面向家庭学习的多角色人本 AI 系统：规划与协作
人机交互
2026-01-29 v1
摘要
家庭学习发生在日常情境中，儿童和看护人共同阅读、练习和发展新技能。尽管对 AI 教师的兴趣日益增长，但大多数现有系统设计用于单一学习者或课堂环境，不解决家庭学习中分布式计划、协调和执行的需求。本文介绍 ParPal，一个人本导向的、基于大语言模型 (LLM) 的系统，支持多角色家庭学习，通过分解学习目标为可操作子任务，在看护人在现实可用性和专业能力限制下分配任务，并提供具备对 individual 和 collective 贡献可见性的看护人在环式教学支持。通过对生成的每周学习计划的专家评估和针对 11 组家庭的一周现场部署，我们识别出当前基于 LLM 的规划系统存在的系统性失效模式，包括与角色专业能力不匹配、不必要或高成本的协作、缺乏教育学习轨迹，以及物理或时间上不可行的任务。尽管 ParPal 改进了协调清晰度和对照护劳动的认可，但这些发现揭示了当前 LLM 在操作化教育知识、推理协作以及考虑现实嵌入约束方面的根本性局限。我们讨论了人本 AI 设计和 AI 方法论的含义，将多角色家庭学习定位为推进下一代 AI 系统在规划、适应和教育结构方面的关键测试场。
引用
@article{arxiv.2601.20737,
title = {A Human-Centred AI System for Multi-Actor Planning and Collaboration in Family Learning},
author = {Si Chen and Jingyi Xie and Yao Li and Ya-Fang Lin and He Zhang and Ge Wang and Gaojian Huang and Rui Yu and Ronald Anthony Metoyer and Ting Hua and Nitesh Chawla},
journal= {arXiv preprint arXiv:2601.20737},
year = {2026}
}