为儿童设计更智能的对话式代理：来自认知工作分析和层次-终端分析的经验教训
人机交互
2025-09-01 v1 计算与语言
摘要
本文介绍了两项关于巴西儿童（年龄9--11岁）如何使用对话式代理（CAs）进行作业、探索和娱乐，以及结构化支架如何增强这些交互的研究。在研究1中，针对23名参与者（儿童、家长、教师）进行为期七周的线上调查，采用访谈、观察和认知工作分析（CWA）来描绘儿童信息处理流程、更知识性他人（MKO）的作用、功能用途、情境目标以及交互模式，以此为对话树设计提供指导。我们识别出三种CA功能：学校、探索、娱乐，并推导出模仿父母支持的“配方”支架。在研究2中，我们让GPT-4o-mini在1200个模拟儿童-CA交互中作出响应，将基于结构化提示的对话树配方与非结构化基线进行比较。对可读性、问题数量/深度/多样性以及连贯性的量化评估显示，配方方法取得了提升。基于这些发现，我们提供了设计建议：支架化对话树、儿童专属档案以实现个性化上下文、以及家长策划的内容。我们的贡献包括首次将CWA应用于巴西儿童，构建儿童-CA信息流的实证框架，以及一种用于有效支架化学习的LLM支架“配方”（即结构化提示）。
关键词
引用
@article{arxiv.2508.21209,
title = {Designing Smarter Conversational Agents for Kids: Lessons from Cognitive Work and Means-Ends Analyses},
author = {Vanessa Figueiredo},
journal= {arXiv preprint arXiv:2508.21209},
year = {2025}
}