通过混合现实与AI教学代理促进微电子教育动手学习：参与式设计过程的启示

文献标题

Learning Inside the Chip: A Design-Science Approach to Developing MR Lab and an AI Agent for Conceptual, Procedural, and Spatial Understanding in Microelectronics Education

出版信息

• 主题领域: 面向微电子教育的混合现实与人工智能教学工具
• 关键词: 混合现实, AI教学代理, 微电子教育, 认知负荷, 视觉-空间推理, 程序性学习, 概念性理解, 半导体制造, STEM教育, 沉浸式学习

背景与问题

• 问题/挑战: 传统的微电子教育高度依赖于基于讲座的教学方式，这种方式难以有效整合掌握多层芯片结构和制造工艺所需的概念性、程序性和视觉-空间知识。XR系统在促进概念性理解方面的应用不足，且先前研究表明其学习效果存在差异。
• 重要性: 解决这些挑战对于缩小美国半导体行业的工程人才缺口（国家优先事项）以及提升需要复杂推理能力的STEM教育至关重要。
• 动机与相关工作: 研究表明XR能够增强程序性和空间学习，但通常缺乏对概念性理解的支持。由大型语言模型（LLMs）驱动的AI教学代理显示出提供实时、情境感知指导的潜力。然而，现有的XR–AI系统往往更注重技术功能而非教学设计，导致学习效果不一致。

解决方案

• 提出的方法: ChipXR，一个结合GPT驱动教学代理的混合现实实验室，旨在增强微电子教育中的概念性、程序性和视觉-空间理解。
• 创新点:
  1. 开发一个设计框架，将认知负荷的考虑与XR实验室中的特定知识类型（概念性、程序性、视觉-空间）相结合。
  2. 创建ChipXR，结合交互式3D模型、具身MR活动和基于LEGO的空间建模，并辅以AI驱动的解释。
  3. 通过对ChipXR的控制研究和课堂应用，实证评估其对学习效果和认知负荷的影响。
  4. 提供将XR–AI工具整合到STEM课程中的设计建议。
• 过程与关键技术:
  • 使用多方参与式设计的迭代设计科学研究（DSR）方法。
  • 集成CAMIL和认知负荷理论，以管理内在、外在和促成性认知负荷。
  • 比较三种条件的控制评估：MR+AI、仅MR和基于视频的教学。
  • 在一门半导体封装入门课程中部署以获取定性见解。

结果

• 具体发现:
  • 与基于视频的教学相比，MR+AI和仅MR条件在视觉-空间理解方面显示出边际优势（效应量d ≈ -0.41）。
  • 在概念性或程序性测验分数方面，各条件之间没有显著差异。
  • 与视频相比，MR+AI减少了外在认知负荷并增加了促成性认知负荷。
  • 在MR和MR+AI条件下，参与度显著高于视频条件。
• 相较基线的优势:
  • MR+AI条件提供了更丰富的空间可视化和交互式学习，参与者认为这有助于更好的理解和参与。
  • AI代理通过提供按需解释和情境支持减少了困惑。
• 实验/评估:
  • 对24名工程专业学生进行的控制研究，比较MR+AI、仅MR和视频条件。
  • 在课堂中对9名学生进行部署以获取定性反馈。
  • 测量包括客观和主观知识评估、认知负荷量表以及参与度评分。
• 局限性与未来工作:
  • 由于控制研究环境和课堂部署样本量较小，生态效度有限。
  • 缺乏经过验证的工具来分别测量程序性、概念性和视觉-空间知识。
  • 未来工作应关注纵向、现场评估、更广泛的学科领域以及更具包容性的可访问性解决方案。

总结

本研究提出了ChipXR，一个结合GPT驱动教学代理的混合现实实验室，旨在解决微电子教学中的挑战。该系统通过交互式3D模型、具身活动和AI驱动的解释支持概念性、程序性和视觉-空间学习。控制评估表明，与传统视频教学相比，MR+AI在视觉-空间理解和降低认知负荷方面具有适度优势。定性见解强调了将ChipXR作为STEM课程补充工具的重要性。尽管研究聚焦于微电子领域，其发现和设计原则对其他复杂STEM领域具有广泛的启示意义。