综述：人工智能在自闭症教育中的应用：协作与纵向方法综述

《Disability and Rehabilitation: Assistive Technology》：AI in autism education: a review of collaborative and longitudinal approaches

本综述系统探讨人工智能（AI）技术在自闭症教育中的创新应用，涵盖自适应学习系统、自然语言处理（NLP）沟通工具、情感识别算法、社交辅助机器人及增强/虚拟现实（AR/VR）平台。重点强调通过教育者、治疗师、家庭与自闭症患者协同设计（co-design）的模式，提升工具的个性化学习支持、社交情感能力培养及教育包容性。指出当前需解决数据多样性、伦理规范及跨学科合作等挑战。

　　

Abstract

人工智能（AI）正重塑自闭症教育的研究与实践图景。本篇综述通过系统分析发现，AI技术不仅为自闭症学习者构建了高度个性化的支持框架，更通过多模态交互推动了教育范式的革新。

Purpose

本研究旨在梳理AI在自闭症教育中的关键技术与应用路径。重点探讨自适应学习系统如何动态调整教学内容，自然语言处理（NLP）工具如何破解沟通障碍，以及情感识别算法、社交辅助机器人和沉浸式技术（AR/VR）如何协同促进社交情感发展。特别关注以用户为中心的协同设计（co-design）方法论如何提升工具的实用性与包容性。

Methods

通过对同行评议文献的批判性综合，研究团队识别出五大技术趋势：基于机器学习算法的自适应学习系统可实时响应学习者状态；NLP驱动的沟通辅助设备能解析非典型语言模式；计算机视觉赋能的情感识别技术可捕捉微观表情变化；社交辅助机器人通过可预测的互动降低焦虑；而AR/VR则创造了安全的社交情景模拟环境。方法论上突出强调了跨学科团队（包括教育者、治疗师、家属及自闭症个体）参与原型设计的重要性。

Results

实证研究表明，AI工具能显著提升个性化学习精度，例如通过情绪识别算法动态调整教学节奏。社交辅助机器人可促进眼神接触等核心社交技能，而VR情景演练能泛化学习效果。协同设计实践被证实可增强工具的文化敏感性与可及性。但挑战依然存在：缺乏大规模多样化数据集制约了算法普适性，纵向多模态数据采集困难，跨文化验证不足，以及硬件创新滞后于软件开发。

Conclusions

AI在自闭症教育中展现出变革潜力，但其可持续发展需攻克数据多样性瓶颈，建立严格的伦理审查机制，并深化教育、临床与工程领域的跨界合作。未来应加强纵向研究，探索技术在自闭症全生命周期支持中的作用。