对话代理机器人的角色影响群体学习的效果
Role design
对话代理机器人通过自然语言处理技术来处理学生的话语，促进学习中的讨论。最近，研究者关注了代理机器人不同的角色设计是否可以促进学生的系统思维和讨论模式的改进。172名9年级学生按照5人一组被随机分配到不同的三类小组中，分别对应着没有代理机器人，专家级代理机器人和低知识水平代理机器人。结果表明，代理机器人只要存在就能促进学生在系统思维上的学习。研究者还发现，不同的代理人水平会影响学生的学习结果。研究指出，未来设计群体环境中的对话代理机器人时需要考虑其角色设计，以更好的促进学生的学习。
与儿童一起开发的计算思维教育桌面游戏
Offline and online user experience of gamified robotics for introducing computational thinking: Comparing engagement, game mechanics and coding motivation
作者: Leonardo Madariaga et al.
随着人工智能技术的进步，如何在日常教学中培养学生的计算思维日渐重要。最近，研究者关注了在有限的条件下如何让儿童更好的习得计算思维技能。研究者与儿童一起开发、部署和评估了一款桌游，包含线上软件和离线机器人两个版本。研究发现，离线机器人带来了儿童更高水平的动机和对游戏机制开发的参与程度，这可能是因为有形的机器人游戏对儿童来说更容易接触。研究者认为，这种离线的机器人游戏可以有效的促进在技术运用相对较弱的社区中的计算思维教育。
人性化的机器人代理可以有效提升小组合作
Let’s teach Kibot: Discovering discussion patterns between student groups and two conversational agent designs
作者: Ha Nguyen
机器人代理可以帮助学生在小组合作中更好地理解他人的知识，但是在小组合作中，机器人代理常常被忽略。最近，研究者报告了一项对比研究，他们将两个聊天机器人运用到高中生物课地小组活动当中，其中一个机器人扮演专家，另一个扮演水平较低的同龄人。基于1764名高中生的数据显示，低水平机器人代理可以促使团队表现出更多的质疑和建构行为，专家机器人代理则产生了类似教师和学生之间的交流行为。研究者指出，当前的结果证明了如果在机器人代理设计中融入人性化的特征，可以有效促进学生的小组讨论。
责任编辑：Diaw Maxwell
15117967419@126.com