《Computers and Education: Artificial Intelligence》：Conversational AI in children's home literacy learning: effectiveness, advantages, challenges, and family perception
编辑推荐：
本研究探讨了在家庭读写学习环境中，对话式人工智能(Conversational AI)相对于人类的有效性、可能性、局限性及家庭感知。研究者开发了一款基于大型语言模型(LLM)的对话式AI系统“Vovo”，该系统遵循结构化读写教学法(Structured Literacy Pedagogy)，旨在教授3-7岁儿童词汇并共同建构故事。通过为期六周的居家环境研究（涉及10个家庭，共150个学习阶段），研究发现：Vovo在提供结构化读写教学方面与家长同样有效，但与父母学习时，儿童能取得更高的学习成果。视频分析揭示了Vovo在教学一致性、语言建模和言语社交情感支持方面的优势，同时也面临语音识别、教学持续性、非言语社交线索和音素教学等方面的挑战。家长认为Vovo智能、有用且值得信赖，但期望通过多模态设计提升其吸引力。儿童认为Vovo有趣且聪明，但由于情感联结，他们仍更倾向于与父母一起学习。作为首批将结构化读写教学法嵌入居家对话式AI系统的研究之一，本文为AI在家庭读写环境中不断演变的角色提供了实证依据，强调了早期教育中社会响应式AI设计的重要性，并呼吁未来设计应支持父母-儿童-AI三元互动，以优化AI在家庭读写学习中的作用。
儿童早期读写能力的发展为未来的阅读理解与学业成就奠定基石。一个丰富且支持性的家庭读写环境(HLE)在其中扮演着关键角色。然而，不同家庭在开展正式的、直接的教学活动方面存在巨大差异。来自社会经济地位较低或语言背景多样的家庭，可能因时间有限、教育知识匮乏或语言能力不足，而难以提供有效且持续的家庭读写支持，这导致了儿童早期读写能力发展的差距。随着人工智能(AI)和大型语言模型(LLM)的进步，为在家庭中支持儿童的读写发展带来了新机遇。然而，现有的AI工具大多聚焦于非正式的读写活动（如分享阅读、讲故事），且在正式的、结构化的读写技能教学方面探索有限。更重要的是，对于这些AI工具在自然主义家庭环境中的效果、其与人类教学相比的优劣、以及家庭如何感知它们，我们知之甚少。
为了填补这一研究空白，研究人员Shuang Quan、Xintian Tu-Shea、Yi Ding、Yao Du、Qingxiao Zheng和Laney E. Gerdich开展了一项开创性研究。他们开发了一款名为Vovo的对话式AI系统，该系统基于GPT-4o大型语言模型，并遵循结构化读写教学法，设计了一套包含七个步骤的词汇教学流程，旨在支持儿童在家庭中进行正式的读写学习活动。研究采用被试内设计，招募了10个家庭的3-7岁儿童（平均年龄5.4岁），在六周的家庭环境中，让每个孩子交替参与Vovo主导和家长主导的学习阶段，共完成了150个学习阶段。研究综合运用了定量分析（如配对样本t检验）和定性分析（如视频主题分析、半结构化访谈），系统探究了Vovo的教学有效性、相对于人类的优势与挑战，以及家长和儿童对AI作为家庭读写学习工具的看法。
为了回答研究问题，研究人员主要运用了以下关键技术方法：
- 1.
系统开发与设计：构建了基于Web的对话式AI系统“Vovo”，核心采用OpenAI的GPT-4o模型生成教学对话，并整合自动语音识别(ASR)和文本转语音(TTS)技术。系统设计了一个卡通臭鼬形象作为视觉标识，并遵循结构化读写教学法，设定了包含七个步骤的词汇教学流程，涵盖发音、词义和语境使用三个学习目标。
- 2.
研究设计与参与者：采用为期六周的微观纵向研究和被试内设计，每位儿童在每次学习阶段中参与AI主导和家长主导两种条件。参与者为10名3-7岁的英语为主要家庭语言的儿童及其照顾者，研究通过Zoom会议在线进行并录制视频。
- 3.
测量工具：使用皮博迪图片词汇测验第五版(PPVT-5)评估儿童基线语言能力；通过计算教学步骤完成率来评估教学交付质量；从发音、词义和语境使用三个维度评估儿童的学习成果；研究结束时对家长和儿童进行半结构化访谈，探究其对Vovo的感知和态度。
- 4.
数据分析：采用混合方法，结合定量（配对样本t检验、相关性分析）和定性（归纳式主题分析）分析，对教学交付、学习成果、互动过程及访谈数据进行综合分析。
研究结果
4.1. RQ1：对话式AI系统在支持儿童家庭读写学习方面效果如何？
- •
教学交付：统计分析显示，Vovo在完成预设的七个教学步骤方面，与家长的表现没有统计学上的显著差异（t (9) = 1.70, p = .123, Cohen’s d = 0.38）。这表明Vovo能够像人类照顾者一样，一致地提供结构化教学。
- •
学习成果：然而，在儿童的学习成果（发音、词义、语境使用）方面，家长主导的阶段显著高于AI主导的阶段（t (9) = 11.83, p < .001, Cohen’s d = 3.74），效应值很大。这表明，尽管Vovo能有效提供教学，但家长参与能带来更显著的学习收获。
4.2. RQ2：对话式AI系统在家庭读写学习中的优势和挑战是什么？
通过对视频录像的定性分析，揭示了Vovo的四大优势和四大挑战。
- •
优势：
- 1.
教学先进性：Vovo能一致地执行结构化教学流程，提供有效的支架式教学（如澄清、详述、举例），并能根据孩子的兴趣和回应提供个性化的学习体验。
- 2.
语言适切性：Vovo能使用适合儿童年龄的语言，提供具有创造性和词汇多样性的语言输出，并在孩子语法错误时提供即时的句法支架。相比之下，部分家长在解释复杂词汇和语法纠正方面存在困难。
- 3.
言语社交情感支持：Vovo能提供丰富的积极反馈（如表扬、鼓励），并展现出对话调节能力，能在孩子分心或误解时引导对话回到学习任务上。
- •
挑战：
- 1.
语音识别：Vovo在误听背景噪音、误解儿童非标准发音或语音变异、以及误判停顿（如将思考沉默视为脱离）方面存在困难，影响了互动流畅性。
- 2.
教学持续性：当孩子表达不感兴趣时，Vovo倾向于轻易终止会话，缺乏人类照顾者那样的教学坚持性（如情感鼓励、提供激励、重申期望）。
- 3.
非言语社交情感支持：作为纯语音交互系统，Vovo缺乏眼神接触、微笑、手势等非言语社交线索，这影响了其维持儿童注意力和建立情感联系的能力。
- 4.
音素教学：Vovo无法分解单词、教授单个音素或音节拼读技能，这对于早期读写技能（尤其是解码）的发展至关重要，而家长可以通过放慢语速、示范口型等方式进行有效教学。
4.3. RQ3：儿童和家长如何看待对话式AI作为家庭读写学习工具？
- •
家长感知：家长普遍认为Vovo智能、专业、有用且值得信赖，认为它能支持孩子的语言发展，并表示愿意继续使用。同时，他们期望未来设计能改进语音识别和噪声处理能力，并增强多模态界面设计（如加入视觉形象、图片、游戏化元素），以提升孩子的参与度。
- •
儿童感知：儿童认为Vovo有趣、友好且能有效教学，但他们明确表示更喜欢和父母一起学习，原因在于情感联结（如“因为她不是我的妈妈”）。所有儿童都将Vovo识别为电脑，而非人类。
研究结论与意义
本研究通过开发并评估Vovo对话式AI系统，为理解AI在家庭读写环境中的作用提供了重要的实证证据。研究发现，Vovo能够作为一种有效的教学伙伴，在家庭环境中一致地提供结构化的读写教学，其教学交付质量与家长相当，并在教学一致性、语言适切性和言语社交情感支持方面展现出独特优势。这证明了将结构化读写教学法(Structured Literacy Pedagogy) 嵌入家庭导向的对话式AI系统的可行性，为面临资源或能力限制的家庭提供了一种可靠的、基于证据的正式家庭读写活动支持工具。
然而，研究也明确指出，人类照顾者的参与仍然不可替代。与AI相比，家长主导的学习带来了更显著的学习成果，这得益于家长在非言语支持、教学坚持性、音素教学以及最重要的情感联结方面的优势。儿童的反馈也强化了这一点，他们虽然享受与AI的互动，但出于情感原因更偏爱与父母学习。
因此，研究的核心启示在于，未来的AI教育工具设计不应旨在取代父母，而应作为补充和增强。研究呼吁发展社会响应式AI设计，通过改进语音识别（尤其是对儿童语音的识别）、整合多模态交互（如视觉形象、触觉反馈）、并探索支持父母-儿童-AI三元互动的模式，来优化AI在家庭读写学习中的作用。这样的设计能够将AI的教学一致性与人类的情感智慧相结合，共同创造更丰富、更有效的家庭读写学习环境。
本研究的成果发表于《Computers and Education: Artificial Intelligence》期刊，为教育技术、人机交互(HCI)和儿童发展领域的学者和实践者提供了宝贵的见解，推动了关于如何负责任且有效地将先进AI技术整合到儿童早期教育家庭场景中的讨论。
