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

理论与框架

创建 2026-09-19 · 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。

理论与框架 —— 本知识库实际使用的解释性与组织性结构的工作清单。理论解释学习为何发生（学习理论、自我决定理论、社会文化学习、活动理论）；框架组织设计、教学与采纳决策（技术教学内容知识（TPACK）、SAMR、技术接受模型、ICAP、通用学习设计）；模型使关于学习的论断可检验、可计算（项目反应理论、评估效度、知识追踪）。用本页来找出一项研究所依赖的透镜，或为你自己的工作选一个。

值得思考的问题

  • 理论预测当某物改变时会发生什么；框架告诉你该关注什么。当一项研究挂着某个框架的名号报告了增益，却没有做出任何可能失败的预测时，究竟学到了什么？
  • TPACK、SAMR、UDL、采纳模型与ICAP都早于大语言模型。当工具能自行写作、解释和适应时，它们的哪些部分依然成立，你如何分辨？
  • 下列理论中有几个是过去几年内专为 AI 提出的。要让其中一个被证伪，需要什么，有人尝试过吗？
  • 采纳常被报告为沿阶段的推进。如果一位同事报告说他们的课程今年"从替代走到了重定义"，在相信之前你会要求什么独立证据？
  • 这个领域大量应用的是借来的理论，而非检验理论。挑一个你依赖的发现：它能被重新表述为对某个理论的检验吗，那需要什么测量？

引言

每一个 AI 辅导系统、反馈系统与仪表盘都嵌有关于人如何学习的假设，无论设计者是否声明。本页收集这些假设所出自的理论、框架与模型，大致按当前研究文献依赖它们的程度排序，并简要说明各自的长处。这三个标签之间的区别是真实但次要的，其要点放在文末概括，而不当作主题。实践上重要的是一个论断依赖哪个透镜，以及那个透镜能否支撑这个论断。

文献所应用的学习理论

这些解释机制：它们点出承担工作的那些部分，并预测当这些部分改变时会发生什么。在 AI 文献中，它们大多从心理学和学习科学借来，被用作围绕一件新工具的解释框架。

  • 学习理论（总括） —— 整个家族，包括行为主义与建构主义这两个经典极点，以及"名义上建构主义、实践上行为主义"这一在 AI 实现中反复出现的差距。联结主义与认知负荷理论也在此覆盖。
  • 建构主义 —— 学习即主动建构知识。它支撑了项目式工作、对话式 AI 辅导，以及"操练—反馈系统违背了自己声明的教学法"这一批评。
  • 社会文化理论 —— 学习由工具与社会互动中介，这正是 AI 被理论化为一种中介性造物、而非单纯辅助的原因。
  • 活动理论 —— 把整个活动系统（含矛盾）作为分析单位。在面向教师的 AI 研究中常见，因为有趣的发现通常是工具、规则与共同体之间的张力。
  • 情境学习与具身学习 —— 学习与情境及身体相连，是对把 AI 当作纯语言媒介的反向制衡。
  • 分布式认知 —— 思考散布在人与造物之间，这使 AI 辅助被框定为认知劳动的再分配，而非替代。
  • 探究共同体 —— 使在线体验得以运作的社会、认知与教学三种存在；既是关于体验的理论，也是设计框架。
  • 自我决定理论 —— 自主、胜任与关联作为动机前提。当 AI 使用提升了参与却未提升学习时，常被拿出来作为解释。
  • 认知主义 —— 信息加工、工作记忆，以及"学到了的感觉"与实际学习之间的分歧。

关于学习者与学习过程的模型

  • 自我调节学习 —— 对自身学习进行计划、监控与评价。这是追问 AI 支持是否触及关键阶段、还是只触及执行阶段的主力构念。
  • 元认知 —— 对自己思考的思考；当 AI 被指责替学生思考时，最常被点名的构念。
  • 动机 —— 学习者为何投入，也是把 AI 研究中的参与与学习区分开的构念。
  • 自我效能 —— 对自身能力的信念，区别于胜任，且常作为 AI 使用与结果之间的中介。
  • 能动性 —— 谁在主导工作：该领域"控制对自主"张力背后的构念，也是最新理论中委派式能动性机制背后的构念。
  • 有益的困难、提取、间隔与交错与驳论文本 —— 使摩擦具有教学价值的发现，应用于"AI 应当做多少"的决策。
  • 学习迁移 —— 支持撤除后能力是否仍在；最新理论把它当作区分学习与辅助的标准，而非众多结果之一。

教学、整合与采纳框架

  • TPACK —— 融合技术、教学法与学科内容的教师知识；面向教师的 AI 研究的默认框架。
  • 采纳模型 —— 意向作为感知有用性与易用性的函数。用得极广，以至于该领域依赖意向而非行为已成为一项常设批评。
  • ICAP —— 把参与排序为被动、主动、建构、互动；对追问一次 AI 互动实际提供哪种模式很有用。
  • SAMR —— 从替代到重定义。作为成熟度故事很流行，作为测量工具则很弱。
  • 通用学习设计、包容性学习与无障碍 —— 关于谁被服务的设计框架，也是残障与公平工作中最常被引用的框架。
  • 学习设计、课程设计与设计思维 —— 在选择任何工具之前，任务、序列与项目如何被结构化。
  • 变革管理 —— 一个系统是否会被采用，这通常是一个机构问题而非教学法问题。

测量与计算模型

  • 项目反应理论 —— 题目与能力估计，也是使一份测验的数字可解释的模型。
  • 教育测量 —— 工具景观，包括专为 AI 素养构建的测量。
  • 效度 —— 一个工具是否测量了它声称测量之物，这决定一个被报告的结果能否支撑附着其上的理论论断。
  • 自陈测量 —— 这一文献中占主导地位也最脆弱的证据来源；上述若干构念在自陈与表现之间的巨大分歧是已知的。
  • 知识追踪与学生建模 —— 从交互数据随时间估计学习者的状态。
  • 认知诊断 —— 把表现归因到具体技能成分，是与诊断性教学对应的建模。
  • 基准、AI 教育评价与AI 设计中的心理测量自觉 —— 系统与干预如何被评分、比较与审计。
  • 基于设计的研究 —— 从被设计的干预中生成理论、而非事先检验理论的方法。

专为 AI 时代提出的理论

知识库中有四项提议在建构理论而非借用理论。它们是文章页面而非概念节点，因为每一项都是单一的论证：

  • 生成主义 —— 一种新学习理论，论证随着生成式 AI 扩散，经典四分法显示出显著的概念局限。
  • 认识论共同能动性 —— 关于学习者与 AI 系统如何共同产出知识与理解的模型。
  • 缺席的认知基线 —— 理论化为何 AI 原住民学生在 AI 抬高表现时会高估自己的学习。
  • 智能体主义 —— 一种中程理论，命名四种机制（委派式能动性、认识论监控与验证、重构性内化、支持减量下的迁移），并陈述六个可检验命题。

区分这三个标签

这些词在文献中被用得松散，其差别值得一段话，而不是一整页：

  • 理论解释一个机制，并预测当其部分改变时会发生什么。它会失败，这正是检验理论的研究能报告效应量的原因。
  • 框架进行组织或规定。 它点出应关注的成分，通常不预测量级，也无法被证伪。
  • 模型是一种形式化表示，最常见的是关于测量或关于学习者状态的表示。它可以被拟合、被比较、并以框架做不到的方式被证明为错。
  • 标签彼此重叠。 探究共同体既是理论也是设计框架；活动理论既是解释性的也是分析性的。把标签当作关于一个来源声称什么的线索，而非归档类别。

相关层面

两个相邻页面刻意谈的是别的事。Philosophy of AI in education（AI 教育的哲学）提规范性与概念性问题——教育是为了什么、机器能否教书——不预测效应量；一项研究可以在哲学上天真而在理论上健全，或反之。Theory development（理论发展）是建构、借用与修订理论的元活动，包括"大量 AIED 工作应用既有理论而非检验理论"这一常设批评。本页是清单；理论发展关乎产出与修订这份清单。

当问题很实际时如何选择透镜

  • 教师从问题出发可以倒推：如果学习者不投入，ICAP与SDT点出不同的原因、建议不同的解法；如果问题是要不要采纳某个工具，采纳模型与SAMR问的是不同的事。
  • 学习设计者从设计框架中获益最多——UDL、学习设计与脚手架——再配上一个预测"支架撤除时会发生什么"的理论。
  • 研究者应当说明一项研究声称对应哪个节点，以及设计能否真正检验它；测量模型（IRT、评估效度、自我报告测量）决定一个被报告的结果能否支撑该论断。
  • 管理者遇到这些框架时是采纳与变革问题，其中阶段模型常被当作成熟度故事而非工具来用。

框架做不到的事

框架不是证据。它们通常从 LLM 之前的语境中借来，由应用者本地化，可以充当品牌，而阶段模型会招致打勾式的采纳——报告的是沿级别的移动而非学习。凡依托框架的论断，都应结合该领域贯穿性的局限、测量了结果的那个工具的效度，以及自陈的已知限度来读。

机制—理论的一致性仍可能是决定性的：一项对 55 项 AI 支持的游戏化学习研究的主题综述发现，有效性取决于 AI 机制是否落实了它本应服务的教学法，而非算法复杂度（Kaşarcı 与 Yurt（2026））。

关联概念

关联文章

元数据

学习与教学学习理论
评估与测量评估效度, 项目反应理论
研究方法与评价教育人工智能的研究方法
教育中的人工智能基础教育中的人工智能, 教育人工智能中的理论发展, 教育中的 AI 哲学
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。