对话技能对于社交互动、同伴关系以及友谊的发展至关重要（Cole等人，2023年）。然而，自闭症谱系障碍（ASD）儿童在对话中常常面临显著困难，这增加了他们社交孤立、被同伴排斥的风险（Locke等人，2010年），学术表现方面的挑战（Mann & Karsten，2020年）以及日后就业机会的受限（Herrick等人，2022年）。同伴中介干预（PMI）被广泛认为是提高ASD儿童对话技能的一种成熟且基于证据的策略。在中国特殊教育学校中，智力障碍（ID）同伴通常担任ASD儿童的主要交流伙伴（中华人民共和国教育部，2024年）。由这些同伴提供的PMI（PMI-ID）可以带来双重好处：它为ASD儿童提供了可理解的对话模型和练习机会（Shire等人，2020年），同时促进了同伴的社交沟通发展（Parsons等人，2020年）。然而，PMI-ID的有效性可能受到ID同伴认知和语言能力的限制（Nilsson等人，2025年；Van Biesen等人，2023年）。对话式人工智能（AI）有潜力通过提供一致、大量、自然化的对话，以及条件性提示和反馈来弥补这些限制（Chaves & Gerosa，2021年）。相反，PMI-ID能够实现面对面的、与主题相关的互动（Bambara等人，2018年）和非语言线索（Aldabas，2022年），而这些是当前AI系统可能无法提供的。因此，本研究考察了将对话式AI（CAI）加入PMI-ID是否能在提高ASD儿童对话技能方面产生比单独使用PMI-ID更大的效果。
ASD儿童通常表现出对话困难（Almalki，2020年），包括发起对话的次数较少（Jones & Schwartz，2009年）和回应频率降低（Leekam & Ramsden，2006年），回应延迟较长（McKernan等人，2022年），以及条件性回应的比例较低（Delehanty等人，2024年）。在对话质量方面，他们的话语较短，词汇多样性和句法复杂性有限（Charest等人，2020年；Kato和Hanawa，2025年）。这些限制可能阻碍了话题的灵活扩展（Abbot-Smith等人，2025年）和多轮交流中的响应性贡献（Ayvazo等人，2024年）。因此，本研究评估了CAI-PMI-ID在定量和定性结果方面的有效性。
PMI是一种基于证据的方法，利用同伴作为干预者来提高ASD儿童的社交沟通技能（Goldstein等人，2014年）。先前的研究表明，同伴支持可以帮助满足学生的社交需求（Zhang等人，2022年），增加社交参与度（Gunning等人，2019年），并促进心理健康（Roach，2018年）。大量证据表明，PMI可以提高ASD儿童的对话技能和更广泛的社交沟通行为（Bambara等人，2021年；Chang和Locke，2016年）。然而，大多数研究招募的是神经典型同伴（Aldabas，2020年；Aldabas，2022年）。相比之下，在中国特殊教育学校中，超过40%的残疾学生是由智力障碍同伴教育的（中华人民共和国教育部，2024年）。这种背景要求研究PMI-ID对ASD儿童的效果。
尽管关于PMI-ID的现有研究有限，但涉及有学习障碍、情绪和行为障碍以及发育迟缓的同伴来支持ASD儿童的研究显示出了有希望的结果（Chambers和Radley，2020年；Frazier，2019年）。一些研究招募了智力障碍儿童作为同伴（Kuhn等人，2008年；Nelson，2004年），表明了其可行性和有效性。然而，与ID相关的特征，如认知灵活性和工作记忆的局限性（Palomino等人，2019年；Schuchardt等人，2011年），以及语言发展的延迟（Hronis等人，2017年），可能会限制他们提供高质量对话支持的能力。辅助支持，如对话式AI技术，可能有助于解决这些限制并增强PMI-ID的效果。
对话式AI指的是通过自动语音识别（ASR）、自然语言处理（NLP）和文本到语音（TTS）功能来促进对话的技术（Abd-Alrazaq等人，2020年；Huq等人，2024年）。这些技术可以提供条件性提示（Song等人，2025年）和低压力互动风格（Pituxcoosuvarn等人，2025年），从而鼓励更频繁的话题发起和响应性交流。此外，反复接触模拟的句子结构（McTear，2022年）和词汇支持（Oktadela等人，2023年）也可以丰富儿童的言语表达，从而提高他们对话贡献的数量和质量。初步研究表明，在干预中嵌入对话式AI对ASD儿童的社交互动和语言结果有积极影响（Safi等人，2023年）。
然而，研究也指出了对话式AI的某些局限性，例如对非语言线索的敏感度降低（Kontogiorgos & Shah，2025年）以及偶尔的主题转变或无关输出（Portela & Granell-Canut，2017年）。这些问题可能会降低感知的温暖度并破坏主题连贯性，从而强调了在教育和治疗环境中需要人类中介的重要性。鉴于这些互补的特点，混合模型是必要的。对话式AI可以提供丰富、一致的提示、建模和语言支持，特别是在语言或认知需求超出ID同伴能力时特别有帮助。反过来，ID同伴可以弥补对话式AI在情感真实性、情境适应性和自然互动性方面的不足。将对话式AI与PMI结合使用可以相互补充优势，从而提高干预效果。
尽管直接证据表明将CAI与PMI-ID结合使用的案例尚少，但相关研究表明，将CAI嵌入到同伴互动中可以增强对话支持。例如，在一个对话式阅读活动中，当两位参与者都是神经典型儿童时，分享阅读后的讨论往往受到他们语言和认知资源的限制，很少能超越基本交流。然而，当引入聊天机器人作为对话发起者和促进者时，它提供了条件性的后续提示，促进了详细阐述、推理和情感表达，从而形成了更复杂和深入的讨论（Liu等人，2024年）。这个案例说明了CAI如何在同伴互动中支持对话质量——这在同伴语言或认知能力有限的情况下尤为重要，如在PMI-ID情境中。因此，本研究评估了CAI-PMI-ID是否在改善对话结果方面优于仅使用PMI-ID。
本研究的目标是考察联合干预措施CAI-PMI-ID在提高ASD儿童对话技能方面的有效性。具体来说，我们比较了CAI-PMI-ID与仅使用PMI-ID的结果，评估了定量指标（例如，适当对话发起和回应的频率）和定性指标（例如，MLU-M、NDW、TNW）。我们还探讨了这种联合干预是否有助于ASD儿童在与新的ID同伴互动时对话技能的泛化。
