全部动态

0—6 岁教育与 AI 信息流 · 按原始发布日期排序

30条

全部研究前沿儿童发展家庭养育游戏与学习教育实践蒙氏教育托育政策 AI 与技术儿童安全

2026年9月10日周四

3 条

Frontiers in EducationAI 与技术同行评审儿童/教育通用78

Towards professionalism: AI to benefit student-teachers’ lesson planning

A quasi-experimental study with 91 pre-service elementary educators found that chatbot-driven simulations improved overall lesson planning, pedagogical knowledge, and teaching self-efficacy compared to a no-treatment control group.

判断: AI simulations provide a scalable method to bridge theory and practice in teacher education, potentially enhancing the quality of early childhood and elementary instruction through better prepared teachers.
实践: Teacher education programs may consider integrating AI-driven simulations as a supplemental tool for lesson planning practice, while continuing to evaluate their effectiveness in real classroom settings.

Frontiers in EducationAI 与技术同行评审0—674

Playful learning with physical computing in computer science classrooms

该研究描述了在小学和初中计算机科学与人工智能课堂中，采用引导式游戏化学习和物理计算进行迭代式教学设计，并通过课堂观察、学生活动、教师访谈和教学材料逐步完善设计方案。

判断: 发展计算机科学与人工智能素养是紧迫需求，但相关技术迅速演变，难以形成可扩展且基于证据的学习体验。该研究展示了如何通过游戏化学习和物理计算使CS/AI教育更具吸引力、包容性和可扩展性。
实践: 教师和课程设计者可以借鉴该研究的设计原则，如适应性支架、跨物理与计算表征的迭代推理、公平参与途径以及基于实施的形成性评价，来开发或改进CS/AI课程。

Springer · AI EducationAI 与技术同行评审3—686

Deep reinforcement learning-supported detection and correction system for young children's dance movements

本研究设计了一套基于深度强化学习的系统，用于检测和纠正幼儿舞蹈动作。系统通过传感器或视频输入分析动作，并给出纠正反馈。

判断: 该系统可通过技术手段辅助幼儿舞蹈教学，提供实时反馈和个性化指导，有潜力提高教学效率并减少对专业教师的依赖。
实践: 教育工作者和研究者可关注该技术的进展，但在应用前需进一步验证其在真实幼儿教学场景中的有效性、安全性和适用性。

2026年9月9日周三

6 条

arXiv · AI × EducationAI 与技术预印本·未同行评审儿童/教育通用73

Artificial Intelligence Literacy and Sustainable Development: An Ethical Governance and Development Goals Framework

将AI素养定位为支撑伦理、透明和可持续技术发展的治理能力，提出了六级AI推理与伦理分类法，并将AI素养与全部17项可持续发展目标相联系。一项300人的全国性调查显示技术意识强但伦理和治理准备不足，伦理推理和反思性思维是可持续和可信AI使用的最强预测因素。

判断: 对0-6岁教育工作者和家庭，AI已进入儿童生活，理解AI素养与伦理治理有助于在早期教育中奠定负责任使用技术的基础，并预防技术滥用对儿童发展的风险。
实践: 教育工作者和家长可关注AI伦理基础，在儿童使用AI辅助工具（如语音助手、教育应用）时引导反思性讨论；政策制定者应将AI素养纳入教师培训和家庭支持计划。

The 74AI 与技术专业来源3—675

Can ‘Hard Fun’ AI-Proof Classrooms?

The 74 报道探讨‘Hard Fun’（即富有挑战性且令人愉悦的学习）是否能使课堂在AI时代保持不可替代性。

判断: 该观点在教育者中引发讨论，关注在AI辅助学习日益普及的背景下，如何设计让学生深度参与且无法被AI简单替代的学习体验。
实践: 教育工作者和课程设计者可参考‘Hard Fun’原则，设计需要创造性解决问题、协作和内在动机驱动的活动，以增强课堂的独特价值。

The 74AI 与技术专业来源儿童/教育通用72

Schools Have a Motivation Problem — AI Is Making It Impossible to Ignore

文章讨论学校长期存在的学生动机问题，以及AI如何让这一问题变得无法忽视。以田纳西州高中社会学教师Alex Campbell在2017年为学生们布置的冷案谋杀调查作业为例，展示改变教学方式能激发学生动机，并指出AI的兴起进一步凸显了传统教学与真实项目式学习之间的差距。

判断: 学生动机是学习效果的关键因素。AI工具的出现迫使教育者重新思考教学方式，以更真实、有意义的项目激发学生内在动机，而非依赖AI代做作业。
实践: 教育者和政策制定者应推动以真实问题、项目式学习为核心的教学改革，设计学生真正关心的任务，将AI作为思维工具而非替代品，从而提升学习参与度和动机。

arXiv · AI × EducationAI 与技术预印本·未同行评审儿童/教育通用72

With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education

论文用Thermomix智能厨房电器类比生成式AI在教育中的应用，通过映射使用案例到ICAP和SAMR框架，说明不同工具使用方式可能支持或削弱有意义的学习参与。核心问题不是学习者是否使用AI，而是这种使用如何塑造学习过程。

判断: 为研究者和实践者提供概念透镜，批判性审视并更有效地引导生成式AI融入教育实践，强调使用方式对深度学习的影响。
实践: 教育者和研究者可使用该类比和框架评估AI工具的使用模式，优先促进主动、建构性学习而非被动依赖。

Nature · EducationAI 与技术同行评审0—685

Use AI as a sparring partner, not an oracle

The article discusses using AI as a sparring partner rather than an oracle, emphasizing AI's role in fostering critical thinking and dialogue rather than providing definitive answers.

判断: In early years education, this approach can promote inquiry-based learning and critical thinking skills when AI is used as a tool for exploration rather than a source of absolute truth.
实践: Educators and parents can introduce AI tools in a way that encourages children to question, compare, and discuss AI-generated content, framing AI as a conversational partner for learning.

Nature · EducationAI 与技术同行评审儿童/教育通用72

Evaluating the affordance and intellectual structures of 3D virtual world language learning: a co-citation analysis

研究通过共引分析评估3D虚拟世界语言学习的可供性与知识结构。

判断: 为教育者理解虚拟环境如何支持语言学习提供研究基础。
实践: 关注3D虚拟世界在早期语言教育中的潜在应用与证据。

2026年9月8日周二

5 条

OpenAI BlogAI 与技术实践案例儿童/教育通用79

Funding grants for new research into AI and teen development

OpenAI宣布提供500万美元资助计划，支持关于生成式AI如何影响青少年发展、福祉与安全的独立研究。

判断: 该资助将推动关于AI对青少年发展影响的实证研究，为家庭、教育者和政策制定者提供证据基础。
实践: 关注该资助计划的申请信息，评估是否可参与或引用相关研究结果以指导儿童AI使用实践。

arXiv · AI × EducationAI 与技术预印本·未同行评审儿童/教育通用79

Style Over Substance: Content-Invariant Wrappers Flip LLM Safety-Judge Verdicts

研究测试了LLM安全评判模型是否根据内容的语气而非实际有害性做出判断。通过在内容前后添加风格包装（如教育免责声明、伪安全推理块、令牌拒绝后跟随未变的有害内容等），发现部分评判模型存在可利用的盲点。例如，令牌拒绝包装使GPT-4o-mini的19.9%正确有害判断翻转，而Claude仅0.4%受影响。部署的Llama Guard 4对教育课程包装有12.3%的误判，而gpt-oss-safeguard-20b免疫。人类验证确认内容不变性和90%翻转是评判错误。研究发布数据集和代码。

判断: 自动安全评判模型广泛应用于报告越狱成功率、防御评估和安全排行榜，其错误可能误导对AI安全性的理解，尤其是涉及儿童和教育的应用场景中，错误的过滤可能导致有害内容暴露或过度审查。
实践: 在依赖LLM安全评判模型评估内容安全时，应结合多种评判模型并采用多数投票或强化评判提示，同时进行人工抽检，以降低风格包装导致的误判风险。

Frontiers in EducationAI 与技术同行评审儿童/教育通用72

Artificial intelligence adoption among Swiss adult educators: usage patterns, determinants, barriers, and perceptions

A cross-sectional survey of 123 Swiss adult educators found that 82.1% actively use AI, with usage associated with self-reported AI knowledge rather than demographics. Educators are optimistic about AI's potential but report privacy concerns and limited institutional support. Reported benefits center on efficiency-oriented applications like lesson preparation, not deep pedagogical integration. Concerns include impacts on learners' critical thinking.

判断: The study highlights a gap in institutional support and professional development for AI adoption in education, with implications for early childhood education where responsible AI integration is critical.
实践: Early years practitioners can use this to advocate for institutional AI policies and professional development focused on pedagogical integration beyond administrative tasks.

EdSurgeAI 与技术专业来源0—680

AI Videos Are Warping Early Learning, Teachers Say. Here’s How They’re Responding

幼儿教育工作者表示，人工智能生成的所谓‘婴儿垃圾’视频正在扭曲早期学习，教师正以媒体批评者的身份应对这一趋势。

判断: 幼儿接触不合发展规律的AI生成内容，可能干扰其预期学习轨迹，促使教师将媒体素养融入日常教学。
实践: 教师和家长应审查幼儿观看的视频内容，优先选择符合发展规律的媒体，并与儿童共同观看以提供引导。

OpenAlex · AI × EducationAI 与技术研究来源0—673

Technology-Based Interventions for Children with Neurological Conditions

This chapter reviews technology-based interventions for children with neurological conditions, focusing on telerehabilitation for behavioral comorbidities. It contrasts drill-based cognitive training with family-centered treatments like TOPS for adolescents and I-InTERACT for younger children, and discusses integration of online programs into neuropsychology training and future AI applications.

判断: The work highlights the importance of family-centered, transdiagnostic approaches in pediatric telerehabilitation and points to emerging AI opportunities, relevant for designing supportive digital tools for children with neurological conditions.
实践: For educators and clinicians, consider family-centered technology interventions for behavioral challenges; for researchers, explore how AI could enhance telerehabilitation while prioritizing family involvement and acceptability.

2026年9月7日周一

3 条

arXiv · AI × EducationAI 与技术预印本·未同行评审儿童/教育通用73

An emancipatory vision for designing (generative) AI for learner flourishing

论文提出一种旨在促进学习者蓬勃发展的解放性AI设计愿景，强调避免生成式AI导致的学习者孤立与过度依赖，结合学习者所处的复杂系统，提出初步设计原则与方法论。

判断: 生成式AI的自主性可能加剧学习者的个体孤立和依赖，现有以人为中心的设计方法不足以解决系统性问题，该愿景为教育AI设计提供新方向。
实践: 教育技术研究者可探索该解放性设计原则，关注学习者自主性与社会连接；但需注意该愿景仍处于理论阶段，需进一步实证验证。

arXiv · AI × EducationAI 与技术预印本·未同行评审儿童/教育通用80

Mapping the Emerging Social Science of Large Language Models

本文利用198篇全文审阅论文和47,719篇文献数据库论文，通过嵌入、聚类、LDA和结构主题模型，将LLM社会科学研究映射为三大领域：LLM作为社会心智、LLM社会、LLM-人类交互，包含13个子类。分类在重采样下稳定（ARI=0.952），K-means与作者分类一致性77.78%。领域分布显示：LLM-人类交互占主题质量的78.02%，但高被引论文中，社会心智和LLM社会在会议中占66.37%，而期刊中LLM-人类交互占76.81%。

判断: 提供了一个可复现的分类框架，帮助理解模型行为、智能体交互和制度背景如何共同塑造LLM的社会后果，对教育、心理学、人机交互等跨学科研究有整合和指导意义。
实践: 研究者可使用该分类法定位自己的研究，并关注高被引领域中社会心智和LLM社会的研究趋势；教育工作者可结合LLM-人类交互的子类（如教育、信任）设计应用研究。

OpenAlex · AI × EducationAI 与技术同行评审0—688

Reliability Risks of Generative AI in Education: A Systematic Review of Hallucinations, Misinformation, Overreliance, and Assessment Validity

A PRISMA systematic review of 35 empirical studies on generative AI reliability risks in education. Identified four themes: AI hallucinations and misinformation uptake; reliability limitations in automated scoring and AI detection with fairness issues for EFL learners; overreliance and cognitive offloading with preliminary evidence of cognitive atrophy; and malleable trust perceptions moderated by domain expertise and metacognition. Proposes an Epistemic Reliability Framework for scaffolding and assessment redesign.

判断: For 0-6 education, generative AI tools are increasingly used by caregivers and early educators for content creation, assessment, and personalized learning. This review highlights the risk of plausible but incorrect AI outputs that could misinform children during critical developmental windows. It also raises concerns about cognitive offloading if AI is overused as a crutch, potentially undermining foundational skill development. The fairness disparities for EFL learners are relevant in diverse early education settings.
实践: Early childhood educators and parents should verify AI-generated content against trusted sources before using it with young children. Integrate simple 'AI check' routines to model critical thinking. Avoid using AI for high-stakes assessment or progress tracking in early years. Advocate for AI literacy programs that teach children (age-appropriately) and adults about AI limitations and the importance of verifying information.

2026年9月5日周六

5 条

arXiv · AI × EducationAI 与技术预印本·未同行评审0—676

Exposing Weaknesses in Emotion Recognition in Conversations

该预印本研究考察了对话情绪识别（ERC）中单标签假设的可靠性。通过零样本大语言模型（LLM）并结合对话上文，研究者发现聚合指标掩盖了系统性失败：错误集中在包含否定、感叹和插入语的语句中，且这一模式在所有评估模型上一致，表明基准本身存在局限。一项四人标注研究显示，仅35%的案例标注者达成强一致，高一致性集中在中性语句，情绪类别大多属于低一致性。研究者认为许多模型错误源于标注歧义，并提出基于LLM-as-Judge的逐情绪合理性评估框架，取代强制单标签。

判断: 对面向儿童与教育的对话AI而言，情绪识别是共情回应、心理支持与学习陪伴的基础。若基准标签本身不可靠，可能导致模型被错误评判或错误部署，影响儿童互动安全性（如对否定、感叹的误解）与个性化支持效果。该研究提示教育AI评测需更关注标注歧义与上下文依赖。
实践: 开发或采购儿童互动AI时，避免依赖单一情绪标签准确率；采用多标注者一致性、逐情绪合理性评估或模糊标签方案。对于关键场景（如儿童心理支持），结合人工审核与上下文理解测试，尤其关注否定、感叹和插入语等易歧义表达。

Springer · AI EducationAI 与技术同行评审儿童/教育通用87

Toward an ethical framework for affective AI in education: challenging affective injustice and emotional imperialism

提出一个针对教育中情感AI的伦理框架，重点挑战情感不公正与情感帝国主义。

判断: 随着情感AI进入教育环境，可能带来情感不公正和情感帝国主义风险，影响学习者的情感自主与文化多样性。
实践: 教育者和技术开发者应采用该伦理框架，评估情感AI工具对情感公平和文化敏感性的影响。

Nature · EducationAI 与技术同行评审儿童/教育通用另有 1 个来源86

Teaching for artificial or human intelligence?: A critical perspective on assessment during the AI era

一篇同行评审论文，从批判视角探讨AI时代的教育评估，质疑以AI能力为标准的评估方式是否偏离人类智能发展。

判断: 在AI工具普及的背景下，教育评估若过度侧重AI可替代的技能，可能忽略人类独有的高阶思维与创造力，影响早期教育方向。
实践: 教育工作者与政策制定者应审视现行评估体系，纳入促进人类智能发展的指标，而非单纯以AI效率为标准。

Springer · AI EducationAI 与技术同行评审儿童/教育通用84

A Ghanaian pre-SHS feasibility study of AI chatbots as more knowledgeable others for supporting science learning in a resource-constrained context

该研究探讨在加纳资源受限的初中科学教育环境中，使用AI聊天机器人作为'更有知识的他人'来支持科学学习的可行性。

判断: 该研究评估了资源有限环境下利用AI技术促进科学学习的可能性，为技术辅助教育在发展中国家/地区的应用提供了证据。
实践: 教育工作者与政策制定者可关注AI辅导工具在资源受限环境下的试点项目，评估其在本地科学教育中的适用性与效果。

Springer · AI EducationAI 与技术同行评审0—674

SCLAF-FV: a SHAP-guided CNN–LSTM–attention framework with formal verification for reliable injury detection

研究提出SCLAF-FV框架，将SHAP引导的CNN-LSTM-注意力机制与形式验证结合，用于可靠伤害检测。

判断: 该框架试图解决AI模型在儿童伤害检测中的可解释性和可靠性问题，可能提升伤害识别的准确性和安全性。
实践: 关注该技术在儿童伤害检测场景的后续验证与实际应用效果，暂不直接实施。

2026年9月4日周五

2 条

arXiv · AI × EducationAI 与技术预印本·未同行评审儿童/教育通用77

First Things First: Teaching LLM-Based Agents to Prioritize Must-Haves before Nice-to-Haves

该预印本研究考察了多模态大语言模型智能体处理用户结构化需求的能力，区分必须满足与可选需求，并发现现有模型经常违反必须满足需求或产生无效解决方案。作者提出了FTF-rl强化学习方法，显著提高了任务成功率，并在逻辑与数学推理任务上表现出泛化能力。

判断: 随着AI智能体在教育等真实场景中的应用增加，理解并优先处理必须满足的需求至关重要，可避免有害或无效的响应。该研究揭示当前模型普遍失败，并提供了改进途径。
实践: 教育技术开发者可借鉴FTF-rl方法，改进AI工具对教学目标和儿童需求的分层处理；研究人员可进一步验证其在幼儿教育场景中的适用性。

arXiv · AI × EducationAI 与技术预印本·未同行评审0—684

On Epistemic Diversity in Large Language Models

该论文将哲学与社会认识论中的认知多样性概念形式化到大型语言模型（LLM）中，定义其为LLM向用户呈现的有效答案、解释和推理路径的范围。作者提出初步框架并在两个领域测量认知多样性，发现前沿LLM常表现出‘认知狭隘’，将大量有效答案空间收缩到少数规范子集。论文认为LLM评估应超越准确性导向，将认知多样性视为模型能力的重要维度。

判断: 在0-6岁教育领域，LLM越来越多地被用于问答、解释、教学和支持探究。幼儿教育强调多元视角与开放式探索，如果模型只提供单一或规范答案，可能限制儿童接触多种有效回答和思维方式，影响认知发展。
实践: 教育工作者和开发者在选择或评估用于早期教育的AI工具时，应考察其是否提供多样的有效答案和解释，而不仅是单一标准答案。研究团队可进一步在儿童教育场景中验证认知多样性指标。

2026年9月3日周四

2 条

The 74AI 与技术专业来源0—687

NYC to Ban Student AI Tools in 2-K Through 8th Grade, Limit Classroom Screen Time

纽约市预计将禁止2-K至8年级学生使用面向学生的人工智能工具，并限制课堂屏幕时间。

判断: 该政策可能影响全美最大公立学校系统中幼儿接触AI和屏幕的方式，为其他地区设立先例。
实践: 教育工作者和政策制定者应关注纽约市政策的最终文本和实施细节，并评估其对本地实践的参考意义。

Frontiers in EducationAI 与技术同行评审儿童/教育通用69

Interactive digital mnemonics accelerate lexical retrieval and enhance long-term vocabulary retention in adolescent EFL learners

A quasi-experimental study with 102 adolescent EFL learners (aged 12–14) compared interactive digital mnemonics with paper-based methods for learning 45 English lexical items. The experimental group showed faster reaction times in a lexical decision task at immediate post-test (942 ms vs. 1,520 ms) and at four-week delayed post-test (1,055 ms vs. 1,710 ms), with higher accuracy (81.5% vs. 54.1% at T2). The authors interpret these results as evidence of improved retrieval efficiency, noting that cognitive load was not directly measured.

判断: The findings suggest that interactive digital mnemonics may accelerate lexical retrieval and improve long-term vocabulary retention in adolescent language learners, offering potential benefits for digital learning tools in education.
实践: Educators and developers may consider incorporating interactive digital mnemonic techniques into vocabulary instruction for adolescents, while also measuring cognitive load to further understand the underlying mechanisms.

2026年9月2日周三

4 条

The 74AI 与技术专业来源0—679

DeSantis Administration Moving to Regulate AI from Pre-K to Ph.D.

DeSantis administration is moving to regulate AI use across the education spectrum from pre-K to Ph.D., with state bodies implementing policies on safety and classroom use of AI.

判断: This signals a top-down policy push to standardize AI governance in education, potentially affecting early childhood settings and setting precedents for other states.
实践: Early childhood educators and administrators should monitor Florida's policy language, especially any pre-K provisions, to anticipate compliance requirements and inform local AI use policies.

arXiv · AI × EducationAI 与技术预印本·未同行评审0—677

Addressing Trust in AI Systems through Education: A Didactic Perspective

本文提出ICE-T教学框架，通过跨模态迁移、计算思维和解释性思维三方面，将信任校准作为AI教育明确目标，以促进对AI系统的适当依赖。

判断: AI教育常将ML呈现为黑箱，导致学习者理解肤浅且无法形成校准信任。该框架为K-12教育提供理论基础，直指人机交互中的信任问题。
实践: 教育设计者可参考ICE-T框架开发课程，将表征丰富性、渐进控制和错误情境化纳入教学目标；研究者可验证其对儿童信任校准的实际效果。

Springer · AI EducationAI 与技术同行评审儿童/教育通用82

Fostering SCALE habits of mind through AI-empowered arts-based pedagogy

该研究提出通过AI赋能的艺术教学法培养SCALE思维习惯（SCALE为某种思维习惯框架的缩写，具体维度在摘要中未展开）。

判断: 将AI与艺术教育结合，可能为儿童思维习惯的培养提供新的教学路径，尤其在创造力与跨学科学习方面具有潜在价值。
实践: 教育者可关注该教学法的具体实施细节，并在适当情境下探索将AI艺术工具引入课堂的可行性；研究者可进一步验证其效果。

Springer · AI EducationAI 与技术同行评审儿童/教育通用77

Towards AI-powered automatic 3D scene generation for the metaverse: a comparative analysis of manual and photogrammetry techniques

研究比较了手动建模与摄影测量两种技术在元宇宙3D场景生成中的应用，并探索AI驱动的自动化生成潜力。

判断: 随着元宇宙和沉浸式环境在教育和儿童数字体验中的潜在应用增加，自动生成3D内容的技术可能影响未来儿童接触的数字空间质量和生产效率。
实践: 关注AI驱动的3D场景生成技术进展，并评估其在儿童教育元宇宙或沉浸式学习环境中的适用性和安全性。

显示更多再加载 60 条