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。
全部教育动态
全部动态
今日 4 条arXiv · cs.CY（AI+教育/社会）AI 评分5252 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。
arXiv · cs.CY（AI+教育/社会）AI 评分3838 一个工具，一种品味？Vibe Coding 如何以集体多样性换取个体创造力
研究用 Lovable 让研究生为不同真实商家制作 73 个推广网站，并用 DINOv3 嵌入分析首页相似度，发现 88% 的网站可归入六个可解释聚类，敏感性分析下聚类数为三到十二个。
arXiv · cs.CY（AI+教育/社会）AI 评分2626 大语言模型时代的拟人化：潜在风险与缓解措施综述
一篇综述梳理了大语言模型（LLM）拟人化研究的理论框架、语言框架作用、风险与缓解策略，提出将 21 项担忧归入认知、情感、人类能动性、规范、社会与制度五类的风险分类法，并对应设计、传播、教育与治理四类干预措施。作者认为，理解 AI 系统需要基于其组织方式与已展示能力的概念和理论，语言对拟人化感知的塑造也应纳入这一科学努力。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6262 研究：印度、尼日利亚、巴西、巴基斯坦用户如何使用 ChatGPT
研究分析了印度、尼日利亚、巴西和巴基斯坦 1252 名用户的 202590 条完整 ChatGPT 对话，时间跨度为 2022 年 12 月至 2026 年 2 月，是首个基于对话层面、带人口统计信息的非西方国家 ChatGPT 使用比较。
推荐理由：基于四国 20 万余条真实对话，呈现 ChatGPT 使用目的与话题的国别差异，为理解学生与教师实际用法提供一手数据。
OpenAI NewsAI 评分2222 OpenAI 阻断一起协同模型蒸馏行动
OpenAI 阻断了一起协同模型蒸馏行动，该行动旨在提取其受保护的模型推理能力。OpenAI 同时表示正在加强对对抗性蒸馏的防御。
OpenAI NewsAI 评分2020 OpenAI 携手 America's SBDC 为小企业提供 AI 实操培训
OpenAI 与美国小企业发展中心（America's SBDC）合作，为小企业扩大 AI 实操培训和本地支持，并同步发布一份关于小团队如何使用 AI 的新报告。
arXiv · cs.CL（语言与教育交叉）AI 评分4242 DraftTrace：面向 AI 融合写作的多视角分析环境
DraftTrace 是一个同时捕捉写作成品、写作过程与 AI 助手交互三类视角的写作环境，可将文档随时间演变的过程重构为提交级、纵向和班级级分析供教师使用。研究在一门研究生 NLP 课程中部署该环境，覆盖 81 名学生，并将其会话与自动化工具输入的 LLM 生成回答及复制粘贴回答进行对比。
arXiv · cs.CY（AI+教育/社会）AI 评分4141 可及却未被采用：如何让第一代低收入（FGLI）大学生真正用起 LLM
基于 61 次访谈（含 15 次 FGLI 学生长访谈、3 名非 FGLI 学生、3 名 FGLI 项目负责人和 40 次拦截访谈），研究发现 FGLI 学生虽已使用 LLM，但工具使用深度仅停留在 ChatGPT、Claude 等聊天机器人的狭窄场景。
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。
芥末堆（教育科技）精选AI 评分7171 “四川AI助教”正式上线，面向全省中小学教师免费开放
“四川AI助教”已正式上线，面向四川全省中小学教师免费开放，教师可通过四川省中小学智慧教育平台、天府云教、四川省教育大数据平台访问。该助手是“天府云教”核心应用之一，设AI教学空间、AI课堂分析、智能体广场三大板块，覆盖AI备课、智能组卷、课堂视频标注切片与循证教研分析报告等功能。
芥末堆（教育科技）精选AI 评分7272 字节跳动 Gauth 全面上线 AI 课程，新增 200 多门数学课并开放用户建课
字节跳动旗下海外教育应用 Gauth 于 9 月 1 日宣布 AI 课程功能全面上线，在原有历史课基础上新增 200 多门数学课，覆盖代数 1、代数 2 和几何等美国高中必学内容。
芥末堆（教育科技）精选AI 评分7474 北京发布“十五五”教育规划，提出建设“人工智能+教育”新高地
9月24日，北京市教育委员会印发《北京市“十五五”时期教育改革和发展规划》，提出到2030年教育强国首善之区基本建成，到2035年全面建成。规划在“人工智能+教育”方面提出推进大中小学人工智能通识课教育、探索将人工智能纳入高校公共基础课体系，培育“京娃”系列智能体，并健全教育领域人工智能应用全流程监管机制和伦理规范体系。
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。
OpenAI News精选AI 评分4242 OpenAI Academy 新增面向员工、开发者、领导者、教育者和学生的学习路径
OpenAI Academy 新增多条学习路径，面向员工、开发者、领导者、教育者和学生，帮助其建立并展示实用 AI 技能。
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。
The Hechinger ReportAI 评分5252 担忧 AI 取代白领岗位，美国年轻人转向蓝领与照护类职业
The Hechinger Report 报道，随着 AI 冲击白领就业市场，部分美国年轻人和应届毕业生开始重新规划职业路径，转向电工、汽车维修、护理和教学等动手或面向人的工作。
arXiv · cs.CY（AI+教育/社会）AI 评分2222 学术前沿 AI 访问的授权缺口：15 条访问路径的编码分析
对 2026 年 9 月 19 日记录的 15 条公开前沿 AI 学术访问路径进行结构化编码（10 条符合预设纳入标准），发现 9 个项目有明确资格标准、3 个存在隐含机构前提，但下游规范薄弱：6 个项目未说明访问期限，7 个未报告使用或成果指标，5 至 7 个未明确责任归属。
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%。
arXiv · cs.CY（AI+教育/社会）AI 评分4242 K-12 教师视角下的 LLM 多智能体反霸凌模拟系统协同设计
研究团队与 K-12 教师协同设计了一套由大语言模型（LLM）驱动的多智能体反霸凌系统，通过模拟真实校园场景帮助学生练习反霸凌技能。研究识别出 LLM 多智能体模拟系统的关键设计参数，为开发更有效、可扩展的反霸凌工具提供依据。
EdTech Magazine · Higher EdAI 评分1212 高校如何用技术提升校园参观体验：Wichita State 与 Maria College 的实践
Wichita State University 在 Marcus Welcome Center 投入 20×5 英尺 LED 视频墙用于官方校园参观演示，并配合数字屏幕展示访客姓名与校友信息。
EdTech Magazine · K-12AI 评分2222 K-12 学区如何用技术提升学生读写能力
美国多地 K-12 学区正借助 AI 工具提升学生读写能力：南卡罗来纳州 Anderson School District 5 使用 Ozobots 和 Google Gemini 的 Storybook 功能。
芥末堆（教育科技）精选AI 评分7474 国家网信办公布未成年人网络保护新规征求意见稿，拟禁止向未成年人提供虚拟亲密关系服务
9月18日，国家互联网信息办公室公布《国务院关于保障未成年人健康安全使用网络的规定（征求意见稿）》，共25条，面向社会公开征求意见。文件拟禁止向未成年人提供陌生人网络社交、虚拟亲属与虚拟伴侣等虚拟亲密关系服务，以及诱导沉迷等网络服务，向未满十六周岁未成年人提供网络直播发布服务也在禁止之列。
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。
Google AI Blog精选AI 评分2222 Google 用 AI 加速科学发现：300 种语言覆盖 70 亿人，AlphaGenome Atlas 与 WeatherNext 3 等进展
Google 宣布其技术现已支持 300 多种语言、覆盖全球 86% 人口（70 亿人），并同步发布 AI & Economy ATLAS 交互洞察。
Microsoft Education Blog精选AI 评分4242 Microsoft 发布教育 AI 五项原则与学校隐私安全标准
Microsoft 发布教育 AI 五项原则，并与美国教师联合会（AFT）签署协议、推出面向学校产品的 Privacy & Safety Standard for Schools，限制学生与教育者数据使用并要求关键决策保留人工监督。
Khan Academy Blog精选AI 评分3838 Khan Academy：真正提升早期小学阶段家庭参与度的六项策略
Khan Academy Kids 营销负责人结合研究指出，家庭参与学业成绩的关联效应量约为 0.7 至 0.75 个标准差，但学校主动开展参与项目的增益仅约 0.3 个标准差，学前至小学阶段约为 0.29。覆盖 448 项研究、逾 48 万家庭的元分析显示，参与类型比参与数量更重要，辅导作业是最弱的方式，与孩子谈论学校、参加学校活动更有效。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-6.1 Sol，API 价格降至 Astra 五分之一
OpenAI 发布 GPT-6.1 Sol，定位接近 Astra 的智能水平，面向编程、计算机操作和专业工作场景。其标准 API 输入与输出 token 价格均为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，价格降至 Astra 的五分之一，可据此判断教育工具的成本空间。
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。
OpenAI News精选AI 评分6262 OpenAI DevDay 2026 回顾：发布 GPT-6 Astra 等 20 多项更新
OpenAI 在 DevDay 2026 上发布 20 多项公告，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。官方以回顾形式汇总了这些更新，具体内容需查看原文链接。
推荐理由：OpenAI DevDay 2026 集中发布 20 多项更新，可据此了解 GPT-6 Astra 等底层能力变化。
EdTech Magazine · K-12AI 评分6060 学生用 AI 聊天机器人寻求心理支持的另一面：心理健康、可及性与风险
EdTech Magazine 刊文指出，学校讨论学生使用 AI 时常聚焦作业，但更需关注聊天机器人被用于一般建议、情绪支持和关系指导这类隐形使用。
OpenAI NewsAI 评分2222 OpenAI 就澳大利亚政府网站相关事件致歉并公布更强保障措施
OpenAI 就涉及澳大利亚政府网站的事件致歉，并公布更强保障措施与支持，以加强澳大利亚的网络防御。