REALM：一种基于相关性驱动的分层协议，用于促进STEM教育中的人类与人工智能的合作 [《人工智能在教育中的应用：信号处理视角》特刊]

《IEEE Transactions on Signal and Power Integrity》：REALM: A relevance-driven layered protocol for human–AI collaboration in STEM education [Special Issue on Artificial Intelligence for Education: A Signal Processing Perspective]

如何保持STEM教育中的人类相关性在生成式人工智能快速发展的时代，提出基于人机协同信号处理系统框架。通过整合系统理论、教育模型和实时反馈机制，构建REALM模型以弥合认知鸿沟，促进个性化学习与协作创新。

　　

摘要：

现代科学、技术、工程和数学（STEM）教育面临着一个日益严峻的挑战：在生成式人工智能（GenAI）迅速发展的时代，如何保持人类的相关性[1]、[2]、[3]。2024年的诺贝尔物理学奖和化学奖授予了与人工智能相关的发现，这凸显了科学知识生产方式的转变。GenAI系统[1]、[2]不仅能够检索知识，还能跨学科合成知识，其速度往往超过专家的推理能力。这导致了一个“认知鸿沟”：GenAI的概率知识空间与学习者和教师有限的认知能力之间的差距不断扩大。我们提出将STEM教育重新概念化为一个“人类参与其中”的（HITL）信号处理系统，在这个系统中，所有利益相关者——包括教师、学生、GenAI和政策制定者——都作为适应性强的协作学习者共同发展；他们实时交换、调整和过滤学习信号（如自适应提示、反馈和项目成果）。借鉴系统理论[4]、[5]，我们将这些互动视为可组合的、受伦理规范指导的操作，以此来促进认知能力的提升，而不是抵制AI的随机推理。通过明确利益相关者的角色，并使流程与人类的自主性保持一致，这个认知鸿沟可以成为实现个性化掌握和合作的渠道。我们提出了“相关性增强型自适应分层模型”（REALM），该模型不仅为基于GenAI的STEM教育建立了一个新的、自成一体的框架，还将包括客观主义[6]、建构主义、协作主义和社会文化主义在内的基础教育模型统一起来并加以发展，通过将经典学习理论映射到一个以相关性、适应性和成长为核心的闭环、可解释的生态系统中。

现代科学、技术、工程和数学（STEM）教育面临着一个日益严峻的挑战：在生成式人工智能（GenAI）迅速发展的时代，如何保持人类的相关性[1]、[2]、[3]。2024年的诺贝尔物理学奖和化学奖授予了与人工智能相关的发现，这凸显了科学知识生产方式的转变。GenAI系统[1]、[2]不仅能够检索知识，还能跨学科合成知识，其速度往往超过专家的推理能力。这导致了一个“认知鸿沟”：GenAI的概率知识空间与学习者和教师有限的认知能力之间的差距不断扩大。我们提出将STEM教育重新概念化为一个“人类参与其中”的（HITL）信号处理系统，在这个系统中，所有利益相关者——包括教师、学生、GenAI和政策制定者——都作为适应性强的协作学习者共同发展；他们实时交换、调整和过滤学习信号（如自适应提示、反馈和项目成果）。借鉴系统理论[4]、[5]，我们将这些互动视为可组合的、受伦理规范指导的操作，以此来促进认知能力的提升，而不是抵制AI的随机推理。通过明确利益相关者的角色，并使流程与人类的自主性保持一致，这个认知鸿沟可以成为实现个性化掌握和合作的渠道。我们提出了“相关性增强型自适应分层模型”（REALM），该模型不仅为基于GenAI的STEM教育建立了一个新的、自成一体的框架，还将包括客观主义[6]、建构主义、协作主义和社会文化主义在内的基础教育模型统一起来并加以发展，通过将经典学习理论映射到一个以相关性、适应性和成长为核心的闭环、可解释的生态系统中。