我希望它像达斯维达那样说话：帮助儿童用生成式人工智能构建创意自我效能

文献标题

"I want it to talk like Darth Vader": Helping Children Construct Creative Self-Efficacy with Generative AI

文献信息

• 主题领域: 人工智能（AI）与儿童创造力教育
• 关键词: 人工智能, 创造力, 儿童, 参与式设计, 协同设计, 建构主义

研究背景与问题

• 研究问题和挑战:
  • 当前生成式人工智能（GenAI）的创造性支持工具在设计上，常假定用户具备一定的领域知识。然而，儿童与成人在创作需要上的显著不同导致现有设计可能难以满足儿童用户。
  • 儿童的创造过程具有社会文化依赖性，系统缺乏对儿童独特社交背景和知识构建需求的支持。
  • 多数 AI 研究集中于教育或技能提升，而非如何支持创造力或提高儿童对自身创造能力的信心（creative self-efficacy）。
• 重要性:
  • 创造力对于儿童的发展至关重要，既能促进认知能力发展，也可支持社会交往能力及学习兴趣。此外，当前 AI 工具逐步渗透教育领域，理解它们如何被有效应用尤为重要。
  • AI 作为协助儿童创作的工具，可能有助于创新教育方法，但如果设计不善，也可能限制儿童的参与度和创意表达。
• 研究动机:
  • 探索生成式 AI 工具在支持儿童创造性的潜能。
  • 如何借助生成式 AI 改善儿童在创意过程中的自我效能感，从而帮助其逐步发展创造思维。

解决方案

• 方法与设计:
  • 通过六次参与式设计（Participatory Design, PD）活动，研究 7-13 岁儿童与生成式 AI（包括 ChatGPT 和 DALL-E）交互中的认知和行为。
  • 活动中系统性观察儿童的感受与行为，如改进提示、切换任务，以及在生成创意过程中遇到的挑战。
• 创新点:
  • 提出一个基于四个支持情境的解释性模型，分析和评估儿童如何与生成式 AI 进行创造性互动：
    1. 系统的可用性（System Affordances）: 包括 AI 系统的能力以及儿童对该能力的理解。
    2. 儿童的创意过程（Child’s Process）: 涉及构建任务、生成与评估输出及灵活适应问题的能力。
    3. 领域知识（Domain Understanding）: 涉及对文化和社区上下文的期望和理解。
    4. 创意意图（Creative Intention）: 包括个人兴趣动机，以及任务在环境中的定位。
  • 模型强调支持微观创意时刻（mini-c moments），如孩子对输出的满意感，以及通过学习工具功能发现新的创意方式。
• 实施步骤及关键技术:
  • 在参与式设计活动中，引入 ChatGPT（文本创作）和 DALL-E（视觉创作）等典型生成式 AI 工具。
  • 设置不同创意任务，例如生成故事、诗歌或结合图像的作品。
  • 运用反思性讨论、观察行为日志及归纳性和主题式数据分析方法整理研究反馈。

研究成果

• 具体成果:
  • 提出以“微观创意时刻”为核心的解释性模型，总结支持儿童与生成式 AI 进行创作互动的关键情境与依赖条件。
  • 四大关键发现：
    1. 儿童需要通过引导理解和适应 AI 工具的独特功能。
    2. 当 AI 无法满足期望时，儿童会通过改写提示、为系统提供背景信息或转向新主题进行调整。
    3. 很多 AI 系统使用正式语言，这对于不具备领域知识的儿童形成了认知障碍。
    4. 儿童的创意意图和任务环境显著影响他们对生成式 AI 的感知和使用方式。
• 相较现有工具的优势:
  • 解决现有 AI 工具中忽视儿童用户需要和行为模式的问题，为设计更适合儿童的生成式 AI 工具提供了理论框架。
  • 提议将生成式 AI 视为建构主义学习的工具，支持创造性自我效能感的培养，而非单纯作为任务执行的代替方案。
• 实验及评估:
  • 通过多轮设计性实验观察儿童的互动路径，与研究组保持一致的编码系统，对创造过程中的障碍和潜能提供详细解释。
• 研究局限:
  • 样本受限于单一地理位置的 12 名儿童，且面对任务设定的差异可能影响结果通用性。
  • 调研工具的选择范围有限，仅包括 ChatGPT 和 DALL-E 等少量代表性工具。
• 未来方向:
  • 扩展样本规模，研究生成式 AI 在更多文化和地理环境中的适用性。
  • 探讨领域知识深度对儿童创造互动的更深层次影响。
  • 优化和细化支持儿童创造力的交互设计，例如引入按年龄段分级的 AI 界面优化方案与个性化辅助。

总结

本文探索了利用生成式 AI 支持儿童创意任务的潜力，提出了注重儿童创意自信与学习成效的解释模型。这一研究框架为生成式 AI 工具在人本教育（human-centered education）中的应用奠定了基础，展示了其未来实施在童年教育与儿童AI素养方面的重要性。