类型a：学术研究报告

主要作者及机构
本文由Clara Nobile、Michela Ponticorvo、Davide Marocco和Onofrio Gigliotta共同完成，四位作者均来自意大利那不勒斯“费德里科二世”大学人文研究系（Department of Humanistic Studies, University of Naples “Federico II”）。该研究于2024年发表在IEEE国际会议论文集，会议名称为“Metrology for Extended Reality, Artificial Intelligence and Neural Engineering (MetroXRAINE)”，论文标题为《Teaching Embodied Artificial Intelligence to Children (TEACH E-AI 2C): An Educational Proposal for Young Learners》。

学术背景
该研究属于教育技术与人工智能（AI）交叉领域，重点关注如何向儿童及青少年普及具身人工智能（Embodied Artificial Intelligence, E-AI）知识。研究背景基于当前AI技术快速发展与社会认知滞后的矛盾：尽管AI已广泛应用于社会、经济和生活领域，但公众（尤其是青少年）对其基本原理的理解仍存在显著空白。为此，研究团队提出TEACH E-AI 2C项目，旨在通过4C/ID教学模型（四要素教学设计模型）和具身AI工具，为9-13岁学生设计个性化实践课程，弥合技术进展与教育脱节的问题。

研究流程与方法
1. 教学框架设计
- 采用4C/ID模型构建课程，包含四个核心要素：
- 支持性信息：通过文本、多媒体和视频向学生介绍E-AI基础概念（如人工神经网络、遗传算法、机器人学）。
- 学习任务：基于真实场景设计案例研究、迷你项目和问题解决任务。
- 程序性信息：为教师提供“操作指南”式步骤说明。
- 分任务练习：通过TEACH E-AI 2C机器人农场（Robotic Farm）软件进行实践。
- 开发学习单元（Learning Units, LU），内容涵盖生物学、进化论等跨学科知识，并嵌入超链接、游戏化活动和音频辅助材料以增强可及性。

1. 技术平台开发

   • 软件设计：开发基于Thymio和AlphaAI机器人的硬件-软件集成平台。核心功能包括：
     
     • 虚拟机器人种群模拟：用户可通过图形界面选择“适应度最佳”的机器人，通过克隆和突变生成新一代。
       
     • 神经网络迁移：将虚拟机器人的控制神经网络上传至实体Thymio机器人，观察其物理环境中的行为。
       
   • 算法实现：采用遗传算法和进化机器人技术，机器人控制基于感知器（Perceptron）神经网络，输入层包含红外传感器神经元和偏置神经元，输出层控制电机行为（前进、左转、右转）。
     

2. 教学实施与评估

   • 试验对象：3个班级共约60名学生（9岁、11岁、13岁各20人），分3次课程（每次2小时）在实验室完成。
     
   • 活动设计：
     
     • 理论学习：通过LU学习E-AI概念。
       
     • 实践环节：分组使用软件“培育”虚拟机器人，并将神经网络植入实体机器人进行行为竞赛。
       
   • 评估方法：
     
     • 知识测试：前测与后测问卷（Kahoot!Quiz）。
       
     • 态度测量：采用GAAS（General Attitudes towards AI Scale）、ATAI（Attitude towards AI Scale）和AIAS（AI Anxiety Scale）量表。
       
     • 用户体验：通过SUS（System Usability Scale）、NASA-TLX（任务负荷指数）和UEQ-S（用户体验问卷）评估软件易用性。
       
     • 质性访谈：抽取3名学生和3名教师进行半结构化访谈。
       

主要结果
1. 教学材料适应性：学习单元通过多模态内容（文本、音频、游戏）覆盖不同年龄段学生的认知水平，但需调整生物学相关内容的深度以匹配低龄学生背景。
2. 技术平台有效性：机器人农场软件成功实现虚拟-实体交互，学生能够通过人工选择与突变机制理解进化算法。硬件成本（如Thymio机器人）被验证为可扩展的解决方案。
3. 学习效果：初步数据显示，实践环节显著提升学生对E-AI原理的理解，且竞赛形式增强了参与动机。态度量表结果提示，课程可能缓解学生对AI的焦虑情绪。

结论与价值
1. 科学价值：提出首个基于4C/ID模型的E-AI教育框架，验证了具身交互在AI启蒙教育中的可行性。
2. 应用价值：为中小学AI课程开发提供标准化模板，并开源软件工具以降低实施门槛。
3. 社会意义：通过早期教育培养批判性AI思维，助力未来社会对技术的理性认知。

研究亮点
- 方法论创新：将进化机器人技术与4C/ID模型结合，实现“学中做”的教育理念。
- 技术原创性：自主开发机器人农场平台，支持虚拟-实体无缝迁移。
- 跨学科整合：融合认知科学（具身认知理论）、教育学和计算机科学。

其他有价值内容
研究团队提出未来方向：扩展课程至更多学段，并开发教师培训模块以提升规模化应用潜力。