综述：K-12阶段基于AI的教学中的教师干预：对相关流程、策略及效果的系统性综述

《Smart Learning Environments》：Teacher intervention in K-12 AI-based instruction: a systematic review of processes, strategies, and effects

　　

摘要

人工智能的快速发展使得基于人工智能的教学方式，包括智能辅导系统、学习分析仪表板、自适应学习平台以及生成式人工智能，在K-12教育中越来越普遍。然而，人工智能生成的信息并不会自动转化为教学行动；只有当教师对它们进行解读、判断并将其转化为适合课堂的实际支持时，这些信息才能具备教学意义。遵循PRISMA指南，这项系统评价分析了2016年至2025年间发表在六个数据库中的29篇经过同行评审的英文研究，旨在探讨在K-12基于人工智能的教学中教师干预的具体形式，以及影响其效果的各种条件。该研究从过程、策略和效果三个维度对相关内容进行了梳理。研究结果表明，教师干预是一个循环的过程，包括监控、判断、干预和协调，通过这一过程，人工智能生成的信息被转化为教学行动，并进而推动课堂调整。研究还确定了三种主要的干预策略：对人工智能输出结果的教学性转化、学习支持的设计以及互动结构的重构。研究表明，这些干预措施对学生的学习效果和教师的课堂管理能力有积极影响，但这种效果是有一定条件的，会因人工智能信息的可解释性、干预时机、目标水平、教师的实施可行性以及学生的自主性等因素而有所不同。通过构建一个综合性的条件框架，该研究认为，在基于人工智能的教学中，教师的角色正在发生转变而非削弱，这为教师的专业发展以及面向教师的人工智能系统设计提供了参考。