余新国， 夏 菁

(1.华中师范大学 人工智能教育学部， 湖北 武汉 430079；2.华中师范大学 国际文化交流学院， 湖北 武汉 430079)

一、引言

(一)研究源起

自古以来教育主要是通过面对面“人教人”的途径实现，而现代技术描绘了人机共融教育的新愿景。人类进入21世纪以来，教育云、网络教学平台、教学软件、教育APP和社交软件等实现了人网协作教育(1)杨宗凯、杨浩、吴砥：《论信息技术与当代教育的深度融合》，《教育研究》2014年第3期。。网络连接打破了传统教学的“围墙”而大大突破了面对面“人教人”的限制。在新冠肺炎疫情带来的人与人相互隔绝状态中，人网协作使教与学能够“正常”进行，现代教育技术的优势得到极大彰显，但同时也暴露出一些问题和局限性，比如在互动交流方面不如现实场景中有效。这些问题和局限性促使教育技术向以教育机器人为特征的人机共融教育发展。针对线上教学互动交流受限的情况，教育机器人因其拥有仿真教育能力而在互动交流、情感表达等智能功能方面具有很大的优势。

人机共融教育的需求推动了教育机器人的研究。通过文献分析发现，对于教育机器人的研究主要体现在开发和应用两大领域。开发领域的研究主要包括通用软硬件的研发和特型教育机器人的研发。应用研究主要集中在四个方面：(1)应用理论探索。应用理论探究教育机器人应用于教育的基本原理、应用范式和发展趋势。例如黄荣怀等对教育机器人的应用情境、关键技术进行了研究，提出了十大核心观点(2)黄荣怀、刘德建、徐晶晶等：《教育机器人的发展现状与趋势》，《现代教育技术》2017年第1期。；Benitti和Cheng等从理论上探讨教育机器人的概念、角色、潜能、交互理论、核心应用以及人机共融新教学模式等在教育方面的作用(3)F. Benitti，“Exploring the Educational Potential of Robotics in Schools：A Systematic Review”，Computers & Education，Vol.58，2012；Y. W. Cheng，P. C. Sun，N. S. Chen，“The Essential Applications of Educational Robot：Requirement Analysis from the Perspectives of Experts，Researchers and Instructors”，Computers & Education，Vol.126，2018.。(2) 应用功能需求探究。这方面的研究主要是探究教育机器人需要具备的功能。例如李艳燕等对教育机器人的设计、硬件和软件的构成以及关键技术构成进行了分析(4)李艳燕、李新、王君秀：《教育机器人的设计与关键问题分析》，《现代教育技术》2020年第1期。；高博俊等提出了教育机器人产品功能的分析框架(5)高博俊、徐晶晶、杜静等：《教育机器人产品的功能分析框架及其案例研究》，《现代教育技术》2020年第1期。；卢宇等分析了“智慧学伴”的系统架构(6)卢宇、薛天琪、陈鹏鹤等：《智能教育机器人系统构建及关键技术——以“智慧学伴”机器人为例》，《开放教育研究》2020年第2期。；肖广德等从教育需求出发，提出了教育机器人功能设计的重要“关注点”(7)肖广德、刘彤、张香玲：《教育机器人的需求分析与功能设计》，《现代教育技术》2020年第1期。。(3)应用场景研究。应用场景研究主要探究在什么场景下应用教育机器人。在授课应用方面，采用教育机器人教授语言是最为普遍的课程类型(8)陆小飞、廖剑、许琪：《教育机器人在外语口语教学中的应用研究现状及前瞻》，《外语界》2021年第1期。。在中小学应用机器人教育方面，Chin等和Chen等分别研究了教育机器人对于提升学习兴趣的作用(9)K. Chin，Z. Hong，Y. Chen，“Impact of Using an Educational Robot-based Learning System on Students’Motivation in Elementary Education”，IEEE Transactions on Learning Technologies，Vol.7，No.4，2014；H. Chen，H. W. Park，C. Breazeal，“Teaching and Learning with Children：Impact of Reciprocal Peer Learning with a Social Robot on Children’s Learning and Emotive Engagement”，Computers & Education，Vol.150，2020.，Mitnik等则研究了教育机器人授课的模式(10)R. Mitnik，M. Nussbaum，A. Soto，“An Autonomous Educational Mobile Robot Mediator”，Autonomous Robots，Vol.25，No.4，2008.。魏雪峰等研发了教育测评机器人，并在初中数学课堂开展了教学应用(11)魏雪峰、刘永渤、曲丽娟等：《教育测评机器人的理念构想与教学应用研究》，《中国电化教育》2018年第12期。。(4) 教学实践与评估研究。这方面着重研究评估教育机器人应用于教学的评估理论、方法和实践效果(12)K. Chin，Z. Hong，Y. Chen，“Impact of Using an Educational Robot-Based Learning System on Students’ Motivation in Elementary Education”；I. R. Nourbakhsh，K. Crowley，A. Bhave，et al.，“The Robotic Autonomy Mobile Robotics Course：Robot Design，Curriculum Design and Educational Assessment”，Autonomous Robots，Vol.18，No.1，2005；T. Belpaeme，J. Kennedy，A. Ramachandran，et al.，“Social Robots for Education：A Review”，Science Robotics，Vol.3，No.21，2018.。例如在学术期刊Computers&Education上发表的多篇相关论文全面系统地评估了教育机器人的使用效果，提出了使用教育机器人的各种量表，从参与度、娱乐性、焦虑性和意图四个方面对学习者态度进行分析，在各种细分人机结合模式下，对教学潜能、学习行为、学习模式、学习效果进行了基于数据的分析(13)Y. W. Cheng，P. C. Sun，N. S. Chen，“The Essential Applications of Educational Robot：Requirement Analysis from the Perspectives of Experts，Researchers and Instructors”；H. Chen，H. W. Park，C. Breazeal，“Teaching and Learning with Children：Impact of Reciprocal Peer Learning with a Social Robot on Children’s Learning and Emotive Engagement”；S. Kucuk，B. Sisman，“Behavioral Patterns of Elementary Students and Teachers in One-to-One Robotics Instruction”，Computers & Education，Vol.111，2017；E. A. Konijn，J. F. Hoorn，“Robot Tutor and Pupils’ Educational Ability：Teaching the Times Tables”，Computers & Education，Vol.157，2020.。

综上可知，学术界对教育机器人的研究涉及了模块开发、整机开发、应用理论、课程设计、功能组成、实践与评估等方面，为教育机器人的研究和发展奠定了基础。然而囿于现有科学技术发展水平，教育机器人的研究还处在起步阶段，许多具有挑战性的问题有待探索。其一，在目前研究中教育机器人十分繁杂，互不兼容，面对这种“独特”能否建立一个具有高度概括力和包容性的软硬件框架用于分析和解释这些彼此各异的教育机器人？其二，各类教育机器人有着各自不同的外显能力，即完成教育动作和任务的能力。然而需要追问的是，哪些外显能力与教育需求相匹配？在教育过程中它们又是如何发挥作用？如何选择适合教育场景需求的教育机器人？其三，内部软硬件与外显能力如何支撑人机共融教育模式？回答这些问题需要对教育机器人的结构体系和能力体系作系统性的研究。教育机器人及其相关领域发展成果为此研究提供了成熟条件。“阿尔法狗”在与人类顶尖棋手的人机大战中取得压倒性胜利就证明人工智能具有强大的运算能力，从而间接地证明了教育机器人的算法基础和计算技术前提已具备。与教育机器人相关的机器人学、人工智能在近十年来取得了长足的进步，为教育机器人发展提供了理论和技术支持。清华大学和微软亚洲研究院合作开发的“华智冰”具有了先进的智能功能，标志着智能机器人开发的新水平。ScienceRobotics是机器人学领域的刊物，经过5年的发展影响因子就高达23.75(14)G. Z. Yang，J. Bellingham，H. Choset，et al.，“Science for Robotics and Robotics for Science”，Science Robotics，Vol.1，No.1，2016；G. Z. Yang，S. H. Collins，P. Dario，et al.，“Five Years of Science Robotics”，Science Robotics，Vol.6，No.1，2021.，其惊人成长见证了机器人仿生理论与应用方面的快速发展。相关技术的进步昭示着教育机器人的发展是可期的，本文从教育机器人研发和应用的双向视角出发，提出教育机器人的内部软硬件框架和外显能力体系，从整体上提升人们对教育机器人的认知，推动构建人机共融教育新模式的发展。

“教育机器人”是随着智能技术与教育的结合逐渐走入人们视野，代表了智能教育的前沿状态。近年来教育机器人在开发和应用两个方面取得了重要成就，但究竟何为教育机器人，目前的定义还是比较笼统和模糊。学术界对教育机器人也有多种理解，主要关注机器人对教育的辅助功能：认为教育机器人是辅助教学、管理教学、处理教学事务乃至主持教学等功能的机器人[P66，P67](15)本文中的[PXX]上标是指脚注以外的文献，表1给出了它们来源信息。；或者认为教育机器人是基于教学理念，遵循教学教法和内置教学案例而开发的教学装备[P24]。这些研究显示，教育机器人早期的研究在很大程度上将之归属于服务机器人之列，但也有学者认识到教育机器人并不是服务机器人的简单延伸，所以将其单独划分为“教育机器人”(16)H. Chen，H. W. Park，C. Breazeal，“Teaching and Learning with Children：Impact of Reciprocal Peer Learning With a Social Robot on Children’s Learning and Emotive Engagement”.。这样的界定表明，研究者大多将所有协助进行教学或学习活动的“机器人教育”以及具有教育服务智能的“教育服务机器人”统称为教育机器人。这些“界定”表现出“种差+属”的界定方法，昭示出要给“教育机器人”一个准确的定义比较困难，只得用熟知的事物与学科相加，但“教育机器人”的不同定义都包含了机器人对于教育的价值和意义。

教育机器人的本质特征是智能服务于教育的机器人，它的落脚点是教育，因而教育机器人不同于智能事务服务机器人，需要重点关注和单独讨论，为此需要理清几种关系(17)张鹏：《智能机器人辅助教育及其应用》，《中国电化教育》2009年第2期。。其一，需要理清种属关系。教育机器人不一定是应用于教育的实体机器人。教育是智力活动，需求的是情景构建、知识流动和情感交流，而对教育者的实体在场不是绝对要求的，因而教育机器人可以是虚拟的。如果把教育机器人仅视为用于教育的实体机器人就“窄化”了，因为具有教育功能的虚拟机器人也是教育机器人。其二，教育机器人与机器人学的研究重点也有本质的区别。机器人学所关注主题主要是机器人如何实现生物的功能，如行走、爬行、软体、潜水、探测、视觉、听觉、嗅觉、触觉、情感、群体合作等，而教育机器人关注的重点是其教育的功能。其三，教育是一个复杂而高级的智能活动，因而教育机器人强调的是其智能功能，有其自身的理论基础和技术前提。

综上可以形成如下定义：教育机器人是融合了计算、传感、网络和人工智能等信息技术和智能技术，实现对知识体系、教育参与者、教育场景和教育过程的数字化建模与计算，拥有担任教育角色、完成教育任务能力的智能系统或智能体。教育机器人因其应用场景众多、范围广大、对象广泛，所以表现形式千差万别：可以是实体，也可以是虚拟；可以是通用，也可以是专用；可以是人形，也可以是动物形、物形等。沿此，我们在全面掌握现有相关研究文献的基础上，从智能系统研发的角度，构建教育机器人内部软硬件框架和外显能力体系，从总体上把握教育机器人的概念，试图对教育机器人作一个比较全面的、系统性的描述。

(二)研究方法

本文以过去20年里有关教育机器人的研究文献为出发点，采用最新人工智能技术BERT(18)J. Devlin，M. W. Chang，K. Lee，et al.，“BERT：Pre-Training of Deep Bidirectional Transformers for Language Understanding”，https：//arxiv.org/pdf/1810.04805.pdf，2021-07-15.进行分析和凝练，形成对研究问题的基本认识架构，再采用系统研究法，提出教育机器人的内部软硬件框架和外显能力体系，进而整合形成完整的教育机器人知识体系，再基于其整体能力探究典型的人机共融教育模式。具体采取四个步骤来完成。第一，广搜文献，全面掌握研究资料。从中国知网收集到240篇论文，从WoS收集到332篇论文，共572篇。第二，挖掘内部框架和外显能力体系构成要素。采用BERT将每篇论文用向量序列表示，然后通过分析得到572篇论文的内容体系。第三，采用系统研究法构建内部软硬件框架和外显能力体系。将有关教育机器人的研究内容体系划分为开发研究和应用研究两部分，再采用系统研究法分别提炼出具有高度概括力和解释力的“内部软硬件框架”和“外显能力体系”。第四，精选文献并列出文献分类分布，阐明总体框架和能力体系与相关研究的契合性和相融性，从而证明内部框架和外显能力体系的完备性、概括力、解释力。具体方法为，从572篇论文中精挑88篇作为参考文献。从内部软硬件框架和外显能力体系的每一类研究内容中抽取10个关键词，每篇论文也提取10个关键词，这样可以计算得出每篇论文与每类内容的关联度。当关联度大于20%时，就认定此论文属于该类，所以一篇论文可以属于1至4类；对于综述论文，只要关联度大于10%时，就认定此论文属于该类，因此综述论文可以覆盖所有类别。表1显示的是本文所提出的教育机器人的总体框架与相关研究文献的关系。

(表1) 教育机器人论文的来源和主题分布及其两层编码表示

鉴于88篇相关研究文献数量仍然较大，于是采用编码技术来呈现，从88篇文献中挑选20篇作为脚注文献(脚注文献中另有4篇不是关于教育机器人的论文)，剩下的68篇作为扩展文献。两类文献都以两层编码的方式分别呈现在表1的下部。第一层是杂志名编码，采用JXX表示一个杂志名，比如J06表示《中国电化教育》。第二层是论文编码，采用ZXX和PXX分别表示脚注文献和扩展文献，比如“Z01=J09，2017，27(1)：13-20”表示发表在《现代教育技术》2017年第27卷期第1期第13至30页的论文，属于脚注文献；“P08=J06，2020.12：36-43”表示发表在《中国电化教育》2020年第12期第36至43页的论文，属于扩展文献。此外还约定：对于无卷号的杂志在年与期之间加点分开，如“2020.12”；对于有卷号的杂志在年与卷之间加短号分开，如“2012，58”和“2017，27(1)”，其中卷后括号内的数字表示期号。88篇论文在各个类型上的分布也呈现在表1中。表1的上部分呈现了来自中国知网和WoS的论文在七个类别“综论”、“机体基础”、“数据资源”、“智能计算”、“五类能力”、“五种角色”、“十个维度”上的数量分布；这七个类别也是七个主题，表1的中间部分呈现了论文的主题分布。具体做法是将88篇论文分成13组，呈现每一组来自中国知网和WoS的论文数目，并用“√”表明该组论文涉及七个类别中的哪些类别。

二、支撑人机共融教育的教育机器人内部软硬件框架

人机共融教育对于教育机器人能力有着各种要求，而这些能力又是由其内部的功能框架提供技术支撑的，所以研究教育机器人的内部软硬件框架是一个重要基础工作。研究者对教育机器人的内部软硬件的界说众说纷纭，那这些“各自界说”能否进行有效沟通和交流，能否形成统一的具有高度概括力的关于内部框架的“解释模型”？通过对大量相关研究文献的数据挖掘和分析发现，实际上这些“各自界说”彼此有共同点，因而可以基于“共同要素”提出具有高度概括力的内部软硬件框架雏形，进而经过体系再构造、概念再生成和内涵再辨析，构建一个总括全貌的内部软硬件框架，每个具体教育机器人类型是这个内部软硬件总体框架的部分体现。教育机器人的内部软硬件框架由机体基础、数据资源、智能计算三个方面组成。

(一)机体基础

机体基础可以划分为机器内核、移动设备、展示设备、感知设备、网络设备、外延设备等六个部分。第一，机器内核是提供基础功能的硬件和软件结合体，包括算力主板、操作系统、中控系统。机器内核可能不直接提供教育功能，但它是实现教育功能的基础内核。现有文献中与机器内核相近的术语是机器本体，两者不同的是：机器本体强调的是物理上的机器人实体(包括形态、硬件)和软件的结合；而机器内核只包括机器本体的基础功能部分，这将更加突出其内核的稳定性。第二，移动设备是指将教育机器人从一个空间点转移到另一个空间点的设备，是对虚拟移动和实体移动的集中概括表述。虚拟教育机器人的移动是通过数字传输和重构完成的，而实体教育机器人的移动设备以轮式和足式较为普遍。教育机器人若要高质量地完成教育任务，其移动功能是十分重要的，因为双足移动更接近人的能力，因而它在创客教育机器人方面尤其重要。双足的技术门槛比较高，大规模地应用于教育机器人还需时间。相较而言，机器人的轮式移动技术较为成熟，因而是目前教育机器人的一种主要移动方式。第三，展示设备是指教育机器人展示动作和多媒体内容的设备。机器整体都是动作展示设备。多媒体展示设备则有麦克风、显示屏和投影仪。麦克风是教育机器人的普及技术。显示屏技术已经很成熟但是研发者出于不同的考虑在教育机器人上不一定安装显示屏。投影仪用于教育机器人已有实验室原型，这将是一个新的发展方向。第四，感知设备是教育机器人感知环境和接收输入并转化为电子信息的设备。感知设备包括传感器、触摸屏、麦克风、照相机等各类信息输入设备。第五，网络设备是指连接各种信息网络的设备。教育机器人通常通过短距离无线通信与周围固定设备进行信号连接，固定设备再与局域网和万维网通信。这样既可以拥有强大的网络通信能力，又可以保证机身轻便。网络设备可以极大地提高教育机器人的远程服务能力和扩大其信息交流范围。第六，外延设备是指教育机器人的其他设备，与上述的五类设备配套的控制器、抢答器、呼叫器都是外延设备。物联网所构建的教育机器人的智能环境是新的一类外延设备，与控制器、抢答器、呼叫器等相比，它不仅扩展了机器人的功能性、智能性和趣味性，更拓展了学生的创新思维空间，提高了学生的自主创新积极性。机体基础的六个部分建立在对现有相关论文提炼的基础上，因而对相关论文具有兼容性和解释力，表2以简洁和直观的形式说明机体基础与相关论文的关联。

(二)数据资源

内部软硬件架构的第二个组成部分是数据资源。为了对教育参与者、教育场景和教育过程进行数字化建模和数字化计算，教育机器人必须具有强大的数据获取和分析功能[P01，P06，P30]。教育大数据是智能教育研究中最为活跃的方向之一，相关术语随之大量产生。对于这些术语经过聚类分析发现：教育机器人的数据资源可以划分为知识图谱、学情画像、教学资源、常识图谱、教育档案、环境信息等六类数据。这六类数据中的前四类已有较多文献涉及，然而有关常识图谱和教育档案的文献较少，基于对教育机器人的服务范围和潜在能力的考虑，这两类数据同样具有重要的信息，将其纳入就形成了全面的数据资源类型。下面就这六类数据资源进行描述说明，并将每类数据资源与对应的论文的编号呈现在表3，表格的集中呈现有利于理解数据资源分类的完备性和科学性。

(表2) 教育机器人机体基础的六个部分与相关论文的关联列表

(表3) 教育机器人六类数据资源与相关论文的关联列表

第一，知识图谱是对学科知识的数字化体系化描述，其在应用中可以通过解释程序呈现多样的表现形态，可以用于支撑教育机器人实现其教育功能。比如，为了研究学科知识本体时，知识图谱可以表现为“图”的形式；在诊断学习成效时，知识图谱可以表现为知识点的形式[P11]。第二，学情画像是依据指标模型对教育相关个人或单位的数据化刻画。目前主要研究对学习者的学科知识、认知能力、学科素养、学习风格以及情感状态等方面的特征描述[P11]。学习者在学习过程中会产生多维度的行为数据，研究者通过整合学习者心理和行为数据进行科学的分析，构建学习者数据化画像模型。学情画像构建的关键在于如何收集和如何处理学习相关数据，有学者提出了构建学情画像可行的方案，例如有学者提出以学习者为中心的模型，以个性特征、学习特征和社交特征作为个体特征识别，以认知行为、心智行为、眼动行为、脸部行为、交流行为和语言行为作为行为数据源，通过计算解析出个性化学习特征[P08，P32]。第三，教学资源是指教学过程中所使用的各种数字化资源，具体包括课程、教案、工具等方面资源，其中课程资源是目前研究重点[P20，P33]。随着对教育机器人的个性化教学需求的增加，满足不同需求的多样化教学资源的研究将会更多。第四，常识图谱是指对常识知识的系统化描述。教育机器人的日常教育服务需要常识知识的支撑，以便它的行为符合人情，所以常识图谱也是重要的数据资源[P06，P19]。但目前面向教育机器人的常识图谱还只是初级阶段，需要进一步探究。第五，教育档案是指按照一定的原则和方法保管的具有保存价值的教育文献资料。教育档案包括学生成绩单、鉴定表、招生数据、毕业数据、就业数据、职业发展数据等。教育档案有助于研究人才培养计划与社会人才需求的优化匹配[P52]。这些是提供报考指导、就业指导、能力发展指导等教育事务智能服务的基础数据。但这方面研究还在起步阶段。第六，环境信息是指教育机器人所处环境的信息，包括空间、地图、天气、设施等。基于物联网、传感器和定位技术使教育机器人具有环境智能感知[P18，P30，P44]，即能在环境中主动感知，实现自我管理，从而保证自身维护和提供服务的智能化。

(三)智能计算

内部软硬件架构的第三个组成部分是智能计算。教育是一种智力活动，在“人教人”的模式中智能活动指令是由人的思考所产生的，教育机器人要实现教育也需要具有产生教育活动指令的机制，这些指令都是根据教育情景而产生的，所以教育机器人需要有计算教育情景的能力。鉴于此，根据不同的情景需要可以将智能计算进一步划分为交互计算、知识计算、学情计算、资源计算、用户计算、环境计算六类。

(图1) 六类智能计算构筑教育机器人智能计算能力的关联结构图

第一，交互计算是指支撑教育机器人与使用者之间交互的计算。教育是在交互过程中进行的，因而交互计算是教育机器人的核心要素。教育机器人可以与人进行互动与交流，并综合考虑周围环境和时间安排积极主动地做出反应(19)A. Edwards，C. Edwards，P. R. Spence，et al.，“Robots in the Classroom：Differences in Students’ Perceptions of Credibility and Learning between ‘Teacher as Robot’ and ‘Robot as Teacher’”， Computers in Human Behavior，Vol.65，2016.[P52]。机器人可以识别学习者身份，也可以对学习者进行情感识别和表达，并基于这些信息生成个性化交流内容，包括与情景相适配的个性化问候语、游戏、情景对话，以加强学习者与机器人教育交流的紧密度和亲密感[P23，P48]。第二，知识计算是指对教育相关知识的计算。知识计算的常见对象是学科知识、社会知识、常识知识等。知识计算可以利用智能算法来创建符合特定需求的定制教材，甚至可以做到个性化教材(20)I. R. Nourbakhsh，K. Crowley，A. Bhave，et al.，“The Robotic Autonomy Mobile Robotics Course：Robot Design，Curriculum Design and Educational Assessment”.。学习诊断是另一类重要的知识计算，依照学科知识图谱和特定学情画像实现针对学习者的知识掌握情况的诊断[P22，P35]。第三，学情计算是指对教育参与者全面学习状况的计算。学情监测是学情计算的数据收集阶段，它借助人工智能技术全面了解学习者学习情况，并对其学习效果进行预测和干预[P08，P22]。通过采集学习的全过程数据，机器人可以对学习者的学习状态进行准确分析和可视化展示，可以呈现反映当前学习状况的个性化知识图谱[P08，P11，P22]。另一种学情监测是指对上课状况、考场状况、学生出勤状况的监测。目前已有许多学情计算方面的研究成果，具备提出研究全面学习状况计算的基础。全面学习状况计算需要进一步强调两个相关问题，即学情监测数据的全面性问题和学情计算结果与人评结果的一致性问题。第四，资源计算是指教育中有关学习资源推荐计算和生成计算。它可以利用知识追踪与推荐算法进行学习资源的精准推荐[P08，P11，P22]，还可以根据学习风格和特点提供个性化的教学策略和教学资源[P50，P51]。资源计算目前是以资源推荐计算为主流，但是随着人工智能创作技术的兴起，学习资源生成计算将会得到发展。第五，用户计算是指对用户的个性化情况的计算。通过采集学习过程数据，机器人可以对学习者的学习习惯、学习能力、学习偏好、社会环境、身体状况进行准确分析和可视化展示。人工智能技术结合学情计算、资源计算等能为每位学习者制定个性化的学习路径、学习节奏、学习策略，推送合适的学习资源，提升其学习效果[P08，P32]。第六，环境计算是指基于教育环境数据的计算。采用多种传感器是提高机器人的智能和自适应性能的重要途径。智能移动机器人能够通过传感器感知环境和自身状态，实现在有障碍物的环境中面向目标的自主运动，从而完成路径规划、定位和避障等任务[P18，P30，P44]。实际上，六类智能计算并非完全独立，而是各有侧重又彼此关联，形成一个关系密切的网络，如图1所示。

以上对教育机器人的内部软硬件框架的论述突出了教育机器人的教育智能，其中机体基础具有硬件特性，数据资源、智能计算都具有教育的智能功能，三者联体共存。

三、胜任人机共融教育的教育机器人外显能力体系

内部软硬件框架构成了教育机器人，而它要有外显能力才能胜任人机共融教育。本文在考察教育机器人不同能力维度的基础上构建了具有概括力和解释力的外显能力体系，以便全面而系统地研究教育机器人潜能。教育机器人的外显能力体系可由五类教学能力、五种教育角色和十个评测维度组成。

(一)教育机器人的五类教学能力

(图2) 五类教学能力合成教育机器人教学能力的关联结构图

教育是在教育提供者与教育接受者之间的各种交流过程中完成的，因而教育机器人所发展的也就是教学交流中的五类教学能力，即教学交互、课程供给、课业交流、教学管理和用户沟通方面的能力。图2是对这五类教学交流能力的主要方面及其关系的描述。

第一，教学交互是指采用信息技术构建的服务于教学活动的交互。教学交互采用多模态协作的信息交互和多形态的交互(21)黄荣怀、刘德建、徐晶晶等：《教育机器人的发展现状与趋势》；F. Benitti，“Exploring the Educational Potential of Robotics in Schools：A Systematic Review”；S. Kucuk，B. Sisman，“Behavioral Patterns of Elementary Students and Teachers in One-to-One Robotics Instruction”.。常见模态有信号、文本、语音、视觉等。常见形态有语言、动作、情感等。第二，课程供给是指教育机器人提供各类型课程的能力。课程是教育中的成熟形式，有较高的接受度，教育机器人与课程结合是一种成功的形式[P42]。较为常见的课程类型有微课、语言、拓展、兴趣、特教等[P19，P45]。第三，课业交流是指课程学习过程中各种形式的交流。教育机器人提供课业交流的常见形式有课程主讲、辅导答疑、收发作业、作业批改、师生扮演、人机对练等(22)A. Edwards，C. Edwards，P. R. Spence，et al.，“Robots in the Classroom：Differences in Students’ Perceptions of Credibility and Learning between ‘Teacher as Robot’ and ‘Robot as Teacher’”.[P19，P54]。第四，教学管理是指有关学习方面的管理。教育机器人可以提供的教学管理，常见的有学情诊断、学习引导、规划指导、课程管理、作业管理、资料管理等[P59]。第五，用户沟通是指机器与用户双向事务性交流。常见方式有作息提醒、习惯管理、安保服务、机主档案、事务辅助等。

(二)教育机器人的五种教育角色

教育是一种社会性的活动，在传统的教育中，“人”和“物”按教学场景的需要扮演不同角色进行教育性社会交流。教育机器人诞生后如何扮演和提升这些角色是教育机器人研发中应关注的问题。从目前研究来看，对教育机器人角色的研究主要关注助教、教师、学伴、教具这四种角色，体现了“以教为主”的理念。但因信息时代教与学角色的转变以及教学相长的需要，机器人扮演学生角色的教学方式应运而生，这使得学习者从原来的被动的学习者变成了主动的、构建的、意图的、交流的、情境的以及反思的学习者，由此，教育机器人可以分别扮演助教、教师、学生、学伴、教具五种角色参与教育活动。表4描述了教育机器人的五种教育角色以及与每种角色相关的代表产品和论文，以便了解学术界和工业界对每种角色的研究成果和研发热度。

(表4) 教育机器人的五种教育角色的代表性研究成果

第一，这里所说的“教师”是指教育机器人扮演教师角色，是一个需要具有丰富技能、高度智能和专业情感的教育角色，因而打造一个完全的机器教师是一个非常具有挑战性的研究目标。目前，在这方面取得了一定的成功，比如许多国家采用智能系统教授外语课程和拓展课程，这是一种专门的机器教师(23)R. Mitnik，M. Nussbaum，A. Soto，“An Autonomous Educational Mobile Robot Mediator”.[P10，P54]。第二，“助教”是指机器人扮演助教角色。助教职责主要有作业辅导、批改作业、准备试卷、学生评价、朗读课文、点名、监考等。这方面任务由于涉及较少情感成分而取得比较多的成熟成果(24)魏雪峰、刘永渤、曲丽娟等：《教育测评机器人的理念构想与教学应用研究》；E. A. Konijn，J. F. Hoorn，“Robot Tutor and Pupils’ Educational Ability：Teaching the Times Tables”.[P19，P47]。机器助教的进一步发展有赖于更基础性的研究以提高智能水平，如需要机器解答、学习诊断、知识图谱等技术用于提高机器助教进行作业讲解、提供学习处方、评估知识点掌握程度的智能水平。第三，“学生”是指教育机器人扮演学生。机器人扮演学生的用途是让真正的学习者扮演教师，给扮演成学生的机器人讲授已经学过的知识来巩固和提高所学到的知识和技能[P54]，从而达到有效交流，主动构建知识和反思学习。另外，教育机器人学生还可以用于师范生的虚拟教学实习。就目前研究现状来看，教育机器人学生角色的研究有待加强，随着技术的成熟，教育机器人学生因其不可替代的角色将会发挥更大作用。第四，“学伴”是指教育机器人扮演陪伴学生的角色，主要任务是陪伴、陪练、对练、交流和保护等。陪练教育机器人扮演一个比学习者水平略高的虚拟学习者，与真正的学习者共同学习，一起练习提高。陪伴机器人的另一类任务是陪伴学生进行广泛交流，比如询问学生感兴趣的百科知识、历史知识、时事新闻等，与学生一起进行游戏、诗歌背诵、歌咏等活动(25)卢宇、薛天琪、陈鹏鹤等：《智能教育机器人系统构建及关键技术——以“智慧学伴”机器人为例》。[P23，P54]。第五，“教具”是指将教育机器人当作教具使用。这方面的研发主要是：研发各种教育机器人套件用于学生组装学习；研发各种教育机器人模块用于学生开发自行设计的机器人；研发出标准教育机器人用于学生开发教育机器人课程或用于学生编程练习[P46，P54，P65]。

(三)教育机器人的十个评测维度

教育机器人对于大众来说是一个复杂的对象，应用场景也丰富多样，所以需要采用一个指标体系来观察、表述与比较。文献中有相当数量的论文研究教育机器人的某些方面特性，如网络连接[P18，P44]、情感表达[P48]、主动服务[P27]、外貌设计[P60]、服务场景[P03，P26，P38]。我们在这些分散研究的基础上通过系统性的提炼，提出教育机器人应该包含十个评测维度的指标体系，其中“程度”和“状态”维度各五个。“程度维度”是指可以采用程度来描述的维度，“状态维度”是指采用分状态来描述而分状态之间不可以进行度量比较的维度。我们将这十维度的简要指标用表5呈现，并展示其对现有文献的兼容性。

五个程度维度分别为：第一，网联度是连接网络程度的度量指标。网联度值为零时就是指教育机器人完全没有网络功能，或称作网盲；当教育机器人充分与网络连接时称为网客，故网客教育机器人是依赖网络而生存的，网络为其提供管理、支持和更新。网络对于教育机器人具有提高和扩大其服务能力的作用。比如，教育机器人采用远程视频可以实现远程同在的教学形式[P18，P44]。网络支撑的教育机器人服务随着5G技术的推广应用将有更大发展空间。第二，情感度是情感交流能力的度量指标。情感度值为零时是指教育机器人完全没有情感识别和表达功能，称作无感；当情感度值为最大，即教育机器人具有全面的情感识别、情感表达以及同理心表达能力时，则称作全情。表情识别和表情表达的研究在人工智能领域非常活跃，这些技术在教育机器人方面的应用也有很多[P01，P13，P23]。第三，课程度是教授课程能力的度量指标。课程度值为零时是指教育机器人没有教授课程的能力；当具有最高课程度值时是指教育机器人可以全面地教授自带课程和第三方的标准课程。教育机器人与教育内容应该是分离的，这是因为教育内容和教育机器人机体的更新速度完全不一致，机器是耐用品，而课程不但要更新快还需要与每位学生的学习速度相关[P32]。第四，虚拟度是虚拟成分占比的度量指标。实体机器人是可视、可触的器件，因为无虚拟成分，其虚拟度为零。教育主要是一种智力活动，可以无形地进行，所以教育机器人也可以是无形虚拟机器人。当教育机器人是无形时，它的虚拟度为1。例如批改作业、组卷、讨论等活动都可以采用无形的教育机器人完成。常见的教育机器人平台有RobotVirtualWorld、LEGONPT、EV3、VEPIQ、VEP、BOE-bot等，其中有的是实体机器人，有的是虚拟机器人平台。如RobotVirtualWorld就拥有机器人虚拟技术、竞技仿真以及以探险故事为主线的游戏教育软件等。第五，自维度是教育机器人的重要度量指标，特别是面向幼儿园低龄儿童、小学生和特殊学生的教育机器人，需要更好的自主维护能力。研发先进技术提高教育机器人自维度是未来的发展方向，比如采用网客教育机器人是提高其自维度的途径之一。与此相应，外维也同样重要。外维是指教育机器人需要的外来维护工作，包括维护其正常工作、供电、移动、系统更新和教学功能更新。

(表5) 教育机器人的十个评测维度

五个状态维度分别为：第一，场景性是教育机器人对教育场景的适用性。常见场景有课内、课外、家庭、特教、作业辅导、语言学习、娱乐活动、常识学习、人机对练等(26)T. Belpaeme，J. Kennedy，A. Ramachandran，et al.，“Social Robots for Education：A Review”.[P8，P26，P47]。机器人的应用场景涉及两个方面的研究。其一是机器人的教学应用场域研究，排在前三的场域是教室、专业场域和个人场域，其二是机器人的适用对象研究，基础教育涉及幼儿、小学生、中学生三类人群，特殊群体涉及有各种特殊需要的群体，如自闭症儿童群体，高等教育涉及本科生和研究生两类人群。第二，外貌性是指教育机器人的外貌形象。人形机器人一般具有双足、双手和头部，具有双足行走功能。人形机器人可以用作教育机器人，但由于人形机器人的双足不稳定会带来安全隐患，所以市面上大多教育机器人都是非人形的，采用卡通、动物、球体等外貌[P60]。第三，开发性是指支持二次开发的性能。一般而言，面向终端用户教育机器人是指用户买到的是一个直接使用的机器人，不允许随意拆装，不提供二次开发接口。支持二次开发的教育机器人需要提供支持二次开发的良好性能，提供机器人平台和元器件或者模块、便利又多样的接口，以及丰富的基础功能，使开发者通过设计、开发、组装快速形成新型的教育机器人。第四，主动性是指完成工作是主动还是被动以及主动的类型。教育机器人主动协调地与人共同工作是人机共融教育的主要特征之一，因而主动性是重要指标。主动性涉及主动收集信息、主动计算情景、主动构建教育情景和主动开展教育活动。第五，移动性是指在空间中移动的性能。移动性能是一个基本性能，决定了机器在虚拟和物理空间中的活动范围，并且自维性能、主动性能和情感交流性能等都依存于移动性能。

图2、表4、表5表明，本文构建的外显能力体系是与当前相关研究内容紧密关联的，表明教育机器人外显能力体系具有高度概况力和兼容性，同时显示由五类教学能力、五种教育角色以及十个评测维度组成的外显能力系统能够解释几乎所有关于教育机器人的角色、作用、性能以及功能等的相关研究。

四、教育机器人知识体系与人机共融教育模式

教育机器人内部软硬件框架和外显能力体系是性质完全不同但又相互关联的两个部分，现有研究资料对这两者缺乏清晰的区别意识，笼统地进行研究，从而导致开发出的教育机器人功能含糊、标准化程度不够。因此，需先对教育机器人内部软硬件框架与外显能力体系分别进行研究，然后对两者进行系统性的研究，这样既有利于界定和建模各自的问题，又有利于深入地认识教育机器人知识体系。教育机器人内部软硬件框架构成了教育机器人，而构成的教育机器人表现出一系列的功能，可以扮演多种多样的教育角色，还可以用一套度量指标从另一个角度来评价这些功能和角色。这样，功能、角色以及度量指标这三种评判教育机器人的角度共同构成了教育机器人的外显能力体系。教育机器人内部软硬件框架构与外显能力相互关联，具体表现在：第一，每项外显能力都是某些内部模块的合力表现。比如，课程供给能力是教学资源、资源计算、感知设备以及展示设备等协作的综合表现，在这当中，教学资源提供课程内容，资源计算挑选课程，感知设备负责接收选课请求，展示设备显示交流内容。第二，教育机器人扮演的角色是依据行为模式对能力进行专门化重构的成果。例如，教师角色就是将五种能力按照讲解课程的行为模式而构成课堂管理、内容讲解、课堂交流、课堂练习等具体的行为模式。第三，十个评测维度是教育机器人内部软硬件所表现性能的指标化评测体系。十个评测维度是从基础能力的角度来评测教育机器人，而教育服务的用途评估则交由角色性能评测来完成。内部软硬件框架和外显能力体系构成了完整的教育机器人知识体系(见图3)，进而以教育的积极参与方构建全新的人机共融教育模式。

(图3) 教育机器人内部软硬件框架和外显能力体系构成的知识体系

教育机器人与其他教育要素相结合形成人机共融的教育需要有两个层面的人机共融。第一个层面是物理层面的人机共融，这涉及人机安全、人机协调和动作能力，这方面是机器人学研究的内容。第二个层面是教育层面的人机共融，这涉及的是人机教育协作模式(27)柳晨晨、宛平、王佑镁等：《智能机器人及其教学应用：创新意蕴与现实挑战》，《远程教育杂志》2020年第2期。，在这方面，主要探讨“双师课堂”、“虚拟助教”和“智能助手”三种人机共融的教育协作模式。

第一，人机共融的“双师课堂”。人机共融的“双师课堂”是优化人机分工协作并采用多样教育形式的教育形式。“双师课堂”的技术环境包括智慧教室、教育机器人和教育云。“双师课堂”的人机分工协作原则是发挥人机各自优势。人文交流、自由式即时教学和抽象内容链接是真人教师的优势，而精准复述、精准诊断、执行预制任务等是教育机器人的优势。因而将一个教学单元的教学任务分解成真人教师的任务和教育机器人的任务，然后按教学程序进行编排就可以形成人机的协同教学。“双师课堂”可以有丰富多样的人机协作方式，这里以三种方式作为样例。其一，在语言学习课堂，真人教师讲授教学内容，每位学生座位上的教学系统提供课中一对一练习。其二，每位学生一方面在校内获得教师提供的传统的实体教学服务，另一方面通过网络获得在线教育机器人提供的一对一在线辅导。其三，真人教师和实体教育机器人组成教学团队在物理空间中的课堂上演绎教学内容。

第二，人机共融的“虚拟助教”。虚拟助教是具有扮演虚拟助教辅导学生能力的教育机器人(28)E. A. Konijn，J. F. Hoorn，“Robot Tutor and Pupils’ Educational Ability：Teaching the Times Tables”.。虚拟助教完成一些常规的教学任务，让真人教师有更多的精力为学习者投入更多深入交流的时间，以此来增强学习者个性化的学习体验。虚拟助教可以有多种形式，可以是指利用虚拟现实技术、数字技术、虚拟人技术的三维再现人形的形式，也可以是借助社交网络工具的概念上的助教。不管虚拟助教具有什么形态，它至少由三种能力组成：理解问题、解决问题、生成反馈的能力。这三种能力表现在许多辅导场景之中，下面举两例来解释。其一，语音发音训练辅导。在语言学习中，标准而地道的发音对学生至关重要，而机器可以胜任这种发音训练辅导。其中的理解问题是要知道学生练习发音的内容和发音的误差；解决问题就是要得到正确的发音；生成反馈就是要指出产生发音误差的原因和示范正确的发音。其二，家庭作业辅导。学生做家庭作业时，可能有些题目不会做，需要虚拟助教的帮助。在这个过程中，正确接受学生对于某个题目的辅导请求就是问题理解；解答所接受的题目就是解决问题；以有效辅导的方式与学生交互就是生成反馈。

第三，人机共融的“智能助手”。与虚拟助教不同，智能助手不直接参与教学，而是隐形地作为教师的助手完成教师指派的任务(29)T. Belpaeme，J. Kennedy，A. Ramachandran，et al.，“Social Robots for Education：A Review”.。这些任务包括收发作业、批改作业、课堂管理、学习评估等。智能助手完成每类任务都有其自身的人机协同方式。对于收发作业任务，智能系统收集教师上课的内容和进度信息，拟定课后作业的不同方案供教师挑选，然后在计划的时间点发布给学生，到时间点再收回作业。对于批改作业任务，智能工具批改批注每份作业，做出作业的情况报告。对于课堂管理任务，智能教室系统清点上课出席情况、形成出席报告、评估课堂的授课状态、报告异常情况。对于学习评估任务，智能系统收集学生行为信息和学习有关数据，评估每位学生的学习状态和班级的学习状态。

五、结语

人机共融教育是以教育机器人为特征的新教育形态，这使教育机器人发展面临新的挑战和发展机遇。教育机器人的技术先进性、体系复杂性和应用多样性，决定了其发展是一个渐进过程。在从人网协作教育向人机共融教育发展的背景下，教育机器人的发展和智能教育的发展还缺乏相互关照和全面统筹。研究教育机器人的内部软硬件框架和外显能力体系，以及它们是如何支撑人机共融教育模式，将对教育机器人的研发和人机共融教育的发展起到重要作用。在技术发展上，通过建立教育机器人的内部软硬件框架和外显能力体系，促使教育机器人技术朝规范化、标准化发展。在推广应用方面，通过这一框架和体系构建教育机器人知识体系提升对教育机器人的认知，进而推动教育机器人的广泛应用。在研究方法上，本文采用人力和技术相结合的研究方法，这对于研究资料的全面掌握、研究问题的准确形成以及研究的客观性、科学性均具有创新的意义。在建模了教育机器人的内部软硬件和外部能力的基础上，还探讨了人机共融教育的几个典型教育模式并具体地探究了各个模式的要素、工作原理和工作流程。这将对人机共融教育的应用起到示范作用。

人机共融教育还处于起步阶段，其发展还需要进一步解决挑战性的问题。其一，人机共融教育需要怎样的教育机器人研究。基于现有研究资料提出教育机器人内部软硬件框架和外显能力体系及其知识体系是一项奠基性工作。在此基础之上，研究人机共融教育需要怎样的教育机器人是更具挑战的研究。这需要研究什么样的人机共融教育可以提升教育，什么样的教育机器人才能实现这样的人机共融教育。这些研究都需要大团队的多学科协作才能完成。其二，深入的教育机器人知识体系研究。本文提出的教育机器人内部软硬件框架和外显能力体系及其知识体系，相对而言是一个“粗犷”的框架，可以作为教育机器人知识体系的大纲，以此为基础可以深入构建和全面论述教育机器人知识体系。其三，教育机器人发展战略和产业的研究(30)李新、李京津、高博俊等：《教育机器人的研究现状与发展建议——基于2014～2018年Web of Science核心数据库相关文献分析》，《现代教育技术》2020年第1期。。由于教育机器人具有巨大的产业空间，所以需要研究相对独立的教育机器人发展战略和产业规划。同时，为了教育机器人领域的健康发展，国家需要培养一批有关教育机器人研发、应用、教学方面的人才。其四，人机共融的教学模式研究。人机共融教育的技术门槛相对高，这对它的推广带来了挑战。针对这样的挑战，有两个方向可以努力：首先是加快人机共融教育的技术成熟度使其便于应用，其次是研发成熟的教学模式使教师可以基于这些模式来进行人机共融教学。