CultivAgents：關係導向多代理系統，個人化園藝支援
arXiv - Computers and SocietyYiyang Wang, Moeiini Reilly, Britney Johnson, Kefei Yan, Alex Cabral, Josiah Hester
本研究提出以關係為核心的多代理系統 CultivAgents，透過專業代理人提供針對技能、環境與文化的個人化園藝建議，提升園友自信、動機與信任。
AI 幫你先抓重點
AI 重點 1
關係導向 AI 透過專業代理人將建議與使用者技能、地方環境及文化背景相結合，提升參與度。
滑鼠懸停看 AI 判斷理由
此洞察顯示 AI 可突破一般化建議的限制，透過倫理關懷與關係設計，實現更具文化回應性與個人化的教育科技。
AI 重點 2
混合方法評估揭示多代理協調難度，提示介面設計需更強調協作與透明度。
滑鼠懸停看 AI 判斷理由
了解協調挑戰能指導未來系統在處理複雜、情境敏感任務時的介面與互動設計，對 SRL 與 PBL 的實務應用具有參考價值。
核心研究發現
- 1
社區園友的自信從3.00提升至3.60，動機從4.00提升至4.40，對 AI 建議的信任從3.20提升至4.00。
- 2
參與者高度評價系統提供的超本地生態指導與多代理互補視角。
- 3
研究亦指出文化特異性、環境根基與代理協調仍有待改進。
對教育工作者的啟發
為實務教育工作者與課程設計者提供具體建議：首先，設計多代理系統時應嵌入關係倫理，透過使用者技能檔案、地方氣候資料與文化知識庫，讓每位園友獲得量身定制的建議。其次，系統介面需提供清晰的代理角色說明與協調機制，避免使用者因代理間衝突而產生混淆。再次，採用迭代式參與式設計，邀請目標使用者在開發過程中提供即時回饋，確保功能與文化適切性。最後，將系統整合至社區園藝工作坊或學校課程，透過實際操作與反思，促進園友的自我調節與社群連結，進一步提升園藝學習的持續性與社會影響力。
原始文獻資訊
- 英文標題：
- CultivAgents: Cultivating Relationship-Centered Multi-Agent Systems for Personalized Gardening
- 作者：
- Yiyang Wang, Moeiini Reilly, Britney Johnson, Kefei Yan, Alex Cabral, Josiah Hester
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。