Multimodal Generative AI Chatbots for Enhancing Scientific Research Skills: A Self-Determination Theory-Based Mediation Model
本研究表明，多模态生成式人工智能聊天机器人（尤其是使用视频摘要的聊天机器人）通过降低认知负荷并基于自我决定理论机制培养自主性、胜任感和归属感，显著提升了阿曼教师资格培训生的科学研究技能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代课堂中，学习工具正在发生快速的变化。人工智能已从一个未来的概念转变为一种实用的助手，能够生成文本、图像，甚至是复杂主题的视频摘要。然而，仅仅拥有智能技术并不保证学生能学得更好。教育者真正需要探讨的问题是，这些工具如何与人类大脑进行交互。有两个主要观点有助于解释这种交互。首先，大脑在任何特定时间内用于学习的心理能量是有限的；如果一节课过于杂乱或令人困惑，那么这些能量就会被浪费在理解格式上，而不是理解内容本身。其次，当人们感到对自己的学习拥有控制感、感到自己有能力掌握材料，并且感到受到环境支持时，学习效果最好。这些感受不仅仅是锦上添花，它们是驱动深度理解的燃料。
最近在阿曼进行的一项研究，旨在测试当学生使用一种新型 AI 助手时，这些原则是如何发挥作用的。研究人员将目光锁定在一群正在学习困难学科——科学研究方法论的教师培训专业学生身上。这是一个需要学生设计研究、分析数据并撰写报告的领域，这些任务要求高度的专注力和批判性思维。研究团队想要观察，一种能够以不同方式总结信息的 AI 聊天机器人是否能帮助学生掌握这些技能。他们对比了三种特定的格式：结合了图像和解说的视频摘要、组织视觉数据的静态信息图，以及仅依赖声音的音频摘要。其目标是确定哪种格式不仅能让信息更易于消化，还能让学生感到更有信心、更有掌控感，并最终提升他们在研究任务中的表现。
该研究涉及 308 名学生，他们被分为三组。每组都使用了一个旨在辅助其研究方法课程的生成式 AI 聊天机器人，但信息的呈现方式各不相同。一组接收视频摘要，另一组接收信息图，第三组接收音频摘要。研究人员测量了学生在科学研究技能方面的表现、他们感受到的心理努力程度，以及他们在控制感、胜任感和学习过程连接感方面的满意度。结果清晰且鲜明：使用视频摘要的学生显著优于其他两组。他们在研究技能评估中的得分最高，同时也报告了对信息质量最高的满意度，以及心理努力程度的极大降低。
视频组不仅获得了更好的成绩，还感到自己更有能力、更能掌控自己的学习旅程。研究发现，AI 提供的信息质量和对心理负担的减轻是关键因素。当 AI 清晰地呈现信息并减少了学生在理解混乱格式上的挣扎时，学生会感到更加自主和称职。这些感受反过来直接提升了他们执行复杂研究任务的能力。研究人员发现，视频格式之所以特别有效，是因为它能够展示研究程序的循序渐进过程，将视觉线索与口头讲解相结合。这有助于学生跟随研究的逻辑流向，而不会迷失方向。相比之下，虽然信息图组的表现优于音频组，但信息图相对于音频的优势主要是直接性的，即它有助于提升表现，但并不一定能像视频那样在提升学生的心理胜任感和控制感方面发挥同等程度的作用。
音频摘要虽然灵活且易于获取，但对于这种类型的学习而言，被证明是三种格式中效果最差的一种。由于口头信息是暂时性的，且缺乏持久的视觉结构，学生发现很难整合复杂的教学概念。研究表明，对于需要理解序列和关系的任务（如设计研究方案），一种允许学生同时看到和听到过程的格式更为优越。研究结果表明，AI 在教育中的成功不仅在于技术本身，更在于该技术如何被设计用来支持人类大脑。能够减少心理压力并培养胜任感的优质摘要至关重要。视频格式之所以成功，是因为它契合了大脑处理复杂顺序信息的方式，使学生能够将精力集中在思考而非解码课程上。
这项研究为如何在高等教育中更好地使用 AI 提供了具体的答案。仅仅向学生提供 AI 生成的内容是不够的；内容的呈现格式至关重要。研究表明，当 AI 工具的设计能够尊重人类注意力的极限，并支持学生的自主意识时，它们可以显著提升学习成果。视频摘要起到了强大的支架作用，帮助学生以更高的信心和技能应对科学研究的复杂性。结果表明，教育者和设计者应当优先考虑结合视觉和听觉元素的格式，以支持最具挑战性的认知任务。通过这样做，他们可以创造出一种学习环境，让技术不仅仅是传递信息，而是积极支持批判性思维和研究技能的发展。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。