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

幼儿教育

创建 2026-08-25 · 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。

幼儿教育 —— 人工智能在幼儿教育中的应用，涵盖学前与小学（初等）阶段。这包括面向幼儿的 AI 素养与计算思维课程、AI 玩具与游戏、小学科目中的个性化学习，以及儿童特有的、区别于青少年或成人的发展、安全与公平考量。

值得思考的问题

  • 幼儿如今通过玩具、聊天机器人与课堂机器人接触 AI。是什么让一个 5 岁孩子与 AI 的关系从根本上不同于成人的——这应当如何改变我们对风险的思考？
  • 有些幼儿 AI 素养通过"不插电"的游戏来教——完全不用计算机。如何通过具身的、可触摸的活动而非屏幕来学习抽象的 AI 概念？
  • 一个被称为"技术同构"的关切描述的是幼儿模仿 AI 输出而不求理解。你会如何区分一个真正学会了的孩子和一个只是在复述一个漂亮答案的孩子？
  • 由于幼儿学习者更脆弱、更缺乏自我调节能力，成人的脚手架变得居于中心地位。这对一个决定孩子何时以及如何使用 AI 的家长或教师意味着什么？
  • 如果接触 AI 丰富的早期学习——或保护性的成人指导——是不均衡的，公平在幼儿期会如何以不同于年龄更大学生的方式显现？
  • 此处的证据基础大多是探索性的、面向设计的，而非因果性的。在信任一个关于 AI 玩具或应用能改善儿童学习的说法之前，你想知道什么？

引言

幼儿越来越早地与 AI 互动——通过 AI 玩具、聊天机器人、自适应学习平台与课堂机器人——然而他们在发展上不同于主导着大多数 AI 教育研究的 K-12 与高等教育学习者。本概念汇集了知识库对这一更年幼年龄段的覆盖。它位于更广的K-12伞形概念之内，但又有所区别，因为其关切在发展阶段上是特定的：游戏作为首要学习模式、成人（家长／教师）的支架、适龄的AI 素养，以及对幸福感（Well-Being）与安全的高度关注。

研究如何聚类

  • 通过不插电游戏实现 AI 素养。 AI-Play 框架通过不插电（不用计算机）的活动教授幼儿 AI 概念，表明抽象的 AI 理念可以通过具身的、游戏化的、可触摸的活动引入幼儿（见游戏化学习）——这是一条发展上恰当的通往AI 素养与计算思维的路径。

  • AI 玩具与儿童发展。 关于玩具中 AI 的研究考察商用 AI 玩具如何塑造儿童发展与游戏。这提出了关于游戏中代理、信任校准、学习者自主性以及最年幼学习者的幸福感（Well-Being）等开放问题——这是一个设计指导比学龄课程更单薄的领域，也使得家长／监护人成为核心的利益相关方。

  • 儿童对适龄聊天机器人的态度。 Vahedian Movahed 与 Martin（2025）部署了"Ask Me Anything"（AMA），一个按年龄通过提示工程定制的、话题受限的聊天机器人（天文学、球鞋、恐龙），面向 63 名儿童（6–14 岁），揭示出儿童—AI 互动的三种模式——惊奇与好奇、试探信任与建立信心、通过拟人化建立关系——以及把 AI 作为信息来源时的广泛开放与高度信任。他们呼吁适龄设计并明确教授数字安全与数据使用概念，这强化了本概念核心的发展与安全关切。

  • 小学科目学习。 小学分数中的AI 驱动个性化学习与小学数学中的AI（包括对"技术同构"——学生模仿 AI 输出而不求理解——的关切）既展示了 AI 在早期科目教学中的前景，也展示了其陷阱。一项关于小学写作与生成式 AI 的系统综述梳理了生成式 AI如何在低年级重塑写作教学。

  • 机器人与幼儿。 幼儿园中的机器人通过教育机器人支持计算思维，而由 LLM 驱动的人形机器人讲故事探究家长是否会接受机器人作为孩子叙事游戏的伙伴——把信任与成人态度置于前景。

  • 一个面向 AI 代理与机器人的"创造性项目方法"框架。 Yang、Li 与 Lee（2025）提出了一个五步教学框架，把生成式 AI代理与机器人整合进项目方法，以促进幼儿的创造性学习。他们论证实体代理比屏幕更适合幼儿，并把两个互补范式与各自的学习理论配对——编程机器人（Papert 的建构主义；用 Matatalab 与 KIBO 等工具通过可触摸的编程实现计算思维）与生成式社交机器人（儿童最近发展区内的维果茨基式支架，充当对话同伴或辅导者）。这五个步骤——识别学习需求、促进教师引导的儿童—机器人互动、把 AI 置于具体情境、校准自动化／创造力的平衡、评估结果——为设计师与 ECE 实践者提供了一条具体路径，用以在保留教师促进作用与儿童学习者自主性的同时，把AI 代理与机器人嵌入以游戏为基础、以项目为基础的课堂。

  • 以游戏为中心的 AI 素养课程。 Lee（2026）报告了 Play With AI（PL-AI）的基于设计的研究，这是一门发展上恰当的课程，其中两名学前班与两名幼儿园教师共同设计了七个有序活动，混合了不插电游戏（编写并测试"如何做"算法）、可触摸编程（Bee-Bot、Ozobot）以及和一个社交 AI 机器人的引导式对话。形成性证据显示教师信心与教学能动性有显著增长，并浮现出四条设计原则——具身游戏、可触摸编程、引导式对话、教师共同设计——与 AI4K12 倡议及 NAEYC 框架相一致。这是一个机器人与可触摸工具如何嵌入以游戏为基础、由教师主导的最年幼学习者AI 素养的范例。

  • 为儿童 STEAM 艺术教师提供的 AI 辅助备课。 一项针对儿童美术教师的实验研究（Luo 与 Tahir，2025）发现，由六位专家教授评定，ChatGPT 辅助的备课在质量上显著高于教师自拟方案（中位数 20.5 对 17.6，p = .002，大效应），同时梳理了教师的委派方式——最常见（60%）是为自拟大纲的课时填补内容空白，而非生成整份方案。教师主要把 AI 视为灵感与发现空白之用的工具，用于跨学科STEAM整合与更快的选题，但也指出其输出对真实课堂不切实际、忽视儿童安全约束（例如给幼儿使用雕刻刀），并带有西方中心的文化偏见——这是面向幼儿使用生成式 AI的具体、立足于发展阶段的告诫，而一个 Role–Instructions–End Goal 提示框架正是为缓解它而构建的。

  • 小学阶段的 AI 支持批判性媒介素养。 Demir 与 Akar（2026）评估了一个为期 18 小时、采用 5E 模式的批判性媒介素养项目，对象是一所土耳其公立小学的四年级学生，把生成式 AI（ChatGPT、Grammarly、Canva AI、Padlet）按阶段作为教学代理嵌入，而非孤立的外挂，活动与土耳其语言和社会学习课程对齐。AI 支持组在媒介阅读（+3.50）、写作（+1.67）与总体媒介素养（+5.17，均 p < .01）上表现出大增益，组间效应量为 Cohen's d = 1.12–1.31，而对照组仅小幅进步。质性分析——访谈、学生作品（海报、绘画、标语）与课堂观察——浮现出批判性媒介素养增长的六个领域：数字自我保护与数据隐私、有目的且负责任地使用媒介、安全沟通与边界意识、批判性评估与虚假信息意识、在线风险意识，以及媒介伦理／数字公民素养——这提供了一个难得的准实验、与课程对齐的范例，展示 AI 如何在小学阶段支持批判性AI 素养与批判性思维。

  • 对师幼互动质量的 AI 评分。 Fong 等（2026）把一个大语言模型（LLM）与受训人类评分者在香港幼儿园完整的 CLASS Pre-K 框架上做了基准比较——来自 38 个教室、共 30 所幼儿园的 87 次录像观察，由 GPT-5.0 从转录文本评分，并与八名受训评分者对比。总体一致性为中等（加权 κ = 0.681），但取决于所评的构念：在情感支持领域与反馈质量这一维度——即由明确的、以交流为基础的言语支持所承载的维度——收敛成立，而课堂组织完全分歧，评分者在情感维度上给出的分数高于模型，在反向计分的负面氛围维度上差距极大（d = 2.732；71 次观察中有 63 次评分者给出满分 7 分，而 AI 集中在 6 分）。幼儿教育的启示在发展阶段上是特定的：存在于非言语、空间与常规行为中的质量——管理、活动、温度、语气——对一条仅用转录文本的流水线是不可见的；模型的误差方向取决于构念，而非一致地偏保守；因此作者把AI 评分定位为供教师使用的筛查与反思工具，而非受训观察者的替代品。

  • 职前教育者设计科学活动。 Efthimiou 与 Plakitsi（2026）让 131 名职前幼儿教育者用 LLM 设计磁学活动：他们对模型的结构与效率评分最高（M = 3.95），对内容的认识论可信度评分最低（M = 3.08），把它们当作头脑风暴的产物，同时把教学法上的转化保留为人类的责任。

  • AI 逼近对儿童故事的发展性判断。 Yin 等（2026）的 CLARA 标注一个故事在认知、语言与社会情感上的要求，并在 90.4% 的情况下与出版方的年龄参考匹配，优于可读性公式（0.603）与直接提示（0.730）——它被提供为一种支持性信号，而非人类判断的替代品。

发展与公平考量

由于幼儿学习者更脆弱、更缺乏对 AI 使用的自我调节能力，这一聚类强调成人的支架（家长、监护人与教师）、适龄设计，以及 AI 取代而非支持游戏、发现与努力学习的成长工作所带来的过度依赖与伤害风险。公平是一个鲜活的关切：接触 AI 丰富的早期学习（或保护性的成人指导）是不均衡的，这与数字鸿沟和公平性相连。大部分证据基础仍是探索性或面向设计的，而非因果性的。

一项四国比较凸显了课程缺口：日本、韩国与中国的国家幼儿指导方针不含任何明确的 AI 素养提法（上海的城市级行动计划是唯一的例外，且未规定学习进阶），而澳大利亚仅表现出有限且不均衡的对齐——在与 AI 智能体交互方面最强，在理解人机关系方面缺席——把 AI 素养留给了家庭（Cohrssen 等（2026））。

关于这一问题的首个神经影像学窗口带着一份告诫到来：6–7 岁儿童在 MRI 扫描仪中与 ChatGPT 进行五分钟口头对话，在创造力得分匹配的情况下，其额顶控制、突显与背侧注意网络中的网络内连接弱于成人，且缺乏成人表现出的创造力—连接耦合。由于这些执行功能在一年级时仍不成熟，作者把该结果解读为与最低年龄之争相关——同时指出框架混淆与缺少无 ChatGPT 对照组限制了它所能澄清的边界（Horowitz-Kraus 等（2026））。

关联概念

关联文章

相关常见问题

元数据

层次K 12, Preschool
学习与教学幸福感（Well-Being）
教育中的人工智能基础教育中的人工智能, AI 素养, 计算思维
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。