Earthquaker-AI：检索增强生成重塑小学地震安全教育范式

本研究针对小学阶段地震安全教育中传统教学手段难以兼顾互动性与认知深度的痛点，提出了Earthquaker-AI这一创新的混合教育框架。该项目的核心贡献在于将此前已获殊荣的STEM教育机器人项目Earthquaker进行了智能化升级，从单纯的机械模拟跨越到结合认知与元认知处理的高级阶段。传统的地震安全教育往往侧重于知识灌输，而忽视了学生在紧急情境下的心理调节与行动逻辑训练。Earthquaker-AI通过整合基于检索增强生成（RAG）的对话式AI助手，构建了一个引导式的学习机制。它不仅关注学生是否知道正确的安全措施，更关注他们如何在压力下保持冷静并做出正确判断。这种设计旨在通过技术增强学生的自我调节学习能力，使安全教育从被动的知识接收转变为主动的认知建构，从而在小学生群体中有效培养危机管理意识和负责任的数字系统使用习惯。在技术实现层面，Earthquaker-AI采用了软硬件协同的架构设计。

硬件端保留了原有的Lego WeDo2自动化系统，通过传感器和执行器模拟地震响应，让学生能够通过物理交互直观地理解保护动作的机械原理，这种具身认知体验是纯软件方案无法替代的。软件端的核心则是RAG驱动的对话模块，该模块负责将学生的查询与官方安全指南进行语义匹配，确保生成的回答既安全又准确。为了适应不同年龄段学生的认知发展水平，系统引入了渐进式的学习轨迹和多层级的量规评估体系。低年级学生通过多项选择题进行基础安全动作识别，使用二维量规评估；中年级学生需识别正确的行动序列，采用三维量规评估；高年级学生则进入言语产出阶段，需撰写简短回答，接受包含表达清晰度在内的四维量规评估。这种精细化的评估机制使得AI能够提供针对性的口头反馈，帮助学生反思并优化其应急反应逻辑。实验评估环节重点考察了系统的实际效能，特别是在生成内容的质量与安全性方面。研究团队在多个基准测试中验证了Earthquaker-AI的性能，结果显示该系统在"扎根性"（即回答内容与官方指南的一致性）和"准确性"指标上均表现优异。

更为关键的是，在涉及生命安全的教育场景中，AI的"幻觉率"被控制在极低水平，这意味着系统极少生成误导性或虚构的安全建议，这对于教育应用而言是至关重要的安全底线。此外，通过对比不同年级学生在不同量规评估下的表现，研究揭示了RAG技术与结构化反馈结合对提升学生逻辑思维能力的有效性。消融实验虽未在摘要中详述具体数据，但整体结果证实了结合机器人硬件、量规评估与AI对话模块的混合模式，相比单一技术手段能更显著地促进学生的技术素养与自我调节能力，验证了该框架在真实教育场景中的可行性与优越性。Earthquaker-AI的提出对教育科技行业及开源社区具有深远的行业意义。首先，它为"AI+公共安全教育"提供了一个可复制的范式，展示了如何利用大语言模型和RAG技术解决垂直领域中对准确性要求极高的教育问题。其次，该项目证明了将物理机器人交互与数字智能反馈相结合，能够有效弥合数字鸿沟，让低龄学生在具身互动中自然习得复杂的认知技能。对于工业落地而言，这种基于量规的评估框架可迁移至其他高风险或高技能要求的教育培训领域，如急救培训或消防安全教育。最后，该研究强调了技术在促进自我调节学习和批判性思维方面的潜力，提醒开发者在构建教育AI时，不应仅关注答案的正确性，更应关注学习过程的引导与心理状态的调节，为后续关于负责任AI在教育中应用的深入研究指明了方向。