夜雨聆风
AI 能当影子老师的督导助手吗?这项融合幼儿园研究给出答案
在融合教育蓬勃发展的背景下，越来越多有特殊需要的幼儿进入普惠幼儿园。要保障这些儿童在普通环境中真正受益，仅提供“进入普通教室”的机会远远不够，教师还需采用针对个体需求的循证教学策略来支持他们的发展。
现实中却存在突出的现实问题：单次工作坊培训落地难，仅10%教师能将所学技能转化到教学中；人工教练式辅导（听课、反馈、示范）的人力和资金成本高，无法大规模覆盖。
那有没有一种“影子老师”的解决方案，让每位教师都能随时得到个性化的指导反馈？一些初步探索表明，人工智能（AI）可以辅助教学反思和目标设定，并提供即时反馈。
近期，BARTON等人发表的一篇融合幼儿园研究论文对此给出了回应。
该研究在多所幼儿园的融合班级中尝试引入AI支持的教师自行查漏补缺的模式，以提升教师对“嵌入式教学（Embedded Instruction, EI）”的执行忠实度，并观察由此带来的幼儿学习进步。
研究发现，AI 支持的自我辅导模式能显著提升融合幼儿园教师开展嵌入式教学的执行忠实度，该教学能力可维持与泛化，并有效促进孤独症幼儿达成个性化学习目标。
小编为大家整理了该研究的核心内容，快跟着我们一起看一下吧~
发表期刊：
Behavioral Sciences（JCR分区：Q2，影响因子：2.5）
发表时间：
2026 年1月
论文题目：
Investigating the Impact of AI-Supported Self-Coaching as a Professional Development Model for Embedded Instruction in Inclusive Early Childhood Settings
嵌入式教学（EI）是一种融合教育中常用的教学方法，旨在将对特殊幼儿的个别化教学“嵌入”日常活动之中。在日常课堂活动、游戏和过渡环节中，教师有计划地创造简短的教学互动，让幼儿练习其个体目标技能。
例如，在自由玩耍时引导一名孤独症幼儿运用语言请求玩具、在点心时间鼓励其练习社交眼神接触等。嵌入式教学强调在自然情境中进行教学，不打断幼儿与同伴的正常互动，培养参与感、独立性。作为一种循证实践，EI拥有丰富的实证支持。
然而，EI方法要真正发挥作用，关键在于教师能否以高忠实度持续实施。之前的一些研究发现，教师仅有工作坊培训时，实际课堂运用仍不充分、不一致。只有配套持续的实践指导（如课堂观摩反馈、现场教练），教师才能达到既定的高忠实度标准。
研究对象：
4对幼儿园教师-幼儿组合（幼儿均为班上的孤独症儿童）
研究地点：
普通幼儿园的融合班级
研究方法（多重基线跨被试设计）：
1.先测量所有教师的初始水平；
2.之后所有教师参加一次“嵌入式教学”培训；
3.接着在不同时间点，依次引入AI辅导工具，观察教师行为是否在引入工具后发生改变
研究阶段：
基线期→EI培训期→AI辅导期（7-8周）→维护期（撤除AI，观察技能维持）
研究者定制了一个AI辅导平台，教师每周完成一次固定的 “计划-记录-反思-反馈” 循环：
教师根据幼儿的个别目标、班级活动，制定下一周的EI教学计划。例如，在何种日常环节中融入教学机会、预计提供多少次练习等。
教师按计划开展EI教学，与此同时收集儿童的表现数据。之后，采用标准化登记将这些数据输入到AI系统中，如本周提供了多少次教学机会、幼儿自主正确反应的比例等。系统会将这些数据汇总，并生成图表或量化结果供分析。
教师需要在平台上回答一系列固定提示的问题，反思教学问题与改进方向。例如：“哪些情境下幼儿表现较好？有哪些教学步骤执行得不够到位？下周准备做哪些调整？”等。
这个提问流程是预先设计好的，每周重复，使教师逐渐形成自我分析的习惯。
教师提交反思后，AI平台会自动生成一份个性化的反馈报告。
该反馈利用教师输入的结构化数据和文字反思，通过大语言模型等算法提供建议和信息，包括：本周EI实施的亮点（例如表扬教师达成了计划的大部分教学机会）、需要改进的环节（例如提醒某些活动中遗漏了提示或强化）、以及针对下周计划的具体建议等。
反馈还附有由系统绘制的进度图表，如教师教学准确率随时间的曲线、幼儿目标行为正确反应次数的变化等，让教师直观地“看见”自己的努力成果。
筛选对象：
ChatGPT、Gemini、Copilot 等主流大模型
筛选标准：
不是“谁更聪明”，而是谁更适合被嵌入一个结构化、可控的教练流程：
1.能否稳定执行固定的提示序列？
2.能否准确处理教师录入的结构化数据？
3.能否生成与“嵌入式教学”理念一致的反馈
最终选择：
ChatGPT-4，在流程稳定性和任务执行能力上表现最佳
为确保AI不自由发挥，研究者从流程、输入、输出三个端口对其进行了严格限制：
流程端：固定线性每周循环
将 AI 对话设计为不可跳步的标准化流程，锚定两大循证结构。教师必须完成上一环节，才能进入下一环节，从机制上限制随意发挥。
1.锚定 EI 四大组件：教什么、什么时候教、怎么教、怎么评估
2.锚定实操三阶段：计划/目标设定→实施与数据→反思与反馈
输入端：结构化录入，减少歧义
教师录入的是标准化数据，而非自由文本，以减少开放文本带来的不确定性，降低AI生成无关/ 非循证建议的概率。
例如，本周 EI 教学次数、幼儿反应类型（独立正确 / 提示后正确/错误/无反应）、实施障碍（时间/环境/同伴干扰等）
输出端：规定动作，不发明策略
AI的反馈被严格限定在嵌入式教学的知识框架内，只允许做三件事：
1.数据可视化：将数据转化为图表和趋势总结，帮助教师“看见”自己的进步。
2.提示漏项：指出教学实施中可能遗漏的关键环节（如遗漏提示、反馈不一致等）。
3.反思引导：提出指向性问题，引导教师做下周小步微调，而非大幅替换策略
数据安全：强制去标识化输入，不录入姓名、机构、生日等隐私信息。
明确AI定位：系统强调AI反馈仅为建议，最终教学决策必须由教师基于专业判断做出。
持续监控：研究团队持续监控 AI 输出一致性，并允许教师随时上报不恰当内容（研究中未出现上报事件）。
分时点介入：4对教师-幼儿配对，不同教师进入 AI 支持阶段的起始时间错开
持续监测：每周跟踪教师 EI 忠实度与幼儿表现曲线，与未介入阶段做横向对比
研究获得了丰富的发现，可归纳为以下几个方面：
在引入AI自行查漏补缺之前，基线期几位教师的EI实施正确率不到5%，接受一次培训后约20%–30%正确率但不稳定。而开始AI支持后，教师的EI忠实度出现了显著且持续的飞跃，达到60%–80%，并在后续几周保持高位。
更重要的是，撤除AI支持后，教师们依然维持了高水平的EI实施，没有出现技能衰退。教师的执行质量实现了跨场景的巩固与泛化，展现出良好的持久性。
结果显示，随着教师EI忠实度提高，幼儿的目标行为正确表现也大幅增长。在基线阶段，这些幼儿对目标要求往往很少有自主正确反应，但在AI辅导介入后，他们逐渐能不经提示地做出正确回应。
这些习得的技能同样具有维持性和迁移性。例如，一名幼儿在干预前几乎不会主动使用语言提要求，但在干预末期已能在日常交流中经常恰当运用所学词语，并在后续观察中依然保有该能力。这表明AI支持的教师自行查漏补缺的不仅提升了教师教学，也切实促进了融合环境中特殊幼儿的个体发展目标达成。
通过问卷和访谈收集的数据表明，教师对AI辅导模式接受度高、评价积极。
为什么AI支持的结构化自我教练能够显著提升教师的执行质量？从学习科学和行为支持的角度来看，其中蕴含着多方面的作用机制：
AI辅导系统实际上复刻了高质量教学教练的核心机制。一方面，系统要求教师设定具体可行的周目标并对自己教学进行数据记录和反思，相当于完成了目标设定与数据驱动的自我评估；另一方面，AI依据教师的表现提供个性化反馈和建议，类似于教练在观察后给予的指导意见。
从成人学习和元认知角度看，AI支持的自我教练培养了教师的主动反思和内部动机。与被动地接受专家指导不同，自我教练要求教师亲自分析自己的课堂数据、发现问题并尝试解决。这种过程增强了教师对新教学法的主人翁意识，使教师更有可能长期坚持所学策略。
从行为强化的角度来看，及时的正向成果大大巩固了教师采用新策略的意愿。由于AI辅导促使教师频繁练习并快速修正错误，多数教师在数周内就目睹了幼儿显著的进步。
正如一位教师所说，这带来了巨大的“aha时刻”和成就感，使他们更坚定地持续实践下去。此外，AI反馈本身也提供了社会性奖励，例如肯定教师达成了某项目标、指出其努力带来了哪些积极改变。
同时，AI技术的运用使这些机制高频且低成本地发挥作用。教师可以在方便的时间自行上传数据、查看反馈，不必等候督导的现场观察安排，这几乎相当于教师每周都有一个虚拟督导陪伴。可见，AI在很大程度上自动化了教学教练的部分职能，减轻了对人力的依赖。
在实践操作中，可采用“集中培训 +AI辅导跟进”的模式：先由专家对教师进行集中面授培训传授新策略，随后利用AI平台跟踪数周到数月。这种模式可低成本、大规模提升教师培训落地率，解决“培训最后一公里”难题。
尽管前景可期，在大规模应用AI进行教师指导时也需充分考虑边界条件和潜在问题：
要成功复刻本研究的模式，关键在于AI系统本身的设计质量。本研究的AI平台显然经过精心开发，融合了EI领域的专业知识（固定的提示问题、数据解析逻辑）和AI算法的生成能力，才能确保反馈的准确有效。
其他地区或学校若希望引入类似系统，需要投入人力调研教学领域需求，定制相应的AI提示和反馈框架，不能简单依赖通用的聊天机器人。
AI看到的只是教师输入的数据，而不是课堂本身。它并不能直接“看见”课堂中的细微情境——比如同伴干扰、环境噪音、教师当时的资源调度、学生情绪状态等。未来如果引入视频/音频等多模态信息，理论上可能让反馈更精准，但同时也会带来更高的隐私、伦理和数据安全挑战。
最后必须强调，AI尽管在本研究中扮演了类似“影子教练”的角色，但它并不能也不应该完全取代人类导师。在教育领域，一些高层次的指导功能仍需人工完成。例如对教学情感的共鸣支持、对复杂课堂情境的综合判断、对教师个性化成长路径的规划等，都是目前的人工智能所不擅长的。
因此在推广AI教练时，应保持一个平衡观：让AI擅长的事务（数据分析、常规反馈）减负人工，让人类教练专注于AI无法涉及的“人性化”辅导。教师也应被鼓励将AI看作辅助工具，在获益的同时，保持专业上的自主判断——毕竟AI提供的是建议而非指令，教师才是教学决策的主体。
这项融合幼儿园研究为我们描绘了AI在教师专业发展中应用的美好前景。通过巧妙地将人工智能融入教师自行查漏补缺的流程，它有效地提升了教师执行融合教育策略的质量，进而改善了特殊幼儿的学习成果。
这一成果具有多重价值：既回应了“培训落地难”的现实难题，为教师培训的“最后一公里”提供了创新解决方案，又为教育信息化在特殊教育领域的深化应用树立了标杆。
文献来源：
BARTON EE, SMITH B J,VEGUILLA M, 等. Investigating theimpact of Al-supported self-coaching as a professional development model for embedded instruction in inclusive earlychildhood settings[J]. Behavioral Sciences, 2026, 16(1): 140.
获取方式：
撰稿人：张钠（BCaBA)
识别二维码 了解华夏云课堂
往期推荐
【培训通知】关于开展初级行为分析员技能培训的通知
【培训通知】关于开展中级行为分析员技能培训的通知
