GuideAI：具有自适应干预的实时个性化学习解决方案

大型语言模型已成为强大的学习工具，但它们缺乏对学习者认知和生理状态的感知，限制了其对用户学习风格的适应性。当代学习技术主要关注结构化学习路径、知识追踪和通用自适应测试，但未能解决由认知负荷、注意力波动和参与度驱动的实时学习挑战。基于形成性用户研究（N=66）的发现，我们引入了 GuideAI，这是一个多模态框架，通过整合实时生物感官反馈（包括眼球追踪、心率变异性、姿态检测和数字笔记行为）来增强 LLM 驱动的学习。GuideAI 通过认知优化（根据学习进度标记调整难度）、生理干预（呼吸指导和姿态纠正）和注意力感知策略（使用注视分析重定向注意力）动态调整学习内容和节奏。此外，GuideAI 支持多样化的学习模态，包括基于文本、图像、音频和视频的指令，涵盖不同知识领域。一项初步研究（N=25）通过标准化评估评估了 GuideAI 对知识保持和认知负荷的影响。结果显示，问题解决能力和基于回忆的知识评估均有统计学上显著的改善。参与者在关键 NASA-TLX 指标（包括心理需求、挫折水平和 effort）方面也经历了显著降低，同时报告了感知表现的提升。这些发现表明 GuideAI 有潜力弥合当前基于 LLM 的学习系统与个体学习者需求之间的差距，为大规模的自适应、认知感知教育铺平道路。