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

学科中的 AIED

创建 2026-08-16 · 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。

学科中的 AIED（AIEd in the Disciplines） —— 把人工智能应用于特定学科内的教与学，其中每个学科独有的教学法、方法、理论与关切塑造了 AI 如何被设计、使用与评估。本概览不把 教育中的 AI 当作单一 generic 现象，而是组织本知识库的学科专用覆盖，并浮现贯穿学科领域 AIEd 研究的横贯性主题。

值得思考的问题

  • 一个擅长对/错反馈的数学导师可能在人文领域失败，那里解释与署名比正确性更重要。你自己的学科如何定义什么算“好反馈”？
  • 一项对 560 名学生的研究发现，学科归属预测学生使用 生成式 AI 的频率与开放程度。为何一个学科会作为一个整体“活动系统”塑造 AI 使用 —— 而非 AI 是一把到处中立 的工具？
  • 被卸载给 AI 的“认知行为”是学科专用的：数学中是计算，计算机科学中是代码，写作中是作文。如果过度依赖在每个领域看起来都不同，你会在你的领域如何察觉它？
  • 对一个签名教学法是动手实验室工作、或解释性意义建构（而非 问题解决）的学科，AI 意味着什么？有没有哪个学科 AI 应扮演很小角色？
  • 若干学科 —— 法律、历史、艺术 —— 在 AI 教育研究中仍然稀薄。哪个学科的 AI 使用最值得关注，而该领域的好 AI 必须尊重什么通用工具所不尊重的东西？

引言

教育中的 AI 在各学科间表现不同，因为每个领域有自己的签名教学法 —— 知识被建构、实践与教授的独特方式。在 数学 中出彩的 AI 导师可能在 人文 中失败，那里解释与署名比对错答案更重要。本页是这些学科专用 strand 的总括地图，它们如今从学校科目延伸到专业与应用培训，再到工作室实践。该 strand 中有一个成员根本不是被教的学科：学习科学 是环绕教育 AI 的研究领域，提供 AI 系统所操作化的机制以及评判它们的标准 —— 它取横贯视角，与本页的前提（学科内容是改变支持应为何事之物）相对。

学科专用概念

本知识库为若干学科领域设有专门的概念页：

  • 数学教育 —— 数学中的 AI 辅导、自适应问题解决与概念诊断。
  • 物理教育 —— 物理学习中的 AI 模拟、聊天机器人与问题提出。
  • 化学教育 —— 实验室/实验设计中的 AI、AI 中介的形成性评估、情境与探究式教学、化学任务上的 大语言模型 技术局限，以及实验哲学。
  • 生物教育 —— 实验室教学中的 AI、嵌入生物课程的 AI 素养、AI 时代的批判性思维，以及专门工具（物种识别、生物成像、预测建模）。
  • 计算机科学教育 —— 用于代码生成、调试与新手编程支持的 AI。
  • 信息技术 —— 计算的应用分支，让从业者准备好挑选、加固、管理与治理组织所运行的已部署系统：其分析单位是已部署的系统与从业者对它的判断，而计算机科学教育以程序与算法为对象。
  • 写作教育 —— AI 辅助作文、自动作文评分与写作反馈。
  • 语言学习 —— 第二/外语中的 AI 对话者、发音反馈与会话练习。
  • 英语教育 —— 学术英语（EAP）与英语教学（EFL/ESL/L2）：学术英语语域、基于体裁的写作，以及英语专用的反馈与评估 —— 区别于一般语言学习与一般写作。
  • STEM 教育 —— 科学、技术、工程与数学的跨学科总括。
  • 教师教育 —— 教师的准备与 专业发展（职前与在职），这是一门独立的学科，其 AI 研究聚焦 教师 AI 素养、智能 TPACK 与整合 AI 的准备度。
  • 医学教育 —— 临床模拟、强化学习训练，以及健康专业教育中的基础学习原则。
  • 护理教育 —— 临床 strand 中最密的实证记录：虚拟病人的模拟、大语言模型推理支持与自适应平台，围绕专业身份的形成与能力同等框定，且窄到足以命名 AI 有据可查的收益止步之处（复杂精神运动技能与情感负荷的互动），而非把健康专业当作一个案例。
  • 职业教育 —— 面向特定行业与技术职业的初始准备，由资格框架组织、以学习者能用设备做什么来评估：它延伸到 专业培训 所覆盖的专业培训与职场技能提升之外、通往尚未就业者，其反复出现的设计问题是：实践中最费人力的部分 AI 能吸收哪些而不取代产生能力的重复。
  • 设计教育 —— 产品、服务、交互、室内与建筑设计中的工作室式专业形成，其中可见过程是被评估的对象，而生成式工具使抛光的制品变得廉价：它收窄了 艺术、设计与媒介教育 所覆盖的工作室学科至专业设计管线，于是评论、作品集与规制（而非材料与表演性实践）承载论证。
  • 工程教育 —— 专业形成、设计与 动手学习、伦理的 AI 使用、具身的 评估，以及工程中的劳动力准备。
  • 商科教育 —— 商业、经济与管理教育中的 AI：学生 informed 的生成式 AI 框架、经建构性对齐的 课程 整合，以及为 AI 整合的专业实践做准备。
  • 人文教育 —— 人文与社会科学中的解释性认知、署名与意义建构。
  • K-12 与 高等教育 —— 各层级关于 AI 与借 AI 的教育。

跨学科主题

若干线索横切所有学科，尽管它们在每个学科中表现不同：

  • 学科作为活动系统。 Jiang 等人（2026） 在五个学术领域的 560 名本科生中显示，学科归属与学生的生成式 AI 使用频率与披露实践 显著关联 —— 学科作为 活动系统 运作，其规范、政策与角色期望塑造学生如何接触并披露生成式 AI。这是对本知识库前提（教育中的 AI 并非学科中立）的直接证据。
  • “跨学科”本身的形态由学科决定。 Xia 等人（2026） 对 59 项研究的 PRISMA 综述编目了 AI 出现于其中的六种跨学科教育形式：STEM 整合（n = 26）、跨学科学术背景的队列（n = 14）、非 STEM 领域（n = 10）、跨学科学习内容（n = 10）、STEM 内部整合（n = 8）与 STEAM（n = 2）。这种分布是学科层面的发现，而非工具层面的：AI 支持的跨学科性压倒性地由 STEM 承载，而跨学科背景队列被研究的频率高于那些队列本应弥合的非 STEM 领域。该综述进一步显示，同样的 AI 功能在这些情境中反复出现 —— 助手（n = 43）、评估者（n = 22）、智能体（n = 14）、监控者（n = 9）—— 而其认知、行为与情感效应随学科与利益相关者而异，学生是被研究最多的（n = 57），教师次之（n = 26），行政人员几乎未被检视（n = 4）。
  • 辅导与反馈。 AI 辅导系统（AI 辅导、智能辅导、反馈、AI 反馈质量）几乎出现在每个学科，从 数学 与 物理 导师到 写作 与 语言 反馈。学科塑造什么算好反馈 —— 数学中的对/错、写作中的论证质量、语言中的流利度。
  • 评估与评价。 自动化评估、自动评分、自动作文评分 与 形成性评估 被 AI 在各学科中重新构想，但评分构念不同（程序准确性 对 解释深度 对 沟通能力）。
  • 认知卸载与过度依赖。 认知卸载 与 过度依赖 风险出现在 数学、计算机科学 与 写作 中，尽管被卸载的“认知行为”是学科专用的 —— 计算 对 代码 对 作文。
  • AI 素养与批判性使用。 AI 素养、批判性思维 与 批判教育学 支撑每个学科中的负责任使用。
  • 学科扎根闸控 AI 支持的元认知。 在一个文本语言学研讨课上，新手主要在与大语言模型的反思发生在学科知识已巩固之处，且多数把糟糕的产出归因于模型而非自己的提示 —— 证据表明提示设计必须在学科内被显式教授（Brocca & Garassino（2026））。
  • 公平与接入。 AI 教育中的公平、数字鸿沟 与 文化相关教学法 与所有学科相关。

各学科独有 的教学法、方法与理论

每个学科带来 AI 研究所介入的独特 教学性 传统：

本知识库所代表的学科

本知识库最强的学科专用覆盖在广义的 STEM —— 特别是 数学教育、物理教育、化学教育、生物教育 与 计算机科学教育 —— 其次是 写作教育、语言学习（含一条独立的 英语教育 strand 面向 EAP/EFL/ESL），以及较近期的 工程教育、教师教育（有大量职前与在职 AI 培训研究）、医学教育 与 人文教育。工程与设计也有不断增长的文章体量。这种集中度追踪着更广的文献：Xia 等人（2026） 的综述发现，STEM 是 AI 支持的高等教育中最常见的跨学科形式（n = 26），远超非 STEM 领域（n = 10）与 STEAM（n = 2）—— 这是一个学科层面的告诫：教育 AI 的证据在计算工具最易嵌入之处积累最快，而不一定在 AI 的教学价值最大之处。最新的补充把这一 strand 从学科科目拓宽进专业与应用教育 —— 护理、信息技术 与 职业教育与培训 —— 那里学习者被按已演示的实践（而非正确性）评估，且定义何谓能力的是雇主与执照机构，而不只是学界。

职业教育 strand 是那份证据中最薄的：一项对职业教育与培训 26 项研究的系统综述发现，尽管职业教育与培训以工作为本，却无一项在工作场所情境中进行，只有五项随机实验，只有三项设计赋予学习者主动角色（Deutscher 等人（2026））。

代表性不足的学科

若干学科在本知识库中仍然稀薄，是未来纳入的良好候选：

这些代表性不足的学科将受益于专门的概念页与随知识库增长而追加的文章纳入。

关联概念

关联文章

元数据

学科Stem Education, Math Education, Physics Education, Cs Education, Language Learning, Writing Education, Medical Education, Humanities Education, Business Education, Design Education, Information Technology, Vocational Education, Nursing Education, Learning Sciences
教育中的人工智能基础教育中的人工智能
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。