Current State and Reform Directions of Chain-of-Thought Verifiable Reasoning Ability in Discrete Mathematics Teaching
Year: 2026
Type: article
Study design: Observational Study
Abstract: 摘 要 随着DeepSeek、GPT等具备Chain-of-Thought (CoT)推理能力的生成式AI的普及，离散数学课程教学面 临一个前所未有的教学挑战：学生应对课程作业能够轻易获取AI生成的"分步推理"的答案，但其独立 判断这些推理是否正确的核心能力是否得到培养，已成为亟待关注的教学问题。本研究以2026春季学期 29名离散数学学生为调查对象，通过问卷调查分析方法，系统考察了学生在AI辅助学习中的使用情况、 推理能力自评及对CoT可验证推理的认知状况。研究发现：(1) 96.6%的学生在离散数学课程学习过程中 使用过AI工具辅助学习，其中79.3%达到经常或偶尔使用频率，AI已深度嵌入学生的学习过程；(2)学 生在"发现证明漏洞"和"理解分步构造"两个维度自评较高(M = 4.00、4.07)，但在"判断AI生成证明是否正确"(M = 3.76)和"识别AI回答中的错误"(M = 3.86)两个维度的自评显著偏低；(3) 高频使用 AI的学生在所有推理能力维度上的自评均高于低频使用者，尤其在"独立完成证明能力"上的差值达 0.45，但学生对AI输出的批判性判断能力并未随使用频率增加而同步提升。基于调查结果与认知负荷理 论、 元认知理论的分析框架， 本文提出离散数学教学亟需从"答案导向"转向"CoT可验证推理导向"， 并构建"独立构造CoT推理链、AI辅助验证、人机协同修正、批判性判断"的四阶段教学框架，以重建 学生在AI时代的数学推理主体性，为离散数学课程应对AI时代的教学挑战提供方向性参考。
Source: Advances in Education
Author: 帅 赵
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: hybrid
OpenAlex ID: W7208765190