编辑推荐：
为明确智能辅导系统（ITS）对 K-12 学生学习与成绩的影响及评估实验设计，研究人员对 28 项研究（4597 名学生）分析。发现 ITS 效果总体积极但弱于非智能系统，需更长干预、更大样本研究，还应关注 AI 教学伦理问题。
在科技与教育深度融合的浪潮中，人工智能（AI）正悄然重塑教育形态。然而，尽管智能辅导系统（Intelligent Tutoring Systems, ITS）在 K-12 教育中的应用日益普及，其真实教育价值却如同蒙着一层薄纱 —— 支持者赞叹其个性化教学的潜力，质疑者则担忧效果的不确定性与伦理风险。联合国教科文组织数据显示，全球超 2.5 亿儿童失学，6 亿儿童未达最低能力水平，如何借助 AI 突破教育困境成为紧迫课题。在此背景下，加拿大魁北克大学蒙特利尔分校（Université du Québec à Montréal）与蒙特利尔高等商学院（école des Hautes études Commerciales, HEC）的研究团队展开深入探索，相关成果发表于《npj Science of Learning》，为 ITS 的应用与优化拨开迷雾。
研究团队采用系统综述方法，聚焦两大核心问题：ITS 效果评估采用哪些实验设计？其对 K-12 学生学习与成绩影响如何？通过检索 ERIC、Scopus 等数据库，筛选出 28 项研究（含 4597 名学生），涵盖数学、科学、语言等学科，干预时长从 1 周到 30 周不等。
研究方法与关键设计
研究以准实验设计为主，将 ITS 与传统教学、非智能辅导系统（Tutoring System, TS）等对比。通过分析干预时长、样本多样性等变量，评估 ITS 的有效性。值得关注的是，仅有少数研究考虑了 AI 伦理问题，多数聚焦于学习效果的量化分析。
研究结果：效果的多面性与影响因素
ITS vs 传统教学
8 项对比研究中，7 项显示 ITS 对学生成绩有中至大效应量的积极影响。例如，崔等人 [a] 的研究表明，使用 “易学松鼠 AI” 系统的学生学习增益是传统教学组的 4.19 倍（Hedges's g=0.68）。但博彻斯等人的研究发现，当测试形式与练习环境匹配时，ITS 与纸质练习效果相近，凸显学习迁移的复杂性。
ITS vs 非智能 TS
5 项针对高中物理的研究结果矛盾：英卡瓦拉等人的实验显示，带个性化指导的 ITS 组学习增益显著高于非智能组（t (290)=5.350, p<0.05），而乔丹等人的研究则未发现差异，提示自适应功能的有效性可能受学科特性与设计细节影响。
不同 ITS 版本对比
11 项研究探索 ITS 优化方向，如黄等人通过数据驱动重新设计 ITS，使学习增益提升（Cohen's d=0.31）；朗和阿莱文的实验表明，引入自我评估提示（如 “技能日记”）可增强学生自我调节能力，中等效应量的学习提升（η2=0.078）。
干预时长与样本特征
半数研究干预时长不足一周，可能受 “新奇效应” 干扰。长期干预研究（如 30 周）显示，ITS 效果随时间逐步显现，尤其在高中阶段效果更显著（效应量 + 0.20 标准差），而初中阶段效果不显著，暗示需根据学生认知发展水平调整系统设计。
结论与启示：平衡技术创新与教育本质
系统综述揭示，ITS 在 K-12 教育中的效果总体积极，但受设计要素（如自适应反馈、即时纠正）、使用场景（学科特性、学段差异）及伦理考量的显著影响。核心结论包括：
- 有效性边界：ITS 在结构化学科（如数学、物理）中优势更明显，但与非智能系统对比时效果可能被稀释，提示需避免 “为智能而智能” 的设计误区。
- 优化路径：整合个性化学习路径（如 UZWEBMAT 系统）、实时数据反馈（如 TECH8 系统）及教师引导（如 WeWrite 系统）的混合模式，可最大化学习效益。
- 伦理缺失与未来方向：现有研究普遍忽视 AI 伦理（如公平性、透明度），未来需将伦理框架嵌入系统设计，同时扩大样本多样性（如纳入低年级学生、多元文化背景群体），开展更长周期的追踪研究。
这项研究为教育科技领域注入了理性之光 ——ITS 并非万能灵药，但其与教育理论的深度融合（如霍恩比恩和赖格卢斯提出的 “正确特征 + 适切条件” 模型），正引领个性化学习从愿景走向现实。在全球教师短缺与教育资源不均的背景下，ITS 有望成为打破困局的关键工具，但其发展必须始终以 “育人” 为核心，在技术创新与教育本质之间寻找动态平衡点。正如研究指出，当 AI 不仅能 “教” 更能 “辅”，当系统设计真正读懂 “人” 的需求，教育的未来才会充满希望。
