
-
生物通官微
陪你抓住生命科技
跳动的脉搏
儿童与社交机器人的信息搜索互动:聚焦提问行为与学习机制研究
【字体: 大 中 小 】 时间:2025年06月16日 来源:International Journal of Child-Computer Interaction CS7.2
编辑推荐:
本研究针对数字时代儿童信息获取方式转变的核心问题,通过NAO机器人开展Question Elicitation Task实验,揭示5-9岁儿童在informative/non-informative回答条件下提问行为的差异。发现儿童将机器人视为友好工具而非生命体,25-30%提问为explanation-seeking,且回答质量显著影响提问持续性,为儿童教育机器人设计提供了实证依据。
在数字化浪潮席卷教育的今天,孩子们获取知识的方式正在发生革命性变化。传统依赖成人解答的"为什么"阶段,正逐步被智能音箱、搜索引擎和社交机器人等数字信息源替代。然而,这些冰冷的技术工具能否像人类一样激发儿童的好奇心?当NAO机器人眨着LED眼睛回答问题时,孩子们会把它当作百科全书还是新奇的电子宠物?这些问题背后,隐藏着关于儿童认知发展与人工智能交互的深层科学命题。
正是基于这样的背景,来自土耳其的研究团队Burcu ünlütabak和Duygun Erol Barkana在《International Journal of Child-Computer Interaction》发表了一项开创性研究。他们采用Wizard of Oz(远程操控)实验范式,让35名5-9岁土耳其儿童与NAO机器人进行关于动物和物体的问答互动。研究创新性地设置了informative(信息丰富)和non-informative(信息匮乏)两种脚本化回答条件,通过Python GUI界面实时调用GPT-4生成的应答数据库,首次系统揭示了儿童与社交机器人信息搜索互动的行为特征。
关键技术方法包括:1) 基于Question Elicitation Task设计标准化提问任务;2) 采用Wizard of Oz技术实现自然对话流;3) 构建GPT-4驱动的脚本应答系统;4) 对910个儿童提问进行类型学编码(包括label/function/explanation-seeking等类别);5) 结合儿童气质量表分析个体差异。所有数据来自伊斯坦布尔私立学校的中高社会经济地位(SES)土耳其语儿童样本。
【Children’s Questions in the Question Elicitation Task】
研究发现儿童共提出910个问题(信息丰富条件下571个,信息匮乏条件下339个)。约25-30%属于explanation-seeking(解释寻求)类型,显著高于土耳其儿童向成人提问的比例(18-20%)。提问内容集中在物品标签(label)、功能/行为(function/behavior)和物理属性三大维度,呈现出与年龄相关的递进式发展特征。
【Impact of Answer Quality】
当机器人提供non-informative回答时,儿童提问频率下降23%,但经对话时长校正后差异消失。这表明回答质量主要影响互动节奏而非持续性,儿童表现出对机器人缺陷的惊人容忍度。值得注意的是,7-9岁儿童在信息匮乏条件下更易转向fact-seeking(事实寻求)问题,显示出元认知策略的早期发展。
【Perception of Social Robots】
基线评估显示,儿童普遍将NAO机器人归类为"智能工具"而非生命体,这种认知显著区别于他们对虚拟助手(VAs)的拟人化倾向。约68%儿童认为机器人"知道很多但不会生气",这种非评判性特质可能解释了即使面对低质量回答时,儿童仍保持较高互动意愿的现象。
【Temperament Factors】
通过儿童行为问卷(CBQ)测量发现,高shy/inhibited气质儿童初期提问量少40%,但在15分钟适应期后差异消失。这一发现为个性化教育机器人设计提供了重要依据——短暂"预热期"可能对内向儿童尤为重要。
该研究的突破性发现在于揭示了社交机器人作为"非评判性信息源"的独特价值。与传统认知相反,儿童并不苛求机器人回答的完备性,而是珍视其提供的安全提问环境。这种特性使社交机器人特别适合作为科学启蒙的"第一块跳板",尤其对内向儿童具有包容性优势。研究同时警示,当前GPT-4生成的应答虽能维持对话流畅度,但在解释深度上仍与优秀人类教师存在差距。
从实践角度看,这些发现为教育机器人开发提供了黄金准则:1) 优先优化物理属性认知类问题的应答准确性;2) 为explanation-seeking问题设计多模态解释方案;3) 引入动态难度调节机制适应不同气质儿童。正如研究者强调的,未来的child-robot interaction(CIR)系统应当像"会生长的脚手架",既能满足5岁儿童对label问题的需求,又能支持9岁儿童的因果推理探索。这项研究不仅填补了发展心理学与人机交互研究的交叉空白,更在人工智能教育应用爆炸式增长的今天,为如何守护儿童与生俱来的好奇心提供了科学指引。
生物通微信公众号
知名企业招聘