Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.01169

帮助 | 高级搜索

计算机科学 > 计算机与社会

arXiv:2508.01169 (cs)
[提交于 2025年8月2日 ]

标题: 正在处理:通过人工智能驱动的同伴代理增强基于游戏的学习

标题: WIP: Enhancing Game-Based Learning with AI-Driven Peer Agents

Authors:Chengzhang Zhu, Cecile H. Sam, Yanlai Wu, Ying Tang
摘要: 这项正在进行中的论文介绍了SPARC(面向儿童的系统性问题解决与算法推理),这是一个游戏化的学习平台,旨在增强K-12阶段STEM教育中的参与度和知识保留。 传统方法往往难以激发学生的学习动力或促进对复杂科学概念的深入理解。 SPARC通过将互动的、以叙事驱动的游戏玩法与基于大语言模型的人工智能同伴代理相结合,解决了这些挑战。 该代理不是简单地提供答案,而是与学生进行对话和探究,促使他们解释概念并协作解决问题。 该平台的设计基于教育理论,并与州学习标准紧密一致。 初步的课堂试点采用了一种多方法评估框架,结合了前后测、游戏内分析以及学生和教师的定性反馈。 初步结果表明,SPARC显著提高了学生的参与度,大多数参与者表示对STEM学科的兴趣增加,后测结果中观察到概念理解有适度提升。 持续开发工作集中在优化AI代理、扩展课程整合和提高可访问性上。 这些早期结果展示了将AI驱动的同伴支持与基于游戏的学习相结合的潜力,以创造包容、有效且吸引人的K-12学习体验。
摘要: This work-in-progress paper presents SPARC (Systematic Problem Solving and Algorithmic Reasoning for Children), a gamified learning platform designed to enhance engagement and knowledge retention in K-12 STEM education. Traditional approaches often struggle to motivate students or facilitate deep understanding, especially for complex scientific concepts. SPARC addresses these challenges by integrating interactive, narrative-driven gameplay with an artificial intelligence peer agent built on large language models. Rather than simply providing answers, the agent engages students in dialogue and inquiry, prompting them to explain concepts and solve problems collaboratively. The platform's design is grounded in educational theory and closely aligned with state learning standards. Initial classroom pilots utilized a multi-method assessment framework combining pre- and post-tests, in-game analytics, and qualitative feedback from students and teachers. Preliminary findings indicate that SPARC significantly increases student engagement, with most participants reporting greater interest in STEM subjects and moderate gains in conceptual understanding observed in post-test results. Ongoing development focuses on refining the AI agent, expanding curriculum integration, and improving accessibility. These early results demonstrate the potential of combining AI-driven peer support with game-based learning to create inclusive, effective, and engaging educational experiences for K-12 learners.
主题: 计算机与社会 (cs.CY)
MSC 类: 2020, 97U50
引用方式: arXiv:2508.01169 [cs.CY]
  (或者 arXiv:2508.01169v1 [cs.CY] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.01169
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Chengzhang Zhu [查看电子邮件]
[v1] 星期六, 2025 年 8 月 2 日 03:11:13 UTC (1,519 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.CY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号