家长和教师应当如何对待 13 岁以下儿童使用人工智能？

本页是英文页面的机器翻译，尚未经母语者审校。

人工智能已经进入你的家里或教室里：会回话的玩具、平板里的伙伴、孩子趁你做晚饭时打开的辅导工具、同事热情推荐的写作工具。无论有没有政策，你都在决定十三岁以下的孩子可以用它做什么。

要点是：生成式人工智能对这个年龄段来说是进阶层级，而不是入门选项。 让年幼的孩子首先把人工智能视为可以由人设计、由孩子塑造的东西；凡是孩子无法判断输出的场合，都要让成年人参与其中，并保护孩子自己的思考。一刀切的禁令并不是最安全的选择，因为这个年龄段的大多数接触发生在家里，学校的禁令触及不到，而且并不存在关于按年龄禁用的研究。

简要版：允许、禁止、监督

• 允许。 9 岁以下：不插电的游戏、实物编程、讲故事、角色扮演和动手制作，并解释机器是什么。9 至 12 岁：在经审核的平台上进行有支架的、通常非生成式的活动，并明确教授关于数据以及人工智能无法知道什么的内容。
• 禁止。 最小的孩子不得在无人监督下使用生成式聊天；任何会在没有清楚回答“这些数据会怎样”的情况下保留录音、文字记录或儿童数据的工具；任何你无法用学生家庭所用语言审核的工具。
• 监督。 是共同使用，而不是默默监视：问一问工具对孩子说的话做了什么，并让没有辅助时的作品始终可见；输出质量上升而没有辅助的作品下滑，正是需要捕捉的模式。
• 不要制定你无法执行的规则。 基于检测的执行方式站不住脚（原因）。

十三岁以下的孩子应当被允许做什么

分层设计已经存在，而且把生成式使用放在最后。 Wang、Chuang 与 Wu（2026）评估了面向台湾 K-12 体系的年龄分层人工智能素养资源，共两个版本：一个是面向 9 至 12 岁的基础版，包含有支架的、基于平台的、非生成式活动；另一个是面向 13 至 18 岁的进阶版，包含伦理论证与有监督的生成式人工智能使用。在一次有 831 名参与者的单次接触后调查中，基础版群体在绩效期望、努力期望、趣味性和行为意向上对材料的评分显著更高，而在两个群体中感知趣味性都是意向最强的相关因素；不过作者明确指出，这只是接触约三十分钟后的短期接受度，并不等于学习、伦理能力或实际使用。

游戏就是机制。 Play With AI（PL-AI）是一门以游戏为中心的学前班与幼儿园课程，建立在具身游戏、作为程序性桥梁的实物编程、作为反思性Scaffolding的引导式对话，以及作为Sustainability锚点的教师共同设计之上；教师自评的舒适度在各个设计周期中都在上升，孩子们把人工智能理解为人所设计的东西，通过实物编程建立排序与调试能力，并通过引导式对话反思公平。AI-Play则走不插电路线，提供家长可以在家复制的不使用屏幕的活动。

对最小的孩子来说，风险在于相信。 Yang、Li 与 Lee（2025）提醒，生成式社交机器人可能产出前运算阶段儿童会当成真实的内容，这些系统给出的反馈并未按发展水平校准，而且它们的成本与可获得性会扩大已有的数字鸿沟。Xu、Girouard 与 Shi（2026）把这一机制称为游戏中的能动性重新分配：控制权向儿童与玩具的互动转移，当玩具主导游戏时会限制游戏，当玩具跟随孩子的想象时则会促成游戏。

教机器如何工作。 基础层级刻意采用非生成式设计，幼儿园阶段的机器人证据也支持这一点：Tsingidou 等（2026）发现，基于问题的学习、讲故事和支架是机器人中介的计算思维中最常用的策略，最常被评估的技能则是排序、调试和算法设计（最常用的工具是 TechCheck-K，不过许多工具是临时开发、未经验证的）。跳过这一步，风险会在之后以过度依赖的形式出现。

通用技能可以低成本地教授。 Demir 与 Akar（2026）为 36 名土耳其四年级学生开展了一项 18 小时、基于 5E 模式的批判性媒介素养课程，内容涵盖数据隐私、安全交流与媒介伦理，组间的 Cohen's d 为 1.12（阅读）、1.18（写作）和 1.31（总体素养）。

监督与申报：谁在房间里

要预期责任归属并不清楚，并明确把它定下来。 在对 33 名美国 K-12 教师的访谈中，Xiao 等（2026）发现 10 人把面向家长的伙伴式场景列为最令人担忧，17 人认为教师应当介入，11 人说视情况而定；教师的可见性检验使得家中的人工智能使用在没有可观察影响时处于其管辖范围之外，而家长既被列为责任主体，又被描述为并不知情或已不堪重负。Fan、Li 与 Zhang（2026）把家庭与学校的安排形式化为叠加模型、协同模型和补偿模型，并明确表示协同模型没有证据支持。

给成年人一个明确的角色，否则这个角色会被工具占走。 ParaTutor（Luo 等 2026）在由大语言模型中介的家庭数学辅导中区分了家长与孩子的角色，涉及 23 对亲子（孩子年龄 10 至 12 岁）和四种条件：通用型辅助倾向于取代家长的辅导角色，而角色分离的界面则把它保留下来。家长在内容知识和沟通上也都遇到困难。

给孩子读书的伙伴也需要同样的谨慎。 Liao（2026）发现，固定为同伴角色的人工智能伙伴带来了显著更长的互动，但学生所说的词句占比更低，而且在事实性回忆上强于情感性或面向未来的反思；正因如此，所提出的框架增加了家长顾问这一角色，并指出教师和家长处存在支持真空。

在最要紧的部分保留人类。 Raave 及同事（2026）比较了生成式人工智能对话代理与人类教育者，让二者主持以故事为基础、配有一个静态人工智能儿童的社会情感学习活动，每位主持者进行 18 次模拟，共 108 次观察，评分时不告知主持者类型。该代理在尊重的语气和例行程序性支架上表现较强；人类教育者在更深入的社会情感学习教学、引导反思和促进社会情感知识方面更强，因此早期的社会情感学习应当默认采用互补模式。

申报是学校的义务，而不是家庭的侦查工作。 要把学校使用了什么、家庭可以如何询问写下来；参见Privacy、Pedagogical Safety、AI Use and Disclosure Statements和人工智能教育研究中的公平、伦理、隐私与安全。

隐私与数据：工具保留了些什么

要假定安全层并不是为你的孩子设计的。 一个建立在专家指导与真实事件数据之上的儿童安全评估框架指出，尽管有证据表明青少年大量使用，多数人工智能安全框架与基准测试仍以成年用户为对象；该研究引用的一项全国调查发现，72% 的美国青少年使用过人工智能伙伴。它还指出，用与教育相关的不安全提示测试三个 Llama Guard 模型时，这些模型难以把它们识别出来。

采用一项工具前先问四个问题。 测试了哪些儿童特有的危害？它默认会如何处理录音、文字记录和语音数据？如果免费层消失，家庭要付出什么代价？它支持你学生家庭所说的语言吗？一项女子创客空间的案例研究（Liu 等 2026）记录了家长的报告：女孩在混合性别环境中变得害怕、说话更少；一款免费的图像生成器把免费功能转为付费层，而非营利组织无法承担；只支持英文的提示词又构成另一道障碍。

对学校领导者来说，教职工的信心就是一种隐私控制手段。 一项针对早期儿童教育场景的研究发现，感知到的有用性与易用性是学前教师使用人工智能意向的核心因素，人工智能自我效能是有意义的预测因素，人工智能焦虑则是阻碍因素，而主观规范，即同事与领导层的态度，也在塑造意向。

诚信：什么才算孩子自己的作品？

不要把你的规则建立在检测工具之上。 Bassett 等（2026）主张在教育中完全不应使用人工智能检测：其估计是概率性的，且因真实文本来源未知而无法独立核实；使用它会违背程序公正，因为检测分数达不到诚信调查所需的盖然性权衡标准；而且对于与人工智能共同创作、而非由其创作的作品来说，人机二分没有意义。检测“并不能保障学术诚信，反而在损害它”，会侵蚀Trust。

监视会把人推向隐瞒，而不会消除隐瞒。 Mohamed 与 Temimi（2026）把评估建模为信息不完全：学生知道作品是怎样产生的，机构只看到成品。威慑力取决于检测工具对隐藏使用与正当作品之间的区分能力，而不是它原始的抓出率；当假阳性的上升快于真阳性时，更强的监控会让隐瞒相对更有吸引力。Qu 与 Wang（2026）发现，409 名本科生中的不申报是对感知到的同伴规范和较低的可解释性信任的策略性适应，而不是道德疏忽。

要看没有辅助时的作品，而不是看成品。 一项针对 26,811 名学生的二次分析发现，家庭作业分数上升，而闭卷考试分数下降；因此建议监控输入而不是输出。一项涵盖 8 项研究、关于小学写作教学中人工智能应用（2019 至 2025 年）的系统综述发现，对话式工具支持写作练习，多模态工具把写作扩展到文本之外，同时得出结论：自动化评估在公平性和准确性上仍然需要人类监督。一项为期九周、由生成式人工智能支持的议论文写作项目面向 301 名 5 年级和 6 年级学生，提升了理想写作自我与学业韧性，也提高了行为投入和情感投入，但没有改变成长型思维、认知或元认知投入，也没有改变结构组织，并指出了风险：过度依赖、走捷径和自我监控减弱。

在宣布界线之前先知道线在哪里。 一项对机构政策与课程大纲的比较分析发现，机构总体上鼓励使用生成式人工智能（116 份政策中 63% 如此），而 98 份课程大纲中有一半直接禁止。Nash 与 Burriss（2026）在 27 名撰写课堂政策的职前教师身上发现了同样的反应：27 人中有 26 人允许在教师指定的条件下使用某种程度的人工智能，只有一人完全禁止，而这些限制很少被操作化；有一份政策允许人工智能“帮你把思路启动起来”，随后宣称“界线就应该画在这里”，却没有说线在哪里。一项用联合国教科文组织框架对 30 所高校生成式人工智能政策的分析补充说，核心的伦理与治理原则被广泛采纳，而包容性、公平、互联网接入和环境影响常被忽视，许多条款仍停留在宣示层面。

出了问题该怎么办

把错误的输出当作教学时机：问孩子会怎样去核查它，而不是直接删掉。当孩子说那个伙伴“懂”他们时，那是一场关于一个预测下一个词的系统能知道什么的对话。

一项 5 年级多模态写作研究发现，把孩子的故事视觉化带来了在解读、分析、评价和解释方面的持续提升，但在推断方面没有提升；孩子们报告说，一旦图像把隐含意义变得明确，他们就不那么需要去推断了。流畅会换来信任；对于流畅的人工智能答案也要有同样的警惕。

机器人和角色扮演是进行艰难对话的正当载体。 REMind用机器人中介的应用戏剧开展反霸凌旁观者干预：孩子们观看由社交机器人演绎的霸凌情境，并通过操纵一个机器人替身来演练防卫策略；在一项有 18 名 9 至 10 岁儿童参与的混合方法试用中，它支持了自我效能、换位思考和对防卫结果的理解。

证据支持什么，不支持什么

这里规模最大的一项综述措辞谨慎。 Arthars 及同事（2026）评审了 271 篇关于学前至 K-12 阶段生成式人工智能的实证论文，发现并不存在单一的“生成式人工智能效应”：情感层面的收获很常见，但只是学习的弱指标；最一致的证据涉及即时表现与成品质量的改善；而在持久学习、迁移和持续的自我调节方面，证据参差不齐。结果取决于五个相互纠缠的条件，即学习者、工具、任务、社会安排以及文化与制度情境；该框架区分了四种教学功能：从人工智能学习、用人工智能学习、了解人工智能，以及通过塑造人工智能来学习，并追问学生是让出、卸载还是行使能动性。对十三岁以下的儿童来说：应当先了解和通过塑造，再考虑从人工智能学习；凡是孩子还无法评估输出的场合都要由成年人共同使用；不要凭一个下午做出的好成品就宣称实现了持久学习。

本知识库中没有关于按年龄禁用的研究。 这就是证据的诚实状态，坦率地说出来而不是含糊带过：这里没有任何内容能够判定某些学校系统如今出现的禁令是否有效。已有的证据，涉及风险、执行以及限制与教学的对比，都指向同一方向。

在把使用方式教给学生、而不只是允许使用的地方，结果恢复了。 那项关于生成式人工智能“可得性”与“整合教学”对比的研究发现，让学生可以使用生成式人工智能却不教他们如何使用，与应用题表现显著更低相关（ω² = 0.35），大概是因为学生无法评估输出；而明确教授如何把它用于数据摘要这类任务，则使应用题表现回到生成式人工智能出现之前的水平，并在一次更难的测验上超过基线。禁令的替代方案并不是放任不管：不做教学的无限制使用同样失败。这个年龄段是可以教的，那个四年级媒介素养课程产生了 d = 1.12 至 1.31 的组间效应。

你会听到的反对意见

应当禁止十三岁以下的儿童使用人工智能吗？

不宜作为一刀切的规则，而诚实的理由是：并不存在关于这些禁令的研究，所以没人能告诉你它们有效。执行路径很糟糕：检测的估计是概率性的，无法独立核实，而且当假阳性的上升快于真阳性时，更强的监控会让隐瞒相对更有吸引力。禁令还管到了最不重要的渠道：伙伴类应用、人工智能玩具和家庭辅导都发生在家里，超出学校所能触及的范围，落在那些教师所描述的管辖真空之中。学校的禁令让风险集中的家庭反而无人约束，而有资源的家庭在家照样可以用。站得住脚的界线是年龄分层加审核加教学：对大约 9 至 12 岁的孩子提供有支架的、通常非生成式的活动，之后再在有明确目的的前提下提供有监督的生成式使用。

“别人家的孩子早就在用了。”

部分属实：那项儿童安全评估工作引用的一项全国调查发现，72% 的美国青少年使用过人工智能伙伴。这个数字说的是青少年，不是你那十岁的孩子。那项涵盖 271 篇论文的学前至 K-12 综述发现并不存在单一的“生成式人工智能效应”，所以同伴在做什么告诉你的只是什么算平常，而不是什么安全或有用。

“学校应该来处理这件事。”

学校可以在自己提供、采购和教授的东西上有所作为：采购条件、儿童特有危害的评估、数据最小化以及向家庭申报，都应当写进政策。但这个年龄段的大多数接触发生在家庭渠道。Fan、Li 与 Zhang（2026）提出了家庭与学校协同模型，并明确表示它没有证据支持。它需要被建造出来，这意味着要告诉家长在家里该做什么，而不只是不该做什么。

清单

家庭方面。

• 9 岁以下：先要不使用屏幕、具身参与的活动，即实物编程、故事、角色扮演、动手制作，并把人工智能教成由人设计的东西，而不是什么“知道”的东西。
• 9 至 12 岁：在经审核的平台上进行有支架的、通常非生成式的活动，并明确教授数据隐私、说服以及人工智能无法知道什么；生成式工具稍后再引入，并指定明确的成年人角色。
• 决定由谁监督哪一项工具、学校会告诉你什么，把伙伴和辅导工具当作共同活动而不是安静的监视，并查清一款应用会如何处理语音和文字记录数据。
• 让孩子的意义建构过程保持可见，即起草、解释、反思、制作，并留意输出质量上升而没有辅助的作品下滑这一情况。

对学校领导者和教师而言。

• 在采用一项工具之前，先问测试了哪些儿童特有的危害、它默认会如何处理数据、如果免费层消失家庭要付出什么代价，以及它是否支持你学生家庭所说的语言。
• 相比一刀切的禁令，更应优先采用按年龄分层的使用规则和工具审核条件，并把界线以可操作的方式写下来：“用人工智能帮你把思路启动起来”不是政策。
• 既要监控输入也要监控输出，见那项家庭作业分数上升而闭卷考试分数下降的 26,811 名学生二次分析，并投入资源提升教师信心，因为人工智能自我效能能预测早期儿童教育场景中的采纳，而人工智能焦虑则会阻碍它。
• 公布一份评估计划。语料库目前还没有证据表明禁令会改变使用或学习，而最接近的类比，即检测工具执行、以禁止为主的课程大纲、不做教学的使用许可，表现都差于预期。
• 在报告孩子学到了什么时，相比投入度与满意度，更应看重没有辅助时的表现以及延迟的迁移。

关于本页背后的研究基础，另见人工智能正在如何影响学生？、我应当如何把人工智能素养融入我的课程？、AI Literacy、Parents and Families和Early Childhood Education。