文献标题

Scientific and Fantastical: Creating Immersive, Culturally-Relevant Learning Experiences with Augmented Reality and Large Language Models

文献信息

  • 主题领域: 科技辅助教育、增强现实、人机交互
  • 关键词: 教育、学习、增强现实、叙事性学习、大型语言模型、儿童、文化相关性、环境科学、科技互动系统

研究背景与问题

  • 作者发现的问题或挑战:

    • 激发儿童学习的内在动机是教育领域的主要挑战。
    • 虽然已有研究表明增强现实(AR)和叙事可以促进学习,但如何结合AR、叙事和大型语言模型(LLMs)设计出具文化相关性且有效的学习环境仍然是一个尚未深挖的领域。
    • 学生在现实与虚幻之间的学习迁移效果和认知辨识问题需要进一步考量。
  • 问题的重要性:

    • 高水平的内在学习动机对于更好的学习成果是不可或缺的。
    • 平衡文化相关性与全球化视野,创造适合不同文化背景儿童的教育资源,可以促进文化融合与多样性教育。
  • 研究动机与相关工作:

    • 使用增强现实技术创造沉浸式学习环境已被验证对教育有正面影响。
    • 叙事性学习通过故事讲述来提高参与度和沉浸感,同时推动创造性和批判性思维。
    • 大型语言模型可以为学习者提供即时、互动和个性化的反馈,但其教育应用领域仍处于初期探索阶段。

解决方案

  • 提出的方法或解决方案:

    • 作者开发了一个名为“月球故事”(Moon Story)的移动应用,该系统通过结合增强现实、叙事性学习和大型语言模型,创造基于中国神话的沉浸式、互动文化相关学习体验。
    • 儿童在“月球故事”中踏上探险旅程,进行基于传统文化和现实环保及天文学知识的学习活动。
  • 创新之处:

    • 将增强现实与真实物理标志物相结合,提升对天文学距离和规模的认知。
    • 用大型语言模型赋予虚拟角色生命,使用户能够与叙事角色进行生动的互动。
    • 加入中国神话元素(如嫦娥和后羿的故事),形成文化沉浸体验,从而进一步激发文化归属感和学习兴趣。
  • 实施步骤与关键技术:

    1. 内容设计: 根据教学大纲和布鲁姆认知分类法制定学习目标,覆盖生态系统、气候变化、太阳系等科学知识。
    2. 叙事设计: 以中国嫦娥传说为基础,改编神话元素,使其与现代气候变化和天文学内容相关联。
    3. AR场景制作: 设计7项互动活动,例如太阳系规模探索、动态过滤气候变化视觉效果等。
    4. LLM互动: 通过GPT-4创建角色互动,在写信环节中实现即时反馈、个性化提示和支持反思。

研究成果

  • 具体成果:

    • 儿童在完成课程后表现出显著的知识提升,并展示出对科学学习的高动机。
    • LLM增强型版本有效解决了学习任务中可能出现的低参与问题。
    • 定量分析显示学习成绩的提高具有统计意义,并证实了中等效应量的知识保留。
    • 定性分析表明中国文化叙事元素对所有参与者都有积极影响,不同文化背景儿童均表现出高度的参与度。
  • 优势相比现有解决方案:

    • 创造了一种文化相关性强的学习环境,拓展了AR和LLM在教育领域中的应用场景。
    • 将环境科学和文化教育结合在一个完整的叙事框架内,使沉浸式教育体验更加丰富。
  • 实验或评估结果:

    • 学习评估包括定量测试(知识问答)和定性反馈(用户体验调查)。
    • LLM版本在提升学生反思质量和内容关联性上表现更优,同时具有防范参与度下降的潜力。
    • 参与者对系统的沉浸感和自主探索的自然环境活动反响积极。
  • 局限性与未来方向:

    • 局限性:
      • 研究需要监督实施,无法完全体现自驱学习模式。
      • 尽管工程和教育设计精细,LLM在儿童认知适应性方面仍存在长句和复杂语法的问题。
      • AR活动依赖具体场所的物理标志物,可能限制广泛推广。
    • 未来方向:
      • 创建更加适合儿童语言表达的LLM弹性语法模式,整合简洁交流与有效教育功能。
      • 探索如何在各种文化背景下动态调整叙事内容,以实现更广泛的受众覆盖。
      • 扩展AR和LLM的应用场景,通过长时间测试验证它们的知识迁移效果。

总结

该研究展示了将增强现实技术与大型语言模型进行整合,通过文化相关的叙事设计,创造全新的互动式学习体验的潜力和挑战。该系统“月球故事”有效地融合了古老的神话与现代科技,使传统教育形式焕发新活力,并为未来全球化、多文化教育的开发提供了借鉴路径。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147314/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642041
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
13 位作者
sell
研究子方向
AR 导航与情境感知、大语言模型(LLM)的人机协作
work
职业/产业
中小学教师(K-12)、儿童教育工作者
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文