База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Роботи в освіті

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Роботи в освіті (освітня робототехніка) — використання фізичних або змодельованих роботів як інструментів teaching та навчальної діяльності. Освітня робототехніка охоплює широкий спектр: від програмованих конструкторів, що навчають обчислювальному мисленню та програмуванню, до соціально-асистивних і гуманоїдних роботів, які тьюторять, розповідають історії, демонструють мову жестів чи відпрацьовують соціальні навички. Її цінують за формування problem solving, critical thinking, Креативність та залученості в STEAM, а також за втілення абстрактних обчислювальних понять у відчутні через втілену взаємодію. Корпус робототехніки цієї бази знань охоплює інтегроване в curriculum програмування, розмовних тьюторів на основі LLM, соціально-асистивних storytelling роботів та рольові ігри для соціально-емоційного навчання. Її підтримують дві тісно пов’язані області, поглинуті тут: соціальні роботи (роботи, створені для соціальної взаємодії та побудови стосунків) і взаємодія людина–робот (HRI) (вивчення того, як люди сприймають роботів, довіряють їм і навчаються з ними).

Питання для роздумів

  • Робот в аудиторії додає втілену social presence, якої не має чат-бот на екрані. Як ви вважаєте, що фізичне тіло та соціальні сигнали робота змінюють у тому, як студенти навчаються, довіряють і залучаються, — і від чого вони можуть відвертати?
  • Соціальні роботи використовують людське мовлення, жести та особистість, щоб навчати, розповідати історії чи відпрацьовувати соціальні навички. Чи є робот, який виглядає і поводиться як людина, по суті кращим для навчання, чи може ця соціальна присутність нести ризики (дезінформація, надмірна залежність, приватність), яких не мають інструменти лише з програмним забезпеченням?
  • LLM тепер дозволяють соціальним роботам вільно розмовляти. Якщо робот може говорити як тьютор, то що все ще залежить від його фізичного втілення, — і де додання «тіла» справді має значення для навчання, а де є лише новизною?
  • Згадайте випадок, коли ви навчилися чомусь, фізично маніпулюючи предметом або спостерігаючи, як ваші дії дають видимий результат. Як програмування фізичного робота могло б згрунтувати абстрактні ідеї (наприклад, логіку програми) ефективніше, ніж написання коду на екрані?

Вступ

Освітня робототехніка є окремим, але тісно пов’язаним застосуванням AI in education. На відміну від інтелектуальних intelligent tutoring або чат-ботів Великі мовні моделі (LLM) лише з програмним забезпеченням, роботи додають втілену і часто соціальну присутність — фізичного агента, якого здобувачі можуть бачити, маніпулювати ним і (усе частіше) розмовляти з ним. Це втілення є центральним для їхньої pedagogical цінності: воно згрунтовує абстрактну логіку програми в спостережуваній поведінці і може підтримувати побудову стосунків та емоційну залученість, чого не можуть системи без тіла.

Докази є тоншими, ніж це випливає з обсягу робіт: огляд ШІ та робототехніки в освіті виявляє, що більшість емпіричних досліджень залучає здобувачів молодше 13 років упродовж чотирьох тижнів або менше, зосереджуючись у кількох країнах, які інвестували раніше за інших, причому learning performance є найбільш вивченим результатом, а етика, справедливість і політика відстають від впровадження (White and Wu (2026)).

Соціальні роботи та взаємодія людина–робот

Два напрями формують соціальний бік робототехніки в освіті.

Соціальні роботи — це роботи, створені для залучення людей через соціальну взаємодію, з використанням людських сигналів, таких як мовлення, жест, міміка та особистість, для комунікації, навчання, допомоги чи супроводу. В освіті соціальні роботи (гуманоїди, такі як iCub, Pepper, Reachy, і роботи-компаньйони) використовуються для тьюторства, оповідання історій, рольових ігор, підтримки мови та як супутники навчання. Їхня соціальна присутність є ключовим відмінником від програмних AI agents, уможливлюючи побудову стосунків та емоційну залученість. Досягнення в галузі large language models різко розширили те, що соціальні роботи можуть казати і робити, уможливлюють вільне, адаптивне розмовне тьюторство, — водночас вводячи такі ризики, як дезінформація, over-reliance та порушення Приватність, що мотивує підходи проєктування, засновані на знаннях.

Взаємодія людина–робот (HRI) — це міждисциплінарне вивчення того, як люди та роботи взаємодіють, охоплюючи сприйняття, комунікацію, співпрацю та соціальну, когнітивну та ethical динаміку цієї взаємодії. В освіті HRI лежить в основі того, як здобувачі сприймають роботів, довіряють їм і навчаються з ними, — чи то програмування робота, розмова з роботом-тьютором, чи відпрацювання соціальних сценаріїв. Дослідження research вивчають, як зовнішній вигляд робота, поведінка, контекст завдання та втілення формують user experience, довіру, агентність і навчання. Ключові занепокоєння в освітній HRI включають збереження людської Суб’єктність здобувача, побудову Довіра, підтримку Самоефективність та забезпечення того, щоб взаємодія з роботами підтримувала, а не підривала автономію та соціальне навчання. Вона пов’язує робототехніку з Співпраця людини та ШІ та Соціально-емоційне навчання.

Як роботів використовують в освіті

Christ et al. (2026) додають типологію ролей, а не перелік технологій: їхні п’ять типів аудиторного робота, виведених у майстернях, відрізняються педагогічною функцією та рівнем абстракції, а не апаратним забезпеченням. Тип a — неінтерактивна демонстрація узагальнених соціальних патернів (заздалегідь запрограмований театр емоцій з подальшим обговоренням динамік, таких як ескалація або непорозуміння); тип b — інтерактивний робот, що реагує на дотик, підтримує партиципативний фізичний театр, embodied learning, усвідомлення меж та регулювання емоцій; тип c — партнер із розмовною мовою, який виявляє співчуття та пам’ятає взаємодії з одним учнем, створюючи захищене налаштування «один на один» для самовиявлення; тип d — керується ззовні прихованим фахівцем, як лялька з додатковими ступенями волі, з метою зрівняти соціальну ієрархію; а тип e — неінтерактивний робот, що відтворює дії, нещодавно спостережені в школі, щоб учні могли осмислити ситуативну поведінку, — причому відмінність від типу a і є саме його контекстно-специфічна, а не узагальнена абстракція. Типологія явно заявляє про себе як про неперевірений проєктувальний простір, згрунтований на одній національній програмі психічного здоров’я, тому вона є меню для проєктування та оцінювання ролей роботів, а не доказом того, що будь-яка з них працює.

  • Обчислювальне мислення та програмування: Програмовані роботи (наприклад, LEGO, платформи на основі блоків) допомагають здобувачам пов’язувати код із реальними результатами. Valls i Pou пов’язує обчислювальне мислення з навчальними планами STEAM середньої школи, а RoboBlockly Studio поєднує блочне програмування з агентом conversational AI та втіленим зворотним зв’язком робота. EduSim-LLM дозволяє початківцям керувати змодельованими роботами природною мовою.
  • Тьюторство та навчання: Knowledge-based design research та Teachy Mini розробляють генеративні соціальні роботи на основі LLM, які тьюторять студентів вищої освіти, вирішуючи такі ризики, як дезінформація та overreliance. Research on trust показує, що те, що робот робить (контекст завдання), формує довіру здобувача більше, ніж його зовнішній вигляд, причому найвища довіра спостерігається під час навчальних завдань.
  • Оповідання історій та залученість: MotiBo та RoboBuddy використовують інтерактивних соціальних роботів на основі LLM для оповідання історій з метою підвищення мотивації та залученості, тоді як the iCub narrative HRI study вивчає спільне творче оповідання між людьми та гуманоїдами.
  • Соціально-емоційне навчання та inclusion: REMind використовує рольові ігри, опосередковані роботом, для відпрацювання втручання свідка булінгу, а work with the Pepper robot вивчає комунікацію мовою жестів із роботом для підтримки глухих здобувачів. A scoping review картографує використання Pepper у формальній освіті.
  • Автономія та агентність: A systematic review синтезує, як HRI впливає на людську автономію та відчуття агентності, поєднуючи рамки проєктування з вимогами regulatory (Закон ЄС про штучний інтелект, IEEE Ethically Aligned Design). Social robots as study companions та robot–LLM integration in creative writing далі досліджують ролі роботів.
  • Підходи на основі проєктів та ігор: Bots and Blocks подає курс робототехніки на основі проєктів, а a systematic review порівнює навчання на основі ігор та геміфікацію в освітній робототехніці.
  • Навчання з підкріпленням і перехід від симуляції до реальності в повному робочому процесі робототехніки. Dong, Cao and Wang (2026) перетворили цілісний дослідницький робочий процес робототехніки — складання, електричні перевірки, навчання політики на основі симуляції та фізичне розгортання — на курс для high-school, побудований на одному відкритому гуманоїді (ToddlerBot, вартість деталей якого, за повідомленням, не перевищує 6 000 доларів США) в межах восьми трьохгодинних занять. Пари ділять один робот і навчають walking policy в Симуляція перед її розгортанням на апаратному забезпеченні, причому захисні ворота (складений тест стояння перед ходьбою) роблять видимим порядок залежностей. Оскільки спільний артефакт винагороджує команду, а не індивіда, рамка відокремлює результативність робота від індивідуального розуміння: студенти змінюють ролі, кожен подає окреме прогнозування та пояснення на кожному контрольному пункті, і підтримане просування явно не розглядається як доказ концептуального опанування — попередження авторів, що проходження віхи робота не є її розумінням.
  • Змагальна робототехніка як проблема екосистеми, а не проблема конструктора. Jacobson et al. (2026) розташовують обмежувальний чинник робототехніки K–12 менше в навчальному плані чи апаратному забезпеченні, ніж у сталій локальній технічній менторській підтримці, і показують, що він географічно розподілений: в Індіані участь у FIRST LEGO League обвалилася в дистанційному сезоні 2020 року, міська участь поступово відновилася, а сільська — ні, залишаючись поблизу свого після-2020-го рівня до 2025–2026 років. Їхня рамка ARC робить менторство інженерним об’єктом — коледжі ведуть курс із заліковою одиницею, який готує студентів бакалаврату як майстерних менторів для ближніх команд, а зрілі шкільні програми стають вторинними хабами, чиї досвідчені студенти стають менторами-однолітками для подальших шкіл, тому охоплення поширюється за межі будь-якого університетського району через самопосилювальний цикл. Випробування в одному університеті створило три сільські команди FLL і перемістило зв’язок із спільнотою студентів бакалаврату з 1,86 до 4,00 за п’ятибальною шкалою (найбільший із усіх виміряних зсувів, попереду впевненості у викладанні технічних понять із +1,29), тоді як просторово явна симуляція Маркова 1 925 публічних шкіл Індіани проєктувала 992 шкільні програми через 40 років за помірних припущень проти 161 без ARC. Докази мають рівень здійсненності — семеро менторів і четверо батьків, ретроспективні самозвіти, відсутність контрольної групи, — але рамкування переносиме на будь-яку програму робототехніки: те, що масштабується чи не масштабується, є потужність менторської підтримки та географія хабів, а не робот (Teaching AI, Robotics, & Community: A Hubs-Based K-12 Education Framework for Reaching Rural Schools).
  • Розвиток дитини та молодші здобувачі: AI-enabled toys and child development зміщує фокус на комерційні іграшки зі ШІ в ранньому дитинстві, досліджуючи, як іграшки з підтримкою ШІ впливають на розвиток та гру дитини. Це поширює освітню робототехніку за межі аудиторних роботів на споживчі іграшки, яких діти зазнають удома, піднімаючи питання щодо agents в грі, trust calibration, Суб’єктність здобувача та Благополуччя наймолодших здобувачів, — області, де настанови проєктування тонші, ніж для навчальних програм робототехніки шкільного віку.
  • Відчутне кодування та соціальні роботи в дошкільній AI literacy. Lee (2026) інтегрує гру без екрана, відчутне кодування (Bee-Bot, Ozobot) та керований діалог із соціальним роботом ШІ в навчальну програму Play With AI (PL-AI) для дошкільного та дитячого садка. design-based research, документує, як ці втілені, відчутні робототехнічні діяльності підтримують формуване міркування дітей про поняття ШІ, причому чотири принципи проєктування — втілена гра, відчутне кодування, керований діалог та співпроєктування з учителем, — дають відповідну до розвитку модель для early childhood та освіти зі ШІ.
  • Дві парадигми для молодших здобувачів: роботи для кодування та генеративні соціальні роботи. Yang, Li and Lee (2025) кадрують робототехніку раннього дитинства як пару двох pedagogical парадигм, кожна з окремою теоретичною основою. Роботи для кодування (Bee-Bot, KIBO, Matatalab) походять від LOGO Паперта і втілюють constructionism — діти навчаються, створюючи, і будують computational thinking через відчутне програмування. Генеративні соціальні роботи, на базі generative AI, згрунтовані на social constructivism, діючи як розмовні однолітки чи тьютори, які scaffold навчання в межах зони ближнього розвитку дитини та підтримують соціально-емоційний розвиток. Їхній п’ятикроковий Підхід творчого проєкту для інтеграції обох типів роботів у Проєктний підхід зберігає вчителів як фасилітаторів, які направляють взаємодію дитина–робот, збалансовують автоматизацію з Креативність та зберігають дитячу Суб’єктність здобувача.
  • Що насправді робить дошкільна робототехніка для обчислювального мислення. Систематичний огляд 53 досліджень виявив, що навчання на основі задач, оповідання історій та скаффолдинг були найчастіше використовуваними стратегіями, причому більшість досліджень не називали жодної рамки обчислювального мислення та використовували ad hoc інструменти оцінювання, а не перевірений інструмент, такий як TechCheck-K (Tsingidou & Sapounidis (2026)).

Втілення та педагогіка

Визначальна тема в тому, що роботи є ефективними, коли підтримують справжні навчальні цілі, — а не як ізольовані технічні вправи. Роботизований проєктор на столі, пов’язаний із ноутбуком ChatGPT, за раптом доступної допомоги був нижчим (6,7 проти 7,3/10, p = 0,41), але зберіг свій бал після відміни (7,0 проти 4,4/10, p = 0,003), на 60% вищий короткостроковий бал перенесення, — завданнєвий приріст, який автори пояснюють просторовим співрозташуванням, а не загальним заміщенням (Orlando et al. (2026)). Цінність робота залежить від педагогічного контексту: викладання обчислювального мислення (Обчислювальне мислення), підтримка STEAM, формування навичок programming, мотивування здобувачів (Мотивація, engagement) або підтримка Соціально-емоційне навчання та inclusion. Робототехніка також пов’язується з Навчання на основі проєктів, Навчання на основі ігор та Досвідницьке навчання. Ключові міркування проєктування включають збереження здобувацької Суб’єктність здобувача, побудову Довіра, підтримку Самоефективність та згрунтування навчання в embodied interaction. В Вивчення мов meta-analytic evidence вказують на ефективність втіленого навчання мови за допомогою роботів.

  • Шляхи до навчання робототехніки на базі ШІ. A qualitative study студентів старшої школи в навчальній програмі робототехніка + ШІ виявило навчання через реальну практику, проєктування та грайливий творчий вияв (конструкціоністська, епістемологічно-плюралістична лінза).

Пов’язані поняття

Пов’язані статті

Пов’язані поширені питання

Метадані

ДисциплінаStem Education, Cs Education
РівеньK 12, Higher Ed
Навчання та викладанняВтілене навчання
Технології та методиРоботи в освіті
Основи ШІ в освітіОбчислювальне мислення
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.