跳到正文
界面语言
  1. Education Week
    国际研究
    原文配图: 教育周刊追查AI教育综述:大效应结论的研究对象混杂原图

    教育周刊追查AI教育综述:大效应结论的研究对象混杂

    Education Week采访研究者,讨论一项对14篇AI教育元分析的审计,发现干预和结果定义混杂等方法问题。报道不是对所有AI教学试验的否定;原审计论文仍须单独核方法。

    推荐理由:对AI教育证据质量的独立采访与比较,补上产品和机构通稿未回答的问题。

  2. The Hechinger Report
    国际研究预印本 · 未经同行评审
    原文配图: 两项AI研究为何一个呈正相关、一个试验见负效应?原图

    两项AI研究为何一个呈正相关、一个试验见负效应?

    记者并置同一研究者参与的两篇十月工作论文:亚利桑那州中学数学平台使用量与MAP成绩正相关;一所大学按教师随机分配课程AI助手后,成绩和学习平台参与下降。两者工具、学段、比较方式不同,不能直接抵消或概括为AI统一效果。

    推荐理由:用一组方向相反的结果训练研究阅读:先区分使用关联与随机分配,再检查实施条件、参与度及测量指标。

  1. Education Endowment Foundation
    国际研究
    原文配图: 英国随机试验:AI备课工具节省时间,使用意愿并不一致原图

    英国随机试验:AI备课工具节省时间,使用意愿并不一致

    EEF发布NFER对464名教师、108所学校的随机试验:Aila组平均备课时间约为对照组的76%,但使用频率十周内下降。研究测量备课时间与资源质量,不证明学生成绩提高。

    推荐理由:把工具效率、采用行为和学习结果区分开的实证案例。

  1. 华东师范大学学报
    中国研究
    教育研究者对照图表和笔记核查证据的主题插画主题插画

    六款大模型教学文本比较:高阶提问优势不等于课堂成效

    研究比较六款大模型生成的多学科教学文本与教师教学内容,提出价值引导、知识建构和思维发展三个评估维度。对象是文本,不是学生学习结果;不能据此断言大模型课堂教学优于教师。

    推荐理由:给教育大模型讨论提供研究设计与评价对象的具体边界。

  1. OECD
    国际研究
    教师与学生结合数字工具和书本学习的主题插画主题插画

    OECD数字教育展望:生成式AI的作业表现不等于真实学习

    OECD 2026数字教育展望讨论生成式AI在教学、学习和治理中的使用,提醒如果把任务直接交给AI,作业表现可能提高却没有相应学习增益。报告给出政策与研究建议,不代表每种工具已有因果评估。

    推荐理由:为AI课堂应用提供跨国证据和清晰的效果区分。

已经到底了