探索数据叙事教育中学生反馈需求与设计机会

文献标题

Exploring Student Feedback Needs and Design Opportunities in Data Storytelling Education

出版信息

• 主题领域: 数据叙事教育中的人工智能辅助反馈
• 关键词: 数据叙事, 人工智能反馈, 教育设计, 参与式设计, 形成性反馈, 叙事可视化, 支架式教学, 学生学习, 创意工作流, 智能辅导系统

背景与问题

• 问题/挑战: 数据叙事教育需要整合分析、设计和叙事技能，但由于高注册人数和资源限制，教师在提供及时、个性化反馈方面面临挑战。现有工具更关注自动化叙事，而非教授叙事过程。
• 重要性: 有效的反馈机制对于培养数据叙事技能至关重要，而这些技能正日益被视为数据科学专业人士的核心能力。解决这一空白可以改善学习成果并支持创意工作流。
• 动机与相关工作: 先前研究强调了结构化反馈在教育中的重要性，但现有框架主要聚焦于线性任务，对数据叙事等创意、多阶段过程的指导有限。本文基于教育心理学、创造力和人机交互领域的文献，探索复杂工作流中的反馈设计。

解决方案

• 提出的方法: Story Studio，一个人工智能辅助的叙事平台，旨在根据数据叙事过程的不同阶段提供自适应反馈。
• 创新点:
  1. 关于学习者和教育者在数据叙事工作流中反馈需求的实证见解。
  2. 对用户偏好的反馈模式（按需、自动、过程、结果）在人工智能辅助工具中的评估。
  3. 关于在反馈系统中平衡责任、创造力和无缝性的设计启示。
• 程序与关键技术:
  • 进行两阶段的参与式设计研究：
    1. 第一阶段：通过观察（N=8）和访谈（N=6）识别反馈需求和挑战。
    2. 第二阶段：举办两场设计研讨会（N=8/10），共同设计并评估Story Studio的反馈策略。
  • 基于用户反馈开发并迭代完善原型（V0, V1, V2）。
  • 通过问卷调查（N=7）评估六种反馈模式（按需、自动、跳过、处理、过程、结果）。

结果

• 具体发现:
  • 按需反馈被评为更有效（M=4.57）且更有用（M=4.57），而自动反馈被认为更具说服力（M=4.00）。
  • 过程反馈在有效性评分中最高（M=4.86），而结果反馈在说服力上更高（M=4.00）。
  • 参与者更倾向于接受处理反馈而非跳过反馈，他们认为强制修订有助于反思，但也担心限制创意灵活性。
• 相较基线的优势:
  • Story Studio 提供自适应、阶段敏感的反馈，填补了现有工具专注于自动化叙事而非教授过程的空白。
• 实验/评估:
  • 通过观察、访谈和研讨会为原型开发提供信息。
  • 问卷调查评估了反馈模式在有效性、说服力和有用性方面的感知。
  • 评估的反馈模式包括时间（按需 vs. 自动）、要求（处理 vs. 跳过）和定位（过程 vs. 结果）。
• 局限性与未来工作:
  • 由于单一机构研究和小样本量（N=7，问卷调查），结果的普适性有限。
  • 未来工作将包括多机构研究、A/B测试以及学习成果的评估。
  • 计划探索沉浸式媒体和资源受限系统中的数据叙事。

总结

本研究探讨了数据叙事教育中人工智能介导反馈的设计，解决了提供个性化、阶段敏感反馈的挑战。通过参与式设计和迭代原型开发，作者识别了用户对反馈时间、要求和定位的偏好，强调了在责任与创意灵活性之间的平衡需求。结果显示，按需反馈被认为更有效，而自动反馈更具说服力。过程反馈支持即时反思，而结果反馈有助于回顾性反思。设计启示包括自适应反馈要求、避免过度安排以及明确人工智能与教师的角色。未来工作将聚焦于更广泛的评估和学习成果。