AI应该先说话吗？混合现实医学培训中主动式与反应式引导的评估

文献标题

Should the AI Speak First? Evaluating Proactive vs. Reactive Facilitation in Mixed-Reality Medical Training

出版信息

• 主题领域: AI引导在沉浸式医疗培训中的交互设计。
• 关键词: AI引导, 混合现实, 主动AI, 被动AI, 医疗模拟, 学习者自主性, 认知负荷, 交互时机, 程序性培训, 人机交互。

背景与问题

• 问题/挑战: 在沉浸式医疗培训环境中确定AI主动性最佳水平仍未解决。主动AI可能帮助学习者保持进度，但可能显得干扰性过强；而被动AI可能保留学习者的自主性，但在关键时刻可能缺乏支持。
• 重要性: 理解AI引导如何影响学习成果和体验对于设计高效且可扩展的高风险领域（如医学）培训系统至关重要。
• 动机与相关研究: 先前研究表明，与单纯使用XR相比，AI增强的XR系统能够改善学习成果，但关于主动与被动AI引导在具身沉浸式培训环境中如何影响学习者行为和感知的研究仍然有限。本研究通过对比主动与被动AI引导在混合现实腰椎穿刺模拟器中的表现来填补这一空白。

解决方案

• 提出的方法: 在基于XR的腰椎穿刺培训系统中比较两种AI引导模式——主动AI（主动提供指导）和被动AI（仅响应学习者提示）。
• 创新点:
  1. 实证分析AI主动性、时机和情境相关性如何塑造学习者在沉浸式程序性培训中的体验。
  2. 混合方法评估，结合行为视频编码、定量测量和刺激回忆访谈。
  3. 提出一个边界框架（主动性、时间性、情境性）用于校准沉浸式培训系统中的AI主动性。
• 流程与关键技术:
  • 使用Apple Vision Pro头显开发了带有AI引导功能的XR腰椎穿刺模拟器。
  • 设计了由Gemini Flash语言模型驱动的主动和被动AI引导模式。
  • 对22名医学生进行组间研究，分析学习成果、交互模式和学习者感知。

结果

• 具体发现:
  • 主动和被动AI条件下的学习成果（知识增长、自我效能、任务表现）之间无显著差异。
  • 两组在培训后均表现出程序性知识和信心的显著提升。
  • 被动条件下的学习者稍微更多地发起交互，但差异未达到统计显著性。
• 相较基线的优势: 两种AI引导模式均支持积极的学习成果，但在客观指标上没有一种模式优于另一种。
• 实验/评估:
  • 参与者（n=22）被随机分配到主动（n=11）或被动（n=11）AI条件。
  • 数据收集包括培训前后调查问卷、专家评分的表现评估以及视频记录的培训会话。
  • 行为和主题编码揭示了学习者与AI交互模式和感知的细微差异。
• 局限性与未来工作:
  • 研究仅关注单一程序性技能（腰椎穿刺）和每位学习者的一次培训课程。
  • 主动触发机制尚处于开发阶段，未完全优化。
  • 样本量较小，限制了对微小定量差异的检测。
  • 未来工作应探索AI主动性的自适应实时校准，并评估其在不同领域和学习者群体中的普适性。

总结

本研究在基于XR的腰椎穿刺模拟器中比较了主动与被动AI引导，以探讨AI主动性如何影响学习成果和体验。尽管未观察到学习成果的显著差异，行为和定性分析揭示了不同的交互模式和学习者偏好。提出了一个边界框架（主动性、时间性、情境性），用于指导沉浸式培训系统中AI引导的设计。这些发现为校准AI主动性以平衡学习者自主性、任务节奏和情境相关性提供了可操作的见解，并对沉浸式学习环境中的广泛应用具有重要意义。