综述:STEAM教育中的人工智能素养:一项系统综述

《Computers》:AI Literacy in STEAM Education: A Systematic Review

【字体: 大 中 小 】 时间:2026年08月29日 来源:Computers 5.2

编辑推荐:

  人工智能(AI)素养已成为一项关键的21世纪能力,但其在跨学科STEAM(科学、技术、工程、艺术和数学)教育中的整合仍较为分散。本研究通过调查AI素养如何在STEAM学习环境中被概念化、实施和评估,弥补了这一空白。遵循PRISMA指南,对2015年至2025年

  
人工智能(AI)素养已成为一项关键的21世纪能力,但其在跨学科STEAM(科学、技术、工程、艺术和数学)教育中的整合仍较为分散。本研究通过调查AI素养如何在STEAM学习环境中被概念化、实施和评估,弥补了这一空白。遵循PRISMA指南,对2015年至2025年间发表的实证研究进行了系统文献综述,以考察教学方法、方法论设计、AI技术和艺术学科。对32项研究的分析揭示了对STEAM教育中AI素养发展的关键见解:(1)AI素养最常通过主动和跨学科学习而非仅通过讲授式教学来培养;(2)AI既作为学习对象,也作为学习者创造、设计、探究和解决问题的工具;(3)AI-STEAM教育中的艺术整合通常支持更广泛的学习目标,而较少作为独立的学习成果被评估;(4)AI素养的伦理和社会层面受到的关注少于技术和计算技能;(5)非正式环境、短期干预和特定情境研究的普遍存在表明,关于长期进展、可扩展性和持续成果的证据有限。本综述通过绘制过去十年的实证研究图谱,并开发两种分析工具:学习目标的五簇框架和AI-STEAM教育中艺术整合的四簇框架,为新兴的AI-STEAM教育领域做出了贡献。综述最后提出了多层次综合,为该领域的设计、实施和未来发展确定了关键的教育和技术启示。
1. 引言

人工智能(AI)正在迅速改变当代社会、经济和日常生活。AI驱动的技术日益塑造人们的沟通、学习、工作和解决问题的方式。在此背景下,AI素养已成为21世纪的关键教育能力。AI素养被广泛概念化为一个多维结构,涵盖理解、使用、评估和负责任地参与AI技术所需的知识、技能和批判性意识。AI素养与技术素养、一般AI素养、生成式AI素养、伦理与社会AI素养以及认知或元认知AI素养等类别相关。尤其伦理和社会AI素养应被视为AI素养的核心组成部分。STEAM教育作为一个跨学科教学框架受到关注,而AI素养在STEAM教育中的整合对于培养创新和创造力至关重要。本综述将“AI-STEAM”定义为应用于STEAM教育中以提升教学与学习质量的AI技术。AI技术在AI-STEAM教育中可扮演学习工具、学习对象或创意媒介等不同教学角色。本综述旨在考察2015年至2025年间AI-STEAM教育的实证案例,分析教学特点、方法论方法、AI技术、学习体验以及所整合的艺术学科,并讨论其对实践和研究的启示。本综述的四个主要贡献包括:系统综合实证研究、学习目标的五簇框架、艺术整合的四簇框架以及多层次综合解释。综述区分了STEAM教育中的AI素养与AI应用的普遍使用,仅纳入那些AI相关干预、活动或环境有助于学习者或教师理解、使用、评估、设计或批判性反思AI技术的研究。

2. 背景与依据

随着对AI教育兴趣的增长,研究者已考察了不同教育环境中AI相关学习的实施。已有文献综述探讨了AI教育和STEAM的不同方面,例如Ng等人对49项研究的内容分析、Su等人对21篇文章的分析、Sanusi等人对机器学习教学的综述以及Leavy等人对新兴技术在STEAM教育中应用的分析。然而,以往综述存在局限性:主要关注特定教育阶段的AI教育或机器学习教学;集中于技术或教学维度而未系统探索AI学习与学习体验、艺术整合、跨学科学习或更广泛STEAM教育背景的联系;对AI-STEAM教育中各要素间关系探讨不全面;可能包含质量参差不齐的会议论文;未全面分析生成式AI等新兴领域。鉴于AI技术尤其是生成式AI自2022年底以来的快速增长,有必要进行系统综述,考察AI素养如何在各教育背景下整合到STEAM教育中。

3. 研究问题

本综述旨在系统回顾2015至2025年间AI-STEAM教育的实证研究,并考察教育方法、方法论特征、AI技术、学习体验和艺术学科。总研究问题为:过去十年全球范围内AI素养如何与STEAM教育整合?具体包括四个子问题:RQ1:在STEAM教育中采用哪些教育方法和学习目标来发展AI素养?RQ2:在STEAM教育背景下使用了哪些方法论方法来研究AI素养?RQ3:哪些类型的AI技术和学习体验被用于支持STEAM教育中AI素养的发展?RQ4:艺术学科如何整合到AI-STEAM教育中?

4. 材料与方法

本综述遵循PRISMA指南,分四个阶段:数据收集、数据选择、数据提取和数据综合。数据收集于2025年10月下旬在Web of Science、Springer数据库和Scopus进行,使用布尔逻辑关键词。初步检索获得1390篇Scopus、1153篇Springer和180篇WOS出版物。检索策略旨在平衡敏感性和特异性,使用“人工智能”和“机器学习”与教育相关术语及“STEAM”组合,后续筛选和滚雪球捕获术语变化。数据选择分两个阶段:初步筛选根据基本纳入标准,去除重复和非期刊记录后进行标题和摘要筛选,全文评估后排除不符合标准的研究。纳入标准要求AI有意义地整合以支持AI素养相关能力的发展,而非仅作为背景教学技术。通过滚雪球方法补充了4篇论文,最终纳入32篇。数据提取和综合采用内容分析法,编码方案包括教育方法类型、方法论方法类型、AI技术和艺术学科等。32篇文章由三位编码者编码,计算Cohen's kappa为0.88,信度满意。

5. 结果

5.1 人口统计学特征

按年份分布,期刊发表数量逐年增加,尤其在2022-2023年后。2024年至2025年10月间发表了20篇。台湾和中国发表的论文数量显著高于其他国家。发表期刊涵盖教育与STEM、计算机科学与教育、教育与AI、机器人与AI等多学科领域。

5.2 RQ1:在STEAM教育中使用哪些教育方法和学习目标来发展AI素养?

5.2.1 学习类型

学习发生在正式、非正式和非正式环境中。21项研究(66%)报告了非正式教育,主要如课后项目、工作坊和实验设置。10项研究(31%)报告了正式教育。一项研究结合了非正式和正式教育。

5.2.2 学习情境

教育水平方面,最大比例的研究关注初等教育(34%,11项),针对6-12岁学习者。其次是中等教育(28%,9项),高等教育(25%,8项),以及所有教育水平(13%,4项)。课程类型方面,14项研究专注于AI-STEAM核心学习,18项研究将AI-STEAM嵌入更广泛的跨学科或主题议程。

5.2.3 学习目标

学习目标被归纳为五个主题簇:基础AI与计算知识学习、创意与艺术学习、AI的社会伦理与公民维度、教师专业发展与课程设计、创新问题解决与现实世界应用。这些簇展示了AI-STEAM教育超越学科界限,结合技术素养、创造力、伦理推理和应用问题解决。

5.3 RQ2:在STEAM教育背景下使用哪些方法论方法来研究AI素养?

19项研究(60%)采用混合方法设计,10项(31%)采用定量方法,3项(9%)采用定性方法。混合方法设计最为主流,结合了定性和定量技术以捕捉AI-STEAM学习的可测量影响和细微过程。定量方法常用调查、前后测和表现评估。定性方法采用访谈、焦点小组、课堂观察和文档分析。

5.3.1 教育对象

18项研究聚焦学生,8项聚焦教师,4项同时涉及学生和教师。

5.3.2 教学策略

最常见的策略是混合教学策略,即讲座与更主动的学习方法结合。10项研究将讲座与项目式学习结合,3项结合问题式学习,2项结合游戏式学习,1项结合结构化讨论。项目式学习(2项)、问题式学习(4项)、游戏式学习(4项)和协作学习(2项)也常被使用。

5.4 RQ3:哪些类型的AI技术和学习体验被用于支持STEAM教育中AI素养的发展?

5.4.1 AI应用

AI应用分为四类:通用AI学习(15项)、教育机器人(7项)、智能辅导系统(7项)和学生行为检测(3项)。通用AI学习涉及自适应反馈、个性化指导或交互式问题解决环境。教育机器人作为有形、具身的工具帮助理解AI概念。智能辅导系统提供结构化自适应教学。学生行为检测使用机器学习监控参与度、情绪状态或任务表现。

5.4.2 学习体验

学习体验分为四类:使用AI识别制品(11项)、学习AI工作原理(11项)、学习AI工具(4项)和学会与AI共存(6项)。这些体验旨在让学生熟悉AI概念和技术,包括理解AI应用、工作原理、使用工具以及批判性评估AI对社会的影响。

5.5 RQ4:艺术学科如何整合到AI-STEAM教育中?

艺术学科分为四类:通用艺术基础学习(16项)、视觉艺术(9项)、表演艺术(4项)和三维与多媒体设计(3项)。通用艺术基础学习广泛整合艺术,不指定单一学科。视觉艺术包括绘画、插画、摄影和生成图像创作。表演艺术包括舞蹈、戏剧、音乐和具身互动。三维与多媒体设计包括3D建模、动画、数字制造和多媒体制作。此外,开发了编码框架区分艺术的四种角色:情境性、创造性/设计导向、教学性和解释性/批判性。研究还发现,许多研究使用STEAM术语但未确定可识别的艺术实践,且多数研究未将艺术作为评估重点。

6. 讨论与启示

6.1 关于RQ1教育方法的讨论

AI素养越来越多地通过跨学科、以学习者为中心和体验式教学法发展。非正式教育环境占主导,表明AI-STEAM教育仍处于创新和探索性环境中。学习目标超越了技术知识获取,包含计算思维、创造力、协作、沟通、创新和问题解决。五簇框架与既有AI素养框架一致,但STEAM情境凸显了创意艺术参与和教师课程设计能力两个维度。

6.2 关于RQ2方法论方法的讨论

混合方法设计占主导,反映了AI素养发展的复杂性。现有文献存在样本量小、干预期短、情境特定等局限。短周期干预占主导表明该领域仍处于早期发展阶段。

6.3 关于RQ3 AI技术和学习体验的讨论

AI技术生态系统多样化,包括机器学习平台、教育机器人、智能辅导系统、生成式AI应用和学习分析工具。生成式AI的快速出现值得关注。AI素养的各维度中,技术维度得到充分体现,而伦理和社会维度相对薄弱。生成式AI将学习者定位为与智能系统协作的共同创造者,需要新的教学框架。

6.4 关于RQ4艺术整合的讨论

艺术整合为连接AI学习与创造力、叙事、设计思维和具身学习提供了宝贵机会。然而,艺术常作为支持STEM或AI学习的机制而非评估焦点,反映了对艺术工具化的批评。伦理维度同样关注不足。

7. 教育与技术启示

生成式AI可扮演学习工具、学习对象和创意媒介等不同教学角色,需相应调整教学策略。教师专业发展应超越一次性技术培训,采用持续、实践导向和协作模式。技术设计应支持创造力、协作、批判性反思和人本学习。提出人本AI-STEAM设计框架,包括人类能动性、创造性赋能、协作互动、批判伦理参与、教学对齐与可及性五项原则。伦理教育应系统整合到AI-STEAM课程中。

研究局限性

本综述限于2015至2025年间英文期刊文章,排除了其他语言、会议论文等。滚雪球增量较低,表明数据库检索已覆盖大量文献,但新领域可能存在术语异质性。研究异质性限制直接比较。AI技术快速演进可能使部分新兴实践未充分体现。最终样本量较小且地理分布不均,限制普适性。

8. 结论与未来方向

AI素养已成为关键教育优先事项。本综述综合32项实证研究,表明AI-STEAM教育是发展超越技术知识的多种能力的跨学科框架。艺术整合和伦理维度需更加平衡。未来研究应关注纵向研究、多元文化背景、教师教育、伦理整合和生成式AI的影响。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号