PolyDebate：游戏化编排的多模态辩论技能练习与评估系统

PolyDebate是一个游戏化编排的多模态系统，用于英语辩论技能练习与评估。它引导学习者与AI对手进行分阶段1v1辩论，通过技能卡、道具和金币使说服策略显性化，并捕捉语音和视觉表达证据，生成上下文相关对手回应及基于量规的阶段性反馈。系统提供Unity 3D沉浸版和网页版。四项研究表明系统有效整合了辩论互动、游戏化支架、多模态评估和结构化反馈。

相较此前以文本为主的AI辩论系统，PolyDebate首次将游戏化机制与多模态评估结合，覆盖语音和视觉表达证据，支持完整的练习流程。它从纯文本转向互动式、游戏化的多模态体验，为教育、语言学习和专业沟通中的辩论训练提供了更实用的工具，可能推动AI辩论评估从单一文本转向多模态综合判断。

系统通过游戏化元素（技能卡、道具、金币）显性化说服策略，降低学习门槛，将辩论拆解为分阶段任务。同时采集语音与视觉数据，结合LLM生成上下文回应和量规评估，形成闭环练习。Unity 3D版和网页版共享工作流与评估服务，保证体验一致性。

对教育科技和语言学习产品，PolyDebate提供可复用的辩论练习和评估工作流。其游戏化支架和多模态反馈可提升用户参与度和学习效果。Unity与网页双版本模式提示产品需考虑跨平台一致性。研发上需集成语音识别、视觉分析及LLM评估服务，成本较高，但可通过共享服务降低开发维护成本。

• 为语言学习App增加基于AI的1v1辩论练习模式，复用分阶段量规反馈机制。
• 将游戏化元素（技能卡、金币）融入论证训练工具，提升用户留存。
• 开发多模态评估API，支持语音+视觉的呈现能力评分。
• 基于Unity 3D构建沉浸式公共演讲训练场景，扩展至非辩论场景。

• PolyDebate的AI对手在多大程度上能模拟真实人类辩手的策略？
• 多模态评估（语音+视觉）相比纯文本评估，在信度和效度上有何优势？
• 系统在非英语环境或弱网条件下的表现如何？
• 游戏化元素对不同年龄和学习背景用户的激励效果是否存在差异？