基於實證的心理治療訓練自適應虛擬病人系統
arXiv - Computers and SocietyAngela Chen, Siwei Jin, Catherine Bao, Canwen Wang, Robert E. Kraut, Tongshuang Wu, Haiyi Zhu
開發出一種能根據治療師共情與探索技巧，動態調整資訊揭露程度的自適應虛擬病人系統。
AI 幫你先抓重點
AI 重點 1
從「固定腳本」轉向「基於實證動態模型」的模擬範式
滑鼠懸停看 AI 判斷理由
傳統模擬系統過於僵化或 LLM 過於不可控，此研究證明將真實臨床數據轉化為數學模型，能讓 AI 模擬出具備心理邏輯的互動，這為高階技能訓練提供了更精準的模擬環境。
AI 重點 2
微技巧（Micro-skills）對學習者行為的即時回饋機制
滑鼠懸停看 AI 判斷理由
這展示了 AI 如何不僅僅是內容生成器，而是能作為一個「反應式環境」，透過模擬對象的行為變化，讓學習者在互動中即時感知自身技能（如共情力）的有效性。
核心研究發現
- 1
該系統利用近 2,000 小時真實心理治療逐字稿訓練結構方程模型，量化治療師技巧與病人開放度之間的關係。
- 2
實驗顯示 AVP 系統能隨治療師的共情與探索行為提升資訊揭露度，表現優於僅使用提示詞（prompt-only）的基準模型。
- 3
消融實驗證實，以實證參數化的動態模組優於其他替代方案，其中「探索技巧」是驅動自適應訊號的主要因素。
對教育工作者的啟發
對於設計專業技能訓練課程的設計者而言，本研究提供了重要啟發：高階技能（如溝通、共情）的訓練不應僅依賴靜態教材，而應建構「反應式模擬環境」。建議在開發 EdTech 工具時，應整合真實領域的行為數據（如本研究的逐字稿）來建立動態邏輯模型，而非單純依賴 LLM 的隨機生成。這能確保模擬對象的反應具有專業邏輯，並能針對學習者的特定微技巧（Micro-skills）提供具備高度真實感的即時回饋，從而提升自主學習的深度與有效性。
原始文獻資訊
- 英文標題：
- The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist Micro-Skills
- 作者：
- Angela Chen, Siwei Jin, Catherine Bao, Canwen Wang, Robert E. Kraut, Tongshuang Wu, Haiyi Zhu
- 來源：
- arXiv - Computers and Society
- 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。