《Sustainability》：Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era
Hanzi Zhu,
Xin Jiang,
Xiaolei Zhang,
Huiying Xu,
Deang Su,
Zhendong Chen and
Xinzhong Zhu
编辑推荐：
本研究提出了E3-HOT（Embodied 3-Higher-Order Thinking）概念框架，该框架利用具身智能（Embodied Intelligence）来维持学习者的认知主体性并培养其高阶思维（Higher-Order Thinking， HOT
本研究提出了E3-HOT（Embodied 3-Higher-Order Thinking）概念框架，该框架利用具身智能（Embodied Intelligence）来维持学习者的认知主体性并培养其高阶思维（Higher-Order Thinking， HOT），以实现人工智能（AI）时代的可持续学习。该框架与可持续发展目标4（Sustainable Development Goal 4， SDG 4）相一致，强调包容、公平的优质教育与终身学习。研究人员采用迭代概念综合法，提炼出三条具身化路径——情境嵌入（Situational Embedding）、具身参与（Embodied Participation）和认知创造（Cognitive Creation），并将其转化为一个包含三模块E3核心的实用系统设计。该设计包括用于丰富场景的虚实融合学习环境（Virtual-Real Integrated Learning Environment）、用于行动和感知的具身交互（Embodied Interaction），以及提供受控于教师的有限支持的智能核心（Intelligent Core）。为促进在不同资源条件下的公平采用，研究人员还规定了多保真度实施选项（Multi-Fidelity Enactment Options）以及一组可供专家审查和未来验证研究使用的可审计证据工件（Auditable Evidence Artifacts）。研究人员进一步提供了一个大学人机协作设计项目的示例，概述了为期四周的工作流程和相应的证据计划，这作为一个操作示例而非已实施研究的报告呈现。E3-HOT提供了一个可追溯的设计与证据蓝图，并未声称已测得的学习成效。
在人工智能日益渗透的教育环境中，如何确保学习的可持续性并培养学生高阶思维能力，已成为一个亟待解决的关键问题。当前，以对话式AI为代表的人工智能系统极大地便利了学生获取信息和完成任务，但这也可能助长认知外包（Cognitive Offloading）和脱离真实情境的学习，引发对可持续学习及学生长期高阶思维发展的担忧。学生可能过度依赖AI生成作业、论文甚至日常邮件，这削弱了他们独立进行批判性思考的动力，长此以往可能导致批判性反思与创造性思维能力的下降，进而造成表达同质化与创新能力萎缩。同时，学习日益与具体情境脱节，学生倾向于通过在线搜索或AI工具获取知识，这可能阻碍深度学习，形成一种虽然能提升短期表现，却逐渐侵蚀深度推理与创造性工作能力的不可持续学习模式。为应对此挑战，本研究将可持续发展目标4（SDG 4）作为规范性锚点，强调包容、公平的优质教育与终身学习。在此，可持续性被操作化为在AI密集环境下长期维持上述学习能力。
鉴于此，研究人员提出了E3-HOT这一系统框架，旨在利用具身智能培养学生的高阶思维技能。该框架的三个核心模块（E3）对应三条具身化机制路径：虚拟现实融合环境（Virtual-Real Integrated Environment）支持情境嵌入机制，通过构建贴近真实世界的教学场景，帮助学生分析场景结构与因果关系；具身交互（Embodied Interaction）支持具身参与机制，通过捕捉学生的多感官行为数据并提供反馈，引导其在身体参与和体验中进行基于证据的评判；智能核心（Intelligent Core）支持认知创造机制，作为苏格拉底式的引导者，在教师设定的边界内提供提示、批评与策略建议，辅助学生进行迭代创造，而非直接生成最终答案。这三者协同工作，形成一个由教师治理的教学闭环系统。
与传统的AI辅导系统或沉浸式教学设计相比，E3-HOT的独特之处在于：它将AI定位为教师主导任务中的有限脚手架（Bounded Scaffolding），强调中间证据工件的可审计性；它不以沉浸本身为目标，而是将情境、行动和证据作为维持高阶思维的关键条件；它增加了从机制到模块的映射、Profile/Learn编排逻辑以及使实施和证据治理显式化的可复制性层次。
为开发此框架，研究人员未开展干预研究，而是进行了一项迭代概念综合。其方法论核心在于将多学科的理论主张转化为课堂可操作的机制、设计元素和证据工件。具体过程包括：首先进行面向设计的文献扫描与筛选，聚焦于能够被课堂任务操作化的关于具身认知、具身智能和高阶思维的研究主张；接着，对文献中的概念进行提取与编码，区分机制性主张、设计杠杆（可实施为任务脚本或交互规则）和可收集的证据工件（如结构化分析痕迹、辩护记录）；然后，将反复出现的机制聚类为情境嵌入、具身参与和认知创造三条路径，并将其与修订版布鲁姆认知目标分类法中的分析（Analyze）、评价（Evaluate）和创造（Create）这三个高阶思维维度进行映射；最后，将这些映射转化为可实施的规范，生成E3运行时核心及包含任务需求建模、Profile约束和Learn活动模板的轻量化编排层。在整个开发过程中，研究人员维持了一条从理论主张到路径分配、再到模块设计与证据工件的可追溯链条。
在研究结果方面，论文首先详细阐述了从理论到平台的转化。研究人员构建了一个赋能层次模型（Empowerment Hierarchy Model）：情境嵌入层级通过创设仿真情境培养分析思维，要求学生外化关键假设与因果联系，以中间推理工件作为可审计证据；具身参与层级强调通过身体介入和多感官体验触发认知冲突，引导学生进行基于准则和证据的评判，其成果作为评判通过探究而非答案接受发生的证据；认知创造层级则聚焦于培养创造思维，采用开放式任务和多轮迭代反馈，要求学生记录决策依据，智能核心被约束为仅提供提示而非最终交付物，确保扩展认知保持有界且教育可持续。
论文的核心系统设计由三个模块构成。虚拟现实融合环境模块集成了物理与数字空间，利用混合现实等技术构建沉浸式场景，其关键是提供支持分析的、具有明确结构、约束和因果关系的连贯情境，在沉浸设备不可用时可通过低保真媒介实现相同机制。具身交互模块通过位置追踪、语音和表情识别等技术捕捉学生的多模态行为数据，将其转化为学习环境和内容的动态控制器，数据收集范围受教师配置约束以确保证据治理。智能核心模块作为系统中枢，包含学习者建模与认知诊断、生成式智能、智能辅导与反馈以及协调与规制等单元。该模块采用苏格拉底式对话而非直接提供答案，其生成内容和策略调整需经教师确认才能应用于后续任务，其首要目标是维持学习者主体性。
论文进一步描述了框架的编排与实施组件。Profile组件作为上下文配置器，通过语言、时间、空间环境、社会背景、教学文化和实践约束等六个关键参数，将广泛的教育目标转化为显式的、可审计的情境约束，从而指导后续活动推荐，确保在不同资源条件下实施的可行性与公平性。Learn组件则是一个教学活动资源库，遵循教师主导、情境可行和可持续性框架的设计目标，通过“编制教学策略清单-映射至能力维度与方面-参数化活动模板-定义证据工件与最小评价线索-专家审查与基于设计的迭代优化”的构建流程，将具身化的机制路径转化为可部署的教学单元。研究人员以三个高阶思维目标（分析、评价、创造）为例，展示了如何为不同的能力方面（如问题分析能力、批判性评价能力、创新能力）设计分层的活动模板，并明确了相应的最小证据工件和有限的AI支持规则。
最后，论文通过一个为期四周的大学人机协作设计项目示例，展示了如何将上述框架付诸实践。该示例详细说明了角色职责、可审计的证据工件规范（包括必备字段和评价量规摘要）、多保真度实施替代图（确保在不同技术条件下保持相同证据线索），以及机器可读的Profile/Learn规范。示例项目聚焦于培养创造性高阶思维，选定了12个涵盖认知、动因和知识维度的能力方面（如发散思维、聚合思维、迭代改进等），并将其映射到四周的工作流程中，明确了每个方面激活的时间节点和预期产出的证据工件。
综上所述，本研究的主要贡献在于提出了一个将具身智能机制路径与高阶思维目标在可持续性框架下明确对齐的框架；规定了一个工程可实现的架构，明确了运行时核心与编排层组件的接口及部署逻辑；并提供了一个将理论构念转化为教学活动路径及可审计证据工件的示范性工作流程。研究人员坦诚，本文聚焦于框架建模与设计演示，尚未开展跨学科和课堂情境的比较实证研究，因此关于学习成效的结论应谨慎解读。未来的工作将集中于分阶段验证，包括小规模设计研究、准实验比较和基于量规的专家审计，以检验机制在跨学科中的稳定性、机制-目标映射的可解释性与可用性，以及在有界AI规则下的人机分工策略。E3-HOT框架最终暗示了一种面向可持续学习的设计立场：它利用AI作为有限的脚手架，同时将任务规则和评估标准的控制权保持在教师手中，以确保扩展认知支持而非取代思考，从而促进一个包容、可解释、可维护且公平的教育生态系统的形成。
