SupplyNet：透過情境化多智能體模擬支持供應鏈視覺化探索式學習
arXiv - Human-Computer InteractionYanjia Li, Kelcy Kexin Han, Tianrui Hu, Yi-Fan Cao, Huamin Qu, Sicheng Song
開發 SupplyNet 系統，結合 LLM 多智能體模擬與視覺化工具，提升學習者對複雜供應鏈動態的理解與參與度。
AI 幫你先抓重點
AI 重點 1
將抽象數據轉化為可操作的「決策空間」
滑鼠懸停看 AI 判斷理由
傳統模擬常因數據過於抽象而造成認知負荷，透過視覺化工具將數據轉化為可操作的決策場景，能降低學習門檻並促進深層學習。
AI 重點 2
利用 LLM 驅動的「情境化多智能體」實現動態反饋
滑鼠懸停看 AI 判斷理由
這改變了以往靜態模擬的侷限，讓學習者能與具備情境感知能力的智能體互動，從而獲得更具適應性且豐富的學習體驗。
核心研究發現
- 1
SupplyNet 透過圖形化 LLM 多智能體框架，成功模擬了供應鏈中各節點間相互依賴的動態關係。
- 2
系統整合了互動式網絡視圖、分支時間軸與任務導向分析台，支持學習者進行「假設性」探索與因果追蹤。
- 3
使用者研究顯示，該系統能有效提升學習者的參與度，並增強其對供應鏈運作邏輯的感知理解能力。
對教育工作者的啟發
教育設計者在開發複雜系統（如經濟、物流或科學模型）的教學工具時，應避免僅提供數據圖表，而應著重於「因果追蹤」與「反事實推理」的設計。建議結合視覺化工具（如分支時間軸）讓學生能進行「如果...會怎樣」的實驗，並利用 AI 智能體提供即時且具情境感的情境反饋，將學習過程從單純的觀察轉化為主動的決策探索，從而提升學習者的元認知能力與對複雜系統的掌握。
原始文獻資訊
- 英文標題：
- SupplyNet: Supporting Visual Exploratory Learning in Supply Chain via Contextual Multi-Agent Simulation
- 作者：
- Yanjia Li, Kelcy Kexin Han, Tianrui Hu, Yi-Fan Cao, Huamin Qu, Sicheng Song
- 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。