探索人工智能导师同伴的适应性，以激发探索好奇心并促进交互式分子动力学中的学习
人机交互
2025-07-01 v1 人工智能
计算工程、金融与科学
计算机与社会
摘要
本研究考察了人工智能导师同伴（AI）对学生在交互式分子动力学（IMD）任务中驱动好奇心的参与度和学习效果的影响。它探讨了AI的激发好奇心和响应行为在刺激和维持学生好奇心方面的作用，影响学生发起问题的频率和复杂性。该研究进一步评估了AI干预如何塑造学生参与度，培养发现性好奇心，以及在IMD学习环境中提升团队绩效。采用魔术师-欧夫（Wizard-of-Oz）范式，人类实验者通过大语言模型动态调整AI导师同伴的行为。通过采用混合方法的探索性设计，共有11名高中生参与了4项IMD任务，任务涉及分子可视化和计算，复杂度随60分钟时间的递增。通过实时观察和录音评估团队绩效，而通过问题的复杂性和AI的激发性行为来衡量团队沟通。交叉递归定量分析（CRQA）指标反映了协调中的结构对齐，并与沟通行为相关联。高绩效团队表现出更好的任务完成情况、更深层的理解以及更高的参与度。与AI激发性行为相关的高级问题表明参与度和认知复杂性的提升。CRQA指标突出了学生与AI交互中动态同步的特征，强调了结构化而又具有适应性的参与方式以促进好奇心。这些概念验证性发现表明，AI兼具同伴与教育者的双重角色，表明其有能力提供自适应反馈，以维持参与度和认知好奇心。
引用
@article{arxiv.2506.22520,
title = {Exploring Artificial Intelligence Tutor Teammate Adaptability to Harness Discovery Curiosity and Promote Learning in the Context of Interactive Molecular Dynamics},
author = {Mustafa Demir and Jacob Miratsky and Jonathan Nguyen and Chun Kit Chan and Punya Mishra and Abhishek Singharoy},
journal= {arXiv preprint arXiv:2506.22520},
year = {2025}
}