Mentigo：在创造性问题解决过程中指导学生的智能代理

研究背景与问题

作者发现了哪些问题或挑战？

• 中学教育中实施创意问题解决 (Creative Problem-Solving，CPS) 项目需要个性化的持续指导，但由于资源限制和学生需求多样性，此类指导在大规模教学中难以实现。
• 教师难以在团队协作、任务计划、问题分析等阶段提供充分支持，对于中学生，任务的跨学科性和复杂性尤为显著。
• 中学教育中对生成式AI的研究较少，大部分研究集中于儿童或成人学习者。

为什么这个问题很重要？

• CPS能够培养学生的创造性和批判性思维，提升解决复杂现实问题的能力，是一种具有显著教育价值的教学方法。
• 在 STEM 教育中推广 CPS 有助于培养学生的批判性思维和创造力，这是中学生在教育和职业发展中的关键技能。
• 适应中学生特定需求的生成式人工智能指导系统尚存空白。

研究动机与相关工作

• 生成式人工智能（Generative AI）可以为中学 CPS 项目提供个性化的师生互动，减轻教师的工作负担。
• 先前的研究集中于规则基础的教学系统或任务协助模式，而少有针对生成式AI作为导师角色的深入探索。
• 中国学者及国际教育专家的研究提供了背景，认为生成式人工智能可以帮助增强课堂教育效果，特别是在创意任务方面。

---

解决方案

作者提出了哪些方法或解决方案？

• 提出了一个名为 “Mentigo” 的 AI驱动导师代理系统，专为指导中学生完成创意问题解决任务而设计。
• Mentigo 系统采用真实课堂交互数据，支持六阶段CPS任务流程，通过动态监控和生成式AI为学生提供个性化指导。

该解决方案的创新之处是什么？

• Mentigo系统通过动态更新学生状态模型，提供上下文敏感的指导策略。其从静态任务指导系统转向对学生实际心理和认知状态的实时响应。
• 系统不仅限于基本AI工具的直接任务完成，而是通过动态监控提供长期的深度学习支持。
• 首次使用真实交互数据集合（2,362条交互记录）构建改善创意问题解决的导师模型。

实施步骤是什么？使用了哪些关键技术？

1. 数据集构建：

   • 作者通过两次CPS工作坊收集了57名中学生和12位导师的互动数据，共计80小时课堂录音，生成1,615条对话记录及747个指导策略。
   • 数据被分类成三个关键元素：学习阶段、学生状态、导师策略。

2. 架构设计：

   • 数据库模块：存储任务阶段、学生认知与情感状态以及指导策略的动态映射关系。
   • 控制代理 (Controller Agent)：负责实时动态的阶段决策、状态更新和策略选择，确保任务流的结构化。
   • 导师代理（Mentor Agent)：提供个性化反馈，模拟导师情感化互动。

3. 技术细节：

   • 系统采用Google Sheets作为后端存储，结合OpenAI GPT-4和LangChain技术进行实时语言生成。
   • 使用 Retrieval-Augmented Generation (RAG) 技术从数据库中动态搜索案例，确保指导的上下文相关性。

4. 实验与评估：

   • 用户实验：测试Mentigo与基准系统的性能，通过中学生与两个系统完成任务对比，评价知识增长和学习效果。
   • 专家评审：五名教育专家审查学生报告及对话数据，验证系统的教育价值。

---

研究成果

取得了哪些具体成果？

• Mentigo展示了显著提高学生任务参与度，学生在Mentigo系统环境下任务时长更长（平均43.7分钟）且对话轮数更多（平均24轮）。
• 在知识提升方面，Mentigo组的后测分数（M=6.67）较显著高于基准系统（M=5.0）。
• 学习报告评估显示，Mentigo系统相比基线系统能够帮助学生生成更高质量、更详细且更原创性的任务解决方案。

与现有解决方案相比，它有哪些优势？

• Mentigo具有动态自适应能力，实时监控学生状态，调整策略与任务阶段，弥补传统静态AI教学工具的不足。
• 导师代理通过表现类似“情感支持者”的角色，给学生提供更具人情味、更互动式的体验。

实验或评估结果是什么？

• 用户实验结果表明，Mentigo在促进深层思维与创作方面表现更佳，学生利用Mentigo系统的对话中分析、评估和创造级别的语言认知更高。
• 专家评审指出，Mentigo相较于基准系统，在培养学生的批判性思维及任务完成的独立性方面效果更突出。

局限性与未来方向

局限性：

• 当前实验条件较为受控，规模较小且未能完全验证Mentigo在真实教育环境下的长期稳定性。
• 未探索跨领域协作任务或教师如何实时介入系统行为，为群体学习提供支持。

未来方向：

• 将Mentigo应用于真实课堂，探索其在不同教师教学和学生协作情境中的表现。
• 开发教师接口，使导师能够实时监控学生状态并提供支援。
• 引入多模态信号（如身体语言和情感识别）以改进系统的学生状态检测精度。

---

通过Mentigo系统的开发与评估，此项研究为AI在教育领域的应用提供了新方向，突显了生成式人工智能在促进个性化学习中的显著潜力。