Artificial Intelligence in Elementary STEM Education: A Systematic Review of Current Applications and Future Challenges

📄 arXiv: 2511.00105v2 📥 PDF

作者: Majid Memari, Krista Ruggles

分类: cs.CY, cs.AI

发布日期: 2025-10-30 (更新: 2025-11-06)

💡 一句话要点

系统性回顾AI在小学STEM教育中的应用，揭示挑战并展望未来方向

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 人工智能 小学教育 STEM教育 系统性回顾 智能辅导系统

📋 核心要点

  1. 现有AI在小学STEM教育中的应用研究分散，缺乏系统性的整合分析，难以指导实践。
  2. 该研究通过系统性回顾，梳理了AI在小学STEM教育中的八个主要应用类别，并分析了其有效性。
  3. 研究揭示了当前AI应用存在的八个主要差距，并提出了未来发展的方向，例如加强STEM整合和保护隐私。

📝 摘要（中文）

人工智能（AI）正在改变小学阶段的STEM教育，但相关证据仍然分散。本系统性综述综合了2020-2025年间的258项研究，这些研究考察了AI在八个类别中的应用：智能辅导系统（45%的研究）、学习分析（18%）、自动评估（12%）、计算机视觉（8%）、教育机器人（7%）、多模态感知（6%）、AI增强的扩展现实（XR）（4%）和自适应内容生成。分析表明，大多数研究集中在高年级小学（65%）和数学（38%），跨学科STEM整合有限（15%）。虽然会话式AI表现出中等效果（d = 0.45-0.70，在报告的研究中），但只有34%的研究包括标准化的效应量。八个主要差距限制了实际应用的影响：碎片化的生态系统、不适合儿童发展、基础设施障碍、缺乏隐私框架、STEM整合薄弱、公平性差距、教师边缘化和狭窄的评估范围。地域分布也不均匀，90%的研究来自北美、东亚和欧洲。未来的方向呼吁可互操作的架构，以支持真实的STEM整合、适合年级的学习设计、保护隐私的分析以及以教师为中心的实施，从而增强而非取代人类的专业知识。

🔬 方法详解

问题定义：当前小学STEM教育中，人工智能的应用缺乏系统性的研究和整合，导致实践指导不足。现有的研究往往关注单一学科或技术，缺乏跨学科的整合，并且忽略了儿童发展特点、隐私保护等重要问题。此外，教师在AI应用中常常被边缘化，评估范围也较为狭窄。

核心思路：本研究采用系统性回顾的方法，对2020-2025年间发表的258篇相关研究进行综合分析，旨在全面了解AI在小学STEM教育中的应用现状、存在的问题和未来的发展方向。通过对研究进行分类、统计和分析，识别出关键的差距和挑战，并提出相应的改进建议。

技术框架：该研究的技术框架主要包括以下几个阶段：1) 文献检索：在多个数据库中检索与AI在小学STEM教育中应用相关的研究；2) 文献筛选：根据预定的纳入和排除标准，筛选出符合研究要求的文献；3) 数据提取：从筛选出的文献中提取相关数据，包括研究类型、AI应用类别、研究对象、研究方法、研究结果等；4) 数据分析：对提取的数据进行统计分析和内容分析，识别出AI应用的主要趋势、有效性、差距和挑战；5) 结果综合：将分析结果进行综合，提出未来发展的方向和建议。

关键创新：本研究的关键创新在于其系统性和全面性。它不仅对AI在小学STEM教育中的应用进行了全面的梳理和分类，而且还深入分析了其有效性、差距和挑战。此外，该研究还提出了未来发展的方向和建议，为研究者和实践者提供了有价值的参考。

关键设计：研究的关键设计包括：1) 预先定义了清晰的纳入和排除标准，以确保文献筛选的质量；2) 采用了标准化的数据提取表格，以确保数据提取的准确性和一致性；3) 运用了多种数据分析方法，包括统计分析和内容分析，以全面了解AI应用的情况；4) 提出了具体的改进建议，以指导未来的研究和实践。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

研究发现，智能辅导系统是小学STEM教育中最常见的AI应用（45%的研究），会话式AI表现出中等效果（d = 0.45-0.70，在报告的研究中）。然而，只有34%的研究报告了标准化的效应量，表明研究质量参差不齐。此外，研究揭示了地域分布不均，90%的研究来自北美、东亚和欧洲，表明AI在小学STEM教育中的应用存在地域差异。

🎯 应用场景

该研究成果可应用于指导小学STEM教育中人工智能的有效应用。通过了解当前应用的优势与不足，教育工作者可以更有针对性地设计和实施AI辅助的教学方案，例如开发更符合儿童发展特点的智能辅导系统，或构建保护学生隐私的学习分析平台。研究结果还有助于政策制定者制定相关政策，促进AI在教育领域的健康发展。

📄 摘要（原文）

Artificial intelligence (AI) is transforming elementary STEM education, yet evidence remains fragmented. This systematic review synthesizes 258 studies (2020-2025) examining AI applications across eight categories: intelligent tutoring systems (45% of studies), learning analytics (18%), automated assessment (12%), computer vision (8%), educational robotics (7%), multimodal sensing (6%), AI-enhanced extended reality (XR) (4%), and adaptive content generation. The analysis shows that most studies focus on upper elementary grades (65%) and mathematics (38%), with limited cross-disciplinary STEM integration (15%). While conversational AI demonstrates moderate effectiveness (d = 0.45-0.70 where reported), only 34% of studies include standardized effect sizes. Eight major gaps limit real-world impact: fragmented ecosystems, developmental inappropriateness, infrastructure barriers, lack of privacy frameworks, weak STEM integration, equity disparities, teacher marginalization, and narrow assessment scopes. Geographic distribution is also uneven, with 90% of studies originating from North America, East Asia, and Europe. Future directions call for interoperable architectures that support authentic STEM integration, grade-appropriate design, privacy-preserving analytics, and teacher-centered implementations that enhance rather than replace human expertise.