人类、数字孪生、虚拟化身与机器人协同的教育未来：iSTAR框架

随着人工智能技术发展，教师与机器如何协同完成教育任务，成为研究关注的问题。2023年发表于《Journal of Applied Learning and Teaching》的iSTAR论文提出，需要结合当时技术能力建立框架，帮助理解教师与机器如何组队，以及如何设计安全、负责任、合乎伦理的学习机会。

iSTAR：人机协同的生态系统

iSTAR指“Intelligent human-machine Synergy in collaborative teaching: utilizing the digital Twins, Avatars/Agents and Robots”，即在协同教学中利用数字孪生、虚拟化身或智能体、实体机器人实现智能人机协同。论文将其视为超越教师与单一机器简单合作的生态系统；框架图将人类教师置于这些技术之间的协同关系中。

DELTA的五个维度

论文以DELTA概括设计学习机会时需要考虑的五个维度：

• 设计（Design）
• 伦理（Ethics）
• 学习（Learning）
• 教学（Teaching）
• 评价（Assessment）

设计方面的考虑

原论文DELTA图将设计方面的考虑归为四项：

• 数据来源、类型与结构。
• 人工智能技术、模型与算法。
• 机器人机器的形态与外观。
• 教育中的协同智能。

伦理方面的考虑

伦理方面的四项考虑强调负责任的协作与包容性：

• 负责任的人机协作。
• 多样性、包容与公平。
• 人工智能与人类之间的可信关系。
• 适当的人工智能素养教育。

学习、教学与评价

图中将学习、教学和评价联系起来，提出两项考虑：

• 教师角色与学习情境。
• 学习及人机协同的评价。

特殊教育与包容性设计

在伦理讨论中，作者提出辅助技术应改善残障学习者的生活质量，并将多样性、包容与公平纳入人工智能的开发和使用。论文同时关注代表性数据、偏见与可信关系，为特殊教育和包容性学习环境中的技术设计提供研究视角。

文献日期

出版方网页标注2023年10月17日，PDF首页注明10月18日上线，本站原稿存档于10月19日。本页区分这些来源记录，保留本站原存档日期；内容为摘要与框架介绍，全文见原刊。

参考文献与许可

参考文献：Ronghuai Huang; Ahmed Tlili; Lin Xu; Ying Chen; Lanqin Zheng; Ahmed Hosny Saleh Metwally; Ting Da; TingWen Chang; Huanhuan Wang; Jon Mason; Christian M. Stracke; Demetrios Sampson; Curtis J. Bonk. Educational futures of intelligent synergies between humans, digital twins, avatars, and robots – the iSTAR framework. Journal of Applied Learning & Teaching, 6(2), 28–43 (2023). DOI: 10.37074/jalt.2023.6.2.33. 原论文声明采用Creative Commons Attribution（CC BY）许可。

延伸阅读

相关研究：生成式人工智能教育适用性考证；背景资料：UNESCO生成式人工智能指南；更多资源：特殊教育与融合教育资源。