生成式人工智能增强的多智能体方法：跨学习领域协同问题解决的创新实践

《COMPUTERS and EDUCATION》：A generative artificial intelligence-enhanced multiagent approach to empowering collaborative problem solving across different learning domains

本文提出一种生成式人工智能（GenAI）增强的多智能体方法，通过专家智能体和助手智能体为不同学习领域（自然科学与社会科学）的协同问题解决提供多维支持。研究表明，该方法相较于传统协作方式和基于聊天机器人（chatbot）的方法，能显著提升学习成效、知识精细化（knowledge elaboration）及协同问题解决能力（collaborative problem-solving skills），为人工智能教育应用提供了创新范式。

　　

Highlight

协同问题解决

技术进步通过自动化大量重复性体力劳动改变了社会，使人们更加关注复杂技能，例如协同问题解决技能（collaborative problem-solving skills）。协同问题解决技能已被确定为21世纪技能框架中的核心能力，并越来越多地融入各种教学方法中。协同问题解决植根于...

生成式人工智能增强的多智能体方法框架

本研究提出了一种基于生成式人工智能（GenAI）技术的生成式人工智能增强的多智能体方法，以促进协同问题解决。在此语境下涉及的多个智能体包括一个专家智能体（expert agent）和一个助手智能体（assistant agent）。专家智能体是智能系统的一个组成部分，它基于大语言模型（LLM）、所使用的特定算法和提示工程（prompt engineering）构建，旨在提供针对特定领域知识的个性化反馈...

参与者

本研究招募了117名来自中国一所著名大学的本科生自愿参与实验。样本包括13名男性和104名女性，这代表了该大学的人口分布。参与者的平均年龄为22岁（标准差 = 1.92）。参与者主修生物学、地理学、环境科学、教育学、心理学、计算机科学、经济学及相关领域。所有参与者均...

研究2

为了全面验证生成式人工智能增强的多智能体方法的普适性和可迁移性，本研究选择了两个不同的学习领域并进行了两项相应的研究。第一项研究的学习领域是自然科学，第二项研究的学习领域是社会科学。

生成式人工智能增强的多智能体方法的效果

本研究揭示，与使用基于聊天机器人（chatbot）方法或传统方法的学习者相比，使用生成式人工智能增强的多智能体方法的学习者在学习成效方面表现出显著提升。三个可能的原因可以解释这一发现。首先，生成式人工智能增强的多智能体方法通过专家智能体和助手智能体提供多维支持。专家智能体提供精确的解释，促进个性化评估并推荐学习...

结论

本研究提出了一种生成式人工智能（GenAI）增强的多智能体方法，并在不同的学习领域进行了两项实证研究。研究结果表明，与基于聊天机器人（chatbot）的协同问题解决方法或传统的协同问题解决方法相比，生成式人工智能增强的多智能体方法对学习成效、知识精细化（knowledge elaboration）以及协同问题解决表现和技能（collaborative problem-solving performance and skills）产生了更显著的积极影响。所提出的生成式人工智能增强的多智能体方法提供了...