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

教育层级

创建 2026-09-20 · 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。

教育层级 —— 组织本知识库 level 元数据的各个学段：preschool（学前）、primary education（小学）、middle school（初中）、secondary（中学）、K-12、higher ed（高等教育）、undergraduate（本科）、graduate（研究生）、adult learning（成人学习）、**special education（特殊教育）**和 教师教育。本页是该领域的总览，而不是任何单个学段页面的重复：它解释当你跨学段移动时什么在变化，为什么学校/大学的断裂比所教的学科更重要，以及 AI 证据在何处密集、在何处稀薄。

值得思考的问题

  • 一个研究生研讨班和一堂二年级数学课都是"教育"，然而帮助前者的工具可能伤害后者。学段——而非学科——中究竟是什么改变了"好的 AI 使用"的面貌？
  • 一项有 132 名二年级学生参加的试验发现，适应性数学导师不优于固定序列。对大学生你也会预期同样的零结果吗，适应性又默默假定了学习者的什么能力？
  • "K-12"和"高等教育"各自把若干个截然不同的情境压缩进一个标签。这些标签隐藏了哪些比较？
  • 如果一个学段的证据基础稀薄，诚实的回应是什么：什么都不说、从相邻学段借用、还是设计一项研究？

引言

level 元数据字段命名一个来源所关于的教育学段——是学段而非年龄：preschool（学前）、primary education（小学）、middle school（初中）、secondary（中学）、K-12、higher ed（高等教育）、undergraduate（本科）、graduate（研究生）、adult learning（成人学习）、special education（特殊教育）、teacher education（教师教育）。有些命名学校教育的一个阶段，两个命名大学学习中截然不同的两半，两个命名的是一个 学习者群体而非阶段，一个命名的是教人的人。一个来源可以同时携带多个学段。

本页是该领域的总览；各学段页面做深入的工作，应与本页一起阅读：K-12、幼儿教育、高等教育、成人学习者、特殊教育、教师教育 和 职业教育与培训。

一个学段与另一个学段的区别

学段沿若干轴同时相异，而 AI 研究通常只变动其中一条。

学龄期与大学期

最具后果性的断裂是学校与大学之间的断裂，而两个最常见的标签各自或隐藏、或跨越了它。

在学龄期内，被测结果随学段急剧变化。在小学，它是学科学习：97 名中国三年级学生在 科学探究中使用 GenAI 聊天机器人，比搜索引擎对照组提出了更好的问题（t = 2.47, p = 0.015）（Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science）。在中学，它往往变成态度而非成就：一项针对 508 名台湾初中生的调查发现，体验吸引力通过愉悦感塑造使用 ChatGPT 进行歌词学习的意向（XM → PEOU β = 0.630; PE → ATU β = 0.369），其中 81.5% 使用免费档——一个伪装成技术接受发现的获取 公平事实（Junior high school student perspectives on the use of ChatGPT in music education）。中学还承载着本语料库最大的学习警示：在 26,811 名 7–12 年级中国学生中，作业分数上升 18%、完成时间下降 30%，而 闭卷考试分数在六个月内下降约 20%，集中在大约 81% 的行为显示外包作业的学生身上（The Generative AI Learning Penalty: Evidence from Chinese Secondary Education）。

大学期再次分裂。本科学习是在外部判断下的课程作业：在一所少数族裔服务型 R1 大学的本科写作者中，AI 素养 预测的是学生处于哪一类 大语言模型（LLM） 依赖，而非他们使用的多少（Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University）。研究生学习是研究训练，其结果从表现转向养成。在 420 名天文学博士和博士后研究人员中，AI 依赖与研究 自主性负相关（r = −.355），与 自我效能 负相关（r = −.321），通往创新行为的间接路径主要通过自主性（−.115）而非自我效能（−.069）；导师支持削弱了与自主性的负向联系（B = .077, p = .020）（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）。博士生是以 AI 依赖似乎正在侵蚀的判断力来评判的；本科生不是。把两者都归入"高等教育"就隐藏了这一点。

证据集中在哪里，稀薄在哪里

本语料库填充不均，level 字段使这种不平衡变得可见。

密集。 高等教育是覆盖最广的学段：本页查阅的页面包括一项有 60 名工程学生的八周平台试验（Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams）、一项针对 395 名教育管理者的调查（AI adoption readiness among Ukrainian education managers: Barriers, typologies, and policy implications）、一项对 18 项非洲高等教育研究的元综合（Rethinking data privacy for AI adoption in African higher education: A meta-synthesis of stakeholder perceptions and policy implications）和一项针对 420 名研究人员的博士生训练研究（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）。小学和中学也带有结果证据。

稀薄，某些地方甚至缺失。 本页查阅的页面完全没有报告学前学段任何关于儿童结果的研究；最近的证据是一项排除了面向儿童工具的教师意向调查（Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings）。初中主要以拟议中的设计和纵向研究的形式出现，而非报告的结果（AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High）。职业学段最强的证据是来自一门课程的 63 份 自陈回应，其作者称需要重复验证（Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments）。研究生证据是横断面的，反向路径模型比发展性模型拟合略好，因此从依赖到自主性降低的方向是被推断而非被确认的（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）。本页查阅的内容没有报告 **adult learning（成人学习）**或 **special education（特殊教育）**作为学段的 AI 结果证据；它们在 成人学习者 和 特殊教育 上有各自的覆盖，本页不从学龄期发现中做推广来填补这一空白。

在所有被考察的层级上，有一个模式成立：人的一层吸收了最难的案例。即便在算法推荐达到 F1 = 0.64 时，工程学生在可信性决策点上仍有人类专家在位（Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams）；在博士生训练中，导师支持是削弱 AI 依赖负向联系的唯一条件（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）；在学前学段，采用者是学前教师，而非儿童（Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings）。

适配层级的设计实际改变了什么

对 AI 教育的启示

关联概念

关联文章

元数据

层次Preschool, Primary Education, Middle School, Secondary, K 12, Higher Ed, Undergraduate, Graduate, Adult Learning, Special Education, Teacher Education
目标读者Learners, Parents And Families
学习与教学脚手架, 自我调节学习, 先备知识
技术与方法自适应学习, 个性化学习
评估与测量评估, 学习收益
研究方法与评价元分析与系统综述
机构与政策教育人工智能政策, AI 治理
公平、伦理与负责任使用不同学习者群体间的差异效应, 公平性, 隐私, 教学安全性
教育中的人工智能基础教育中的人工智能, 学习者身份
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。