教育机器人对学生学习成果的影响

单俊豪　宫玲玲等

摘要：人工智能时代让“数字土著”感受到了科技的魅力。机器人作为人工智能时代的标志性产物，在教学实践中得到了广泛的应用。该研究选取49篇国内外实证文献为研究对象，采用元分析的方法重点探究教育机器人对学生学习成果的作用效果，以及学科、实验周期、学段、教学模式对学生学习成果影响的差异。研究结果表明：（1）教育机器人对学习成果作用的综合效应值为0.501，教育机器人能够有效提升学生的学习成果，且在认知维度方面的提升效果更为显著;（2）教育机器人在不同学科都能起到正向显著作用，对数学和科学学科作用效果最为显著;（3）不同实验周期对学生学习成果都有正向促进作用，但实验周期长不意味着学习成果高;（4）教育机器人在不同学段都能有效促进学生学习成果，在小学阶段效果最佳;（5）不同教学模式中使用教育机器人对学生学习成果提升不存在显著差异等。基于研究结论，该文从教学者、制造者、研究者和推广者四个群体职责出发，提出进一步提升教育机器人教學效果的实践性建议。

关键词：教育机器人;元分析;学习成果;教育应用

中图分类号：G434 文献标识码：A

一、引言

教育机器人是面向教育领域专门研发的以培养学生分析能力、创造能力和实践能力为目标的机器人。2017年国务院也颁布了《新一代人工智能发展规划》，规划中强调机器智能在教育领域的深度领用，全面打造智能教育生态。2018年发布的《美国机器智能国家战略》指出教育机器人在优化学生学习体验、提升教师教学效率方面起到重要作用。随着机器人技术的发展，教育机器人被认为是在STEM、文研究、社会学、舞蹈、音乐和美术等学科中培养学生认知能力的有效工具。开源编程技术的普及化以及机器人结构的高可重塑性为学生提供了发展计算思维的重要工具，也为学生了解科学知识提供了真实的体验活动，更为学生锻炼团队合作、组织沟通等社会性技能提供了重要的锻炼平台。

对于教育机器人是否真的能够提升学生学习成果，国际上虽然有一部分实证研究尝试得到这个结论，但由于实验对象数量较少、数据分析手段粗放、年龄分布不均，教学模式差异等现实原因，一直没有对这一问题形成统一的结论。如Chang在英语学科中利用教育机器人帮助学生练习听力理解，实验结果表明机器人能够有效帮助学生提升英语听力理解成绩;Korkmaz通过准实验研究的方法验证了教育机器人对于提升学生学习动机的积极作用。相反，Nugent指出教育机器人对学生学习结果并没产生积极影响;Ching也指出教育机器人对学生的STEM学习态度起到了一定的消极作用。综上，本文拟用元分析法，对2005-2018年间49篇国内外实验或准实验研究论文进行综合分析，重点探索教育机器人对学生学习成果的影响程度，以及不同调节变量（学科、实验周期、学段、教学模式）对学生学习成果的影响差异。

二、研究设计

元分析法是一种综合多条实验或准实验研究数据，并通过平均效应值来考察文献总体效应的统计分析方法。该方法已经广泛应用于医学临床试验、诊断等领域。元分析法的主要作用有增加统计学检验效能、定量估计研究效应以及发现既往研究的不足三个方面。在正式开始元分析前需要完成七个步骤：研究问题界定、文献检索、文献纳入与排除、数据及相关信息提取、分析发表偏倚、异质性分析、效应值选择。为保证元分析法过程的严谨性，本研究在分析数据前将从上述七个步骤开展研究，并对每一步骤进行详细描述。

（一）研究问题界定

本文的研究问题是探究教育机器人对学生学习成果的影响效果。学习成果指的是学生在特定的学习、发展和表现方面的结果。学习成果主要包含知识、技能、情感态度与价值观以及其他高阶能力。本文借鉴顾小清等对学习效果的分类方法，将知识、技能、情感态度与价值观等分为认知层面和非认知层面。其中认知层面包括知识、技能维度，如学习成绩、问题解决能力、计算思维技能等;非认知层面主要包含情感态度与价值维度，如学习兴趣、学习自我效能、学习参与度、学习动机等方面。

（二）文献检索

本研究选择“中国知网（CNKI）”“Web of Science”“ERIC”“IEEE”等国内外期刊和硕博士数据库，以及近10年知名教育技术国际会议“AERA”“AECT”等论文集作为文献检索的范围。检索时间限定在2005年1月-2018年12月31日（教育机器人教学效果的研究最早出现在2005年）。教育机器人关键词包括：“教育机器人”“Educational Robotics”;学习成果关键词包括：“Learning Outcome”“Learning Effectiveness”“Learning Performance”等。

（三）文献纳入与排除

为了保证元分析研究结果的严谨性，本研究对文献的纳入制定了相关规则：第一，研究主题必须是教育机器人对学生学习成果的影响;第二，研究类型必须是实验研究或者准实验研究;第三，研究必须包括实验组和对照组，即实验组有机器人进行教学干预，对照组没有机器人进行教学干预，或者包括前测与后测，前测为使用机器人教学前，后测为使用机器人教学后;第四，研究中教育机器人仅作为教学工具辅助课堂教学，不能完全作为教学对象;第五，论文中提供了完整的计算效应值的数据，如平均数（M）、标准差（SD）、t值或者p值等;第六，实验对象为在校学生，包括幼儿园学生、中小学生和大学生，不包含成人学习者。

本研究首先在预选数据库中按照既定关键词对文献进行搜索，并按照文献筛选规则对文献进行筛选。研究者首先将所搜索文献的第一作者、发表时间、论文标题整合到Excel中，去除重复文献，并删掉与既定实验对象无关的文章（重点关注标准一、标准五和标准六），得到70篇文献。其次，两位编码者对70篇文献进行深入审核，重点关注实验设计规范和研究数据全面性（重点关注标准二、三和四）。最终得到49篇国内外有效文献，包含19篇国内期刊、30篇国外期刊、会议及硕博士论文。有效研究效应值为90个。

（四）数据及相关信息提取

1.编码体系确立

本文的研究对象是教育机器人，因变量为学习成果，包含认知层面和非认知层面。同时，将学科、学段、实验周期、机器人类别、教学模式作为调节变量。

2.特征值编码

本研究将因变量编码为认知层面（C）和非认知层面（N）。同时，将学科、学段等调节变量根据实际情况进行编码，编码表如表1所示。为保证编码的准确性，本研究邀请两位编码者（一位博士生，一位硕士生）对15篇文献进行预编码。编码后发现两者编码的一致性为0.85，说明编码结果可信。

3.分析工具

常见的元分析工具有Review Manager、STATA、R、Comprehensive Meta Analysis2.0等软件。根据研究的实际需求，本文选择Comprehensive Meta Analysis2.0（CMA）软件开展数据收集和分析工作。具体分析工作包括各文献的效应值计算、整体效应值计算、发表偏倚分析、异质性检验以及调节变量影响分析。

三、元分析法结果与讨论

（一）发表偏倚检验

发表偏倚是元分析法中常见的系统误差，指有显著意义的研究成果比没有显著意义的研究成果的发表可能性更大的一种倾向。判断元分析法发表偏倚的方法有很多，本研究选用漏斗图法、Begg秩相关法和失安全系数（Fail-safe N）来综合评估本研究的发表偏倚情况。本研究90个效应值的漏斗图如下图所示。根据下图可以看出，绝大多数研究的效应值散点均匀、对称地分布在平均效应值两侧，初步说明了出版偏差的可能性较小。Begg秩相关检验结果显示，t=0.288，p<0.05，说明可能存在发表偏倚。Classic Fail-safe N主要评估有多少未发表的研究才能使得已经发表研究的总体效应值达到不显著的水平。衡量标准为5*n+10，其中n代表本研究中纳人元分析的文献数量，本研究中失安全系数为12107，远大于265（49*5+10）。这一指标说明未发表研究的效应值对已经发表的总体效应值影响不大。综合上述三种检验方法，笔者认为本元分析结果稳定，发表偏倚现象不明显。

（二）异质性检验

研究样本的异质性检验结果显示，Q值是545.996（p<0.001），I²值为83.700%，大于70%，说明近84%的异质性源自效应值的真实差异，只有16%是由误差造成的。这种真实差异可能源于国家差异、发表时间跨度、实验周期差异等因素。结果表明研究样本之间存在异质性。因此本研究采用随机效应模型（Random Effects）来评估教育機器人对学生学习成果的作用效果。

（三）效应值选取

本研究选取标准化均差（SMD）作为效应值来评估教育机器人对学生学习成果的综合影响，同时也选取SMD为效应值评估调节变量的影响差异。

（四）教育机器人对学习成果的整体影响

1.整体效应值

根据随机效应模型的合并效应值情况显示（如表2所示），教育机器人对学习成果的合并效应值SMD为0.501，合并效应值为正数，是正向影响，且达到了统计显著水平（P<0.001）。Cohen（1992）认为当效应值为0.2左右，可以认为影响较小;当效应值在0.5上下时，被认为有中等影响;当效应值在0.8左右时，被认为是影响显著。因此本研究认为，教育机器人对学生学习成果有中等正向影响。将教育机器人应用到学科教学中有助于提升学生的学习成果。

2.教育机器人对认知和非认知维度学习成果的影响差异

如上文所述，学习成果分为认知和非认知两个维度。统计结果显示，认知维度和非认知维度的效应值都大于0，且都达到统计显著水平（p<0.001），说明教育机器人对于学生认知和非认知方面的学习成果都有着正向显著影响。如表3所示，认知维度的效应值大于0.5，非认知维度的效应值大于0.2且小于0.5，说明教育机器人在学生认知维度方面有着中等偏上的正向显著影响;教育机器人在学生非认知维度方面有着中等偏低的正向显著影响。异质性检验结果（Q=8.492，p=0.004）显示，两类学习成果之间存在显著差异，说明教育机器人对学生认知维度和非认知维度学习成果的影响效果是不同等的，教育机器人更有助于促进学生认知维度学习成果的提升。

统计归纳文献发现，认知方面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四个方面。下页表4呈现出四种认知方面的学习效果情况，创造性思维、问题解决能力和学生学习成绩的效应值都在0.6～0.8之间，且都有统计显著性（p<0.001），说明教育机器人对这三者都具有中等偏上的显著正向影响，对学生创造性思维培养效果最好;社会技能维度的效应值为0.327，p<0.01，表明教育机器人对于学生社会技能的提升具有中等偏低的正向显著影响。根据异质性检验结果（Q=6.746，p=0.080），不同认知维度效果间不存在显著差异，即说明教育机器人对学生四种认知维度都有积极的提升效果。

（五）调节变量对学习成果的影响

1.不同学科对教育机器人提升学生学习成果的影响差异

教育机器人的教学功能多样，不同学科都在尝试利用教育机器人辅助授课以提升学生的学习成果。根据编码结果显示，教育机器人主要用于课外STEM教学和计算机学科教学中，在数学、物理、小学科学和英语学科等基础学科中也有少数应用。本研究着重分析了教育机器人在STEM、计算机、数学、物理、科学、英语六个学科的学习成果，如表5所示。结果显示，五个学科的效应值都达到了统计显著要求（P<0.01），说明教育机器人在这五个学科中都能对学生的学习成果产生正向影响。以学科为单位，教育机器人在科学、数学、物理三个学科中的效应值均大于0.5，而且在数学学科中的效应值超过了0.8。说明，教育机器人在数学学科中有高度正向影响，在科学、物理两个学科中有着中等正向影响。STEM学科、英语和计算机三个学科的效应值在0.3～0.5间，属于中等偏下等级，说明教育机器人在这三个学科中有着中等偏低的正向影响。根据异质性检验Q值结果（Q=14.235，p<0.05）表明不同学科之间的效应值存在显著差异，教育机器人在不同学科间影响效果不同。

2.不同实验周期对教育机器人提升学生学习成果的影响差异

笔者按照编码表规定，将三个不同长度的实验周期对教育机器人提升学习成果的影响进行了对比分析（如图6所示）。结果显示，“少于一个月”“一个月到半年”“半年及以上”三个长度的实验周期的效应值均大于0，且都达到了统计显著要求（p<0.001），说明这三种实验周期对学生学习成果都具有显著正向影响。其中实验周期为“一个月到半年”这一维度的效应值最高，为0.755，说明一个月到半年的实验周期对学生学习成果产生了中等偏上影响;实验周期为“半年以上”和“少于一个月”的效应值也都大于0.35，说明这两个实验周期对学生学习成果产生了中等偏低的正向影响。异质性检验结果（Q=7.967，p<0.05）表明不同实验周期之间存在显著差异，也就是说不同实验周期对学生学习成果的作用程度是不同的。结果显示，实验周期为一个月到半年的作用效果最显著。这一现象说明，使用教育机器人时间越长，并不意味着学生的学习成果越高。

3.不同學段对教育机器人提升学生学习成果的影响差异

为了检验不同学段对机器人提升学生学习成果的影响差异，笔者计算了六个学段所对应的效应值。从下页表7可以看出，小学阶段效应值最高，为0.685（p<0.001），说明教育机器人在小学阶段具有中等偏高的积极影响;在高中阶段的效应值为0.5～0.6之间，且都达到了显著水平（p<0.001），说明教育机器人在高中阶段对学生学习成果具有中等的正向显著;大学、幼儿园和初中阶段的效应值为0.4～0.5之间，且都达到了显著水平（p<0.05），说明教育机器人在大学、幼儿园和初中阶段对学生学习成果具有中等偏低的正向显著影响;然而对于混合学段（本研究中为初中+小学的混合），效应值仅有0.023，不足0.1，且没有达到显著水平（p>0.05），这初步说明教育机器人在混合学段中并没有起到显著正向作用。深入分析异质性检验结果（Q=85.407，p=0.000），不同学段之间存在显著差异，即教育机器人在不同学段之间的作用效果是不同的。

4.不同教学模式对教育机器人提升学生学习成果的影响差异

教学模式指在一定教学理论指导下所建立起来的教学活动结构框架和活动程序。STEM教育教学理念的核心是跨学科整合，关注学生在项目和实际问题中的解决能力;基于设计的教学是创新教育的新型教学模式。综上，创新教学实践中，基于项目的教学以及基于设计的教学是常见的教学模式，本研究将这两种教学模式界定为创新教学模式，并将教学模式分为传统教学模式和创新教学模式。如表8显示，两类教学模式的效应值均在0.4～0.6之间，且均达到显著水平（p<0.001），因此传统教学模式和创新教学模式对学生学习成果都存在正向显著影响。传统教学模式的教学效果稍好于创新教学模式，但从异质性检验中能够看到，两种教学模式的教学效果并不存在显著差异（Q=1.432，p>0.05）。深入分析不同学科中教学模式对学习成果的影响可以发现，创新教学模式中使用教育机器人（SMD=0.503，P<0.001）在STEM学科中的作用效果要好于传统教学模式（SMD=0.477，P<0.001）。

四、研究结论

本文采用元分析法对49篇实验或准实验研究进行分析，主要得到如下研究结论：

第一，教育机器人对学生学习成果具有显著促进作用。教育机器人在学生认知层面和非认知层面都有积极显著影响，且在认知层面的作用效果高于非认知层面的作用效果。同时，教育机器人对学生的创造性思维能力、问题解决能力和学习成绩等方面都有着积极的提升作用。进一步说明教育机器人在培养学生多元能力方面具有较大的潜力。充分利用教育机器人的教学辅助功能优势设计课程将会为学生带来不同维度认知能力的提升。

第二，教育机器人在各学科中都有正向教学效果，在数学和科学学科中影响显著。通过表5的数据不难发现，教育机器人在各学科中都有正向显著效果，在科学、数学、物理学科中有着中等偏上乃至高度正向效果，在英语和STEM学科课程中也有着中等偏低的积极影响。这一发现表明教育机器人的基本教学功能已经在单学科中得到了有效使用，相比之下STEM学科的作用效果虽然正向显著，但并没有突出优势。这一发现并不是说明教育机器人在STEM学科中应用效果不好。笔者认为造成这一结果的原因在于STEM课程中教学内容和教学活动众多，教育机器人的使用频率有限，而单学科课程教学内容更聚焦，对教育机器人某一特定教学功能的使用更有深度，因此对学生某一维度的能力提升效果更显著。

第三，不同实验周期对学生学习成果的提升效果不同，实验周期长并不代表学习成果好。数据结果表明课堂使用机器人1个月到半年，学生学习成果最佳。同时，当使用机器人辅助教学超过半年，学生学习成果反倒降低。笔者认为这种结果可能的原因在于实验周期过长，学生对机器人的熟悉程度增高，新鲜感大大降低，学习的积极性变差，因此学习效果的提升情况并不如想象的乐观。

第四，教育机器人在不同学段都有积极作用效果，小学作用效果最佳。分析结果显示，教育机器人在小学、初中、高中和大学阶段都有正向显著效果，且在小学阶段效果最佳，达到了高度显著作用。本研究认为，这一现象说明了小学阶段是学生掌握机器人基本功能和利用机器人进行创新学习活动的重要阶段。笔者在数据分析阶段还发现，混合学段中，教育机器人的作用效果非常不显著。因此笔者认为，教育机器人课程应该以准确的年级或相近年级开展，不能将跨学段的学生放在一起授课。

第五，不同教學模式对学生学习成果提升不存在显著差异，创新教学模式中利用教育机器人开展STEM教学更有效。本研究发现，基于项目以及基于设计教学模式的整体教学效果并没有明显好于传统教学模式。这种现象不能说明创新教学模式对学习成果作用不大，而是应该根据学科特性分类看待。研究结果显示利用教育机器人开展STEM教学在创新教学模式中的效果要好于传统教学模式。STEM课程强调培养学生综合素养，教学活动相对复杂、教学目标相对多元分散。因此在使用教育机器人进行STEM的教学过程中，创新教学模式更容易迎合学生培养的需求。

五、建议与展望

本研究结论不仅证明了教育机器人作为教学辅助工具，对于学生学习成果具有积极促进作用，也从学科、学段、教学模式等视角综合分析了教育机器人对学生学习成果的影响。笔者从教学者、制造者、研究者和推广者四个角色的工作职责出发，为有效构建未来机器人辅助教学生态提出了若干理论与实践层面的建议与展望。

（一）教学者：分析机器人功能，打造STEAM教育新样态

本研究发现，国内外的机器人教育应用主要集中在数学、计算机、物理、科学学科中，可见教育机器人是开展STEM教育的重要辅助技术。然而，极少有学者关注教育机器人在文学和艺术（如语文、历史、美术等）学科中的教学应用。机器人技术高速发展的今天，技术问题已经不在成为阻碍机器人教育创新应用的壁垒。教学者需要做的是深入挖掘和分析机器人在文科学科中潜在的教学辅助功能，如对机器人外观结构的设计与美化可以成为美术课堂的新教学命题;利用教育机器人纠正学生朗读发音和发现演讲问题（如停顿，语调，语病等）也将成为提升语文课堂活跃度的重要利器。STEAM教育是在STEM教育的基础上增加Art（艺术与人文）学科所形成的新型跨学科教育模式。机器人功能的多元化为多种学科提供优质的教育支持服务，同时也给以STEAM教育为代表的跨学科课程带来了重要的知识融合渠道和知识内化途径。笔者认为，深入分析挖掘机器人在各学科，尤其是文科和艺术学科的教育辅助功能，将进一步拓宽机器人的教育应用渠道，为真正实现多元知识与技能内化以及STEAM教育生态提供必要的技术平台和工具载体。

（二）制造者：引人人工智能技术，在学材中融入创新思维支架

人工智能技术的兴起与高速发展为创客教育带来了宝贵的技术资源。大数据分析与挖掘、物联网、云计算和人机交互等人工智能核心技术带动了如计算机视觉、机器学习、自然语言处理、规划调度、口语识别、智能机器人等人类认知技术的发展。教育机器人引入先进的人工智能技术不仅仅是机器人功能的飞跃性进步，也为未来机器人辅助教育应用带来了更多的契机，其教育辅助功能也趋向多元化和人性化。对于机器人生产厂商而言，紧跟技术潮流开发机器人功能服务可以拓宽机器人使用范畴，也让学生更形象理解人工智能技术的原理和应用前景。

元分析法的结果表明教育机器人对学生创造性思维、问题解决能力和社交能力的提升具有促进作用。已有研究表明，学生多元能力培养需要思维框架的支持，如设计思维关注培养学生设计师层面的高阶思维和技能。杨绪辉和郑东芳通过教学实践验证了设计思维在培养学生创新能力、社交技能和其他认知能力方面的积极作用。因此，在教育机器人课程中增加相关思维或能力教学支架，教育机器人的教学效果有希望进一步得到提升。

（三）研究者：关注教师机器人教学应用能力，构建能力培养体系

大量实证研究表明机器人对教学存在积极辅助作用。然而不可忽略的是，教师的信息素养对机器人辅助教学的效果也存在直接的影响。我国从2014年就开始了教师信息技术应用能力标准和评估方法的研究与实践。然而标准中对信息技术的描述并未精细到教师的机器人教学应用能力。为进一步促进教师理解教育机器人的教学辅助功能、熟练教育机器人的操作和教学技巧以及设计基于机器人的学科拓展课程，研究者首先应将研究视角放在教师机器人教学应用能力的标准研制与能力评估上面。值得注意的是，教师机器人教学应用能力并不简单指教师使用、操作机器人的能力，而是在此基础上灵活应用机器人教学辅助功能改善课堂环境、提升学生学习成效、构建良好课堂学习生态的能力。

我国目前以乐高、Arduino机器人为技术载体的教师培训日趋火热，但仍无法脱离技术本位的困扰。能力标准及评估指南的研发将有助于课程研究者进一步研发面向教师机器人教学应用能力提升的师资培训课程。其中，培训课程内容应以实践知识导向为特色，培训的评估应以微认证为驱动。具体来讲，课程内容以教师实践性知识培养为导向，减少不必要理论知识的灌输，增加教师体验互动和课堂实操的教学比重;课程评估关注教师的机器人教学相关微能力的发展与认证，以微认证为技术路径取代传统教师水平考核体制。

教师机器人教学应用能力是保证机器人教学辅助效果的重要基石，它是教师信息技术应用能力的具象表征，也是机器人这一技术载体教学功能得以充分发挥的重要保障。笔者认为，要想建立面向教师机器人教学应用能力培养体系，需要从能力标准制定→教师培训课程开发→教师能力微认证三个步骤陆续开展研究工作。

（四）推廣者：基于区域教育水平现状，探索虚拟机器人的教育应用

我国不同区域基础教育阶段信息化资源建设水平正在逐步缩减差距。但教育机器人作为一种新型的教育类技术产品，部分偏远地区仍无法有效惠及。因此，虚拟教育机器人将成为解决机器人教育服务差异的有效工具。虚拟教育机器人除无法完成拼接、组装等真实动手操作外，在程序编写、仿真模拟、人工智能技术体验等方面均有着较大的优势。如我国自行研发的虚拟智能机器人设计平台“萝卜圈”，它是国内首款3D机器人在线互动平台，学生可以在平台上进行模块化编程，设计3D虚拟现实项目。百度公司也于近期成功研发了人工智能机器人，学生可以在线体验人脸识别、文字及语言识别等先进的人工智能技术。互联网技术的发展极大促进了教育公平。虚拟机器人以互联网技术为基础，为更多偏远地区的学生带来先进的机器人教学互动体验与学习机会。随着虚拟机器人功能的不断完善，面向不同学科的虚拟教育机器人也将营运而生，为全面、普惠性地提升学生学习成果服务。

六、结语

本研究采用元分析法综合评估了教育机器人对学生学习成果的影响效果，并讨论了不同学科、实验周期、学段、教学模式对学生学习成果的影响差异情况。基于实验结论，笔者提出了后续开展机器人辅助教学相关研究与实践的建议。人工智能时代的到来让教育机器人的功能得到了丰富，STEAM教育和创客教育的蓬勃发展让教育机器人有了更广阔的应用市场。如何充分整合教育机器人的功能特点以支持教学，帮助学生提升核心素养是中小学阶段的重要教育研究课题。未来，将会有更多实证研究来验证学生多元能力的提升效果，本研究的研究主题甚至结论将会得到进一步的补充和细化。