AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Роботы в образовании (Robots in Education)

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Роботы в образовании (educational robotics) — использование физических или смоделированных роботов как инструментов преподавания и обучения. Образовательная робототехника охватывает широкий спектр: от программируемых наборов, обучающих вычислительному мышлению и программированию, до социально-ассистивных и гуманоидных роботов, которые выступают в роли тьюторов, рассказывают истории, моделируют язык жестов или отрабатывают социальные навыки. Она ценится за развитие решения проблем, критического мышления, Креативность и вовлечённости в STEAM, а также за то, что делает абстрактные вычислительные понятия осязаемыми через телесное взаимодействие. Корпус исследований по робототехнике в базе знаний охватывает интегрированное в учебную программу программирование, разговорных тьюторов на базе LLM, социально-ассистивных сторителлинг-роботов и ролевые игры для социально-эмоционального обучения. В её основе лежат две тесно связанные области, поглощённые здесь: социальные роботы (роботы, предназначенные для социального взаимодействия и построения отношений) и взаимодействие человека и робота (HRI) (изучение того, как люди воспринимают роботов, доверяют им и учатся с ними).

Вопросы для размышления

  • Робот в аудитории добавляет телесное, социальное присутствие, которого чат-бот на экране дать не может. Как вы думаете, что физическое тело и социальные сигналы робота меняют в том, как студенты учатся, доверяют и вовлекаются — и от чего они могут отвлекать?
  • Социальные роботы используют человекообразную речь, жесты и личность, чтобы учить, рассказывать истории или отрабатывать социальные навыки. Является ли робот, который выглядит и ведёт себя как человек, по своей природе лучше для обучения, или это социальное присутствие может принести риски (дезинформация, чрезмерная зависимость, приватность), которых нет у чисто программных инструментов?
  • LLM теперь позволяют социальным роботам свободно вести диалог. Если робот может говорить как тьютор, что всё ещё зависит от его физического воплощения — и где добавление «тела» действительно имеет значение для обучения, а где является лишь новизной?
  • Вспомните случай, когда вы научились чему-то, физически манипулируя объектом или наблюдая, как ваши действия дают видимый результат. Как программирование физического робота может заземлять абстрактные идеи (например, логику программы) более эффективно, чем написание кода на экране?

Введение

Образовательная робототехника — это отдельное, но тесно связанное применение ИИ в образовании. В отличие от чисто программного интеллектуального тьюторинга или чат-ботов Большие языковые модели (LLM), роботы добавляют телесное и часто социальное присутствие — физического агента, которого учащиеся могут видеть, манипулировать им и (всё чаще) вести с ним диалог. Это воплощение составляет суть их педагогической ценности: оно заземляет абстрактную логику программы в наблюдаемом поведении и может поддерживать построение отношений и эмоциональную вовлечённость, недоступные бестелесным системам.

Доказательств меньше, чем предполагает объём работ: обзор ИИ и робототехники в образовании показывает, что большинство эмпирических исследований охватывают учащихся младше 13 лет на срок не более четырёх недель, сконцентрированы в нескольких странах, рано вложившихся в эту область, при этом успеваемость — самый изучаемый результат, а этика, справедливость и политика отстают от внедрения (White and Wu (2026)).

Социальные роботы и взаимодействие человека и робота

Социальную сторону робототехники в образовании формируют две линии.

Социальные роботы — это роботы, предназначенные для вовлечения людей через социальное взаимодействие, использующие человекообразные сигналы, такие как речь, жест, выражение лица и личность, чтобы общаться, учить, помогать или сопровождать. В образовании социальные роботы (гуманоиды вроде iCub, Pepper, Reachy и роботы-компаньоны) применяются для тьюторинга, сторителлинга, ролевых игр, языковой поддержки и в качестве компаньонов для учёбы. Их социальное присутствие — ключевое отличие от программных ИИ-агентов, позволяющее строить отношения и обеспечивать эмоциональную вовлечённость. Прогресс в больших языковых моделях резко расширил то, что социальные роботы могут говорить и делать, обеспечивая плавный адаптивный разговорный тьюторинг — и одновременно вводя риски, такие как дезинформация, чрезмерная зависимость и нарушения Приватность, что мотивирует подходы проектирования, опирающиеся на знания.

Взаимодействие человека и робота (HRI) — это междисциплинарное изучение того, как взаимодействуют люди и роботы, охватывающее восприятие, коммуникацию, сотрудничество и социальную, когнитивную и этическую динамику этого взаимодействия. В образовании HRI лежит в основе того, как учащиеся воспринимают роботов, доверяют им и учатся с ними — будь то программирование робота, разговор с роботом-тьютором или отработка социальных сценариев. Исследование HRI рассматривает, как внешний вид робота, его поведение, контекст задачи и воплощённость формируют пользовательский опыт, доверие, агентность и обучение. Ключевые задачи в образовательном HRI включают сохранение человеческой Автономность учащегося, построение Доверие, поддержку Самоэффективность и обеспечение того, чтобы взаимодействие с роботами поддерживало, а не подрывало автономию и социальное обучение. Оно связывает робототехнику с Коллаборация человека и ИИ и Социально-эмоциональное обучение.

Как роботы используются в образовании

Christ et al. (2026) добавляют типологию ролей, а не список технологий: их пять выведенных из воркшопов типов классных роботов различаются по педагогической функции и уровню абстракции, а не по «железу». Тип a реализует неинтерактивную демонстрацию обобщённых социальных паттернов (сценарный театр эмоций, за которым следует обсуждение динамики, такой как эскалация или недопонимание); тип b — реагирующий на прикосновение интерактивный робот, поддерживающий участинный физический театр, телесное обучение, осознание границ и регуляцию эмоций; тип c — партнёр на разговорном языке, который проявляет эмпатию и помнит взаимодействия с одним учеником, создавая защищённую индивидуальную обстановку для самораскрытия; тип d управляется извне скрытым специалистом, как марионка с дополнительными степенями свободы, с целью сглаживания социальной иерархии; а тип e — неинтерактивный робот, воспроизводящий действия, недавно наблюдавшиеся в школе, чтобы ученики могли поразмышлять о ситуативном поведении — контраст с типом a состоит именно в его контекстно-специфической, а не обобщённой абстракции. Типология прямо оговаривает, что представляет собой невалидированное пространство проектных решений, опирающееся на одну национальную программу психического здоровья, так что это меню для проектирования и оценивания ролей роботов, а не доказательство того, что какая-либо из них работает.

  • Вычислительное мышление и программирование: программируемые роботы (например, LEGO, блочные платформы) помогают учащимся связывать код с реальными результатами. Valls i Pou связывает вычислительное мышление с учебными программами STEAM для средней школы, а RoboBlockly Studio сочетает блочное программирование с агентом разговорного ИИ и телесной обратной связью от робота. EduSim-LLM позволяет начинающим управлять смоделированными роботами на естественном языке.

  • Тьюторинг и доставка знаний: исследование проектирования, опирающегося на знания и Teachy Mini разрабатывают генеративных социальных роботов на базе LLM, которые обучают студентов вузов, addressing риски, такие как дезинформация и чрезмерная зависимость. Исследование доверия показывает, что доверие учащегося формируется тем, что робот делает (контекст задачи), сильнее, чем его внешним видом, причём наибольшее доверие возникает во время инструктивных задач.

  • Сторителлинг и вовлечённость: MotiBo и RoboBuddy используют интерактивных социальных роботов на базе LLM для сторителлинга, чтобы повысить мотивацию и вовлечённость, тогда как исследование нарративного HRI с iCub исследует совместное творческое сторителлинг между человеком и гуманоидами.

  • Социально-эмоциональное обучение и инклюзия: REMind использует опосредованную роботами ролевую игру для отработки вмешательства свидетеля в ситуации буллинга, а работа с роботом Pepper исследует коммуникацию на языке жестов с помощью робота для поддержки глухих учащихся. Scoping-обзор описывает применение Pepper в формальном образовании.

  • Автономия и агентность: систематический обзор обобщает, как HRI влияет на человеческую автономию и чувство агентности, соединяя фреймворки проектирования с регуляторными требованиями (EU AI Act, IEEE Ethically Aligned Design). Социальные роботы как компаньоны для учёбы и интеграция робота и LLM в креативном письме further explore роли роботов.

  • Проектный и игровой подходы: Bots and Blocks представляет проектный курс по робототехнике, а систематический обзор сравнивает игровое обучение и геймификацию в образовании по робототехнике.

  • Обучение с подкреплением и sim-to-real в полном цикле робототехнических работ. Dong, Cao and Wang (2026) преобразуют сквозной исследовательский цикл робототехнических работ — сборку, электрические проверки, обучение политики в симуляции и физическое развёртывание — в старшеклассный курс, построенный на одном открытом гуманоиде (ToddlerBot, заявленная стоимость деталей — менее 6 000 USD) на протяжении восьми трёхчасовых занятий. Пары делят одного робота и обучают политику ходьбы в Моделирование перед развёртыванием её на «железе», при этом предохранительные механизмы (сданный тест стояния перед ходьбой) делают порядок зависимостей наглядным. Поскольку общий артефакт вознаграждает команду, а не индивида, фреймворк отделяет производительность робота от индивидуального понимания: студенты чередуются ролями, каждый сдаёт отдельный прогноз и объяснение на каждом контрольном пункте, а поддерживающие подсказки прямо не рассматриваются как свидетельство концептуального освоения — предупреждение авторов о том, что сдача робототехнического рубежа не равна его пониманию.

  • Соревновательная робототехника как проблема экосистемы, а не набора. Jacobson et al. (2026) размещают ограничивающий фактор робототехники K–12 не в учебной программе или «железе», а в устойчивом местном техническом наставничестве, и показывают, что оно распределено географически: в Индиане участие в FIRST LEGO League обрушилось в удалённом сезоне 2020 года, городское участие постепенно восстановилось, а сельское — нет, оставаясь около своего уровня после 2020 года вплоть до 2025–2026. Их фреймворк ARC делает наставничество инженерным объектом — колледжи проводят курс зачётные единицы, который готовит студентов бакалавриата в качестве наставников воркшопов для близлежащих команд, а зрелые школьные программы становятся вторичными хабами, чьи опытные студенты становятся наставниками для сверстников в других школах, так что охват распространяется за пределы зоны любого университета через самоподкрепляющийся цикл. Одноуниверситетское испытание создало три сельские команды FLL и подняло связь студентов-бакалавриатов с сообществом с 1,86 до 4,00 по пятибалльной шкале (наибольший из всех измеренных сдвигов, опережая уверенность в преподавании технических концептов с +1,29), тогда как пространственно явная симуляция Маркова для 1 925 государственных школ Индианы спрогнозировала 992 школьные программы через 40 лет при умеренных допущениях против 161 без ARC. Доказательства имеют уровень осуществимости — семь наставников и четыре родителя, ретроспективные самоотчёты, отсутствие контрольной группы, — но сама рамка переносима на любую программу по робототехнике: то, что масштабируется или не масштабируется, — это ёмкость наставничества и география хабов, а не робот (Teaching AI, Robotics, & Community: A Hubs-Based K-12 Education Framework for Reaching Rural Schools).

  • Развитие ребёнка и младшие учащиеся: ИИ-игрушки и развитие ребёнка переключает фокус на коммерческие ИИ-игрушки в раннем детстве, рассматривая, как игрушки с ИИ влияют на развитие и игру ребёнка. Это расширяет образовательную робототехнику за пределы классных роботов до потребительских игрушек, с которыми дети сталкиваются дома, поднимая вопросы о агентах в игре, калибровке доверия, Автономность учащегося и Благополучие для самых младших учащихся — область, где руководство по проектированию слабее, чем для учебных программ по робототехнике для школьного возраста.

  • Осязаемое программирование и социальные роботы в ИИ-грамотности дошкольников. Lee (2026) интегрирует игру без экрана, осязаемое программирование (Bee-Bot, Ozobot) и управляемый диалог с социальным ИИ-роботом в учебную программу Play With AI (PL-AI) для дошкольников и детского сада. Исследование, основанное на проектировании документирует, как эти телесные, осязаемые робототехнические активности поддерживают формирующееся у детей рассуждение о концепциях ИИ, причём четыре принципа проектирования — телесная игра, осязаемое программирование, управляемый диалог и совместное проектирование с учителем — предлагают модель, соответствующую уровню развития, для робототехники раннего детства и образования в области ИИ.

  • Две парадигмы для младших учащихся: программирующие роботы и генеративные социальные роботы. Yang, Li and Lee (2025) framing раннее детство как сочетание двух педагогических парадигм, каждая со своей теоретической базой. Программирующие роботы (Bee-Bot, KIBO, Matatalab) происходят от LOGO Пейперта и воплощают конструктивизм — дети учатся, создавая, и выстраивают вычислительное мышление через осязаемое программирование. Генеративные социальные роботы, работающие на генеративном ИИ, опираются на социальный конструктивизм, действуя как разговорные сверстники или тьюторы, которые скаффолдинг обучения в зоне ближайшего развития ребёнка и поддерживают социально-эмоциональное развитие. Их пятишаговый Creative Project Approach для интеграции обоих типов роботов в «Проектный подход» сохраняет учителей в роли фасилитаторов, которые направляют взаимодействие ребёнка и робота, уравновешивают автоматизацию и Креативность, и сохраняют детскую Автономность учащегося.

  • Что на самом деле делает робототехника для вычислительного мышления в детском саду. Систематический обзор 53 исследований показал, что чаще всего используются проблемное обучение, сторителлинг и скаффолдинг, при этом в большинстве исследований не называется какой-либо фреймворк вычислительного мышления и используются ad hoc инструменты оценивания, а не валидированный инструмент, такой как TechCheck-K (Tsingidou & Sapounidis (2026)).

Воплощение и педагогика

Определяющая тема состоит в том, что роботы эффективны, когда они поддерживают подлинные цели обучения, — а не как изолированные технические упражнения. Настольный роботизированный проектор был сопоставим с ноутбуком с ChatGPT при доступной помощи (6,7 против 7,3/10, p = ,41), но удержал свой результат после снятия поддержки (7,0 против 4,4/10, p = ,003) — на 60% более высокий краткосрочный показатель переноса, — что является зависящим от задачи выигрышем, который авторы объясняют пространственным сосуществованием (co-location), а не общей заменой (Orlando et al. (2026)). Ценность робота зависит от педагогического контекста: обучение вычислительному мышлению (Вычислительное мышление), поддержка STEAM, формирование навыков программирования, мотивирование учащихся (Мотивация, вовлечённость) или поддержка Социально-эмоциональное обучение и инклюзии. Робототехника также связана с Проектное обучение, Обучение на основе игр и Опытное обучение. Ключевые соображения проектирования включают сохранение агентности учащегося Автономность учащегося, построение Доверие, поддержку Самоэффективность и заземление обучения в телесном взаимодействии. В Изучение языков метааналитические данные указывают на эффективность телесно-воплощённого роботизированного обучения языку.

  • Качественное исследование старшеклассников в учебной программе «робототехника + ИИ» обнаружило обучение через реальную практику, проектирование и игровое творческое выражение (конструктивистская, эпистемологически-плюралистская оптика).

Связанные концепции

Связанные статьи

Связанные FAQ

Метаданные

ДисциплинаStem Education, Cs Education
УровеньK 12, Higher Ed
Обучение и преподаваниеТелесное обучение (Embodied Learning)
Технологии и методыРоботы в образовании (Robots in Education)
Основы ИИ в образованииВычислительное мышление
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.