在聊天机器人中加入专家决策机制对学生成绩、享受和焦虑的影响

在聊天机器人中加入专家决策机制对学生成绩、享受和焦虑的影响

（ Effects of Incorporating an Expert Decision-making Mechanism into Chatbots on Students’ Achievement, Enjoyment, and Anxiety）

2023年

一、概念解析

自我探究：即自己对问题进行探究，可以提高学习成绩，是学生进一步理解的有效策略。

聊天机器人：作为一种学习工具，可以将教育所需的信息存储在数据库中，并且可以随时通过口头或文本查询机器人来检索或补充(Wollny et al, 2021)。但是，如果聊天机器人中的每个学习笔记都是独立的，没有脚手架选项供学生选择，他们可能会陷入同一个问答循环的循环，或者因为在对话中没有提到决策条件而错过一些学习笔记。

也被称为虚拟助手，是人工智能软件的一种原始形式，可以模仿人类的对话，为用户提供一种新的灵活性形式，从而实现即时交互(Dahiya, 2017)。

人工智能教育(AIED)：我们设计了创新和富有成效的学习活动，并开发了更好的技术增强学习应用程序，以促进教学、学习或决策;特别是，在模拟人类智能推理、判断或预测的计算机系统的帮助下，人工智能技术可以为学生提供个性化的指导(Hwang et al, 2020)。例如，提出了一种深度学习辅助在线智能英语教学系统，以帮助学生根据其知识和人格习得提高英语教学效率(Sun et al .， 2020)，而利用社交机器人在线学习辅助课程。之前的一项研究试图结合思维导图引导的聊天机器人方法来提高学生的英语口语表现。这种方法比传统的聊天机器人方法具有更好的性能(Lin & mubarak, 2021)。基于AIED的成功应用，本研究将人工智能技术之一监督机器学习和决策树应用于交互式学习环境。

学习焦虑：是指学生在学习过程中体验到的消极情绪;他们可能会在学习的不同阶段感到焦虑(Alnuzaili & Uddin, 2020)，这是学习者在学习过程中常见的消极情绪反应。

二、研究内容

1.研究背景：在传统教学中，教师一般通过讲课的方式将教材内容传递给学生，使得教学活动缺乏活力。此外，在这种一对多的教学模式下，教师通常无法查看个别学生的学习状况，也无法及时反馈学生的学习问题。聊天机器人提供了一个解决这个问题的机会。然而，传统的聊天机器人通常是作为信息提供者(即通过匹配对话中的关键字来提供相关信息)而不是作为决策顾问(即使用具有决策机制的知识库来帮助用户解决问题)。因此，本研究提出了一种基于专家决策的聊天机器人，以方便学生个体在学习过程中对知识的建构。

2.研究目的：本研究旨在通过聊天机器人学习减少学生的学习焦虑，保持学生的学习乐趣，促进更好的学习效果。因此，在本研究中，对照组使用C-chatbot作为助教，通过参考包含每个学习笔记的数据库，立即回答他们的问题。实验组采用结合专家知识决策的EDM -聊天机器人，将人工智能应用于教育(Artificial Intelligence in Education, AIED)实现自适应学习。通过使用EDM聊天机器人，学生可以提高他们的学习成绩和乐趣，同时减少他们的学习焦虑。

3.研究方式：通过准实验，比较了使用基于专家决策的聊天机器人(EDM-chatbot)和传统聊天机器人(C-chatbot)的学生在地理课程活动中的表现和认知差异。试验组是一个35人的班级，使用EDM聊天机器人。另一个班的35名学生是对照组，使用c -聊天机器人。

4.研究问题：(1)使用EDM聊天机器人的学生是否比使用c聊天机器人的学生有更好的学习成绩?

(2)使用EDM聊天机器人的学生比使用c聊天机器人的学生有更低的学习焦虑。

(3)使用EDM聊天机器人的学生是否比使用c聊天机器人的学生有更好的学习乐趣?

5.研究结果：研究结果表明，结合专家决策知识的EDM -聊天机器人显著提高了学生的学习成绩和学习乐趣，减少了学生的学习焦虑，显示了所提出方法的价值。

6.目前的研究：有效的课堂提问是有效教与学的关键。学生提问是一种重要的自我调节策略，对科学教学有多重好处(Van der Meij, 1994)。

提问对于知识构建、讨论、自我评估和认知好奇心都很重要，对提高学习成绩也很有用。例如，阅读课中的相互修辞策略被发现可以提高阅读理解能力(Ersianawati等人，2018)。此外，提问策略可以增强第二语言学习中文本细节的记忆，以及对主要思想的理解(Liu, 2021)。之前的一项研究探讨了重复练习简答题的好处，它可以增强学生的长期记忆，从而提高学习成绩(Lu et al, 2021)。

然而，在传统课堂上很少看到学生提问;同时，由于教学进度的压力，教师并不总是有足够的时间在一堂课上回答所有学生的问题。

因此，本研究试图利用专家系统架构和特征，开发具有决策树的EDM -聊天机器人，优化聊天机器人与学生之间的对话路径，帮助学生专注于学习目标，专注于互动。

三、实验设计

1.实验对象：为了检验聊天机器人对提高地理气候单元学习成绩的影响，我们招募了两个班的高中生。他们的平均年龄是17岁。一组(N = 35)为实验组，使用EDM聊天机器人;另一组(N = 35)为对照组，使用c聊天机器人。同一个老师教两组学生。

2.实验流程：实验过程如图1所示。在基于聊天机器人的学习活动开始前，学生们进行了地理气候相关基础知识的预测，并填写了学习焦虑和学习享受问卷。

在学习活动中，每组总共花了三个小时。学生们首先被引导在他们的手机上安装聊天机器人，并通过回答老师准备的学习表上的一组问题来完成他们的个人学习任务。同一组的所有学生在同一教室使用他们的个性化聊天机器人。在这三节课中，每个学生需要与聊天机器人互动，以获得自主学习任务的提示，每节课50分钟，中间休息10分钟。他们可以通过音频或文本输入与聊天机器人交谈。应该指出的是，两组都被要求完成同样的气候地理学习单元。两组之间唯一的区别是实验组使用的是EDM聊天机器人，而对照组使用的是c聊天机器人。两组均在半天内完成实验，但两组实验的进行时间不同。

学习活动结束后，学生们进行了一个不能使用聊天机器人的后测。学习成就后测包括10个与聊天机器人地理气候知识相关的选择题。学生还完成了学习焦虑和学习享受的问卷调查。

实验结束后，进行统计分析。结果将在下一节中给出。

图1.实验流程

• 结果

根据研究数据，首先采用Kolmogorov-Smirnov检验进行正态性检验;发现各组数据均不符合正态分布(即ShapiroWilk的p值均小于0.05)。因此，采用非参数分析的统计方法。

学习成绩

分析：Wilcoxon signed-rank 检验

组别	N	前测		后测		Z
		M	SD	M	SD
实验组	35	56.89	1.35	65.26	2.05	-2.74
对照组	35	52.37	2.14	57.22	1.17	-2.04

P<0.01,p<0.05.

结果：首先，采用Wilcoxon符号秩检验比较各组学习成就前测和后测的差异，如表1所示。结果显示，对照组学生后测学习成绩显著高于前测学习成绩 (Z = -2.044*， p < 0.05)。同时，实验组后测学习成绩显著高于前测学习成绩 (Z = -2.736**， p < 0.01)。因此，这两种系统都有助于自我学习。

组别	N	M	SD	Z	秩平均	秩总和	U	W	Z
实验组	35	65.26	2.05	-2.74	53.00	1855.00	0.00	630.00	-7.24
对照组	35	57.22	1.17	-2.04	18.00	630.00

P<0.05.

采用Mann-Whitney U检验比较两组前测结果。结果证实，学生的先验知识(U = 485.500;Z = -1.527;P = .127 > .05)。最后，再次进行Mann-Whitney U检验，比较两组的后测结果。结果发现，实验组的学习成绩显著优于对照组的学习成绩。

学习焦虑、学习享受也均是非参数检验。

五、结论

以人为本的AIED研究的核心是通过设计解决学生学习困境的工具来支持学生的学习，并为他们提供公平的学习机会。本研究利用IBM Watson构建了一个edm -聊天机器人，并将专家决策融入到多轮对话机制中，为学生提供自适应学习。在人工智能算法系统中，避免了与文化、宗教和性别相关的有偏见的词语，为学习者提供了一个公平的竞争环境，新的算法可以通过智能分析、诊断、预测、治疗和预防实现更接近人类的表现，为学生提供自适应学习(Yang, 2021)。针对学习者的独特需求进行个性化教学，制定教学策略(Tempelaar et al, 2021)，创造以人为中心的学习技术，达到了精准教育的标准(Luan & Tsai, 2021)。实验结果表明，edm聊天机器人在提高学生学习成绩、减少学习焦虑、增加学习乐趣方面比c聊天机器人更有效。聊天机器人使用自然语言处理来判断学生谈话的重点。他们不会用任何带有偏见或歧视性的语言回应学生，但会流利地交谈，并首先回答气候问题。在本研究中，聊天机器人的对话以学习内容为中心，并被验证不包含歧视性语言。学习内容是根据教材内容设计的，并经老师验证具有解释性和可靠性。教学需要互动，聊天机器人为学生提供即时的指导和答案，从而提高学习成绩和兴趣，增强学生的学习乐趣(Fryer et al, 2019)。

Shneiderman(2020)将以人为中心的人工智能描述为设计支持人类自我效能、促进创造力、明确责任和促进社会参与的人工智能系统的一个有前途的方向。这研究人员使用聊天机器人帮助学生学习有关气候的知识。聊天机器人可以解决传统教育的问题。教师很难处理每个学生遇到的问题，也很难在具体的学习内容上花费太多时间。学生可以使用聊天机器人自行寻找答案，并随时学习不熟悉的内容。然而，聊天机器人也有一些局限性。聊天机器人更适合结构化或基于规则的学习内容。对于非结构化的学习内容，构建聊天机器人的过程会非常复杂，对于使用通用聊天机器人的学生来说，组织知识结构也很困难。聊天机器人在对话过程中并不知道学生的能力和学习情况，所以可能需要通过突击测验来确认，或者像本研究中一样，可以使用提示和引导学生方向的选项，如C-chatbot，或者可以使用决策树来结构和检查每个学生的学习节点，如EDM-chatbot。

尽管有积极的发现，但本研究仍有一些值得注意的局限性。首先，如果学生的答案与手头的问题无关，聊天机器人可能不得不从头开始对话，这可能会让学生感到不耐烦。除了系统稳定性和准确性调整之外，鼓励未来的研究包括机器学习机制，通过分析使用聊天机器人的学生的行为模式和反馈来改进聊天机器人的自然语言处理能力。跟踪学生的学习情绪，或者比较语音聊天机器人和真人聊天机器人对学生学习的影响差异，对未来的研究也很有价值。建议未来的研究首先收集学生在传统课堂上的学习成果和参与度，以便将学生使用e-learning结合AI机制进行自主学习的表现与教师在传统课堂上教授的学生的表现进行比较，而传统课堂无法考虑任何个性化的反应。由于本研究比较的是自主学习前提下的两种机制，因此本研究中教师并未对学生的学习进行干预。研究发现，教师在课堂上采用人工智能工具的意愿是影响人工智能技术或应用融入教育课程设计的一个因素(Wang et al, 2021)。因此，教师对聊天机器人的看法也可以在未来的研究中探讨。鼓励未来的研究提出与本研究不同的其他研究目标和假设。换句话说，建议教师在进一步的研究中成为一个独立变量。本研究的另一个局限性是仅在地理气候单元中使用聊天机器人，并且自我学习时间有限，因此建议未来的研究在更长的时间内尝试针对不同学科和课程的聊天机器人的高交互性设计。