打字还是说话?输入模式对笔记记录过程中文本理解的影响
作者
语音用户界面(VUI)设计智能辅导系统与学习分析大学教授与研究人员在线课程设计师
文献标题
To type or to speak? The effect of input modality on text understanding during note-taking
文献信息
- 主题领域: 人机交互、教育心理学,数字化学习工具
- 关键词: 数字化学习,输入方式,语音记笔记,笔记工具,文本理解,元理解
- 来源: CHI Conference on Human Factors in Computing Systems (CHI ’22)
- 发表时间: 2022年4月29日-5月5日
研究背景与问题
- 问题与挑战: 当前技术允许用户使用键盘、数字墨水和语音等输入方式进行记笔记,但尚未充分探索不同输入方式对学习效果的影响。
- 重要性: 笔记作为一种学习策略,可以帮助学习者提高文本理解,专注内容,并将知识编码到长期记忆中。
- 研究动机与相关工作:
- 键盘记笔记比手写更快,但容易产生转录式笔记,影响学习效果。
- 语音作为输入方式的优势包括更低的认知资源消耗、更快记录瞬时想法、以及表达上的社会存在感。
- 语音工具的广泛市场应用(如Notability等)引发了研究其实际学习效益。
解决方案
- 方法与创新:
- 比较两种记笔记输入方式:键盘与语音,分析它们对学习内容理解、笔记质量和学习者的元理解判断的影响。
- 采用混合效应模型,结合定量测试结果和定性访谈数据,评估输入方式的影响。
- 实施步骤与关键技术:
- 研究设计:60名参与者完成两篇科学文章的阅读与记笔记任务,分别使用键盘和语音作为输入方式。
- 评估指标包括文本理解(事实性与推理性问题)、笔记内容(概念单元、细节扩展)、元理解准确性。
- 使用Google Docs和Kaizena插件提供语音记录环境。
- 进行后续的访谈,探讨语音记笔记的优劣。
研究成果
实验结果
- 文本理解:
- 语音记笔记在推理性题目上成绩显著优于键盘,但在事实性题目中效果相当。
- 推理性题目要求整合多个概念单元,语音笔记包含更多概念单元和更丰富的细节扩展。
- 笔记内容:
- 语音输入笔记包含更多的概念单元(平均5.14个,键盘为2.36个)。
- 语音笔记展现更高的细节扩展水平,能结合个人经验或类比说明学习内容。
- 元理解:
- 两种输入方式对学习者元理解(预测其测试表现的能力)没有显著差异。
优势与局限性
- 语音笔记的优势:
- 方便快速记录瞬间想法。
- 鼓励深入思考与表达,通过朗读内容促进内容编码入记忆。
- 无需分散注意力到键盘输入,视觉集中于学习材料。
- 提高协作学习的能力,例如组队项目中的语气强调。
- 语音笔记的局限
- 隐私问题,尤其在公共空间中使用受限。
- 编辑困难,需要重录语音。
- 难以快速浏览和搜索笔记内容。
- 对视觉结构和示意图支持不足。
- 用户对听自己语音不适感。
局限性与未来方向
- 局限性:
- 实验采用较高阅读难度的文献,适用于复杂文本的结果。
- 仅分析短期影响,未来需研究长期效果。
- 禁止实验参与者复习笔记以控制变量,值得研究是否允许复习的影响。
- 语音笔记与视觉内容记录(如图表)兼容性仍需探索。
- 实验环境受限制,建议推广至实际教学场景验证结果。
- 未来方向:
- 探索用于较低复杂度文本的效果。
- 分离输入与输出方式进行研究,例如语音与文本的组合。
- 开发支持视觉结构与语音扩展功能的综合性记笔记工具。
- 扩展至不同人群、领域的应用场景,特别是非工程背景学习群体及初级学生。
结论
- 使用语音作为记笔记输入方式可以帮助学习者生成更丰富、更概念化的笔记,并促进更高层次的文本理解,特别在推理性学习任务中效果显著。
- 如果学习目标是掌握基础知识,那么键盘与语音输入方式表现相当;若目标是更深层次的概念理解,语音方式优势明显。
- 语音记笔记工具适合个人或在线数字学习环境,但在公共空间中的使用仍需考虑辅助功能设计。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 语音输入与键盘输入对笔记内容和学习理解的效果有何不同?分类: 课堂分析与学习可视化同类问题arrow_forward
- 语音输入能否更有效地促进学习者对复杂文本的推理理解?分类: 课堂分析与学习可视化同类问题arrow_forward
- 不同输入方式下的元认知判断(预测测试表现)的准确性如何?分类: 课堂分析与学习可视化同类问题arrow_forward
lightbulb
现实痛点
1- 学习者在使用语音记录和键盘记录时,不了解哪种方式更有助于深度理解。分类: 课堂分析与学习可视化同类问题arrow_forward
- 60%
用于教育活动自适应调度的强化学习
CHI '20· 在线学习与 MOOC 平台 +1
- 60%
在概念映射中提供自适应反馈以提高阅读理解
CHI '21· 交互式数据可视化 +1
- 60%
Promptiverse:通过人机混合知识图标注实现支架提示的可扩展生成
CHI '22· 智能辅导系统与学习分析 +1
- 60%
同伴评审场景中的适应性共情学习支持
CHI '22· 智能辅导系统与学习分析 +1
- 60%
课堂仿真:在线教育中构建情境学生生成代理以模拟学习行为
CHI '25· 大语言模型(LLM)的人机协作 +1
- 60%
好篱笆造就好学习:自主语言学习者如何权衡LLM委托决策
CHI '26· 大语言模型(LLM)的人机协作 +1
- 60%
AskNow:一个用于大规模课堂实时问答的LLM驱动交互系统
CHI '26· 大语言模型(LLM)的人机协作 +1
- 60%
奖励还是不奖励:虚拟奖励的解释如何影响游戏化学习中的内在动机
CHI '26· 游戏化设计(Gamification) +1
- 60%
AI赋能数学教育:利用情境感知AI支持大规模数学课程中的教师
CHI '26· 大语言模型(LLM)的人机协作 +1
- 60%
Quester:基于语音的演示文稿问答支持系统
IUI '18· 语音用户界面(VUI)设计 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3501974
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
语音用户界面(VUI)设计、智能辅导系统与学习分析
work
职业/产业
大学教授与研究人员、在线课程设计师
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文