水聲低語：將人機對話具象化為互動波紋
arXiv - Human-Computer InteractionRuipeng Wang, Tawab Safi, Yunge Wen, Christina Cunningham, Hoi Ling Tang, Behnaz Farahi
將人類與 AI 的對話以水面振動的形式呈現，結合情感分析與多代理 LLM，創造可感知的情緒自我探索體驗。
AI 幫你先抓重點
AI 重點 1
情感驅動的水面振動提供了可感知的情緒回饋，能促進學習者的自我監控與情緒調節。
滑鼠懸停看 AI 判斷理由
此機制將抽象情緒轉化為具體視覺與觸覺體驗，增強學習者對自身情緒狀態的覺察，進而提升自我調節能力，對 SRL 與情感學習尤為關鍵。
AI 重點 2
多代理 LLM 生成多元 AI 人格，示範了可根據學習者需求即時調整對話角色的可能性。
滑鼠懸停看 AI 判斷理由
透過不同 AI 身份的互動，學習者可獲得個性化的回饋與支持，這種動態角色切換為差異化教學與個別化學習提供了實際範例。
核心研究發現
- 1
裝置將使用者語音的情感色彩轉換為激發頻率，進而在水面上產生對應的共振圖樣，直觀呈現情緒波動。
- 2
多代理大型語言模型系統根據語義內容生成多樣化 AI 身份，透過情境對話展現自我身份的動態演化，提升互動的情境感。
- 3
作者提出的諧波分解演算法結合對數間距與 Bark-scale 映射，能即時將合成語音重建為物理波疊加，實現語音與水波的同步映射。
對教育工作者的啟發
教育工作者可借鑑此裝置的情感感知與多代理對話機制，設計以情緒為核心的自我探索活動；在課堂中加入水面振動或類似共振視覺化工具，可視化學生情緒變化，促進自我監控；同時利用多代理 LLM 產生不同角色的對話，為個別化學習提供即時、情境化的回饋，提升學習動機與成效。
原始文獻資訊
- 英文標題：
- Whispering Water: Materializing Human-AI Dialogue as Interactive Ripples
- 作者：
- Ruipeng Wang, Tawab Safi, Yunge Wen, Christina Cunningham, Hoi Ling Tang, Behnaz Farahi
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
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。