龔禮林 趙蔚 劉陽 王彥宇

【摘要】

為厘清國際近十年（2010—2019年）K-12領(lǐng)域機器人教育研究的最新進展，本研究采用系統(tǒng)性文獻綜述法，選取Web of Science、ScienceDirect、ERIC、Wiley數(shù)據(jù)庫的19篇高質(zhì)量實證研究論文進行統(tǒng)計分析，發(fā)現(xiàn)目前機器人教育主要面對小學生開展小樣本、短周期的研究，研究多采用實驗與準實驗設(shè)計，結(jié)合問卷調(diào)查、測試、訪談、觀察等多種方法從多角度分析數(shù)據(jù)，基于此得出以下結(jié)論：STEM領(lǐng)域是國際機器人教育實證研究的熱門主題，英語、地理、閱讀等非STEM領(lǐng)域逐漸受到重視;機器人在促進學生學業(yè)課程表現(xiàn)、提高元認知和人際交往能力方面具有積極促進作用，而在改善STEM態(tài)度、培養(yǎng)STEM動機與興趣方面仍需進一步研究證實;機器人教育研究的復雜性、新興技術(shù)的接受度和易用性以及機器人課程與師資培訓等是現(xiàn)存的問題。最后，探討了研究對機器人教學實踐和科學研究帶來的啟示，以期促進我國機器人教育的發(fā)展。

【關(guān)鍵詞】 ?機器人教育;STEM;實證研究;系統(tǒng)性文獻綜述;教學實踐;科學研究

【中圖分類號】 ?G434 ? ? ? 【文獻標識碼】 ?A ? ? ? 【文章編號】 ?1009-458x（2020）3-0025-10

一、研究背景

新興教育技術(shù)的更迭促進教育的變革。21世紀以來，隨著信息科學的迅猛發(fā)展，網(wǎng)絡(luò)學習、移動學習等無縫式學習環(huán)境、大數(shù)據(jù)、云計算與人工智能等技術(shù)已然顛覆了傳統(tǒng)學習方式。近年來，隨著世界各國大力發(fā)展人工智能，機器人教育逐漸受到廣泛關(guān)注。美國、日本、歐洲等均制定了人工智能與機器人發(fā)展戰(zhàn)略規(guī)劃，極大地促進了機器人教育領(lǐng)域的研究。日本機器人協(xié)會、聯(lián)合國經(jīng)濟委員會以及國際機器人聯(lián)合會的研究表明，未來幾十年機器人教育將有巨大的市場（Benitti， 2012）。

2017年7月我國國務(wù)院頒布的《新一代人工智能發(fā)展規(guī)劃》和2018年1月教育部頒布的《普通高中課程方案和語文等學科課程標準（2017年版）》分別從宏觀規(guī)劃和具體課程實施方面對人工智能和機器人教育的發(fā)展提供了指導（吳永和， 等， 2018），以上文件的頒布展示了我國對機器人教育的重視。然而，我國中小學機器人教育尚處于起步階段，存在建設(shè)條件、經(jīng)驗積累以及代際傳承不夠等諸多問題（鐘柏昌， 2016）。國際研究表明，機器人具有豐富的教育價值，在促進學生參與科學、技術(shù)、工程和數(shù)學（STEM）領(lǐng)域，培養(yǎng)動手創(chuàng)造能力、問題解決能力等方面具有非常大的潛力。因此，梳理國際研究進展、借鑒國際研究方法可以為我國機器人教育研究帶來啟示，促進我國機器人教育研究的發(fā)展。

在現(xiàn)有的機器人教育綜述文獻中，周進等（2018）采用CiteSpace工具對國際機器人教育進行梳理，挖掘國際研究前沿與熱點主題。然而，這一方法僅在表層對文獻進行梳理，無法針對研究的詳細內(nèi)容與過程進行系統(tǒng)描述、歸類和分析。國際上，貝內(nèi)蒂（Benitti， 2012）采用系統(tǒng)文獻綜述法對2000年至2009年十年間的機器人在K-12領(lǐng)域的應用進行了梳理，結(jié)果表明多數(shù)研究（90%）采用LEGO機器人進行STEM相關(guān)領(lǐng)域的實踐，且研究對象多為5至10年級學生，缺乏11至12年級樣本的研究，最后作者指出機器人作為教學工具在K-12領(lǐng)域具有巨大的潛力，建議未來研究采用實驗或準實驗研究設(shè)計，關(guān)注機器人作為教學工具對思維能力、問題解決能力等提升的研究。鐘（Xia & Zhong， 2018）等對22篇教育機器人學科知識的SSCI來源期刊文獻，從樣本數(shù)量、持續(xù)時間、機器人類型、學科知識、測量工具、主要發(fā)現(xiàn)和教學建議等方面進行梳理，并從教學環(huán)境、教學設(shè)計、教學方法以及教學支持方面對機器人教育提出建議，指出未來應進行更嚴謹?shù)臋C器人教學干預研究。那么國際機器人教育在K-12領(lǐng)域研究的最新進展如何？為了回答這個問題，本文采用系統(tǒng)性文獻綜述法對國際近十年機器人在K-12領(lǐng)域的實證研究文獻進行梳理與分析。

二、研究設(shè)計

（一）研究方法

采用系統(tǒng)性文獻綜述法開展研究。系統(tǒng)性文獻綜述法起源于醫(yī)藥學領(lǐng)域的元分析思想，現(xiàn)已成為一種廣泛使用的研究方法。20世紀80年代，考科藍協(xié)作組織和坎貝爾協(xié)作組織基于醫(yī)藥學領(lǐng)域元分析的循證實踐思想，建立系統(tǒng)性文獻綜述的國際協(xié)作平臺，并制定了相應的標準，帶動了系統(tǒng)性文獻綜述法的興起（游景如， 等， 2017）。系統(tǒng)性文獻綜述法在教育領(lǐng)域的興起則始于21世紀，其方法的科學性被研究者所肯定，認為無論是填補教育研究的空白，還是指導教育研究資金的分配，系統(tǒng)性文獻綜述法都是極好的研究方法。隨著英國藥物研究所制定了執(zhí)行系統(tǒng)性文獻綜述的21條標準，研究者開發(fā)出不同的系統(tǒng)性文獻綜述評價工具，如迪肯佩（Diekemper， 2015）開發(fā)的文檔和評估審查工具（DART）。至此，系統(tǒng)性文獻綜述法從只限于醫(yī)藥領(lǐng)域拓展到各個不同的領(lǐng)域。

系統(tǒng)性文獻綜述法克服了傳統(tǒng)文獻綜述的主觀和偏見，是借助互聯(lián)網(wǎng)，利用不同數(shù)據(jù)庫和多種檢索與分析技術(shù)，全面而準確地掌握某一專題研究進展，并得出和檢驗研究結(jié)論的標準化文獻研究方法。與傳統(tǒng)綜述法不同，系統(tǒng)性文獻綜述法的實質(zhì)是一種具有知識創(chuàng)新功能的綜合性研究方法。它需要研究者帶著具體的研究目的，基于研究問題制定文獻的納入和排除標準，采用標準化技術(shù)對所選文獻資料進行數(shù)據(jù)抽取和整合，得出研究問題的答案或者產(chǎn)生新的理論（游景如， 等， 2017）。在教育領(lǐng)域，系統(tǒng)性文獻綜述法主要包含以下六個步驟：計劃、檢索文獻、評估文獻、抽取數(shù)據(jù)資料、整合數(shù)據(jù)和撰寫綜述（黃甫全， 等， 2017）。

（二）研究問題

本文旨在通過梳理文獻探究國際機器人教育在K-12領(lǐng)域研究的最新進展，具體問題包括：在K-12領(lǐng)域中，主要通過機器人教授什么課程？機器人教育能否促進學生學習？在哪些方面以及如何促進學生學習？機器人教育存在哪些問題？

（三）樣本選取

為了有效獲取國際近十年K-12機器人教育的高質(zhì)量實證研究文獻，在Web of Science、ScienceDirect、Wiley和ERIC四個主要的教育文獻數(shù)據(jù)庫中，以字符串“（robot OR lego）AND（teach* OR learn* OR education*）AND（k-12 OR school）”在摘要中檢索，文獻類型為期刊文章，時間設(shè)定為2010年1月至2019年4月，共獲得306篇文獻。

根據(jù)研究目的，通過以下四個篩選條件對初步獲取的文獻進行精選：①研究情景必須是K-12領(lǐng)域（幼兒園、小學、初中、高中），排除學院、大學、特殊教育等研究情境;②必須是實證研究，包含定量、定性或混合方法等實證研究，排除綜述、理論性探討等文章;③文章中機器人必須是實體機器人，且必須作為一種教學工具、方法、情境等輔助教學的開展，排除虛擬機器人以及學習機器人課程等文章;④文章是來自同行評審的期刊文章，排除會議、報告等文章。

根據(jù)以上篩選條件閱讀標題和摘要，符合條件的文章共40篇。根據(jù)篩選條件對40篇文章進行全文通讀，確定最終符合條件的文章19篇。其中，Web of Science 6篇，ScienceDirect 2篇，Wiley 7篇，ERIC 4篇。表1展示19篇文章的關(guān)鍵信息。

三、研究結(jié)果

本研究旨在通過系統(tǒng)性文獻綜述法梳理出近十年國際機器人教育在K-12領(lǐng)域的最新研究進展，為更清晰系統(tǒng)地回答研究問題，下面將從研究主題、研究情境、研究方法、研究結(jié)果四個方面呈現(xiàn)結(jié)果。

（一）研究主題

將研究主題分為STEM相關(guān)和STEM無關(guān)主題，對19篇文獻中機器人教育涉及的主題進行統(tǒng)計分析（見表2）。一項研究可能對多個主題進行研究，如數(shù)學和科學、STEM融合等，因此個案百分比更能體現(xiàn)某一主題在整體中的研究情況。由表2可知，近十年國際K-12領(lǐng)域機器人教育主要圍繞STEM相關(guān)領(lǐng)域展開（78.95%），其中大部分研究采用機器人輔助教授科學概念、編程以及數(shù)學知識。如威廉姆斯等（Williams， Igel， & Poveda， 2012）基于LEGO Mindstorms機器人進行科學和數(shù)學活動的設(shè)計。魏等（Wei， Huang， Lee， & Chen， 2011）通過將使用LEGO Mindstorms NXT機器人、傳感器、移動電子設(shè)備、移動展示設(shè)備、無線網(wǎng)絡(luò)等組成的快樂課程學習系統(tǒng)與傳統(tǒng)使用黑板開展小學數(shù)學教學進行對比實驗。此外，如何使用機器人提升閱讀能力（Kory， et al.， 2017）、歸納推理能力（Resing， Bakker， Elliott， & Vogelaar， 2019）、書寫技能（Shire， Hill， & Snappchilds， 2016）等也引起了研究者的興趣。如洪（Hong， Huang， Hsu， & Shen， 2016）等使用Bioloid機器人進行小學英語的教學，結(jié)果表明與傳統(tǒng)課堂相比，機器人課堂上的學生在動機、注意力、信心、教材的接受度、學習過程的滿意度和語言能力方面都有較好的提高。然而，這部分研究（36.83%）相較于STEM領(lǐng)域的研究（78.95%）仍然較少，反映了當下機器人教育在研究領(lǐng)域的局限性，將機器人融入非STEM領(lǐng)域教育的研究將是未來的趨勢。

（二）研究情境

1. 樣本類別

19篇文獻均報告了樣本所屬類別，其中有4篇文章的研究涉及跨階段研究，即幼兒園、小學、初中和高中的多個階段，各階段樣本分布如圖1（a）所示?？芍?，小學是機器人教育研究最多的階段，19篇文章中有12篇的研究是在小學進行（52.17%），其次是高中（5篇或21.74%）和初中（4篇或17.39%），最后是幼兒園（2篇或8.7%）。

2. 樣本數(shù)量

19篇文獻均報告了樣本數(shù)量，其分布如圖1（b）所示?？芍?，60人以下的研究有11篇，占總數(shù)的57.89%，而樣本大于90人的研究只占36.84%，反映出目前機器人教育研究主要針對較小樣本。然而，依然有兩篇文章報告了大于300個樣本的研究調(diào)查，卡斯特羅等（Castro， Cecchi， Valente， Buselli， Salvini， & Dario， 2018）對389名小學生和初中生進行長達8周的使用Bee-Bot和LEGO Mindstorms機器人的教學效果研究，貝思克和羅杰斯（Bethke & Rogers， 2013）對433名小學生進行使用LEGO機器人和傳統(tǒng)方式的科學教學的效果的對比研究。

3. 研究持續(xù)時間

在19篇文章中，18篇報告了具體研究持續(xù)時間，對其進行歸類統(tǒng)計（如圖1（c）），可知5篇（27.78%）的研究持續(xù)時間少于一天，即通常一節(jié)或兩節(jié)課。7篇（38.89%）的研究持續(xù)時間在4至8周，而只有4篇（21.74%）的研究大于8周，反映了目前機器人教育在K-12領(lǐng)域的實證周期較短。

4. 機器人類型

在19篇文章中，18篇報告了所使用機器人的類型，其統(tǒng)計圖如圖1（d）所示?？芍琇EGO系列機器人在機器人教育研究中占據(jù)主導地位，有7篇文章使用LEGO系列機器人進行研究。其次是人形機器人NAO，被三項研究采用。最后是Thymio、Baxter、Bee-Bot、Micro robot、owl-robot、Tega、PHANTOM omni、Bioloid以及自制機器人CUPPL和Neu-pulator，分別被一項研究采用。

以上機器人各具特色及功能，表3展示了本研究文獻中所使用機器人的簡要描述。LEGO系列機器人是常用的非人形教育機器人，可以和其他多種設(shè)備組成具有多種功能的教育機器人系統(tǒng)，如將機器人、傳感器、移動電子設(shè)備、移動展示設(shè)備以及網(wǎng)絡(luò)等組成快樂課程學習系統(tǒng)。NAO是一款先進的人形教育機器人，具有麥克風、攝像頭等設(shè)備，可進行語音和面部表情識別。瓊斯和卡斯特拉諾（Jones & Castellano， 2018）對NAO機器人教育進行了一次具有挑戰(zhàn)性的研究，利用開放學習模型（OLM）實現(xiàn)機器人自適應教學，用來幫助兒童提高自我調(diào)節(jié)學習技能。在瓊斯和卡斯特拉諾的研究中，NAO不僅實現(xiàn)了自主交互，檢測學習場景中學習者的動作，并根據(jù)答案的正確與否給予反饋，還能根據(jù)學生當前的知識水平促進自我反思，幫助學習者采取適當?shù)娜蝿?wù)策略。Thymio和Bee-Bot等機器人具有小巧、兒童友好型設(shè)計、可自主編程等特征，也是K-12教育領(lǐng)域常用的機器人。

（三）研究方法

為了更好地借鑒國際機器人教育研究，對其進行研究類型、數(shù)據(jù)收集方法以及分析方法的統(tǒng)計分析。根據(jù)貝內(nèi)蒂和鐘對實驗類型的劃分，若實驗中采用了隨機分組，則歸類為實驗設(shè)計;若實驗中未采用隨機分組，但進行多組別的分類和測量，則為準實驗設(shè)計;否則為非實驗設(shè)計。經(jīng)統(tǒng)計19篇文章中8篇文章（42.11%）采用了準實驗研究設(shè)計，6篇文章采用了實驗設(shè)計（31.58%），5篇文章為非實驗設(shè)計（26.32%）。

對各研究所采用的數(shù)據(jù)收集方法進行統(tǒng)計（見表4）可知，問卷調(diào)查法在機器人教育研究中應用最為廣泛（68.42%），該方法能在短時間內(nèi)對大量調(diào)查對象進行數(shù)據(jù)收集，主要用于調(diào)查機器人教學后學生對STEM的態(tài)度、自信心以及興趣。如貝思克和羅杰斯采用問卷調(diào)查了433名學生在機器人教學后對科學和工程的態(tài)度（Bethke， et al.， 2013）。其次是測試（63.16%），該方法主要用于考查學生對學科知識的掌握。如威廉姆斯等（Williams， et al.， 2012）在使用機器人教學后，采用測試考查學生對數(shù)學和科學概念的掌握，如對平均數(shù)、中位數(shù)的計算以及力、速度和加速度的理解。排在第三位的是觀察（42.11%），此方法一般結(jié)合田野筆記和后續(xù)編碼使用，用于觀察并記錄學生與機器人互動的情況，考查學生對機器人教學的態(tài)度以及機器人教學存在的問題。最后是訪談（31.58%），常用于小范圍內(nèi)的質(zhì)性研究，或是作為三角驗證數(shù)據(jù)檢驗結(jié)果的準確性。此外，作品評價、電子文檔等方式也被運用于機器人教育研究。

對數(shù)據(jù)分析方法進行統(tǒng)計分析發(fā)現(xiàn)，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%），反映出國際機器人教育實證研究中對混合分析方法的重視，體現(xiàn)出研究的嚴謹性。

（四）研究結(jié)果

從研究結(jié)果類型來看（見表5），學業(yè)課程表現(xiàn)（63.16%）、情感態(tài)度（31.58%）以及興趣動機（26.32%）是機器人教育領(lǐng)域研究核心評價指標。自我調(diào)節(jié)能力與元認知能力（10.53%）以及人際交往能力（10.53%）也被用于衡量教育機器人的教學效果。此外，也有研究關(guān)注課堂參與度、學生數(shù)字接觸機會以及身體運動等方面的評價。如威廉姆斯等（Williams， et al.， 2012）基于LEGO Mindstorms機器人進行科學和數(shù)學活動的設(shè)計，對270名小學、初中和高中生進行課程實施。結(jié)果表明，基于LEGO Mindstorms的機器人課程能有效促進學生對數(shù)學、科學概念的理解，且多數(shù)學生對機器人教學呈積極態(tài)度，認為機器人教學使得數(shù)學和科學課程變得更簡單。瓊斯和卡斯特拉諾（Jones， et al.， 2018）的研究表明使用自適應機器人教學可以提高學生自我調(diào)節(jié)學習能力?？死势疹D等（Crompton， Gregory， & Burke， 2018）使用NAO機器人進入幼兒課堂，基于學前早期成果框架（HSELOF）設(shè)計課堂，結(jié)果表明，機器人可以促進幼兒社交和情感、語言和交流、認知以及身體動作技能的發(fā)展。

四、討論

（一）在K-12領(lǐng)域，主要通過機器人教授什么課程？

機器人技術(shù)的進步使得新的教育形式成為可能。在傳感器和執(zhí)行器等的支持下，機器人可以探索世界并與之互動，而基于機器人的這些功能可以開展一系列教育活動，以幫助和促進相關(guān)主題的學習。米特尼克等（Mitnik， Nussbaum， & Soto， 2008）認為多數(shù)的機器人教育重點關(guān)注機器人相關(guān)領(lǐng)域的教學，如機器人編程、機器人構(gòu)造等。貝內(nèi)蒂（Benitti， 2012）對2000年至2010年的機器人在K-12領(lǐng)域?qū)嵶C研究進行綜述，得出80%的研究關(guān)注STEM領(lǐng)域的研究。本研究的結(jié)果表明，STEM領(lǐng)域的研究依然占據(jù)主導地位，然而諸如機器人促進英語、地理、閱讀等方面的研究也逐漸受到重視。

為何機器人教育偏愛STEM領(lǐng)域？筆者認為一方面來源于世界范圍內(nèi)對STEM的重視。隨著全球經(jīng)濟、科學技術(shù)等的發(fā)展，科技創(chuàng)新越來越成為引領(lǐng)世界格局變化的重要因素之一和核心競爭力之一。為此，各國相繼頒布相關(guān)政策，極大地促進STEM領(lǐng)域的發(fā)展。其中，美國先后發(fā)布了多個STEM教育相關(guān)政策，并在2018年12月再次發(fā)布新的STEM教育五年戰(zhàn)略規(guī)劃——“北極星計劃”。中國也頒布了STEM教育的第一個計劃《中國STEM教育2029創(chuàng)新行動計劃》，呼吁社會力量協(xié)同開展STEM教育創(chuàng)新，將STEM教育惠及全體學生，旨在培養(yǎng)創(chuàng)新思維和科學探究的能力。日、韓和歐美等國也相繼發(fā)布多個相關(guān)政策。可見世界范圍內(nèi)對STEM教育領(lǐng)域的重視。因此，作為新興技術(shù)的教育機器人，肩負著培養(yǎng)下一代創(chuàng)新力的重要責任。同時，機器人教育在對促進學生STEM知識學習、提高STEM興趣、改善STEM態(tài)度等方面具有積極的作用。已有研究表明，機器人由于具有實體性、交互性、趣味性等，可將晦澀的STEM概念轉(zhuǎn)化為可操作的實際問題，因此極大地改善了學生對STEM的態(tài)度，有助于培養(yǎng)學生對STEM的興趣，鼓勵更多人從事STEM領(lǐng)域工作，特別是女性以及少數(shù)族裔群體。卡斯特羅等（Castro， et al.， 2018）的研究表明在使用機器人教授技術(shù)和工程相關(guān)知識后，后測研究表明男女生都獲得顯著的提高，且男女生之間并無顯著差異。山西（Yamanishi， Sugihara， Ohkuma， & Uosaki， 2019）等使用Micro-robot（MR）作為教學工具講解簡單的編程課程，研究結(jié)果表明無論學生是否具有編程背景，MR均可以提高學生對編程的興趣。

（二）機器人教育能否促進學生學習？在哪些方面以及如何促進學生學習？

要回答這個問題，我們需要知道機器人教育主要的研究情境、方法以及結(jié)果。本研究表明，從樣本類別來看，目前機器人教育主要面對小學生，對中學生以及幼兒的關(guān)注相對不足;從樣本數(shù)量和持續(xù)時間來看，大多數(shù)研究是對60人以下的小樣本進行少于8周的研究，因此在機器人能否促進學習這一問題上還需對更大樣本進行更加長期的研究;從使用的機器人類型來看，大多使用LEGO系列和NAO機器人;從研究方法來看，多數(shù)研究采用實驗與準實驗設(shè)計，運用問卷調(diào)查、測試、訪談以及觀察等方法收集數(shù)據(jù)，從多角度驗證研究結(jié)果;從研究結(jié)果類型來看，多數(shù)研究從學生學業(yè)課程表現(xiàn)、興趣與動機、情感態(tài)度等方面衡量學習效果。

貝內(nèi)蒂（Benitti， 2012）的研究表明大部分研究報告了機器人教學的積極作用，在教育領(lǐng)域具有巨大的應用潛力。貝內(nèi)蒂將學習效果分為知識領(lǐng)域和技能領(lǐng)域，研究表明，機器人在促進學生STEM科目的學習、思維技能、科學探究技能、社交技能以及問題解決技能方面有積極的作用。然而，也有研究報告了機器人的使用沒有帶來學習效果的顯著提高。本研究結(jié)果進一步證實了貝內(nèi)蒂的研究，表明機器人教育能積極促進學生學業(yè)課程表現(xiàn)。63.16%的研究報告了機器人對STEM領(lǐng)域、地理、英語等課程學業(yè)表現(xiàn)的影響，且均報告了積極的促進作用。

然而，在改善STEM態(tài)度與培養(yǎng)STEM興趣與動機方面，各研究卻呈現(xiàn)出不一致的結(jié)果。齊亞法德（Ziaeefard， Miller， Rastgaar， & Mahmoudian， 2017）的研究表明大多數(shù)學生在機器人課程結(jié)束后發(fā)現(xiàn)自己對STEM相關(guān)活動和機器人教學更有能力和信心，他們對機器人技術(shù)的興趣顯著增加。但是，背景、年齡以及性別等差異影響學生對該項目的看法。如大部分女生不具有編程經(jīng)驗，因此認為編程具有較大的難度，相較于女生，更多的男生具有編程相關(guān)經(jīng)驗，認為編程不具有挑戰(zhàn)性。在年齡上，即使高中生具有更多的相關(guān)經(jīng)驗，初中生因為更具樂于挑戰(zhàn)的精神而使得學習更加順利。貝思克和羅杰斯（Bethke， et al.， 2013）對三至四年級的小學生進行了這樣一項研究，在研究的第一年教師使用傳統(tǒng)課程方式上課，第二年教師使用基于LEGO機器人和工程設(shè)計課程上課。結(jié)果表明，學生在基于LEGO機器人和工程設(shè)計的課程上學習效果顯著優(yōu)于傳統(tǒng)課程，然而學生對兩種教學模式的態(tài)度卻沒有明顯區(qū)別。倫納德（Leonard， et al.， 2016）等則將機器人和游戲設(shè)計結(jié)合引入中學課程，課程結(jié)束后對學生的自我效能進行調(diào)查，結(jié)果表明學生在計算機使用這一模塊的自我效能感顯著下降，作者認為這一結(jié)果可能是受使用Mindstorms編程和調(diào)試問題模塊難度的影響所致。因此，雖然大多數(shù)研究認為機器人在促進學習、提高STEM興趣等方面效果卓越，我們認為還需要更多的研究進一步證明這一結(jié)果。

此外，機器人在培養(yǎng)自我調(diào)節(jié)能力、元認知能力、人際交往能力方面也有卓越成效。瓊斯和卡斯特拉諾（Jones， et al.， 2018）對使用自適應機器人與無自適應機器人教學進行對比，結(jié)果表明自適應機器人導師能顯著提高學生自我調(diào)節(jié)學習能力。麥當娜和霍斯維爾（McDonald & Hoswell， 2012）通過使用機器人作為工具教授技術(shù)課程，項目通過建模、探索和評價三個過程提高學生讀寫能力和算術(shù)能力、數(shù)字接觸機會、基本工程概念，結(jié)果表明學生在參與度、讀寫能力和數(shù)字能力方面顯著提升。令人驚喜的是，通過觀察與訪談發(fā)現(xiàn)，學生在人際交往能力上顯著提高。學生在共同完成項目任務(wù)過程中，需要進行合作、交流、協(xié)商以及妥協(xié)等有助于提高人際交往能力的活動。

（三）機器人教育存在哪些問題？

首先，盡管大多數(shù)研究報告了機器人教育帶來的積極影響，仍然有研究證明機器人與其他教學并無顯著差異，甚至造成計算機自我效能感的下降。機器人教育的研究結(jié)果受諸多因素影響，諸如教學背景、使用機器人的周期與頻率、機器人的類型與數(shù)量、評價的方法、樣本數(shù)量與性別以及文化差異等均能對研究產(chǎn)生一定影響（Castro， et al.， 2018）。因此，在進行機器人教育研究前，應盡量完善實驗設(shè)計，避免過多因素影響實驗結(jié)果，導致信度下降。

其次，目前教育機器人仍然是新興技術(shù)之一，在實踐過程中要考慮學生對機器人技術(shù)的接受度以及易用性等問題。一味盲目地運用新興技術(shù)會增加學生的認知負荷，降低學生的學習興趣。然而，我們感知的學生對于機器人的態(tài)度和看法停留在一個相對早期階段，而我們正處在一個機器人系統(tǒng)和應用快速發(fā)展的時代，因此我們必須時刻更新學生對機器人的態(tài)度和看法（Fernandez-Liamas， Conde， Rodriguez-Lera， Rodriguez-Sedano， & Garcia， 2018）。

最后，有關(guān)機器人教學課程、教學設(shè)計以及教師培訓是目前研究中存在的主要問題。教育機器人的應用不僅對學生帶來挑戰(zhàn)，也對教師帶來挑戰(zhàn)，如何設(shè)計基于機器人教學的課程，如何教學、評價等是教師在應用機器人教學過程中遇到的主要問題?？死势疹D等（Crompton， et al.， 2018）認為教師需要專業(yè)培訓來確保有足夠的知識設(shè)計和使用機器人。如何幫助學校提供具有創(chuàng)造性技術(shù)形式的環(huán)境，幫助教師培養(yǎng)合適的數(shù)字教學方法以將投入最大化是未來的重要議題（McDonald， et al.， 2012）。

五、結(jié)論與啟示

（一）研究結(jié)論

為了解近十年來國際機器人教育在K-12領(lǐng)域的最新研究進展，更確切地說，是為了回答以下問題：在K-12領(lǐng)域中機器人主要教授什么課程？機器人教育能否促進學生學習？在哪些方面以及如何促進學生學習？機器人教育存在哪些問題？本文基于系統(tǒng)性文獻綜述方法對從Web of Science、ScienceDirect、ERIC和Wiley數(shù)據(jù)庫中篩選出符合條件的19篇文獻進行分析，發(fā)現(xiàn)目前機器人教育主要面對小學生，所開展的研究大多是針對60人以下的小樣本進行少于8周的研究，其中LEGO系列和NAO機器人是研究中廣泛采用的教育機器人。從研究方法以及數(shù)據(jù)收集來看，多數(shù)研究采用實驗與準實驗設(shè)計，并結(jié)合問卷、測試、訪談等多種方法從多角度收集分析數(shù)據(jù)?；诖说贸鲆韵陆Y(jié)論：

1. STEM領(lǐng)域仍然是國際機器人教育實證研究的熱門，非STEM領(lǐng)域，如英語、地理、閱讀等學科也逐漸受到重視。這與單俊豪等（2019）的研究相一致，研究者對國內(nèi)外教育機器人的實證文獻進行元分析，表明教育機器人主要用于STEM教學和計算機學科教學中，在英語等學科中也有少數(shù)應用。

2. 機器人在促進STEM課程學習、提高自我調(diào)節(jié)能力和元認知能力以及人際交往能力方面具有積極促進作用，而在改善STEM態(tài)度、提高STEM興趣與動機方面仍需更多研究證實。這與單俊豪等（2019）、周進等（2019）的研究結(jié)果一致，均表明教育機器人能有效提升學生的學習成果。不同的是，單俊豪等（2019）的學習成果主要包括學習成績、創(chuàng)造性思維、社會技能和問題解決能力，并突出了教育機器人對培養(yǎng)學生創(chuàng)造性思維的優(yōu)勢，而本研究的學習成果涉及自我調(diào)節(jié)、元認知以及人際交往能力的提升。然而，由于樣本量的限制，我們建議通過更多這方面的研究來進一步證實此觀點。此外，在改善STEM態(tài)度、興趣以及動機方面，不同的研究呈現(xiàn)出不同的結(jié)果，因此也需要更多的研究來得出合理的結(jié)論。

3. 機器人教育研究的復雜性、機器人技術(shù)的接受度以及易用性、機器人教學課程、教學設(shè)計以及教師培訓是機器人教育研究與實踐面臨的問題。機器人教育是一種新型教育形式，對其無論進行研究還是教學都存在諸多問題，諸如機器人技術(shù)的接受度、機器人的易用性等都需要更進一步的研究。此外，機器人教育的師資問題也是影響機器人教育效果的重要影響因素。單俊豪等（2019）認為教師的信息素養(yǎng)對機器人輔助教學的效果存在直接影響，因此需要關(guān)注教師機器人教學應用能力，構(gòu)建能力培養(yǎng)體系。

（二）相關(guān)啟示

隨著以Arduino為代表的開源機器人的出現(xiàn)，我國的機器人教育進入了快速發(fā)展階段（鐘柏昌， 2016）。據(jù)鐘柏昌和張祿（2015）對我國中小學機器人教育現(xiàn)狀調(diào)查發(fā)現(xiàn)，機器人進課堂已經(jīng)成為一種令人期待的趨勢，我們?nèi)孕柙诶Ь持杏峦鼻?。因此，無論在教學實踐中還是科學研究過程中，亟須借鑒國際已有研究經(jīng)驗。本文在分析機器人教育的實證研究過程中，得到以下啟示：

在教學實踐中，要完善機器人課程，加強師資培訓。本研究表明，多數(shù)研究針對STEM領(lǐng)域，缺乏其他非STEM領(lǐng)域的研究。一方面，缺乏非STEM領(lǐng)域如英語、地理、物理等機器人課程，因此利用機器人輔助非STEM領(lǐng)域?qū)W科教學較為困難。即使是STEM學科，也缺乏標準的適合各年齡段的機器人課程，菲爾布朗-葉莎瑞姆和本-埃爾（Yesharim & Ben-Ari， 2017）認為未來需詳細設(shè)計不同年齡段的課程，使得不同年齡段的學生可以得到合適的機器人教育。另一方面，需加強機器人教育師資培訓。在我國的高中技術(shù)課程標準中，機器人教育以選修模塊“開源硬件機器人項目”的形式出現(xiàn);2018年發(fā)布的《普通高中課程方案和語文等學科課程標準》，在通用技術(shù)中增加了“機器人設(shè)計與制作”模塊。以上文件的頒布意味著機器人教育在K-12領(lǐng)域?qū)⒋笥锌蔀?。然而，缺乏合適的教師將成為影響機器人教育發(fā)展的重要因素之一。威廉姆斯提出兩條對教師使用機器人教學的建議，一是教師應通過培訓或其他形式對機器人教育有足夠的了解，二是需要幫助教師對機器人教育進行課程內(nèi)容的教學設(shè)計（Williams， et al.， 2012）。同時，要重視知識、技能、態(tài)度方面的培養(yǎng)。本研究表明，機器人教育在促進學生學業(yè)課程上有較為積極的表現(xiàn)，然而缺乏對機器人培養(yǎng)學生技能（思維技能、團隊合作技能、人際交往技能等）方面的關(guān)注，且機器人教師是否能改善學生對STEM的看法和態(tài)度仍需進一步的研究。機器人教育是一種新興教育形式，在促進知識獲取、提高技能、改善態(tài)度方面具有很大潛力。因此，在未來的教學實踐過程中應同時重視知識、技能、態(tài)度方面的培養(yǎng)，充分發(fā)揮機器人的教育價值。

在科學研究中，要完善實驗設(shè)計，提高實驗信度。本研究表明，只有31.58%的研究采用了隨機分組實驗設(shè)計，且多數(shù)研究針對小樣本進行短周期的研究，因此研究信度有待提高。在卡斯特羅等的研究中，對使用機器人與不使用機器人進行教學效果對比研究，結(jié)果表明采用機器人課程的學生具有更好的學習效果（Castro， et al.， 2018）。然而，卡斯特羅等認為實驗中可能有“霍桑效應”，即實驗組的學生意識到自己正在被關(guān)注或者觀察的時候，會刻意改變一些行為或者言語的表達，難以得出機器人因素是影響學習效果差異的唯一因素。同時，機器人教育的研究受到諸如樣本背景、性別、年齡、文化差異等諸多因素的影響，因此未來機器人教育研究應盡可能避免“霍桑效應”，采用實驗或準實驗設(shè)計，對較大樣本進行較長周期的研究以提高實驗信度。同時，要保護數(shù)據(jù)隱私，尊重實驗倫理。在人工智能時代下，AI正在滲透我們生活的各個方面，如何保護數(shù)據(jù)隱私成為當下亟須解決的問題。在對K-12機器人教育研究過程中，教育機器人裝有攝像頭、語音記錄器等可收集教育過程中全方位的數(shù)據(jù)，這些數(shù)據(jù)涉及個人隱私問題。許多年齡較低的兒童無法意識到數(shù)據(jù)隱私的重要性，因此在實驗前應先取得實驗對象、實驗對象的監(jiān)護人或當?shù)貍惱淼赖挛瘑T會的同意書。

隨著科技的發(fā)展和技術(shù)的變革，機器人教育作為新興教育形式承載著未來教育的希冀，肩負著培養(yǎng)新世紀人才的使命，但如何對機器人進行教育實踐和科學研究尚不明朗。本文旨在分析國際近十年機器人教育的實證研究，梳理出研究情境、方法、結(jié)果、問題以及啟示，以期為我國教育機器人教學實踐和科學研究提供參考。

[參考文獻]

黃甫全，游景如，涂麗娜，曾文婕. 2017. 系統(tǒng)性文獻綜述法：案例、步驟與價值[J]. 電化教育研究（11）：11-25.

單俊豪，宮玲玲，李玉，閆寒冰. 2019. 教育機器人對學生學習成果的影響——基于49篇實驗或準實驗研究論文的元分析[J]. 中國電化教育（5）：76-83.

吳永和，李彤彤. 2018. 機器智能視域下的機器人教育發(fā)展現(xiàn)狀、實踐、反思與展望[J]. 遠程教育雜志（04）：81-89.

游景如，黃甫全. 2017. 新興系統(tǒng)性文獻綜述法：涵義、依據(jù)與原理[J]. 學術(shù)研究（3）：145-151.

鐘柏昌. 2016. 中小學機器人教育的困境與突圍[J]. 人民教育（12）：52-55.

鐘柏昌，張祿. 2015. 我國中小學機器人教育的現(xiàn)狀調(diào)查與分析[J]. 中國電化教育（7）：101-107.

周進，安濤，韓雪婧. 2018. 國際機器人教育研究前沿與熱點——基于web of science文獻的可視化分析[J]. 開放教育研究（4）：43-52.

周進，安濤，韓雪婧. 2019. 教育機器人對學生學習效果影響的元分析[J]. 現(xiàn)代遠程教育研究（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 childrens 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 childrens learning and retention of a social robots 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 childrens 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 childrens 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.

收稿日期：2019-05-20

定稿日期：2019-07-25

作者簡介：龔禮林，碩士研究生;趙蔚，本文通訊作者，教授，博士生導師;劉陽，碩士研究生;王彥宇，碩士研究生。東北師范大學信息科學與技術(shù)學院（130117）。

責任編輯 張志禎 劉 莉