AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

教育中的视频

创建 2026-09-05 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

教育中的视频 —— 视频作为教学与学习的媒介的运用，以及生成式 AI如何重塑它：AI 生成与 AI个性化的教学视频、AI 化身与主讲者、自适应视频生成、基于视频的学习分析与注意力/参与度感知，以及 AI 对讲座视频消费的支持。知识库把视频既视为一种成熟的在线学习媒介，又视为一个快速演化的 AI 创新场域，横跨线上、混合与面授教学。

值得思考的问题

  • 教育视频长期以来是一种"一刀切"资源——对每个学习者都是相同内容。生成式 AI 现在使按学习者定制的视频成为可行，而研究表明学生高度看重这种个性化。个性化除了相关性之外还添加了什么——它又可能带来什么代价？
  • 学生常说他们仍看重视频中人类教师的存在感与真实性。然而在正面比较中，个性化 AI 视频可以胜过通用的人类录制讲座。学习者实际在做怎样的权衡，这些权衡有多持久？
  • 从教师克隆而来的 AI 化身可以规模化地生成视频——但它们也可能触发"恐怖谷"式的不适与伦理异议（环境影响、劳动、学术诚信）。AI 主讲者在何时可接受，何时又越过了任何技术修复都无法解决的那条界线？
  • 许多视频研究依赖学生的偏好与自评。陈述的偏好能在多大程度上预测实际的学习结果——一个"感觉良好"的视频何时可能比一个感觉不那么好的视频教得更差？
  • 视频分析可以检测注意力、参与度与流失点。以如此密切的方式对视频学习加以仪器化，其教学与隐私意涵是什么？

引言

视频是当代教育的基石——尤其是线上与混合学习——因其灵活性、可扩展性与一致性而备受推崇。然而传统教学视频被制作成一刀切的制品，不顾学习者的兴趣、背景或先前知识，向每个学习者呈现相同内容。生成式 AI 正把视频从静态广播媒介转变为动态、 individually 定制的媒介，也带来关于在场、信任、隐私与测量的新问题。

知识库的研究如何聚类

  • AI 生成与个性化的教学视频。 一条核心线索追问学生是否接受 AI 产出的视频，以及它与人类录制内容相比如何。计算教育中的学生调查探查了对 AI 生成教学视频的认知与偏好。在一项大规模实地部署中，Tomlinson 等（2026）发现学生偏好 AI 生成的个性化视频，胜过未个性化的人类录制讲座——在这一偏好中，个性化效应压过了对真人主讲者的重视。双重把关研究展示了教师监督（"把关"）横跨 AI 视频制作的两个阶段如何产出更有教学基础的输出，这与人在环中设计相联结。
  • 自适应与结构化视频生成。 CourseBlueprint提供一条结构化流水线，基于课程语料生成有自适应教学性的视频，表明驱动有效 AI 视频的是明确的教学结构——而不只是AI 流畅度。Bespoke把同一逻辑应用于整场讲座的规模：从 31 场研究生讲座生成 209 个视频，面向医疗、金融、能源与通用受众，25 位领域匹配的专家对其中的 92 个评分，把 87% 放在或高于"一堂标准 MOOC 讲座的质量"这一中点之上（5 分制均值 3.42），每分钟 API 成本约 \$0.22——语音、幻灯片时机与版式是反复出现的缺陷。
  • 一个学习闭环胜过更好的渲染。 Ma 等（2026）把每个视频规划为一张故事板：目标、先修激活、讲解示例与诊断性探针，配一个刻意避开视频示例的测验和每个错误选项的补救；32 位教师中有 96.9% 判断该闭环比单个视频更有效。
  • 视频学习分析与注意力。 对视频加以仪器化，能揭示学习者如何投入。视频学习中的参与度评估与SAVVY可视化学生在视频学习期间的注意力，支持学习分析、自我调节与脱离投入的早期预警。分段工作（例如时序视频分段）把视频裁剪到个体差异。
  • 化身与在场。 AI 化身——虚拟主讲者与教学智能体——提出关于身份、社会性在场与信任的问题。化身身份与认识论信任检视主讲者的表面身份如何塑造学习者的信任，而培训中的 AI 化身把这一模式延伸到专业实践。
  • 视频内支架评论——以及 AI 仍会出错之处。 Wang、Du 与 Jin（2026）生成 i-Comments——渲染在视频画面内、与内容同步的支架消息——方法是计算帧级熵，只在低信息区间插入支持。以资深教师的 120 条评论为基准，ChatGPT 的 1,000 条评论更密集、结构多样性远低（POS 三元语法多样性 5.5–6.2% 对 25.1–38.5%）、在每个可读性指数上都更难读、主题对齐更差（情感支持 BERTScore 0.317 对 0.574）；40 位学习者在时机与有用性上给人类评论显著更高的评分，尽管一个更新的模型缩小了这一差距。这是一个设计论证，与自动化论证同样重要：嵌入媒介的支持，避免了为查询一个独立聊天机器人而暂停所带来的注意力与认知代价（反馈质量、情感支持）。
  • 对讲座视频消费的 AI 支持。 在生成之外，AI 帮助学习者与教师处理既有视频：双语 LLM 讲座伴侣以录制讲座支持自我调节学习，转写流水线把讲座视频转为可及的文本。

个性化对人类在场

一个反复出现的张力是：个性化的价值能否超过可见的人类教师的价值。Tomlinson 等（2026）把个性化与社会性在场框定为教学关怀的部分可替代信号：人类传递增强情感体验与真实性，而个性化增强相关性——学生愿意以一换一。他们的大课程排序数据（88.4% 偏好某种个性化视频；仅 73.8% 偏好人类录制）表明，个性化如今常是更有影响力的因素，指向一种互补模型：人类教师提供专长与社会联结，AI 以 individually 定制的媒介延伸他们的触及。

设计、伦理与测量

制作有效的 AI 视频需要教学结构与人类监督，它也带来独特的关切：AI 主讲者可能引发不适或不信任（"恐怖谷"）；生成式视频有事实不准的风险，而学习者可能察觉不到；规模化个性化需要收集或推断学习者属性，随之带来隐私、偏置与治理关切；且一部分学习者出于原则反对 AI 生成的教学（环境影响、劳动、自动化、学术诚信）。测量同样处于变动之中——许多证据依赖陈述的偏好与感知价值，而非客观学习结果，因此偏好数据必须与（往往尚未到来的）结果数据并读。

关联概念

关联文章

元数据

层次Higher Ed, K 12
目标读者Instructors, Instructional Designers
学习与教学在线教学与学习, 学生参与, 教育中的视频
技术与方法自适应学习, 生成式人工智能, 学习分析, 大语言模型（LLM）, 多模态人工智能, 个性化学习
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。