StoryDrawer:一个支持儿童创意视觉故事讲述的儿童-人工智能协作绘画系统

对话式聊天机器人大语言模型(LLM)的人机协作互动叙事与沉浸式故事中小学教师(K-12)儿童教育工作者

文献标题

StoryDrawer: A Child–AI Collaborative Drawing System to Support Children’s Creative Visual Storytelling

文献信息

  • 主题领域: 儿童-人工智能合作绘画系统,支持儿童视觉创意故事讲述
  • 关键词: 视觉故事讲述, 绘画, 协同创作系统, 儿童-人工智能协作, 创意支持工具, 儿童

研究背景与问题

研究背景

  • 创意表达被证明可以增强认知技能、支持读写能力提高并促进创造力发展。
  • “视觉故事讲述”是一种结合口头故事和视觉叙事的新型创意表达形式。然而,随着儿童成长(如小学四年级),创造力会有所下降,被称为“第四年级瓶颈”。

问题与挑战

  • 儿童在视觉故事讲述中面临的主要挑战包括:
    1. 故事讲述和绘画的并行任务增加多任务负担。
    2. 儿童容易陷入“写作阻滞”或“创作瓶颈”,无法继续创作。
    3. 儿童容易失去注意力和参与度,影响创作效果。

研究动机

  • 基于对儿童和家长的需求分析,设计一种能够减轻多任务负担、帮助克服创作阻滞并提升参与度的工具,为儿童在视觉故事讲述中提供创造力支持。

解决方案

方法与设计

  • 提出了名为StoryDrawer的协同创作系统:
    • 系统通过人工智能(AI)驱动,并结合基于上下文的语音代理与两种协作策略。
    • 协作策略具体包括:
      1. 实时转化策略:将儿童的口述内容实时转化为绘画。
      2. 抽象画生成策略:根据现有故事内容生成与语义相似的抽象草图,刺激创意。

系统架构与交互

  • 工具概述:
    • 系统基于平板应用(iPad),支持触控与语音交互。
    • 用户可通过“讲话按钮”与语音代理交互,或通过“点子按钮”获取抽象画激励创作。
  • 两种协作策略详解:
    • 策略1:实时转化:从儿童的叙述中提取关键实体(如对象、颜色、数量)并生成相应草图。
    • 策略2:抽象草图:为用户生成与故事相关的抽象画,引导用户进行联想和补全。

创新点

  • 融合了具身理论和视觉思维,从认知机制角度支持儿童创作。
  • 利用语义相似性算法引入抽象草图创意启发。
  • 系统不仅帮助儿童完成绘画,还通过语音代理增强交互性与趣味性。

研究成果

实验结果

  • 实验设计:
    • 对64名6-10岁的儿童进行2×2控制性实验,变更两种协作策略的组合(四种条件)。
    • 用于评估的指标包括创意的流畅性、细化程度、绘画创意、专家评分及参与度。
  • 结果分析:
    • 策略1(实时转化):
      • 显著提高了故事细化程度和绘画创意(但未显著提升创意流畅性)。
    • 策略2(抽象草图):
      • 显著提升了创意流畅性、细化程度及绘画创意。
    • 协同效果:
      • 策略1增强了策略2的效果。
    • 语音代理虽然未显著提升参与度指标结果,但整体实现了良好的用户体验与适度参与度。

定性分析

  • 策略影响:
    1. 策略1帮助儿童绘画角色与环境细节,推动故事情节发展。
    2. 策略2激发了联想能力与创造性思维,解决了“创作瓶颈”问题。
  • 用户体验:
    • 大多数儿童对AI代理表现出积极的情感联结,乐于将其视为合作伙伴。
    • 参与的积极关系促进了儿童继续探索和创意表达。

优势与局限

  • 优势:
    • 降低了故事讲述与绘画的多任务负担。
    • 激励创造力,促进故事更加详细和富有创意。
  • 局限性:
    • 尚未支援场景/背景的生成。
    • AI识别的准确性和用户体验上的改善仍需优化。
    • 缺乏长期观测对儿童创造力发展的影响。

总结与未来方向

总结

  • StoryDrawer通过结合AI与儿童的协同创作探索,显著帮助儿童在视觉故事讲述中的创意表达。
  • 实验验证表明,该系统有效提高了创意流畅性、细化程度及绘画创意,增强了用户的整体体验。

未来计划

  1. 技术改进:提升AI生成场景的能力与草图识别的准确性。
  2. 多感官支持:加入声音等视觉以外的创意刺激。
  3. 长效研究:观察长期使用对儿童创造力发展的影响。
  4. 多用户协同:研究多位儿童与AI共同创作视觉故事时的社交互动影响。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/68899/2022

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/10.1145/3491102.3501914
一眼看懂

论文快照

fact_check
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
对话式聊天机器人、大语言模型(LLM)的人机协作、互动叙事与沉浸式故事
work
职业/产业
中小学教师(K-12)、儿童教育工作者
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文