《Journal of Intelligence》：Approaches to Identifying STEM Talent in K-12 Gifted Education: A Systematic Review
在数字转型与人工智能时代，加强STEM教育对于技术创新与社会进步不可或缺。然而，针对STEM拔尖学习者早期识别的有效策略与实证证据的匮乏构成了关键的研究空白。本研究采用系统性综述方法，综合现有针对K-12阶段STEM拔尖创新人才的识别策略。遵循PRISMA框架，从九个数据库中检索并分析了26篇同行评审的实证与综述文章。研究结果显示，大多数研究起源于美国，在2018年达到峰值，且主要由针对高中生的实证研究构成。识别方法呈现出从整体性向更具个体化方向的显著转变，涵盖智力与空间能力测验、学业成就测量、创造力与问题解决评估、档案袋评价、学科竞赛以及教师或家长推荐。认知推理、创造力、空间能力和问题解决能力成为核心指标，而社会经济地位、文化背景、教师与家长支持以及性别期望显著影响识别过程与人才发展。未来研究应对现有识别框架进行实证检验，考量跨文化变异性，并审视新兴人工智能应用的纵向效能。本综述综合了关于K-12阶段STEM拔尖创新人才识别的现有学术成果，并提供了基于证据的建议，以完善多元化教育情境下的识别与评估框架。
- 1.
引言
在科学发现与人工智能快速发展的背景下，全球经济社会格局被重新配置，推动了对能够引领创新与技术领先的STEM拔尖创新人才的需求。在此环境中，STEM专业知识已成为经济竞争力与社会进步的主要驱动力。为确保全球创新中的前沿地位，许多国家已大幅增加对K-12阶段STEM教育的投入。培养高质量、多学科融合的STEM拔尖创新人才已成为教育优先事项与社会必然要求。资优教育通过在K-12阶段识别具有卓越潜力的学生并提供专门的定制化学习机会发挥着关键作用。人才发展框架（Talent Development Framework）强调早期识别对于最大化长期成果至关重要。然而，尽管已有数十年的实践，有效识别STEM拔尖创新人才仍是一项持续的挑战。现有的评估方法在精确性、可靠性以及对人口多样性的响应性方面往往存在不足，导致不公平识别与支持。此外，21世纪技能框架（P21 Framework Definitions）与K-12科学教育框架（Framework for K-12 Science Education）呼吁采取更广泛的、对领域敏感的识别策略，以契合STEM专业知识的多面性本质。
尽管先前的研究探讨了性别差异、技术整合、高阶思维能力、空间能力发展以及城乡与弱势社会经济背景等情境因素，但针对K-12阶段STEM拔尖创新人才识别策略的系统性综合仍然稀缺。现有综述研究倾向于提供宽泛的概述而非对识别方法进行深入分析。这一空白限制了研究成果向实践的转化，凸显了对具有理论基础、特定领域的综合性综合的需求。
1.1 资优识别的历史沿革
资优教育与识别方法的演变与社会价值观、科学见解和教育目标并行，经历了从19世纪至今的重大变革。这一历史轨迹涵盖了从19世纪的遗传理论到20世纪的多元评估模型，再到21世纪对创新与个性化学习的关注。该领域拓宽了对“天才”的理解，影响了全球教育改革与人才识别策略。
19世纪，最初的资优理论植根于遗传学解释。到20世纪初，西方国家开始采用智力测验作为核心识别工具，辅以教师推荐和学业成绩。法国实施了比奈-西蒙智力测验（Binet–Simon Intelligence Test），美国和英国使用了斯坦福-比奈智力测验（Stanford–Binet Intelligence Test），德国则依赖学业表现和教师推荐。
至20世纪中叶，全球人才识别方法已扩展到包括智力测验、创造力评估、成就测验和教师推荐。尽管智商（IQ）测验仍然普遍，但创造力评估和多维评价被整合为多样化的识别途径。在美国，韦克斯勒智力量表（Wechsler Intelligence Scale）和斯坦福-比奈智力测验继续被广泛使用，英国采用了瑞文推理测验（Raven's Progressive Matrices），法国保留了比奈-西蒙测验。此外，美国还纳入了托伦斯创造性思维测验（Torrance Tests of Creative Thinking），学业测试在各国的地位日益突出，例如美国的SAT和ACT、英国的十一岁选拔考试（eleven-plus）、日本的国家中心考试（National Center Test）以及德国的Abitur考试。
21世纪，资优教育持续发展，STEM拔尖创新人才识别扩展到强调创新、问题解决和个性化学习体验。在美国，受马兰报告（Marland Report）影响，项目式学习培养了资优学生的创新思维。英国除了GCSE和A-Level考试外，还实施了项目式学习、问题解决和跨学科方法。芬兰强调个性化学习和问题解决能力，新加坡的天才教育计划（Gifted Education Programme）提供量身定制的课程，澳大利亚为资优学习者引入了个性化教育计划（Individualized Education Plans）。此外，新加坡、韩国和中国通过国际研究合作与奥林匹克竞赛鼓励学生的创新能力。
尽管取得了这些进展，重大挑战依然存在。传统的智力测验和遗传假设往往忽视环境影响，而标准化评估可能无法捕捉才能和创造力的多样化表现。将学生标记为“资优”有可能边缘化非传统能力，并排除那些潜力未被认可的学生。作为回应，一些教育系统采取了更灵活、包容和个性化的方法，同时保持对强化结构性不平等和僵化人才观念的警惕。持续研究特定领域的识别策略对于推进公平有效的资优教育至关重要。
1.2 资优与人才识别的理论视角
该领域建立在几个基础框架之上，这些框架持续塑造着概念理解和识别实践。其中最具影响力的是Renzulli的三环资优概念（Three-Ring Conception of Giftedness）和Gagné的资优与才能分化模型（Differentiated Model of Giftedness and Talent, DMGT）。Renzulli认为，卓越表现源于高于平均水平的智能、创造力和任务承诺的相互作用，使该领域从单纯依赖智商转向基于整体表现的循证评估。Gagné进一步正式区分了资优（年龄同辈中前10%的自然能力）和才能（系统化发展的领域专长），同时强调了个人内部、环境和偶然催化剂的中介作用。
在这些基础上，WICS模型整合了智慧、智力和创造力（wisdom, intelligence, creativity synthesized），并将伦理领导纳入框架。Dai提出了演化复杂性理论（Evolving Complexity Theory），将人才框定为一种受时间和情境约束的功能属性，从基础能力发展到特征适应，再到面向社会贡献的最大适应。Subotnik等人将这些见解综合为人才发展巨型模型（Talent Development Megamodel），描绘了从潜在可能性到创造性生产力的纵向轨迹。
生态视角补充了这些发展描述。Ziegler的行动圈模型（Actiotope Model）聚焦于个体行动，强调卓越源于适应性调节而非静态特质。在中国，林崇德和胡卫平概述了精英创新者的多阶段成长路径，而施建农将创造力置于嵌套的文化圈中。总体而言，这些框架确立了有效识别需要多维、对发展敏感且扎根于生态的方法。
1.3 领域特定人才识别的必要性
然而，这些一般原则需要领域特定的操作化，特别是在STEM领域。领域特定识别涉及部署有针对性的方法来评估特定领域内的卓越潜力。在STEM中，有效的识别必须捕捉问题解决的敏捷性、科学创造力和批判性思维，同时考虑社会经济背景、家庭环境和性别等因素。尽管有这些要求，相对于体育等领域，针对STEM特定识别的系统性综合仍然稀少。新兴技术——特别是人工智能和大数据分析——为提升识别的准确性、效率和个性化提供了有前景的途径。未来研究必须采用具有理论基础的方法，整合认知、动机、情境和伦理考量，以推进更具包容性和有效性的STEM拔尖创新人才识别实践。
1.4 本研究
本研究对过去十年中K-12资优教育STEM学习者识别方法进行了系统性综述。旨在促进早期识别和针对性支持，研究结果为政策制定者、学校管理者和教育工作者提供了可操作的见解。具体研究问题如下：RQ1. K-12阶段STEM拔尖创新人才识别研究的特征和纵向趋势是什么？RQ2. 在K-12资优教育框架内，用于评估STEM拔尖创新人才的主要策略和规程是什么？RQ3. 关于影响STEM拔尖创新人才识别的因素，出现了哪些关键发现？RQ4. 应优先考虑哪些未来研究方向以推进STEM拔尖创新人才识别的学术理解和实际应用？
- 2.
材料与方法
2.1 数据库与检索策略
鉴于STEM拔尖创新人才识别跨越教育学、心理学和认知科学的跨学科性质，在九个主要文献数据库进行了全面检索：Web of Science、ERIC、PubMed、PsycINFO、ProQuest、Scopus、EBSCO、SAGE和Taylor & Francis。检索策略以“STEM”和“talent”为核心关键词，辅以相关同义词，以确保对相关文献的详尽覆盖。检索语法和索引约定针对每个数据库进行了定制。初始文献检索于2024年8月执行，并于2024年10月进行了更新检索，以捕获任何新发表的相关研究。
为了捕捉STEM拔尖创新人才识别概念化的完整历史轨迹，从早期的智力测验范式到当代的多维方法，未设定最早的日期限制。关于主题和人群的限制通过纳入标准严格执行，将重点限制在K-12学生群体和明确涉及STEM拔尖创新人才识别的研究，同时排除一般资优教育或常规STEM课程干预。此外，检索仅限于英文出版物，以确保一致的编码和稳定的评分者间信度。
尽管系统性综述通常被排除在主要来源综合之外，但我们有意保留了专注于K-12 STEM拔尖创新人才识别的同行评审综述文章。这一决定由两个方法论理由指导。首先，作为一个新兴领域，STEM拔尖创新人才识别的概念化和操作化通常在综述文章中阐明；保留这些文章为识别构念的理论框架提供了关键见解。其次，鉴于专门关注该主题的实证研究稀缺，排除综述会掩盖该领域的累积理解并掩盖方法学空白。所有保留的综述都接受了与实证文章相同的编码方案和MMAT质量评估，以最小化循环性并确保分析的严谨性。因此，本系统性综述根据PRISMA声明进行并报告。
2.2 数据收集
本研究采用了明确的纳入和排除标准来规范文献筛选，确保所有符合条件的出版物符合聚焦于K-12 STEM拔尖创新人才识别的研究主题。具体而言，符合条件的文章必须满足所有纳入标准：第一，出版物必须是同行评审的实证或综述文章；第二，研究对象必须涵盖5至18岁的K-12学生；第三，核心研究焦点必须是STEM拔尖创新人才识别，排除涉及一般资优教育或常规STEM课程教学的研究；第四，所有纳入的文献必须以英文出版。相应地，符合以下任何条件的文献被排除：非实证的出版物类型，包括学位论文、书籍章节和会议摘要；以STEM拔尖人才培养项目而非人才识别为中心的研究；非英文出版物；以及没有K-12学生参与的研究。
总共从九个数据库中识别出890篇同行评审文章。在删除279篇重复文章后，保留了611篇文章。在标题和摘要筛选期间，排除了428篇不符合研究范围的文章，包括未涉及K-12学生的研究、未聚焦STEM的研究、不属于资优教育的研究以及不涉及识别的研究。初步筛选后，对183篇全文文章进行了彻底审查，导致排除了非英文文章、书籍章节、与识别无关的文章以及博士和硕士论文。最终，本系统性综述共纳入26篇文章进行分析。
2.3 数据分析
从每篇筛选后的出版物中提取的信息在Microsoft Excel中进行了汇总，用于定量分析和定性比较综合。为了确保评分者间信度，邀请了两位教育领域的研究人员分别对文献进行编码。所有26篇纳入研究的方法学质量由两名评审员使用混合方法评估工具（Mixed Methods Appraisal Tool, MMAT, 版本2018）独立评估。分歧通过讨论解决。质量分数根据MMAT对定量、定性和混合方法设计的标准分为高、中、低。Cohen's Kappa系数为κ = 0.87，表明两位编码者之间几乎完全一致。
- 3.
结果
3.1 STEM拔尖创新人才识别的研究趋势
3.1.1 概述：按国家、年份、期刊和研究方法的分布
本综述检查了来自九个数据库的26篇文章，重点关注K-12 STEM教育中奖尖学生的识别，主要集中在美国进行的研究。在过去三十年中，致力于识别K-12 STEM教育中奖尖学生的研究数量总体呈上升趋势。出版物在1990年代和2000年代初期较少，但在2006年后开始攀升。2011年至2018年期间标志着人才识别研究的激增，在2018年达到顶峰，随后在2019年略有下降。
在这26篇综述文章中，大多数涉及人才识别的定性研究，占总数55%，定量研究占32%，混合方法研究最少，占13%。一半的文章发表在Social Sciences Citation Index (SSCI)索引期刊上，其余发表在Emerging Sources Citation Index (ESCI)索引期刊或非SSCI期刊上。
3.1.2 抽样特征：年龄与目标群体
关于STEM拔尖创新人才识别的研究主要集中在混合年龄或跨年龄组，其次是集中在高中生。然而，针对学前和小学阶段早期识别的研究完全不存在。大多数研究集中于资优学生本身，而相对较少的研究深入探讨其他关键利益相关者（如教育工作者、学校、政策制定者和家长）的角色和观点。例如，美国的一项研究探讨了高中STEM教师对学生才能的信念及其教学实践，沙特阿拉伯的一项研究审查了从事资优学生工作的数学教师的观点。
3.2 STEM拔尖创新人才识别策略
3.2.1 识别策略概述
本分析追踪了STEM拔尖创新人才识别策略和规程的演变，从广泛的标准评估转向更有针对性的能力评估。它强调了识别策略的多样化和动态变化趋势。最初，资优个体的识别严重依赖传统的智力测验。然而，随着创造力、空间推理和非认知因素重要性的认识不断提高，这些传统方法的局限性变得越来越明显。
在21世纪初，识别方法开始涵盖创造力和问题解决能力的评估。诸如托伦斯创造性思维测验等工具被引入，以评估学生的直觉思维和创造潜力。2010年后，空间能力测验被整合到识别系统中，非言语评估如Naglieri非言语能力测验（Naglieri Nonverbal Ability Test, NNAT）被用来识别学生的潜力，减轻了语言或文化差异相关的限制。近年来，资优个体的识别转向多维和综合评估，侧重于评估批判性思维、实践技能和学业表现。基于表现的评估，如档案袋和表现测试，以及国家级竞赛（如科学展览和奥林匹克竞赛），成为评估学生批判性思维、创造力和现实世界问题解决能力的关键。
3.2.2 以学生为中心的识别方法
本研究探讨了针对资优学生的以学生为中心的识别方法，超越了传统指标，评估一系列能力，包括智力、学业成就、创造力、问题解决、档案袋评估和竞赛参与。这种转变反映了从单向到多维方法选择STEM教育中奖优学生的过渡，旨在更全面地评估学生的潜力。具体包括智力表现、学业表现、领域特定能力、档案袋评估以及国家和国际竞赛。
智力表现通常通过标准化的智力测验评估，但这些测验可能受到语言和文化偏见的影响，并忽视创造力和空间推理等特质。学业表现是识别资优学生的关键指标，通常通过SAT、ACT和GPA等标准化测试评估，但这些工具可能忽略特定才能、创造力和实践技能。领域特定能力测试对于评估创造性思维和问题解决技能至关重要，但其可靠性可能因文化而异。档案袋评估为学生提供了展示跨多个领域能力和潜力的机会，但审查过程涉及主观性且耗时。国家和国际学科竞赛被全球公认为识别资优学生的严格机制，但可能过分强调性能指标而忽视更广泛的能力和多样化的兴趣。
3.2.3 教师和家长主导的评估策略
本研究的结果强调了教师、校长和家长进行的客观评估在识别STEM资优学生中的重要性。这些评估多方面，包含三个主要方面：评分、观察和推荐。
教师观察对于识别资优学生至关重要，允许教育者通过课堂互动、作业和问题解决能力直接评估其潜力和表现。虽然它捕捉真实行为并揭示传统测试经常遗漏的才能，但它也是主观的、耗时的，并依赖于教师的培训和经验。教师/校长推荐对于识别资优学生至关重要，特别是当标准化测试未能捕捉其全部潜力时。教育者可以通过持续的互动和全面的观察识别非学术优势，如领导力和创造力。然而，由于其主观性质，它们可能受到隐性偏见的影响并破坏公平性和可靠性。家长和教师评级在识别过程中提供了多方面的视角，基于在家庭和学校环境中对学生行为的观察提供关于学生潜力的补充信息。
3.2.4 识别实践中的新兴趋势
本研究确定了STEM拔尖创新人才识别实践中的几个新兴趋势，包括技术整合、数据驱动的决策制定以及多元智能理论的应用。首先，技术整合正在改变资优识别，特别是通过人工智能和大数据驱动的数字档案袋。这种整合允许学校更精确地分析个别学生数据，以识别具有高潜力的学生。其次，数据驱动的决策通过分析学业表现、课堂参与和个性化学习路径，为识别资优学生提供了更科学的依据。第三，多元智能理论的整合显著拓宽了人才识别方法的范围，促进了识别和培养学生多样化能力的更细致方法。这些趋势有助于形成一个更加多元化和适应性强的资优识别框架。
3.3 STEM拔尖创新人才识别的关键发现
本研究的结果强调了创造力、问题解决技能、认知推理和空间能力在识别STEM资优学生中的关键作用。这些能力是识别STEM学科中具有高潜力学生的基本指标。此外，理解这些能力的发展进一步受到众多社会和教育因素的影响，包括种族和文化多样性、社会经济地位、性别差异以及父母的教育背景和对STEM的熟悉程度。
3.3.1 创造力与问题解决技能
虽然创造力和问题解决能力在识别拔尖人才方面至关重要，但当前评估方法的有效性仍存在争议。韩国专门STEM学校的招生协议现在除了学术卓越外，还评估创造力和心理属性，反映了通过重视创造力的动态、探究驱动的课程培养未来STEM领导者的承诺。然而，现有评估工具可能无法完全捕捉创造性思维的细微差别。工程的设计过程STEM活动为识别和提炼资优学生的问题解决能力提供了宝贵的框架，同时也引发了对过度强调结构化问题解决而以开放式创造力为代价的担忧。
3.3.2 认知推理与空间能力
认知推理和空间能力也在STEM拔尖创新人才识别中发挥重要作用。使用儿童类比推理测验（Test of Analogical Reasoning in Children, TARC）的研究仔细测量了幼儿解决几何类比问题的能力，这项技能是其认知推理能力的强烈指标。此外，研究发现空间能力以及SAT测量的数学和言语推理，显著预测了智力拔尖个体的创造力和创新。视觉空间能力是STEM领域成功的关键但经常被忽视的智力组成部分。尽管它对科学、技术、工程和数学成就具有预测效度，但这种能力在资优教育项目中很少被测量。传统上对数量和言语推理的关注导致高空间资优学生的识别不足。
3.3.3 社会与教育影响因素
STEM领域的人才识别和发展过程受到复杂的社会和教育因素影响。种族和文化多样性显著影响资优者的类比推理，这表明认知能力受文化背景影响。同时，父母的教育背景和STEM素养极大地塑造了资优学生的发展轨迹，表明支持性的家庭环境可以显著增强孩子在这些领域的兴趣和熟练度。此外，社会经济地位在人才识别中起着关键作用，低社会经济地位学生在资优项目中代表性不足。此外，尽管拥有平等的潜力，性别偏见和社会期望导致女学生在STEM中的自我效能感和参与度较低。总之，这些发现突出了实施全面和公平的人才识别与发展方法的必要性。
- 4.
讨论
目前的综述观察到STEM拔尖创新人才识别的一个明显轨迹，似乎正从单纯依赖标准化智力测验转向多维、对情境敏感的方法。首先，本系统性综述表明STEM拔尖创新人才识别研究主要集中在美国背景下，2018年出版物达到顶峰，随后下降。然而，这种地理集中构成了显著的西方中心偏见。由于冷战以来，美国一直优先考虑技术进步和STEM人才培养，导致研究产出多于其他国家。虽然英国、法国、韩国和中国等国家也强调STEM人才发展，但用英语发表的研究较少。因此，这里报告的结果主要反映了英美教育体系内的识别实践，不应在没有进一步验证的情况下推广到非西方背景。2019年后STEM识别研究的下降可能部分反映了向STEM发展项目的假定转变，但这也可能分散了对早期识别这一根本挑战的注意力。
此外，在这二十六篇综述文章中，实证研究多于综述，主要关注高中生，而对年幼学生的研究有限。高中阶段被认为是培养科学素养和塑造职业轨迹的关键阶段。然而，这种对青春期的强调似乎与发展框架不一致，例如人才发展巨型模型（Talent Development Megamodel, TDMM），该模型认为特定领域的能力是从幼儿期到成年期逐步完善的。在21世纪，受人工智能和技术进步的驱动，早期识别和培养STEM相关潜力对于培养创新人才至关重要，代表了重要的未来研究方向。当前文献中对幼儿期的忽视因此代表了一个未来研究必须解决的关键空白。
其次，该研究强调了STEM拔尖创新人才识别方法多样化和动态的转向轨迹，从整体观转向个体化视角。这些方法包括智力、学业表现、创造力、问题解决和空间技能的度量，以及档案袋审查、学科竞赛认可、资优项目和教师及家长评估。这种多样化反映了一种日益增长的意识，即单一测试无法完全捕捉STEM才能的范围。然而，该领域目前缺乏关于应如何权衡或整合这些不同措施的共识，使从业者在没有明确指导的情况下实施多维识别。
因此，教师观察、智力测验和能力评估共同为人才识别贡献了更全面、多维的视角。尽管如此，标准化测量和真实性评估之间仍然存在结构性张力。智力测验提供了心理测量学的严谨性和可扩展性，但往往无法捕捉STEM问题解决的动态、情境依赖性本质。相反，数字档案袋提供了关于创造力和毅力的丰富、生态有效的证据，但它们受到主观评分和高资源需求的困扰。该领域未能调和心理测量效度与实践可行性之间的这种权衡，这延续了公平实施的核心障碍。未来的研究必须超越倡导一种方法优于另一种方法，而是调查利用两者优势的混合型模型。
第三，本研究强调STEM拔尖创新人才识别不仅受到认知推理、创造力和空间能力等核心能力的影响，还受到更广泛的社会和教育影响，包括社会经济地位、文化背景和性别期望。关键能力直接影响STEM人才识别，与STEM教育框架一致。空间能力被强调为独特地预测创造性结果。尽管具有很强的预测效度，空间能力往往被边缘化，而倾向于更传统的、言语负载的指标。自2014年以来，学者们一直主张将其正式整合，呼吁进行更多的实证研究。韩国学者提出，空间能力作为一种非言语技能，可以作为一种受文化、语言和社会经济偏见影响较小的评估工具。然而，获得空间技能发展本身往往按社会经济地位分层，这使文化中立的主张复杂化。未来的识别策略应纳入标准化测量、评估标准和课程以支持空间技能发展。
此外，社会经济地位、文化背景、教师和家长支持以及性别期望等因素间接影响STEM拔尖创新人才识别。来自高社会经济地位家庭的儿童有更多资源，这可以提高标准化测试和 ability 评估结果。文化变体显著影响资优的定义和期望。教师和家长在识别STEM人才方面发挥着重要作用，尽管教师的主观性可能引入偏见。这种对主观提名的依赖，虽然有价值，但如果不伴随客观的保障措施，就有可能强化现有的特权。父母的支持增强了学术动机和STEM成就，尽并非所有父母都有资源充分支持发展。性别期望也塑造了STEM人才识别，因为社会通常对STEM领域的男性和女性持有不同的期望。这些性别观念继续抑制女性在某些STEM领域的代表性。未来的系统应解决性别平等问题，减轻隐性偏见，并实施对STEM中女学生的支持。公平的STEM拔尖创新人才识别需要整合社会经济地位、文化背景、教师和家长支持以及性别期望。这不仅会提高识别准确性，还会减少不平等。政策制定者和研究人员可以通过创建捕捉来自不同背景学生特征的多样化评估工具、实施社会经济支持计划、加强家校合作以及设计性别中性框架来推进这些目标。
除了这些理论和社会复杂性之外，这项研究的最终效用取决于其实际实施。虽然本综述综合了广泛的识别方法，但一个关键的挑战是将这些理论构念转化为教育工作者的可操作协议。当前的证据基础以方法多样性为特征，但缺乏对测量权重的共识，尚未支持普遍验证的识别协议。为了弥合这一差距，未来的研究必须优先考虑开发预测模型，以确定哪些特定指标或组合最有力地预测不同背景下的STEM才能。至关重要的是，该领域必须超越记录差异，构建实用框架，指导教育工作者选择、权衡和实施这些多维工具。这样的框架应为从业者提供清晰的决策路径，确保所提出的向多维识别的转变能够切实改善公平性和准确性。只有将这些见解操作化，该领域才能从概念愿望过渡到系统性改革，从而将识别过程转变为培养多样化STEM人才的催化剂。
局限性及未来方向
本研究承认有几个局限性影响了其研究结果的范围和适用性。我们在文献筛选过程中排除了79篇非英文文章，主要是为了保障评审团队的一致编码标准和稳定的评分者间信度，然而这种对英文文献的独家依赖不可避免地造成了显著的英美/西方中心语言偏见。未来的研究必须批判性地解决这种语言霸权。多语言的系统性综述方法，纳入来自不同非西方地区的非英文来源，例如中国知网（China National Knowledge Infrastructure, CNKI）收录的中国学术文献，对于丰富STEM拔尖创新人才识别的全球话语至关重要。
未来的STEM拔尖创新人才识别研究必须批判性地审视当前的实践及其潜在的长期影响，特别是关于教育差异和机会差距。纵向研究对于评估现有策略的效能至关重要，重点关注传统上被边缘化的学生群体，例如低收入背景、少数民族和女性，他们的STEM潜力经常被忽视。当前文献过于频繁地记录这些差距，而没有提供可行的缩小差距的路径。跨文化比较也应扩展，以探索不同文化背景下STEM拔尖创新人才识别实践的多样性和变异性，超越西方中心范式，了解各种教育系统和文价值观如何塑造STEM拔尖创新人才识别的定义和实施。这种比较视角对于挑战现有全球教育标准的普遍性至关重要。
此外，一个相关的注意事项是，当前的综合在绘制随时间变化的方法论趋势方面的能力有限。未来的元分析研究应通过纳入出版年份作为关键调节变量来解决这一问题。具体来说，研究人员应采用按不同时期（例如按十年）编码识别方法并报告其频率的做法。这种定量趋势分析对于实证证实评估实践是否真的发生了演变以及将这些变化与特定的历史或政策驱动的背景相关联至关重要。
此外，将人工智能和大数据分析等新兴技术整合到STEM拔尖创新人才识别过程中需要严格的审查。虽然这些技术为创新提供了有前景的机会，但它们也可能引入新的偏见或加剧现有的不平等。未来的研究必须批判性地评估这些技术的效用和公平性，以确保它们公平地服务于所有学生。这种评估将为教育工作者完善评估工具和方法提供有价值的见解，并为旨在促进教育公平和创新的政策决策提供信息。最终，一种更具包容性和多样性的STEM教育方法对于确保资源和机会对所有学生可及至关重要，无论其背景如何。这将导致一个更公平、更有效的STEM教育系统，培养未来的科学家、工程师和创新者。
- 5.
结论
本系统性综述综合了关于K-12教育环境中STEM拔尖创新人才识别的现有文献。研究结果揭示了STEM拔尖创新人才识别研究的关键特征和趋势，说明从依赖标准化测试和智力表现转向更加多样化、多维的方法。这种演变涵盖了领域特定评估，如创造力、问题解决技能和空间能力，以及档案袋评估、国家和国际竞赛、教师或家长观察和推荐。这些发展反映了教育研究的显著进步和对学生潜力的细致入微的欣赏。然而，现有方法仍有局限性，强调需要进一步开展针对特定STEM领域内人才早期识别的实证研究和实践模型。此外，研究结果强调了社会和教育因素对STEM拔尖创新人才识别的间接影响，表明未来的识别系统必须全面考虑这些因素以确保公平性。通过澄清普遍实践和证据空白，本综述为政策制定者、学校管理者和教育工作者提供了可操作的见解，有助于优化识别STEM拔尖创新人才的策略。此外，这些发现为STEM拔尖创新人才识别奠定了更强的理论基础，并为培养包容和多样化的STEM教育环境提供了实践指导，支持未来科学家、工程师和创新者的发展。
