评估人工智能驱动的视听个性化对学习者情绪、专注度及学习成果的影响

独立学习者常常在无组织或易分心的环境中难以维持专注和情绪调节。尽管有些人依赖音乐、ASMR 或视觉背景等环境辅助工具来支持注意力集中，但这些工具很少被整合到连贯的、以学习者为中心的系统中。此外，现有的教育技术主要关注内容适配和反馈，忽视了学习发生时的情绪和感官情境。大语言模型已展现出强大的多模态能力，包括生成和适配文本、音频及视觉内容的能力。教育研究尚未充分探索其在创建个性化视听学习环境方面的潜力。为弥补这一差距，我们引入了一个由 AI 驱动的系统，该系统利用 LLM 生成个性化的多感官学习环境。用户选择或生成定制的视觉主题（例如，抽象 vs. 写实，静态 vs. 动态）和听觉元素（例如，白噪声、环境 ASMR、熟悉 vs. 新颖的声音），以创建旨在减少分心并增强情绪稳定性的沉浸式环境。我们的主要研究问题是，个性化视听元素的组合如何影响学习者的认知负荷和参与度。本研究采用混合方法设计，结合生物特征测量和绩效结果，评估了 LLM 驱动的感官个性化的有效性。研究结果旨在推进情绪响应型教育技术的发展，并将多模态 LLM 的应用扩展到自主学习的感官维度。