《Journal of Intelligence》：Auditory Statistical Learning Deficits in Children with Autism Spectrum Disorder: A Comparison of Visual and Auditory Segmentation Paradigms
培养情绪能力已被确定为儿童和青少年时期个人幸福、学校共处和有意义学习的关键组成部分。本研究旨在绘制并分类2019年至2024年间关于将人工智能（AI）技术与算法应用于学龄人群情绪教育的定量科学证据。本范围综述遵循PRISMA范围综述扩展版（PRISMA-ScR），检索了七个数据库（Web of Science、Scopus、PubMed、PsycNet、ERIC、IEEE Xplore和ACM数字图书馆）。所纳入的研究发表于2019年至2024年之间。最终有18项研究符合纳入标准。结果表明，训练最多的能力是基于卷积神经网络（CNN）的机器情绪识别。使用这些模型的目标是为教师提供支持，特别是在学生能力的初步或诊断性评估期间。然而，将其整合到复杂人类技能（如共情）的教学与训练中仍存在空白。需要更多的纵向研究，以及超越基本情绪模型的更稳健的实验设计。
1. Introduction
本文献综述旨在系统梳理2019至2024年间人工智能（AI）在学龄人群情绪教育中的定量研究，并依据Bisquerra Alzina的情绪教育模型，从情绪觉察、表达、调节与共情四个领域对证据进行分类。AI技术，包括机器学习（ML）和深度学习（DL），已用于通过面部表情、语音特征、生理信号和文本等数据识别或预测情感状态。然而，现有研究多集中于机器端的情绪识别，缺乏对学生情绪能力发展的直接证据。本综述通过三个维度分析：人口与背景特征、概念映射与情绪证据、技术架构与教育功能，以区分机器计算过程、人类情感变量及教育应用之间的差异。
2. Materials and Methods
本综述遵循PRISMA范围综述扩展版（PRISMA-ScR）进行，方案已在INPLASY注册（注册号：INPLASY2025100064）。检索覆盖Web of Science、Scopus、PubMed、PsycNet、ERIC、ACM数字图书馆和IEEE Xplore七个数据库，检索时间限定为2019至2024年。纳入标准包括量化实证研究、受试者年龄不超过17岁、使用AI技术干预或评估情绪能力，且发表于同行评议期刊。排除非教育情境、非实证研究以及临床或非典型发展人群的研究。最终共纳入18项研究，其中17项来自数据库检索，1项来自引文追溯。筛选过程采用双人独立盲审，并通过Rayyan平台记录决策，一致性检验显示百分比一致性为89%（Fleiss's kappa = 0.32，PABAK = 0.79，Gwet's AC1 = 0.87），表明评审间信度良好。
2.1. Search Strategy
检索策略由四组术语块构成，均以AND连接：AI相关术语（artificial intelligence, machine learning, deep learning, AI techniques, AI）、情绪相关术语（emotion*, affective computing, simulation, empathy）、技术相关术语（serious games, technology, virtual reality, VR, biofeedback, neurofeedback, avatar）以及儿童青少年人群限制（child*, preschool, teenager*, adolescent*, kid*）。除主要数据库外，还对补充数据库应用了可重复的检索式（见表S1）。检索词以UNESCO叙词表为主要来源，对于无法匹配的术语保留原始关键词。
2.2. Inclusion/Exclusion Criteria
依据PRISMA-ScR推荐的人群-概念-情境（PCC）框架制定资格标准。纳入标准包括：量化实证研究、2019至2024年间发表、样本为17岁及以下的典型发育儿童青少年、使用AI技术处理情绪能力（如情感计算、情绪识别、生理反馈、虚拟现实等）、以英文发表。排除非教育研究、非实证文献（综述、理论文章、社论）以及临床或非典型人群研究。
2.3. Search and Selection Process
通过数据库检索共获得3731条记录（WoS：790，Scopus：188，PubMed：279，PsycNet：212，ERIC：9，ACM DL：2253，IEEE：0），去除重复记录后剩余3298条。经过标题/摘要筛选，排除3256条，剩余42篇全文评估。全文阅读后排除25篇，最终数据库纳入17项研究。此外，使用引文追溯工具（citation chaser）对17项研究的DOI进行引文检索，识别出1664条记录，其中1篇符合纳入标准。故最终综述包括18项研究。PRISMA流程图详见图1（见原文）。
2.4. Inter-Rater Reliability
评审员在标题/摘要阶段的独立一致性为89%，Fleiss's kappa为0.32（95% CI: 0.27–0.37），该值较低可能因纳入率低（约8.6%）和评审员学科背景差异所致。采用对患病率稳健的指标后，PABAK为0.79，Gwet's AC1为0.87，表明一致性接近完全可靠。分歧通过共识解决，残余争议由资深研究员裁定。
2.5. Strategy for Data Synthesis
使用预先试用的标准化数据提取表，收集纳入研究的基本信息（作者、国家、年份）、样本特征（规模、年龄、类型）、实验设置（工具、教育环境、报告结果）以及主要发现。这些信息汇总于表1（见原文），用于后续的分组和比较分析。
2.6. Units of Analysis and Counting Rules
以研究为单位（N=18），每个百分比均标明分母。对于互斥类别（训练焦点、分析目的、AI技术、预期用户、有效性评估），百分比基于18项研究计算，总和为100%。对于非互斥类别，以“编码单元”而非“研究”为单位，例如21个能力实例（3项研究各涉及两个领域）、24个能力-学段计数（2项研究横跨两个发展阶段）和26个干预赋值（8项研究各报告两种干预类型）。
3. Results
结果按三个维度呈现。
3.1. Geographical Distribution
18项研究分布于9个国家：中国7项（38.9%），印度、葡萄牙和韩国各2项（11.1%），卡塔尔、美国、西班牙、法国和俄罗斯各1项（5.6%）。研究集中在亚洲（12项，66.7%）和欧洲（5项，27.8%），北美洲1项（5.6%）。所有研究均来自北半球国家，未发现来自南美洲、非洲或大洋洲的研究。该分布反映了检索结果，而非地理限制。
3.2. Sample and Participants
纳入研究的样本量范围广泛，人类参与者样本从6到1328人不等，非人类单元（如绘画、图像、视频帧）从81到291,651不等。10项研究（55.6%）报告人类参与者，6项（33.3%）使用非人类单元，2项（11.1%）未报告样本量。按年龄阶段，儿童研究最多（11项，61.1%），其次为青少年（6项，33.3%）和学龄前儿童（3项，16.7%）。两项研究跨越多个年龄段（Kory-Westlund & Breazeal, 2019; Xie et al., 2022）。四项研究未具体说明儿童年龄。
在情绪能力编码中，四个领域共被编码21次（因一项研究可能涉及多个能力）。情绪识别占17次（81.0%），出现在17项研究中（94.4%）；情绪调节占3次（14.3%），涉及3项研究（16.7%）；共情仅1次（4.8%），涉及1项研究（5.6%）。没有研究涉及情绪表达（0%）。分类不互斥，例如Han等（2021）和Veiga Sim?o等（2021）同时涉及识别与调节，Xie等（2022）同时涉及调节与共情。
根据训练焦点，14项研究（77.8%）属于“机器训练”，即教AI识别情绪；4项研究（22.2%）属于“人类训练”（Calvo-Barajas等，2021；Han等，2021；Kory-Westlund & Breazeal，2019；Veiga Sim?o等，2021）。在有效性方面，16项研究（88.9%）报告了积极效果，但只有4项（22.2%）报告了效应量或统计功效。
在分析目的方面，情绪分类最常见（10项，55.6%），随后是投入度预测（3项，16.7%）、心理社会风险分类（2项，11.1%）、压力分类（1项，5.6%）、青少年社会适应性预测（1项，5.6%）和智能辅导系统实施（1项，5.6%）。技术方面，卷积神经网络（CNN）使用最多（11项，61.1%），主要用于图像和视频的情绪分类；经典机器学习模型（树模型、支持向量机（SVM）、线性/自然语言处理（NLP）模型）用于5项研究（27.8%）；基于Transformer的深度学习架构用于1项（5.6%）；智能辅导系统（1项，5.6%）采用人工情绪编码。
按发展水平分析，学龄前仅有情绪识别（3/24，12.5%）；小学阶段情绪识别最多（6/24，25.0%），情绪调节和共情各1项（4.2%）；中学阶段情绪识别仍最常见（5/24，20.8%），情绪调节3项（12.5%），共情1项（4.2%）。另外4项研究未指明年龄。所有研究中均无情绪表达。
关于教育功能，教师支持类占多数（12项，66.7%），通过视觉或多模态信号提供课堂情绪反馈、差异化教学或预警；学生自主学习和支持类占5项（27.8%），包括社交机器人、智能辅导系统和游戏化应用；同时支持教师和学生的混合系统仅1项（5.6%），结合CNN和可解释人工智能（XAI）。干预类型上，初始评估最多（14/26，53.8%），个性化反馈7项（26.9%），特定情绪能力训练仅2项（7.7%），家长支持与跨学科合作3项（11.5%）。
3.3. Effectiveness of Tools (Human–Machine)
工具的技术性能普遍较高：Rathod等（2022）报告儿童情绪检测准确率达90.98%，Kim等（2021）通过声音和心率数据识别压力状态准确率达88.53%，Xu等（2024）使用有序强度估计方法对情绪刺激的表情反应检测准确率达95.56%。这些结果反映了模型的算法精度，但不等于学生情绪能力的变化。
3.4. Effectiveness on Training People
仅两项研究（Han等，2021；Veiga Sim?o等，2021）主动训练情绪能力（如情绪调节），而非仅检测情绪。Han等发现可教学式代理智能辅导系统（Betty's Brain）能促进学生有效的情绪调节策略；Veiga Sim?o等基于自我调节策略的移动应用减少了青少年的攻击性在线交流。其余研究大多限于监测或分类，且只有22.2%的研究报告了效应量或实际显著性指标。
4. Discussion
本综述表明，自动情绪识别（AER）在教育领域日益重要，且研究多集中于可模式化的能力（如情绪识别），而人类干预则更关注复杂能力（如调节和共情）。CNN是最常用的技术，因其能处理高维数据（图像、视频、语音），但基于Transformer和强化学习（如Q-learning）的应用较少。教育功能上，AI工具主要作为教师支持工具用于初步评估（53.8%），而非直接促进学生自主学习。尽管技术精度高，但普遍缺乏统计功效，影响了结果的泛化性。
4.1. Theoretical Implications
需要区分机器的计算功能（检测、分类、预测）与人类内在心理构念及情感行为。现有研究多从计算机科学视角出发，忽视情绪教育的教学价值。此外，工具设计呈现发展模式，优先在儿童期训练情绪识别，在青少年期侧重情绪调节，但未涵盖全部能力领域（如情绪表达未被涉及）。这与Bisquerra模型和联合国教科文组织（UNESCO）倡导的渐进、整体发展观存在差距。
4.2. Practical Implications
教育机构可基于CNN系统进行学生投入度的自动诊断评估，帮助管理个体差异并设计更包容的课堂。多模态信号处理软件能够产生风险预警，支持及时干预。界面和交互设计应匹配学生的发展阶段和文化差异，以全面培养情绪能力。
4.3. Limitations and Future Research
证据全部来自北半球（以中国为主），存在地理偏差；多模态数据中生理传感器（皮肤电导、心率）使用不足，缺乏神经影像数据（fMRI、EEG、fNIRS）。此外，大多数研究将AI作为教师支持工具，缺乏师生双向交互的混合系统。方法学上，样本量小、缺乏控制组、缺少纵向研究，导致内部效度受限。未来需增加纵向追踪、混合方法研究，并整合神经科学数据，以探讨AI干预的长期效果。
5. Conclusions
人工智能在情绪教育领域技术成熟，但整合程度仍处于萌芽阶段。算法在情绪分类方面精度高（尤其是CNN和SVM），但主要服务于机器识别，情绪调节和复杂社会互动仍处于次要位置。本综述发现，AI主要作为教师诊断支持工具，缺少能够加强师生互动的混合系统，共情是最少被关注的领域。主要局限包括地理偏差、生理和神经影像数据稀缺、方法学严谨性不足以及普遍缺乏纵向设计。未来研究应超越基本情绪模型和简单维度，整合综合理论框架，并推动纵向研究，以评估能力迁移的实际效果。只有将深度学习的潜力与典型发展人群复杂的社会情感需求相结合，才能设计出不仅识别情绪、而且增强学生自主性和幸福感的教育工具。
