LLM2Manim：面向教学法的 STEM 动画 AI 生成
多媒体
2026-04-08 v1
摘要
高质量的 STEM 动画对学习有益，但它们在日常教学中仍不常见，主要是因为制作耗时且需要特殊技能。本文提出了一种半自动、人在回路 (HITL) 的流水线，利用大语言模型 (LLM) 帮助将数学和物理概念转换为使用 Python 库 Manim 生成的带解说动画。该流水线还尝试遵循多媒体学习理念，如分段、信号提示和双重编码，使解说与视觉内容更加契合。为保持输出稳定，我们使用受限提示模板、符号账本以保持符号一致性，并仅重新生成出错的部分。我们还在最终渲染前加入专家审核，因为生成的代码或解释有时并不完全正确。我们以 100 名本科生为对象进行了被试内 A-B 研究。每位学生学习两个相似的 STEM 主题，一个使用 LLM 生成的动画，另一个使用 PowerPoint 幻灯片。总体而言，基于动画的教学在后测成绩上略优（83% 对 78%，p < .001），学生表现出更高的学习增益 (d=0.67)。他们也报告了更高的参与度 (d=0.94) 和更低的认知负荷 (d=0.41)。学生完成任务的速度更快，许多人表示更喜欢动画格式。总体而言，这些结果表明 LLM 辅助动画可以使 STEM 内容创作更简便，并且可能是更多课堂的实用选择。
引用
@article{arxiv.2604.05266,
title = {LLM2Manim: Pedagogy-Aware AI Generation of STEM Animations},
author = {Aastha Joshi and Hongyi Ke and Meet Gajjar and Aaron Christian and Qi Wang and Jun Chen},
journal= {arXiv preprint arXiv:2604.05266},
year = {2026}
}
备注
12 pages, 11 figures