口试因生成式 AI 写作风险重新受到关注
生成式 AI 能快速生成或改写课后写作,促使口试重新成为评估学生真实理解的一种选择。文章举例称,2023 年 University of Wyoming 教授 Catherine Hartmann 在发现学生提交含 AI 提示词的作业后。
生成式 AI 能快速生成或改写课后写作,促使口试重新成为评估学生真实理解的一种选择。文章举例称,2023 年 University of Wyoming 教授 Catherine Hartmann 在发现学生提交含 AI 提示词的作业后。
作者认为,AI 进入学校的关键不只是工具或政策,而是改变学生与思考、努力与成果、教师与专业知识之间的关系。文章以卢旺达取水经历、6 年级《A Long Walk to Water》项目反思,以及 1995 年黄石灰狼重引入后的生态变化,说明学校变革来自系统关系的重组。
EdSurge 本周播客讨论三年级后阅读困难:NWEA 的 Megan Kuhfeld 发现,疫情后阅读分数总体回升,但低表现初中读者仍逐年落后。Dacia Toll 认为,四年级能流利阅读的学生到六年级答不出基本理解题,源于文本变难和背景知识更专业;她还区分了直接给答案和引导学生回到文本的 AI 工具。
“October Blues”指教师在新学年兴奋感消退后数周出现的精力和情绪低谷,Mike Anderson称新教师尤其容易受影响。文中称教师第一年后离职可能性高出2.5倍;一项约400名小学生、主要为4年级和5年级学生的研究显示,教师工作压力较高时,学生皮质醇水平也更高。低谷会表现为耐心下降、备课吃力、课堂精力不足。
Frederick Hess 在 Education Next 撰文称,家长对课堂科技仍较支持,但高中课堂中的屏幕使用和 AI 捷径正在削弱学习。文章引用 Fordham Institute 报告,调查 1,000 名高中生和 1,000 名近期高中毕业生,三分之二以上受访者称每天在校使用某种“违规”技术,62% 称超过一半课堂时间在学校配发设备上度过。
纽约市和 Los Angeles Unified School District 分别宣布暂停学生端生成式 AI 使用,覆盖公立小学和初中学生或所有年级的学生配发设备。
推荐理由:文章把两大学区暂停学生端 AI 与 APA 建议放在一起,呈现学校采购和课堂讨论的取舍。
EdSurge 本周播客讲述两位教育者如何追问学生没有放下的问题,并把它们连接到 ChatGPT、认知保护和 AI 驱动未来中的公平。Melinda Medina 解释“我用了 ChatGPT”与抄袭不同;Beth Yirga 因一名 8年级学生关于学习意义的提问,走进编程峰会寻找答案。
课堂练习应按学习目标转化为可解释数据,帮助教师更早识别学生误解并安排后续练习。按学科、课程、主题、难度和目标组织题库,可支持形成性评价;数字工具可快速整理证据,但不应取代教师对概念理解、考试技巧等问题的判断。
Dacia Toll 认为,AI 支持的读写工具可在中学阅读理解难题中提供可扩展支持,但应强化教学而不是替代教师或课程。她指出,美国 2024 年只有 30% 的八年级学生达到阅读熟练,许多学生在文本更复杂后撞上“理解墙”。文章建议学校选择基于阅读科学、能诊断需求、反馈、促进重读和修订的工具,并在采用前追问其是否保持年级文本、支持讨论写作和教师主导教学。
Melinda Medina 认为,AI 在课堂中的主要风险之一,是替代学生练习阅读、写作和批判性思考的认知过程。
Raspberry Pi Foundation 正在创建 Data Science and AI 入门课程,帮助英格兰学生在 EPQ 中以机器学习模型作为项目成果。
This Week with EdSurge 访谈 Nicol Russell 和 Nneka McGee,讨论幼儿教育工作者留任支持与幼儿 AI 素养。Russell 关注课程、评估和教练如何影响教师留任,McGee 主张从人与对话开始,让 5 岁儿童理解家中已有的 AI 工具。
一位一年级教师将数学课从只看答案转向让学生口头解释思路,并用短视频记录,发现学生能展现更深推理和常被作业掩盖的误解。课堂结合食谱计量、玩具店计价等游戏化活动;在约20人的班级中,捕捉并分析解释的技术帮助教师更快识别共性问题。
EdSurge 播客邀请 Nathan Kraai 与 Court Shuller 从课堂两端讨论 AI 改变学习后,学生仍应亲自完成哪些事情。Kraai 以黑胶唱片回潮类比学习中的真实需求,Shuller 则从中学英语课堂出发,主张某些 AI 使用边界应由人类牢牢掌握。
教师专业发展应从一次性合规培训转向基于学校情境、同伴关系和持续支持的学习共同体。OECD TALIS显示,仅38%的教师在首个教学岗位参加正式入职活动,22%的新教师有指定导师;Ontario 2023–24调查称35%的中学每天教师短缺。AI可帮助教师获取个性化资源和协作机会,但应谨慎整合,不能替代导师信任与课堂观察。
学校限制技术使用的讨论应区分屏幕时间的用途,而不是只计算学生看屏幕的分钟数。文章认为,与 AI bot 互动不同,经过设计的在线学习项目和读写工具可根据表现调整练习、即时反馈,并帮助教师照顾 20 到 30 名学生的不同需求。技术不能替代教师、教练或阅读专家,学校应要求数字产品有研究依据。
计算机自适应测试(CAT)会根据学生作答实时调整题目难度,用个性化题组更快、更准确定位能力水平。MAP® Growth 和 SAT 都使用自适应技术,K–12 学校和学区可借此获得更可操作的评估数据。
美国 K-12 教师培训的关键问题不是投入太少,而是大量 PD 仍停留在一次性工作坊、会议和在线模块。TNTP 等估算学区 PD 每名教师每年约 $18,000;Title II-A 每年约 $2.19 billion,100 多个教育组织主张增拨 10%。DCPS 在 2022 年后数学和阅读提升,案例显示 K-5 英语课程、专项读写培训和培训后的持续支持更值得投入。
NSLA主张把暑期视为学习延伸而非中断,暑期项目应结合趣味参与与阅读、数学、STEM等技能维持。Gallup 数据显示,91%的学区负责人认为暑期项目有助达成学区目标,2026年63%校内项目已满员或超员。2024年美国约30 million名青少年参加有组织暑期机会,低收入学生可及率约38%,低于中产50%和高收入及以上67%。
SIAM 的新调查称,近 70% 受访顶尖数学学生会把 AI 工具用于数学作业或考试。调查覆盖美国 11th 和 12th grade 学生以及英格兰和威尔士 sixth form 学生共 1。
教育中的 AI 若替学生写作业、解题或考试,会削弱练习、应用和重复构成的学习过程。Tyton Partners《Time for Class 2025》称,30%教师和42%学生每周或每天使用生成式 AI,84%学生仍偏好以人为中心的指导。学校应选择透明、保护学生数据的 AI,用其将讲座或幻灯片转为互动模块、提供按需支持;45%教师把防作弊列为主要教学挑战之一。
文章提出学生可通过 3 种方式使用 AI 工具提升读写能力,包括把 AI 作为构思伙伴、获得编辑与结构反馈、使用语音转文字等支持。作者认为这些做法可帮助学生生成论据和反驳、检查表达清晰度与结构一致性,并降低从想法到文字表达的门槛。文中强调教师需要指导学生以合适方式使用 AI,并先给教师时间自行实验和判断课堂支持方式。
学校 AI 应用需要以学习科学和完整、准确的学生数据为基础,否则可能重复绕开证据指导的技术使用错误。MIT 研究显示,学生过度依赖技术和 AI 会在儿童与青少年认知发展的关键阶段绕过必要学习过程。Mississippi Miracle 和 2019 年以来 40 多州采纳阅读科学要求表明,教育政策需要长期执行并坚持证据。
高中数学标准与教学应面向 AI 时代重写,不能指望 AI 修补抽象、割裂、以考试为中心的旧框架。文章主张数学学习应由教师用同理心、情境和实时理解引导,并用“人类故事线”连接代数、几何、微积分与真实经验。数学教育需要培养理解、目的感和能动性,而不只是生成练习题或追求自动化。
Mary Call Blanusa 认为,职业准备应从 K-12 阶段系统培养决策能力开始。文中引用 Burning Glass Institute 与 AI Education Project 的研究称。
AI tutors 可把朗读练习从公开表现转为低压力试错,帮助阅读发展中和多语学习者降低焦虑。文中提到 dyslexia 影响约 15–20% 读者,MAP Reading Fluency 的 Coach Maya 可听英语或西班牙语朗读,并提供实时微干预。
RAND 新报告称,2025 年 5 月至 12 月,初中、高中和大学学生用 AI 做作业的比例从 48% 升至 62%,认为 AI 损害批判性思维的学生从 54% 升至 67%。
eSchool News 文章认为,AI 教学工具评估不应只比较生成速度、模板和界面,而要看工具是否理解学习如何发生。作者以三年级教师使用 AI 生成练习单为例,指出内容生成可能只测试记忆,缺少支架、协作结构和差异化入口。
Nesreen El-Baz 认为,生成式 AI 没有破坏作业,而是让作业长期未能纯粹衡量独立学习的问题变得可见。文章指出,ChatGPT 和 Google Gemini 能在几秒内起草文章、总结阅读和解复杂题,学校应从监控成品转向重视元认知、自我调节和推理过程。
CoSN 年度 2026 Driving K-12 Innovation Report 认为,负责任使用教育技术和为教师提供专业发展,是让教育技术实现创新和转型的必要条件。
通过形态学教授词根、前缀和后缀等构词方式,可帮助学生扩展词汇并理解复杂的年级文本。Michael Graves 提出词汇教学的 4 种路径:培养词语好奇心、教授解词策略、有策略地教单词、开展广泛阅读。AI 可作为识别文本中高价值词语和生成学生友好定义的起点,但需教师筛选。
SchoolAI 的研究报告称,教师设计和引导 AI 体验时,AI 更常被用于深化批判性思维并加强教学,而不是取代学生思考。报告分析了 2024-25 学年超过 23,000 个教师创建的 SchoolAI Spaces,覆盖小学、初中和高中课堂的英语语言艺术、数学、科学和社会研究。
2026 年,教育科技中的 AI 不再只是试点或差异化功能,产品设计重点转向能否可靠、安全、规模化地证明学习成效。文章提出以 mastery、progression、completion、readiness 等结果倒推 AI 设计,并在 CTE 中用真实任务表现验证职业准备度。平台需标准化 AI 模式、治理模型与提示词版本,并把持续测量嵌入日常运营。
Great Valley Academy 两名七、八年级教师将 Building Thinking Classrooms in Mathematics 的策略用于数学课,推动学生从模仿步骤转向合作思考。她们先采用不超过 3 人的随机小组和竖直可擦写板面,每周 2 次开展 thinking tasks,几年后估计约 80% 的学生作业在板面完成。
NWEA Research Blog 提出用 3 步支持学生阅读复杂年级文本:理解文本复杂度、识别具体文本难点、预判学生障碍并规划教学。文章强调除 Lexile® 等量化指标外,课堂还应分析目的或意义层次、结构、语言常规与清晰度、知识需求等定性维度,并结合学生先前知识提供支架。
NWEA 与 HMH 的 Personalized Path 将 MAP Growth 评估数据接入 HMH Ed Dashboard,用于支持 MTSS 各层级教学。
通用筛查是在班级、学校或学区统一实施的评估,用于识别有学习困难风险或需要更高挑战的学生。文章区分了 MTSS 和 RTI 中的通用筛查、诊断性评估与进展监测,强调筛查只能发现风险信号,不能定位根因。学校应结合诊断测试和阶段性评估,把干预对准阅读、数学等学业困难的根本原因。
NWEA 的 60 分钟网络研讨会“3 powerful ways to connect assessment data to instruction”由 4 位教育者示范如何用评估数据指导教学。
NWEA 文章建议家庭在各年龄段通过讨论、鼓励和认知丰富活动支持孩子参与数学学习,而不只是辅导作业。Visible Learning Meta x 数据库中 33 项元分析和 2,970 项研究、覆盖超 4.5 million 名学生,显示家长参与可能加速学习。2022 PISA 数据显示近 40% 美国学生做数学题时非常紧张,家庭对失败的回应会影响孩子的成长型思维。