PolyPresentation：具備投影片感知能力的迭代式演講練習多模態 AI 平台
arXiv - Human-Computer InteractionChen Chen, Jihao Li, Zhiyuan Wen, Tianhui Zhang, Di Zou, Jiannong Cao
開發了一種能結合投影片內容、提供分頁練習與反饋循環的 AI 平台，以支持更具目標性的演講迭代練習。
AI 幫你先抓重點
AI 重點 1
從「單次表現評估」轉向「迭代式學習循環」的範式轉移。
滑鼠懸停看 AI 判斷理由
傳統 AI 工具多將演講視為一次性的表演，僅提供結果反饋；而此研究強調將反饋與投影片內容掛鉤，並引導使用者進行下一次的針對性練習，這符合自主學習（SRL）中「監控與調整」的核心機制。
AI 重點 2
多模態與投影片感知（Slide-aware）技術的整合應用。
滑鼠懸停看 AI 判斷理由
演講不只是語言表達，更是視覺材料與口頭內容的協調。透過將反饋精確定位於特定投影片，使用者能更精準地進行局部修正，而非盲目地重新練習整場演講，大幅提升學習效率。
核心研究發現
- 1
PolyPresentation 建立了包含分頁練習、完整演練、觀眾問答與反饋的統一練習循環，解決了現有工具缺乏投影片關聯性的問題。
- 2
透過對 20 場學術演講演練的評估，結果顯示該系統在提供具備行動力、情境感知且導向練習的支援方面，優於四種基準系統。
- 3
研究結果證實該系統提供的反饋與人類評分具有高度的一致性，能有效協助使用者診斷表現問題。
對教育工作者的啟發
教育工作者在設計口語表達課程時，應從「單次評分」轉向「循環練習」的設計。建議利用 AI 工具提供「分段式練習」與「具備視覺關聯的反饋」，讓學生能針對特定投影片進行微調。這種做法能幫助學生建立元認知（Metacognition），讓他們學會如何根據具體的視覺與口頭不一致處來調整策略，而非僅僅是接收一個總體分數，從而實現更深層次的技能內化。
原始文獻資訊
- 英文標題：
- PolyPresentation: A Multimodal AI Platform for Slide-Aware Iterative Presentation Practice
- 作者：
- Chen Chen, Jihao Li, Zhiyuan Wen, Tianhui Zhang, Di Zou, Jiannong Cao
- 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。