Developing a Generative AI Agent to Support Science Curiosity: A Theory-Informed Development and Initial Evaluation Study

好奇心是将一个被动的观察者转变为一个主动探索者的火花。它是当我们注意到已知知识与想要理解的内容之间存在差距时所产生的一种感觉，它驱动着我们去提问并寻求答案。在科学学习的世界中，这种驱动力至关重要。真正的理解并不来自于单纯地记忆事实，而是来自于解释现象、测试想法以及在出现新证据时修正我们思维的挣扎过程。对于大学生而言，这种探究是他们教育的核心，然而，大型课堂和紧凑的课程安排往往让这种缓慢、个性化的问题追求变得难能可贵。学生们可能学会了完成任务，但他们很少能获得那种持续的、个体化的支持，从而将转瞬即逝的好奇瞬间转化为一种持久的科学思维习惯。

研究人员早已知道好奇心是可以培养的，但大规模地进行培养却很困难。传统方法通常依赖于短暂的惊喜或新颖感来吸引注意力，但这些时刻是稍纵即逝的。它们并不一定能帮助学生完成从提出问题到找到令人满意的答案之间的闭环。这正是生成式人工智能展现潜力的领域。与静态的教科书或预录视频不同，对话式人工智能可以进行往复式的对话，实时响应学习者具体的困惑。然而，仅仅拥有一个聊天机器人是不够的。如果机器只提供快速答案，它可能会停止探究过程，而非激发它。设计者的挑战在于，要构建一种不仅能解决问题，而且能帮助学习者保持在提问、探索和理解的“心流”状态中的人工智能。

为了解决这个问题，来自中国、芬兰、美国和爱沙尼亚的研究人员组成了一个团队，致力于开发并测试一种新型的数字化学习伴侣。他们的目标不是创建一个能够回答任何问题的通用型导师，而是设计一个植根于好奇心运作心理学的特定工具。他们借鉴了一个将好奇心视为一个循环的框架：学习者注意到知识中的差距，寻求信息来填补差距，在差距闭合时体验到一种获得理解的成就感，然后利用这些新知识去发现下一个差距。研究人员希望观察，一个经过精心设计以支持这一循环每一步的AI智能体，是否能帮助大学生不仅在当下感受到好奇，而且培养出一种更持久的科学探究习惯。

该团队花费数月时间开发了这个智能体，通过结合心理学理论与学生直接反馈的过程对其进行了精炼。他们将AI编程为扮演一个温暖、鼓励的伴侣，而非严厉的教导者。当学生阅读科学文章时，智能体会邀请他们提出任何困惑或感兴趣的点。智能体不会立即倾倒教科书式的定义，而是会根据学生的措辞提供定制化的解释，将新概念与日常生活实例联系起来，然后温和地提示学生对刚刚学到的内容进行反思。至关重要的是，该智能体的设计旨在降低提问的社交风险。在大型大学阶梯教室里，学生可能会因为担心受到评判而犹豫是否要问一个“基础”问题。有了AI，这种障碍消失了。智能体提供了一个安全的空间，在这里，不确定性被常态化，每一个问题都被视为学习过程中有效的一步。

为了测试这种方法是否奏效，研究人员招募了137名大学生，并将他们随机分配到两组中，进行为期两周、共三次的学习环节。其中一组与AI智能体进行互动，就他们阅读的科学文章进行开放式对话。另一组作为强有力的对照组，被要求练习自我提问。这个对照组并非处于闲置状态；他们被指示针对同样的文章尽可能多地提出问题，这是一种已被证明可以激活好奇心的成熟方法。这种设计确保了两组都在积极思考并提问，唯一的重大区别在于是否得到了来自AI的即时、自适应反馈。

结果为这些工具如何影响学习呈现出了细致入微的图景。观察每次环节中的即时好奇感时，两组表现出了相似的模式。随着他们从阅读文章转向深入探索主题，他们报告的好奇心都有所增加。这表明，无论是独自一人还是与伙伴协作，单纯提问的行为本身就足以激发兴趣。AI智能体并没有比学生自主工作时产生更剧烈的瞬间好奇感波动。

然而，当研究人员观察学生对科学的普遍倾向（长期效应）时，情况发生了变化。虽然自我提问组在三次环节后其整体特质层面的好奇心没有显著变化，但与AI智能体互动的组别显示出了可衡量的增长。数据表明，AI帮助学生积累了一系列成功的微小探究体验。通过提供及时的反馈来闭合“问题与答案”之间的循环，并通过鼓励来保持学生的参与度，该智能体帮助学生将孤立的好奇瞬间转化为了一个相互强化的循环。学生报告称，智能体帮助他们建立了连贯的知识网络，让他们感到更有能力，并降低了探索复杂话题所需的努力。

对使用该智能体的学生进行的小规模定性访谈揭示了这种差异产生的原因。这些学生描述智能体提供了三种截然不同的支持。首先，它提供了认知支持，将复杂的想法拆解并与他们已有的知识联系起来。其次，它提供了情感支持，营造出一种温暖和鼓励的感觉，使学习过程显得不再那么令人生畏。第三，或许也是最重要的，它提供了保护性支持。学生们觉得可以自由地提出那些他们可能不敢向人类教授提问的问题，因为他们知道智能体不会评判他们。这种安全感让他们能够坚持克服困难，并体验到解决自身不确定性的满足感。

研究结论指出，虽然仅仅提问是一个良好的开端，但这些问题如何被回答，对于长期的学习至关重要。AI智能体不仅仅是在回答问题；它帮助学生体验了好奇心的完整奖励循环。它引导学生从最初的问题火花，经历寻找答案的挣扎，最终达到理解的满足感，进而激发他们提出下一个问题的欲望。研究人员指出，他们的发现是初步的，且干预过程相对较短，仅持续了几周。他们认为，若要使这些变化成为永久性的习惯，可能需要更长期的参与。尽管如此，这项研究为教育技术的未来提供了一个清晰的设计蓝图。它表明，在科学教育中，人工智能最有价值的角色可能不是成为房间里最聪明的人，而是成为探索旅程中最给力的伙伴，帮助学习者建立起在课程结束之后仍能不断追问“为什么”的信心与技能。