最新动态
Selwyn 提醒 AI 讨论者明确具体技术及其使用情境，不要把所有数字化问题都归于 AI，也不要用个人成功经验替别人决定怎样使用。他主张批判应结合历史和更多群体的声音，最终追问可行替代方案。
教育工作者张淑玲反思：当 AI 更会计算、创作与推理，教育是否只能不断为孩子增加“机器暂时做不到”的能力清单？她借“君子不器”提醒，人的价值不宜只按功能和竞争力衡量。
Mollick 用个人 AI 制作实验讨论能力与使用之间的落差，主张深度知识、广泛知识、品味与主动探索仍能决定合作质量。教育上的一个阅读问题是：学习者如何获得指导和评价工具所需的知识与判断？
Sumeracki 解读 Butler 等（2017）关于检索练习的实验，讨论在不同例子中回忆和应用概念与后续新情境表现的关系。用于 AI 学习设计时，可追问工具是否让学生真正检索、解释和迁移，而非不断提供相似答案。
UNESCO 汇集26篇思想短文，把讨论扩展到人的自主性、青少年发展、教学评价、表达与质疑、公共治理及教育未来想象。它提供讨论议题，帮助把工具能力与教育目的放在一起思考。
Furze 建议同时追问技术是否适合任务、使用方式是否有助于自己的思考，把判断放回具体学生、任务与时刻。语音转写、构思或整理格式可能帮助表达，也可能绕过需要练习的能力。
Stanford 团队从截至2025年10月的800余篇 K12 AI 论文中识别20项较高质量因果研究。综述提醒：有 AI 帮助时任务表现提高，不等于撤去工具后能独立掌握；长期学习、公平与福祉仍有证据缺口。
UNESCO 提出15项教师能力，涵盖以人为本、AI 伦理、基础与应用、AI 教学法及专业学习五个维度，分为获取、深化、创造三个层次，为教师培训与评价设计提供共同语言。
Matuschak 区分“读过后忘记”与“从未真正理解”，讨论提问、回忆练习和撤去学习支架。他提醒工具设计不能只让内容更易消费。一个值得用于 AI 助手的问题是：它是否帮助学习者察觉困惑、行动并获得反馈？