查看原文
其他

近十年国际K-12领域机器人教育研究 最新进展及启示

龚礼林 等 中国远程教育杂志社 2021-09-15

点击蓝字关注我们

精选学术内容,让阅读更有价值

【刊载信息】龚礼林,赵蔚,刘阳,王彦宇.2020..近十年国际K-12领域机器人教育研究最新进展及启示——基于系统性文献综述法[J].中国远程教育(3):25-34.


【摘要】 为厘清国际近十年(2010—2019年)K-12领域机器人教育研究的最新进展,本研究采用系统性文献综述法,选取Web of Science、ScienceDirect、ERIC、Wiley数据库的19篇高质量实证研究论文进行统计分析,发现目前机器人教育主要面对小学生开展小样本、短周期的研究,研究多采用实验与准实验设计,结合问卷调查、测试、访谈、观察等多种方法从多角度分析数据,基于此得出以下结论:STEM领域是国际机器人教育实证研究的热门主题,英语、地理、阅读等非STEM领域逐渐受到重视;机器人在促进学生学业课程表现、提高元认知和人际交往能力方面具有积极促进作用,而在改善STEM态度、培养STEM动机与兴趣方面仍需进一步研究证实;机器人教育研究的复杂性、新兴技术的接受度和易用性以及机器人课程与师资培训等是现存的问题。最后,探讨了研究对机器人教学实践和科学研究带来的启示,以期促进我国机器人教育的发展。


【关键词】机器人教育;STEM;实证研究;系统性文献综述;教学实践;科学研究



一、

研究背景


新兴教育技术的更迭促进教育的变革。21世纪以来,随着信息科学的迅猛发展,网络学习、移动学习等无缝式学习环境、大数据、云计算与人工智能等技术已然颠覆了传统学习方式。近年来,随着世界各国大力发展人工智能,机器人教育逐渐受到广泛关注。美国、日本、欧洲等均制定了人工智能与机器人发展战略规划,极大地促进了机器人教育领域的研究。日本机器人协会、联合国经济委员会以及国际机器人联合会的研究表明,未来几十年机器人教育将有巨大的市场(Benitti, 2012)。


2017年7月我国国务院颁布的《新一代人工智能发展规划》和2018年1月教育部颁布的《普通高中课程方案和语文等学科课程标准(2017年版)》分别从宏观规划和具体课程实施方面对人工智能和机器人教育的发展提供了指导(吴永和, 等, 2018),以上文件的颁布展示了我国对机器人教育的重视。然而,我国中小学机器人教育尚处于起步阶段,存在建设条件、经验积累以及代际传承不够等诸多问题(钟柏昌, 2016)。国际研究表明,机器人具有丰富的教育价值,在促进学生参与科学、技术、工程和数学(STEM)领域,培养动手创造能力、问题解决能力等方面具有非常大的潜力。因此,梳理国际研究进展、借鉴国际研究方法可以为我国机器人教育研究带来启示,促进我国机器人教育研究的发展。


在现有的机器人教育综述文献中,周进等(2018)采用CiteSpace工具对国际机器人教育进行梳理,挖掘国际研究前沿与热点主题。然而,这一方法仅在表层对文献进行梳理,无法针对研究的详细内容与过程进行系统描述、归类和分析。国际上,贝内蒂(Benitti, 2012)采用系统文献综述法对2000年至2009年十年间的机器人在K-12领域的应用进行了梳理,结果表明多数研究(90%)采用LEGO机器人进行STEM相关领域的实践,且研究对象多为5至10年级学生,缺乏11至12年级样本的研究,最后作者指出机器人作为教学工具在K-12领域具有巨大的潜力,建议未来研究采用实验或准实验研究设计,关注机器人作为教学工具对思维能力、问题解决能力等提升的研究。钟(Xia & Zhong, 2018)等对22篇教育机器人学科知识的SSCI来源期刊文献,从样本数量、持续时间、机器人类型、学科知识、测量工具、主要发现和教学建议等方面进行梳理,并从教学环境、教学设计、教学方法以及教学支持方面对机器人教育提出建议,指出未来应进行更严谨的机器人教学干预研究。那么国际机器人教育在K-12领域研究的最新进展如何?为了回答这个问题,本文采用系统性文献综述法对国际近十年机器人在K-12领域的实证研究文献进行梳理与分析。


二、

研究设计

(一)研究方法

采用系统性文献综述法开展研究。系统性文献综述法起源于医药学领域的元分析思想,现已成为一种广泛使用的研究方法。20世纪80年代,考科蓝协作组织和坎贝尔协作组织基于医药学领域元分析的循证实践思想,建立系统性文献综述的国际协作平台,并制定了相应的标准,带动了系统性文献综述法的兴起(游景如, 等, 2017)。系统性文献综述法在教育领域的兴起则始于21世纪,其方法的科学性被研究者所肯定,认为无论是填补教育研究的空白,还是指导教育研究资金的分配,系统性文献综述法都是极好的研究方法。随着英国药物研究所制定了执行系统性文献综述的21条标准,研究者开发出不同的系统性文献综述评价工具,如迪肯佩(Diekemper, 2015)开发的文档和评估审查工具(DART)。至此,系统性文献综述法从只限于医药领域拓展到各个不同的领域。


系统性文献综述法克服了传统文献综述的主观和偏见,是借助互联网,利用不同数据库和多种检索与分析技术,全面而准确地掌握某一专题研究进展,并得出和检验研究结论的标准化文献研究方法。与传统综述法不同,系统性文献综述法的实质是一种具有知识创新功能的综合性研究方法。它需要研究者带着具体的研究目的,基于研究问题制定文献的纳入和排除标准,采用标准化技术对所选文献资料进行数据抽取和整合,得出研究问题的答案或者产生新的理论(游景如, 等, 2017)。在教育领域,系统性文献综述法主要包含以下六个步骤:计划、检索文献、评估文献、抽取数据资料、整合数据和撰写综述(黄甫全, 等, 2017)。


(二)研究问题

本文旨在通过梳理文献探究国际机器人教育在K-12领域研究的最新进展,具体问题包括:在K-12领域中,主要通过机器人教授什么课程?机器人教育能否促进学生学习?在哪些方面以及如何促进学生学习?机器人教育存在哪些问题?


(三)样本选取

为了有效获取国际近十年K-12机器人教育的高质量实证研究文献,在Web of Science、ScienceDirect、Wiley和ERIC四个主要的教育文献数据库中,以字符串“(robot OR lego)AND(teach* OR learn* OR education*)AND(k-12 OR school)”在摘要中检索,文献类型为期刊文章,时间设定为2010年1月至2019年4月,共获得306篇文献。


根据研究目的,通过以下四个筛选条件对初步获取的文献进行精选:①研究情景必须是K-12领域(幼儿园、小学、初中、高中),排除学院、大学、特殊教育等研究情境;②必须是实证研究,包含定量、定性或混合方法等实证研究,排除综述、理论性探讨等文章;③文章中机器人必须是实体机器人,且必须作为一种教学工具、方法、情境等辅助教学的开展,排除虚拟机器人以及学习机器人课程等文章;④文章是来自同行评审的期刊文章,排除会议、报告等文章。


根据以上筛选条件阅读标题和摘要,符合条件的文章共40篇。根据筛选条件对40篇文章进行全文通读,确定最终符合条件的文章19篇。其中,Web of Science 6篇,ScienceDirect 2篇,Wiley 7篇,ERIC 4篇。表1展示19篇文章的关键信息。

 

表1 文章关键信息描述

注:SD=ScienceDirect,WoS=Web of Science。


三、

研究结果


 本研究旨在通过系统性文献综述法梳理出近十年国际机器人教育在K-12领域的最新研究进展,为更清晰系统地回答研究问题,下面将从研究主题、研究情境、研究方法、研究结果四个方面呈现结果。


(一)研究主题

将研究主题分为STEM相关和STEM无关主题,对19篇文献中机器人教育涉及的主题进行统计分析(见表2)。一项研究可能对多个主题进行研究,如数学和科学、STEM融合等,因此个案百分比更能体现某一主题在整体中的研究情况。由表2可知,近十年国际K-12领域机器人教育主要围绕STEM相关领域展开(78.95%),其中大部分研究采用机器人辅助教授科学概念、编程以及数学知识。如威廉姆斯等(Williams, Igel, & Poveda, 2012)基于LEGO Mindstorms机器人进行科学和数学活动的设计。魏等(Wei, Huang, Lee, & Chen, 2011)通过将使用LEGO Mindstorms NXT机器人、传感器、移动电子设备、移动展示设备、无线网络等组成的快乐课程学习系统与传统使用黑板开展小学数学教学进行对比实验。此外,如何使用机器人提升阅读能力(Kory, et al., 2017)、归纳推理能力(Resing, Bakker, Elliott, & Vogelaar, 2019)、书写技能(Shire, Hill, & Snappchilds, 2016)等也引起了研究者的兴趣。如洪(Hong, Huang, Hsu, & Shen, 2016)等使用Bioloid机器人进行小学英语的教学,结果表明与传统课堂相比,机器人课堂上的学生在动机、注意力、信心、教材的接受度、学习过程的满意度和语言能力方面都有较好的提高。然而,这部分研究(36.83%)相较于STEM领域的研究(78.95%)仍然较少,反映了当下机器人教育在研究领域的局限性,将机器人融入非STEM领域教育的研究将是未来的趋势。

 

表2 机器人教育研究主题(N=19)


(二)研究情境

1. 样本类别

19篇文献均报告了样本所属类别,其中有4篇文章的研究涉及跨阶段研究,即幼儿园、小学、初中和高中的多个阶段,各阶段样本分布如图1(a)所示。可知,小学是机器人教育研究最多的阶段,19篇文章中有12篇的研究是在小学进行(52.17%),其次是高中(5篇或21.74%)和初中(4篇或17.39%),最后是幼儿园(2篇或8.7%)。


2. 样本数量

19篇文献均报告了样本数量,其分布如图1(b)所示。可知,60人以下的研究有11篇,占总数的57.89%,而样本大于90人的研究只占36.84%,反映出目前机器人教育研究主要针对较小样本。然而,依然有两篇文章报告了大于300个样本的研究调查,卡斯特罗等(Castro, Cecchi, Valente, Buselli, Salvini, & Dario, 2018)对389名小学生和初中生进行长达8周的使用Bee-Bot和LEGO Mindstorms机器人的教学效果研究,贝思克和罗杰斯(Bethke & Rogers, 2013)对433名小学生进行使用LEGO机器人和传统方式的科学教学的效果的对比研究。


3. 研究持续时间

在19篇文章中,18篇报告了具体研究持续时间,对其进行归类统计(如图1(c)),可知5篇(27.78%)的研究持续时间少于一天,即通常一节或两节课。7篇(38.89%)的研究持续时间在4至8周,而只有4篇(21.74%)的研究大于8周,反映了目前机器人教育在K-12领域的实证周期较短。


4. 机器人类型

在19篇文章中,18篇报告了所使用机器人的类型,其统计图如图1(d)所示。可知,LEGO系列机器人在机器人教育研究中占据主导地位,有7篇文章使用LEGO系列机器人进行研究。其次是人形机器人NAO,被三项研究采用。最后是Thymio、Baxter、Bee-Bot、Micro robot、owl-robot、Tega、PHANTOM omni、Bioloid以及自制机器人CUPPL和Neu-pulator,分别被一项研究采用。

图1 机器人教育研究情境

 

以上机器人各具特色及功能,表3展示了本研究文献中所使用机器人的简要描述。LEGO系列机器人是常用的非人形教育机器人,可以和其他多种设备组成具有多种功能的教育机器人系统,如将机器人、传感器、移动电子设备、移动展示设备以及网络等组成快乐课程学习系统。NAO是一款先进的人形教育机器人,具有麦克风、摄像头等设备,可进行语音和面部表情识别。琼斯和卡斯特拉诺(Jones & Castellano, 2018)对NAO机器人教育进行了一次具有挑战性的研究,利用开放学习模型(OLM)实现机器人自适应教学,用来帮助儿童提高自我调节学习技能。在琼斯和卡斯特拉诺的研究中,NAO不仅实现了自主交互,检测学习场景中学习者的动作,并根据答案的正确与否给予反馈,还能根据学生当前的知识水平促进自我反思,帮助学习者采取适当的任务策略。Thymio和Bee-Bot等机器人具有小巧、儿童友好型设计、可自主编程等特征,也是K-12教育领域常用的机器人。

 

表3 教育机器人介绍(部分)


(三)研究方法

为了更好地借鉴国际机器人教育研究,对其进行研究类型、数据收集方法以及分析方法的统计分析。根据贝内蒂和钟对实验类型的划分,若实验中采用了随机分组,则归类为实验设计;若实验中未采用随机分组,但进行多组别的分类和测量,则为准实验设计;否则为非实验设计。经统计19篇文章中8篇文章(42.11%)采用了准实验研究设计,6篇文章采用了实验设计(31.58%),5篇文章为非实验设计(26.32%)。


对各研究所采用的数据收集方法进行统计(见表4)可知,问卷调查法在机器人教育研究中应用最为广泛(68.42%),该方法能在短时间内对大量调查对象进行数据收集,主要用于调查机器人教学后学生对STEM的态度、自信心以及兴趣。如贝思克和罗杰斯采用问卷调查了433名学生在机器人教学后对科学和工程的态度(Bethke, et al., 2013)。其次是测试(63.16%),该方法主要用于考查学生对学科知识的掌握。如威廉姆斯等(Williams, et al., 2012)在使用机器人教学后,采用测试考查学生对数学和科学概念的掌握,如对平均数、中位数的计算以及力、速度和加速度的理解。排在第三位的是观察(42.11%),此方法一般结合田野笔记和后续编码使用,用于观察并记录学生与机器人互动的情况,考查学生对机器人教学的态度以及机器人教学存在的问题。最后是访谈(31.58%),常用于小范围内的质性研究,或是作为三角验证数据检验结果的准确性。此外,作品评价、电子文档等方式也被运用于机器人教育研究。

 

表4 数据搜集方法类型统计表(N=19)


对数据分析方法进行统计分析发现,采用最多的是定量和定性混合分析方法(63.16%),其次是定量分析(26.32%),最后是定性分析(10.53%),反映出国际机器人教育实证研究中对混合分析方法的重视,体现出研究的严谨性。


(四)研究结果

从研究结果类型来看(见表5),学业课程表现(63.16%)、情感态度(31.58%)以及兴趣动机(26.32%)是机器人教育领域研究核心评价指标。自我调节能力与元认知能力(10.53%)以及人际交往能力(10.53%)也被用于衡量教育机器人的教学效果。此外,也有研究关注课堂参与度、学生数字接触机会以及身体运动等方面的评价。如威廉姆斯等(Williams, et al., 2012)基于LEGO Mindstorms机器人进行科学和数学活动的设计,对270名小学、初中和高中生进行课程实施。结果表明,基于LEGO Mindstorms的机器人课程能有效促进学生对数学、科学概念的理解,且多数学生对机器人教学呈积极态度,认为机器人教学使得数学和科学课程变得更简单。琼斯和卡斯特拉诺(Jones, et al., 2018)的研究表明使用自适应机器人教学可以提高学生自我调节学习能力。克朗普顿等(Crompton, Gregory, & Burke, 2018)使用NAO机器人进入幼儿课堂,基于学前早期成果框架(HSELOF)设计课堂,结果表明,机器人可以促进幼儿社交和情感、语言和交流、认知以及身体动作技能的发展。

 

表5 研究结果类型统计表(N=19)


四、

讨论

(一)在K-12领域,主要通过机器人教授什么课程?

机器人技术的进步使得新的教育形式成为可能。在传感器和执行器等的支持下,机器人可以探索世界并与之互动,而基于机器人的这些功能可以开展一系列教育活动,以帮助和促进相关主题的学习。米特尼克等(Mitnik, Nussbaum, & Soto, 2008)认为多数的机器人教育重点关注机器人相关领域的教学,如机器人编程、机器人构造等。贝内蒂(Benitti, 2012)对2000年至2010年的机器人在K-12领域实证研究进行综述,得出80%的研究关注STEM领域的研究。本研究的结果表明,STEM领域的研究依然占据主导地位,然而诸如机器人促进英语、地理、阅读等方面的研究也逐渐受到重视。


为何机器人教育偏爱STEM领域?笔者认为一方面来源于世界范围内对STEM的重视。随着全球经济、科学技术等的发展,科技创新越来越成为引领世界格局变化的重要因素之一和核心竞争力之一。为此,各国相继颁布相关政策,极大地促进STEM领域的发展。其中,美国先后发布了多个STEM教育相关政策,并在2018年12月再次发布新的STEM教育五年战略规划——“北极星计划”。中国也颁布了STEM教育的第一个计划《中国STEM教育2029创新行动计划》,呼吁社会力量协同开展STEM教育创新,将STEM教育惠及全体学生,旨在培养创新思维和科学探究的能力。日、韩和欧美等国也相继发布多个相关政策。可见世界范围内对STEM教育领域的重视。因此,作为新兴技术的教育机器人,肩负着培养下一代创新力的重要责任。同时,机器人教育在对促进学生STEM知识学习、提高STEM兴趣、改善STEM态度等方面具有积极的作用。已有研究表明,机器人由于具有实体性、交互性、趣味性等,可将晦涩的STEM概念转化为可操作的实际问题,因此极大地改善了学生对STEM的态度,有助于培养学生对STEM的兴趣,鼓励更多人从事STEM领域工作,特别是女性以及少数族裔群体。卡斯特罗等(Castro, et al., 2018)的研究表明在使用机器人教授技术和工程相关知识后,后测研究表明男女生都获得显著的提高,且男女生之间并无显著差异。山西(Yamanishi, Sugihara, Ohkuma, & Uosaki, 2019)等使用Micro-robot(MR)作为教学工具讲解简单的编程课程,研究结果表明无论学生是否具有编程背景,MR均可以提高学生对编程的兴趣。


(二)机器人教育能否促进学生学习?在哪些方面以及如何促进学生学习?

要回答这个问题,我们需要知道机器人教育主要的研究情境、方法以及结果。本研究表明,从样本类别来看,目前机器人教育主要面对小学生,对中学生以及幼儿的关注相对不足;从样本数量和持续时间来看,大多数研究是对60人以下的小样本进行少于8周的研究,因此在机器人能否促进学习这一问题上还需对更大样本进行更加长期的研究;从使用的机器人类型来看,大多使用LEGO系列和NAO机器人;从研究方法来看,多数研究采用实验与准实验设计,运用问卷调查、测试、访谈以及观察等方法收集数据,从多角度验证研究结果;从研究结果类型来看,多数研究从学生学业课程表现、兴趣与动机、情感态度等方面衡量学习效果。


贝内蒂(Benitti, 2012)的研究表明大部分研究报告了机器人教学的积极作用,在教育领域具有巨大的应用潜力。贝内蒂将学习效果分为知识领域和技能领域,研究表明,机器人在促进学生STEM科目的学习、思维技能、科学探究技能、社交技能以及问题解决技能方面有积极的作用。然而,也有研究报告了机器人的使用没有带来学习效果的显著提高。本研究结果进一步证实了贝内蒂的研究,表明机器人教育能积极促进学生学业课程表现。63.16%的研究报告了机器人对STEM领域、地理、英语等课程学业表现的影响,且均报告了积极的促进作用。


然而,在改善STEM态度与培养STEM兴趣与动机方面,各研究却呈现出不一致的结果。齐亚法德(Ziaeefard, Miller, Rastgaar, & Mahmoudian, 2017)的研究表明大多数学生在机器人课程结束后发现自己对STEM相关活动和机器人教学更有能力和信心,他们对机器人技术的兴趣显著增加。但是,背景、年龄以及性别等差异影响学生对该项目的看法。如大部分女生不具有编程经验,因此认为编程具有较大的难度,相较于女生,更多的男生具有编程相关经验,认为编程不具有挑战性。在年龄上,即使高中生具有更多的相关经验,初中生因为更具乐于挑战的精神而使得学习更加顺利。贝思克和罗杰斯(Bethke, et al., 2013)对三至四年级的小学生进行了这样一项研究,在研究的第一年教师使用传统课程方式上课,第二年教师使用基于LEGO机器人和工程设计课程上课。结果表明,学生在基于LEGO机器人和工程设计的课程上学习效果显著优于传统课程,然而学生对两种教学模式的态度却没有明显区别。伦纳德(Leonard, et al., 2016)等则将机器人和游戏设计结合引入中学课程,课程结束后对学生的自我效能进行调查,结果表明学生在计算机使用这一模块的自我效能感显著下降,作者认为这一结果可能是受使用Mindstorms编程和调试问题模块难度的影响所致。因此,虽然大多数研究认为机器人在促进学习、提高STEM兴趣等方面效果卓越,我们认为还需要更多的研究进一步证明这一结果。


此外,机器人在培养自我调节能力、元认知能力、人际交往能力方面也有卓越成效。琼斯和卡斯特拉诺(Jones, et al., 2018)对使用自适应机器人与无自适应机器人教学进行对比,结果表明自适应机器人导师能显著提高学生自我调节学习能力。麦当娜和霍斯维尔(McDonald & Hoswell, 2012)通过使用机器人作为工具教授技术课程,项目通过建模、探索和评价三个过程提高学生读写能力和算术能力、数字接触机会、基本工程概念,结果表明学生在参与度、读写能力和数字能力方面显著提升。令人惊喜的是,通过观察与访谈发现,学生在人际交往能力上显著提高。学生在共同完成项目任务过程中,需要进行合作、交流、协商以及妥协等有助于提高人际交往能力的活动。


(三)机器人教育存在哪些问题?

首先,尽管大多数研究报告了机器人教育带来的积极影响,仍然有研究证明机器人与其他教学并无显著差异,甚至造成计算机自我效能感的下降。机器人教育的研究结果受诸多因素影响,诸如教学背景、使用机器人的周期与频率、机器人的类型与数量、评价的方法、样本数量与性别以及文化差异等均能对研究产生一定影响(Castro, et al., 2018)。因此,在进行机器人教育研究前,应尽量完善实验设计,避免过多因素影响实验结果,导致信度下降。


其次,目前教育机器人仍然是新兴技术之一,在实践过程中要考虑学生对机器人技术的接受度以及易用性等问题。一味盲目地运用新兴技术会增加学生的认知负荷,降低学生的学习兴趣。然而,我们感知的学生对于机器人的态度和看法停留在一个相对早期阶段,而我们正处在一个机器人系统和应用快速发展的时代,因此我们必须时刻更新学生对机器人的态度和看法(Fernandez-Liamas, Conde, Rodriguez-Lera, Rodriguez-Sedano, & Garcia, 2018)。


最后,有关机器人教学课程、教学设计以及教师培训是目前研究中存在的主要问题。教育机器人的应用不仅对学生带来挑战,也对教师带来挑战,如何设计基于机器人教学的课程,如何教学、评价等是教师在应用机器人教学过程中遇到的主要问题。克朗普顿等(Crompton, et al., 2018)认为教师需要专业培训来确保有足够的知识设计和使用机器人。如何帮助学校提供具有创造性技术形式的环境,帮助教师培养合适的数字教学方法以将投入最大化是未来的重要议题(McDonald, et al., 2012)。


五、

结论与启示

(一)研究结论

为了解近十年来国际机器人教育在K-12领域的最新研究进展,更确切地说,是为了回答以下问题:在K-12领域中机器人主要教授什么课程?机器人教育能否促进学生学习?在哪些方面以及如何促进学生学习?机器人教育存在哪些问题?本文基于系统性文献综述方法对从Web of Science、ScienceDirect、ERIC和Wiley数据库中筛选出符合条件的19篇文献进行分析,发现目前机器人教育主要面对小学生,所开展的研究大多是针对60人以下的小样本进行少于8周的研究,其中LEGO系列和NAO机器人是研究中广泛采用的教育机器人。从研究方法以及数据收集来看,多数研究采用实验与准实验设计,并结合问卷、测试、访谈等多种方法从多角度收集分析数据。基于此得出以下结论:


1. STEM领域仍然是国际机器人教育实证研究的热门,非STEM领域,如英语、地理、阅读等学科也逐渐受到重视。这与单俊豪等(2019)的研究相一致,研究者对国内外教育机器人的实证文献进行元分析,表明教育机器人主要用于STEM教学和计算机学科教学中,在英语等学科中也有少数应用。


2. 机器人在促进STEM课程学习、提高自我调节能力和元认知能力以及人际交往能力方面具有积极促进作用,而在改善STEM态度、提高STEM兴趣与动机方面仍需更多研究证实。这与单俊豪等(2019)、周进等(2019)的研究结果一致,均表明教育机器人能有效提升学生的学习成果。不同的是,单俊豪等(2019)的学习成果主要包括学习成绩、创造性思维、社会技能和问题解决能力,并突出了教育机器人对培养学生创造性思维的优势,而本研究的学习成果涉及自我调节、元认知以及人际交往能力的提升。然而,由于样本量的限制,我们建议通过更多这方面的研究来进一步证实此观点。此外,在改善STEM态度、兴趣以及动机方面,不同的研究呈现出不同的结果,因此也需要更多的研究来得出合理的结论。


3. 机器人教育研究的复杂性、机器人技术的接受度以及易用性、机器人教学课程、教学设计以及教师培训是机器人教育研究与实践面临的问题。机器人教育是一种新型教育形式,对其无论进行研究还是教学都存在诸多问题,诸如机器人技术的接受度、机器人的易用性等都需要更进一步的研究。此外,机器人教育的师资问题也是影响机器人教育效果的重要影响因素。单俊豪等(2019)认为教师的信息素养对机器人辅助教学的效果存在直接影响,因此需要关注教师机器人教学应用能力,构建能力培养体系。


(二)相关启示

随着以Arduino为代表的开源机器人的出现,我国的机器人教育进入了快速发展阶段(钟柏昌, 2016)。据钟柏昌和张禄(2015)对我国中小学机器人教育现状调查发现,机器人进课堂已经成为一种令人期待的趋势,我们仍需在困境中勇往直前。因此,无论在教学实践中还是科学研究过程中,亟须借鉴国际已有研究经验。本文在分析机器人教育的实证研究过程中,得到以下启示:


在教学实践中,要完善机器人课程,加强师资培训。本研究表明,多数研究针对STEM领域,缺乏其他非STEM领域的研究。一方面,缺乏非STEM领域如英语、地理、物理等机器人课程,因此利用机器人辅助非STEM领域学科教学较为困难。即使是STEM学科,也缺乏标准的适合各年龄段的机器人课程,菲尔布朗-叶莎瑞姆和本-埃尔(Yesharim & Ben-Ari, 2017)认为未来需详细设计不同年龄段的课程,使得不同年龄段的学生可以得到合适的机器人教育。另一方面,需加强机器人教育师资培训。在我国的高中技术课程标准中,机器人教育以选修模块“开源硬件机器人项目”的形式出现;2018年发布的《普通高中课程方案和语文等学科课程标准》,在通用技术中增加了“机器人设计与制作”模块。以上文件的颁布意味着机器人教育在K-12领域将大有可为。然而,缺乏合适的教师将成为影响机器人教育发展的重要因素之一。威廉姆斯提出两条对教师使用机器人教学的建议,一是教师应通过培训或其他形式对机器人教育有足够的了解,二是需要帮助教师对机器人教育进行课程内容的教学设计(Williams, et al., 2012)。同时,要重视知识、技能、态度方面的培养。本研究表明,机器人教育在促进学生学业课程上有较为积极的表现,然而缺乏对机器人培养学生技能(思维技能、团队合作技能、人际交往技能等)方面的关注,且机器人教师是否能改善学生对STEM的看法和态度仍需进一步的研究。机器人教育是一种新兴教育形式,在促进知识获取、提高技能、改善态度方面具有很大潜力。因此,在未来的教学实践过程中应同时重视知识、技能、态度方面的培养,充分发挥机器人的教育价值。


在科学研究中,要完善实验设计,提高实验信度。本研究表明,只有31.58%的研究采用了随机分组实验设计,且多数研究针对小样本进行短周期的研究,因此研究信度有待提高。在卡斯特罗等的研究中,对使用机器人与不使用机器人进行教学效果对比研究,结果表明采用机器人课程的学生具有更好的学习效果(Castro, et al., 2018)。然而,卡斯特罗等认为实验中可能有“霍桑效应”,即实验组的学生意识到自己正在被关注或者观察的时候,会刻意改变一些行为或者言语的表达,难以得出机器人因素是影响学习效果差异的唯一因素。同时,机器人教育的研究受到诸如样本背景、性别、年龄、文化差异等诸多因素的影响,因此未来机器人教育研究应尽可能避免“霍桑效应”,采用实验或准实验设计,对较大样本进行较长周期的研究以提高实验信度。同时,要保护数据隐私,尊重实验伦理。在人工智能时代下,AI正在渗透我们生活的各个方面,如何保护数据隐私成为当下亟须解决的问题。在对K-12机器人教育研究过程中,教育机器人装有摄像头、语音记录器等可收集教育过程中全方位的数据,这些数据涉及个人隐私问题。许多年龄较低的儿童无法意识到数据隐私的重要性,因此在实验前应先取得实验对象、实验对象的监护人或当地伦理道德委员会的同意书。


随着科技的发展和技术的变革,机器人教育作为新兴教育形式承载着未来教育的希冀,肩负着培养新世纪人才的使命,但如何对机器人进行教育实践和科学研究尚不明朗。本文旨在分析国际近十年机器人教育的实证研究,梳理出研究情境、方法、结果、问题以及启示,以期为我国教育机器人教学实践和科学研究提供参考。




参考文献

向上滑动阅览


黄甫全,游景如,涂丽娜,曾文婕. 2017. 系统性文献综述法:案例、步骤与价值[J]. 电化教育研究(11):11-25.

单俊豪,宫玲玲,李玉,闫寒冰. 2019. 教育机器人对学生学习成果的影响——基于49篇实验或准实验研究论文的元分析[J]. 中国电化教育(5):76-83.

吴永和,李彤彤. 2018. 机器智能视域下的机器人教育发展现状、实践、反思与展望[J]. 远程教育杂志(04):81-89.

游景如,黄甫全. 2017. 新兴系统性文献综述法:涵义、依据与原理[J]. 学术研究(3):145-151.

钟柏昌. 2016. 中小学机器人教育的困境与突围[J]. 人民教育(12):52-55.

钟柏昌,张禄. 2015. 我国中小学机器人教育的现状调查与分析[J]. 中国电化教育(7):101-107.

周进,安涛,韩雪婧. 2018. 国际机器人教育研究前沿与热点——基于web of science文献的可视化分析[J]. 开放教育研究(4):43-52.

周进,安涛,韩雪婧. 2019. 教育机器人对学生学习效果影响的元分析[J]. 现代远程教育研究(3):96-105.

Baxter, P., Ashurst, E., Read, R., et al. (2017). Robot education peers in a situated primary school study: personalisation promotes child learning[J]. Plos one,12(5).

Benitti, F. B. V. (2012). Exploring the educational potential of robotics in schools: a systematic review. Computers & Education, 58(3), 978-988.

Bethke Wendell, K., & Rogers, C. (2013). Engineering design-based science, science content performance, and science attitudes in elementary school. Journal of Engineering Education, 102(4), 513-540.

Castro, E., Cecchi, F., Valente, M., Buselli, E., Salvini, P., Dario, P. (2018). Can educational robotics introduce young children to robotics and how can we measure it? [J]. Journal of computer assisted learning, 34, 970-977.

Crompton, H., Gregory, K., Burke, D. (2018). Humanoid robots supporting children’s intellectual and social dispositions in an early childhood setting[J]. British journal of educational technology, 49(5), 911-927.

Diekemper, R. L. (2015). Development of the documentation and appraisal review tool for systematic reviews. World Journal of Meta-Analysis, 3(3), 142-150.

Fernández-Llamas, Camino, Conde, M. A., Rodríguez-Lera, Francisco J., Rodríguez-Sedano, Francisco J., & García, Francisco. (2017). May I teach you? Students􀆳 behavior when lectured by robotic vs. human teachers. Computers in Human Behavior, 80, 460-469.

Hong, Z. W., Huang, Y. M., Hsu, M., & Shen, W. W.. (2016). Authoring robot-assisted instructional materials for improving learning performance and motivation in efl classrooms. Educational Technology & Society, 19(1), 337-349.

Jones, A., & Castellano, G. (2018). Adaptive robotic tutors that support self-regulated learning: a longer-term investigation with primary school children. International Journal of Social Robotics, 10(3), 357-370.

Kory, W. J. M., Sooyeon, J., Park, H. W., Samuel, R., Aradhana, A., & Harris, P. L., et al. (2017). Flat vs. expressive storytelling: young children􀆳s learning and retention of a social robot􀆳s narrative. Frontiers in Human Neuroscience, 11, 295.

Leonard, J., Buss, A., Gamboa, R., Mitchell, M., Fashola, O. S., & Hubert, T., et al. (2016). Using robotics and game design to enhance children􀆳s self-efficacy, stem attitudes, and computational thinking skills. Journal of Science Education and Technology, 25(6), 860-876.

Liying, X., & Baichang, Z. (2018). A systematic review on teaching and learning robotics content knowledge in k-12. Computers & Education, 127, 267-282.

Mcdonald, S., & Howell, J. (2012). Watching, creating and achieving: creative technologies as a conduit for learning in the early years. British Journal of Educational Technology, 43(4), 641-651.

Mitnik, R., Nussbaum, M., & Soto, A. (2008). An autonomous educational mobile robot mediator. Autonomous Robots, 25(4), 367-382.

Resing, Wilma C.M. and Bakker, Merel and Elliott, Julian G. and Vogelaar, Bart (2019) ‘Dynamic testing : can a robot as tutor be of help in assessing children􀆳s potential for learning?’, Journal of computer assisted learning.

Shire, K. A., Hill, L. J. B., Snappchilds, W., Bingham, G. P., Kountouriotis, G. K., & Barber, S., et al. (2016). Robot guided ‘pen skill’ training in children with motor difficulties. Plos One, 11(3).

Wei, C. W., Hung, I. C., Lee, L., & Chen, N. S. (2011). A joyful classroom learning system with robot learning companion for children to learn mathematics multiplication. Turkish Online Journal of Educational Technology, 10(2), 12-23.

Williams, K., Igel, I., Poveda, R., Kapila, V., & Iskander, M. (2012). Enriching k-12 science and mathematics education using legos. Advances in Engineering Education, 3(2).

Yamanishi, T., Sugihara, K., Ohkuma, K., & Uosaki, K. (2015). Programming instruction using a micro robot as a teaching tool. Computer Applications in Engineering Education, 23(1), 109-116.

Yesharim, M. F., & Ben-Ari, M. (2017). Teaching robotics concepts to elementary school children [J]. International journal of computer science education in schools, 2(03).

Ziaeefard, S., Miller, H. M., Rastgaar, M., & Mahmoudian, N. (2017). Co-robotics hands-on activities: a gateway to engineering design and stem learning [J]. Robotics and autonomous systems, 97, 40-50.




作者简介

龚礼林,硕士研究生;赵蔚,本文通讯作者,教授,博士生导师;刘阳,硕士研究生;王彦宇,硕士研究生。东北师范大学信息科学与技术学院(130117)。



* 本研究系教育部人文社会科学研究青年基金项目“大数据时代在线学习者情感挖掘与干预研究”(编号:16YJC880046)的研究成果。


责任编辑: 张志祯 刘 莉

中国期刊方阵双效期刊

中文核心期刊   

中文社会科学引文索引(CSSCI)来源期刊

AMI综合评价(A刊)核心期刊

人大复印报刊资料重要转载来源期刊

中国科学评价研究中心(RCCSE)核心期刊

邮发代号2-353,全国各地邮局均可订阅。

本社亦办理征订,联系电话:010-68182513


更多精彩内容,尽在“阅读原文”

我知道你在看


: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存