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。

厂商的条款写明，这款工具面向 13 岁及以上的用户。上周，一位三年级教师给你看了她班上学生用它生成的诗，一位家长发来邮件，问儿子生日收到的那个会说话的玩具是否安全，而董事会希望在 11 月会议前拿到一份一页纸的政策。

这个请求里缠着三个问题：六岁的孩子可以用这些系统做什么；学校对在家庭里已经接触到 AI 的孩子家庭负有什么责任；当禁令并不是你能为之辩护的答案时，该怎么办。

你可以给董事会的简短回答是：按年龄分级开放，在把一个系统交到孩子手上之前先教他们这些系统是怎样造出来的，凡孩子无法判断输出的地方都要有成年人在回路中。全面禁令是背后证据最少的选项。本知识库中没有任何关于按年龄禁令的研究，而这个年龄段的大部分接触发生在家里，校规够不到那里。

简版要点

1. 按年龄段写规则，不要为整个 K-12 写一条。9 岁以下：玩、动手做、实物编程，以及解释机器是什么。9 到 12 岁：在学校审核过的平台上有脚手架支持、以非生成式为主的活动，再加上明确关于数据、以及关于 AI 不可能知道什么的课程。

2. 把生成式对话放在序列的最后，并且只在有具名成人角色和明确目的时才用。

3. 采用任何工具之前，用四个问题审核：测试过哪些儿童特有的危害；默认情况下它如何处理语音和文字记录数据；如果免费层消失，会给家庭带来什么成本；它是否支持你的家庭所说的语言。

4. 公布学校在使用什么，以及家庭可以怎样提问。披露是机构的义务。

5. 把检测排除在执行方案之外。

按年龄段设定规则

分级设计不是你必须自己发明的东西。Wang, Chuang and Wu (2026)评估了一套为台湾 K-12 体系构建的年龄分级 AI 素养资源，分两个版本：小学版面向 9 到 12 岁，是有脚手架支持、依托平台的非生成式活动；进阶版面向 13 到 18 岁，包含伦理推理和有监督的生成式 AI使用。

他们的评估是对 831 名参与者的一次暴露后调查，小学组在绩效期望、努力期望、趣味性和行为意向上对材料的评分显著更高，其中感知趣味性在两组中都是意向最强的相关因素。作者明确说出了局限：大约三十分钟的接触，测量的是接受度，而不是学习、伦理能力或实际使用。应把它读作“这个序列可教、也有吸引力”的证据；它对序列是否有效什么也没说。

两个版本也说明了边界是为什么而设。小学段拿到的是有脚手架支持、非生成式的平台活动，孩子借此了解系统做什么，而不必面对一个会回话的系统。进阶段把伦理推理附着在有监督的生成式使用上。期待参与度会随工具的高级程度而来的教职员工，通常看到的是相反的结果。

分级给你买到的是一套站得住脚的先后顺序。很多学校把它倒着跑：秋天买聊天机器人，春天才教它是什么，而关于这个顺序的证据在本页靠后的地方。

让最小的孩子从玩、动手做和机器开始

Play With AI是一门以玩为中心的学前班和幼儿园课程，建立在具身游戏、作为程序性桥梁的实物编程、作为反思性脚手架的引导式对话，以及作为可持续性锚点的教师共同设计之上。在多轮设计循环中，教师自评的舒适度上升；孩子们把 AI 理解为人类设计的东西，通过实物编程建立排序和调试，并通过引导式对话反思公平。AI-Play走的是不插电路线，提供家长可以在家进行的无屏幕活动。

对最小的孩子来说，风险在于信念。Yang, Li and Lee (2025)提醒，生成式社交机器人可能产出前运算阶段的儿童会当作真实来接受的内容；这些系统给出的反馈没有按发展水平校准；它们的成本和可获得性会加剧已有的鸿沟。Xu, Girouard and Shi (2026)把这个机制描述为游戏中能动性的重新分配：控制权转向孩子与玩具的互动，当玩具组织游戏时它限制游戏，当玩具跟随孩子的想象时它使游戏成为可能。同一个玩具两种都能做，所以成人在场才是你能控制的设计变量。

成人共同使用在这里有具体的含义：和孩子坐在一起，问玩具或屏幕刚才做了什么，并让“做”的过程保持可见。在门口安静地看着不是同一种安排，对四岁的孩子来说，它完全错过了信念这个问题。

教机器如何工作也属于这个年龄段。Tsingidou et al. (2026)发现，在幼儿园机器人中介的计算思维中，最常用的策略是问题式学习、讲故事和脚手架，最常被评估的技能是排序、调试和算法设计，最常通过 TechCheck-K 来评估。该文献中的许多工具是临时开发、从未经过验证的。跳过教学，风险以后会以过度依赖的形式回来。

让 9 到 12 岁的孩子转向经过审核、以非生成式为主的工作

这是课程证据最强的年龄段。Demir and Akar (2026)为 36 名土耳其四年级学生开设了 18 小时、基于 5E 的批判性媒介素养课程，涵盖数据隐私、安全沟通和媒介伦理，组间 Cohen's d 为阅读 1.12、写作 1.18、总体素养 1.31。一门能装进一个学期、并报告这种量级效应的课程，是本页最令人鼓舞的结果。

9 到 12 岁在学校审核过的平台上获得有脚手架支持的接触，生成式的部分留到以后并有监督。一旦孩子能读、能论证、能核对一个说法，教他们系统在做什么就成了主要工作，工具可以作为研究对象而不是帮手进入。

边界更多跟随能力，而不是生日。一个能流利阅读的 9 岁孩子可以学会什么是训练语料，以及为什么一个预测下一个词的系统会给出自信的错误答案。6 岁的孩子做不到，这就是为什么玩和动手做的年龄段排在前面，也是为什么幼儿园课程通过实物编程而不是屏幕来跑。阅读、论证和自我监控才是你真正据以给孩子分层的能力，年龄只是学校能够操作的代理指标。

把规则放在接触真正发生的地方

除非你用书面把它定下来，否则就假定责任会是不清楚的。在对 33 名美国 K-12 教师的访谈中，Xiao et al. (2026)发现，10 人把面向家长的陪伴场景列为最令人担忧的，17 人说教师应当介入，11 人说视情况而定。他们的可见性检验把家庭中的 AI 使用留在学校管辖之外，只要没有可观察到的后果；家长被认定为主要责任人，同时又被描述为不知情或已不堪重负。这是一个管辖权的空位，而一份写得好像它不存在的政策，管住的只是问题里容易的那一半。

Fan, Li and Zhang (2026)把这些安排形式化为相加模型、协同模型和补偿模型，并直白地指出协同版本没有支持性证据。一个能运转的家校安排必须是有意建起来的，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。

披露是学校的工作，不是家庭的侦探工作。写下来学校用哪些工具、保留哪些数据、家庭如何提问。隐私、教学安全性和AI 使用与披露声明讲的是实质内容，关于公平、伦理、隐私与安全的综述讲的是这些在实践中大多有多薄弱。

采用之前先审核工具

假定安全层不是为你的学生建的。一个以专家指南和真实事件数据为基础的儿童安全评估框架报告说，尽管有大量青少年使用的证据，多数 AI 安全框架和基准仍然面向成年用户；该研究引用的一项全国调查发现，72% 的美国青少年使用过 AI 陪伴产品。当三个 Llama Guard 模型在教育相关的不安全提示上接受测试时，它们在识别这些提示上表现吃力。

四个问题能替你省下一个采购周期。测试过哪些儿童特有的危害？默认情况下，录音、文字记录和语音数据会怎样处理？如果免费层消失，会给家庭带来什么成本？它在你家庭所说的语言里能用吗？

一个全女生创客空间的案例研究（Liu et al. 2026）说明了为什么后三个问题不是脚注。家长报告说，女孩在混合性别环境中变得害怕、说话更少；一个免费的图像生成器砍掉了免费功能，转向该非营利组织无法承担的付费层；仅支持英语的提示把项目本来要服务的家庭挡在外面。

教职员工的信心既是一项隐私控制，也是一个培训目标。一项关于幼儿教育环境的研究发现，感知有用性和易用性是学前教师使用 AI 意向的核心，AI 自我效能是有意义的预测因素，AI 焦虑是阻碍因素，主观规范（同事与领导）塑造意向。无法评估工具的教职员工，不会注意到它收集了什么。

给成人一个明确的角色

角色不定下来，就会有别的东西来占据它。ParaTutor（Luo et al. 2026）在 大语言模型（LLM） 中介的家庭数学辅导中把家长和孩子的角色分开，23 对亲子、孩子 10 到 12 岁，四种条件。通用型辅助倾向于取代家长的辅导角色；角色分离的界面把它保住了。家长在内容上、以及在如何谈论内容上也感到吃力，这是一项设计要求，而不是家长的失败。

陪伴孩子阅读的伙伴需要同样的谨慎。Liao (2026)发现，固定同伴角色的AI 陪伴产生了显著更长的互动，但学生说出的词和句子占比更低，且在事实回忆上强于情感性或面向未来的反思。因此所提框架中设有“家长顾问”角色，论文也点出了教师和家长面对的支持真空。

其中有些工作属于人，与工具能做什么无关。Raave 等人（2026）把生成式 AI 对话代理与人类教育者作比较，二者都以一个静态的 AI 孩子来主持故事化的社会情感学习活动：每位主持者 18 次模拟，108 次观察，评分者对主持者类型盲评。代理在尊重的语气和常规程序性脚手架上很强。人类教育者在更深入的社会情感教学、引导反思和建构社会情感知识上更强。早期社会情感学习应默认走互补路线，由成人承担反思的那一部分。

角色需要在某一页上有名字。定下谁在一次会话中陪着孩子、谁去看系统保留了些什么、谁去回答那位问“发生了什么”的家长。在小学课堂上，前两件事通常是班主任，第三件是校长。写下来，这个安排就能挺过一次人员请假。

让孩子自己的思考保持可见

要留意的模式是：输出质量上升，而无辅助的工作下降。一项针对 26,811 名学生的中学阶段分析发现作业分数上升而闭卷考试分数下降，这就是为什么建议是监控投入而不只是成品。在小学课堂上，这意味着看草稿、看解释、看修改，并把一个突然变得漂亮的成品当作一个问题而不是一项成就。

小学写作的证据支持在教学内部使用工具。一项对 2019 至 2025 年小学写作教学中 AI 应用的 8 项研究的系统综述发现对话式工具支持写作练习，多模态工具把写作延伸到文本之外，同时得出结论：自动评估在公平性和准确性上仍需要人工监督。一个为期九周、由 GenAI 支持的观点写作项目在 301 名五、六年级学生中提升了理想写作自我和学业韧性，并提升了行为与情感投入。它没有改变成长型思维、认知或元认知投入，也没有改变组织性，作者点出了风险：过度依赖、寻求捷径和自我监控的减弱。

在孩子看着的时候处理错误答案

删掉一个糟糕的输出，教给孩子的是输出要么正确、要么禁止。问他们打算怎么核对，教给你的是你想要的那个习惯。一个聊天机器人把某个事实细节弄错的孩子，可以被送到另外两个来源，并被要求去问哪一个不同意——这个习惯会带到下一个听起来很自信的系统上。

当孩子说陪伴产品“理解”了他们，那正是该进行的那场对话。一个预测下一个词的系统对孩子没有任何模型，有用的问题是：它本来需要知道什么才能理解。保持具体，跳过关于神经网络的讲座。

流畅会买来信念，这是要留意的机制。一项五年级多模态写作研究发现，把孩子的故事可视化在解释、分析、评价和说明上产生了持续增益，而在推断上没有增益：一旦图像把意义显性化，孩子就报告说不太需要去推断它。一个流畅的 AI 答案做的是同样的工作，它提供了孩子本来会自己做出的那个推断。

有些最难的对话有载体。REMind用机器人中介的应用戏剧来做反霸凌的旁观者干预：孩子观看由社交机器人演出的霸凌情景，并通过操纵一个机器人替身来排练防卫策略。在一场有 18 名 9 到 10 岁儿童参与的混合方法试玩中，它支持了自我效能、观点采择和对防卫结果的理解。机器人和角色扮演在有成人在场的房间里承载一个困难的话题。

这些都不是经过测试、能教孩子核对 AI 答案的干预。它是关于流畅、信念和角色扮演的证据所蕴含的东西，教职员工应把它当作实践，而不是证明。

你能向董事会承诺什么

Arthars 等人（2026）综述了 271 篇关于 PreK-12 生成式 AI 的实证论文，发现不存在单一的 GenAI 效应。情感层面的增益很常见，却是学习的弱指标；最一致的证据涉及即时表现和成品质量的改善；关于持久学习、迁移和持续自我调节的证据并不一致。结果取决于五个相互纠缠的条件：学习者、工具、任务、社会安排，以及文化与制度情境。他们的框架区分四种教学功能——从 AI 学、与 AI 一起学、关于 AI 学、通过塑造 AI 来学——并追问学生是在交出能动性、卸载它，还是在行使它。

对这一个年龄段来说，这映射成一个序列：先“关于”和“通过塑造”，“从”放在后面；凡孩子还不能评价输出的地方，都由成人共同使用；并且不要凭一个下午的好成品去宣称持久学习。

一份董事会文件可以承诺一个复审日期，以及一套你学校真能核查的成功定义：上了多少节课、有多少教师能回答家长的问题、有多少数据请求得到了书面答复。宣称学习增益会超出此处引用的每一项研究。

本知识库中没有关于按年龄禁令的研究。这里没有任何东西能判定目前出现在一些学校体系里的禁令是否有效，而这句话的诚实版本应当写进你的董事会文件。证据确实表明的是：禁令的替代方案不是放任。那项关于 GenAI 可用性与整合的对比研究发现，让 GenAI 可用却不教学生如何使用，与应用题上显著更低的表现相关（ω² = 0.35），而明确教授它用于摘要等任务后，应用表现回到前 GenAI 水平，并在一项更难的测验上超过了基线。这个年龄段是可以教的：上面那个四年级项目产生了 d = 1.12 到 1.31 的效应。

学校容易搞错的地方

“13 岁以下就意味着不能用 AI。” 已发表的分级把非生成式、有脚手架的活动放在 9 到 12 岁段，把生成式使用保留给 13 岁及以上。什么都禁的学校在这个领域没有课程，它的孩子在家里遇到这些工具，却没有那节课。

“工具合规，所以就安全。” 多数框架和基准面向成年人，而三个 Llama Guard 模型在教育相关的不安全提示上表现吃力。合规文书回答的是采购问题。它不回答危害问题。

“政策里有一句话就是政策。” Nash and Burriss (2026)发现，27 名职前教师中有 26 人允许在教师规定的条件下使用部分 AI，1 人完全禁止，而限制很少被操作化：有一份政策允许 AI“帮你把思路启动起来”，随后宣布“界线就应划在这里”，却没说是哪里。一项对院校政策与课程大纲的比较分析发现，116 份政策中有 63% 的院校大体上鼓励使用 GenAI，而 98 份课程大纲中有一半直接禁止。一项基于 UNESCO 框架、对 30 所大学政策的分析补充说，伦理与治理原则被广泛采纳，而包容、公平、网络接入和环境影响常被忽略，许多条款停留在宣示层面。

“家长会承担家里那一半。” 那 33 位教师把家长描述为主要责任人，同时也描述为不知情或已不堪重负。协同式家校模型目前还没有支持性证据。它必须被建起来。

“六岁的孩子不可能理解机器怎么工作。” 学前课程里的孩子把 AI 理解为人类设计的，用实物编程建立排序和调试，并通过引导式对话反思公平。幼儿园机器人文献发现，排序、调试和算法设计是该年龄段最常被评估的技能之一。能力是有的。课程通常没有。

你会遇到什么反弹

“禁掉它。这是唯一站得住脚的线。” 关于这些禁令没有任何研究，所以没人能告诉你它们有效，而执行路径很弱。Bassett et al. (2026)主张检测根本不应被用于教育：它的估计是概率性的且不可验证，因为真实世界中的文本来源是未知的；它的使用违反程序公正，因为检测分数达不到诚信调查所要求的标准；检测“并不保护学术诚信，而是在破坏它”，侵蚀信任。禁令管的还是最不重要的渠道，因为陪伴应用、AI 玩具和家庭辅导都发生在家里，超出学校的触达范围。

“别人家的孩子早就在用了。” 部分属实，而通常引用的数字是关于青少年的：那项儿童安全研究引用的调查中，72% 的美国青少年使用过 AI 陪伴产品。那不是你十岁的孩子。那项 271 篇论文的综述发现不存在单一的 GenAI 效应，所以同龄人在做什么告诉你的是什么是常态，而不是什么安全或有用。

“我们是学校。为什么要搞一场育儿运动？” 因为接触就发生在那里。33 位教师中有 10 位把家庭陪伴场景列为自己面对的最令人担忧的事，而可见性检验把它留在他们的管辖之外。一所公布自己在用什么、在家推荐什么、以及如何提问的学校，比一所只为自己网络写规则的学校管住了更多的问题。

“监视会让他们老实。” Mohamed and Temimi (2026)把这建模为不完全信息：学生知道作品是如何产生的，机构只看到成品。威慑经由检测器对隐藏使用与正当工作的区分而起作用，而不是经由它的原始命中率；当假阳性比真阳性上升得更快时，更强的监控会让隐藏变得相对更有吸引力。Qu and Wang (2026)发现，409 名本科生中的不披露行为是对同伴规范和较低解释性信任的策略性适应，而不是道德疏忽。

“我们家负担不起你建议的东西。” 创客空间那个案例就是警告：免费层消失，变成该非营利组织无法承担的付费层，而仅支持英语的提示把一些家庭排除在外。假定有付费层的采购，是一项会加宽你本来想弥合的鸿沟的政策。

“我们的教师没受过任何这方面的训练。” 常常是真的，而修补比看上去小。在学前课程里，教师自评的舒适度在多轮设计循环中上升，这是共同设计能做到而一天培训做不到的。在幼儿教育环境中，自我效能预测使用 AI 的意向，焦虑则起阻碍作用。从一个班的一节课开始，让执行它的教职员工来写指南。

“所有这些谨慎都是关于玩具的道德恐慌。” 这里确实存在真实的不确定性，而 271 篇论文的综述是对它诚实的总结。主张教而不是禁的理由，建立在一个管辖空位、一条失败的执行路径，以及一个在十八小时内把素养推进了超过一个标准差的四年级项目之上。

本周可以做的事

1. 把年龄分段写进一页纸：9 岁以下做什么，9 到 12 岁做什么，什么需要具名成人和明确目的。

2. 带着那四个审核问题去找签软件合同的人，并要求书面答复。

3. 给家庭发一页说明，列出学校在使用什么、保留什么、该问谁。

4. 为最小的年龄段挑一个非生成式活动，为 9 到 12 岁段挑一节媒介素养课，并把它们排进这个学期。

5. 从政策草案里删掉检测，换成一条关于学校会提供什么、不会提供什么的规则，并定一个复审日期，附上三项检查：教师用了什么、家庭问了什么、9 到 12 岁的课有没有上。

接下来可以去哪里

人工智能正在如何影响学生？讲这些工具对学习做了什么，我应当如何把人工智能素养融入我的课程？与AI 素养讲该教什么。家长与家庭和幼儿教育构成本页的研究基础，教育领域的人工智能研究应当如何纳入公平、无障碍、隐私、伦理与教学安全？是隐私与安全论证继续的地方。如果你的问题是大龄学生的评估方面，我们应当使用人工智能检测工具吗？和我怎样才能减少课程中的人工智能作弊？会把它带得更远。