在大語言模型（LLMs）快速滲透軟件工程實踐的背景下，軟件測試人才培養(yǎng)正面臨新的結(jié)構(gòu)性挑戰(zhàn)。一方面，學(xué)生已廣泛將大語言模型用于需求分析、測試設(shè)計與腳本生成等任務(wù)，但其使用方式往往缺乏系統(tǒng)指導(dǎo)，呈現(xiàn)出明顯的“工具依賴”傾向；另一方面，現(xiàn)有研究多聚焦于大語言模型是否提升結(jié)果質(zhì)量，卻忽視了其對學(xué)習(xí)行為與認(rèn)知過程的深層影響。我們的研究發(fā)現(xiàn)，學(xué)生在實際測試任務(wù)中普遍存在提示設(shè)計不充分、上下文缺失、交互迭代不足等問題，尤其在自動化測試腳本生成這一高復(fù)雜度任務(wù)中，這些問題進一步演化為高交互成本與高調(diào)試負(fù)擔(dān)，導(dǎo)致“效率幻覺”與學(xué)習(xí)風(fēng)險并存。

針對上述困境，華南師范大學(xué)數(shù)據(jù)智能開放實驗室湯庸教授團隊、廣州職業(yè)技術(shù)大學(xué)與慕測平臺展開緊密合作，通過課堂實驗與大規(guī)模問卷調(diào)查相結(jié)合的混合方法研究，系統(tǒng)揭示了LLM輔助軟件測試中的“任務(wù)依賴性使用模式”。研究表明，文本類任務(wù)（如需求分析、測試用例設(shè)計）呈現(xiàn)出相對穩(wěn)定且一致的交互模式，而腳本生成任務(wù)則表現(xiàn)出顯著的不確定性與結(jié)構(gòu)性困難。這種差異本質(zhì)上源于學(xué)生在執(zhí)行過程中難以顯式表達測試上下文、執(zhí)行約束與驗證邏輯。進一步地，我們提出并驗證了一種“階段感知（Stage-aware）提示支架”，引導(dǎo)學(xué)生在與LLM交互前外化關(guān)鍵測試信息。實驗觀察顯示，該方法能夠促使學(xué)生在不同測試階段更清晰地表達假設(shè)與約束，從而改變問題暴露的形式，并改善人機協(xié)作的結(jié)構(gòu)。

本研究的重要意義在于，它將研究視角從“模型性能優(yōu)化”轉(zhuǎn)向“學(xué)習(xí)過程重構(gòu)”，指出LLM在軟件測試人才培養(yǎng)中的核心價值不在于替代人類完成任務(wù)，而在于作為認(rèn)知支架促進學(xué)生的推理與表達能力。研究進一步表明，真正的挑戰(zhàn)不在于是否引入LLMs，而在于如何通過教學(xué)設(shè)計引導(dǎo)學(xué)生進行階段化、反思性的人機協(xié)作。由此，本論文為LLM在軟件測試教育中的規(guī)范化、學(xué)習(xí)導(dǎo)向集成提供了實證基礎(chǔ)與方法啟示，對于未來智能化軟件工程教育體系的構(gòu)建具有重要參考價值。相關(guān)成果的研究論文“Large Language Models for Software Testing Education: an Experience Report”已經(jīng)被軟件工程頂級學(xué)術(shù)（CCF-A）會議FSE 2026的教育Track錄用。

論文預(yù)印版參閱：https://arxiv.org/abs/2603.26329。