根据用户特征个性化 AI 驱动提示的解释：一项实证评估
人工智能
2026-03-12 v3 计算机与社会
人机交互
摘要
本文扩展了一个现有的智能辅导系统 (ITS)，该系统通过 AI 驱动的个性化提示支持学生学习，并能生成解释以说明提示是如何/为何生成的。在本工作中，我们调查了针对具有低认知需求 (Need for Cognition) 和低尽责性 (Conscientiousness) 特质的学生个性化这些提示解释，以增强他们对解释的参与度，这是基于先前的发现，即这类学生通常不会主动请求解释，尽管他们能从中受益。我们通过正式的用户研究评估了个性化提示解释的有效性。结果表明，个性化增加了目标用户与提示解释的互动、他们对提示的理解以及他们的学习效果。因此，这项工作为个性化可解释人工智能 (PXAI) 在教育中的价值提供了初步证据。
引用
@article{arxiv.2403.04035,
title = {Personalizing explanations of AI-driven hints to users' characteristics: an empirical evaluation},
author = {Vedant Bahel and Harshinee Sriram and Cristina Conati},
journal= {arXiv preprint arXiv:2403.04035},
year = {2026}
}