Теории и фреймворки

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Теории и фреймворки — рабочий перечень объяснительных и организационных структур, которые данная база знаний действительно использует. Теории объясняют, почему обучение происходит (Теории обучения, Теория самоопределения, Социокультурное обучение, activity theory); фреймворки организуют решения в сфере проектирования, преподавания и внедрения (Технологические педагогические знания о содержании (TPACK), SAMR, technology adoption models, ICAP, universal design for learning); модели делают утверждения об обучении проверяемыми и вычислимыми (item response theory, Валидность оценивания, Трассирование знаний). Используйте эту страницу, чтобы найти оптику, на которой основывается исследование, или выбрать её для собственной работы.

Вопросы для размышления

• Теория предсказывает, что произойдёт при изменении чего-либо; фреймворк говорит, на что обращать внимание. Если исследование сообщает о приросте под знаменем фреймворка, но не выдвигает ни одного предсказания, которое могло бы оказаться неверным, что в действительности было узнано?
• TPACK, SAMR, UDL, adoption models и ICAP появились раньше large language models. Какие их части сохраняются, когда инструмент сам может писать, объяснять и адаптироваться, и как это определить?
• Некоторые из теорий, описанных ниже, были созданы для ИИ в последние несколько лет. Что должно было бы произойти, чтобы одна из них оказалась ошибочной, и пытался ли кто-нибудь это показать?
• Внедрение часто описывается как движение по стадиям. Если коллега сообщает, что его курс в этом году перешёл «от подстановки к переопределению», какие независимые свидетельства вы запросили бы, прежде чем поверить?
• Большая часть этой области скорее применяет заимствованную теорию, чем проверяет её. Выберите факт, на который вы опираетесь: можно ли переформулировать его как проверку a theory и какое измерение для этого потребуется?

Введение

Каждый ИИ-репетитор, система обратной связи и информационная панель содержат предположения о том, как люди учатся, независимо от того, заявляют о них разработчики или нет. Эта страница собирает теории, фреймворки и модели, из которых берутся эти предположения, расположенные примерно по объёму современной исследовательской литературы, опирающейся на них, и кратко говорит, для чего каждый из них хорош. Различия между тремя этими ярлыками реальны, но невелики, и они подытоживаются ближе к концу, а не выступают предметом страницы. Практически важно, на какой оптике основывается утверждение и может ли эта оптика его поддержать.

Теории обучения, применяемые в литературе

Они объясняют механизмы: называют части, которые выполняют работу, и предсказывают, что последует, когда эти части изменятся. В литературе по ИИ они по большей части заимствованы из психологии и learning sciences и используются как интерпретационные рамки вокруг нового инструмента.

• Learning theories (umbrella) — это семейство в целом, включая классические полюса behaviorism и constructivism и повторяющийся в реализациях ИИ разрыв «конструктивизм на словах, бихевиоризм на деле». Здесь также рассматриваются коннективизм и теория когнитивной нагрузки.
• Constructivism — обучение как активное построение знаний. Он лежит в основе проектной работы, основанного на диалоге ИИ-репетиторства и критики в адрес систем тренировки с обратной связью, нарушающих собственную заявленную педагогику.
• Sociocultural theory — обучение как опосредствованное инструментами и социальным взаимодействием, именно поэтому ИИ концептуализируется как опосредствующий артефакт, а не просто вспомогательное средство.
• Activity theory — рассматривает всю систему деятельности, включая противоречия, как единицу анализа. Часто встречается в исследованиях ИИ, ориентированных на преподавателей, где интересным результатом обычно является напряжение между инструментами, правилами и сообществом.
• Situated learning и Embodied learning — обучение как связанное с контекстом и с телом, противовес рассмотрению ИИ как чисто языкового медиума.
• Distributed cognition — мышление, распределённое между людьми и артефактами, что трактует ИИ-помощь как перераспределение когнитивного труда, а не как его замену.
• Community of inquiry — социальное, когнитивное и преподавательское присутствия, которые делают онлайн-опыт работающим; одновременно теория опыта и рамка проектирования.
• Self-determination theory — автономия, компетентность и связанность как мотивационные предпосылки. Часто служит объяснением, когда использование ИИ повышает вовлечённость, не повышая обучение.
• Cognitivism — обработка информации, рабочая память и расхождение между ощущением обучения и фактическим обучением.

Модели учащегося и процесса обучения

• Self-regulated learning — планирование, мониторинг и оценивание собственного обучения. Рабочая лошадка для вопроса о том, достигают ли меры ИИ-поддержки важных фаз или только исполнения.
• Metacognition — мышление о собственном мышлении, конструкт, наиболее часто называемый, когда ИИ обвиняют в том, что он думает за студентов.
• Motivation — почему учащиеся вовлекаются, конструкт, который в исследованиях ИИ отделяет вовлечённость от обучения.
• Self-efficacy — вера в собственные возможности, отличная от компетентности, частый посредник между использованием ИИ и результатами.
• Agency — кто направляет работу: конструкт, лежащий в основе противоречия между контролем и автономией в этой области, а также механизма делегированной агентности в новейшей теории.
• Desirable difficulties, retrieval, spacing, and interleaving и refutation text — факты, делающие трение педагогически ценным, применяемые при решении, сколько должен делать ИИ.
• Transfer of learning — сохраняется ли способность после снятия поддержки; недавняя теория рассматривает это как критерий, отделяющий обучение от помощи, а не как один результат среди нескольких.

Фреймворки преподавания, интеграции и внедрения

• TPACK — знания преподавателя, объединяющие технологии, педагогику и содержание; фреймворк по умолчанию для исследований ИИ, ориентированных на преподавателей.
• Adoption models — намерение как функция воспринимаемой полезности и простоты использования. Применяются настолько широко, что опора поля на намерение, а не на поведение, стала устойчивой критикой.
• ICAP — ранжирует вовлечённость как пассивную, активную, конструктивную, интерактивную; полезен для вопроса о том, какой режим фактически обеспечивает ИИ-взаимодействие.
• SAMR — от подстановки до переопределения. Популярен как история зрелости, слаб как измерительный инструмент.
• Universal design for learning, inclusive learning и accessibility — рамки проектирования для вопроса о том, кого обслуживают, чаще всего используемые в работе по инвалидности и справедливости.
• Learning design, Curriculum design и Design thinking — как задания, последовательности и программы структурируются до выбора любого инструмента.
• Change management — принимается ли система вообще; обычно институциональный, а не педагогический вопрос.

Измерительные и вычислительные модели

• Item response theory — оценивание заданий и способностей; модель, которая делает числа теста интерпретируемыми.
• Educational measurement — ландшафт инструментов, включая меры, созданные специально для ИИ-грамотности.
• Validity — измеряет ли инструмент тот конструкт, который он заявляет; это решает, поддерживает ли сообщённый результат связанное с ним теоретическое утверждение.
• Self-report measures — доминирующий и наиболее хрупкий источник свидетельств в этой литературе; о ряде конструктов выше известно, что они резко расходятся между самоотчётом и выполнением.
• Knowledge tracing и Student modeling — оценивание состояния учащегося во времени по данным взаимодействия.
• Cognitive diagnosis — отнесение результата к конкретным компонентам навыка, модельный аналог диагностического преподавания.
• Benchmarks, AI education evaluation и psychometric awareness in AI design — как системы и интервенции оцениваются, сравниваются и проверяются.
• Design-based research — метод, который порождает теорию из спроектированных интервенций, а не проверяет её заранее.

Теории, созданные для эпохи ИИ

Четыре предложения в базе знаний строят теорию, а не заимствуют её. Это страницы статей, а не узлы концептов, поскольку каждое из них является отдельным аргументом:

• Generativism — новая теория обучения, утверждающая, что классическая четвёрка обнаруживает существенные концептуальные ограничения по мере распространения генеративного ИИ.
• Epistemic co-agency — модель того, как учащиеся и ИИ-системы совместно производят знание и понимание.
• The absent cognitive baseline — концептуализирует, почему студенты, выросшие с ИИ, переоценивают собственное обучение, когда ИИ завышает их результаты.
• Agentivism — теория среднего уровня, называющая четыре механизма (делегированная агентность, эпистемический мониторинг и верификация, реконструктивная интернализация и перенос при сниженной поддержке) и формулирующая шесть проверяемых положений.

Как различить три ярлыка

Слова используются в литературе нестрого, и различие стоит одного абзаца, а не целой страницы:

• Теория объясняет механизм и предсказывает, что произойдёт при изменении её частей. Она может потерпеть неудачу — именно поэтому исследования, проверяющие теорию, могут сообщать о размерах эффекта.
• Фреймворк организует или предписывает. Он называет компоненты, на которые следует обращать внимание, обычно не предсказывая величин, и не может быть фальсифицирован.
• Модель — это формальное представление, чаще всего измерения или состояния учащегося. Её можно подогнать, сравнить и показать её ошибочность так, как нельзя для фреймворка.
• Ярлыки пересекаются. Community of inquiry — одновременно теория и рамка проектирования; activity theory — объяснительная и аналитическая. Рассматривайте ярлык как подсказку о том, что утверждает источник, а не как рубрику для хранения.

Связанные слои

Две соседние страницы намеренно посвящены другому. Philosophy of AI in education задаёт нормативные и концептуальные вопросы — зачем нужно образование вообще, может ли машина учить — и не предсказывает размеров эффекта; исследование может быть философски наивным и теоретически состоятельным, или наоборот. Theory development — это мета-активность построения, заимствования и пересмотра теории, включая устойчивую критику, что большая часть работ в области AIEd применяет существующую теорию, а не проверяет её. Эта страница — перечень; разработка теории касается производства и пересмотра перечня.

Выбор оптики, когда вопрос практический

• Преподаватели, отталкивающиеся от проблемы, могут двигаться в обратном порядке: если учащиеся не вовлекаются, ICAP и SDT называют разные причины и предполагают разные исправления; если вопрос в том, внедрять ли инструмент вообще, adoption models и SAMR спрашивают о нём разное.
• Дизайнеры обучения извлекают больше всего из рамок проектирования — UDL, Дизайн обучения и Скаффолдинг — в паре с теорией, которая предсказывает, что произойдёт при снятии скаффолдинга.
• Исследователи должны указывать, какой узел заявляет исследование и может ли дизайн его действительно проверить; измерительные модели (IRT, Валидность оценивания, Меры самоотчёта) решают, поддерживает ли сообщённый результат это утверждение.
• Администраторы встречают эти фреймворки как вопросы внедрения и изменений, где стадийная модель часто используется как история зрелости, а не как инструмент.

Чего фреймворки не могут сделать

Фреймворки — не свидетельство. Обычно они заимствованы из до-LLM контекстов и локализуются тем, кто их применяет, они могут функционировать как брендинг, а стадийные модели провоцируют внедрение «по чекбоксам», которое сообщает о движении по уровням, а не об обучении. Утверждения, опирающиеся на фреймворк, следует читать наряду с the field's cross-cutting limitations, validity того, чем измерялся результат, и известными пределами self-report.

Тем не менее согласованность механизма и теории может быть решающей: тематический синтез 55 исследований игрового обучения с поддержкой ИИ показал, что эффективность зависела от того, реализовывал ли механизм ИИ педагогику, которой он должен был служить, а не от алгоритмической сложности (Kaşarcı and Yurt (2026)).

Связанные концепты

• Разработка теории в области ИИ в образовании — построение и пересмотр теории в этой области
• Философия ИИ в образовании — нормативный и концептуальный слой
• Теории обучения — общий обзор для теории обучения
• Науки об обучении — соседняя область, из которой заимствуется большая часть теории
• Ограничения исследований в области ИИ в образовании — что база свидетельств может и не может поддержать
• Технологические педагогические знания о содержании (TPACK) — фреймворк знаний преподавателя
• Модели принятия технологий — фреймворки внедрения
• Теория Item Response Theory (IRT) — измерительная модель
• Универсальный дизайн для обучения — рамка проектирования
• Методы исследования в AIED — как теория проверяется

Связанные статьи

• Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — Согласованность механизма и теории, а не алгоритмическая сложность, определяла эффективность в 55 исследованиях игрового обучения с ИИ

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — четыре десятилетия AIED через фреймворк AI×Ed

• Educating minds with generative AI — насыщенный теориями синтез о генеративном ИИ и обучении

• An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design — теория деятельности, применённая к профессиональному развитию преподавателей

• Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — теория деятельности и внедрение ИИ преподавателями

• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — теория обучения, предложенная для эпохи генеративного ИИ

• Learning with machines: Toward a theory of epistemic co-agency — к теории эпистемической коагентности

• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — концептуализация структурного пробела в самооценке студентов, выросших с ИИ

• Agentivism: a learning theory for the age of artificial intelligence — теория обучения среднего уровня для взаимодействия человека и ИИ

• Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — разработка инструментов для молодого конструкта

• Control vs. Agency: Exploring the History of AI in Education — основополагающее противоречие поля между контролем и агентностью