作者：陈籽沐 东南大学脑与学习科学系，儿童发展教育研究所
研究生导师：张勇 柏毅
【摘要】：人工智能（以下简称AI）工具被广泛应用于学前教育领域以加强幼儿的学习和发展。以前的概念证据研究表明，AI可以有效改善学前教育的教与学，然而，关于这些研究如何进行和如何将AI用于这些研究中的知识十分匮乏。我们进行了这一范围审查，以评估、综合和展示学前教育领域关于AI的最新文献。本研究分析了1995至2021年间不同国家进行的17项合格研究。尽管关于这一关键问题的研究很少，但现存的参考文献为儿童提供了关于AI的不同方面（知识、工具、活动以及影响）的最新见解。大多数研究表明，AI已经大幅度提升了儿童关于AI、机器学习、计算机科学以及机器人的认知概念，以及其他技能，比如创造力、情绪控制力、协作研究能力、识字能力以及计算机思维。AI在学前教育中未来的研究方向还有待讨论。
【关键词】：人工智能、学前教育、教与学、机器学习、计算机科学
1.介绍
人工智能（以下简称AI），有时又称机器智能，是指用机器或计算机表现出来的智能。AI被用于效仿与人类大脑相联系的复杂功能，比如感知、学习和预测。自1956年以来，研究AI已被公认为是一门学术学科。教育中的AI是教育者和研究者越来越感兴趣的话题，因为AI似乎通过个性化学习经验对教育做出了巨大贡献。例如，从机器人指令到自动评分系统的发明，AI在促进教育、学习和评估方面发挥了一定的作用。
AI工具正越来越广泛地被应用于学前教育领域，以加强幼儿的学习和发展。例如，最近的两项研究尝试了用AI机器人教授儿童机器学习。然而，在学前教育领域中关于AI的讨论却很少。大量概念证据研究表明，AI可以有效改善学前教育中的教与学，然而，关于这些研究如何进行和如何将AI用于这些研究中的知识十分匮乏。
1.1.教育中的AI
随着AI技术被广泛应用于教育领域，已发表的关于这一主题的研究数量也在增加。理解在各种产品和服务中支持AI的基本过程和概念的能力被称为人工智能素养。Ng等人提出了一个四维人工智能素养框架，包括了认识和理解AI、使用和应用AI、评估和创造AI以及AI伦理。最近有大量关于AI在教育领域的审查论文出现。例如，Chen等人发现在教育领域有几个主要的AI应用，如特殊教育的智能辅导系统、语言教育的自然语言处理、AI教育的教育机器人、成绩预测的教育数据挖掘、计算机辅助合作学习的语篇分析、教学评估的神经网络、 学习者情绪推理的情绪计算以及个性化推荐系统。此外，在Chen等人在教育领域的AI审查论文中掩盖了部分关键事实。首先，人们对教育领域AI研究的兴趣和影响越来越大。其次，在将深度学习技术融入教育环境方面做得还不够。再次，传统的AI方法如自然语言处理被广泛用于教育语境，然而更先进的技术却鲜有人用。最后，在深入钻研教育理论的同时，还缺乏使用AI技术的研究。我们还观察到，在学前教育领域十分缺乏相关知识以及关于AI作用的讨论，这是在前沿研究中通常被忽视的一个教育领域。
1.2.学前教育领域技术升级
数字科技越来越多地被用于早期的教与学。一些审查研究从科技提升环境、学习成就和其他方面研究了数字科技与学前教育之间的关系。例如，Liu和Hwang调查了在幼儿教育中触屏移动设备的使用情况。他们透露，在幼儿教育中最常见的数字科技应用是使用触屏移动设备来帮助儿童发展语言技能。最近新加坡的一项调查也证明了这一发现，数字科技的使用将影响幼儿早期的阅读能力。Berson等人争论道，将数字科技整合进学前教育也表明了儿童有不同的机会进行数字化学习和探索，这将导致教育不公平的结果。因此，推广学前教育领域的各种数字科技以确保社会早日实现公平和社会正义是十分必要的。然而，在之前的审查中，就技术和学前教育之间的联系而言，AI技术并没有受到重视。此外，正如Yang所说，大多数侧重于技术改善学前教育的研究缺乏课程理论和实践的支持，使得人们不太清楚学前教育的技术整合是否适合幼儿。
1.3.学前教育领域关于AI的研究
许多现存研究探讨了如何向大学生讲授AI知识或概念。很少有研究去调查AI在幼儿时期（3-8岁）的应用情况。然而，越来越多的AI设备出现在儿童的生活中，如语音个人助理、家用机器人以及联网智能玩具。AI促进了系统的创造性和有效性，这些系统显然是十分有用的教学工具。
经证明，AI工具可以改善教师的教学质量和儿童外语教学的有效性。Ge等人为幼儿园教师设计了一个教学质量评估模型。结果显示，基于极端梯度提升（XGBoost）算法和技术服务公司（TS-ResNet），教学质量评估模型十分有效。并且，还确定了AI在有效教学中的其他应用方法。例如，根据Fomichov和Fomichova的研究，发现了对儿童（5-6岁）进行外语教学的高效方法是动态概念映射理论（DCM-理论）、情感想象教学方法（EIT-方法）和智能辅导系统。
初步证据表明，AI提升了父母的知识和儿童的AI知识和探究技能。更重要的是，还发现了AI工具或平台对于学习AI概念是十分有效的，如Zhorai、微信摇控、可教机器和PopBots。同时，我们发现机器人在学前教育领域使用非常广泛。研究人员报道，包括智能机器人在内的AI工具可以增强儿童之间的社交互动，使儿童更多地参与学习活动。然而，尽管之前的研究已经将这些AI工具或平台带入到幼儿课堂，并展示了它们的积极作用，但我们对于用AI工具给儿童设计的学习活动了解甚少。
越来越多AI课程被纳入21世纪的计算。两个AI工具（PopBots和Zhorai）已经被用于给幼儿教育设计AI课程，帮助幼儿更轻松地理解AI或机器学习的概念。首先，PopBots的教学方法对幼儿的学习有着积极的影响。其次，通过Zhorai平台的对话方面学习机器知识时，儿童的参与率提高了。
本文就促进AI相关的研究和实践而言，为幼儿研究者和教育者提供了一个起点。此外，在幼儿教育中关于AI工具使用的其他关键点可能被忽视了，如不同AI工具的特点和AI在幼儿项目中的成功教学。
1.4.研究目的和问题
就文献中研究方法、参与者特征、作者国家、AI工具和知识或活动评价等方面的不同可能造成的差异而言，本文旨在对幼儿教育中有关人工智能的最新文献进行评价、综合和展示，包括研究设计、AI工具、AI活动和研究成果。为了实现这一目标，我们专注于有关AI在幼儿学习和发展中的应用的文章。此外，本文提出了未来AI研究的可能方向，旨在为AI在学前教育领域的有效应用奠定坚实的理论基础，明确阻碍AI有效应用的因素。通过本文，以下研究问题将会得到回答：
RQ1：在幼儿教育中采用了哪些AI相关活动？
RQ2：在幼儿教育中使用了哪些AI相关工具？同时，在这些工具中加入了哪些AI相关的知识或概念？
RQ3：在幼儿教育中使用了哪些方法来研究人工智能？
2.方法
本文是对学前教育领域中关于AI的已发表文献的范围审查。本次审查的方法是以Arksey和O ’Malley和Levac等人的概要框架为基础的。本文主要经历五个关键阶段：确定范围审查问题、确定相关研究、研究选择、总结并报告结果、得出结论。
2.1 文献检索
文献检索使用的电子数据库包括教育资源信息中心（ERIC）、IEEE、Scopus、EBSCO和Web of Science。搜索局限于用英文写。为了便于数据库检索，本文调查了所有年份发表的同类审查学术文章。所有文章的访问时间是从2021年9月至10月。最初，我们输入“人工智能”、“AI”和“幼儿教育”等搜索词汇，但为了缩小结果范围，我们使用了一个类似Toh等人提出的方法。
2.2 研究选择
本文专注于AI在学前教育中的应用。所选的研究与幼儿教育有关，且着重分析了AI对学习和教学的影响。所选的研究应将AI作为一种教育工具进行报告。在教育资源信息中心（ERIC）、IEEE、Scopus、EBSCO和Web of Science中共检索到6374篇文献。所有的引文都被导入到参考文献管理软件（EndNotes）中，并且重复的引文被手动删除。
2.3 研究排除
首先，排除标准（E1）是与研究主题和摘要无关的文章（n = 6304）。其次，排除标准（E2）是重复研究（n = 16）。第三，排除标准（E3）是参与者或背景设置不是3-8岁的文章（n = 3）。此外，排除标准（E4）是关注点/主题不是AI或深度学习或机器学习或神经网络或支持向量机器或自然语言处理或聊天机器人的论文（n = 13）。最后，排除标准(E5)是与课程/学习项目/教学无关的论文（n = 21）。
2.4.所选文章综述
本文全面审查了17篇专注于学前教育领域中AI的文章。其中纳入了不同类型的文献，如期刊文章、专著和会议论文。过程中共发表17篇论文，包括4篇研究论文，12篇会议论文，1篇专著。作者来自不同的文化背景和国家。其中，文章数量最多的作者来自美国，其次是中国。IEEE Xplore是一个在线信息传递系统，包含期刊、会议论文和杂志等多种文章。最后，我们从IEEE数据库中找到了一篇文章。纳入研究的样本量从6到2842名参与者不等。全部17项研究都包括男性和女性参与者。本文中我们表明了这个文章集合足够广泛，可以代表学前教育领域有效的AI研究，它代表了来自不同国家的教育文章和国籍。
2.5 编码框架
据我们所知，目前在幼儿教育研究中还没有理解AI的理论框架。因此，我们设计了一个框架来指导本次审查。为了研究AI在学前教育中的未来发展趋势，对“AI活动”、“AI工具和知识”和“研究方法”等领域的现有文献进行分析是很有必要的。这三个类别被用来评估和分析文献，如下所述。
（1）AI活动
研究人员发现，与AI相关的教育活动可以使儿童参与到获取真实AI知识中。实践单元、研讨会、模块单元和讲座都是AI活动的例子。
（2）AI工具和知识
AI研究人员开发的AI学习工具和平台包括Zhorai、微信遥控、可教机器、PopBots、Cogni- mates AI平台和PlushPal。此外，研究人员开发的一些AI工具被证明在向儿童教授AI和机器学习概念方面是十分有用的。AI知识包括AI、计算机科学和机器学习的概念。
（3）研究方法
McMillan和Schumacher将研究方法分为定量、定性、混合或分析。我们还确定了在纳入研究中使用的特定方法。
2.6 过程
这个过程和Levac, Colquhoun和O’Brien的研究相同。两位编码员召集了一个在线讨论来检查上述编码方案。其次，两位编码员分别阅读所纳入文章，并在编码过程中识别出编码方案各维度的必要信息。这时，编码结果的一致性达到了90%。最后，两名编码员将不一致的编码结果与文章中的证明进行协调，直到两个编码列表相似，然后完成编码过程。
3.结果
17项纳入研究的基本特征呈现在表1中。这些特征包括作者、出版年份、出版标题、研究目标、研究设计、参与者、AI工具和主要发现。接下来，我们专注于AI集成方法（活动）、干预效果（如果有的话）、AI工具和研究设计，以详细阐述这一范围审查的结果。
表1 纳入研究的描述性信息
3.1.AI集成活动以及影响
Williams, Park和Breazeal设计了PopBot课程（基于知识的系统、监督机器学习和生成音乐AI），并对80名学前班和幼儿园儿童（4-6岁）评估了其有效性。这一结果表明，儿童对AI概念的理解能力是通过与活动相结合的，并且进一步支持了机器人可以成为学习的伴侣的观点。Kandlhofer等人应用基于发现和探究式学习、讲故事和教育机器人的方法，向儿童教授了AI和计算机科学的10个不同主题。结果显示，以有趣的方式介绍AI或计算机科学主题的基础成效很好。Kewalramani等人在学前教育背景下使用交互式AI来培养探究性素养。研究表明，通过与AI玩具互动，这种互动的确可以刺激儿童的高级心理功能，促进创造性、情绪性和协作性探究，以及相关的读写技能。此外，Vartiainen等人让来自芬兰的6名儿童（3-9岁）在非学校环境中使用谷歌的可教机器。通过对视频记录和访谈的分析，结果表明机器学习系统增强了儿童的学习和计算思维。
总的来说，研究表明了与AI相关的教育活动可以让儿童获取有关AI的有效知识。此外，先前的研究也证实了情感想象教学（EIT）方法与智能辅导系统支持的三种教学活动相结合，可以提高英语阅读技能。并且，Druga等人使用智能玩具调查了幼儿如何感知当前的AI技术，并比较了四个不同国家（即美国、德国、丹麦和瑞典）的102名儿童。结果显示，处于高社会经济地位（SES）学校和托儿中心的儿童对AI概念有更好的理解。显然，儿童对AI的看法和预期受到社会经济地位和文化背景的影响。同时，Kandlhofer等人发现，幼年时期是儿童发现AI应用与基本概念之间联系的关键时期。Kewalramani等人进行的研究表明，AI活动增强了幼儿与教师以及同龄人的互动。Williams、Park和Breazeal进一步证明了这一点，早期AI教育可以教会儿童在日常生活中理解AI概念。纳入的关于幼儿AI教育活动的更多信息详见表2。
表2 纳入研究中的活动
3.2.AI工具和AI知识
本节总结了研究工具和AI知识如下（表3和表4）。AI领域的一些研究人员已经开发了AI学习工具或平台，如Zhorai、微信摇控、可教机器、PopBots、认知AI平台和PlushPal。AI教育机器人担任起了独立的学习伙伴、教学助理和学习导师的身份。少数研究人员发现，儿童可以学习AI机器人并与之互动，且可能将机器人视为同龄人。也有一些研究表明，儿童能够通过AI工具学习知识（如AI、计算机科学、机器人和机器学习）。此外，两种AI工具（PopBots和Zhorai）为幼儿教育设计了AI课程，帮助幼儿更容易理解AI或机器人学习的概念。机器人也被用于特殊教育领域，并取得了良好的研究结果。对纳入研究的AI教育机器人的更多研究总结详见表4。
经证实，这些AI工具在向儿童教授AI和机器学习概念方面也是有效的。Williams, Park和Breazeal使用AI平台PopBots来评估儿童的知识水平，发现儿童在理解基于知识的系统方面表现最好，其次是监督机器学习。Druga等人的另一项研究结果发现，智能代理如智能机器人，可以与儿童互动，并教授他们AI和编码知识。此外，Jin 发现家庭教育助理机器人可以培养良好的育儿技能。并且，Kandlhofer等人研究发现，机器人/非机器人工具，如Bee-Bots、LEGO Mindstorms NXT、Cubelets和标准乐高积木，可以通过发现学习和探究学习的方法教授与AI、计算机科学和机器人相关的概念。表5更详细说明了如何使用AI来提高儿童的AI知识。
表3 AI教学、AI机器人、教学系统、幼儿AI评估的总结
表4 学前教育中AI/机器人/非机器人工具的总结
表5 纳入研究中在学前教育领域使用AI
来提高知识或技能的总结
3.3 纳入研究的研究方法
本节介绍了在纳入研究中进行的研究设计。有四篇文章没有描述所使用的研究方法。对于那些有明确的研究设计的文章，观察是最常用的方法，其次是访谈和评估。例如，在Kandlhofer的研究中使用了视频数据、
、观察、现场记录和半结构化访谈。Lin等人评估了机器学习的知识，并作为工程师使用前评估和后评估来监测儿童的自我感知和学习动机。Williams、Park和Breazeal使用简单的AI评定来评估儿童在基于知识的系统、监督机器学习和生成式AI方面的知识。关于研究设计的更多信息见表6。
表6.研究方法
大多数研究采用定性设计。有6项研究采用了观察和访谈等定性数据收集方法。有4项研究与混合方法研究的特征相符。例如，Dwivedi采用了一种混合方法的研究设计，收集和分析了定量和定性的数据。
4.讨论
本文分析了1995年至2021年在不同国家进行的总共17项研究，涉及AI教学工具、知识、活动以及对学前教育关键领域学习和教学的影响。本文包括不同类型的出版物，如期刊文章、专著和会议论文。虽然关于这一关键问题的研究相对较少，但目前的范围审查为儿童提供了AI不同方面（知识、工具、活动和影响）最前沿的见解。
本文显示大多数研究是在西方发达国家进行的，只有四项研究在亚洲进行。大多数研究都采用了访谈、评估和观察，然后是问卷调查，产生定性数据，以便为概念验证或用户研究得出结论。为了丰富学前教育中AI这个新兴领域的文献，需要获得儿童发展结果等定量数据，以评估AI在学前教育中整合的有效性。虽然在儿童的AI评估研究中已经使用了大量评估工具，但它们并没有得到严格的验证。未来的工作可以考虑其他心理测量学上健全的测量来评估儿童的自我感知、学习动机、参与和获得的知识。
在AI活动方面，我们在AI工具/平台的支持下广泛采用研讨会、课程和实践单元，以讲解学习活动的设计。我们发现，AI工具和平台在向儿童教授AI和机器学习概念方面是有效的。并且，早期儿童AI教育也在使用机器人和其他有形产品，如Bee-Bots、LEGO Mindstorms NXT、Cubelets和标准乐高积木。然而，并非所有使用的机器人都与AI技术有关。此外，大多数AI平台被设计为使用计算机在互联网上部署，从而限制了幼儿对AI的可接触性。如何以更具体的方式实现AI集成，如AI机器人，这个问题应该受到学前教育领域国际社会和教育技术研究的更多关注。
此外，许多研究表明，AI可以明显改善幼儿教育的教与学。例如，研究显示，AI显著提高了儿童在AI、机器学习、计算机科学、机器人和其他技术等方面的概念，如创造力、情绪控制、协作探究、识字技能和计算思维等。只有一项研究评估了教师的教学质量，这表明XGBoost模型是有效的。另一项研究设计了AI教学平台，以提高儿童的学习热情。同时，Jin 发现了两个潜在应用（AI教学系统和AI系统评估）适合儿童。然而，关于AI整合在学前教育领域的影响需要更多的研究来验证这些研究的结果，这些研究发表在当地会议上，而不是可信的国际研究平台上。
4.1.目前审查的局限
我们的审查有几个局限。首先，由于本次评估纳入的研究数量相对较少，研究结果可能存在空白。上面已经讨论了其中一些知识差距。其次，我们在综合之前的研究证据时没有考虑社会和经济因素，由于早期广泛存在的数字鸿沟，这可能会影响AI技术在幼儿教育中的应用。最后，由于之前的研究缺乏可靠的证据，可替代AI工具和平台的影响尚未得到充分探讨。
4.2.研究和教学意义
据透露，近年来调查学前教育中AI的合格研究数量大量增加。我们还注意到，一些概念证明研究表明，AI可以对幼儿的学习产生积极影响。大多数研究集中在利用AI提高儿童的AI知识/素养，只有极少数研究着眼于利用AI促进教师的培训和教学。与定量和混合方法相比，定性方法在以往关于学前教育领域AI的研究中应用更为广泛。
根据本文，我们可以总结出至少有两种方法将AI集成到幼儿教育中。第一，智能辅导系统（ITS）或AI增强的电子学习系统可以为孩子的个性化学习提供一个支持空间。这是因为为大数据所支持的强大的AI技术将允许界面或用户模型通过同时评估个体的认知状态和学习需求来适应儿童的学习需求。其次，玩具互联网或联网智能玩具为提高幼儿的学习和发展提供了适龄的解决方案，特别是AI素养、探究技能、社交互动和语言能力。未来的研究有必要探索这两种AI集成方法在学前教育领域的理论机制。
与Prentzas一致，本研究综合论证了将AI引入学前教育领域对提高儿童语言技能和适应行为的有效性，以及课堂上的师生互动。同样，本研究也调查了在AI设备支持下幼儿的学习活动。我们还总结了以前研究中使用的几种数据收集方法，并强调了AI在学前教育中的重要性。据我们所知，这是第一次全面审查，该审查已被采用以了解AI在学前教育领域的应用。值得注意的是，本文展示了用于设计和实施幼儿AI教育的各种AI平台/工具。未来的研究需要通过定性和定量数据源来比较这些AI平台/工具的优缺点。
本文表明，目前十分缺乏适合儿童学习的AI教学/辅导系统的研究。许多研究发现AI增强教育系统非常成功，专注于其他年龄组。因此，花时间为更年幼的孩子设计这种系统是值得的。提出这个研究方向有两个关键的考虑因素。首先，AI教学系统可以提供基于个体的学习目标（如学习模式、学习资源和学习伙伴）。其次，根据可观察到的信息（如面部表情、言语表达、知识反馈），AI教学系统可以利用大数据来评估和监测儿童的认知、情绪和行为状态。与传统的儿童学习评估不同，AI教学系统在短时间内指出儿童的弱点并提供适当的方法时，可能会考虑更全面的数据（如语言发展评估、体育锻炼测试、智力水平测试）。
总的来说，应该进行更多的研究工作将AI技术整合到学前教育环境中。在这些技术中，AI教育机器人可以同时整合不同学科的知识和多种技术，在快速变化的数字社会中极大地丰富儿童的学习体验。
查阅原文：《Computers and Education: Artificial Intelligence》Jiahong Su, Weipeng Yang
DOI: 10.1016/j.caeai.2022.100049
转自：“百研工坊”微信公众号
如有侵权，请联系本站删除！
