答案变得廉价之后，学校该如何评价一个学生？
丹麦教育部8月6日在新学年开学前宣布，高中在家完成的书面作业需增加口头答辩，率先影响HF教育体系每年约9000名学生的SSO大型书面作业，同时要求书面考试期间使用屏幕监控与网络过滤，并鼓励更多任务回到校内完成。
#教育测评
#教育测评
今日 1 条黑板洞察（教育行业研究）精选AI 评分6262
黑板洞察（教育行业研究）精选AI 评分6262 教师过剩了吗？答案藏在学段、学科与城市之间
教育部统计显示，2025年全国各级各类学校专任教师1870.10万人，比2024年的1885.10万人减少约15万人，为连续第二年下降。文章认为教师供需主矛盾已从总量转向学段、地区与学科错配：幼儿园专任教师三年减少63.16万人，小学2025年降至645.82万人，而初中、高中仍在扩容，2025年城市小学专任教师增加约8.78万人、乡村减少约11.8万人。
arXiv · cs.CY（AI+教育/社会）AI 评分3030 LLM 辅助写作值得实证评估：基于 69,209 篇健康信息学论文的分析
一项对 69,209 篇健康信息学论文的分析发现，LLM 辅助写作与更聚焦的表述、更广泛的引用实践和更全球分布的作者群体相关。这些模式并不能证明科研质量更好，但支持按学术质量与问责而非是否使用工具来评估稿件。研究认为，LLM 辅助写作不应只被当作检测问题。
arXiv · cs.CY（AI+教育/社会）AI 评分2222 TopoLA：面向解释不确定性的拓扑学习分析仪表盘架构与设计原则
研究团队开发了 TopoLA 仪表盘系统，将 Zigzag Persistent Homology 应用于学习管理系统数据，并提出三条面向新兴分析方法的解释支持设计原则：客观测量与情境解释分离、从指标到模式再到反思提示的渐进式披露、明确标注方法论不确定性。系统采用特征提取、拓扑计算、解释支持三阶段模块化流水线，可扩展至其他分析方法。
arXiv · cs.CY（AI+教育/社会）AI 评分2727 22 门 OULAD 课程中的参与敏感收敛与“先碎片化、后收敛”模式：异步在线学习的拓扑分析
研究基于 22 门 OULAD 课程（N > 22,000，857 个周对）发现，Zigzag 持续同调中的 β₀ 与活跃学习者人数强共变（合并 r = 0.387，20/22 门课程中位 r_delta = 0.459），是参与敏感的结构指标。截止日期在 82.6% 的测评中引发碎片化，60.2% 出现完整的“先碎片化、后收敛”周期，三阶段分析显示 90.9% 的课程长期以结构碎片化为主导。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6262 研究：用生成代码参考库匹配学生代码，能反映群体变化但难归因个人
一项纵向研究用 2021、2023、2025 年十次 Python 实验课的 29,970 份学生提交，以及三个前沿 LLM 回溯生成的 90,000 次解题尝试，检验用生成参考库匹配学生代码的做法。
推荐理由：研究用近三万份学生提交与九万次模型生成对比，说明代码匹配能反映群体变化却难以归因到个人。
arXiv · cs.CY（AI+教育/社会）AI 评分2222 CALLIOPE：一个基于来源的口语测评系统与合成就绪度评估
CALLIOPE 是一个基于来源的口语测评系统，整合版本化教学材料、学习者录音转写、自适应提问、双供应商评分标准打分、教师复核与可导出证据。2026 年 9 月 25 日的合成验证记录显示，三个口语样本在最终发布演练中获 AI 总分 100、62、8（满分 100），并触发两次供应商分歧标记；两轮运行中 8 个检索音频文件均与输入逐字节一致。
芥末堆（教育科技）精选AI 评分7171 北京发布2026年版教育领域人工智能应用指南，新增分类应用指引清单
9月10日，《北京市教育领域人工智能应用指南（2026年）》在2026年中国国际服务贸易交易会上发布，采用“1+5+2”结构，覆盖基础教育、高等教育、职业教育、终身教育、特殊教育五个专项导引，以及人工智能通识教育和伦理安全两个专题模块。
eSchool NewsAI 评分2626 作弊不是问题，而是零和教育体系下的解药
Christensen Institute 的 Efosa Ojomo 提出，作弊并非学校问题的根源，而是学生在以零和思维排序而非培养每个孩子潜能的体系中取得进展的解法。Common Sense Media 调查显示，在使用 AI 的青少年中，63% 表示会从 AI 获取作业答案。文章认为，AI 只是让作弊更易行，真正根源在于教育系统的零和结构。
Tech & LearningAI 评分2222 2026 年 10 月 Edtech Show & Tell：Avantis、Coursera、IXL 等发布教育科技新品
Tech & Learning 的 2026 年 10 月 Edtech Show & Tell 汇总了当月值得关注的教育科技新品，包括 Avantis Education 为 Eduverse+ 新增 EscapeRooms 和 LingoLab 两个数学与英语/西班牙语沉浸式学习库，以及含 500 多个 STEM 体验的 EduverseSTEM。
arXiv · cs.CL（语言与教育交叉）AI 评分1717 EVICALC 系统在 DocSem 共享任务上的系统报告与失败分析
EVICALC 在 DocSem 共享任务官方最终测试的 1,730 项任务上取得 8.61% 联合准确率，其流程为读取 PDF、选取段落、让语言模型写出算术表达式并在本地代码中求值。
arXiv · cs.CY（AI+教育/社会）AI 评分5252 MagicSchool 发布教育 AI 中 LLM-as-Judge 评估的误报治理经验
MagicSchool 团队总结其 K-12 AI 产品套件中 LLM-as-Judge 评估的生产经验，指出随着评估体系成熟，误报逐渐主导评估标记，分散了分析人员对真正需要产品改进的失败的注意力。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6060 研究：注意力监控何时从学习护栏变成学习障碍
印度理工学院 Ropar 团队在 arXiv 发表混合方法研究，考察一门通过摄像头监测学习者注意力、在分心时打断或重播视频的在线课程。
推荐理由：研究用退课与留存学员的问卷和平台遥测数据，呈现注意力监控在什么程度下从护栏变成学习障碍。
arXiv · cs.CY（AI+教育/社会）AI 评分4040 从实时课堂投票看学生学习：不止对与错
一项覆盖约 2,400 名学习者、47 节课 603 次投票共 340,668 份提交的实时课堂部署研究显示，学习者的作答顺序是一种稳定的个人特征，校正后分半信度为 0.92，单节课内为 0.87，且与其是否答对无关。
arXiv · cs.CY（AI+教育/社会）AI 评分3636 大型课堂投票语料库的测量质量与答案偏差审计
一项审计将 47 个课堂、2,807 名学习者作答 340,668 次的 604 道实时课堂投票题作为测量工具分析，其中 539 道可从讲义核实正确答案。
arXiv · cs.CY（AI+教育/社会）AI 评分4242 基于课堂实时互动语境分析的问题模式与学生参与度研究
一项针对 47 场直播课、604 道投票题和 340,668 次作答（2,807 名学习者）的分析发现，89% 的投票题答案可在课堂转录文本中定位，且提问以低阶认知为主，可归为七种教学功能。班级多数在 88.5% 的情况下答对，但存在高共识却错误的作答，仅凭一致性无法识别。对 579 名学生的独立调查还显示，学生无法判断自己是否答对，认为最难的题并非实际答得最差的题。
arXiv · cs.CY（AI+教育/社会）AI 评分4242 《Fairness Theatre：在供应商控制的早期预警系统中评估事后公平性干预》
研究用加拿大安大略省一所公立高校的学生记录，在模拟采购约束下评估研究型早期预警系统（EWS）上的六种事后公平性干预。干预只是重新分配了群体差异，并未持续缩小差异，其中两种实现因用群体规模定义弱势而偏向已占优势群体，小型边缘群体仍服务不足。作者将仪表盘指标趋同、但群体错误负担持续或恶化的状态称为"fairness theatre"。
arXiv · cs.CY（AI+教育/社会）AI 评分2222 Policy-Conditioned AI-Use Detection：面向学术出版的 AI 使用检测证据框架
针对学术会议与期刊按角色、任务和披露要求制定的 AI 使用规则，研究者提出 policy-conditioned AI-use detection 证据框架，把政策作为显式输入，用假设、证据、校准机制和不确定性取代"检测到 AI"式判定。该框架以可复现流程生成合规与违规工作流构建基准，并按场馆预先设定的假阳性率报告真阳性率；在同行评审场景中，即使检测器处于强工作点，被标记的合规作者仍多于违规者。
EdSurgeAI 评分3838 EdReports 审查 K-12 教材中的 AI 功能：学校能信任这些宣称吗？
独立非营利机构 EdReports 审查了 K-12 课程教材中 AI 功能的成效证据，结果对今秋考虑采购教育科技产品的学区领导者提出尖锐质疑。
OECD Education and Skills Today精选AI 评分4040 圣保罗如何用 Sala do Futuro 搭建学习新操作系统
圣保罗州推出学习平台 Sala do Futuro，将课程对齐的教案、视频讲解与练习测评整合为连贯的学习流程，而非单纯的内容库。在 Guarulhos 的 Escola Estadual Alberto Lacan，该平台把教师从内容制作者转为学习设计者，并设立学生导师岗位，让高中生 Gabriely 在上午班担任辅导并获得报酬。
eSchool NewsAI 评分3636 民调显示：多数美国家长支持课堂有限使用教育科技，53% 认为学生应学会用 AI 工具
今年两项家长民调显示，家长对课堂科技并非一边倒反对：EdChoice 委托 Morning Consult 的调查中逾 80% 家长支持在学校使用笔记本电脑，National Parents Union 调查中支持限制屏幕时间的家长里仅 1% 认为校内应完全零屏幕，53% 认为学生有必要学会使用 AI 工具以应对未来就业。
Inside Higher EdAI 评分5757 Instructure 报告：高教 AI 工具采用率远低于其他教育科技工具
Instructure 发布《EdTech Top 40》报告，分析 2025 年 9 月至 2026 年 4 月间 1950 万美国高教用户在 Canvas 等 LMS 上的 LTI 使用数据。
arXiv · cs.CY（AI+教育/社会）AI 评分3737 通过 LMS 学习分析数据提前预测在线考试中的 AI 辅助作弊风险
一项针对土耳其某公立大学 52 名编程入门课程大一学生的研究显示，用学期前八周 LMS 数字痕迹可提前预测期末考试中的 AI 辅助作弊风险，Logistic Regression 表现最佳，准确率 73.1%。
OECD Education and Skills Today精选AI 评分2222 OECD 与 Teach For All 等机构探讨：哪些学生素养面向未来最重要、又该如何测量？
OECD、Teach For All、Learning Planet Institute 与 Teach For Nigeria 在纽约 Education House 的活动上讨论，AI 与技术驱动的未来需要适应性、毅力、成长型思维等素养，而 PISA 2025 显示许多这类技能持续下滑。
Khan Academy Blog精选AI 评分2222 Khan Academy 博客：学校领导让 SAT 练习真正见效的五件事
Khan Academy 东北地区高级合作经理 Danielle Sullivan 走访三所高中校长后总结出让 SAT 练习见效的五项做法：把 SAT 备考列为学校真实优先事项、先让学生认同其意义、不再把备考硬塞进 15-20 分钟的 advisory 时段而是分散到各科课堂，教师可用 Khanmigo 按所教技能生成一道 SAT 风格题目作为课堂开场。
Khan Academy Blog精选AI 评分3838 Khan Academy：真正有用的测评系统不止给一个分数
Khan Academy 提出有用的测评系统应回答三个问题：学生现在在哪、为什么卡住、下一步该做什么，而不只是每年测三次。
eSchool NewsAI 评分2222 美国 K-12 数学成绩创新低，CAP 报告提出五项提升策略
美国进步中心（CAP）发布报告，针对美国数学成绩持续下滑提出五项政策策略：强化问责并统一各学段基准以确保八年级前完成 Algebra 1、投资与标准对齐的课程与数学教学教练、扩大教师培养与留任、推广通用计算能力筛查及高剂量辅导、资助连接 K-12 数学与 AI 及数据科学的跨学科研究。报告援引最新 PISA 结果指出，美国数学成绩创历史新低，男女差距达 24 分。
Tech & LearningAI 评分1212 德州教育领导者峰会圆桌讨论精华：屏幕时间与 AI、数字素养、网络安全
Tech & Learning 区域领导力峰会在奥斯汀 TCEA 会议中心举行，各区教育领导者围绕屏幕时间与 AI、数字素养推广、网络安全三大议题展开圆桌讨论。
eSchool NewsAI 评分6262 Walton Family Foundation 与 Gallup 调查：教师呼吁在课堂技术选型中拥有更大话语权
Walton Family Foundation 与 Gallup 联合 Joan Ganz Cooney Center 发布《Teaching for Tomorrow: Screen Wise》报告，调查 K-12 教师对课堂学习设备的看法。
Tech & LearningAI 评分2222 AI 时代毕业生画像该是什么样？德州学区领袖谈未来职场准备
在 Tech & Learning 德州区域领导力峰会上，Pflugerville ISD 学监 Quintin Shepherd 与 Arlington ISD、Pasadena ISD、Belton ISD 三位首席技术官讨论 AI 时代毕业生应具备的能力。他们认为人类判断力、批判性思维、韧性与自我管理比以往更重要，学校应转向过程性评价而非只看最终成绩，并教学生"创造工作"而非"找工作"。
芥末堆（教育科技）AI 评分2222 2027版高考蓝皮书发布：AI时代高考从“知识占有”转向“能力提升”
9月19日，现代教育出版社在北京大学发布2027版高考蓝皮书系列成果，全系列共48本、覆盖9大学科。该丛书紧扣AI时代高考命题增强开放性、探究性与综合性的导向，其中《高考命题研究与应用》27版约80%篇幅修订并新增AI辅助命题等内容。
OpenAI NewsAI 评分3535 OpenAI 推出 MentalHealthBench：面向心理健康对话的 AI 评测基准
OpenAI 发布 MentalHealthBench，这是一个由专家参与构建的评测基准，用于评估 AI 在真实心理健康对话中回应的有用性与安全性。该基准覆盖多种贴近实际的对话场景，衡量模型在心理健康语境下的表现。
OpenAI NewsAI 评分2222 OpenAI 提出第三方 AI 安全评估的优先事项与原则
OpenAI 提出针对前沿模型与防护措施的第三方 AI 安全评估优先事项与原则，强调评估需严谨、安全且独立。
eSchool NewsAI 评分4242 AI 时代口试回归：高校用口头答辩评估学生真实理解
面对生成式 AI 让带回家的论文难以证明学生真实理解，美国高校教师重新采用口试评估。怀俄明大学教授 Catherine Hartmann 用逆向设计重构人文课程，让学生整学期练习口头表达，期末口试成为自然收尾；宾夕法尼亚大学数学教授 Robin Pemantle 也让学生上黑板边解题边讲思路。
Tech & LearningAI 评分6060 UNESCO 发布 2026 白皮书《房间里的算法》，提出教育 AI 八项行动建议
UNESCO 2026 年报告《The Algorithm in the Room: Seeing and Confronting the Implications of AI for the Future of Education》提出，教育领导者不应把 AI 转型视为必然，而应先追问 AI 要支持什么样的教育目的。
Tech & LearningAI 评分3636 我实测了最好的免费抄袭与 AI 内容检测网站
Tech & Learning 实测了 Grammarly、Quetext、Dupli Checker、Plagiarism Detector 等免费抄袭与 AI 内容检测网站，用 150-200 词的抄袭文本和 Google AI 模式生成的文本各测三轮。
EdSurgeAI 评分3030 为什么孩子三年级后仍读不懂：NWEA 数据与 Coursemojo 谈初中阅读困境
NWEA 的 Megan Kuhfeld 研究发现，疫情后阅读成绩整体回升，但初中最低分读者每年仍在退步，早期有效的读写改革并未设计用于帮助已落后的初中生。Coursemojo 联合创始人 Dacia Toll 指出，六年级学生读得流利却答不出基础理解题，源于文本变难与背景知识更专门化同时发生，并区分了直接给答案的 AI 工具与把学生推回文本自行求解的工具。
Tech & LearningAI 评分2222 比屏幕时间更好的衡量标准：MIT 报告建议以“AI 意识”教育替代计时
MIT 教学、学习与研究培训特设委员会在新报告中建议推行“AI-aware”教育，主张重新审视学生需要学什么、改革测评、强化动手学习并保留人际互动，而非简单拥抱或拒绝 AI。
芥末堆（教育科技）AI 评分4242 2026全国通用人工智能挑战赛启动报名：国内首个覆盖全学段的AI顶级赛事，中小学生免费参赛
2026全国通用人工智能挑战赛启动报名，由ACM China SIGAI、北京通用人工智能学会、重庆通用人工智能学会联合主办，是国内首个覆盖"中小学—大学"全学段的通用人工智能赛事，全国1—12年级中小学生可免费参赛，报名及线上初赛截至9月20日23:59。
eSchool NewsAI 评分2828 当练习变成数据：教师如何借助题库与学习目标回应学生迷思
面向国际课程的教学实践提出，把大纲拆成可管理的学习目标、再按学科、课程、主题、难度和目标组织题库，可让每道题都成为诊断证据而非只用于评分。教师可按目标查看结果，区分全班重讲与个别练习，学生也能看到自己在各主题上的掌握情况。文章强调数字工具只用于快速整理证据，最终判断仍由教师作出。