數十年的研究和技術進步促進了更複雜的基於自然語言的交互和通過人工智能進行的自適應學習。 Dai及團隊最近的一項統合分析研究了於電腦模擬中使用人工智能虛擬代理對學習表現的影響。文章介紹了兩個虛擬代理研究為例：在Shiban及其同事進行的研究中，配備AI功能的虛擬代理被設計為人物形象，通過文字和手勢提供反饋。在Le和Wartschinski的另一項研究中，一個使用人類名字的AI虛擬代理進行文字交互，擔任導師的角色。
統合分析包括了比較在電腦模擬中使用AI虛擬代理組別與使用非AI虛擬代理組別的學習成果的實驗研究。主要根據在2018-2021年間發表的22項研究（佔納入研究的90%）分析了基於績效的測量，而不是自我報告，得出49個效應量。隨機效應模型分析結果顯示中等總體正面效應（Hedges’ g = 0.43）。
調節分析揭示了以下幾點：
- 基於模組的人工智能技術取得了最大的效果（效應值 = 0.50），其次是自然語言處理/機器學習（效應值 = 0.42）和基於規則的設計（效應值 = 0.23）。
- 與虛構角色（例如卡通；效應值 = 0.55）或人類化身（效應值 = 0.35）相比，具有人類形象和文字交互的代理產生的得益更大（效應值 = 0.78）。
- 互動模式（文本、語音、多種模式）和代理角色（例如，指導、反饋）並不是顯著的調節因素。
- 雖然干預持續時間顯著調節了效果，但研究結果未能確定更長和更短的干預時間是否會產生更好的效果。
雖然納入研究的數量有限，但這項分析為通過電腦模擬使用人工智能驅動的虛擬角色來增強學習成果提供了初步的實證支持。持續進行使用不同方法的研究可以幫助闡明設計原則，以最大限度地發揮其教學潛力。
文獻來源：Dai, C.-P., Ke, F., Pan, Y., Moon, J., & Liu, Z. (2024). Effects of artificial intelligence-powered virtual agents on learning outcomes in computer-based simulations: A meta-analysis. Educational Psychology Review, 36(1), 31. https://doi.org/10.1007/s10648-024-09855-4