基於LLM的教學代理人動態多模式表達生成
arXiv - Human-Computer InteractionNinghao Wan, Jiarun Song, Fuzheng Yang
本研究提出一種由大型語言模型驅動的多模式表達生成方法，提升虛擬實境教學中教學代理人的自然度與教學效果。
AI 幫你先抓重點
AI 重點 1
本研究提出一種基於大型語言模型 (LLM) 的動態多模式表達生成方法，提升虛擬實境教學代理人的自然度與教學效果。
滑鼠懸停看 AI 判斷理由
這代表了研究的核心貢獻，即如何利用 LLM 解決傳統教學代理人缺乏動態表達的問題。了解此方法，能幫助讀者掌握研究的技術基礎，並評估其在自身應用場景的可行性。這也直接關聯到研究的創新性，以及對教育科技領域的潛在影響。
AI 重點 2
動態多模式表達（結合語音與手勢）能顯著提升學習者的參與度、降低疲勞感，並提升對教學代理人的擬人化感知。
滑鼠懸停看 AI 判斷理由
此發現直接點出研究的實務價值。教育工作者或 VR 教育應用開發者可以藉此了解，如何透過更自然的互動方式，改善學習體驗，提升學習成效。它不僅僅是技術上的進步，更關乎學習者的心理感受與學習動機，這對於設計有效的教學系統至關重要。
核心研究發現
- 1
動態生成的多模式表達能顯著提升學習者對學習成效的感知。
- 2
動態表達有效提升學習者的參與度與使用意願，降低學習過程中的疲勞感與無聊感。
- 3
結合動態語音與手勢能有效提升學習者對教學代理人擬人化程度與社會存在感的感知。
- 4
透過建立對教學內容具有語義敏感性的提示，可以生成協調一致的語音與手勢指令。
- 5
研究結果為設計更具沉浸感與自然表達的智能教學代理人提供新的洞見與設計準則。
對教育工作者的啟發
教育工作者可利用大型語言模型，為虛擬教學環境中的教學代理人設計更自然、更具互動性的表達方式，提升學習者的沉浸感與學習效果。透過動態多模式表達，能有效減輕學習疲勞，並提升學習動機。在課程設計時，應考量教學內容的語義，並據此生成相應的語音與手勢，以達到最佳的教學效果。未來可進一步探索不同提示策略對多模式表達品質的影響。
原始文獻資訊
- 英文標題：
- Dynamic Multimodal Expression Generation for LLM-Driven Pedagogical Agents: From User Experience Perspective
- 作者：
- Ninghao Wan, Jiarun Song, Fuzheng Yang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
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。