GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)設(shè)計(jì)與實(shí)證研究

摘要：目前，大量教育數(shù)字人已在教學(xué)場(chǎng)景中應(yīng)用，新一代生成式人工智能（Genetic Artificial Intelligence，GenAI）驅(qū)動(dòng)的教育數(shù)字人彌補(bǔ)了傳統(tǒng)教育數(shù)字人在智能化、仿真人程度方面的不足，可為學(xué)生提供更聰明、更個(gè)性化的教學(xué)服務(wù)，給師生教學(xué)體驗(yàn)和效能帶來(lái)了質(zhì)的飛躍。在此背景下，文章采用分層架構(gòu)方法，設(shè)計(jì)了GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)，包含網(wǎng)絡(luò)基礎(chǔ)層、網(wǎng)關(guān)層、服務(wù)層、邏輯層、監(jiān)控層和界面交互層六層。之后，文章開(kāi)展了針對(duì)122名小學(xué)生參與的教育數(shù)字人教學(xué)應(yīng)用實(shí)證研究，探索GenAI驅(qū)動(dòng)的不同形象教育數(shù)字人（無(wú)教師、AI女孩、AI大熊貓和AI男孩）對(duì)學(xué)生學(xué)習(xí)效果的影響，結(jié)果表明：AI男孩組在知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣上表現(xiàn)更佳，而四組在社會(huì)交互上表現(xiàn)相當(dāng)；教育數(shù)字人在學(xué)習(xí)興趣、社會(huì)交互兩個(gè)方面影響知識(shí)保持、知識(shí)遷移的中介效應(yīng)均不顯著。文章的研究可為GenAI驅(qū)動(dòng)教育數(shù)字人的設(shè)計(jì)和開(kāi)發(fā)提供系統(tǒng)化的理論框架，有助于探索教育數(shù)字人影響學(xué)習(xí)者學(xué)習(xí)過(guò)程與結(jié)果的規(guī)律，并為教師、研究者和開(kāi)發(fā)者提供可借鑒的案例。

關(guān)鍵詞：GenAI；教育數(shù)字人；知識(shí)保持；知識(shí)遷移；學(xué)習(xí)興趣；社會(huì)交互

【中圖分類號(hào)】G40-057 【文獻(xiàn)標(biāo)識(shí)碼】A 【論文編號(hào)】1009—8097（2024）09—0026—11 【DOI】10.3969/j.issn.1009-8097.2024.09.003

引言

當(dāng)人工智能遇到教育數(shù)字人，將驅(qū)動(dòng)教育數(shù)字人從底層發(fā)生根本性變革，為教育數(shù)字人提供更強(qiáng)大的智力保障^[1][2]。2023年8月，我國(guó)印發(fā)《元宇宙產(chǎn)業(yè)創(chuàng)新發(fā)展三年行動(dòng)計(jì)劃（2023-2025年）》，明確提出要“創(chuàng)新數(shù)字人、虛擬空間開(kāi)發(fā)工具組件，推動(dòng)數(shù)字人制作便捷化、精細(xì)化、智能化，推廣虛擬會(huì)議室、展廳、營(yíng)業(yè)廳、社交空間等產(chǎn)品”^[3]。同年11月，首席執(zhí)行官Altman在OpenAI開(kāi)發(fā)者大會(huì)上宣布了GPT-4的重磅更新，這是ChatGPT語(yǔ)言模型的下一代產(chǎn)品。以ChatGPT為代表的生成式人工智能，推動(dòng)著各行業(yè)走向人工智能2.0時(shí)代。目前，國(guó)內(nèi)外已有一批知名數(shù)字人標(biāo)桿產(chǎn)品和品牌，如華智冰、柳夜熙等。然而，這些數(shù)字人在仿真人程度、智慧問(wèn)答等方面仍然表現(xiàn)不佳，經(jīng)常出現(xiàn)模仿真人動(dòng)作呆板、問(wèn)而不答或答非所問(wèn)等現(xiàn)象。也就是說(shuō)，數(shù)字人在仿真人程度、深度學(xué)習(xí)等方面還需改變計(jì)算模型并進(jìn)行不斷訓(xùn)練與迭代^[4]。

GenAI技術(shù)驅(qū)動(dòng)的新一代教育數(shù)字人為師生教育場(chǎng)景創(chuàng)設(shè)、智慧問(wèn)答、智能反饋等帶來(lái)了質(zhì)的飛躍，可以讓每位教師和學(xué)習(xí)者打造個(gè)人的數(shù)字分身、生成自己的個(gè)性化教育數(shù)字人。教育數(shù)字人可為教育教學(xué)提供多樣化、多元化的發(fā)展新場(chǎng)景和新樣態(tài)，如課堂教學(xué)走向“教師-學(xué)習(xí)者-人工智能”新形態(tài)，交互方式走向師生交互、生生交互、人機(jī)交互三重交互，師生雙向反饋?zhàn)呦蚪處煛W(xué)習(xí)者、數(shù)字人三重反饋。其中，師生雙向反饋?zhàn)呦蚪處煛W(xué)習(xí)者、數(shù)字人三重反饋，確保了教學(xué)反饋的即時(shí)性、全面性和個(gè)性化。基于此，本研究嘗試設(shè)計(jì)GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)，并通過(guò)實(shí)證研究驗(yàn)證GenAI驅(qū)動(dòng)的教育數(shù)字人應(yīng)用效果，以期為教育工作者、研究者和技術(shù)開(kāi)發(fā)者在開(kāi)展數(shù)字人課堂教學(xué)場(chǎng)景應(yīng)用方面提供深入的見(jiàn)解與實(shí)踐指導(dǎo)，推動(dòng)數(shù)字人在教育領(lǐng)域的創(chuàng)新應(yīng)用。

一 文獻(xiàn)綜述與問(wèn)題提出

1 文獻(xiàn)綜述

（1）教育數(shù)字人前沿探索

教育數(shù)字人也稱“人造人”或“虛擬人”，是利用虛擬現(xiàn)實(shí)、數(shù)字孿生等技術(shù)生成的虛擬教師或虛擬學(xué)伴，通過(guò)模擬真實(shí)教師或?qū)W伴的表情和動(dòng)作，能夠在課堂中開(kāi)展知識(shí)傳遞、社會(huì)交互、情感傳遞等教學(xué)活動(dòng)，以提升學(xué)習(xí)者的學(xué)習(xí)效果。教育數(shù)字人的發(fā)展已經(jīng)歷三個(gè)階段：①仿真人階段。由于技術(shù)受限，在模仿真人的模樣、表情、動(dòng)作等方面仿真人的逼真度與自然性較低。②擬真人階段。擬真人是通過(guò)先進(jìn)的計(jì)算機(jī)技術(shù)和人工智能合成的虛擬形象，在外觀、行為、交互上模仿真人，具有較高的逼真度和自然性。③類真人階段。此階段的教育數(shù)字人與真人的動(dòng)作、表情、聲音越來(lái)越相似，與真人的智力水平也相當(dāng)，能夠滿足一定的教學(xué)需求，符合圖靈測(cè)試要求。

當(dāng)前，教育數(shù)字人正處于類真人階段。在GenAI的驅(qū)動(dòng)下，教育數(shù)字人具有了較強(qiáng)的類人屬性和多方向交互能力，能給學(xué)習(xí)者帶來(lái)更具吸引力和沉浸感的學(xué)習(xí)體驗(yàn)^[5]。根據(jù)技術(shù)驅(qū)動(dòng)方式的不同，可將數(shù)字人技術(shù)生成分為兩條路徑^[6]：①真人驅(qū)動(dòng)型路徑，是根據(jù)現(xiàn)實(shí)世界具有真實(shí)身份的教師或?qū)W伴，通過(guò)數(shù)字孿生技術(shù)創(chuàng)造與現(xiàn)實(shí)世界真人相對(duì)應(yīng)的數(shù)字人（即虛擬與現(xiàn)實(shí)一一對(duì)應(yīng)的數(shù)字人）；②技術(shù)驅(qū)動(dòng)型路徑，是創(chuàng)造現(xiàn)實(shí)世界中不存在而元宇宙世界存在的教育數(shù)字人（即從無(wú)到有創(chuàng)造數(shù)字人），如華智冰。這兩條路徑在數(shù)字人的創(chuàng)造方式上有相似之處，其中最為核心也最具挑戰(zhàn)的是建模、驅(qū)動(dòng)、渲染三個(gè)環(huán)節(jié)：建模環(huán)節(jié)是根據(jù)真實(shí)人物或設(shè)計(jì)的虛擬人物來(lái)建立3D模型，這是構(gòu)建虛擬人形象的基礎(chǔ)，重點(diǎn)在于實(shí)現(xiàn)細(xì)節(jié)的精確還原；驅(qū)動(dòng)環(huán)節(jié)是通過(guò)捕捉真人動(dòng)作（真人驅(qū)動(dòng)型）、訓(xùn)練驅(qū)動(dòng)模型（算法驅(qū)動(dòng)型）等確定數(shù)字人的基本動(dòng)作，然后從真人身上捕捉動(dòng)作并將其轉(zhuǎn)移到數(shù)字人身上；渲染環(huán)節(jié)則是根據(jù)數(shù)字人的形象和動(dòng)作創(chuàng)建逼真的教學(xué)場(chǎng)景。

而針對(duì)教育數(shù)字人技術(shù)架構(gòu)的研究，有研究者將其分為三個(gè)層次：基礎(chǔ)層、平臺(tái)層和應(yīng)用層^[7]。其中，基礎(chǔ)層涉及軟硬件技術(shù)的支撐，硬件主要包括顯示設(shè)備、光學(xué)器件、傳感器、芯片等，軟件技術(shù)主要包括建模技術(shù)、渲染技術(shù)、數(shù)據(jù)庫(kù)、模型算法等；平臺(tái)層主要是指集成上游的軟硬件為數(shù)字人設(shè)計(jì)與開(kāi)發(fā)提供技術(shù)標(biāo)準(zhǔn)和服務(wù)；應(yīng)用層是將數(shù)字人應(yīng)用于教育教學(xué)的各個(gè)領(lǐng)域，如創(chuàng)設(shè)學(xué)習(xí)新場(chǎng)景、開(kāi)展人機(jī)智能協(xié)同學(xué)習(xí)、進(jìn)行人機(jī)角色扮演、實(shí)施智慧問(wèn)答教學(xué)等。

（2）GenAI驅(qū)動(dòng)的教育數(shù)字人教學(xué)應(yīng)用及其效果

GenAI驅(qū)動(dòng)的教育數(shù)字人能夠模擬真人教師，與學(xué)習(xí)者進(jìn)行互動(dòng)，提供個(gè)性化的學(xué)習(xí)資源，有效提高學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)、學(xué)習(xí)興趣、社會(huì)存在感和學(xué)習(xí)成績(jī)^[8][9]。與傳統(tǒng)教育數(shù)字人相比，GenAI驅(qū)動(dòng)的教育數(shù)字人的優(yōu)勢(shì)主要在于：①社會(huì)交互方面，GenAI技術(shù)可以調(diào)整教育數(shù)字人的態(tài)度、聲音、肢體動(dòng)作等并建立與文本的映射關(guān)系，使教育數(shù)字人從“形似”走向“神似”，學(xué)習(xí)過(guò)程也更加生動(dòng)、有趣；同時(shí)，增強(qiáng)了學(xué)習(xí)者與教育數(shù)字人之間的互動(dòng)，有助于提升學(xué)習(xí)者的學(xué)習(xí)效果^[10]。②內(nèi)容生成方面，基于Transformer算法的GenAI在處理復(fù)雜問(wèn)題、長(zhǎng)距離依賴、語(yǔ)義理解等方面具有明顯優(yōu)勢(shì)^[11]。GenAI通過(guò)已存儲(chǔ)于數(shù)據(jù)庫(kù)中的語(yǔ)料庫(kù)或用戶添加額外的訓(xùn)練數(shù)據(jù)，結(jié)合自然語(yǔ)言處理技術(shù)，不斷提升自身的語(yǔ)義理解和生成能力，從而能夠根據(jù)學(xué)習(xí)者的反饋情況智能調(diào)整學(xué)習(xí)的內(nèi)容和進(jìn)度，進(jìn)而為每位學(xué)習(xí)者量身定制學(xué)習(xí)計(jì)劃和學(xué)習(xí)內(nèi)容。

GenAI驅(qū)動(dòng)的教育數(shù)字人作為一種創(chuàng)新的教學(xué)交互對(duì)象，近年來(lái)受到了廣泛關(guān)注和應(yīng)用^[12]。依據(jù)社會(huì)代理理論和社會(huì)存在感理論，GenAI驅(qū)動(dòng)的教育數(shù)字人能夠通過(guò)語(yǔ)音、手勢(shì)、姿勢(shì)、目光引導(dǎo)、面部表情等多種社會(huì)線索，增強(qiáng)學(xué)習(xí)者的社會(huì)交互和學(xué)習(xí)興趣，從而提高他們的學(xué)習(xí)效果^[13]。而特征相似性理論進(jìn)一步說(shuō)明，教學(xué)視頻中教師的形象與學(xué)習(xí)者的個(gè)人特質(zhì)越相似，就越能激發(fā)學(xué)習(xí)者的自我認(rèn)同感，從而將自我與學(xué)習(xí)材料進(jìn)行參照和對(duì)比^[14]。這種積極的互動(dòng)過(guò)程，不僅能增強(qiáng)學(xué)習(xí)者的自我認(rèn)知，更能顯著提升他們的學(xué)習(xí)興趣^[15][16]。Veletsianos^[17]的研究進(jìn)一步驗(yàn)證了這一觀點(diǎn)，并發(fā)現(xiàn)學(xué)習(xí)者對(duì)教育數(shù)字人的外在形象持有刻板印象。例如，當(dāng)藝術(shù)學(xué)習(xí)者面對(duì)與他們自身特質(zhì)相符的藝術(shù)家教育數(shù)字人形象時(shí)，會(huì)表現(xiàn)出更為積極的社會(huì)交互行為，進(jìn)而取得更好的學(xué)習(xí)效果。然而，并非所有GenAI驅(qū)動(dòng)的教育數(shù)字人都能通過(guò)設(shè)計(jì)帶來(lái)預(yù)期的積極效果。有研究表明，當(dāng)教育數(shù)字人的形象與學(xué)習(xí)者的喜好不相符時(shí)，不僅未能促進(jìn)學(xué)習(xí)，反而可能對(duì)學(xué)習(xí)者的學(xué)習(xí)效果產(chǎn)生負(fù)面影響^[18][19][20]。因此，在學(xué)習(xí)過(guò)程中，設(shè)計(jì)GenAI驅(qū)動(dòng)的教育數(shù)字人的形象與動(dòng)作，仍然需要綜合考察學(xué)習(xí)者特征、知識(shí)類型、學(xué)習(xí)材料等多種因素，以找到“最優(yōu)解”，使教育數(shù)字人真正發(fā)揮最大效應(yīng)^[21]。綜述上述研究，可以看出教育數(shù)字人對(duì)學(xué)習(xí)者的學(xué)習(xí)興趣、社會(huì)交互和學(xué)習(xí)成績(jī)具有重要影響。

2 問(wèn)題提出

以ChatGPT為代表的GenAI以對(duì)話方式為學(xué)習(xí)者提供個(gè)性化的智能問(wèn)答，那么，當(dāng)GenAI與教育數(shù)字人融合形成新型教育數(shù)字人時(shí)，能否碰撞出教育創(chuàng)新的“火花”？鑒于當(dāng)前針對(duì)GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)及其學(xué)習(xí)效果的研究處于起步階段，本研究試圖探索以下三個(gè)研究問(wèn)題：①如何設(shè)計(jì)GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)？②GenAI驅(qū)動(dòng)的不同形象的教育數(shù)字人對(duì)學(xué)生的學(xué)習(xí)興趣、社會(huì)交互和學(xué)習(xí)成績(jī)有何不同影響？③GenAI驅(qū)動(dòng)的不同形象的教育數(shù)字人通過(guò)社會(huì)交互和學(xué)習(xí)興趣對(duì)學(xué)生學(xué)習(xí)成績(jī)的中介效應(yīng)如何？

二 GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)設(shè)計(jì)

分層架構(gòu)方法將教育數(shù)字人架構(gòu)劃分為多個(gè)功能層，每一層專注于特定的任務(wù)，以確保系統(tǒng)的模塊化、靈活性和可擴(kuò)展性^[22][23]。采用此方法，本研究設(shè)計(jì)了GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)，包含網(wǎng)絡(luò)基礎(chǔ)層、網(wǎng)關(guān)層、服務(wù)層、邏輯層、監(jiān)控層、界面交互層六層，具體如圖1所示。

①網(wǎng)絡(luò)基礎(chǔ)層：通過(guò)數(shù)據(jù)庫(kù)、服務(wù)器、網(wǎng)絡(luò)設(shè)施和負(fù)載均衡，確保計(jì)算資源的高效利用和數(shù)據(jù)的安全、可靠傳輸。其中，數(shù)據(jù)庫(kù)負(fù)責(zé)存儲(chǔ)用戶數(shù)據(jù)、對(duì)話記錄、學(xué)習(xí)進(jìn)度等信息；服務(wù)器負(fù)責(zé)提供計(jì)算資源和后端服務(wù)；網(wǎng)絡(luò)設(shè)施、負(fù)載均衡負(fù)責(zé)服務(wù)器與數(shù)據(jù)庫(kù)之間的身份認(rèn)證、安全防控和負(fù)載分配，為教育數(shù)字人的高效運(yùn)行提供了有力保障。

②網(wǎng)關(guān)層：引入API網(wǎng)關(guān)，通過(guò)API限流、流量控制、安全策略等進(jìn)行管理和路由API請(qǐng)求，確保API調(diào)用的穩(wěn)定性。其中，API限流控制調(diào)用頻率，防止系統(tǒng)過(guò)載和濫用；流量控制可實(shí)時(shí)監(jiān)控API流量，以識(shí)別并應(yīng)對(duì)異常情況；安全策略涉及身份驗(yàn)證和授權(quán)檢查，確保API的安全使用。

③服務(wù)層：通過(guò)接入API使用GPT 3.5-Turbo模型，整合大語(yǔ)言模型的自然語(yǔ)言處理、決策推理等功能，確保教育數(shù)字人的自然語(yǔ)言精準(zhǔn)處理。結(jié)合大語(yǔ)言模型的上下文理解、推理決策功能，教育數(shù)字人能夠維持對(duì)話的連續(xù)性，根據(jù)用戶提供的數(shù)據(jù)和歷史交互進(jìn)行推理，從而實(shí)現(xiàn)高效的語(yǔ)言理解和內(nèi)容生成^[24]。此外，F(xiàn)ine-Tuning包括模型微調(diào)和參數(shù)調(diào)整——模型微調(diào)是對(duì)GPT 3.5-Turbo模型進(jìn)行具體教學(xué)任務(wù)的專項(xiàng)訓(xùn)練，以提升模型的準(zhǔn)確性和實(shí)用性；參數(shù)調(diào)整則通過(guò)優(yōu)化模型的超參數(shù)，以獲得最佳的性能表現(xiàn)。

④邏輯層：通過(guò)會(huì)話管理、API調(diào)用、數(shù)據(jù)分析來(lái)管理教育數(shù)字人的響應(yīng)和交互效果。其中，會(huì)話管理負(fù)責(zé)管理用戶與AI的會(huì)話狀態(tài)和上下文；API調(diào)用將與后端進(jìn)行通信，發(fā)送用戶輸入并接收AI的響應(yīng)，處理從后端接收到的數(shù)據(jù)，并在前端展示，確保信息傳遞的準(zhǔn)確性和及時(shí)性；數(shù)據(jù)分析主要包括用戶行為分析和性能指標(biāo)分析，并對(duì)分析結(jié)果進(jìn)行可視化呈現(xiàn)。API通信包括多個(gè)步驟，如請(qǐng)求生成、請(qǐng)求發(fā)送、響應(yīng)接受、響應(yīng)解析、數(shù)據(jù)轉(zhuǎn)換等。當(dāng)用戶通過(guò)文本或語(yǔ)音的方式在前端界面輸入信息時(shí)，前端將輸入轉(zhuǎn)換為API請(qǐng)求，通過(guò)HTTP或HTTPS協(xié)議發(fā)送請(qǐng)求并由API網(wǎng)關(guān)接收請(qǐng)求，進(jìn)行驗(yàn)證并路由到服務(wù)層。

⑤監(jiān)控層：通過(guò)系統(tǒng)監(jiān)控、日志記錄和異常監(jiān)測(cè)，實(shí)時(shí)跟蹤系統(tǒng)性能和用戶活動(dòng)，確保系統(tǒng)的穩(wěn)定運(yùn)行。其中，系統(tǒng)監(jiān)控將實(shí)時(shí)監(jiān)控系統(tǒng)的各方面性能指標(biāo)，如CPU、內(nèi)存、網(wǎng)絡(luò)流量等；日志記錄用于記錄系統(tǒng)操作日志和用戶活動(dòng)日志；異常監(jiān)測(cè)主要通過(guò)異常檢測(cè)算法，監(jiān)測(cè)系統(tǒng)中的非正常行為和潛在的安全威脅，包括檢測(cè)系統(tǒng)入侵、數(shù)據(jù)泄露等風(fēng)險(xiǎn)事件。另外，系統(tǒng)還會(huì)定期對(duì)用戶記錄進(jìn)行收集，根據(jù)用戶行為分析、性能指標(biāo)分析，調(diào)整和優(yōu)化平臺(tái)的功能，滿足實(shí)際的教育教學(xué)需求。

⑥界面交互層：根據(jù)人機(jī)交互原理，通過(guò)建模渲染、React框架、TTS語(yǔ)音、跨平臺(tái)兼容、UX/UI設(shè)計(jì)等，優(yōu)化用戶與教育數(shù)字人的互動(dòng)。其中，技術(shù)實(shí)現(xiàn)采用3ds Max、Blender進(jìn)行教育數(shù)字人形象的建模與渲染。為了適應(yīng)不同學(xué)科的教學(xué)需求和學(xué)習(xí)者的個(gè)性化學(xué)習(xí)風(fēng)格，本研究設(shè)計(jì)了不同形象風(fēng)格和語(yǔ)音特性的教育數(shù)字人，如在大熊貓主題的課程中設(shè)計(jì)大熊貓形象的AI教育數(shù)字人，使其在視覺(jué)上呈現(xiàn)出接近自然的形象，且具有生動(dòng)的肢體動(dòng)作和情感豐富的語(yǔ)音輸出。本研究采用的React框架是一個(gè)用于構(gòu)建UI的JavaScript庫(kù)，通過(guò)組件化設(shè)計(jì)，提升了界面的響應(yīng)速度和動(dòng)態(tài)效果^[25]。在語(yǔ)音交互方面，本研究采用微軟的“從文本到語(yǔ)音”（Text To Speech，TTS）服務(wù)將文本轉(zhuǎn)化為語(yǔ)音輸出，能夠生成更加逼真、自然的語(yǔ)音，且語(yǔ)調(diào)和語(yǔ)速變化更加細(xì)膩；同時(shí)，在學(xué)習(xí)國(guó)寶大熊貓主題的知識(shí)時(shí)，學(xué)習(xí)者可以通過(guò)耳機(jī)和麥克風(fēng)與教育數(shù)字人進(jìn)行互動(dòng)式學(xué)習(xí)。而跨平臺(tái)兼容的功能，可以確保用戶在移動(dòng)端或PC端能夠使用教育數(shù)字人開(kāi)展智慧問(wèn)答、個(gè)性化互動(dòng)學(xué)習(xí)等學(xué)習(xí)活動(dòng)。在UX/UI設(shè)計(jì)上，為了讓學(xué)習(xí)者能直接與教育數(shù)字人對(duì)話，本研究采用圖形語(yǔ)言傳輸格式（Graphics Language Transmission Format，GLTF）來(lái)優(yōu)化3D模型在Web端的展示和交互，使得學(xué)習(xí)者即使是在網(wǎng)絡(luò)條件受限的情況下也能享受流暢的互動(dòng)體驗(yàn)^[26]。

三 GenAI驅(qū)動(dòng)的教育數(shù)字人應(yīng)用效果實(shí)證研究

為驗(yàn)證GenAI驅(qū)動(dòng)的教育數(shù)字人的應(yīng)用效果，本研究依托GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)，開(kāi)展了教育數(shù)字人的教學(xué)應(yīng)用實(shí)驗(yàn)。實(shí)驗(yàn)的主要任務(wù)，是考察教育數(shù)字人（含四種形象，即無(wú)教師、AI女孩、AI大熊貓和AI男孩）對(duì)學(xué)習(xí)者知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣和社會(huì)交互的影響。設(shè)計(jì)四種教育數(shù)字人形象的理由如下：①無(wú)教師形象作為實(shí)驗(yàn)控制條件，為其他三個(gè)實(shí)驗(yàn)條件提供比較的基準(zhǔn)；②依據(jù)特征相似性理論^[27]，學(xué)生看到與自己相似的形象學(xué)習(xí)成績(jī)會(huì)更好，因此設(shè)計(jì)了與學(xué)生形象極為相似AI女孩和AI男孩；③使用大熊貓教師形象教學(xué)，可能更有利于學(xué)生學(xué)習(xí)大熊貓知識(shí)。

1 研究設(shè)計(jì)

（1）被試

本研究以成都市T小學(xué)四年級(jí)兩個(gè)班的122名學(xué)生（M_age=9.38，SD_age=0.55）為研究對(duì)象。實(shí)驗(yàn)開(kāi)始前，研究人員向教師、學(xué)生及其家長(zhǎng)介紹實(shí)驗(yàn)的目的和流程，并請(qǐng)家長(zhǎng)填寫(xiě)“知情同意書(shū)”。在正式實(shí)驗(yàn)中，被試被隨機(jī)分為無(wú)教師組（30人）、AI女孩組（30人）、AI大熊貓組（32人）和AI男孩組（30人）。其中，無(wú)教師組為對(duì)照組，其他三組為實(shí)驗(yàn)組。

（2）實(shí)驗(yàn)材料

實(shí)驗(yàn)材料主要是教學(xué)視頻和AI教育數(shù)字人平臺(tái)。其中，教學(xué)視頻的主題為國(guó)寶大熊貓，具體內(nèi)容包括大熊貓名字的由來(lái)、生活地區(qū)、生活習(xí)慣和成長(zhǎng)階段四個(gè)部分^[28]。本研究使用Camtasia、萬(wàn)彩動(dòng)畫(huà)大師等視頻制作工具，創(chuàng)作了四種教育數(shù)字人形象相應(yīng)的大熊貓知識(shí)教學(xué)視頻（截圖如圖2所示），視頻時(shí)長(zhǎng)分別為4分20秒、3分54秒、4分10秒、4分24秒。

“AI教育數(shù)字人學(xué)習(xí)”平臺(tái)（網(wǎng)址：https：//ai.metaplus.zone）由本研究團(tuán)隊(duì)與元加數(shù)字科技公司合作設(shè)計(jì)、開(kāi)發(fā)。AI教育數(shù)字人學(xué)習(xí)平臺(tái)提供智慧問(wèn)答的功能，學(xué)生可以通過(guò)應(yīng)答記錄按鈕和對(duì)話框按鈕實(shí)現(xiàn)人機(jī)對(duì)話。

（3）測(cè)量工具

各測(cè)量工具的基本信息如表1所示，具體包括：①先驗(yàn)知識(shí)試卷、知識(shí)保持試卷和知識(shí)遷移試卷，題目由1名生物老師和3名科學(xué)老師共同確定，以確保題目難度符合被試的認(rèn)知水平，并分別用來(lái)衡量被試對(duì)大熊貓知識(shí)的先驗(yàn)知識(shí)水平、直接記憶力、理解和應(yīng)用水平。②學(xué)習(xí)興趣問(wèn)卷，改編自Rotgans等^[29]設(shè)計(jì)的學(xué)習(xí)興趣問(wèn)卷，用于檢驗(yàn)被試對(duì)教育數(shù)字人和學(xué)習(xí)內(nèi)容感興趣的程度。問(wèn)卷采用李克特五點(diǎn)量表，從“完全不符合”到“非常符合”記為1～5分。③社會(huì)交互問(wèn)卷，改編自Hartmann等^[30]設(shè)計(jì)的社會(huì)交互問(wèn)卷，用于評(píng)估被試與教育數(shù)字人的交互程度。問(wèn)卷采用李克特七點(diǎn)量表，從“完全不同意”到“非常同意”記為1～7分。

（4）實(shí)驗(yàn)流程

本次實(shí)驗(yàn)用時(shí)兩周，第一周被試完成前測(cè)和培訓(xùn)學(xué)習(xí)，第二周被試進(jìn)行正式實(shí)驗(yàn)并完成后測(cè)，實(shí)驗(yàn)流程具體如下：①前測(cè)階段（約40分鐘），被試首先以8～10人為一組進(jìn)行前測(cè)，需要填寫(xiě)個(gè)人基本信息，并進(jìn)行有關(guān)于大熊貓的先驗(yàn)知識(shí)測(cè)試；之后，被試被隨機(jī)分配到四個(gè)組，其中無(wú)教師組學(xué)習(xí)百度搜索引擎的使用方法，而AI女孩組、AI大熊貓組、AI男孩組了解并掌握AI教育數(shù)字人學(xué)習(xí)平臺(tái)的基本使用方法。②實(shí)驗(yàn)階段（約20分鐘）分為兩個(gè)步驟，第一步是四組被試分別觀看無(wú)教師、AI女孩、AI大熊貓、AI男孩相應(yīng)的大熊貓知識(shí)教學(xué)視頻；第二步是無(wú)教師組使用百度搜索引擎進(jìn)行問(wèn)題解答，而其他三組與教學(xué)視頻中相應(yīng)的教育數(shù)字人進(jìn)行智慧問(wèn)答。③后測(cè)階段（約20分鐘），被試需完成知識(shí)保持測(cè)試和知識(shí)遷移測(cè)試，并填寫(xiě)學(xué)習(xí)興趣問(wèn)卷和社會(huì)交互問(wèn)卷，之后每組隨機(jī)選取2名被試進(jìn)行訪談。

2 研究分析

實(shí)驗(yàn)采用單因素方差分析，考察教育數(shù)字人形象（無(wú)教師、AI女孩、AI大熊貓、AI男孩）對(duì)學(xué)生知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣和社會(huì)交互的影響。所有變量的描述性統(tǒng)計(jì)和單因素方差分析結(jié)果如表2所示，可以看出：實(shí)驗(yàn)前四組被試的先驗(yàn)知識(shí)水平不存在顯著差異；在知識(shí)保持成績(jī)方面，AI男孩組顯著高于AI女孩組（MD=1.61，p=0.025）、AI大熊貓組（MD=2.50，p=0.000），無(wú)教師組顯著低于AI女孩組（MD=-3.27，p=0.000）、AI男孩組（MD=-1.65，p=0.022），具體如圖3所示；在知識(shí)遷移成績(jī)方面，無(wú)教師組顯著低于AI女孩組（MD=-3.23，p=0.000）、AI大熊貓組（MD=-2.67，p=0.004）、AI男孩組（MD=-2.37，p=0.013），具體如圖4所示；而在學(xué)習(xí)興趣方面，經(jīng)Kruskal-Wallis檢驗(yàn)發(fā)現(xiàn)，四組被試存在顯著差異，其中AI男孩組的學(xué)習(xí)興趣明顯高于無(wú)教師組（p=0.000）、AI女孩組（p=0.002）、AI大熊貓組（p=0.002），具體如圖5所示。

本研究使用SPSS中的PROCESS v4.0宏構(gòu)建中介路徑分析圖，探究教育數(shù)字人形象對(duì)學(xué)習(xí)效果的影響：首先，采用Bootstrap方法分析中介效應(yīng)，重復(fù)取樣5000次，并對(duì)取樣數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。之后，比較三對(duì)教育數(shù)字人形象（無(wú)教師組與AI男孩組、無(wú)教師組與AI女孩組、無(wú)教師組與AI大熊貓組）在學(xué)習(xí)興趣、社會(huì)交互兩個(gè)方面影響知識(shí)保持的中介作用，具體路徑如圖6所示，可以看出：與無(wú)教師組相比，AI男孩組的學(xué)習(xí)興趣更高，AI男孩組、AI女孩組的知識(shí)保持成績(jī)更好，但三組AI教師均不能通過(guò)學(xué)習(xí)興趣、社會(huì)互動(dòng)間接影響學(xué)生的知識(shí)保持成績(jī)。最后，比較前述三對(duì)教育數(shù)字人形象在學(xué)習(xí)興趣、社會(huì)交互兩個(gè)方面影響知識(shí)遷移的中介作用，具體路徑如圖7所示，可以看出：以無(wú)教師形象為參照，AI男孩、AI女孩、AI大熊貓形象感知能顯著預(yù)測(cè)學(xué)生的知識(shí)遷移成績(jī)，但不能通過(guò)學(xué)習(xí)興趣、社會(huì)互動(dòng)間接影響學(xué)生的知識(shí)遷移成績(jī)。

四 結(jié)論與討論

本研究對(duì)GenAI驅(qū)動(dòng)的教育數(shù)字人進(jìn)行了研究，不僅創(chuàng)新了GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)，而且通過(guò)實(shí)證研究探索了四種教育數(shù)字人形象對(duì)學(xué)生學(xué)習(xí)成績(jī)（包括知識(shí)保持成績(jī)和知識(shí)遷移成績(jī)）、學(xué)習(xí)興趣、社會(huì)交互的直接效應(yīng)，并解析了四種教育數(shù)字人形象在學(xué)習(xí)興趣、社會(huì)交互兩個(gè)方面影響學(xué)習(xí)成績(jī)的中介效應(yīng)。

1 GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)創(chuàng)新

本研究設(shè)計(jì)了GenAI技術(shù)驅(qū)動(dòng)的教育數(shù)字人六層架構(gòu)，深化了大語(yǔ)言模型在教育應(yīng)用中的集成與創(chuàng)新，主要表現(xiàn)為：在網(wǎng)絡(luò)基礎(chǔ)層，通過(guò)數(shù)據(jù)庫(kù)、服務(wù)器、網(wǎng)絡(luò)設(shè)施和負(fù)載均衡，確保了計(jì)算資源的高效利用與數(shù)據(jù)的安全傳輸。在網(wǎng)關(guān)層、服務(wù)層，通過(guò)API限流、流量控制和安全策略，集成了GPT 3.5-Turbo模型的自然語(yǔ)言處理、決策推理等能力，可在保障系統(tǒng)穩(wěn)定性與安全性的同時(shí)，通過(guò)模型微調(diào)、參數(shù)調(diào)整，使教育數(shù)字人精準(zhǔn)反饋學(xué)生的個(gè)性化學(xué)習(xí)需求，促使未來(lái)的教育工作者思考如何利用不同的教育數(shù)字人形象實(shí)現(xiàn)個(gè)性化和動(dòng)態(tài)化的教學(xué)，從而為未來(lái)教育數(shù)字人的應(yīng)用與開(kāi)發(fā)提供重要參考。在邏輯層，通過(guò)會(huì)話管理、API調(diào)用和數(shù)據(jù)分析，確保了會(huì)話的連續(xù)性和前后端數(shù)據(jù)傳輸?shù)母咝浴Ｔ诒O(jiān)控層，通過(guò)系統(tǒng)監(jiān)控、日志記錄和異常監(jiān)測(cè)，確保了系統(tǒng)的穩(wěn)定運(yùn)行；同時(shí)，通過(guò)對(duì)用戶數(shù)據(jù)的收集與分析，可幫助教育工作者持續(xù)優(yōu)化教學(xué)策略和教育內(nèi)容。而在界面交互層，通過(guò)3ds Max、Blender等技術(shù)和TTS語(yǔ)音功能，優(yōu)化了教育數(shù)字人的視覺(jué)和聽(tīng)覺(jué)呈現(xiàn)效果；結(jié)合React框架和跨平臺(tái)兼容功能，可實(shí)現(xiàn)跨移動(dòng)端和PC端的UX/UI設(shè)計(jì)，展示了GenAI技術(shù)驅(qū)動(dòng)的教育數(shù)字人在未來(lái)教育的巨大潛力。

2 AI男孩組在知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣上表現(xiàn)更佳，而四組在社會(huì)交互上表現(xiàn)相當(dāng)

本研究發(fā)現(xiàn)，AI男孩組在知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣上的表現(xiàn)均優(yōu)于其他三組，具體表現(xiàn)為：①AI男孩組、AI女孩組、AI大熊貓組的知識(shí)保持成績(jī)和知識(shí)遷移成績(jī)均顯著高于無(wú)教師組，這驗(yàn)證了GenAI驅(qū)動(dòng)的教育數(shù)字人在視頻學(xué)習(xí)與智慧問(wèn)答中的重要性。根據(jù)認(rèn)知負(fù)荷理論^[31]，無(wú)教師組使用百度搜索引擎進(jìn)行問(wèn)題解答，缺乏系統(tǒng)化的指導(dǎo)和結(jié)構(gòu)化的知識(shí)框架，因此會(huì)承受較大的認(rèn)知負(fù)荷，面臨信息過(guò)載、篩選效率低下等困境。②AI男孩組的學(xué)習(xí)興趣高于其他三組。原因可能主要是學(xué)生對(duì)男孩的刻板印象，即男孩更有活力、更外向。有研究指出，當(dāng)教師形象是學(xué)生所偏好的形象時(shí)，其學(xué)習(xí)動(dòng)機(jī)更高、社會(huì)交互和學(xué)習(xí)效果更好^[32][33]。本研究中的AI男孩形象有充滿活力的姿態(tài)和親切的面部表情，這可能符合學(xué)生心中對(duì)積極、外向性格的偏好，與其心目中理想的教師形象相匹配，從而激發(fā)了學(xué)生的學(xué)習(xí)興趣^[34]。這種通過(guò)性格特征或社會(huì)刻板印象建立的相似性連接，密切了學(xué)生與教育數(shù)字人之間的情感聯(lián)系，增強(qiáng)了學(xué)生對(duì)教育數(shù)字人的認(rèn)同感，對(duì)于提升學(xué)生的學(xué)習(xí)成績(jī)和學(xué)習(xí)興趣效果顯著。

本研究還發(fā)現(xiàn)，四組在社會(huì)交互上的表現(xiàn)大致相當(dāng)，平均得分都在30分左右（總分為42分，占總分的70%以上），即大多數(shù)學(xué)生認(rèn)為與百度搜索引擎、GenAI驅(qū)動(dòng)的教育數(shù)字人的社會(huì)互動(dòng)效果較好。根據(jù)社會(huì)存在感理論，教育數(shù)字人形象可以通過(guò)基礎(chǔ)的互動(dòng)觸發(fā)兒童的社會(huì)反饋^[35]。但值得注意的是，在視頻學(xué)習(xí)這一特定模式下，學(xué)生與教育數(shù)字人之間的交互時(shí)間與機(jī)會(huì)相對(duì)受限，這或許可以解釋為何各組在社會(huì)交互上未產(chǎn)生顯著差異的原因。此結(jié)論提示未來(lái)的教育數(shù)字人設(shè)計(jì)需進(jìn)一步優(yōu)化互動(dòng)機(jī)制，以能為學(xué)生帶來(lái)更加豐富、雙向的交流體驗(yàn)。

3 教育數(shù)字人在學(xué)習(xí)興趣、社會(huì)交互兩個(gè)方面對(duì)知識(shí)保持、知識(shí)遷移的中介效應(yīng)均不顯著

通過(guò)中介路徑分析，本研究發(fā)現(xiàn)教育數(shù)字人在學(xué)習(xí)興趣、社會(huì)交互兩個(gè)方面對(duì)知識(shí)保持、知識(shí)遷移的中介效應(yīng)均不顯著。這一發(fā)現(xiàn)意味著在特定的學(xué)習(xí)環(huán)境或?qū)W習(xí)條件下，學(xué)習(xí)興趣和社會(huì)交互雖然會(huì)對(duì)學(xué)習(xí)過(guò)程產(chǎn)生積極影響，但并不總是會(huì)轉(zhuǎn)化為顯著的學(xué)習(xí)效果。原因主要是學(xué)習(xí)效果受多種因素（如學(xué)習(xí)材料的難度、學(xué)生的先驗(yàn)知識(shí)、不同教育數(shù)字人形象的互動(dòng)能力和親和力等）的共同影響，而學(xué)習(xí)興趣和社會(huì)交互在其中并不一定起決定性作用。對(duì)此，本研究通過(guò)學(xué)生訪談來(lái)進(jìn)一步驗(yàn)證此觀點(diǎn)。

本研究從每組被試中隨機(jī)選取2名學(xué)生進(jìn)行訪談，多數(shù)被試對(duì)GenAI驅(qū)動(dòng)的教育數(shù)字人表達(dá)了認(rèn)可，其中“聰明”“有趣”“開(kāi)心”“喜歡”這四個(gè)詞在訪談過(guò)程中頻頻出現(xiàn)。例如，曹同學(xué)表示：“教育數(shù)字人很聰明，可以快速回答我的很多問(wèn)題，而且給出的答案我認(rèn)為是正確的”；顧同學(xué)對(duì)AI女孩表示滿意，認(rèn)為與她的交互十分有趣；劉同學(xué)則表達(dá)了對(duì)教育數(shù)字人形象多樣性的期待。在四種教育數(shù)字人形象中，AI男孩形象最受學(xué)生喜歡：一方面，是由于AI男孩有科技感裝束，對(duì)學(xué)生來(lái)說(shuō)此形象新穎，易引發(fā)其好奇心；另一方面，是因?yàn)锳I男孩有鮮明的藍(lán)色發(fā)型，而當(dāng)社會(huì)線索的形式（如教育數(shù)字人的頭部）發(fā)生變化時(shí)，學(xué)生的社會(huì)存在感將加強(qiáng)^[36]。基于此，未來(lái)的教育數(shù)字人研究可以繼續(xù)探索如何優(yōu)化其形象設(shè)計(jì)和互動(dòng)功能，并長(zhǎng)期追蹤GenAI驅(qū)動(dòng)的教育數(shù)字人對(duì)學(xué)習(xí)效果的影響機(jī)制。

五 結(jié)語(yǔ)

本研究設(shè)計(jì)了GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)，并深入探討了其在教育領(lǐng)域的應(yīng)用效果，具有一定的創(chuàng)新之處。一方面，GenAI驅(qū)動(dòng)的教育數(shù)字人架構(gòu)將ChatGPT-3.5 Turbo與教育數(shù)字人深度融合，通過(guò)微調(diào)大語(yǔ)言模型，可較好地滿足學(xué)生的個(gè)性化學(xué)習(xí)需求，并為今后GenAI驅(qū)動(dòng)教育數(shù)字人的設(shè)計(jì)和開(kāi)發(fā)提供系統(tǒng)化的理論框架。另一方面，本研究通過(guò)引入具有鮮明特征和文化背景的數(shù)字人形象（如擁有藍(lán)色發(fā)型和科技感裝束的AI男孩）開(kāi)展實(shí)驗(yàn)研究，探討了不同AI教育數(shù)字人形象對(duì)知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣和社會(huì)交互的影響，結(jié)果發(fā)現(xiàn)：相較于無(wú)教師、AI女孩、AI大熊貓，AI男孩因與學(xué)生的性格特征和社會(huì)刻板印象相契合，而在知識(shí)保持、知識(shí)遷移、學(xué)習(xí)興趣上表現(xiàn)更佳。此結(jié)論為在未來(lái)教育中引入多樣化、個(gè)性化的教育數(shù)字人形象提供了實(shí)證支持和設(shè)計(jì)思路，也為一線教師進(jìn)行AI教育數(shù)字人的教學(xué)應(yīng)用提供了實(shí)證依據(jù)。后續(xù)研究可進(jìn)一步探索教育數(shù)字人影響學(xué)習(xí)者個(gè)性化學(xué)習(xí)的認(rèn)知神經(jīng)機(jī)制與邊界條件，包括結(jié)合認(rèn)知神經(jīng)科學(xué)，探索教育數(shù)字人影響學(xué)習(xí)者個(gè)性化學(xué)習(xí)的大腦認(rèn)知神經(jīng)機(jī)制；同時(shí)，結(jié)合學(xué)習(xí)科學(xué)和發(fā)展心理學(xué)，探索教育數(shù)字影響兒童與成年人個(gè)性化學(xué)習(xí)的差異及其邊界條件，以揭示教育數(shù)字人影響學(xué)習(xí)者學(xué)習(xí)過(guò)程與結(jié)果的規(guī)律。

參考文獻(xiàn)

[1]夏琪，程妙婷，薛翔鐘，等.從國(guó)際視野透視如何將ChatGPT有效納入教育——基于對(duì)72篇文獻(xiàn)的系統(tǒng)綜述[J].現(xiàn)代教育技術(shù)，2023，（6）：26-33.

[2]焦建利.ChatGPT：學(xué)校教育的朋友還是敵人？[J].現(xiàn)代教育技術(shù)，2023，（4）：5-15.

[3]工業(yè)和信息化部.工業(yè)和信息化部辦公廳 教育部辦公廳 文化和旅游部辦公廳 國(guó)務(wù)院國(guó)資委辦公廳 廣電總局辦公廳關(guān)于印發(fā)《元宇宙產(chǎn)業(yè)創(chuàng)新發(fā)展三年行動(dòng)計(jì)劃（2023-2025年）》的通知[OL].

lt;https：//www.gov.cn/zhengce/zhengceku/202309/content_6903023.htmgt;

[4]張麗錦.中國(guó)虛擬數(shù)字人影響力指數(shù)報(bào)告[R].北京：中國(guó)傳媒大學(xué)媒體融合與傳播國(guó)家重點(diǎn)實(shí)驗(yàn)室，2024：6-9.

[5]翟雪松，吳庭輝，李翠欣，等.數(shù)字人教育應(yīng)用的演進(jìn)、趨勢(shì)與挑戰(zhàn)[J].現(xiàn)代遠(yuǎn)程教育研究，2023，（6）：41-50.

[6]徐琦.主流視聽(tīng)媒體虛擬數(shù)字人應(yīng)用創(chuàng)新與優(yōu)化策略[J].中國(guó)電視，2023，（1）：102-107.

[7]未來(lái)智庫(kù).虛擬數(shù)字人行業(yè)專題分析：AI賦能數(shù)字人變數(shù)智人[OL].

lt;https：//baijiahao.baidu.com/s？id=1764382827748600842amp;wfr=spideramp;for=pcgt;

[8]李小娟，付斯理，張翼恒，等.網(wǎng)絡(luò)學(xué)習(xí)空間中虛擬教師的社會(huì)形象研究[J].現(xiàn)代教育技術(shù)，2023，（5）：99-108.

[9]Chen Z H. We care about you： Incorporating pet characteristics with educational agents through reciprocal caring approach[J]. Computers amp; Education， 2012，（4）：1081-1088.

[10]徐英健.AIGC驅(qū)動(dòng)下虛擬數(shù)字人的社會(huì)安全風(fēng)險(xiǎn)及其治理策略研究[J].智能計(jì)算機(jī)與應(yīng)用，2024，（1）：224-227.

[11]Chen X， Hu Z， Wang C. Empowering education development through AIGC： A systematic literature review[J]. Education and Information Technologies， 2024，（29）：1-53.

[12][14]劉清堂，曹天生，吳林靜，等.ChatGPT類耦合教學(xué)代理：需求分析與教學(xué)應(yīng)用[J].現(xiàn)代遠(yuǎn)距離教育，2023，（6）：3-11.

[13][18]王福興，李文靜，謝和平，等.多媒體學(xué)習(xí)中教學(xué)代理有利于學(xué)習(xí)嗎？——一項(xiàng)元分析研究[J].心理科學(xué)進(jìn)展，2017，（1）：12-28.

[15]Bandura A. Self-efficacy： The exercise of control[M]. New York： W.H. Freeman amp; Co Ltd， 1997：158-166.

[16]衡書(shū)鵬，趙換方，范翠英，等.視頻游戲虛擬化身對(duì)自我概念的影響[J].心理科學(xué)進(jìn)展，2020，（5）：810-823.

[17][27]Veletsianos G. Contextually relevant pedagogical agents： Visual appearance， stereotypes， and first impressions and their impact on learning[J]. Computers amp; Education， 2010，（2）：576-585.

[19]Moreno R， Flowerday T. Students’ choice of animated pedagogical agents in science learning： A test of the similarity-attraction hypothesis on gender and ethnicity[J]. Contemporary Educational Psychology， 2006，（2）：186-207.

[20]周曉燕，楊孟娜.教學(xué)代理真的能促進(jìn)學(xué)生學(xué)習(xí)嗎？——基于對(duì)國(guó)內(nèi)外31項(xiàng)實(shí)驗(yàn)與準(zhǔn)實(shí)驗(yàn)的元分析[J].電化教育研究，2023，（6）：81-89.

[21]劉清堂，巴深，余舒凡，等.視頻課程中教育智能體的社會(huì)線索設(shè)計(jì)研究[J].電化教育研究，2020，（9）：55-60.

[22]Lorenzo G， Lledó A， Arráez-Vera G， et al. The application of immersive virtual reality for students with ASD： A review between 1990-2017[J]. Education and Information Technologies， 2019，（24）：127-151.

[23]Mungazi A A， Gwenzi W. Cross-layer leaching of coal fly ash and mine tailings to control acid generation from mine wastes[J]. Mine Water and the Environment， 2019，（3）：602-616.

[24]OpenAI. Embeddings[OL]. lt;https：//platform.openai.com/docs/guides/embeddingsgt;

[25]Boersma S， Lungu M. React-bratus： Visualising react component hierarchies[A]. 2021 Working Conference on Software Visualization （VISSOFT）[C]. Luxembourg： IEEE， 2021：130-134.

[26]Izawa R， Koga M. An extension of gltf for robot description[A]. 2019 19th International Conference on Control， Automation and Systems （ICCAS）[C]. Jeju， Korea （South）： IEEE， 2019：1010-1014.

[28]Wu C， Jing B， Gong X， et al. The zoomorphic effect： A contribution to the study of images of pedagogical agents for children’s learning in instructional videos[J]. Journal of Computer Assisted Learning， 2023，（5）：1620-1635.

[29]Rotgans J I， Schmidt H G. The role of teachers in facilitating situational interest in an active-learning classroom[J]. Teaching and Teacher Education， 2011，（1）：37-42.

[30][33]Hartmann T， Goldhoorn C. Horton and Wohl revisited： Exploring viewers’ experience of parasocial interaction[J]. Journal of Communication， 2011，（6）：1104-1121.

[31]Sweller J. Cognitive load theory： Recent theoretical advances[M]. Cambridge： Cambridge University Press， 2010：29-47.

[32]Rotgans J I， Schmidt H G. The role of teachers in facilitating situational interest in an active-learning classroom[J]. Teaching and Teacher Education， 2011，（1）：37-42.

[34]衡書(shū)鵬，趙換方，范翠英，等.視頻游戲虛擬化身對(duì)自我概念的影響[J].心理科學(xué)進(jìn)展，2020，（5）：810-823.

[35]衡書(shū)鵬，周宗奎，牛更楓，等.虛擬化身對(duì)攻擊性的啟動(dòng)效應(yīng)：游戲暴力性、玩家性別的影響[J].心理學(xué)報(bào)，2017，（11）：1460-1472.

[36]Schneider S， Beege M， Nebel S， et al. The cognitive-affective-social theory of learning in digital environments （CASTLE）[J]. Educational Psychology Review， 2022，（1）：1-38.

Design and Empirical Study of GenAI-Driven Educational Digital Humans Architecture

WU Chang-Cheng^1，2"" "HU Shuang-Wu¹""" JIANG Yu-Jiang¹"" "MOU Ya³"" "PI Zhong-Ling^{4[Corresponding Author]}

（1. School of Computer Science， Sichuan Normal University， Chengdu， Sichuan， China 610101;

2. Sichuan 2011 Synergy Innovation Center of Educational Big Data， Chengdu， Sichuan， China 610101;

3. Shuang Liu Middle School， Chengdu， Sichuan， China 610200; 4. Key Laboratory of Modern

Teaching Technology， Ministry of Education， Shaanxi Normal University， Xi’an， Shaanxi， China 710062）

Abstract： At present， a large number of educational digital humans have been applied in educational scenarios， and the new generation of genetic artificial intelligence （GenAI）-driven educational digital humans have made up for the shortcomings of traditional educational digital humans in the degree of intelligence and simulator， which could provide students with smarter and more personalized educational services， and bring a qualitative leap in the teaching experience and effectiveness for teachers and students. Under this context， this paper adopted hierarchical architecture method to design GENAI-driven educational digital humans architecture， which included six layers of network foundation layer， gateway layer， service layer， logic layer， monitoring layer， and interface interaction layer. After that， an empirical study on the teaching application of educational digital humans with the participation of 122 elementary school students was conducted to investigate the impact of different GenAI-driven educational digital humans （no teacher， AI girl， AI panda， and AI boy） on students’ learning outcomes. The results indicated that the AI boy group performed better in knowledge retention， knowledge transfer， and learning interest， while the four groups showed comparable performance in social interaction. The mediating effects of learning interest and social interaction on knowledge retention and knowledge transfer were not significant for educational digital humans. The research of this paper could provide a systematic theoretical framework for the design and development of GenAI-driven educational digital humans， help to explore the rules of educational digital humans affecting students’ learning process and results， and provide reference cases for teachers， researchers and developers.

Keywords： GenAI; educational digital humans; knowledge retention; knowledge transfer; learning interest; social interaction

*基金項(xiàng)目：本文為2023年度教育部人文社會(huì)科學(xué)研究項(xiàng)目“教學(xué)代理對(duì)學(xué)習(xí)者學(xué)習(xí)影響的認(rèn)知神經(jīng)機(jī)制及智能干預(yù)研究”（項(xiàng)目編號(hào)：23YJAZH159）、2022年度四川省教育科研項(xiàng)目“教育智能體形象、言語(yǔ)設(shè)計(jì)及其對(duì)學(xué)習(xí)影響的認(rèn)知神經(jīng)機(jī)制”（項(xiàng)目編號(hào)：SCJG22A225）的階段性研究成果。

作者簡(jiǎn)介：吳長(zhǎng)城，副教授，博士，研究方向?yàn)榻虒W(xué)視頻的設(shè)計(jì)與應(yīng)用、人工智能教育應(yīng)用等，郵箱為wucc@sicnu.edu.cn。

收稿日期：2024年4月13日