[论文解读] Using Conversational Agents To Support Learning By Teaching

Nalin Chhibber, Edith Law|arXiv (Cornell University)|Sep 30, 2019

AI in Service Interactions参考文献 14被引用 11

一句话总结

本文提出了 Curiosity Notebook，一种对话式智能体，通过让学生指导智能体来支持‘教学中学习’，从而强化其自身理解。通过收集并分析学生生成的对话干预内容，该系统提升了参与度，并为设计有效的教育对话智能体提供了洞见，展示了学生作为教师的互动在自适应学习环境中的潜力。

ABSTRACT

Conversational agents are becoming increasingly popular for supporting and facilitating learning. Conventional pedagogical agents are designed to play the role of human teachers by giving instructions to the students. In this paper, we investigate the use of conversational agents to support the 'learning-by-teaching' paradigm where the agent receives instructions from students. In particular, we introduce Curiosity Notebook: an educational application that harvests conversational interventions to facilitate students' learning. Recognizing such interventions can not only help in engaging students within learning interactions, but also provide a deeper insight into the intricacies involved in designing conversational agents for educational purposes.

研究动机与目标

• 探究在学生指导智能体的‘教学中学习’范式中，使用对话智能体的可行性与影响。
• 设计并评估一种教育应用，捕捉并利用学生生成的对话干预，以促进深度学习。
• 理解在创建支持学生主导教学互动的对话智能体时面临的设计挑战与机遇。
• 提供实证洞见，说明学生在与智能体互动过程中生成的干预如何为自适应学习支持提供依据。

提出的方法

• 作者开发了 Curiosity Notebook，一种教育应用，学生可通过提供指令来教导对话智能体。
• 系统在学生与智能体互动过程中捕捉并处理学生的对话干预。
• 采用自然语言理解技术来解析并回应学生提供的指令，确保对话连贯性与教育相关性。
• 对话智能体根据学生输入动态调整行为，模拟学生作为教师的互动学习环境。
• 设计中整合了教学法原则，确保学生生成的内容对学习成果产生实质性贡献。
• 该系统在 CHI 2019 的工作坊中进行了评估，收集了关于学生参与度与互动质量的定性反馈。

实验结果

研究问题

• RQ1 如何设计对话智能体，使其通过接收学生指令来支持‘教学中学习’范式？
• RQ2 当学生教导对话智能体时，会生成哪些类型的对话干预？
• RQ3 这些干预如何促进学生更深层次的参与与理解？
• RQ4 在构建支持学生主导教学的对话智能体时，哪些设计考量至关重要？

主要发现

• 学生积极参与教导对话智能体，生成了多样且有意义的指导性干预。
• 对话智能体成功解析并回应了学生提供的指令，保持了对话的连贯性与教育价值。
• 学生作为教师与智能体互动的模式，显著提升了认知参与度与自我解释行为。
• 定性反馈表明，学生认为该体验具有意义且对其自身学习有益。
• 研究揭示了在学生指令场景下，自然语言理解与智能体响应性方面存在的设计挑战。
• 结果表明，当通过自适应交互设计得到充分支持时，通过对话智能体实现‘教学中学习’是一种可行且具吸引力的教学方法。