SET-PAiREd:设计父母参与使用AI辅助教育机器人学习

大语言模型(LLM)的人机协作编程教育与计算思维儿童早期教育技术机器人在教育与医疗中的应用语言治疗师与听觉学家中小学教师(K-12)大学教授与研究人员儿童教育工作者

研究背景与问题

  • 作者发现了哪些问题或挑战?
    尽管父母期望积极参与早期教育,但许多父母面临技能、时间和精力的限制,这对他们有效参与儿童学习活动构成障碍。此外,现有研究更多地聚焦于儿童的需求,忽略了父母在教育中的角色。同时,父母还担忧AI生成内容的准确性、隐私风险及其潜在的不适用性。

  • 为什么这个问题很重要?
    父母在教育中的参与被证明能显著影响儿童的学习表现和情感发展。然而,父母参与的有效性受到其自身能力和时间的不平衡、以及儿童需求的影响。寻求解决这些问题对于提升早期教育质量和效果具有重要意义。

  • 研究动机与相关工作
    本研究致力于解决上述挑战,通过设计一种新的互动范式,使父母得以灵活地参与教育活动,同时与AI教育机器人协作生成学习内容。与以前的类似研究相比,本研究的创新在于同时关注父母的需求和AI辅助的可行性。


解决方案

  • 作者提出了哪些方法或解决方案?
    作者设计了两种工具:SET活动套件和PAiREd系统。SET活动套件使用卡片活动来系统性地记录父母在早教中的真实场景,而PAiREd系统是一种与AI教育机器人整合的界面,帮助父母生成和修改学习内容,灵活调整其参与角色。

  • 该解决方案的创新之处是什么?

    1. 灵活父母参与机制: PAiREd通过模式切换和任务角色分配功能,使父母能够根据具体场景决定如何参与。
    2. AI内容监督和协作创建: 相较于完全使用AI生成内容,该系统允许父母监督和定制学习材料,有效减少对AI的完全依赖。
    3. 双重平台工具设计: SET卡片活动系统提供了面向父母行为研究的早教场景标准,因为其关注技能、能量和时间三个维度的组合。
  • 实施步骤是什么?使用了哪些关键技术?

    1. SET设计: 通过技能、高低能量及时间的组合因素,将父母参与场景分类为八种基本类型。
    2. PAiREd设计: 开发一个大型语言模型(LLM)驱动的内容生成平台,结合父母编辑界面和任务参与角色配置。具体使用了ChatGPT-4、React前端框架、FAST API及Misty II社会型机器人。
    3. 用户研究: 在家庭内对20组父母-子女对进行研究,记录父母对AI生成内容的态度、内容调整行为及与机器人的协作偏好。

研究成果

  • 取得了哪些具体成果?

    1. 确定了父母在教育活动中的三大关键限制因素:技能、动机与可用时间,并系统总结了八种基本场景。
    2. 展示了父母对AI生成内容的混合态度,既重视其高效性和可定制性,也担忧其适用性与准确性。
    3. 发现父母根据时间和能量状态变化,对机器人协作模式和任务分配方式表现出明显偏好,包括完全接管模式、协作模式以及完全交由机器人模式。
  • 与现有解决方案相比,它有哪些优势?

    1. 模式切换与任务分配实现了交互角色的动态调整,更适合家庭教育场景中不断变化的需求。
    2. 将父母的教育意图纳入AI生成内容的监督过程,增强了父母对AI系统的信任感。
    3. 卡片活动工具与AI系统结合,为儿童教育场景的系统研究提供了可靠的标准化框架。
  • 实验或评估结果是什么?
    量化结果表明,许多父母在观察孩子完成活动后调整了对其能力的认知,特别是对数学高级概念和读写能力的高估或低估显著减少。此外,用户调查显示PAiREd提供了对父母教育技能的显著支持。

  • 局限性与未来方向

    1. 样本偏差: 参与者以高教育水平和高收入群体为主,限制了研究成果的普适性。未来应扩大多样化样本群体。
    2. 长效影响: 当前研究仅捕捉了短期反应,未来需进行长期跟踪以探讨AI辅助工具对学习结果和家长-子女互动模式的持续影响。
    3. 二分法设计限制: 八种场景过于简化,未来可探索连续变量下的更多组合。
    4. 伦理问题: AI生成内容的透明性与儿童隐私保护仍需深入探索。

总结

本研究提出了一种整合父母参与与AI辅助教育机器人的新颖交互范式,通过SET卡片工具和PAiREd系统实现了对早教场景的全面描述和父母参与模式的灵活调整。研究发现,父母更愿意在科技辅助下优化其教育角色,但仍然需要更高质量的AI生成内容及明确的信任保障机制。这些发现为通过技术支持家庭教育提供了有价值的设计方向与社会意义。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/188304/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713330
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、编程教育与计算思维、儿童早期教育技术、机器人在教育与医疗中的应用
work
职业/产业
语言治疗师与听觉学家、中小学教师(K-12)、大学教授与研究人员、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