理论
理论动态探索理论 →
Aila 随机试验：备课时间减少，但持续使用仍是难题
★用随机试验检验教师备课时间，帮助区分省时与学习效果。
EEF 公布的英格兰小学随机试验发现，Aila 组备课与准备资源的时间减少约24%，平均每周节省49分钟，所评资源质量未见下降。十周内使用逐渐下降，教师评价不一，工具适配与持续采用仍需关注。
谈 AI 教育，先说清是哪种技术、谁的经验
★先讲清具体技术、使用场景和经验，避免把“AI教育”当一个笼统对象。
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。
孩子的价值，要靠比 AI 多一种能力来证明吗？
★把人的价值与“不可被AI替代的能力清单”分开，补充教育目的讨论。
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。
UNESCO IITE 比较36种教师 AI 能力框架
UNESCO IITE 与上海开放大学合作项目发布报告，比较36种国家、机构及学术教师 AI 能力框架，关注能力内容、实施场景与评价方法，并从政策、课程和教学层面讨论落地条件。
Jisc：AI 越用越费时，如何判断和调整工作流程？
Jisc 建议用“发现、判断、重设计”处理 AI 使用中的效率下降：识别反复提示和核查是否比手工更费时，判断工具可靠的范围，再调整整段工作流程。重要收获也可能是更清楚何时不该用 AI。
AI 项目课的重点：发现问题、合作与教会别人
报道介绍台湾高雄女中的 AI 电资教育：学生从实际需求中选择项目，再学习描述需求、整合想法、合作制作，也通过为其他学生设计课程检验理解。教师强调理解原理与保有思考。
当 AI 能力超过实际用法，学习者还需要什么？
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？
练习不只要重复，也要换情境：迁移学习的启发
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。
拉美与加勒比高校 AI 调查：采用速度快于制度建设
UNESCO IESALC 与 UNU-IAS 对19国200所高校的研究中，87%的受访机构报告在至少一个领域使用 AI，26%拥有正式 AI 战略。官方介绍建议将采用与治理、数字素养及组织能力建设衔接。
AI 用得好，还要问：对这次学习有帮助吗？
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。
中国“人工智能+教育”行动计划：课程、师资与治理同步推进
五部门行动计划连接中小学 AI 通识、高校课程、教师智能素养、教学科研应用与安全治理，并提出2030年目标。文件提出的智能学伴、资源和评估应用属于建设方向，不能视为已完成或验证有效。
Stanford K12 证据综述：完成任务与持久学习要分开看
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。
GeoAI：先明确学习目标，再划定学生使用 AI 的范围
GeoAI 以地学作业说明如何连接 AI 使用规则与学习目标：可借助工具理解统计方法，但数据解释与结论仍由学生完成。页面建议分阶段提交、反思与形成性练习，并提醒检查生成内容、隐私和版权条件。
Andy Matuschak：学习工具应让人发现不理解之处
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？
暂无匹配动态。