDE`	提供代码	直接给出可使用的代码	完整的HTML/JS/Git命令
`A-CODE-EXPLAIN`	解释代码	逐行/逐段解释代码含义	"这行代码的作用是..."
`A-VERIFY-CONFIRM`	确认正确	确认学生的理解/操作正确	"完全正确！" / "这样做是对的"
`A-VERIFY-CORRECT`	纠正错误	指出学生的理解/操作有误	"不对，应该是..."
`A-QUESTION-CLARIFY`	澄清提问	反问学生以获取更多信息	"你截图里的报错信息是什么"
`A-QUESTION-PROBE`	探查提问	引导学生深入思考	"你觉得问题可能出在哪里"
`A-META-SCAFFOLD`	元认知脚手架	引导学生反思自己的学习过程	"你觉得你真正理解了哪一步"
`A-RISK-WARN`	风险提醒	提醒潜在问题或学习伦理	"直接让AI做可能学不到东西"
`A-ENCOURAGE`	鼓励支持	情感支持、正向激励	"你做得很棒！" / "继续加油"
`A-EMPATHIZE`	共情回应	表达对学生困难的理解	"这个问题确实很让人头疼"
`A-HALLUCINATE`	幻觉输出	提供错误/编造的信息	给出错误的Git命令
`A-SELF-CORRECT`	自我纠正	AI发现之前的回答有误并纠正	"抱歉，我刚才说错了，实际上是..."
`A-SEARCH-EXT`	外部检索	调用搜索工具获取外部信息	搜索网页后引用参考资料
`A-COMPLETE-SOL`	完整方案	提供端到端的完整解决方案	从代码编写到部署的全流程
`A-ANALOGY`	类比教学	使用类比帮助理解	"Git就像时光机..."
`A-OPTION-OFFER`	提供选项	给出多个选择供学生决定	"你可以选择A方案或B方案"

第三层：元认知与分离指标编码

C. 元认知表现编码（双方均可标注）

编码	标签	定义	示例
`M-PK-KNOW`	元认知知识-自知	对自己知识状态的认知	"我对Git完全不懂"
`M-PK-TASK`	元认知知识-任务	对任务难度的认知	"部署看起来比写代码复杂"
`M-PK-STRATEGY`	元认知知识-策略	对学习策略的认知	"我应该先理解原理再操作"
`M-ME-CONFIDENCE`	元认知体验-信心	对完成任务的信心感受	"我觉得我能搞定" / "我好像做不到"
`M-ME-DIFFICULTY`	元认知体验-难度	对任务难度的主观感受	"这比我想象的难多了"
`M-ME-FLUENCY`	元认知体验-流畅性	操作过程的顺畅感受	"一下就搞定了"
`M-MC-PLAN`	元认知监控-计划	制定学习/操作计划	"我先安装Git，再注册GitHub"
`M-MC-MONITOR`	元认知监控-监控	实时监控自己的理解/进展。2.0 修订：仅当学生表现出自主评估意图时才编码（如带着自己的判断求确认"我理解得对吗，因为我觉得……"、主动检查"等等，让我检查一下"）；单纯把判断权甩给 AI 的裸问（"这对吗""点哪个"）属于监控外包，只编 S-ASK-VERIFY，不编本标签	"我这样做对吗？我是这样想的……" / "等等，让我检查一下"
`M-MC-EVAL`	元认知监控-评估	对学习结果进行评估	"我觉得我基本理解了"
`M-MC-ADJUST`	元认知监控-调整	根据评估结果调整策略	"这个方法不行，我换一个试试"

D. 分离现象编码（核心编码）

编码	标签	定义	示例
`SEP-SE-HIGH`	SE虚高信号	表达高信心但缺乏深层理解支撑	"我觉得我会了"（但无法解释原理）
`SEP-META-LOW`	元认知不足信号	无法准确评估自己的理解程度	"我也不知道自己懂没懂"
`SEP-ATTRIB-AI`	归因于AI	将成功归因于AI而非自身	"主要是AI帮我解决的"
`SEP-ATTRIB-SELF`	归因于自身	将成功归因于自身能力	"我自己想出来的办法"
`SEP-INDEP-LOW`	独立信心低	表达无AI时无法独立完成	"没有AI我肯定做不出来"
`SEP-INDEP-HIGH`	独立信心高	表达无AI时也能独立完成	"下次我应该可以自己来"
`SEP-DEP-AWARE`	依赖觉察	显式意识到自己依赖AI	"我知道我一直在问AI"
`SEP-DEP-UNAWARE`	依赖无意识	未意识到自己过度依赖AI。2.0 修订：满足以下三条之一才编码（保守口径，宁可漏判不误判）：① 连续 ≥3 轮只发指令式短句或截图（"下一步""点哪个""然后呢"），无任何自主诊断尝试；② 明确的整段委托表述（"你直接帮我做""给我完整方案"）；③ 界面文字已给出答案仍不阅读直接问 AI。单轮"点哪个"不编；拿不准不编	连续请求AI完成每一步 / "能不能直接给ai做"
`SEP-ILLUSION-UNDERSTAND`	理解错觉	误以为操作成功=理解了	"部署成功了，我会了"
`SEP-TRUE-UNDERSTAND`	真正理解	能解释原理并迁移应用	"我理解了这个原理，所以可以在其他场景用"

1.3 编码示例（真实对话片段）

示例1：调试求助 + 元认知监控

学生："[截图] 这个报错什么意思"
AI："这个错误是因为你没有初始化Git仓库，需要先运行 git init"

发言	发言者编码	行为编码	元认知编码	分离编码
"[截图] 这个报错什么意思"	STU	S-ASK-DEBUG + S-SHOT-ACTIVE	M-ME-DIFFICULTY	—
解释原因+给命令	AI	A-DEBUG-SOLVE + A-CODE-PROVIDE	—	—

示例2：完整方案请求 + 风险提醒

学生："能不能直接给ai做"
AI："我可以帮你写完整步骤，但你自己操作才能学会。如果你完全让AI代劳，可能无法产生3次commit记录导致作业不合格。建议按以下步骤自己操作..."

发言	发言者编码	行为编码	元认知编码	分离编码
"能不能直接给ai做"	STU	S-ASK-COMPLETE	—	SEP-DEP-UNAWARE
拒绝+理由+替代方案	AI	A-RISK-WARN + A-INSTRUCT-STEP	M-PK-STRATEGY	—

示例3：归因陈述（核心编码）

学生："主要是AI帮我解决的，我自己应该做不出来"
AI："AI确实帮了大忙，但关键决策都是你自己做的，比如选择用Vercel部署、决定先推送到GitHub。这些都是你的判断。"

发言	发言者编码	行为编码	元认知编码	分离编码
"主要是AI帮我解决的..."	STU	S-META-ATTRIB	M-PK-KNOW	SEP-ATTRIB-AI + SEP-INDEP-LOW
重构归因+肯定学生	AI	A-ENCOURAGE + A-META-SCAFFOLD	M-PK-KNOW	—

示例4：极简确认循环（认知负荷管理）

学生："OK" → "继续" → "好"
AI：分步指导...

发言	发言者编码	行为编码	元认知编码	分离编码
"OK" / "继续" / "好"	STU	S-CONFIRM	M-MC-MONITOR(隐性)	—
分步指导	AI	A-INSTRUCT-STEP	—	—

编码说明：学生的极简回应看似无信息量，实则承担"继续推进"的功能，降低认知负荷以专注于操作。

示例5：AI幻觉 + 自我纠正

学生："汪曾祺的这句话的完整版"
AI：""我有时看山不是山...我包容万物的悲欢离合"——汪曾祺"
AI："抱歉，我需要纠正一下。这句话实际上出自禅宗青原行思，不是汪曾祺。汪曾祺只是引用过类似意境。"

发言	发言者编码	行为编码	元认知编码	分离编码
"汪曾祺的这句话..."	STU	S-ASK-CONCEPT + S-INIT-TOPIC	—	—
错误回答	AI	A-HALLUCINATE	—	—
自我纠正	AI	A-SELF-CORRECT	—	—

1.4 编码工作流程

步骤1：数据准备

收集学生分享的AI对话链接
将对话内容复制为文本（保留轮次结构）
截图保存关键界面（报错、成功提示等）
为每组对话分配学生ID

步骤2：逐轮编码

以轮次为单位阅读对话
逐条标注：发言者 → 行为编码 → 元认知编码 → 分离编码
一条发言可标多个编码（用"+"连接）
不确定时标记?并记录疑问

步骤3：编码检查

检查编码一致性（同一类发言是否编码一致）
检查遗漏（是否有未编码的发言）
记录编码过程中的新发现（补充编码规则）

步骤4：量化转换

统计每位学生的各类编码频次
计算：求助频次、截图使用频次、元认知陈述频次、分离编码频次
与问卷数据进行关联分析

第二部分：学习反思记录编码

2.1 数据源说明

项目	说明
来源	课后开放式问卷（腾讯问卷/问卷星）
格式	结构化问卷 + 3道开放式问答题
样本量	23份有效问卷
题型	选择题（量化）+ 开放题（质性）
已处理数据	原始Excel文件，已完成Likert转换

三道开放式题目

题号	题目	编码重点
Q1	"今天学习中，截图给AI看这一行为对你最大的帮助是什么？"	求助行为体验、AI功能认知
Q2	"如果没有AI截图辅助，你认为今天的学习会有什么不同？"	归因倾向、独立能力评估、依赖认知
Q3	"今天你对自己'真正掌握'了哪些技能？哪些还需要加强？"	元认知知识（自知）、能力评估准确性

2.2 编码体系：主题分析编码

第一层：开放编码（Open Coding）

逐句阅读，为每个有意义的文本片段分配一个描述性编码。

编码规则

最小单位：一个完整的语义单元（通常是一个从句或一个完整的意思）
最大单位：一个完整的句子
重叠处理：一个句子可能包含多个意义单元，分别编码
临时编码：先用描述性词汇标记，后续再归类

第二层：轴心编码（Axial Coding）

将开放编码聚类为类别，建立类别与属性之间的关系。

类别体系

类别A：AI辅助体验（AI-Assisted Experience）

子类别	定义	示例
`AI-EFFICIENCY`	效率提升感知	"节省了大量时间"、"快速解决问题"
`AI-ACCURACY`	准确性感知	"精准定位问题"、"一下子就找到了错误"
`AI-ACCESSIBILITY`	可及性感知	"不用等老师回复"、"随时都可以问"
`AI-UNDERSTANDABILITY`	可理解性感知	"用通俗易懂的话解释"、"一步一步教"
`AI-EMOTIONAL`	情感支持感知	"像一位耐心的导师"、"不会嫌我烦"
`AI-COMMUNICATION`	沟通便利性	"不用打字描述"、"截图就能说清楚"
`AI-COMPLETE-SOL`	完整方案提供	"给出了完整的操作步骤"、"从头到尾的指引"

类别B：归因倾向（Attribution Tendency）

子类别	定义	示例
`ATTR-AI-STRONG`	强烈归因AI	"完全是AI帮我解决的"、"没有AI我肯定做不出来"
`ATTR-AI-MODERATE`	适度归因AI	"AI帮了大忙"、"主要是靠AI"
`ATTR-AI-PARTIAL`	部分归因AI	"AI提供了方法，但操作是我自己做的"
`ATTR-SELF-STRONG`	强烈归因自身	"我自己研究出来的"、"靠自己的努力"
`ATTR-SELF-MODERATE`	适度归因自身	"在AI引导下我自己操作的"
`ATTR-MIXED`	混合归因	"AI提供了方法，我也付出了努力"
`ATTR-EXTERNAL`	外部归因	"教程写得好"、"工具比较简单"

类别C：独立能力评估（Independent Capability Assessment）

子类别	定义	示例
`INDEP-CONFIDENT`	有信心独立	"下次我应该可以自己来"、"掌握了基本流程"
`INDEP-UNCERTAIN`	不确定	"可能还需要AI辅助"、"不确定自己行不行"
`INDEP-DOUBTFUL`	怀疑独立能力	"没有AI我肯定做不出来"、"还需要更多练习"
`INDEP-DEPENDENT`	明确依赖	"离不开AI"、"必须靠AI才能完成"

类别D：依赖认知（Dependency Awareness）

子类别	定义	示例
`DEP-AWARE-CONCERN`	觉察并担忧	"我知道我在依赖AI，这样不好"、"担心过度依赖"
`DEP-AWARE-ACCEPT`	觉察并接受	"依赖AI是合理的"、"本来就是要用工具的"
`DEP-UNAWARE`	未觉察依赖	（从高频求助行为中推断，文本中不直接体现）
`DEP-REDUCE-INTENT`	有减少依赖意图	"以后想减少依赖"、"要慢慢学会独立"

类别E：理解程度评估（Understanding Assessment）

子类别	定义	示例
`UNDER-TRUE`	真正理解（能解释原理）	"我理解了Git的版本控制原理"、"知道为什么要先add再commit"
`UNDER-SURFACE`	表层理解（会操作但不解原理）	"知道怎么操作但不太懂原理"、"能跟着做但不理解为什么"
`UNDER-PROCEDURAL`	程序性理解（记住步骤）	"记住了推送的步骤"、"知道先做什么再做什么"
`UNDER-FRAGMENTED`	碎片化理解	"部分懂了部分没懂"、 "有些地方还是不清楚"
`UNDER-ILLUSION`	理解错觉	"我觉得我学会了"（但无法具体描述学会了什么）

类别F：元认知觉察（Metacognitive Awareness）

子类别	定义	示例
`META-SELF-KNOW`	自我知识觉察	"我知道我对Git不太熟悉"、"我发现自己对命令行比较陌生"
`META-TASK-KNOW`	任务知识觉察	"部署比写代码更复杂"、 "配置环境是难点"
`META-STRATEGY`	策略觉察	"我发现截图问AI比查文档快"、"应该先理解原理再操作"
`META-MONITOR`	过程监控	"我意识到自己卡在哪里了"、"发现自己在反复犯同样的错"
`META-EVAL-ACCURATE`	准确自评	"基本掌握了推送操作，但分支管理还不熟"
`META-EVAL-INACCURATE`	不准确自评	"我完全掌握了"（但反思显示有明显不足）

类别G：学习困难描述（Learning Difficulties）

子类别	定义	示例
`DIFF-LANGUAGE`	语言障碍	"英文界面看不懂"、"报错信息是英文的"
`DIFF-TECH-BARRIER`	技术门槛	"零基础很难入手"、 "命令行很陌生"
`DIFF-ENVIRONMENT`	环境问题	"网络不稳定"、"安装失败"
`DIFF-COGNITIVE`	认知负荷	"步骤太多记不住"、 "信息 overload"
`DIFF-EMOTIONAL`	情绪困难	"很焦虑"、"有挫败感"、"想放弃"

类别H：学习策略描述（Learning Strategies）

子类别	定义	示例
`STRAT-SHOT-AI`	截图求助AI	"截图发给AI让它帮我看"
`STRAT-SEARCH`	自主搜索	"自己查资料"、"上网搜解决方案"
`STRAT-TRIAL-ERROR`	试错	"反复尝试"、"不断调试"
`STRAT-ASK-PEER`	求助同伴	"问同学"、"跟朋友讨论"
`STRAT-REFLECT`	反思	"复盘AI给出的方案"、"总结错误原因"
`STRAT-REVIEW`	复习巩固	"需要多练习"、"回头再看一遍教程"

第三层：选择性编码（Selective Coding）

提炼核心主题，与理论框架对接。

预期核心主题（基于研究问题预设）

主题编号	主题名称	定义	相关类别
T1	处理流畅性体验	学生因AI快速解决问题而产生的顺畅、高效的学习体验	A
T2	能力归因困惑	学生无法清晰区分成功来自AI还是自身能力	B
T3	独立信心缺口	学生承认（或隐含）缺乏无AI辅助时的独立完成任务能力	C
T4	依赖觉察与调节	学生对自己依赖AI的认知及态度（担忧/接受/无意识）	D
T5	理解深度分层	学生在程序性理解、表层理解与深层理解之间的差异	E
T6	元认知校准偏差	学生自我评估的准确性（准确自评 vs 过高/过低自评）	F
T7	技术门槛感知	学生对技术环境（语言、工具、网络等）造成的困难的感知	G
T8	求助策略选择	学生在不同情境下选择求助AI vs 自主解决 vs 其他策略	H

2.3 编码示例（真实反思文本）

示例1：完整归因陈述

原文："主要是AI帮我解决的，我自己应该做不出来"

文本片段	开放编码	类别编码	主题
"主要是AI帮我解决的"	归因AI	ATTR-AI-STRONG	T2
"我自己应该做不出来"	独立信心低	INDEP-DOUBTFUL	T3

示例2：复杂归因 + 理解分层

原文："AI确实帮了大忙，但关键决策都是你自己做的。真正掌握了：Git基础推送、Vercel部署流程。需要加强：推送异常时独立排查、分支管理。"

文本片段	开放编码	类别编码	主题
"AI帮了大忙，但关键决策是自己做的"	混合归因	ATTR-AI-PARTIAL + ATTR-SELF-MODERATE	T2
"掌握了Git推送、Vercel部署"	程序性技能掌握	UNDER-PROCEDURAL	T5
"需要加强：独立排查、分支管理"	准确识别不足	META-EVAL-ACCURATE	T6

示例3：处理流畅性 + 依赖觉察

原文："一下就搞定了，感觉很简单。但想想如果没有AI，我可能连第一步都走不出去。"

文本片段	开放编码	类别编码	主题
"一下就搞定了，感觉很简单"	处理流畅性体验	AI-EFFICIENCY + UNDER-ILLUSION	T1 + T5
"如果没有AI，第一步都走不出去"	独立能力怀疑	INDEP-DOUBTFUL	T3
整体	分离觉察（流畅但有依赖认知）	DEP-AWARE-ACCEPT	T4

示例4：元认知校准（准确自评）

原文："真正掌握：GitHub仓库创建、文件上传、基础提交。需要加强：分支管理、冲突处理、独立排错。"

文本片段	开放编码	类别编码	主题
"掌握了仓库创建、上传、提交"	准确识别已掌握	META-EVAL-ACCURATE	T6
"需要加强分支管理、冲突处理"	准确识别不足	META-EVAL-ACCURATE	T6
整体	元认知校准良好	META-SELF-KNOW + META-TASK-KNOW	T6

编码说明：这类回答展现了良好的元认知校准——能准确区分已掌握和未掌握的内容，是"协同型"学生的典型特征。

示例5：理解错觉（虚高SE信号）

原文："掌握了网站部署的全过程！从写代码到上线都会了！需要加强：可能没什么需要加强的。"

文本片段	开放编码	类别编码	主题
"掌握了全过程，从写代码到上线都会了"	全面掌握声明	UNDER-ILLUSION	T5
"没什么需要加强的"	无不足认知	META-EVAL-INACCURATE	T6
整体	过度自信	SEP-SE-HIGH	T5 + T6

编码说明：结合问卷数据（如归因倾向题得分），可判断是否存在"虚高自我效能感"。

2.4 编码工作流程

步骤1：熟悉数据

通读全部23份反思记录
记录初步印象和反复出现的词汇/主题
标记特别突出或异常的个案

步骤2：开放编码（第一轮）

逐份阅读，逐句标注
使用描述性编码（可以用中文或英文）
允许暂时无法归类的编码存在
在文本旁边直接标注

步骤3：编码整理

列出所有开放编码
合并相似编码
检查编码密度（某些编码是否过于密集或稀疏）
补充遗漏编码

步骤4：轴心编码（第二轮）

将开放编码归入8个预设类别
发现新的类别则补充
建立类别与属性之间的关系
绘制类别关系图

步骤5：选择性编码

从类别中提炼3-5个核心主题
用一句话概括每个主题的核心内涵
用典型引用（verbatim quotes）支撑每个主题
绘制主题关系图

步骤6：信度检验

请第二编码员独立编码5份（约20%）
计算Cohen's Kappa（目标>0.70）
讨论不一致编码，达成共识
修订编码规则

步骤7：整合分析

将质性主题与量化数据进行关联
构建学生个案矩阵
提炼典型案例（虚高型、潜力型、协同型、波动型）

第三部分：编码工具与模板

3.1 Excel编码模板

对话记录编码表

字段名	说明	示例
`record_id`	记录唯一ID	CONV_001_R01_STU
`student_id`	学生匿名ID	S001
`round`	对话轮次	1
`turn`	轮内发言顺序	1
`speaker`	发言者（STU/AI/SYS）	STU
`content`	发言原文（摘要）	"[截图]这个报错什么意思"
`speaker_code`	发言者编码	STU
`act_code`	行为编码（可多个）	S-ASK-DEBUG + S-SHOT-ACTIVE
`meta_code`	元认知编码（可多个）	M-ME-DIFFICULTY
`sep_code`	分离编码（可多个，仅标关键）	—
`note`	编码备注	学生主动截图，未等AI要求

反思记录编码表

字段名	说明	示例
`record_id`	记录唯一ID	REF_001_Q1_S001
`student_id`	学生匿名ID	S001
`question`	题目编号（Q1/Q2/Q3）	Q1
`sentence_id`	句子编号	1
`original_text`	原文	"主要是AI帮我解决的"
`open_code`	开放编码	归因AI
`category_code`	类别编码	ATTR-AI-STRONG
`theme_code`	主题编码	T2
`note`	备注	强烈的AI归因

3.2 编码统计指标

编码完成后，需要计算以下指标用于分析：

对话记录统计

指标	计算方法	用途
对话轮次总数	每位学生的对话轮次数	反映学习投入深度
学生发言次数	学生发言总次数	反映主动性
求助行为占比	(S-ASK类型编码数) / 学生发言总数	反映依赖程度
截图使用频次	S-SHOT-ACTIVE + S-SHOT-PASSIVE 次数	反映求助模式
元认知陈述频次	M-开头编码的总次数	反映元意识水平
分离编码频次	SEP-开头编码的总次数	反映分离现象强度
AI风险提醒次数	A-RISK-WARN 次数	反映AI的教育敏感性
AI脚手架次数	A-META-SCAFFOLD 次数	反映AI的元认知支持

反思记录统计

指标	计算方法	用途
编码密度	开放编码数 / 总句子数	反映反思深度
AI归因强度	AI归因编码(ATTR-AI-*)频次	反映归因倾向
独立信心评分	INDEP-CONFIDENT=3, UNCERTAIN=2, DOUBTFUL=1	量化独立信心
理解深度评分	UNDER-TRUE=3, PROCEDURAL=2, SURFACE=1	量化理解深度
元认知校准度		META-EVAL-ACCURATE
依赖觉察度	DEP-AWARE-* 编码的有无	是否觉察到依赖

3.3 质量检查清单

编码完成后，逐条检查：

[ ] 所有发言/句子都已编码（无遗漏）
[ ] 编码定义与示例一致
[ ] 同一类文本的编码一致
[ ] 一条文本的多重编码都有依据
[ ] 分离编码仅在有明确证据时标注
[ ] 所有"?"标记已解决或记录
[ ] 编码员间一致性达到Kappa>0.70
[ ] 主题有充足的原始引用支撑
[ ] 负性案例（与预期不符）已记录

第四部分：附录

附录A：编码速查卡（可打印）

学生行为编码速查

S-ASK-*     提问求助 (CONCEPT概念/PROC程序/DEBUG调试/VERIFY验证/COMPLETE完整方案)
S-SHOT-*    截图行为 (ACTIVE主动/PASSIVE被动)
S-CODE-*    代码相关 (REQ请求/SHARE分享)
S-CONFIRM   确认回应
S-FEEDBACK  反馈 (POS正向/NEG负向)
S-META-*    元认知 (AWARE觉察/ATTRIB归因)
S-INIT      切换话题
S-EXPLORE   探索提问
S-REPEAT    重复提问
S-OFF       离题

AI行为编码速查

A-EXPLAIN   概念解释
A-INSTRUCT  步骤指导
A-DEBUG     排错解决
A-CODE-*    代码 (PROVIDE提供/EXPLAIN解释)
A-VERIFY-*  验证 (CONFIRM确认正确/CORRECT纠正错误)
A-QUESTION  提问 (CLARIFY澄清/PROBE探查)
A-META      元认知脚手架
A-RISK      风险提醒
A-ENCOURAGE 鼓励
A-EMPATHIZE 共情
A-HALLUCIN  幻觉
A-CORRECT   自我纠正
A-SEARCH    外部检索
A-COMPLETE  完整方案
A-ANALOGY   类比教学
A-OPTION    提供选项

分离编码速查

SEP-SE-HIGH      SE虚高信号
SEP-META-LOW     元认知不足
SEP-ATTRIB-AI    归因AI
SEP-ATTRIB-SELF  归因自身
SEP-INDEP-LOW    独立信心低
SEP-INDEP-HIGH   独立信心高
SEP-DEP-AWARE    依赖觉察
SEP-DEP-UNAWARE  依赖无意识
SEP-ILLUSION     理解错觉
SEP-TRUE         真正理解

反思记录主题速查

T1 处理流畅性体验  → AI-EFFICIENCY, AI-FLUENCY
T2 能力归因困惑    → ATTR-* 类别
T3 独立信心缺口    → INDEP-* 类别
T4 依赖觉察与调节  → DEP-* 类别
T5 理解深度分层    → UNDER-* 类别
T6 元认知校准偏差  → META-EVAL-* 类别
T7 技术门槛感知    → DIFF-* 类别
T8 求助策略选择    → STRAT-* 类别

附录B：常见问题FAQ

Q1：一条发言可以同时标多个编码吗？

可以。例如学生说"[截图]这个报错什么意思"，同时标 S-ASK-DEBUG + S-SHOT-ACTIVE。

Q2：学生的极简回应（"OK""继续"）怎么编码？

标 S-CONFIRM。这类回应承担"推进对话"的功能，不应遗漏。若连续多次出现，可记录频次。

Q3：AI的思考过程（如DeepSeek的"已思考"）需要编码吗？

标 SYS。若思考过程包含搜索、浏览等外部行为，可标注为 SYS-SEARCH。

Q4：如何判断"理解错觉"（SEP-ILLUSION）？

需要结合多个证据：①学生声称"学会了"/"掌握了" ②但无法具体解释原理 ③反思中列出需要加强的内容很少或为空 ④问卷中归因于AI。单独一条文本不足以判定。

Q5：反思记录中选择题部分需要编码吗？

选择题（问题类型、解决耗时等）用于量化统计，不需要质性编码。仅对三道开放题进行质性编码。

Q6：编码不一致时如何处理？

先各自记录编码，然后讨论分歧原因，修订编码规则，再对全部数据重新检查。目标是达成共识，而非简单妥协。

编码手册完成。建议先试用5份数据进行预编码，根据实际效果调整规则后再全面展开。

第五部分：编码裁决记录（2.0 新增）

本节记录在 958 轮预编码（2026-09-06，AI 预编码 + 第一作者复核）中暴露的三处口径模糊点及正式裁决。裁决人：第一作者。生效日期：2026-09-06。本记录同时作为论文方法章节的 audit trail。

裁决 1：S-ASK-VERIFY 与 M-MC-MONITOR 的重叠

问题：两标签示例几乎相同（"我这样做对吗"），预编码中 60 轮 M-MC-MONITOR 有 47 轮与 S-ASK-VERIFY 双打，边界模糊。

裁决：验证请求是行为与元认知两个维度，允许双打，但收紧 M 组判据——

情形	编码	理由
学生带自主评估意图求确认（"我理解得对吗，因为……""我检查过了应该没问题吧"）	S-ASK-VERIFY + M-MC-MONITOR	真监控：学生在自我评估
裸问式确认（"这对吗""点哪个""然后呢"）	仅 S-ASK-VERIFY	监控外包：判断权交给 AI，恰恰是没有监控

分析价值：「自我监控（内生）vs 监控外包」的区分本身即是分离现象的过程证据，将在讨论部分与 SEP-DEP-UNAWARE 呼应。

裁决 2：SEP-DEP-UNAWARE 的行为阈值

问题：1.0 定义（"连续请求 AI 完成每一步"）无量化标准，编码员间可能判断不一。

裁决：保守口径，满足三条之一才编码——

连续 ≥3 轮只发指令式短句或截图（"下一步""点哪个""然后呢"），无任何自主诊断尝试；
明确的整段委托表述（"你直接帮我做""给我完整方案"）；
界面文字已给出答案仍不阅读直接问 AI 指路。

排除规则：单轮"点哪个"不编；拿不准不编。漏判部分由反思记录与归因问卷数据兜底。

裁决 3：静默报错截图的归类

问题：学生无文字、仅发报错截图的轮次是否算调试求助。

裁决：算。截图描述明确显示报错/失败/卡住状态时，编 S-SHOT-ACTIVE/PASSIVE + S-ASK-DEBUG（隐性求助）；中性进度截图不加 DEBUG。理由：「甩图不说话」是本数据集的主导求助模式（截图求助轮次占比最高），不编将丢失最真实的行为数据。

变更清单

M-MC-MONITOR 定义收紧（自主评估意图才编码）
SEP-DEP-UNAWARE 增加三条行为判据与排除规则
S-ASK-DEBUG 扩展至静默报错截图
958 轮预编码已按本裁决全部重判，重判记录另存《重判记录_2.0.csv》