從提示到語境：面向人機協作的本體驅動框架
arXiv - Human-Computer InteractionNgoc Luyen Le, Marie-H\'el\`ene Abel, Bertrand Laforge
提出一套本體驅動框架，將人機協作的提示、輸出與上下文結構化，提升可追溯性與透明度
AI 幫你先抓重點
AI 重點 1
將協作上下文明確化可提升 AI 產出可追溯性與信任度
滑鼠懸停看 AI 判斷理由
在高風險教育工作流程中，明確的上下文減少了對 AI 決策的模糊性，讓使用者能夠審核、追蹤並驗證 AI 產出，從而提升系統的可信度與合規性。
AI 重點 2
本體驅動框架可輕鬆擴展至多種工作流程，促進跨領域協作
滑鼠懸停看 AI 判斷理由
本體提供共享語彙，允許不同工具與領域之間互操作，降低重複開發成本，並使 AI 系統能夠在多樣化的教育場景中快速部署與調整。
核心研究發現
- 1
CCAI 本體成功將協作要素（任務、角色、資源、約束）建模為機器可解讀的詞彙
- 2
將 CCAI 實例與 SPARQL 上下文檢索結合，將瞬時的 prompt‑response 轉為可查詢的協作痕跡
- 3
在軟體開發案例中，明確的協作建模提升了任務上下文清晰度、AI 產出可追溯性，並增進透明度與問責性
對教育工作者的啟發
實務工作者可先建立本體模型，將提示、輸出、資源、約束等元素標記為可機器解讀的詞彙；在開發流程中使用 SPARQL 進行上下文檢索，將瞬時的 prompt‑response 轉為可查詢的協作痕跡；在需求分析、設計、實作與測試階段持續記錄協作事件，提升 AI 產出可追溯性；透過明確的協作上下文，增進使用者信任與決策透明度，並為後續評估與改進提供資料基礎。
原始文獻資訊
- 英文標題：
- From Prompts to Context: An Ontology-Driven Framework for Human-Generative AI Collaboration
- 作者：
- Ngoc Luyen Le, Marie-H\'el\`ene Abel, Bertrand Laforge
- 來源：
- arXiv - Human-Computer Interaction
- 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。