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

技术

创建 2026-08-19 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

技术（Technologies） — 为教育中 AI 系统提供动力的模型、架构与方法，以及知识库对技术层覆盖的总括概念。教学法与教学策略 与 学习理论 关乎教与学如何发生，人工智能教育评价 关乎AI 是否有效，而本页锚定的是技术这一脉：那些 AI 系统（大语言模型、生成式 AI、多模态模型、机器人）以及用于构建、控制与部署它们的技术（提示工程、检索增强生成、强化学习、教育NLP、知识图谱、智能体编排）。

值得思考的问题

  • 你可以是一位出色的教育者而不必能构建一个 LLM——但本页论证，你的技术选择仍然塑造 AI 在你的课堂上能与不能做什么。底层技术可能在哪些方面悄悄改变学生的学习，即便你从不看代码？
  • 一个常见假设是，模型就是全部——但检索增强生成（RAG）与提示工程这类技术，正是为控制与锚定 LLM 产出而存在。在往下读之前，当你要求一个 AI"更准确"或"用这个来源"时，你认为引擎盖下实际发生的是什么？
  • RAG 被描述为一项减少幻觉、提升安全的核心技术。为何你认为，把相关知识取回来给 AI 的答案"锚定"，对教育比对比如闲聊更重要——而这种锚定失败时会出什么问题？
  • 本页声称，技术选择体现教学假设：一个建立在苏格拉底式提示上的导师与学习者一起推理，而一个答案生成模型可能只是交出解答。你能想起一个似乎"预设"了某种教学哲学的 AI 工具吗——而它与你实际想教或想学的方式是否契合？
  • 除原始准确率之外，本页建议 AI 系统应在可靠性、教学法与公平上受评。你怀疑多数人（包括许多教育者）在判断一个 AI 工具是否"好用"时，默认用的是哪个头条指标，而它为何可能藏得比揭示的多？
  • 智能体式 AI 被描述为把 AI 从"一个响应提示的工具"移向"一个主动的协作者"。一个自行发起并编排多步工作流的系统，可能如何改变你作为教师或学习者所负责的东西——而谁对它问责？

引言

AI 教育运行在一套特定的技术栈上，理解它对 教育者与研究者很重要，即便他们自己并不构建系统——因为技术选择塑造 AI 在课堂上能与不能做什么、它携带的风险，以及如何评估它。本页组织知识库的技术概念覆盖：那些 AI 系统、适配与控制它们的技术，以及技术层如何连接教学、考核与评估。

教育中的 AI 系统

  • 大语言模型（LLM）。 多数现代 AIED 的计算骨干——LLM 生成类人文本，用于辅导、考核与内容生成，是知识库中被引用最多的技术。训练与微调把通用 LLM 适配为教育用途。
  • 生成式 AI。 更广的一类系统，产出文本、代码、图像与其他内容——生成式 AI（主要由 LLM 驱动）是当前这波 AIED 研究背后的技术。另见 多模态模型（文本、图像、音频）与 模拟。
  • 机器人与具身系统。 教育中的机器人增添了具身的、常是社会性的在场——用于计算思维的可编程套件，以及用于辅导、讲故事与角色扮演的人形/社交机器人。机器人是一条独特的技术脉络，与 智能体式 AI 和 人在环设计交叠。
  • 基于知识的系统。 知识图谱与 教育 NLP表征并处理领域知识，日益与 LLM 结合，用于有锚定、可解释的辅导。

技术与方法

  • 提示工程。 提示工程是教育者与开发者塑造 LLM 产出的方式——卸载与控制借以在 LLM 互动中实现的头号机制。
  • 检索增强生成（RAG）。 RAG 把 LLM 产出锚定在检索到的知识上，减少幻觉、提高准确率——是 安全教育部署的一项核心技术。
  • 强化学习。 强化学习训练智能体随时间优化行为，用于 自适应系统与 游戏化学习。
  • 智能体编排。 智能体式 AI系统规划并执行多步工作流——常编排多个专门化智能体（见 多智能体系统）——并正把 AI 从一个响应提示的工具重塑为一个主动的协作者。
  • 教育智能体栈落后于前沿。 Wang et al.（2026）映射了 474 项研究，发现 GPT 系列模型与 LangChain 占主导，而受治理的工具编排、持久记忆与长视野规划基本缺失——且 474 项中只有 138 项（29%）借鉴教育理论。
  • 模型训练与适配。 LLM 训练与微调、教育对齐与 小型语言模型适配使通用模型教育专用——尽管知识库的证据把 检索与 提示排在训练之前的决策序列中，因为一个锚定良好的提示比一个适配过的模型更便宜。

技术层如何连接本领域

技术这一脉与知识库的其他主题不可分离：

对 AI 教育的含义

  • **技术素养支持批判性使用：**理解底层模型与技术，帮助教育者与学习者用好 AI 并批判地评估它（见 AI 素养）。
  • 按教学意图选择技术： AI 系统与技术应跟随 教学策略，而非相反。
  • 评估技术层： 人工智能教育评价 与 基准 研究在可靠性、教学法与 公平上评估 AI 系统，而非只看头条准确率。
  • 机器人与智能体是栈的一部分： 具身与 智能体式系统把技术 repertoire 延伸到文本之外——并带来它们自己的设计与安全考量。

关联概念

关联文章

元数据

技术与方法技术, 教育NLP, 教育机器人（Robots in Education）, 生成式人工智能, 知识图谱, 大语言模型（LLM）, 多模态人工智能, 提示工程, RAG（检索增强生成）, 强化学习, 模拟
教育中的人工智能基础智能体式人工智能
SourceHistoryEditChat

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。