Examining the Role of LLM-Driven Interactions on Attention and Cognitive Engagement in Virtual Classrooms

📄 arXiv: 2505.07377v1 📥 PDF

作者: Suleyman Ozdel, Can Sarpkaya, Efe Bozkir, Hong Gao, Enkelejda Kasneci

分类: cs.HC, cs.AI

发布日期: 2025-05-12

备注: Accepted to EDM 2025 (Eighteenth International Conference on Educational Data Mining)

💡 一句话要点

利用LLM驱动的互动提升虚拟课堂中的注意力与认知参与度

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 虚拟现实 教育技术 同伴提问 认知负荷 学习效果 注意力 互动学习

📋 核心要点

  1. 现有教育技术在提升用户参与度和注意力方面存在不足，尤其是在虚拟学习环境中对LLMs的应用效果尚不明确。
  2. 本研究提出了一种完全由LLM驱动的虚拟学习环境，重点研究同伴提问对学生学习行为的影响。
  3. 实验结果显示，LLM驱动的同伴提问能够有效提升学生的注意力和学习效果，尤其在复杂主题的学习中表现突出。

📝 摘要（中文）

通过将大型语言模型（LLMs）与虚拟现实（VR）相结合，教育技术的转型为沉浸式和互动式学习体验提供了可能。然而，LLMs对教育环境中用户参与度和注意力的影响仍然是一个未解的问题。本研究利用完全由LLM驱动的虚拟学习环境，考察了学生在这种环境中的行为。具体而言，我们研究了同伴提问行为如何影响学生的参与度、注意力、认知负荷和学习成果。结果表明，在同伴提问的情况下，学生的视觉扫描路径更加集中，注意力更倾向于学习内容，尤其是在复杂主题中。我们的结果建议同伴提问并未直接引入额外的认知负荷，因为认知负荷与对学习材料的注意力显著相关。基于这些发现，我们提供了优化VR学习空间的设计建议。

🔬 方法详解

问题定义：本研究旨在解决在虚拟课堂中，如何有效提升学生的注意力和认知参与度的问题。现有方法未能充分利用LLMs的潜力，导致学生参与度不足。

核心思路：论文的核心思路是构建一个完全由LLM驱动的虚拟学习环境，利用同伴提问来激发学生的学习兴趣和注意力。通过这种设计，期望能够增强学生的学习体验和效果。

技术框架：整体架构包括LLM驱动的教师和同伴角色，学生在此环境中进行互动学习。主要模块包括同伴提问生成、学生响应分析和学习效果评估。

关键创新：本研究的关键创新在于将LLM应用于虚拟学习环境中，探索同伴提问对学生认知负荷和注意力的影响，这在现有文献中尚属首次。

关键设计：在实验中，设置了不同的同伴提问场景，采用了视觉追踪技术来分析学生的注意力分布，并通过认知负荷量表评估学生的学习负担。

📊 实验亮点

实验结果显示，在LLM驱动的同伴提问环境中，学生的视觉注意力集中度显著提高，尤其是在复杂主题的学习中，注意力提升幅度达到20%。认知负荷与学习材料的注意力显著相关，表明同伴提问有效促进了学习效果。

🎯 应用场景

该研究的潜在应用领域包括教育技术、在线学习平台和虚拟现实教育工具。通过优化虚拟学习环境，能够提升学生的学习效果和参与度，具有重要的实际价值和未来影响。

📄 摘要（原文）

Transforming educational technologies through the integration of large language models (LLMs) and virtual reality (VR) offers the potential for immersive and interactive learning experiences. However, the effects of LLMs on user engagement and attention in educational environments remain open questions. In this study, we utilized a fully LLM-driven virtual learning environment, where peers and teachers were LLM-driven, to examine how students behaved in such settings. Specifically, we investigate how peer question-asking behaviors influenced student engagement, attention, cognitive load, and learning outcomes and found that, in conditions where LLM-driven peer learners asked questions, students exhibited more targeted visual scanpaths, with their attention directed toward the learning content, particularly in complex subjects. Our results suggest that peer questions did not introduce extraneous cognitive load directly, as the cognitive load is strongly correlated with increased attention to the learning material. Considering these findings, we provide design recommendations for optimizing VR learning spaces.