德州 STAAR 阅读考试机器评分重评申请增至 64,489 份
德州学校对 STAAR 阅读考试开放式题目评分的重评申请从 2024 年春季的 2,758 份增至去年的 21,620 份，今年春季进一步升至 64,489 份。
教育测评
全部主题AI 驱动的测评、考试与能力评估。
24条精选相关主题智能批改OECD / PISA
最新精选
第 1–20 条 · 共 24 条The 74精选AI 评分6666
arXiv · cs.CY（AI+教育/社会）精选AI 评分7171 研究：优化教学指标反而降低 LLM 家教质量
一项 arXiv 研究测试了用教学表现指标微调大语言模型家教的做法：在 2000 个学习者场景中审计某前沿家教，并用开源权重代理模型修正其最弱案例后，指标从 +0.05 升至 +0.42，但 31 位受训教育者的盲评分数从 4.46 降至 3.03，未修改的对照组保持不变。
推荐理由：研究用 2000 个学习场景与 31 位教师盲评，展示教学指标优化与专家判断背离的过程，为 AI 家教评测设计提供参照。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6262 Argus：普渡大学 CS2 课程用行为与风格指标检测 LLM 辅助编程
普渡大学团队提出自动检测系统 Argus，通过行为与风格指标识别本科 C 语言编程作业中的 LLM 辅助痕迹，并对该校大班 CS2 课程连续六年春季学期数据进行分析，发现 2026 年春季学期 45% 的选课学生呈现与 LLM 辅助代码开发一致的模式。
推荐理由：论文用六年数据量化编程课中 LLM 辅助代码的比例，并给出与线下考试成绩的相关性，可供课程设计参考。
Google AI Blog精选AI 评分7272 Google 在 Search 中推出五项 AI 学习工具
Google 在 Search 的 AI Overviews 和 AI Mode 中推出五项学习工具：生成交互式可视化与模拟、按学科和 ACT/AP/GRE/SAT 等考试生成练习测验、Lens 拍照分步讲解、AI Mode 中的笔记本，以及根据上传文件生成学习文档。
推荐理由：Google 在 Search 中一次性上线五类学习工具，教师和学生可据此判断哪些功能已开放、哪些还需等待。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6060 研究审计 Claude Opus 4、GPT-4.1 与 Gemini 2.5 Pro 的多语言数学题文化改编
研究分析 Claude Opus 4、GPT-4.1 和 Gemini 2.5 Pro 如何将 60 道英文数学应用题改编为孟加拉语、印地语、旁遮普语（印度）、乌尔都语、信德语（巴基斯坦）、意大利语和西西里语，并标注了 6489 处实体转换。
推荐理由：论文用 6489 处实体标注量化了三个模型在多语言数学题改编中的文化偏差，为个性化学习内容审核提供了可复用的审计方法。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6262 研究：LLM结构化评分与反馈的诊断质量存在三类系统性偏差
一项基于JorGPT数据集的研究考察了LLM生成的结构化评分与反馈是否名副其实，该数据集包含50道计算机科学开放题的3041份学生作答，由人类教师和三个商业LLM分别评分。
推荐理由：基于3041份学生作答的实证数据，揭示LLM评分与反馈在诊断质量上的三类系统性偏差，为教师判断哪些环节仍需人工把关提供依据。
芥末堆（教育科技）精选AI 评分8080 甘肃印发“人工智能+教育”行动计划，2027年秋季学期起AI通识教育覆盖中小学
甘肃省教育厅等五部门印发《甘肃省“人工智能+教育”行动计划（2026—2030年）》，提出从2027年秋季学期起，小学中高年级及初高中每学年人工智能相关课时不低于8课时，实现通识教育覆盖全省中小学。
推荐理由：甘肃五部门行动计划给出了课时、基地校、算力等量化目标，可观察省级 AI 通识教育落地路径。
arXiv · cs.CY（AI+教育/社会）精选AI 评分6262 纽约高中择校匹配研究：拥堵感知推荐可减少入学差距
研究以纽约高中择校匹配为背景，提出推荐引发的拥堵现象：若推荐把过多申请者导向同一项目，原本匹配概率高的申请者也会因竞争加剧而落空，受影响最大的是附近可选项目最少的申请者。
推荐理由：纽约高中择校匹配的随机对照试验显示，拥堵感知的推荐算法能提升推荐项目入读率且无人被拒。
EdSurge精选AI 评分7171 EdReports 研究：教育科技厂商在未证实效果前仓促集成 AI
EdReports 对 10 家 K-12 课程与教育科技厂商的审查发现，只有 1 家提供了第三方证据证明其内置 AI 功能改善了教学效果。研究指出，现有框架多关注隐私与安全，缺少判断 AI 能否提升学习或保持课程一致性的统一方式，而厂商在未通知学校的情况下推送 AI 更新，使学校难以确认产品有效性。报告建议采购方追问认证与证据的具体含义，并参考 SIIA 的七项 AI 教育原则。
EdSurge精选AI 评分6969 纽约与洛杉矶暂停学生端生成式 AI，其他学区是否跟进
9 月 2 日，纽约市宣布对公立小学和初中学生暂停学生端生成式 AI 使用一年，洛杉矶联合学区同日宣布在 2026-27 学年限制所有年级学生设备上的生成式 AI 工具；次日美国心理学会发布报告，建议对教育科技工具做充分分析，并将生成式 AI 列为特别风险。
EdSurge精选AI 评分7272 Learning Commons 推出面向 K-12 教育科技的开放平台
由 Chan Zuckerberg Initiative 支持的非营利机构 Learning Commons 发布面向教育者和教育科技开发者的开放平台，同时公布 Canva Education、Level、MagicSchool、OKO Labs、Really Great Reading 和 TalkingPoints 六家整合合作伙伴。
The Hechinger Report精选AI 评分7171 研究：Khanmigo 数学 AI 家教未带来额外学习增益，学生因不愿被反问而弃用
多伦多大学研究人员在田纳西州 18 所中学追踪学生两年（2024 至 2026 年），测试 Khanmigo 能否提升至少落后一个年级的低成就学生。结果显示，使用 Khan Academy 干预的学生数学表现优于常规补习班，但提升幅度有限，且不高于此前无 AI 助手时 Khan Academy 练习的效果，Khanmigo 并未带来额外增益。
arXiv · cs.CY（AI+教育/社会）精选AI 评分7474 StudentBench：AI 辅导与人类辅导在 GRE 学习增益上等效
研究团队发布 StudentBench，一套 AI 教学评估工具与公开平台，已收集超过 175,000 条学生与 AI 的对话消息，用于检验大语言模型能否带来与人类辅导等效的学习增益。
推荐理由：研究用 2383 名参与者的 GRE 学习增益数据，比较 AI 辅导与人类辅导的等效性及成本差异。
Khan Academy Blog精选AI 评分1818 Khan Academy 2026 秋季通讯：Khanmigo 学区落地与 SAT 备考 webinar
Khan Academy 发布 Sal Khan 2026 秋季学区负责人通讯，首场 Superintendent Series 直播案例研究于 9 月 23 日举行，访谈 West Hempstead 学区领导团队。
Khan Academy Blog精选AI 评分2222 Khan Academy：20 小时 SAT 备考塞不进咨询课，怎么办
Khan Academy 东北区高级合作经理 Danielle Sullivan 提出，SAT 备考约需 20 小时，而咨询课通常只有 15-20 分钟，学校不应再往咨询课里硬塞，而应把练习分散到全天各科课堂。
黑板洞察（教育行业研究）精选AI 评分6262 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。
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）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。
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。
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。