配对：在教室中通过人机协同编排个体与协作学习之间的动态转换的原型设计

文献标题

Pair-Up: Prototyping Human-AI Co-orchestration of Dynamic Transitions between Individual and Collaborative Learning in the Classroom

文献信息

• 主题领域: 人机交互与教育技术，探索动态学习模式过渡的协作
• 关键词: 教室编排，教师支持工具，教育技术，人机协作，协作学习，动态过渡，人-AI协作

研究背景与问题

• 问题与挑战:

  1. 教师在课堂上需实时监控学习者的状态，并灵活调整支持模式，尤其在多人同时需要帮助时更具挑战性。
  2. 当前大部分教育技术仅支持单一学习模式（个体或协作学习），缺乏对动态过渡机制的工具支持。
  3. 动态过渡需要教师在课堂上灵活将学生从独立学习过渡到协作学习，并决定最优搭配以及终止时间，这增加了课堂管理的负担。

• 重要性: 动态过渡能够提供更个性化和差异化的学习体验，满足学生的独特需求并适应不同的学习节奏。从学习科学的角度看，个体学习和协作学习各具优势，动态结合可能进一步提升学习效果。

• 研究动机与相关工作: 动态过渡的潜力尚未在真实课堂环境中得到充分验证。虽然已有一些研究探索过动态过渡（例如学生对控制权的需求），但这些研究缺乏完全实现的技术支持系统。有必要进一步研究人机协作如何推动课堂编排的发展。

解决方案

• 方法与系统: 作者开发了一个“人-AI协同编排技术生态系统”，包括以下组成部分：

  1. 个体辅导系统: 基于AI的“Lynnette”系统，为学生提供逐步指导和适应性反馈。
  2. 协作辅导系统: 支持学生间的同行辅导，通过角色设定（解答者与导师）促进协作。
  3. 教师编排工具（Pair-Up）: 一个面向教师的实时编排工具，提供学生状态监控及组队建议，并允许教师灵活控制配对决策。

• 创新点:

  1. 自动推荐学生配对，同时允许教师完全控制最终决策。
  2. 动态结合个体学习与协作学习，支持教师实时监控学生状态。
  3. 使用混合方法（日志数据、教师访谈、学生问卷）评估技术与动态过渡的效果。

• 实施步骤与关键技术:

  1. 实时数据监控: Pair-Up 工具显示学生学习状态（例如进度、知识掌握程度）。
  2. 配对推荐算法: 提供“随机配对”和“不同知识水平配对”两种建议算法。
  3. 教师操控: 教师可选择遵循系统建议或根据自己的判断手动调整配对。

研究成果

• 具体成果:

  1. 教师能够成功管理动态过渡过程，学生得以在个体与协作任务间切换。
  2. 学生在协作学习中的对话多为辅助性贡献（如帮助解答），较少出现建设性对话（如解释知识构造）。
  3. Pair-Up 工具被多数教师认为实用，可支持课堂管理，同时实现差异化教学。

• 相较现有解决方案的优势:

  1. 动态过渡机制提升了课堂灵活性。
  2. 生态系统工具支持多任务处理，为教师减少编排负担。
  3. 人机交互设计优化了教师与AI系统间的合作。

• 实验或评估结果:

  1. 学生对动态过渡的态度较为分化：部分学生认为其有助于学习，另一些学生倾向单一学习模式。
  2. 学生和教师的偏好在控制权上存在差异（教师倾向安置权，学生希望更多合作选择权）。
  3. 未参与协作的学生在独立学习中的表现低于参与协作的学生组。

• 局限性与未来方向:

  1. 研究范围仅限数学代数课程，需探索其他学科适用性。
  2. 如何在教师和学生控制权间找到平衡仍是技术设计的挑战。
  3. 需进一步验证动态过渡相较传统教学模式的实际效果。

结论

• 动态过渡具有教学价值，能实现个性化、差异化的学习体验。
• 虽然动态过渡在课堂中是可行的，但在优化配对时机、学生互动质量、以及平衡教师学生控制权方面仍面临设计挑战。
• 研究不仅验证了所使用的技术系统的可行性，还提出了一系列改变教育科技设计的具体方向，同时强调了人-AI协作的重要性。