"定制 bot"：教师定制生成式 AI 课堂聊天机器人的多样化需求

文献标题

“Bespoke Bots”: Diverse Instructor Needs for Customizing Generative AI Classroom Chatbots

出版信息

• 主题领域: 面向教育场景的生成式AI聊天机器人定制化研究。
• 关键词: AI聊天机器人、教育技术、定制化、模块化设计、教学法、STEM教育、课程管理、个性化、能动性工作流、教学设计。

背景与问题

• 问题/挑战: 当前用于课堂的AI聊天机器人缺乏灵活性，无法满足教师多样化和特定情境的需求。现有系统通常是单一结构的，难以适应不同课程规模、学科和教学风格的变化。
• 重要性: 可定制的AI聊天机器人能够减少教学瓶颈，提升教学效果，并与教师独特的课程需求保持一致。然而，由于缺乏模块化和可适应的设计框架，其潜力尚未得到充分发挥。
• 动机与相关工作: 先前的研究表明，定制化静态教育工具（如LMS）的价值显著，但聊天机器人由于其非确定性行为带来了新的挑战。尽管已有一些用于聊天机器人定制的工具，但它们并未设计为适应动态且多样化的教学需求。本文基于模块化和能动性工作流的理念，旨在填补这一空白。

解决方案

• 提出的方法: “可教的队友”概念——模块化AI聊天机器人，可根据特定课程规则、角色和材料进行定制，为教师提供灵活性和控制力。
• 创新点:
  1. 实证识别教师对课堂AI聊天机器人定制的优先需求。
  2. 从对182个提示和STEM教师访谈的内容分析中提炼出十个定制化功能类别。
  3. 提出教育聊天机器人系统中模块化和能动性工作流的设计启示。
• 流程与关键技术:
  • 对182个公开的教育提示进行内容分析，以识别定制化类别。
  • 与10位STEM教师进行半结构化访谈，包括卡片分类活动以优先排序定制化功能。
  • 分析不同教学情境下教师需求的趋同性和差异性。

结果

• 具体发现:
  • 教师普遍优先考虑定制课程材料、教学策略和约束/防护措施。
  • 角色/语气和内容格式等功能被相对弱化。
  • 在个性化、课程管理和用户环境等方面出现了需求分歧，反映了课程规模、形式和教学风格的差异。
• 相较基线的优势: 研究突出了“一刀切”聊天机器人设计的不足，并提出模块化作为在通用需求与多样化情境之间平衡的解决方案。
• 实验/评估:
  • 参与者: 来自北美和欧洲的10位STEM教师，教授不同规模和形式的课程。
  • 方法: 卡片分类活动对十个定制化类别进行排序，随后对访谈记录进行主题分析。
  • 指标: 定制化优先级排名及教师在权衡取舍中的定性见解。
• 局限性与未来工作:
  • 研究结果仅限于STEM大学教师，可能无法推广至K-12或非STEM领域。
  • 卡片分类方法可能引入了轻微的解释性偏差。
  • 未来研究应探索全球视角、共享的制度性障碍，以及模块化聊天机器人系统的开发。

总结

本文研究了STEM教师如何希望定制课堂AI聊天机器人，发现教师在嵌入课程材料、教学策略和防护措施方面需求趋同，而在个性化和课程管理等需求上存在分歧。研究提出了“可教的队友”这一概念，即模块化聊天机器人代理，可根据特定角色和任务进行配置，以解决单一结构聊天机器人系统的局限性。通过强调模块化、能动性工作流和共享机制，研究为设计能够适应教学动态性和多样性的AI工具提供了路线图。