数学神话：利用大型语言模型通过儿童与AI共同创作的故事教学数学语言

文献标题

Mathemyths: Leveraging Large Language Models to Teach Mathematical Language through Child-AI Co-Creative Storytelling

文献信息

• 主题领域: 教育技术、人工智能与儿童学习
• 关键词: 故事叙述, 数学语言, 会话界面, 大型语言模型, 儿童与AI协作, 共创, 儿童

研究背景与问题

• 问题或挑战: 儿童早期数学发展的重要组成部分是数学语言的掌握，如“等于”、“一半”等词汇。然而，这类语言的获取通常依赖于与父母和教师的日常对话，但这种机会的数量和质量因社会经济差异而大不相同，可能导致早期数学能力的差距。此外，通过故事叙述将抽象的数学语言融入到教育中是一个常见的方法，但此类方法需要一对一的辅导，教育资源不足使其困难重重。
• 重要性: 数学语言理解对儿童未来的学习成就具有预测作用，提升儿童数学语言的教育干预方法对弥合教育鸿沟具有实际意义。
• 动机与相关工作: 随着大型语言模型（LLMs）的技术进步，这些模型展现了与儿童进行自发和创造性对话的潜力。对话式AI的教育应用，特别是在教学中的可行性和效果研究，尚未系统展开。

解决方案

• 提出的方法或解决方案: 本研究开发了一个利用大型语言模型（如GPT-4）的联合故事叙述系统 Mathemyths，在与4-8岁儿童共创故事的过程中，结合数学语言的教学。
• 创新之处:
  • 采用prompt engineering技术优化AI语言生成，使其适应儿童用户，并结合教育目标。
  • 加入支持策略（如跟随问题和提示重述等）以帮助儿童参与故事，并专门设计数学语言的上下文化解释。
• 实施步骤与技术:
  • 开发系统以轮流与儿童进行故事叙述，诱导儿童使用关键数学词汇。
  • 模型通过问题生成、故事延续和交互式反馈框架（包括反馈和支架机制）实现三部分对话结构。
  • 通过用户调研和实验评估系统，验证其在教育语境下的表现。

研究成果

• 具体成果:
  • 儿童在与Mathemyths交互后，其数学语言的学习效果与有经验的人类伙伴指导的效果相当。
  • 系统能够精准支持儿童完成相关的语言任务，包括关键词回忆、定义、迁移场景理解等。
  • 对于不同年龄组的儿童，学习和交互模式存在细微差异：年长儿童在与AI互动中展现了更复杂的反应，而较小儿童从AI的支架功能中受益较多。
• 与现有方法的对比优势:
  • 系统实现了与儿童进行更加开放与创造性对话的能力，而不仅局限于传统AI的结构化交互。
  • 提供了通过情境叙述学习数学语言的新方法，弥补了家长或教育资源不足带来的局限。
• 实验或评估结果:
  • 在35名儿童中进行了用户研究。结果显示，其数学语言学习得分从实验前的均值16.69提高到实验后的均值18.97。虽然与AI互动的结果未显示显著优于与人类互动，但其可比较性为推广此新型学习模式奠定了基础。
  • 年幼儿童对AI提出的问题“不确定性”回答率稍高，这是由于部分问题的想象元素更为突显，例如利用“云朵加速旅行”。
• 局限性与未来方向:
  • 系统的数学语言生成能力较高，但在创造性延展和特定逻辑上仍存在可改进空间。
  • 长期用户研究尚未充分展开，未来可评估AI学习工具在长期应用中的效果，同时探索图像与文本的多模态交互。

输出格式

• 输出内容结构化清晰。
• 文献所述所有实验与研究数据均包含。
• 为儿童学习设计的AI系统如 Mathemyths 提供了值得借鉴的设计框架与实证依据。