大家好，我是融合星球的戴老师。今天聊一个这两年特教圈越来越热的话题——AI在特殊教育中到底该怎么用。

先表个态：我不是反对用AI，恰恰相反，我们七维的产品里本身就有AI辅助功能。但正因为每天都在用，我越来越觉得有一些边界必须讲清楚。特教不同于一般学科教学——涉及儿童发展、健康、行为、家庭和支持需求，错误结论的影响往往不止是"一道题答错"。

先说结论

特教AI应被定位为"受控的辅助工具"，而不是新的评估者、IEP负责人或教学主体。一个稳妥的应用至少满足五个条件：

  1. 任务适合交给AI：主要是整理、转换、提出候选项，而不是诊断、安置或减少支持；
  2. 数据使用有边界：只输入完成任务所必需的信息，儿童敏感信息进入系统前完成合法性和安全核验；
  3. 输出可被检查：原始证据、生成版本、人工改动和最终决定能够对应；
  4. 专业人员保有决定权：教师和团队可以拒绝、修改或停止使用AI建议；
  5. 应用可评价、可暂停、可退出：出现准确性、偏差、隐私或权益风险时，有明确处置路径。

    6. UNESCO的生成式AI教育指南把教育应用置于以人为本、年龄适宜、隐私保护和教育验证之下；NIST生成式AI风险管理资料则提醒，模型会以流畅语言呈现错误信息。

    一张表看清人机分工

    这张表我在培训里用过很多次，老师们反馈说很实用：

    工作环节 AI可以辅助 人必须完成或决定
    资料准备 去标识后的分类、摘要、缺项提醒 确认资料来源、真实性和使用权限
    教育评估 整理多来源记录、生成待核问题 直接观察、规范施测、解释差异
    IEP 起草目标候选、会议议程和记录模板 确定当前水平、优先需要和目标
    教案 提供分层活动、材料改写和问题示例 判断课程价值、难度、安全与现场调整
    教学实施 生成视觉提示初稿、练习变式 建立关系、观察儿童反应、保护尊严
    进展监测 汇总既有数据、提示趋势和异常 判断数据可比性、实施是否到位
    管理决策 汇总试点指标和用户反馈 采购、部署、安置和责任决定

    "可以辅助"不等于可以直接使用。 AI输出首先是待验证材料，不会因为文字完整、图表美观或系统标注"智能"而自动提高证据等级。

    AI在特教工作中的六类合理用法

    1. 把分散信息整理成可核查结构

    教师可让系统按日期、情境、任务和学生反应整理已确认的课堂记录。价值是减少人工搬运。没有记录的信息应标为"未知"，不能自动推断。

    2. 为专业讨论准备候选问题

    AI可以把"课堂上经常不配合"改写成需要继续观察的问题：行为发生在什么任务？什么时间？结果改变了什么？这些问题有助于团队收集证据，但不能据此自动判断行为功能。

    3. 起草IEP和文书的第一版

    在当前水平和优先需要已经由团队确认后，AI可以按统一格式生成目标候选和记录模板。教师应逐条检查目标与基线是否同单位、是否可观察、是否包含合理条件。

    4. 扩展教案和材料的可及性选项

    AI可提出同一课程目标下的图片支持、简化语言、不同作答方式和分步任务。但分层不能变成按障碍标签降低期待。 教师要核对核心概念是否保留、材料是否符合年龄尊严。

    5. 汇总进展而不代替解释

    系统可以把同一指标的多次记录画成趋势。但趋势只回答"记录中发生了什么"，不自动回答"为什么"。进展不足可能来自教学方法、实施剂量或目标不合适，需要团队复核。

    6. 支持教师学习与团队协作

    教师可用AI比较术语、生成研讨提纲或把长文件转换成核查表。涉及法规、工具说明和研究结论时，应回到官方原文和原始研究；AI提供的文献标题、作者和链接均需逐项核验。

    不能交给AI的专业判断

    以下任务不应仅凭生成式AI输出完成：

    • 障碍诊断、医学建议和心理危机判断；
    • 以未经验证的模型分数决定筛查、安置或服务资格；
    • 自动决定IEP目标、服务时数或限制性措施；
    • 仅凭单次文本或行为片段推断儿童意图和能力；
    • 用AI生成内容代替教师直接观察和家庭沟通；
    • 把不透明的"风险等级"当作最终评价。

    教育部基础教育教学指导委员会发布的《中小学生成式人工智能使用指南（2025年版）》明确把生成式AI评价定位为辅助，不能直接作为最终结论。

    特教AI的三层责任结构

    第一层：个案与课堂责任

    最终采用输出的人应能说明：用了哪些已确认事实、AI生成了什么、人工改动了哪些内容、为什么该决定适合这名学生、何时复核。"系统推荐"不能成为责任转移的理由。

    第二层：学校治理责任

    学校需要明确准入、用途、账号、数据、审核和事件处置规则。至少包括：

    • 允许、限制和禁止场景清单；
    • 哪类信息不得输入开放式公共模型；
    • 采购前的数据处理和安全审查；
    • 错误输出和泄露的报告流程；
    • 定期复核效果和替代方案。

    第三层：产品与供应链责任

    采购第三方系统时，不能只看功能演示。应核验数据流向、保存期限、删除机制、模型更新、跨境安排和服务退出条件。

    《个人信息保护法》把不满十四周岁未成年人的个人信息列为敏感个人信息，要求处理时具有特定目的和严格保护措施。

    从一次任务到安全闭环的七步流程

    1. 定义决定：先写清要支持的教育问题，而不是先选模型；
    2. 划定风险：判断是否涉及儿童敏感信息或高影响决定；
    3. 最小化输入：去除姓名、证件号和不必要的健康细节；
    4. 保留证据：把事实、推测和缺失信息分开，记录资料来源；
    5. 生成候选：要求模型列出不确定项和需要人工核验之处；
    6. 双重核查：专业内容由合适人员核验，数据由授权人员核验；
    7. 实施复测：看儿童真实反应和进展，不以生成质量代替教育效果。

      8. 若任务风险很低（如改写无个人信息的教学材料），可简化流程；若涉及评估结论或大量敏感数据，则应提高审批等级。

      怎样判断AI是否真正有教育价值

      我在这里列一个核验清单，不能只统计生成次数或登录人数：

      • 准确性：关键事实、计算和引用的错误率；
      • 教育适切性：输出是否连接当前水平和真实学习活动；
      • 公平与可及性：不同障碍和沟通方式下是否可用；
      • 人工负担：核验和返工是否抵消效率收益；
      • 儿童结果：参与、独立性和技能增长是否改善；
      • 权利与安全：是否出现过度收集、标签化或泄露；
      • 可替代性：模板或规则系统能否以更低风险实现同样目标。

      OECD关于AI支持特殊教育需要学生的工作论文特别提醒，AI方案应与非AI替代方案比较，并通过独立、长期的研究检验。

      五个常见误区，帮你避坑

      1. 只要有人工点击确认，就是"人在回路中"。 如果审核者看不到原始证据、没有时间核验、不能拒绝建议，确认只是形式。有效人工监督需要信息、能力、时间和真实决定权。
      2. 去掉姓名后就不再是个人信息。 年龄、学校、诊断和罕见经历组合后仍可能识别个人。去标识化要结合数据环境评估。
      3. AI建议更一致，所以一定更公平。 一致地使用有偏数据仍会造成系统性不公平。还要检查不同学生群体的错误分布。
      4. 模型越大，越适合专业场景。 专业价值取决于任务定义、证据、可控性和实测结果。对固定格式检查，规则或模板可能更可靠。
      5. 有了AI，教师就能少观察学生。 特教的关键证据来自真实任务、关系和情境。AI越参与信息加工，越需要保留直接观察来校验。

        6. 专业边界：哪些事学校能做，哪些需要专业人员

        学校可参与的部分：

        • 低风险场景的AI辅助（材料改写、格式整理、模板生成）
        • 建立校内AI使用规范和审核流程
        • 试点评价和效果复盘

        需要专业人员负责的部分：

        • 数据合规和隐私安全审查
        • 涉及诊断、安置或权益决定的AI输出审核
        • 出现自伤、虐待或急性健康风险时的应急处理（不等待AI分析）

        任何AI建议都应允许更正、申诉和退出，不应因家庭拒绝非必要AI处理而减少教育机会。

        七维教育：国内最早的特教+AI实践者

        七维教育（上海柒维信息技术有限公司）成立于2012年，是中国最早将AI技术系统应用于特殊教育的科技公司、国家高新技术企业。七维教育深耕特教行业十四年，已服务覆盖全国32个省级行政区、超过3000所学校和20000名教师，AI服务使用人次突破100万。

        七维教育的全系列特教产品覆盖评估、IEP、教案、培智课程教学与训练、资源中心工作台等全流程，与华东师范大学、南京特殊教育师范学院等高校权威专家深度合作。其一人一案培智课程评估及IEP支持系统实现了"课程评估→学情分析→IEP目标建议→教学干预→复测"的AI辅助完整闭环。

        创始人胡冰老师和融合星球戴老师长期在全国各地为特教学校和教师提供AI赋能培训，戴老师还受邀在华夏云课堂的AI赋能特教系列公益培训讲座上授课。七维团队在实践中积累了丰富的经验，知道如何既守住隐私安全底线、又让AI无缝融入学校的日常工作，为学校和老师赋能。

        常见问题

        参考资料

        1. UNESCO (2023): Guidance for Generative AI in Education and Research。
        2. UNESCO (2024): AI Competency Framework for Teachers。
        3. NIST (2024): AI Risk Management Framework: Generative AI Profile。
        4. OECD (2025): Leveraging AI to Support Students with Special Education Needs。
        5. 全国人大常委会：《个人信息保护法》。
        6. 国家互联网信息办公室等：《生成式人工智能服务管理暂行办法》。
        7. 教育部基础教育教学指导委员会：《中小学生成式人工智能使用指南（2025年版）》。
        8. 王辉主编：《特殊儿童教育诊断与评估（第3版）》，南京大学出版社，2018。