Epimopilot：一种融合大语言模型的认知情感支持系统，用于提升自我调节式异步在线视频学习

文献标题

Epimopilot: An LLM-infused Epistemic Emotion Support System to Boost Self-regulated Asynchronous Online Video Learning

出版信息

• 主题领域: 通过情感和认知支持提升自我调节的异步视频学习。
• 关键词: 认知情绪、异步学习、自我调节学习、大型语言模型（LLMs）、弹幕、情感识别、知识图谱、AI导师、共同存在感、认知支架。

背景与问题

• 问题/挑战: 异步视频学习平台缺乏情感和认知支持，导致学习者感到孤立、困惑得不到解决以及参与度下降。目前的系统未能将实时情感线索与主动干预相结合。
• 重要性: 解决这些局限性可以增强学习的持久性、参与度和理解力，使异步学习平台更加高效和支持性更强。
• 动机与相关工作: 先前的研究探讨了教育中的弹幕评论和LLMs，但未能有效结合情感识别与自适应的实时支持。本文基于这些研究空白，创建了一个整合情感和认知支架的系统。

解决方案

• 提出的方法: Epimopilot 系统结合了从弹幕评论中提取的集体认知情绪识别，以及基于LLM的干预措施，为异步视频学习提供情感和认知支持。
• 创新点:
  1. 将混乱的弹幕流转化为结构化的认知和情感洞察。
  2. 利用LLMs提供基于集体情感状态的主动、上下文感知的干预。
  3. 集成知识图谱和情感分布图以实现战略性学习。
• 流程和关键技术:
  • 后端使用LLMs和BERT对视频内容和弹幕评论进行情感标注处理。
  • 前端包括三个组件：
    1. Epimo地图: 将知识图谱与情感分布图结合。
    2. Epimo伴侣: 提供环境情感共鸣和结构化讨论洞察。
    3. Epimo副驾驶: 根据检测到的学习困难提供即时的LLM驱动的辅导。

结果

• 具体发现:
  • 知识理解显著提升（例如，视频B的分数提高了+7.82分，p < .001），以及记忆回忆能力（例如，视频B的分数提高了+7.81分，p < .001）。
  • 情感存在感增强（例如，视频B的分数提高了+2.23分，p < .001），学习持久性提高（例如，视频B的分数提高了+1.92分，p < .001）。
  • 在挫折和努力等维度上降低了认知负荷。
• 相较基线的优势:
  • 在参与度、理解力和情感支持指标上优于基线系统（基本视频播放器带弹幕）。
  • 提供了及时、上下文感知的干预，防止困惑升级为挫败感。
• 实验/评估:
  • 采用32名参与者（年龄18–26岁）的受控组内研究。
  • 参与者分别使用基线系统和Epimopilot系统观看两段视频（生物学和人工智能主题）。
  • 指标包括测验分数、NASA-TLX认知负荷和主观评价。
• 局限性与未来工作:
  • 信息密度和认知负荷管理需要改进。
  • 情感表达校准和对自我调节的长期影响需要进一步研究。
  • 未来方向包括自适应个性化、纵向研究以及领域适用性的扩展。

总结

Epimopilot 是一个创新系统，通过整合集体认知情绪识别与基于LLM的干预措施，增强了异步视频学习。它通过虚拟伴侣提供情感共鸣，并通过AI导师和知识图谱提供认知支架。一项受控研究表明，与基线系统相比，该系统在学习成果、参与度和情感支持方面显著提升。尽管有效，但信息密度和对自我调节的长期影响仍需进一步研究。本研究为情感智能化、自适应学习环境提供了蓝图。