为元认知提供脚手架：探索运用生成式AI支持ADHD大学生任务管理的设计机会

文献标题

Scaffolding Metacognition with GenAI: Exploring Design Opportunities to Support Task Management for University Students with ADHD

出版信息

• 主题领域: 利用生成式人工智能（GenAI）支持患有注意力缺陷多动障碍（ADHD）的大学生进行任务管理和元认知过程。
• 关键词: ADHD, 任务管理, 元认知, 生成式人工智能, 认知支架, 情绪调节, 大学生, 生产力工具, 共同设计, 神经多样性。

背景与问题

• 问题/挑战: 患有ADHD的大学生在学术任务管理方面面临显著挑战，这主要源于元认知困难，包括任务意识不足、自我监控能力差以及情绪调节问题。现有的生成式人工智能工具并未针对这些特定需求进行设计。
• 重要性: 有效的任务管理对学术成功至关重要，解决这些挑战可以降低ADHD学生表现不佳、辍学以及情绪困扰的风险。
• 动机与相关研究: 之前的研究探讨了针对ADHD的元认知干预和辅助技术，但尚未充分研究生成式人工智能如何支持元认知过程。目前的生成式人工智能工具通常面向神经典型用户设计，可能会无意中削弱元认知能力，导致依赖或强化偏见。

解决方案

• 提出的方案: 利用生成式人工智能为患有ADHD的大学生提供元认知支架，重点增强任务意识、反思性执行以及情绪调节。
• 创新性:
  1. 识别ADHD在任务管理中的特定元认知挑战，包括任务意识碎片化和情绪障碍。
  2. 通过共同设计开发针对ADHD需求的生成式人工智能解决方案，并通过专家反馈进行验证。
  3. 提出设计原则，利用生成式人工智能促进反思，平衡兴趣与现实，并支持情绪成长，同时避免依赖性。
• 流程与关键技术:
  1. 与20名患有ADHD的大学生进行共同设计会议，探索他们的任务管理挑战并设想生成式人工智能解决方案。
  2. 采访5位ADHD领域专家，评估设计的可行性、临床相关性以及潜在风险。
  3. 对参与者的挑战和设计理念进行主题分析，提出三种生成式人工智能支持的关键设计方向。

结果

• 具体发现:
  • 识别出三大元认知挑战：任务和自我意识缺乏、监控与控制困难以及情绪障碍。
  • 提出的生成式人工智能解决方案包括从碎片化来源整合任务、个性化时间估算、自适应优先级排序、反思性任务执行以及通过虚拟伴侣进行情绪调节。
• 相比基线的优势:
  • 生成式人工智能在整合碎片化任务信息、提供个性化反馈以及促进情绪调节方面具有独特优势，而传统工具则缺乏这些能力。
  • 专家强调生成式人工智能能够降低认知负担并促进自我反思，但同时也警告可能存在依赖性和偏见强化的风险。
• 实验/评估:
  • 共同设计会议揭示了多样化的用户需求和设计理念，专家访谈验证了设计的可行性并指出了潜在风险。
  • 参与者的设计理念基于现实中的学术挑战，专家强调在自动化与用户自主性之间保持平衡的重要性。
• 局限性与未来工作:
  • 参与者的文化背景较为单一（普通话使用者，使用中国社交媒体），可能限制研究结果的普适性。
  • 需要在未来实施中解决生成式人工智能依赖性和幻觉问题。
  • 未来工作将专注于开发基于生成式人工智能的任务管理工具，结合自适应和隐私保护功能。

总结

本研究探讨了生成式人工智能（GenAI）如何为患有ADHD的大学生提供元认知支架，解决任务管理中的挑战，如任务意识碎片化、自我监控能力差以及情绪障碍。通过与20名学生的共同设计会议以及与5位ADHD专家的访谈，作者识别了三种设计方向：增强任务和自我意识、促进反思性任务执行以及支持情绪调节。尽管生成式人工智能在降低认知负担和促进反思方面表现出潜力，专家也警告了依赖性和偏见强化的风险。这些发现为设计包容性、支持元认知的生成式人工智能工具提供了路线图，同时强调了在自动化与用户自主性之间的平衡。