aiedtechpblsrllearning design

使用LLM啟用機器人互動的可複製機器人認知方法：企業挑戰證據

arXiv - Human-Computer InteractionS. A. Prieto, M. A. Gopee, Y. Ben Arab, B. Garc\'ia de Soto, J. Esteba, P. Olivera Brizzio

利用LLM驅動的機器人互動，在企業中以挑戰式活動提升員工機器人認知，證明此方法可重複且有效。

AI 幫你先抓重點

AI 重點 1

挑戰式LLM驅動的機器人互動能在非專業員工中快速提升機器人認知，證明可擴展性。

滑鼠懸停看 AI 判斷理由
此方法不需先備知識，透過團隊角色與語音指令即能體驗人機協作，為企業培訓提供低門檻、可複製的實踐模式。
AI 重點 2

可靠性與可預測性不足是學習體驗的主要障礙，需優先改進。

滑鼠懸停看 AI 判斷理由
若互動不穩定，使用者會失去信任，影響學習動機與持續參與，故技術優化是未來關鍵。

核心研究發現

  1. 1

    102份問卷顯示參與者滿意度高達8.46/10，對機器人與AI興趣提升4.47/5。

  2. 2

    參與者對人機協作理解度提升4.45/5，直接互動者感受自然互動4.37/5，且隨活動進行感覺更易互動4.74/5。

  3. 3

    可靠性與可預測性評分較低，指出技術與設計仍需改進。

對教育工作者的啟發

企業可透過設計挑戰式團隊任務，結合LLM語音控制的機器人，快速提升員工對機器人與AI的興趣與理解。關鍵在於：①確保互動流程簡潔、角色分工明確；②提供即時回饋與進度追蹤，增強學習動機；③優化機器人可靠性與預測性，避免因誤操作造成挫折；④收集使用者回饋，持續迭代設計。此模式不需專業背景，可在物流、客服等實務場域快速部署，成為企業內部機器人教育與協作培訓的低門檻工具。

原始文獻資訊

英文標題：
A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge
作者：
S. A. Prieto, M. A. Gopee, Y. Ben Arab, B. Garc\'ia de Soto, J. Esteba, P. Olivera Brizzio
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。