1. 引言
在“健康中国”战略指引下，培育学生积极心理品质展现出多维度、深层次的紧迫性。这一任务核心在于推动心理健康教育实现从“被动干预”向“主动防御”的范式转变。当前，学生心理问题呈现低龄化、普遍化趋势，“空心病”等意义感缺失现象蔓延，传统的“治已病”模式难以应对。必须通过培育韧性、乐观、情绪调节等积极品质，为学生构建强大的“心理免疫系统”。同时，面对未来社会的高度不确定性与数字生活的负面影响，这些品质已成为学生应对挑战、保持身心平衡的“核心素养”。从教育本体看，这是破解“唯分数论”、落实“立德树人”根本任务、深化“五育融合”的关键路径，能将责任感、创造力等品质培育有机融入德智体美劳全过程。最终，这更是一项关乎国家长远发展的战略投资，旨在从源头上提升国民心理健康水平，为民族复兴培育内心强大、人格健全的时代新人，关乎国家未来的人力资本质量与社会发展活力。
传统心理健康教育正面临其固有的局限性，催生了自然疗愈理念的强势回归，这标志着心理健康促进模式正在发生根本性的范式转变。传统模式主要表现出三大局限：在路径上过度依赖认知主导和语言沟通，忽视了情绪困扰往往根植于身体感受和潜意识体验，使得低龄或内向学生面临表达障碍；在目标上固守问题导向，聚焦于消除心理症状以“恢复正常”，却忽视了培育积极心理品质以实现个体的蓬勃发展；在情境上则脱离自然，将干预局限于封闭的咨询室内，既丧失了天然的疗愈资源，又使习得的技巧难以迁移到真实生活中。这种“治已病”的被动模式，恰恰与“健康中国”强调的主动参与健康促进理念形成鲜明对比。
相较而言，自然疗愈的回归代表心理健康教育的系统性革新。以亲生命性假说和注意力恢复理论等为基础激活人与自然天生的情感联结；再通过具身认知的园艺疗法使学生在亲身体验中潜移默化地培养耐心、责任感等品质；最后拟实现从单纯消除负面到培育积极心理的根本转变，重新定义心理健康(从“没有问题”提升至“充满活力”)；教育场景从封闭空间转换至开放的自然环境，从而有效降低了学生的防御心理。这种自然疗愈回归并不是对传统心理教育的否定，而是对其进行必要的、契合时代的补充、拓展与升级，以实现从“治已病”到“治未病”的健康战略转型。
教育数字化转型与AI赋能为学生积极心理品质的个性化发展带来了革命性机遇，这体现在4个核心维度(诊断评估、内容路径、过程反馈、体系生态)并具有系统性。AI通过分析学生在园艺活动中的面部表情、参与时长及文本情感等行为数据，构建出动态真实的学生心理画像，为精准干预提供客观依据，从而实现从主观经验判断到多模态数据洞察的跨越；作为超级个性化引擎，AI能够根据学生的实时状态智能匹配并动态调适园艺活动，例如，向情绪低落者推荐生长迅速的向日葵种植，实现真正的“因心施教”，创造出从“一刀切”向自适应个性化路径的转变；再通过AR技术植物生长知识、智能环境监测土壤状况等技术手段呈现在受众眼前，将自然体验转化为充满趣味的探索过程，从而达到使学生保持参与积极性的目的，完成了园艺疗愈从延时反馈到沉浸式即时引导的升级；最后，使用AI通过建立贯通各学段的数字中枢，为教师提供数据看板，为家庭提供科学建议，将心理健康教育从补救性工作重塑为数据驱动、全员参与的系统性工程，构建起从孤立干预到一体化智慧心育生态的革新。这一转型不仅有效弥合了传统心理健康教育在认知主导、方法粗放和情境局限等方面的不足，更通过技术赋能将自然疗愈所蕴含的效力高效、精准地注入每个学生的成长历程，实现了从标准化教育到个性化蓬勃发展的教育哲学实践。
1.1. 核心概念界定
1.1.1. 本研究中“AI赋能”的具体内涵
在本研究中，“AI赋能”是指一个贯穿研究全过程的技术生态系统，其具体内涵体现在感知、认知以及决策等三个层面。首先，作为多模态数据采集器，其通过计算机视觉、自然语言处理和物联网传感器等技术，实现对学生在园艺活动中行为表现与情绪状态的客观、连续、精细化感知；其次，可以运用机器学习算法深入分析多维数据，揭示园艺疗法影响积极心理品质的内在路径与中介效应；最后，基于数据分析构建推荐模型，为不同特质的学生动态生成契合性方案并跟踪持续优化干预方案，形成“评估–推荐–实施–再评估–优化”的完整闭环，最终实现从普通干预到精准培育的范式转变。
1.1.2. 园艺疗法与积极心理品质
本研究将“园艺疗法”界定为一种有目的、有计划的体验式教育干预方法，其核心是通过结构化的园艺活动序列创设疗愈性环境。该方法基于亲生物性假说(白杨，2025)、注意力恢复理论(Ai et al., 2025)等科学原理，依托五感刺激(王越，2024)与植物生命周期的强大隐喻，引导学生进行内在生命意义建构。“积极心理品质”则特指与园艺疗法高度契合的心理特质，包括责任感(源于对植物的持续照料)、耐心与希望(源于对植物生长的耐心等待)、团队协作(源于对疗愈园的共同经营与创造)以及自我效能感与生命意义感(源于对生命奇迹的见证)，这些品质的培养效果又可通过PERMA模型(鲍艳丹等，2025；杨继超，黄建辉，2025)进行系统性评估。
1.1.3. 一体化培育与个性化路径
本研究中，“一体化培育与个性化路径”构成辩证统一的方法论体系。一体化培育强调系统性，旨在打破学段壁垒，从而构建连续性、发展性的培育框架，其包含各学段目标内容螺旋式上升的纵向衔接与深度融合德、智、体、美、劳课程的横向融合两个维度。个性化路径是指在AI数据分析基础上，为每个学生量身定制的动态干预序列，其强调精准性，通过心理画像与活动库的智能匹配形成“一人一案”的成长路线图。二者共同作用以保证方法论体系的辩证统一并且充分尊重与回应学生个体差异性，从而以经、纬交织的形式完成完整育人范式。
1.2. 研究内容
本研究旨在通过系统性的探索，解决当前学生积极心理品质培育中存在的关键理论与现实问题。首先，旨在揭示园艺疗法作用于心理品质的具体路径，并构建“人–自然–技术”三元交互的创新理论模型，以突破理论层面机制空白难题；其次，通过攻克“精准干预”与“效果评估”两大瓶颈，以改变传统“一刀切”心理健康教育模式并建立客观的效能评估体系。因此，本研究内容如下：1) 构建一体化培育的理论框架，设计梯度化的园艺疗法活动库与评估指标体系；2) 开发多模态数据采集系统，构建学生心理画像，研发并训练个性化路径推荐算法模型；3) 在不同学段开展实证研究，采用混合方法收集数据，全面评估个性化路径的效能及其作用机制。
2. 园艺疗法研究现状
2.1. 园艺疗法心理效益研究
园艺疗法并非简单的园艺活动，而是有目的、有计划地利用植物、园艺活动和自然环境来促进身心健康与福祉的系统性过程。其心理效益研究方式已从早期的现象观察发展为注重循证的科学探索，最近研究表明园艺活动对慢性病患者心理健康具有小到中度的积极效应(Wang & Boros, 2025)。当前该领域研究主要聚焦于三大方向：1) 从注意力恢复和压力缓解两条路径展开对园艺活动作用机制的研究；2) 不同活动类型对不同人群的效益差异研究；3) 基于“植物–人类关系”框架的园艺活动分类及其个体偏好差异研究(Sun et al., 2025)。然而，该领域仍存在较为明显的研究不足。例如，短期干预居多而长期效益证据不足、标准化方案与个性化需求的矛盾尚未解决、基于中国文化背景的跨文化研究相对匮乏等，这皆是未来该领域研究的重要方向。
2.2. 积极心理品质评估与干预研究
目前，积极心理品质评估与干预研究呈现出方法多元化与整合化的趋势(Mertens, 2024)。在评估方面，研究者们已从依赖单一的自我报告量表(例如，抑郁焦虑压力量表)发展到引入多元数据融合的评估体系(例如，引入心率变异性等生理指标作为客观补充)，与此同时，还探索通过具体情境中的行为表现来评估品质。在干预层面，当前的研究呈现两个特点：1) 通过课程设置与校园文化建设实现“三课堂”联动培育机制，有效将品质培育深度融入教育实践之中；2) 重视情绪能力的基础作用。Chifari等(2025)的研究表明元情绪信念能够有效预测学生对行为规则的掌握程度。此外，“积极性放大”等近年新兴的干预技术也已备受关注，其揭示通过系统练习增强积极情绪、认知和行为，进而达到加强社会连接可能性的目的。
2.3. AI在教育与心理干预中的应用前沿研究
当前，在教育与心理干预领域，人工智能的应用从辅助工具转变为赋能核心范式，以解决个性化发展的规模化难题。首先，AI扮演“情感伙伴”角色提供低门槛心理支持，以达到智能情感陪伴与筛查的目的，例如，“清小深”AI心理助手以温暖对话方式有效缓解学生焦虑；其次，通过捕捉面部表情、语音、生理信号等数据实时感知学生的认知情感状态，并据此动态调整支持策略，以达成多模态状态感知与精准干预(Kong & Isleem, 2025)；最后，做到人机协同赋能，以教师教学为例，AI可担任“第二助教”，承担备课、活动策划等重复性工作，从而释放教师时间以专注于创造性育人活动。然而，复杂环境中状态识别的准确性与可靠性保障、数据安全与算法偏见的伦理困境以及技术与教育心理学理论的深度融合等问题，都将决定AI在该领域应用的深度与广度。因此，该领域研究仍将面临巨大挑战。
2.4. 理论基础与整合性框架构建
2.4.1. 理论基础支撑
本研究立足三大理论的坚实框架。首先，本项目采取的干预的基础源于人本自然联结理论。亲生物性假说(Wilson, 1986)阐明人类对自然的天生情感联结，为园艺疗法提供了内在动机支撑；注意力恢复理论(Kaplan, 1995)则解释了自然环境如何恢复消耗的心理能量，为改善专注力提供了机制解释。其次，积极心理学理论明确了培育的价值目标：PERMA模型(Seligman, 2011)系统定义了积极情绪、投入、人际关系、意义与成就五大福祉维度，为“积极心理品质”提供了评估框架(Cisrrochi et al., 2022)；拓展与建构理论(Fredrickson, 2001)则认为积极情绪体验能够拓展个体的即时思维与行为模式，进而构建起持久的个人资源体系(这些资源涵盖身体、智力、社会及心理等多个维度)。最后，智慧教育理论与精准教育理念为AI赋能提供路径与方法，前者强调利用AI、大数据构建人机协同的智慧环境(祝智庭，贺斌，2012)，后者则驱动研究范式从“群体通用”转向“个体精准”(张慧芝，2025)，二者相辅相成支撑“AI个性化路径”构建，从而在“人–自然–技术”的动态交互中，系统性地促进学生从心理症状缓解到全面蓬勃发展的价值跃升。
2.4.2. 整合性框架构建
本研究的核心理论创新在于构建了一个“人–自然–技术”三元交互模型。该模型超越了传统的“人–自然”二元论或“技术–人”工具论，将人工智能技术置于与人类、自然平等的动态交互关系中，旨在阐释在智能时代背景下，学生积极心理品质得以系统性培育的内在逻辑。其内在逻辑可从系统架构、核心机制与作用逻辑三个层面加以阐述。
1) 系统框架——动态循环增强的回路系统
本研究的“人–自然–技术”三元交互模型构建了一个动态循环的增强回路系统。该框架将学生(“人”)、园艺疗法环境与活动(“自然”)以及AI赋能系统(“技术”)视为三个平等且相互作用的节点。其核心逻辑体现在双向闭环与数据驱动。学生通过与自然的直接交互产生体验与数据；技术系统则通过“感知–优化回路”实时采集并量化这些多模态数据，最后再通过“决策–适配回路”反向为个体定制和优化自然的干预呈现形式。技术并未取代人与自然的传统疗愈路径，而是作为关键媒介嵌入其中，使三者形成一个能持续自我反馈与优化的有机整体，从而为实现从静态干预到动态精准培育的范式转变提供了顶层架构。
2) 核心机制——技术作为“转化器”与“放大器”
在该模型中，AI技术主要扮演着“深层转化器”与“精准放大器”的双重核心角色。首先，作为“转化器”，其将人在自然活动中主观、内隐的心理体验(例如，专注、愉悦)与行为过程，通过多模态感知转化为客观、可计算的结构化数据，从而破解了传统园艺疗法机制难以量化验证的“黑箱”。其次，作为“放大器”，基于对个体心理画像的精准分析，对丰富的自然疗愈元素进行智能组合与序列化，从而将自然普遍、宽泛的积极效应，精准聚焦并放大到对特定学生发展最关键的品质维度上。两种共同作用的机制保证干预既根植于自然的普遍疗愈力，又具备高度的个体针对性。
3) 作用逻辑——从“外部交互”到“品质内生”
该模型的作用逻辑遵循“外部交互促进内部建构”的路径，最终指向学生积极心理品质的内生性发展。在技术保障的精准适配下，人与自然的每一次交互都更易触发符合个体“最近发展区”的积极体验(例如，心流、成就感)。这些积极体验，依据“拓展–建构”理论(Fredrickson, 2001; Fredrickson, 2004)，在持续且个性化的循环中，不断拓展个体的认知与行为模式，并逐步沉淀、建构为稳定的内在心理资源(例如，自我效能感、意义感)。新建构的心理状态又作为新一轮数据反馈回系统，驱动交互的再优化。三元系统使积极品质得以在数据驱动的支持下，像生命体一样自然生长、迭代强化，从而形成一个持续进化的“培养皿”。
总之，“人–自然–技术”三元交互模型的内在逻辑是以数据为桥梁、以个性化适配为核心、以促进人的积极发展为目标的动态自组织系统。不仅在理论上整合了生态心理学、积极心理学和智慧教育理论，更在实践上为AI时代实现大规模、低成本、高效益的积极心理健康教育提供了清晰的实现蓝图。
3. 研究设计与方法
3.1. 研究范式：设计本位研究(Design-Based Research, DBR)与混合方法研究
本研究采用“设计本位研究”(Sawyer, 2006)作为核心范式，并嵌入“混合方法研究”(蒋逸民，2009；尤莉，2010)以全面评估效能。DBR强调在真实、复杂教育情境中，通过迭代循环(设计→实施→评估→修正)构建与优化教育干预(即“一体化–个性化”培育体系)，并同步生成设计原则与理论模型。这与本课题旨在开发、验证并不断改进一套创新干预方案的目标高度一致。混合方法研究作为DBR循环中的评估核心，旨在通过量化数据验证干预的客观效果与规模效应，同时通过质性数据深入揭示学生体验的内在过程与意义建构，两者形成三角互证并协同为“人–自然–技术”三元交互模型提供坚实、立体的证据链。
3.2. 研究场域与参与者
3.2.1. 研究场域
选取市内具备良好校园绿化基础且合作意愿强的某学校，其中包括大学1所、中学(含初中、高中、职业高中) 1~2所、小学1~2所以及幼儿园1所。备选学校将提供实体园艺场地(例如，校园农场、花园、绿植角)及必要的教学管理支持。
3.2.2. 参与者抽样
采用目的性抽样(Ahmad & Wilkins, 2024)与整群抽样(杜子芳，2005)相结合的方式。在各学段内，选取心理健康课程或课外活动时间匹配的班级作为实验组。同时，尽量匹配基线水平(例如，前测心理量表得分、学校类型)相似的平行班级作为对照组。抽样时将考虑性别、年级的均衡，并通过知情同意程序保障参与者的伦理权益。预计总样本量覆盖不少于300名学生，以确保各学段均有足够的分析数据。
3.3. 干预方案设计：“一体化–个性化”培育体系开发
3.3.1. 学生积极心理品质维度与学段解构
本研究以PERMA模型(鲍艳丹等，2025；杨继超，黄建辉，2025)为框架，其核心品质在于结合中国学生发展核心素养(辛涛，杨丽萍，2025)确定责任感、希望与乐观、心理韧性、团队协作、情绪调节能力。再将各品质分解为符合不同年龄认知与心理发展水平的具体、可观测的行为指标以进行学段解构。例如，“责任感”在小学阶段表现为“照料自己的盆栽并坚持浇水”，在大学阶段则可能表现为“主导一个小组的微花园营造项目并协调分工”。
3.3.2. 园艺疗法活动库的标准化开发与编码
该部分基于文献查阅、专家咨询及前期实践，拟开发出结构化、模块化的活动库。其中，每个活动单元包含：活动名称、目标品质、适用学段、所需材料、核心步骤、预期心理过程(例如，通过耐心等待发芽培养“希望感”)，以及关键感知指标(例如，活动时长、操作复杂度、感官刺激类型)。对活动进行多维度编码(例如，感官类型、劳动强度、社交属性、生命周期阶段)，为后续AI算法进行个性化匹配提供结构化特征标签。
3.3.3. AI个性化路径生成算法的逻辑设计与实现
该逻辑设计的算法核心是基于协同过滤与强化学习的混合推荐模型。系统初始化时，根据学生的心理画像(源于前测与基线数据)和活动特征标签进行匹配推荐(协同过滤)。在干预过程中，算法根据学生实时的参与度数据(例如，完成时间、操作准确性)、情绪反馈(AI表情识别)及简单自评，动态评估活动与个体的适配度，并优化后续推荐策略(强化学习)，形成“评估–推荐–反馈–优化”的闭环。拟与计算机领域团队合作，开发一个轻量级软件平台原型以达到个性化路径算法的落地实现，该平台预计具备学生端(接收活动任务、上传日记/照片)、教师端(查看班级进度、接收系统建议)和管理端(数据看板、算法参数调整)等功能。
3.3.4. 核心算法的心理学逻辑与操作流程
核心算法的设计目标在于构建一个能够模拟具备发展与疗愈专业知识的智能指导系统，其心理学机制的本质是实现从学习者当前心理“状态”向目标心理“特质”的可计算化转换。该算法将复杂的园艺干预策略分解为若干基础的“心理干预模块”(例如，通过“播种与培育过程”培养个体的希望感，通过“处理植物枯萎现象”学习挫折应对能力)，并假设积极心理品质的形成遵循可预测的、阶段性的发展规律。在具体操作层面，算法首先建立动态的学习者特征模型，整合行为表现、文本信息及植物生长数据以量化其当前心理状态；其次，借助园艺疗法知识图谱进行逻辑推理，将学习者当前状态与目标心理品质相关联，并筛选出具有较高预测有效性的候选干预活动；再次，引入改进的A-Star搜索算法(路径规划员)作为规划核心，其代价函数综合考量活动的心理效益、实施成本以及与学习者兴趣的匹配程度，从而寻找到最优的个性化活动序列；最后，系统通过持续追踪学习者的反馈信息与植物生长数据，对干预路径的执行效果进行实时评估与动态优化，当未达到阶段性目标时，触发路径重新规划机制。通过上述流程，形成一个“感知–规划–执行–调整”的智能闭环系统，以保障干预措施的精准性与适应性。
3.4. 数据收集与方法
3.4.1. 量化数据
采用《中国大学生/中小学生积极心理品质量表》等标准化工具，在干预开始前和结束后对所有实验组与对照组学生施测。在获得伦理许可后，用AI研究平台自动采集多模态行为数据，包括：1) 行为日志(活动开始/结束时间、步骤完成情况)；2) 计算视觉数据(在集体活动时，通过摄像头采集经匿名化处理的面部表情数据，用于分析群体情绪效价与参与度)；3) 文本数据(学生日记的词汇情感分析)。
3.4.2. 质性数据
在每轮干预后，从各学段实验组中分层抽取高、中、低不同参与度的学生(每类约2~3人)进行半结构化访谈，了解其主观体验、感受与认知变化。再组织同组学生进行小组讨论，探讨对活动、同伴互动及AI建议的看法。最后，要求学生定期以文字或语音形式记录参与活动的感受、困难与收获。参与教师则须记录学生在活动中的典型行为、言语及与平常课堂表现的差异。
3.5. 数据分析策略
3.5.1. 量化分析
本研究采用方差分析及非参数检验结合的统计方法再结合chat-SPSS软件对数据进行统计分析，以确定在控制前测分数的情况下，检验实验组与对照组在后测积极心理品质各维度得分上的差异，从而评估干预的净效应。与此同时，还运用多层线性模型分析学生个体层面的成长轨迹。最后，使用Python对AI平台采集的过程性数据进行聚类分析，识别不同的学生参与模式；进行关联规则分析，探索特定活动序列与特定品质提升之间的潜在关联，以反馈优化算法。
3.5.2. 质性分析
对访谈、焦点小组转录文本及反思日记进行系统编码。采用Braun和Clarke (2006)的六步法，通过反复阅读、生成初始编码、寻找主题、复审主题、定义命名主题，最终提炼出关于“改变的关键时刻”、“与植物/技术关系的感知”、“意义建构过程”等核心主题，用以解释量化结果并揭示内在机制。最后，对教师观察记录进行定向内容分析，聚焦于学生行为变化的具体描述，作为对访谈和量表数据的补充与印证。
4. 结束语
本研究是一次面向未来的探索，试图在人工智能的时代浪潮与人类对自然永恒渴望的交汇处，为学生的积极心理成长开辟一条新路。构建的“人–自然–技术”三元交互模型，不仅是对园艺疗法经典理论的拓展，更是对智慧教育内涵的一次深化——其终极目的并非彰显技术，而在于以更细腻、更个性化的方式，唤醒和培育生命内在的蓬勃力量。
然而，跨学科路径充满挑战。技术的伦理边界、数据的隐私保护、自然体验的本真性以及将复杂心智成长模型转化为算法的有限性，都是本研究尚未完全克服且需持续反思的命题。展望未来，本研究以期在理论层面呼吁学界更多地关注那些融合具身体验、环境交互与数字智能的学习理论，而在实践层面，希望鼓励更多学校将校园重新设计为支持全人发展的“疗愈型校园环境”，并建议政策制定者以更整合的视角规划教育的数字化转型。最终，唯有当技术进步与生命成长、数字逻辑与自然韵律达成某一频率上的深刻和解，教育才能真正实现其最古老的承诺——帮助每一个独特的生命，向着阳光，从容绽放。
基金项目
AI赋能下基于园艺疗法的学生积极心理品质一体化培育研究：个性化路径构建与效能评估(攀枝花学院大学生创新创业项目)；融入课程思政元素的高校职业生涯规划课程设计的构思与实践(项目编号：JJ22112)。
NOTES
*通讯作者。