利用生成式人工智能降低认知负荷以简化教学，助力包容性制造业发展

《Procedia CIRP》：Cognitive load–driven instruction simplification with generative AI for inclusive manufacturing

　　

Agnese Testa|Akilan Nambi

意大利都灵，都灵理工大学管理与生产工程系，Corso Duca degli Abruzzi 24，邮编10129

摘要

在制造业中，基于文本的指令可能会给用户带来较高的认知负担，尤其是对于有神经差异的用户。本研究提出了一种利用生成式人工智能简化技术指令的方法，该方法以从生理数据中得出的认知负荷估算值为依据。研究通过平均认知负荷、变化认知负荷、执行效率以及SMOG可读性等特征对任务进行分类，从而识别出那些需要更高认知成本的指令。针对这些指令，研究使用基于提示的语言模型，并结合词汇和句法约束来重新构建指令。通过SMOG指数来量化可读性的提升，同时运用回归分析来研究指令复杂度与认知表现之间的关系。研究结果表明，指令的语言复杂性有所降低，且可读性与认知负荷之间存在非线性关系，这表明生成式工具在打造包容性教学设计方面具有潜力。

下载：下载Word文档（4MB）