AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

AI 化身与合成教师

创建 2026-11-04 · 更新 2026-11-04

本页是英文页面的机器翻译，尚未经母语者审校。

AI 化身与合成教师 —— 占据教学角色的、看起来像人的AI系统，无论是录像讲师、语音导师、教学智能体、模拟病人或学生、角色扮演伙伴，还是考官。这一类别由一张脸与一副嗓音代替一个人来定义，而不是由某项单一技术定义。正是这层表面使这些系统具有吸引力，也正是它让这些系统特有的问题集中出现：信任附着于身份线索，真实感并不追踪有效性，而学习者可能不知道有人正在被模拟。

值得思考的问题

  • 如果一段讲课视频由一张你后来才知道是从你教师的面貌合成的脸来呈现，对你而言什么会改变 —— 内容、你对“是谁教的”的感受，还是什么都不变？
  • 一个流利、配合、从不把课带偏的模拟学生很容易交谈。这种演练为你准备了什么，又悄悄省略了什么？
  • 你希望在接触之前被告知病人是生成的吗？事后才知道会怎样改变你从这次会面中得到的东西？
  • 哪一种诚信风险更大：学习者欺骗 AI 考官，还是 AI 考官误读学习者？
  • 同伴角色扮演免费、熟悉，且具有社交要求。化身需要增加什么，你才会选择它？

引言

AI 化身是由模型驱动的、渲染或动画化的人类表征；合成教师则是被置于教学角色中的那种表征。两者都不等同于智能体。Theelen 等人（2026）把表征与能动性分开：化身是参与者所看见的东西，而它背后的行动者可能是同伴、模拟专员、脚本、基于规则的系统，或一个大语言模型。因此，两个看起来完全相同的虚拟学生可以提供完全不同的会面。

本页按角色组织：合成的人占据哪一个角色、该角色有哪些证据，以及这层表面如何改变学习者与系统的关系。下文涵盖讲课视频、辅导、临床模拟、教师演练、角色扮演与评估。

合成的人可以占据的六种角色

屏幕上的讲师。 一个克隆的主讲人交付录制视频。在一门大型在线本科课程中，Tomlinson 等人（2026）为每个主题渲染了三个领域定制版本，使用由该教师克隆的 HeyGen 化身，发布前经审阅，并推送到 LMS。

导师或教学智能体。 ELEVATE构建了一个完全在本地硬件上运行的 3D 化身导师，并配有一个面向教师的层来控制人格、声音、立场与节奏。ACLIME在沉浸式媒介中描述了同一角色：一个引导、提问并解释的智能体。

模拟病人或来访者。 SOPHIE 2.0提供 24 个基于浏览器的临床情境，其中有一位会说话的化身病人。Riachi 等人（2026）把这一模式应用于接纳承诺疗法，逐轮为受训者的忠实度评分。

模拟学生。 Hauk 等人（2026）给 21 名职前教师安排了一次十分钟的语音对话，对象是“Marco” —— 一名发表了贬损移民言论的初中学生。

角色扮演伙伴。 REMind让儿童操控一个机器人化身，以排练旁观者干预。ACLIME 把这称为第二种互动模式：一个持有既定角色、用于情境化对话的智能体。

评估对话方。 SOPHIE 的评判器依据沟通评分表为转录稿打分。Tamme 等人（2026）提出一种语音智能体，就课程内容访谈学生，以取代发放书面问卷。

证据支持什么：逐角色来看

在合成的人是实践中的伙伴之处，证据最强；在它是学习的替代品之处，证据最弱。

对于录制讲授，所测量的结果是偏好，而非成绩。在两个开课轮次、493 名受访者中，AI 生成的个性化视频排位高于非个性化的人工录制视频（平均排名 2.26 对 2.69，p < .001）。排名最高的条件 —— 人工录制的个性化视频 —— 从未存在过，因此该排名把体验与想象混在了一起。作者报告客观学习结果尚待发表。(Students prefer personalized, AI-generated educational videos over non-personalized, human-recorded videos)

对于辅导，证据是工程可行性。ELEVATE 在消费级硬件上通过流式语音把首次音频的延迟做到约五到六秒，从而掩盖了大部分可感知延迟。没有进行对照用户研究，因此对学习与求助行为的影响仍然开放。(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education)

对于临床沟通，证据最为成熟，却仍未触及迁移。SOPHIE 的评判器仅阅读转录稿，与人类评分者的共识相比达到 Pearson 0.759 与 ICC(A,1) 0.746 —— 落在单个人类之间的分布之内，而非之外。在一项由 59 名临床医生与学生参与的远程研究中，92% 认为它有吸引力，83% 判断它具有临床相关性。两次会面之间分数上升，但没有对照组，这一上升不能归因于该训练。(Scalable AI-based clinical communication training and automated assessment)

对于模拟学生，证据关乎互动质量而非结果。Hauk 的参与者把对话评为明显可用（M = 5.37），而真实性只有中等（M = 3.71），转录稿在 87.1% 与 37.4% 的覆盖率上重现了这一分裂。化身承担了挑战性工作，占其文本的 51.1%，而教师则进行阐述与论证。一个项目中的 21 名志愿者，一次会面，未与现场角色扮演比较。(Authentic and functional dialogue with AI-based student avatars: Evidence from a practice-based teacher education program)

对于角色扮演，REMind 报告儿童在防卫方面的自我效能感从前测到后测有显著提升，且对“对抗霸凌者是否能制止霸凌”的信念校准得更好。那是 18 名九到十岁的儿童，处于游戏测试情境，支持的是潜力而非持续的行为改变。(Play-testing REMind: Evaluating an educational robot-mediated role-play game)

对于评估，SOPHIE 的评判器是最清晰的结果，而语音访谈者是最弱的。Tamme 的提案报告了一项技术先导与尚未正式分析的数据；关于语音能引出什么，每一项主张都仍是假设。(Voice-Based AI Feedback in Higher Education: A Field Study on Quality and Actionability)

信任经由面孔传递

面孔不是教学内容的中性容器。在合计 396 名参与者的两项实验中，Anthis 与 Kyriakidou-Zacharoudiou（2026）发现化身身份线索同时塑造了评价与实际采纳。白人化身，以及在 STEM 情境中的亚裔男性化身，被评为更可信、更能干。年长的黑人女性化身在每一项测量上都遭遇叠加的惩罚。参与者更愿意采纳来自种族内群体化身、或符合其专业能力刻板印象的化身的指导。

两个细节使这成为一个设计问题。领域调节了效应：STEM 与程序性任务放大了偏见，而反思性与人际性任务削弱了它。并且偏见作用于行为，而不只是明示的态度，这意味着自我报告的信任会错过它。作者建议使用风格化或更少拟人化的化身、在不同任务间轮换多样化化身，并评估采纳而非满意度。(Face value: How avatar identity shapes epistemic trust in AI-mediated learning)

权威也经由身体抵达。ELEVATE 的设计者警告，身体与声音会放大导师的权威。他们建议化身应表达不确定，并邀请对照笔记或教科书进行核验。(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education) SOPHIE 增加了一层复杂性：在同一化身背后，此前被评为更像人的模型失去了这一优势，而沟通表现跨后端完全相同（0.437 对 0.438）。像人的感觉属于互动 —— 声音、延迟、话轮转换 —— 而不属于模型。(Scalable AI-based clinical communication training and automated assessment)

反向的证据是：即使提示提供了人类框架，学生也可以被教会在心里不接受它。Stillman 等人（2026）询问 654 名写作学生，该聊天机器人感觉像导师、合作者还是别的东西，只有约一半（51.7%）选择了任一拟人选项。学生把它称为工具或程序，把它比作机器人或计算机，或发明了诸如“反馈售货机”这类隐喻 —— 投入数据，吐出文本。作者把这种对人类框架的拒绝视为素养成果，这就把效应归因于教学，而非界面。

临场感、真实感与恐怖谷

真实感不是一级级向上的梯子。ACLIME把行为真实感视为社会临场感的决定性预测因子，并警告更高的视觉保真度有落入恐怖谷的风险 —— 在那里，一个几乎像人的智能体会引发突然的排斥。它还标出了这一权衡的代价：沉浸与智能体真实感会提高外在认知负荷，而互动可以通过集体工作记忆降低内在负荷。它的首要警告很直白 —— 约 42% 的 VR 头显用户报告晕动症，后效从约十分钟到数小时不等。(Learning with pedagogical agents in extended reality: A conceptual research-based framework of agent-centered learning in immersive media environments (ACLIME))

实践研究大多支持这一主张的温和版本。Hauk 的作者把中等真实性读作与功能相匹配的保真度。一次二元、仅语音的演练能为新手稳定常规，同伴动态与非言语线索可以日后加入。(Authentic and functional dialogue with AI-based student avatars: Evidence from a practice-based teacher education program) 在 SOPHIE 中，47% 的参与者仍觉得很难对 AI 病人产生真实的共情，尽管 66% 认为与它交谈比与人交谈压力更小。(Scalable AI-based clinical communication training and automated assessment)

学习者并非一致地想要更多真实感。在TriKoNet的探索性研究中，学生们一致拒绝照片级写实的表征。他们使用一个模块化的设计空间来自行创作角色概念，而不是采纳一个给定的角色。(TriKoNet: The Trivalence Model of Potential Co-Creativity in Socio-Technical Networks) ELEVATE 指出，具身化对某些学习者构成障碍，例如感官敏感者或对拟人智能体感到不适者，这使得化身配置成为一项要求而非偏好。(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education)

同意、披露与深度伪造风险

在这些叙述中，披露表现为一项设计决定，而不是一个被测量的变量。Hauk 的情境处在仇恨言论的边缘，其保障是程序性的。设计包括导引说明、主持准则、教师持续监测、立即停止的选项、结构化的复盘，以及假名化的汇总分析。(Authentic and functional dialogue with AI-based student avatars: Evidence from a practice-based teacher education program) Theelen 的框架要求学习者与教师教育者知道模拟的哪些部分由人、脚本或 AI 控制，并把这种透明性视为可辩护的适配的前提条件。(Classroom simulations for social-emotional learning and inclusive teacher education: a four-layer conceptual framework in the age of AI)

更难的问题是：模拟一个人本身是否就是一种轻微的欺骗。相信一位挣扎中的病人是真实的学习者，可能会投入一种已披露的模拟不会引出的关怀，然后在被告知之后感到被误导。Hauk 的中等真实性评分表明，参与者并未对化身的性质产生误解；SOPHIE 那项 47% 的共情发现表明，有些人在知情的情况下仍然投入。两项研究都没有直接检验披露。

披露也有生产一侧。Tomlinson 的管线克隆了教师的面貌与声音。一部分学生提出了对生成式 AI 的原则性反对 —— 环境成本、劳动、自动化、诚信 —— 这些是更好的渲染无法回应的。(Students prefer personalized, AI-generated educational videos over non-personalized, human-recorded videos) 教师对被克隆的同意，与学生被克隆者教导的同意是两个不同的问题，而这里没有任何研究测量其中任何一个。

深度伪造素养是同一能力的另一面。在一个 199 名学生的澳大利亚中学样本中，男性显著更可能创建或分享深度伪造内容（23.2% 对 10.0%）。作者主张开展明确针对他们的安全教育。(Gender Differences in AI Literacy Workshop Outcomes and Deepfake Engagement) 一旦机构能够生成一个可信的教师、一个可信的病人或一个可信的学生，核验“是谁在说话”就既是一项素养问题，也是一项学术诚信问题。口头答辩与过程性证据 —— ELEVATE 的作者建议在按需辅导可用之后采用 —— 处理的是同一个底层问题。(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education)

证据的诚实状态

这里几乎每一项研究都小而短。Hauk 有 21 名志愿者与一次会面。SOPHIE 有 59 名完成者，且没有对照组。心理治疗评估有两位心理学家，每人约 90 分钟。PBL 先导有 26 名学生与一个案例。ACLIME 与 Theelen 是概念框架，而 TriKoNet 的基础是单次会面中的八个小组。(Using Generative AI to Simulate Patient History-Taking in a Problem-Based Learning Tutorial: A Mixed-Methods Study)(Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars)(Learning with pedagogical agents in extended reality: A conceptual research-based framework of agent-centered learning in immersive media environments (ACLIME))(Classroom simulations for social-emotional learning and inclusive teacher education: a four-layer conceptual framework in the age of AI)(TriKoNet: The Trivalence Model of Potential Co-Creativity in Socio-Technical Networks)

大样本关乎态度与偏好 —— 396 名参与者关于化身身份，493 名受访者关于视频偏好 —— 而两者都是便利样本或单一课程人群。这组研究中没有任何一项证明合成教师比人类教师带来更好的学习。可辩护的主张更为狭窄：这些系统可以近似一次实践会面，可以在一个领域内以可接受的吻合度对照人类评分者打分，并且可以改变学习者如何评价教学的来源。

这种狭窄性很重要。Theelen 的作者说得直接：流畅与临场感不是效度证据。(Classroom simulations for social-emotional learning and inclusive teacher education: a four-layer conceptual framework in the age of AI) 听起来像教师，只跨过了这间屋子里最低的那道门槛。

常见误解

“更真实的化身教得更好。” 在两者都被测量之处，真实感与有效性分道扬镳。SOPHIE 的两个后端在同一化身背后产出了相同的沟通分数，而 TriKoNet 的学生直接拒绝了照片级写实的人格设定。

“如果化身足够有说服力，学习者就会把它当作人。” 医学生把生成式 AI 病人当作可搜索的问答库来访谈，大多使用封闭式提问，即便他们给体验打了高分。(Using Generative AI to Simulate Patient History-Taking in a Problem-Based Learning Tutorial: A Mixed-Methods Study) 信服与互动风格是彼此分开的结果。

“合成教师是一种技术，所以发现可以迁移。” 一个为偏好而优化的克隆讲师、一个为延迟而优化的导师、一个为临床保真度而优化的病人，是失败模式各不相同的不同产物。来自一种角色的证据并不许可对另一种角色的主张。

“化身外观只是装饰。” 身份线索改变了可信度评分与对指导的实际采纳，且对年长的黑人女性化身惩罚叠加。(Face value: How avatar identity shapes epistemic trust in AI-mediated learning) 配置是一项教学与公平决定。

“模拟病人就是标准化病人，只是少了成本。” 受训心理学家发现他们的虚拟病人配合、且已经具备治疗进阶能力 —— 一个“理想”案例，低估了行为上的僵化。(Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars) 成本下降；案例效度不会自动随之而来。

关联概念

关联文章

元数据

学科Medical Education
层次Higher Ed, Teacher Education
目标读者Instructors, Instructional Designers
学习与教学职场学习, 体验式学习, 情境学习, 教育中的视频
技术与方法生成式人工智能, 大语言模型（LLM）, 教学智能体, 模拟, 模拟学生, 虚拟现实与增强现实, 对话式人工智能
评估与测量自动化评估, 评估效度, 反馈
公平、伦理与负责任使用信任, AI 使用与披露声明, 偏见缓解, 包容性学习
教育中的人工智能基础人机协作, 教学, 学术诚信
来源历史编辑对话

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。