人工智能驱动的个性化学习与中等教育的变革：教学模式、认知影响、公平性影响及实施框架（2020–2026）

近年来人工智能（AI）的进步使得自适应学习平台、智能辅导系统和学习分析在中等教育中的大规模应用成为可能，承诺实现前所未有的个性化水平，同时也带来了新的教学、认知和伦理问题。2020–2026年的元分析证据表明，AI辅助的个性化学习对学生成绩和情感结果总体产生中等程度的积极影响，效应大小与其他成熟的教学干预相当。与此同时，研究显示影响存在异质性，这些影响受实施环境、教师协调和学生先前成绩的调节，并且对算法偏见、数据隐私和数字鸿沟的持续关注仍然存在。本文整合了近期的实证和理论研究，探讨了AI驱动的个性化学习如何与主要教学模型（建构主义、能力本位学习、探究与项目导向学习）及核心学习理论（维果茨基的最近发展区、自我决定理论、认知负荷理论、掌握学习）在中等教育中的交叉。本文回顾了青少年的认知和心理效应证据，包括注意力、动机、奖励敏感性和自我效能，借助于AI支持的学习和教师与AI协作的元分析。通过算法公平性、周期性数字鸿沟及FERPA和GDPR等监管机制的新兴框架分析了公平与伦理。基于芬兰、新加坡、美国和加拿大的跨国发展，本文提出了AI增强中等教育实施模型（AASEIM），这是一个涵盖治理、技术、教学、心理保护和评估的多层框架。从概念上讲，认为AI驱动的个性化当嵌入在以人为中心、以教学为先的设计中，支持教师能动性，保障青少年认知和福祉，并明确应对结构性不平等时，效果最佳。