高等教育中生成式社交機器人的知識導向設計需求研究
arXiv - Human-Computer InteractionStephan Vonschallen, Dominique Oberle, Theresa Schmiedel, Friederike Eyssel
本研究透過訪談定義了生成式社交機器人在高等教育中，為實現負責任且有效的教學所需的知識設計需求。
AI 幫你先抓重點
AI 重點 1
從「行為定義」轉向「知識需求」的設計範式轉移
滑鼠懸停看 AI 判斷理由
過去的 AI 教育框架多著重於定義機器人「應該表現出什麼行為」，但忽略了要達成這些行為，AI 必須「預先掌握哪些知識」。這種視角的轉變能幫助開發者從底層邏輯解決生成式 AI 可能產生的錯誤資訊與過度依賴問題。
AI 重點 2
建立生成式 AI 的教學倫理與可靠性防線
滑鼠懸停看 AI 判斷理由
透過明確定義自我、使用者與情境知識的邊界，設計者可以更有效地將生成式 AI 的能力與教學法及倫理期望對齊，減少因知識缺失導致的錯誤教學或隱私風險。
核心研究發現
- 1
研究識別出三類核心知識需求：自我知識（人格特質與角色）、使用者知識（學習目標、進度與情緒）及情境知識（教材、教學策略與環境）。
- 2
自我知識要求機器人具備斷言性、盡責且友善的人格，並應提供可自定義的角色功能以適應教學情境。
- 3
使用者知識需涵蓋學生的學習動機類型、情感狀態、背景資訊及學習進度，以實現個人化的教學互動。
- 4
情境知識必須整合課程相關資訊、教學策略與物理學習環境，確保機器人的生成內容符合教學脈絡。
對教育工作者的啟發
課程設計者與 EdTech 開發者在設計 AI 助教時，不應僅關注對話的流暢度，應將重點放在「知識架構」的完整性。首先，應設計具備特定教學人格（如盡責、友善）的機器人模型；其次，系統需具備整合學生學習數據（如動機、進度）的能力以實現適應性學習；最後，必須確保 AI 接入了正確的課程教材與教學策略知識庫，以防止生成錯誤資訊。這種結構化的知識設計能讓 AI 從單純的聊天機器人轉化為真正符合教學倫理的數位導師。
原始文獻資訊
- 英文標題：
- Knowledge-Based Design Requirements for Generative Social Robots in Higher Education
- 作者：
- Stephan Vonschallen, Dominique Oberle, Theresa Schmiedel, Friederike Eyssel
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。