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

教育人工智能中的理论发展

创建 2026-08-22 · 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。

教育人工智能中的理论发展（Theory development） — 创造、推进并批判性检验那些解释学习者、教师与 AI 系统如何互动的理论与概念框架的学术工作。随着生成式 AI 重塑教育，本领域一方面在提出新的"与 AI 共同学习"理论，另一方面在改造既有的 学习理论 —— 而理论使用上的薄弱之处仍是 AIEd 研究中一个贯穿性的局限。

值得思考的问题

  • 我们常说把某个理论"应用"于教育 AI，但本页要问的是：这个领域真的在发明新理论吗？在你继续阅读之前：当一个熟悉的框架（例如 行为主义 或建构主义）被拉伸以覆盖生成式 AI 时，它可能说对了什么，又可能悄悄扭曲了什么？
  • 回想一次你使用 AI 并感到理解有所增长的经历——或者相反的经历。"用工具学习"与"与机器共同建构知识"之间的区别是什么？你会把这条线画在哪里？说机器是一个共同行动者（co-agent）这件事本身有意义吗？
  • 许多 AI 教育研究因理论使用薄弱或完全不用理论而受到批评。如果你读到一项表明某 AI 工具"有效"的研究，它需要就它为何、如何有效告诉你什么，你才会称这一发现具有理论意义，而不只是一个效应量？
  • 有一种被提出的理论认为，AI 原生学生会高估自己的学习，因为 AI 抬高了他们的表现。你有没有注意到自己或他人在大量使用 AI 之后，感觉自己比实际离开 AI 所能展示出的水平更能干？证明这是一种真实现象而非单项研究假象的最强证据会是什么？
  • 本页区分理论（解释学习机制）与哲学（追问学习与心智从根本上是什么）。在你自己关于 AI 的思考中，你在哪里会在这两者之间来回移动——例如，不只是问某个框架是否很好地解释了学习，而是问它是否抓住了学习真正是什么？
  • 新理论正在出现——生成主义、认知共同行动性、认知公地。作为读者，什么能让你相信其中某一个是真正的进展，而不是给旧观念贴的新标签？为"一个好的与 AI 共同学习的新理论"设定你自己的检验标准：它应该能解释什么？

引言

教育人工智能中的理论发展，坐落在本领域所借用的应用性 学习理论 与 AI 时代正在产出的全新构念之间的边界上。学习理论 编录了应用于 AI 的既有理论（行为主义、建构主义、认知负荷、自我决定论等），而本概念追踪的是理论化本身的过程与产物：哪些新理论与框架正在诞生，既有理论如何被推进，以及教育人工智能研究是否理论化得好的方法论问题。

与 AI 共同学习的新理论

一批数量日增的文章明确地为 AI 时代创造新理论，而非套用现成框架：

  • 生成主义（Generativism）。 Generativism 被提出作为一种新的学习理论，认为行为主义、认知主义、constructivism 与联结主义各自都建立在一个被生成式 AI 打破的假设之上：可观察的输出证明学习（行为主义）、认知操作发生在学习者内部（认知主义）、意义是被建构的而非被供给的（建构主义）、难点在于导航至既有知识而非生成它（联结主义）。它命名了四个构念——认知伙伴关系、分布式行动性、生成性素养与适应性元认知——并为每一个导出评估指标，这是一次直接为 AI 中介学习命名独特理论范式的尝试。它没有做的是陈述可能被证伪的命题：它是一篇综合既有证据的立场论文，因此与下文的 Agentivism 不同，它提供的是一套词汇与一份测量议程，而非可证伪的理论。

  • AI 联结性（AI connectedness）。 Fu 与 Zhao（2026） 通过关怀伦理与新生态学理论为 AI 时代重构"联结性"，将"人工智能联结性"定义为一种心理上真实却在伦理上不对称的纽带，包含三个维度与六个等待量表开发的可证伪命题。

综合立场（the synthetic position）增加了一个确实陈述命题的竞争性主张：它命名了 synthetic promotion（合成性提升）与 authorial suspension（作者悬置）——一个声音密集却无作者的自我——并预测一种交叉交互作用，即人生决策叙事的被评作者性与连贯性朝相反方向移动（Du 等（2026））。

  • 行动者主义（Agentivism）。 Yan 与 Gašević（2026） 提出 Agentivism 作为一种人机交互的中层学习理论，把学习定义为人类能力的持久增长，而非与 AI 一同完成任务，并明确四种机制：委派式行动性、认知监督与验证、重构性内化、以及在支持减弱条件下的迁移。它区别于本页其他主张之处在于可证伪性：它陈述了六个命题，包括——当 AI 保留学习者对问题框定、标准设定与论证的责任时，学习比 AI 直接给出答案时更强；以及要求验证应能提升延迟表现，而反复的低摩擦委派且缺乏重构则会削弱学习者对自身能力的校准。

教师侧的理论化现在也做出了同样的可检验承诺：能力—决策模型把 AI-TPACK 能力置于态度与感知行为控制之上游，并命名四个否证条件——中介失效、判别坍塌、调节无效与情境冗余——尽管该模型尚未被检验（Mnguni（2026））。

  • 认知共同行动性（Epistemic co-agency）。 Learning with Machines 建构了"走向认知共同行动性理论"，一个理论导向的模型，说明学习者与 GenAI 系统如何共同生产知识与理解。

  • 缺失的认知基线（ACB）。 The Absent Cognitive Baseline 对 AI 原生学生学业自我评估中的结构性缺口进行理论化——一个三维框架，解释当 AI 抬高表现时学生为何高估自己的学习。

  • 认知公地（The cognitive commons）。 Cognitive commons and expertise regeneration 借由公共池塘资源理论与 分布式认知，解释理性的 AI 采纳决策如何耗尽各行业更新所依赖的共享专业能力池。

  • 表现对学习（Performance vs. learning）。 Performance-vs-learning 对 AI 抬高的任务表现与持久学习之间的尖锐分化进行理论化，这一区分在本知识库的 学习收益 证据中反复出现。

  • 认知性 AI 素养（EAIL）。 Epistemic AI Literacy 把 AI 素养重构为一种以过程为导向的认知能力，核心在于当学生与生成式 AI 共同编程时，知识如何被建构与证成。

  • 三系统理论（Tri-System Theory）。 Shaw 与 Nave（2026） 在双过程理论之上扩展出 System 3——来自 AI 的外在的、自动化的、数据驱动的推理，它可以补充、取代或压制 System 1 与 System 2——并命名其特有的失效模式为认知投降（cognitive surrender），即不加批判地采纳 AI 输出。

  • 认知管护（Cognitive stewardship）。 Credential and cognitive stewardship 对在 AI 无处不在的评估情境中保护知识与学习的 机构责任进行理论化。

  • 共同教育中的人工智能监管与认知主动性。 AI as a cognitive partner in co-regulation 把执行功能、元认知、分布式认知与 sociocultural 发展整合为一个发展模型；epistemic proactivity 则对学生在 mathematics 中对 AI 的能动立场进行理论化。

  • 人类—GAI 互动范式。 Strydom（2026） 针对本领域的"理论赤字"，把七种已实施的人类—GAI 互动范式（防御型、可能性聚焦型、增强型、开拓型、共生型、价值导向型、equity）奠基于 Schommer 的个人认识论信念多维模型之上——这是一种认识论取向而非工具取向的理论，解释个体如何不同地将自身定位于 AI 的相对位置。

  • 生态共同行动性框架（The Ecological Co-Agency Framework）。 Poudyal（2026） 论证 生成式 AI 把认识论权威从教师重新分配给学生、再分配给机器，并引入一个通过三个相互依存的维度定义共同行动性的框架——关系维度、调节维度（映射到 SRL cycle）与 pedagogical 维度（教师采纳连续体）——全部受一个不可让渡的条件约束：人的认识论责任（可争议性、来源可溯、道德/智识信用的不可委派）。它把 学习者自主性 定位为一个认识论设计问题，而非 usability 问题，为机构提供了比"平衡"更精确的语言来治理 GenAI 整合。

  • 关系性认识论能动性与认识论依赖。 Du 与 Yuan（2026） 对 AI 中介的依赖何时保留判断、何时取代判断，给出一个批判—整合性论述。他们用六个诊断标准（可争议性、可恢复性、可迁移性、可溯性、责任分散、认识论多元性）操作化"生产性依赖/有害性依赖"的边界，并追踪四条社会技术路径（流畅权威、无摩擦委派、不透明综合、制度化依赖）。他们的规范性提议关系性认识论能动性，在扩展关系自主性与认识论共同行动性脉络的同时保留一种显性的不对称——AI 可以塑造推理而无需承担对等的责任或正当的权威——同时在机构层面整合责任与认识论正义。作为一种与 AI 共同学习的理论，它把本领域的问题从"AI 是有益还是有害"转移到"哪些认识行为被保留、被转化还是被取代"，并使依赖的设计而非单纯的使用，成为教学与机构干预的对象。

推进既有理论

另一些工作把现有理论延伸进 AI 情境，而非开创新的范式：critical-thinking-paradox 工作把 cognitive-load theory 与减负教学整合为一个三层框架；equitable assessment 在 GenAI 冲击下重新理论化 评估。Ba、Gašević、Lim 与 Anderson（2026） 重新概念化 Community of Inquiry 框架本身：他们不再把 GenAI 框定为工具、对话伙伴或一个推测性的"第四存在"，而是把它重新定位为一种认识论条件，重新配置认知存在、社会存在与 teaching 存在如何被实施、被见证与被治理——把 CoI 诸存在重构为人—GenAI 装配体的社会技术成就，并提出一个基于配置的启发式方法，其中 GenAI 的参与与探究质量通过人的责任而条件性地关联。其中许多属于概念框架工作（business-school frameworks、valid simulation），把理论操作化以服务于实践。

Lin 与 Chang（2026） 扩展 自我调节学习 与人机调节，命名学习者所治理的对象——标准、评价性判断与控制授权——而不只是 AI 所做的。

An、McLaren 与 Stamper（2026） 推进 ACT-R 与知识—学习—教学框架，对欺骗性过度泛化进行理论化——一种失效模式，知识编译产生了一个过度泛化的产生式，做出正确动作却遗漏一个关键的应用约束——并通过跨自适应 ITS 与一个 K-12 小数学习数据集的检测/修复程序对其做了经验验证。

后现象学与技术中介。 Farazouli 等（2026） 把既有的后现象学技术中介框架（Ihde 1990；Verbeek 2006、2011；Rosenberger & Verbeek 2015）推进到教育人工智能的情境中。他们不提出新理论，而是应用它把 GAI chatbots 重新概念化为多稳态技术物，其"脚本"（快速响应、听起来自然却可取得及格分数的文本）中介教师的感知并重构他们的实践——动摇教师信心、重塑能力的含义，并把教师从"可接受使用"这类工具性问题推向重新评估自己的角色与教学的意义。这是一项理论推进的贡献：它证明了一种关于人—技术关系的哲学论述，如何解释教师在 GAI 进入既有教育实践时所经历的情感与专业震荡。

另一项框架贡献是 Rismanchian 与 Doroudi 的 AI×Ed 类型学，它沿两个轴扩展 Kahn（1977）原始的"三种交互"——AI 的角色（应用工具 vs. 对人类智能的类比）与终端用户（研究者到学习者）——以定位任何 AIED 项目。除了给本领域分类，它论证应当复兴"AI 作为对人类智能的类比"这一理论与研究脉络，使用学习的计算与基于智能体的模型（例如他们自己 ICAP framework 的计算模型）来连接当代 学习理论 与计算建模——这是本领域在转向应用性、数据驱动工作后基本放弃的一个方法论方向。

比较哲学作为通向理论多元的路径。 Xie（2026）为理论发展建模了一条不同的路径：他不是在单一传统内部为教育中的 AI 做理论化，而是让各传统之间展开比较性对话，其中每个传统都"使另一个传统所遮蔽的东西显现"，并明确拒绝把它们综合进单一框架——这是一种把理论多元当作方法论立场，而非未解决分歧的做法。他论证非西方传统所能做的不仅是使辩论多样化：它们能重塑 AIED 理论的概念基础，把道家"道性"、修道与"真人"重构为在 AI 中介条件下重新思考 学习者自主性、教育的认识论目标与 ethical 行动的资源。他也坦率说明了局限：该贡献是单人、非经验的，并警告这样的转译需要情境化，以避免浪漫化与东方主义。(Alternative AI Philosophy: Daoism as Method for AI in Education)

教育人工智能中的理论使用问题

本领域的理论化参差不齐。Limitations in AIEd research 记录到，AIEd 研究经常薄弱地或不加批判地使用理论——这是与可复现性和测量缺口并列的反复出现的方法论弱点。综述发现许多 AIEd 论文浅层地使用理论或完全不用理论（例如 literature reviews 指出少有研究把干预奠基于学习理论）。这使得理论发展——以及理论使用——既是一项学术产出，也是一个质量议题，并与 research methods 和 人工智能教育评价 相连。

与教育人工智能哲学的关系

理论发展与 教育人工智能哲学 是本知识库基础性工作中互补但不同的两条脉络。理论发展生产并经验检验"与 AI 共同学习"的机制——如生成主义、认知共同行动性、缺失的认知基线这样解释并预测学习者与 AI 如何互动的具名理论与框架。哲学追问这些机制所依赖的预设：什么算知识，谁算认识者，学习者从根本上是什么。像 认知共同行动性 这样的理论提出一个机制，同时隐含地采纳了关于分布式认知与 学习者自主性 的哲学承诺；哲学使这些承诺显化并变得可争议。理论发展问的是某个框架是否很好地解释了学习，哲学问的是它是否抓住了学习与心智真正是什么——两条脉络在本领域最基础的文献中相遇，而那些文献往往同时做这两件事。

关联概念

关联文章

元数据

研究设计Literature Review
学习与教学学习理论
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, AIEd 研究的局限
页面类型Framework
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。