WordCraft:基于多模态大语言模型的二语词汇学习关键词方法支架工具

大语言模型(LLM)的人机协作编程教育与计算思维K-12 数字教育工具大学教授与研究人员在线课程设计师特殊教育教师

文献标题

WordCraft: Scaffolding the Keyword Method for L2 Vocabulary Learning with Multimodal LLMs

出版信息

  • 主题领域: 通过交互式工具和多模态大语言模型(MLLMs)提升二语词汇学习。
  • 关键词: 关键词法,二语词汇学习,多模态大语言模型,认知支架,生成效应,创造力支持工具,人机交互,记忆保持,语义联想,图像形成。

背景与问题

  • 问题/挑战: 二语学习者在应用关键词法时面临关键词选择、联想构建以及生动心理表征创建的困难。现有的计算工具要么降低了学习者的参与度,要么未能为生成过程提供足够的支架。
  • 重要性: 有效的词汇记忆对于语言学习至关重要,而关键词法已被证明具有显著的益处。然而,其实际应用因高认知需求而受限,影响了其有效性。
  • 动机与相关研究: 先前研究验证了关键词法的有效性,但也指出了其挑战。计算增强方法主要集中于完全自动化过程或增强结果,往往牺牲了生成效应。目前的创造力支持工具和MLLM整合未能与关键词法的迭代性和非线性需求相匹配。

解决方案

  • 提出的方法: WordCraft,一个由MLLM驱动的交互式工具,旨在通过引导学习者完成关键词选择、联想构建和图像形成来支撑关键词法。
  • 创新点:
    1. 提供过程级支架,平衡认知负荷并保留生成效应。
    2. 整合MLLM以提供多模态支持,包括语义头脑风暴、联想映射和视觉表征。
    3. 结构化工作流程,支持跨阶段的迭代和适应性学习。
  • 流程与关键技术:
    • 关键词选择: 通过语音分段、语义头脑风暴以及MLLM建议进行关键词探索。
    • 联想构建: 使用概念节点、联想链接和启发式提示进行结构化联想映射。
    • 图像形成: 提供以视觉为中心的心理表征画布,包含回忆路径以及关键词与含义的交互式映射。

结果

  • 具体发现:
    • WordCraft 显著提升了长期记忆(延迟回忆:自生成提示M = 6.25,对比同伴生成提示M = 4.20)。
    • 生成提示在满意度、清晰度、记忆性、新颖性和相关性方面的评分高于基线。
    • 可用性(SUS评分:M = 6.06)和创造力支持(CSI评分:M = 6.19,用于探索)均有所增强。
  • 相较基线的优势:
    • 在记忆表现、提示质量和用户参与方面优于GPT-4o和闪卡界面。
    • 保留了生成效应,自生成提示的记忆保持优于同伴生成提示。
  • 实验/评估:
    • 研究1(N = 48):比较了WordCraft与GPT-4o和闪卡基线在可用性、学习效果和记忆表现方面的差异。
    • 研究2(N = 20):通过比较自生成提示和同伴生成提示,检验了生成效应。
  • 局限性与未来工作:
    • 仅限于母语为中文的英语二语学习者;跨语言的普适性需要进一步研究。
    • 词汇集规模较小;未来研究应评估更大规模、类似课堂的场景。
    • 在支持多义词和结合多种记忆策略方面存在限制。

总结

WordCraft 是一个由MLLM驱动的工具,旨在为二语词汇学习中的关键词法提供支架,解决关键词选择、联想构建和图像形成的难题。它在增强可用性、创造力和长期记忆的同时保留了生成效应。两项用户研究证明了其相较于GPT-4o和闪卡基线的有效性。尽管前景可期,未来的工作应扩展其语言适用性、规模和灵活性,以支持多样化的学习策略和情境。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/223343/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790668
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
8 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、编程教育与计算思维、K-12 数字教育工具
work
职业/产业
大学教授与研究人员、在线课程设计师、特殊教育教师
article
内容状态
已索引正文
hub
相关论文
3 篇相关论文