MuseForge：利用生成式人工智能增强数字博物馆教育中的创意学习

文献标题

MuseForge: Enhancing Creative Learning in Digital Museum Education with Generative AI

出版信息

• 主题领域: 使用生成式人工智能（Generative AI）促进数字博物馆教育中的创造性学习。
• 关键词: 创造性学习，数字博物馆，生成式人工智能，非正式教育，Resnick五阶段模型，创造性自我效能感，参与度，动机，文化知识，人机交互。

背景与问题

• 问题/挑战: 虽然创造性学习已在现场博物馆教育中得到良好应用，但其在数字博物馆环境中的结构化应用仍然缺乏探索。现有的数字博物馆平台通常缺乏支持持续创造性参与的支架，而大多数生成式人工智能（GenAI）研究主要集中于孤立的创造阶段或正式教育环境。
• 重要性: 弥合这一差距可以在非正式教育环境（如数字博物馆）中提升参与度、自我表达和学习成果，这对于扩大文化内容的获取具有重要意义。
• 动机与相关研究: 先前的研究表明，生成式人工智能在支持创造性方面具有潜力，但主要局限于正式教育或特定的创造阶段（如构思或制作）。像博物馆这样的非正式环境需要支持开放式、自主和迭代创造过程的系统，涵盖学习的所有阶段。

解决方案

• 提出的方法: MuseForge 是一个由生成式人工智能驱动的平台，整合了 Resnick 的五阶段创造性学习模型（想象、创造、玩耍、分享、反思），以在数字博物馆教育中提供个性化和动态的创造性学习体验。
• 创新点:
  1. 开发了基于五阶段创造性学习框架的生成式人工智能支持系统 MuseForge。
  2. 通过对比实验研究（between-subjects study）对 MuseForge 与基线系统进行了全面评估。
  3. 提供了未来非正式教育环境中创造性学习系统的设计启示。
• 流程与关键技术:
  1. 通过原型系统进行形成性研究，识别用户需求和挑战。
  2. 设计了 MuseForge，包含主题提示、上下文感知的人工智能支持和反思工具等功能。
  3. 集成了检索增强生成（Retrieval-Augmented Generation, RAG）管道，以实现人工智能输出的领域特定基础。
  4. 在一项包含32名参与者的对比实验中评估了 MuseForge，与基线系统进行比较。

结果

• 具体发现:
  • MuseForge 显著提升了学习动机（均值 = 5.44 vs. 4.20, p = 0.007, 效应量 = 0.47）、参与度（均值 = 6.12 vs. 4.58, p < 0.001, 效应量 = 0.72）和创造性自我效能感（均值 = 4.81 vs. 2.06, p = 0.003, 效应量 = 0.53）。
  • 知识获取在 MuseForge 和基线系统之间无显著差异（p = 0.351）。
  • 参与者表示更愿意重复使用 MuseForge（p < 0.001），尽管易用性和学习容易性未显著改善。
• 相较基线系统的优势: MuseForge 在促进动机、参与度和创造性自我效能感方面优于基线系统，同时保持了相当的知识获取效果。
• 实验/评估:
  • 将参与者（N=32）分为两组：一组使用 MuseForge，另一组使用基线系统。
  • 评估指标包括学习动机、参与度、知识获取、创造性自我效能感和可用性，通过前后测试、问卷调查和访谈进行测量。
  • 统计分析（Mann-Whitney U检验）证实了 MuseForge 用户在关键领域的显著提升。
• 局限性与未来工作:
  • 仅限于单一主题领域（海洋艺术）和相对较小、同质的参与者群体。
  • 基于桌面界面的设计缺乏自然绘图功能。
  • 未来工作应扩展到多样化的文化背景，改进用户引导，并通过更大的知识库增强人工智能基础。

总结

MuseForge 将生成式人工智能与 Resnick 的五阶段创造性学习模型相结合，以增强数字博物馆教育中的创造性学习。一项对比实验表明，与基线系统相比，MuseForge 在学习动机、参与度和创造性自我效能感方面显著提升，同时保持了相当的知识获取效果。该系统的设计强调结构化支架、学习者自主性和文化基础，为未来非正式教育环境中的创造性学习平台提供了设计启示。未来工作将致力于扩展系统的可扩展性、多样化内容领域以及改进可用性，以服务更广泛的受众群体。