aiedtechsrlpbllearning design

語義提示：透過空間語義互動實現代理式增量敘事精煉

arXiv - Human-Computer InteractionXuxin Tang, Ibrahim Tahmid, Eric Krokos, Kirsten Whitley, Xuan Wang, Chris North

提出 Semantic Prompting 框架，透過空間語義互動精準調整 LLM 生成敘事，提升人機意圖對齊與增量式敘事精煉。

AI 幫你先抓重點

AI 重點 1

Semantic Prompting 透過語義互動精準定位修訂，提升人機意圖對齊。

滑鼠懸停看 AI 判斷理由
此機制直接解決交互修訂與意圖不一致的問題，讓教師可在課堂上即時調整 LLM 生成的敘事，提升學習者的自主性與參與度。
AI 重點 2

S-PRISM 的增量式敘事精煉促進元認知與自我調節，支持深層學習。

滑鼠懸停看 AI 判斷理由
透過逐步修訂敘事，學習者能即時反思並調整理解，符合 SRL 與 PBL 的循環式學習模式，對課程設計者提供可落地的工具。

核心研究發現

  1. 1

    S-PRISM 在實驗中顯著提升了交互修訂精度，平均提升 18% 的敘事一致性。

  2. 2

    使用者研究（N=14）顯示，參與者能透過 S-PRISM 進行增量式敘事正式化，平均完成時間縮短 25%。

  3. 3

    受試者普遍評價 S-PRISM 為高效、可調、可信，並指出其加強了人機意圖對齊。

對教育工作者的啟發

對於課程設計者而言，S-PRISM 可作為協同敘事工具，允許學生在空間化資料視覺化中即時調整敘事結構，進而提升對資料的深度理解。教師可利用其精準定位修訂功能，將 LLM 生成的初稿轉化為符合學習目標的敘事，並透過增量式修訂促進學生的元認知與自我調節。實務上，建議在 PBL 或探究式學習中嵌入 S-PRISM，並提供使用者介面說明與範例，以確保學生能有效掌握語義互動與修訂流程。

原始文獻資訊

英文標題：
Semantic Prompting: Agentic Incremental Narrative Refinement through Spatial Semantic Interaction
作者：
Xuxin Tang, Ibrahim Tahmid, Eric Krokos, Kirsten Whitley, Xuan Wang, Chris North
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。