《Computers and Education Open》：An experimental study exploring human–AI complementarity in early social-emotional learning
编辑推荐：
本研究针对因系统限制（如教师高负荷、培训负担重）导致许多儿童未能获得关键社会情感学习（SEL）支持的现状。研究人员通过控制实验，比较了教学对话代理（PCA）与人类教师在独立引导基于故事的SEL活动中的表现。结果揭示了双方的互补优势：PCA在维持尊重语气、提供程序性支持方面表现出色，而人类教师则在引导反思、促进社会情感知识等深度教学领域更胜一筹。这为利用GenAI弥补SEL支持缺口、实现人机互补教学提供了实证依据。
在许多儿童因教师工作繁重、培训负担等系统性问题而无法获得社会情感支持（SEL）的今天，教育者们一直在寻找可以规模化、个性化的解决方案。其中，生成式人工智能（GenAI）驱动的教学对话代理（PCA）——一种可以像老师一样与学生对话的AI虚拟角色，展现出巨大的潜力。人们设想，它们能成为不知疲倦的“数字助教”，提供一致、个性化的教学。然而，SEL的引导远比教授读写、算术等认知密集型学科更为复杂，它需要深刻的情感和关系协调。当前的AI是否真的具备这种能力？人类教师独有的共情、直觉和洞察力是否在SEL教学中拥有不可替代的优势？这两者是相互竞争还是可以优势互补，共同弥合SEL的缺口？这些问题尚未有实验研究给出明确答案。
为了填补这一研究空白，来自德国莱比锡大学人道发展研究中心（HumanKind）的研究团队 Doris Kristina Raave, Tyler Colasante, Eric Roldan Roa, Juan Carlos Ramos Martinez, Hongtao Li, Sayan Mukherjee, Tina Malti 开展了一项实验研究，旨在探索人机在早期社会情感学习领域的互补性。该研究发表于《Computers and Education Open》期刊。
为了探究这些问题，研究人员设计了一项控制比较实验。他们招募了18位拥有多元国际背景的早期教育工作者，并训练了一个名为PeACE的生成式AI教学对话代理（PCA）。研究中，人类教师和PCA需要分别独立引导一个虚构的AI学前儿童“Ali”完成三个基于故事的SEL活动，主题分别为亲社会行为、观点采择和健康的内疚诱导。研究采用了静态的AI儿童，以确保任何表现差异都可归因于引导者类型。所有对话均被记录，并由两位对引导者身份不知情的专家根据既定的评价标准进行编码分析。这些标准包括三类教学支持技术（认知概念支持、程序支持、情感支持）和六项更广泛的教学品质指标（改编自丹尼尔森教学框架，包括营造尊重与融洽的环境、建立学习文化等）。
研究结果揭示了PCA与人类教师在SEL引导上的显著差异与互补格局：
3.1. 教学支持技术的应用存在差异
分析结果显示，PCA与人类教师在应用不同类型教学支持技术时存在显著差异。人类教师总体上使用了更多的支持技术，尤其是在认知概念支持（如引导儿童理解复杂概念、促进高阶思维）方面，其使用频率显著高于PCA。而PCA则在程序支持（如提供清晰指令、任务分解和策略引导）方面略多于人类教师。当从支持技术使用的比例来看时，PCA明显更依赖于情感支持（如保持温暖、鼓励、验证情感）和程序支持，而人类教师则将其支持技术的重心极大地放在了认知概念支持上。
3.2. 更广泛的教学品质指标各有千秋
在更广泛的教学品质评估中，PCA与人类教师在所有六个指标上均表现出差异，并且呈现了有趣的模式：PCA在营造尊重与融洽的环境、与学生沟通、展现灵活性与响应性等与关系互动和即时响应相关的领域获得了更高评分。这体现了其能够稳定地维持尊重、温暖的语气，并做出礼貌、共情的回应。
相反，人类教师在建立学习文化、运用提问与讨论技巧、引导学生投入学习等与知识深度参与和智力挑战相关的领域得分更高。这表明他们更擅长通过开放性问题引导儿童进行反思，并促进其对SEL内容的深入理解和知识建构。
结论与讨论
本研究为理解人机在早期社会情感学习（SEL）中的互补性提供了首项直接的实证调查。研究揭示了明确的教学不对称性：PCA展现出“关怀但教学浅层”的特点，其在维持一致的情感基调、提供清晰程序性指导方面具有优势，能够为学习环境提供稳定的基础支持。然而，它较少运用需要深度认知参与的认知概念支持策略，其情感验证有时显得笼统，未能有效引导儿童将情绪体验与SEL知识进行深度链接。
相比之下，人类教师则呈现出“教学投入但不一致”的特点。他们卓越于引导围绕社会情感内容的深度推理和反思，能够将情感挑战转化为成长的机会，这是当前AI难以复制的独特价值。不过，他们在保持情感基调一致性、提供结构化程序支持方面存在自然的人类变异性，这可能影响部分学生对环境安全感和任务清晰度的感知。
这些发现强调了人机互补（Human-AI Complementarity）的潜力，而非简单的替代关系。一个可行的协作模式是：PCA作为可靠的“教学助手”，负责处理常规的程序性框架和基础的情感确认，为学习环境提供一致性和结构性保障；而人类教师则可以因此腾出精力，聚焦于其最擅长的领域——进行高阶的认知与情感引导，应对复杂的道德困境，并实施精细化的、情境敏感的脚手架支持。例如，系统可以配置为让PCA管理常规的结构化互动，并在检测到关键教学时刻（如儿童出现误解、面临价值冲突或情绪高涨时）暂停，提示教师介入进行深度引导后再继续。
该研究也存在一定局限，例如使用了静态AI儿童而非真实儿童，可能低估了人类教师在动态互动中的实际表现。未来研究需要在真实课堂环境中进行直接的人机共同引导（Co-facilitation）设计，以验证并优化这种互补协作模式的实践效果。总之，通过审慎的伦理考量与科学的实践探索，生成式AI（GenAI）辅助的SEL教学有望成为一种强有力的工具，帮助更多儿童获得必要的社会情感技能，以应对日益增长的心理健康挑战。
