edtechailearning designknowledge buildingmetacognition

從「什麼」到「如何」與「為什麼」：利用大型語言模型生成的回顧摘要，協助遠距家庭成員了解長者被動追蹤資料

arXiv - Human-Computer InteractionJiachen Li, Reina Szeyi Chan, Akshat Choube, Xiang Zhi Tan, Elizabeth Mynatt, Varun Mishra

研究證實，結合多層次、多代理、情境化敘事的 LLM 生成摘要能顯著提升遠距家庭成員對長者日常生活的滿意度、信任度與使用意願。

AI 幫你先抓重點

AI 重點 1

情境化敘事是提升遠距照顧者信任與參與度的關鍵。

滑鼠懸停看 AI 判斷理由
因為遠距家庭成員缺乏日常觀察，僅有數據無法產生情感連結；加入情境背景與故事化語言可將抽象統計轉化為可理解、可共鳴的資訊，進而提升信任與使用意願。
AI 重點 2

多代理設計可分層處理不同資訊層級，提升摘要的可解釋性與可擴充性。

滑鼠懸停看 AI 判斷理由
多代理架構允許專門處理統計、情境、情感等不同模組，避免單一模型過度負荷，並使系統易於調整與擴充，符合長期照護系統的可持續發展需求。

核心研究發現

  1. 1

    在 11 位遠距家庭成員的問卷中，重新設計的多層次摘要在滿意度、實用性、信任度與接收意願上均顯著高於初始版本。

  2. 2

    使用多代理架構將客觀統計與情境敘事結合，能更有效地將「什麼」資料轉化為「如何」與「為什麼」的解釋。

  3. 3

    受訪者反映，情境化的敘事能彌補他們對長者日常生活的可見度不足，並增強情感責任感。

對教育工作者的啟發

實務上，設計者可先提供客觀統計摘要，再透過多代理模型加入情境敘事與情感語言，形成層次化報告。此流程不僅提升使用者滿意度，也能增強信任與參與度。建議在開發初期就與遠距照顧者共創，收集其對「什麼」「如何」「為什麼」的需求，並透過迭代測試驗證摘要的可解釋性。

原始文獻資訊

英文標題：
From 'What' to 'How' and 'Why': Sharing LLM-Generated Retrospective Summaries of Older Adults' Passive Tracking Data with Remote Family Members
作者：
Jiachen Li, Reina Szeyi Chan, Akshat Choube, Xiang Zhi Tan, Elizabeth Mynatt, Varun Mishra
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。