Easy Come, Easy Go? 检视基于 LLM 的聊天机器人在搜索即学习情境下的感知与学习效果
人机交互
2025-12-19 v2 人工智能
信息检索
摘要
搜索即学习 (SAL) 的认知过程在搜索促进信息主动编码时最为有效。基于 LLM 的聊天机器人提供即时答案的崛起引入了效率与深度处理之间的权衡。这种以答案为中心的方法加快了信息获取，但也引发了学习浅层化的担忧。为考察这些问题在 SAL 情境中的情况，我们对教育者和学生进行了大规模调查，以捕捉基于 LLM 的聊天机器人感知的风险与收益。此外，我们采用编码-储存范式设计了一个包含受试者 (N=92) 的平行实验，受试者使用三种不同的模式完成 SAL 任务：书本、搜索引擎和聊天机器人。我们的发现为受众关注提供了一种反直觉的见解：尽管基于 LLM 的聊天机器人和搜索引擎在即时概念理解方面优于基于书本的搜索，证实了感知上的收益，但它们并未导致如此长期的劣势。我们的研究为设计促进认知参与的 human-AI 协作学习系统提供了见解，这些系统在平衡学习效率和长期知识保留之间取得了平衡。
引用
@article{arxiv.2410.01396,
title = {Easy Come, Easy Go? Examining the Perceptions and Learning Effects of LLM-based Chatbot in the Context of Search-as-Learning},
author = {Yeonsun Yang and Ahyeon Shin and Mincheol Kang and Jiheon Kang and Xu Wang and Jean Y. Song},
journal= {arXiv preprint arXiv:2410.01396},
year = {2025}
}
备注
25 pages, 9 figures