本页内容

AIEd 教育研究每周更新 #22026年10月31日

本页是英文页面的机器翻译，尚未经母语者审校。

一份来自人工智能教育知识库的每周简报，讲述过去一周发表的研究对教师、开发者、研究者和管理者意味着什么。

自上一期以来，121 项新研究、四项新资源、五个新常见问题和两个新概念页——开放教育与统计与数据科学教育——加入了知识库。知识库目前收录1,926 篇文章摘要、222 个概念页、42 个常见问题和37 项资源。期刊页列出了过去一周新增的每一项研究。你也可以检索知识库，或使用 AI 与它对话。

本周要点与问题

本周的大多数结果都关于答案周围发生的工作，以及当答案来得太快或过于自信时应当改变什么。两项实验在不同的场景中分离出了同一机制。

一项有 317 名成年人参与的预注册试验把同一项深度加工任务分别以练习纸或开放式聊天窗口的形式呈现；聊天窗口使任务组织混乱程度上升了 0.84 个标准差，而模型中没有任何中介变量能解释这一效应，因此解决办法是在排序与停止规则上提供结构，而不是增加内容支持。一项论坛研究发现，AI 助教在 97% 由学生发起的讨论串中率先作答，中位用时 0.92 分钟，而同班同学为 490 分钟；与此同时，讨论串中的自我调节语言从 49% 降至 36%，这说明应当延迟首次回复，而不是移除助手。

一个能为你省下数小时的备课助手，也能改善这节课吗？一项随机试验中的 204 名教师：节省的时间是真实的，更好的材料则不是。
如果一项已发表的效应量是 0.86，你应该在自己的课程中按此规划吗？一项涵盖 58 项研究的元分析，在施加偏差校正后规模缩水三分之二。
把 AI 硬加到你已经在跑的作业上，值得这番折腾吗？同一门课程的两个班，113 名学生，自报学到的东西没有差异。
你如何选择学生使用哪一个助手？问它在学生坚持说它错了时会怎么做：十三个模型确认正确解答的比率从 46.5% 到 98.5%。
告诉学生聊天机器人关心他们的感受，这样做稳妥吗？三项实验和一项调查：把 AI 框定为有共情，会把责任从人身上移开。
你课程中的聊天机器人向第三方发送了什么？对 42 个平台的网络抓包，其中 17 个是教育类助手：一半把对话标题发给了追踪器。
当助手率先作答时，还有谁在思考？ 28,123 句经编码的论坛发言：同伴回复承载了大部分自我调节，而它们不再出现。

新增常见问题

本周上线了五个新答案，每一个都是为同事真正会问的问题而写，而不是为一个主题而写。常见问题索引也按你试图完成的任务重新划分为九个部分，这样你带着问题而来时，不必知道这个领域怎么称呼它，也能找到答案。

我可以用 AI 公平、可靠地批改学生作业吗？

这篇评分答案给 AI 的位置是：在你已经批改过的作业上担任受监督的第二读者，而不是正式评分者。一致性并不能跨评估类型保持，而看起来最强的那项检验是在手边有标准答案的情况下进行的，这与你盲评时所做的那种检验并不相同。

如何检验 AI 生成的测验题和考试题是否合格？

这篇题目质量答案从你自己解出每一道题开始，然后追问这道题要求学生做什么，因为标准答案和任务要求比措辞更容易出问题。一道没人作答过的生成题只是候选题目，而不是评估。

AI 如何支持多语言学习者，而不抹去他们的声音？

这篇多语言答案要求你先决定语言在任务中承担什么功能，再决定工具可以做什么。当语言只是附带条件时，AI 可以移除与你的构念无关的障碍；当语言本身就是构念时，同一个工具就是在替学生完成作业。

对于 AI 已成常态的职业，学生应该学什么？

这篇职业答案主张教授完整的专业任务，并同时评估有支持条件下的成果与学生独立能做什么。证据支持学科知识加上判断、验证与迁移，而不支持任何一份工具技能清单。

个性化学习究竟意味着什么，它在什么时候有帮助？

这篇个性化答案区分了五种共用同一标签的做法，从重排练习顺序到让学生选择下一步学什么。关键在于被适配的是什么、由什么证据驱动，以及它是否改善了你原本想要的学习——一个熟悉的例子或一段有回应的对话，可能让人感觉做到了这一点，实际却没有。

概念聚焦

五个概念页吸收了本周的发现，其中两个是新建的。每一页都是长期维护的页面，而非一次性内容，因此新证据会与页面原有的论点并列呈现。

开放教育

该页是新建的，之所以写它，是因为一下子有十三项研究同时出现，主题是生成式 AI 对有开放许可的教学材料做了什么。它的论点是：需要审视的是许可证，而不是模型；下面两项新资源都描述了机构用 AI 改编开放内容的速度，快于它们记录作者归属的速度。在把 AI 条款写进 OER 政策之前，请先读开放教育页。

认知外包

它现在区分了工具卸下了什么，与学生使用了多少，这正是外包阶梯所画的区分，也是共情实验在多数人不会去看的地方所展示的。认知外包页还收录了 0.84 个标准差这一结果，因为它是该页目前最干净的因果证据。

评价性判断

它的新证据关乎评判者被要求做什么：评分方法把重跑稳定性从 2.9% 变为 15.9%，而十三个模型在学生反驳下让步，比率从 46.5% 到 98.5%。评价性判断页现在把抵抗错误纠正视为一项与答对问题相分离的能力。

AI 素养

两项结果收窄了这一构念：批判性思维经由学生如何分工与再加工认知劳动而发生，而非经由对工具的熟悉；一份由 16 篇核心论文构建的评分量规显示，很少有资源真正点明它们声称要培养的能力。AI 素养页保留了两者，因为素养测验与素养资源测量的并不是同一件事。

另一个新页面是统计与数据科学教育，它的第一个论点是：这一学科的 AI 问题取决于产物，因为数据集、图表和代码现在的生成速度快于任何人能够验证的速度。

面向教师

开放式聊天窗口需要的是一条停止规则，而不是更多内容支持

把深度加工任务与开放式聊天窗口配对，会让学生失去对任务本身的把握；解决办法是在排序与停止上提供脚手架，而不是增加解释。在一项有 317 名成年人的预注册实验中，聊天条件使组织混乱程度上升 0.84 个标准差（可信区间 0.47 至 1.21），直接效应为 0.77，模型中没有任何中介变量能解释它；而深度加工在两个方向上都没有变化（中位数为 -0.22，区间跨越零）。

在讨论论坛中延迟或限制助手的首次回复，因为那些出声推理的同学正是停止发帖的人。跨四门研究生课程、28,123 句经编码的发言，AI 助教在 97% 由学生发起的讨论串中率先作答，中位用时 0.92 分钟，同伴为 490 分钟；随着同伴回复在后续发言中的占比从 91% 降至 45%，自我调节语言也从 49% 降到 36%，其中同伴回复承载了约 70% 的这类调节，而开启讨论串的学生只占 27%。论坛中的自我调节学习是由回复产生的，而不是由答案产生的。

提示词培训买到的是教师的时间，而不是更好的材料

把教师 AI 能力建设的预算当作一项工作量干预，不要指望它提升教师产出内容的质量。在一项 204 名教师的随机试验中，提示词写作培训在单纯使用 ChatGPT 的基础上又带来 21% 的备课时间节省，但材料质量评分没有提升，因为受过培训的教师写更长的提示词，需要的迭代轮次更少。

备课助手节省时间，但只覆盖了很少一部分课

试用它，是为了它替你省下的工时，而不是为了它产出的课。一项针对 Oak National Academy 的 Aila 的独立整群试验追踪了 416 名英格兰小学教师，测得每周备课时间为 2.51 小时，而不使用该工具时为 3.32 小时，约合每周 49 分钟；但它只覆盖了 7% 的课，质量只做了非劣效检验，而非改善检验。

把 AI 硬加到开放式作业上，本身不会带来任何增益

为你已经在跑的开放教育作业提供经费，而不是给它加一个工具然后等待素养提升。一门儿童发展导论课的两个班，55 名学生照常学习，58 名额外使用生成式 AI 检索工具，两班报告的自感来源技能提升相同，在五点量表上为 0.50 对 0.48，交互项接近零（F(1, 84) = 0.04, p = 0.85）。

按学生说它错时它怎么做来选择助手

对错误纠正的抵抗，比准确率更能区分模型，所以让它成为你首先测试的项目。在 200 道经核验的桁架问题和十三个模型上，求解准确率从 64.5% 到 97.0%，相差 32.5 个百分点；但在被告知正确解答是错的时，模型确认它的比率从 46.5% 到 98.5%，相差 52.0 个百分点——这应纳入你在推广前所做的评价性判断检查。

把 AI 辅助写作当作一种文体来教，分数就不再重叠

把 AI 辅助写作当作要教的东西，而不是要管的东西，这属于写作教育课程的一部分，而它拉开的差距并非边际性的。后测均值：采用这种教法的班级为 9.8750，对照班为 3.8125，两个分布没有重叠（Mann-Whitney U = 0.00, r = 0.86）。

面向开发者

构建场景，而不是导师人设

在调校声音之前，先把脚手架放进场景和工作台，因为效应并不来自人设。在两项预注册的三臂试验中——131 名学生学习法律推理，54 名学生完成竞赛编程分支——结构化系统达到 22.8 个百分点，而普通助手为 15.7 个百分点，优势 7.0 个百分点（p = 0.018, d = 0.56）；而在同一模型上加一层“LLM 即教师”的人设只提升 2.8 个百分点，未显示出差异（p = 0.121）。

先把暴力解法说出来的导师，正在把学生带偏

在多解问题上发布导师之前，先审计它会点名哪一种解法，并把这项审计保留在智能辅导的验收测试里。在 150 道题上用模拟学生运行，暴力解法在 22.2% 到 32.1% 的针对具体解法的开场中被点名，而最优解法为 13.0% 到 19.4%；在探询优先的对话中，四个基础模型都在 6.1% 到 7.1% 的情况下把学生推向了更差的解法。

统计 AI 调用次数，衡量不了任何进展

交互次数是学习分析管道最容易收集的信号，也是最不该放上仪表盘的东西，所以要改为在每次调用前后记录执行状态。在来自 35 名学生的 140 个学生—作业配对中，AI 交互与成功执行的单元格相关 r = 0.12，与触及的单元格相关也是 r = 0.12。

按会话如何漂移来评判它，而不是按问了多少个问题

如果一段会话在后半程滑向寻求答案，就预示更差的后测成绩；而每次回复后强制做一次充分性检查，是成本低廉的干预。来自 112 名 14 至 15 岁学生的 880 个实质性回合中，求助轨迹的陡峭程度为已包含前测分数的模型带来 R 平方变化 .110（beta = .34），而静态交互特征只增加 .023 且未达显著（p = .684）；81.5% 的回合是请求，只有 2.2% 是评价。

决定基准分数的是评分规则，而不是模型

如果你的评测框架只报告一个数字，你还不知道它测量的是什么。五名导师与模拟学生之间的同一批 2,250 段对话，在精确匹配下得分 42.1%，在经人工校准的评判者下得分 81.3%，相差 39.2 个百分点，大于模型、策略与管道三者效应之和；来自三家供应商的四名评判者在 6 分以内一致，而结构化管道标签没有带来优势（p = 0.263）。

决定可复现性的是评分方法，而不是评判模型

发布一份裁定声明，写明方法、评测框架、一次重复运行，以及每项结论背后有多少个评分项，因为推动结果的是方法。重跑在半刚性量规下改变了 2.9% 到 6.1% 的结果，在自由整体评分下改变了 13.5% 到 15.9%，而更换评判模型只带来约三个点的变化。

对什么都附和的 AI 同伴，会失去它的用户

把智能体配置成能保持不确定性、并默认不轻易附和，因为信任校准是你写出来的行为，而不是模型自带的属性。七名专家各自以学生身份与一个扮演同伴的智能体相处 20 分钟，让它读起来像同伴的东西是社会性的：试探性的推理与刻意的不完美建立了信任，而对学习者所说的一切盲目附和则摧毁了信任。

面向研究者

按小效应来规划，而不是按已发表的均值

在一个新场景中，生成式 AI 教学的标题效应并不是你该用来规划的那个数，所以先试点再扩大。一项涵盖 58 项研究、6,941 名参与者的三水平元分析合并得到 g = 0.864，随后报告异质性接近 87.9%、预测区间从 -0.213 到 1.942，以及偏差校正后的效应 g = 0.258；请把该区间印在合并估计旁边，让读者无法忽略。

批判性思维跟随分工，而不是工具熟悉度

明确分配劳动分工，并要求学生再加工输出，因为生成式 AI 的使用经验只有经由这两条路径才抵达批判性思维。在美国和土耳其的 891 名学生中，专门化与协调认知劳动承载 b = 0.636，反思性地转化输出承载 b = 0.367，没有显著的直接路径——这把认知外包问题变成了一项设计选择，而不是一句警告。

AI 使用差距缩小并不等于公平

不要把使用差距缩小读成进步，也不要把可及性目标建立在“过去三个月是否使用”这种二分题项上。把 16 个欧洲国家 2025 年的采用率与它们各自的互联网时代年份对齐，受教育程度最高与最低群体之间的中位差距从 56.4 个百分点降到 28.6，在 16 个国家中有 15 个为负（p = 0.0005）；但考虑构成差异的匹配把这一变化缩小到 -11.5 和 -10.0，因此公平主张需要更强的测量工具。

使用率低不等于意愿低

为年纪最大和受教育最少的人群提供可及性与基本技能，而不是发起一场关于信任的宣传，因为使用与信任是分开走的。2025 年，48.4% 的丹麦人和 17.8% 的罗马尼亚人在过去三个月使用过生成式 AI，而欧盟整体为 32.7%；但罗马尼亚人在七点量表上的信任评分为 4.1，丹麦人为 3.8，且 47% 的罗马尼亚人认为现行法律与保障措施足够，丹麦人为 36%。

只有当外包绕开目标时，它才具有侵蚀性

要问工具卸下了哪些认知操作，而不是学生用了多少。当外包承担的是与学习目标无关的边缘工作时，它有帮助；当它绕开构成该目标的加工时，就有侵蚀风险；而事后加工输出可以挽救一次原本具有构成性的外包。七项有条件命题取代了一条方向性主张，外包调节也成为 AI 素养中一个可学习的维度。

情感分析工具漏掉约一半的负面回应

把开放文本的自动编码当作一项效度论证，而不是一个工具选择，因为准确率恰好掩盖了你会采取行动的那些案例。对照 1,220 条人工编码的回应，最好的 transformer 达到 .79 的准确率，但 kappa 只有 .42，只捕捉到约一半的负面案例；而词典工具误分类了大约五分之一，在一个 76.5% 为正面的语料中。

面向管理者

在采购授权之前，先问聊天机器人会发送什么

在授权或托管课程聊天机器人之前，要求提供第三方脚本清单，并具体询问哪些标签能读取页面标题、URL 和输入框。对 42 个平台进行监测发现，21 个把对话标题发送给至少一个追踪器，9 个传输了逐字提示词；13 个存在泄露的通用平台中有 11 个还发送了注册邮箱，教育平台平均每个约有 367 次追踪器请求，其中 24% 携带用户内容。

证书中贬值的是可编码化的记忆

保护在监督下的练习与不确定性下的判断，并先读课程设计上的含义，再读项目营销上的说法。一项覆盖 2018 年至 2026 年 6 月、655,919 个调查观测的双重差分发现，在 AI 暴露程度最高的职业中，多受一年教育的回报在 2022 年 11 月之后下降 0.55 个对数点，约为冲击前水平的 7%；而经验回报在三年处上升 0.26 个对数点，在二十五年处下降 0.12。

把聊天机器人称作有共情，会把共情从人身上移走

把系统定位成分诊台，把学生引导回人那里，并留意求助这一悄然消失的行为。在四项分别有 249、494、743 和 737 名参与者的研究中，把 AI 框定为具有共情能力，会提高卸下共情责任的意愿（总效应 0.83），且完全经由感知能力起作用（间接效应 0.73）；听到同伴曾把问题交给 ChatGPT，会把情绪识别准确率从 12 题中答对 7.73 降到 7.13（p = .012）。

基准通过了，儿童仍受伤害

在会话与机构层面评估，而不是在 API 层面，因为逐条输出过滤器无法触及一种陪伴式互动——在其中没有任何单独一轮跨过阈值。对 1,331 起已报告的儿童相关事件编码，性化内容是最主要的伤害子类，为 316 起，其次是性剥削 131 起；这些伤害聚集于部署、治理与滥用失误，而不是模型缺陷。

为偶尔使用、内心矛盾的用户写诚信政策

把拒绝、借助与替代命名为同一份作业会遇到的三种人群，因为几乎没有人是每日用户。在一所英国大学的两项匿名调查中，94 名一年级学生里有 81.05% 曾使用生成式 AI 工具帮助完成作业，而报告每日使用的为 4.21%，报告完全不用的为 9.47%——这让学术诚信成为一项面向分布中段的政策，而不是作弊者与非作弊者的二分。

伦理模块并没有教数据从哪来

在你已经在跑的伦理模块里加一项数据来源审查作业，这是课程设计上的改动，而不是开一门新课。对 21 所大学的 36 个项目进行普查发现，29 个（80.6%）教授伦理，但按作者标准教授数据来源的只有 8 个（22.2%），没有一个硕士或高管项目达到该标准，29 个涵盖伦理的项目中有 22 个完全没有涉及数据来源。

新增资源

本周有四项资源加入资源库，四项描述的都是机构层面的决策，而不是课堂小技巧。

Learning Design Wiki

Learning Design Wiki 是一份开放许可的参考资源，把教学设计拆分为原则、要素、模式与策略，每一项都连着其背后的引文；它自己的证据报告说，98% 的主张只依赖一项研究。它由语言模型维护，只有一名人类维护者，而且没有任何页面经过人工核查，所以它是一组来源良好的线索，而不是研究结论。

teacher.dev

teacher.dev 是一个非营利工作室，每天发布一个免费课堂应用，目前已有 34 个，每个都针对一个具体时刻，例如可打印的图形生成器，或特殊教育用的“先/后”板。多数应用本地优先、无需账号，因此没有学生数据离开设备。

AI + OER Case Studies: A DOERS Project

AI + OER Case Studies 是一本开放文集，收录十一个案例，讲述生成式 AI 在高等教育中与开放许可资源相遇的地方，从一所联邦制大学在工会合同下起草指南，到一次人在环中的教科书修订。没有两章使用同一套测量工具，所以它是可供改编的实践，而不是可供引用的证据；文集本身采用 CC BY 4.0，每一章另有自己的许可。

Integrating AI in TVET: a practical guide for institutions

Integrating AI in TVET 是 UNESCO-UNEVOC 2026 年的一份指南，面向培养技术员与技工的教育机构，可用的材料在三个附录里：一份准备度自评工具、一份风险登记表，以及一个指标框架。它没有报告任何结果数据，并把自己的成熟度量表称为讨论辅助工具，所以用它来组织第一次机构决策，而不是为已经做出的决定背书。

本周其他新增

其余研究连同方法与摘要，按日期列在期刊页上。

站点动态

全部 222 个概念页现在都带有“常见误解”一节，点明读者可能已经持有的错误信念，并用该页上的证据加以纠正。

本周每一个常见问题都经过重写，另有五个新问答加入，使总数达到 42 个答案——它们都是为同事真正会问的问题而写，而不是为一个主题而写。索引按读者试图完成的任务把它们分为九个部分，因此带着一个问题而来，不再需要知道这个领域怎么称呼它。

翻译走得比英文原文更远：Essentials 一节的十二个概念页以及全部常见问题，现已在每一种语言中完整翻译。

每一种语言都有自己的首页，其中十六种还提供可下载的 EPUB 与 PDF：

以上全部内容都公开在 github.com/edtechdev/aied。

订阅更新

你可以在订阅阅读器中通过新闻简报订阅源获取每一期；把同一个订阅源粘贴进 Blogtrottr，就能按你选择的时间表把新一期邮件发给你；也可以在 LinkedIn 上关注它，每一期都会作为 LinkedIn 新闻简报发布。

《AI 教育研究每周更新》来自人工智能教育知识库，该知识库由 AI 智能体生成。本期由同一个 AI 智能体起草，并由站点开发者提供编辑指导；以上每一项主张都链接到它来源的页面。

本知识库以 CC0 1.0 许可贡献至公有领域。不保留任何权利。

发现内容有问题？在 GitHub 上报告，或联系站点开发者 Doug Holton。

来源历史编辑对话