可教智能体是人工智能教育应用中的一种重要形态，核心思想是让学生通过“教授智能体”来完成学习。它并不把AI设计成直接给答案的教师，而是让AI扮演知识有限、会提问、可能产生误解的学习者。学生在向智能体解释概念、纠正错误和组织思路的过程中，能够进一步发现自身知识缺口，形成更主动的学习过程。

可教智能体

Student Simulation Engine (SSE)^[1]：由华中师范大学人工智能教育学部孙建文、冯锦天、万仟团队提出。文章面向教师答疑能力训练，构建了该大模型驱动的学生模拟引擎。系统基于IDEAL问题解决理论，将学生解题过程拆分为读题、思考、解题和检查四个环节，并通过控制模块追踪学生状态、规划错误策略，再由执行模块生成具体回复。在GSM8K数学题上的实验显示，SSE能够生成更接近真实学生的错误表现和认知变化过程，为师范生和青年教师提供可反复练习的虚拟答疑场景。

Teachable ChatGPT Agent^[2]：由北京大学教育技术系、华东师范大学人工智能教育实验室与清华大学计算机系团队提出。文章以“八皇后”算法和C++编程为学习任务，将ChatGPT设计成需要学生讲解的可教对象。实验中，学生先学习相关视频材料，再通过教学式对话向ChatGPT解释算法思路和代码实现。结果显示，与只使用视频学习的学生相比，教学ChatGPT的学生在知识获得、代码可读性、逻辑结构和自我调节学习方面表现更好。但在错误修正能力上提升有限，主要原因是ChatGPT容易直接生成正确代码，减少了学生练习调试的机会。

ALTER-Math^[3]：由美国佛罗里达大学等团队提出。ALTER-Math面向初中数学学习，让学生通过教授AI来理解数学概念和纠正错误。系统设计中加入了对比案例、选择式学习、人格化提示和游戏化元素，使学生不仅是做题者，也是“指导AI学习”的教师。研究采用设计型研究方法，经历一次可用性测试和三轮课堂迭代，共涉及320名中学生和6名教师。最终课堂实验显示，使用ALTER-Math的学生数学知识提升更明显。

Personality Teachable Agents^[4]：由奥本大学等团队提出，该研究关注可教智能体的人格特征是否会影响学生的教学行为和数学学习。系统基于大五人格框架，设置外向性、宜人性、尽责性、神经质、开放性以及无特定人格六种条件，让学生在数学问题解决中教授不同人格表现的AI。结果显示，开放性人格更容易引发学生解释，外向性和宜人性人格更容易引发礼貌表达；无特定人格强调的智能体在部分认知投入和概念应用上反而更有效。这说明可教智能体的人格设定需要服务于具体学习目标，而不是越鲜明越好。

Chat Melody^[5]：由韩国梨花女子大学教育技术系等团队提出。该系统将可教智能体扩展到音乐理论学习场景，让AI扮演音乐学习初学者，与学生围绕乐谱理解和音乐概念进行对话。Chat Melody结合视觉乐谱、听觉反馈和AI解释，并通过基于求助模型的提示策略，引导学生逐步讲解，而不是直接给出答案。28名学生参与的准实验显示，相比传统教师指导方式，使用Chat Melody的学生在知识建构方面提升更明显，同时表现出更高的内在动机和学习价值感。

从以上研究可以看出，可教智能体正在从早期规则驱动系统转向大语言模型驱动系统。大模型带来了更自然的对话能力，也让智能体能够在编程、数学、音乐等不同学科中模拟“被教对象”。但这一方向的关键并不是让AI越聪明越好，而是要合理控制智能体的知识边界、错误水平、提问方式和互动风格。未来，可教智能体可能进一步结合学生画像、错误诊断和多模态交互，在真实课堂中支持更主动、更具反思性的学习活动。

参考文献：

  1、孙建文， 冯锦天， 万仟.多智能体驱动的虚拟学生模拟助力教师答疑能力提升[J].华中师范大学学报(自然科学版)，2025, 59(5): 721-729.

       2、Chen, A., Wei, Y., Le, H., Zhang, Y. Learning by teaching with ChatGPT: The effect of teachable ChatGPT agent on programming education[J]. British Journal of Educational Technology,  2026, 57(1): 163-184.

       3、Xing, W., Song, Y., Li, C., Liu, Z., Zhu, W., Oh, H. Development of a generative AI-powered teachable agent for middle school mathematics learning: A design-based research study[J]. British Journal of Educational Technology, 2025, 56(5): 2043-2077..

       4、Lyu, B., Li, C., Li, H., Oh, H., Song, Y., Zhu, W., Xing, W. The role of teachable agents‘ personality traits on student-AI interactions and math learning[J]. Computers & Education, 2025, 234: 105314.

       5、Jin, L., Lin, B., Hong, M., So, H.J., Zhang, K. Learning by teaching: Enhancing music learning through LLM-based teachable agents[C]. In: Artificial Intelligence in Education (AIED 2025). Lecture Notes in Computer Science, vol. 15881. Springer, 2025: 148-155.

2026年6月8日

上海师范大学分析测试与超算中心