ParaTutor：透過角色分離鷹架介面實現即時 LLM 輔助親子教學系統
arXiv - Human-Computer InteractionLan Luo, Anqi Wang, Muzhi Zhou, Junhua Zhu, Jie Cai, Ao Yu, Hui Pan
開發 ParaTutor 系統，透過為家長與孩童提供差異化鷹架，解決傳統 LLM 削弱親子教學角色分工的問題。
AI 幫你先抓重點
AI 重點 1
從「單一使用者」轉向「角色分化」的 AI 設計思維
滑鼠懸停看 AI 判斷理由
過去多數 AI 教育工具假設使用者是同質的，但本研究指出在協作學習中，若不區分角色，AI 可能會取代人類引導者，而非輔助引導者，這對於設計家庭學習工具至關重要。
AI 重點 2
差異化鷹架（Role-Separated Scaffolding）的重要性
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 介入程度的理解：AI 不應只提供答案，而應根據使用者在學習生態系中的角色（如引導者或學習者），提供不同維度的認知支持。
核心研究發現
- 1
研究發現有效的親子教學依賴於角色區分，即家長引導過程，而孩童則需保持主動推理。
- 2
通用型 LLM 輔助往往會削弱家長的教學角色，導致家長在教學過程中參與度降低。
- 3
ParaTutor 透過為家長提供教學引導、為孩童提供視覺化問題基礎，能有效維持家長主導地位並提升孩童推理參與度。
- 4
實驗結果顯示，在多使用者學習情境中，LLM 的價值取決於如何根據不同角色分配支援內容。
對教育工作者的啟發
教育科技設計者在開發多使用者（如親子、師生）協作工具時，應避免提供「一體適用」的 AI 回應。建議實施「角色感知型設計」，例如：當系統偵測到引導者（家長/教師）時，應提供引導策略與問題結構分析；當偵測到學習者（孩童）時，則提供視覺化提示或概念支撐。這樣能確保 AI 扮演的是「教學助教」而非「直接給出答案的機器」，從而保護人類引導者的教學主導權，並維持學習者的認知參與度。
原始文獻資訊
- 英文標題：
- ParaTutor: LLM Mediated Parent Child Tutoring through Role Separated Scaffolding Interface in Real Time
- 作者：
- Lan Luo, Anqi Wang, Muzhi Zhou, Junhua Zhu, Jie Cai, Ao Yu, Hui Pan
- 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。