面向 AI 生成评估报告的人类中心设计：系统综述
人机交互
2025-01-03 v1 计算机与社会
摘要
本文提供了关于 K-12 科学、技术、工程和数学（STEM）课堂中用于形成性评估的自动生成评估报告（AutoRs）设计与实现的全面综述。随着技术增强评估的普及，迫切需要人机交互工具来高效支持教师对评估数据的解释和应用。AutoRs 旨在提供对学生表现、学习进展及改进领域的综合、可解释且可操作的见解。本研究依据认知负荷理论，强调通过以用户为中心和直观的设计来降低教师的认知负荷。它突出了多样化信息呈现格式（如文本、图表和图形）以及诸如实时和交互功能等高级功能的潜力，以提升可用性。然而，研究发现，许多现有 AutoRs未能充分利用这些方法，导致初始认知负荷高且参与度有限。本文提出了一套概念框架，以指导 AutoRs的设计、实施和评估，平衡可用性与功能之间的权衡。该框架旨在解决教师与技术增强评估结果保持距离的问题，促进数据驱动决策，为改善教学与学习过程提供个性化反馈。
引用
@article{arxiv.2501.00081,
title = {Human-Centered Design for AI-based Automatically Generated Assessment Reports: A Systematic Review},
author = {Ehsan Latif and Ying Chen and Xiaoming Zhai and Yue Yin},
journal= {arXiv preprint arXiv:2501.00081},
year = {2025}
}
备注
Submitted to ETRD