会用 AI，也放不下担心：1,405 位教师的回答
工具越熟练，老师就越放心吗？一项覆盖五国 K12 教师的调查发现，技术准备和学校支持与积极态度有关，却较难解释他们对抄袭与创造力的担忧。工具培训之外，还有一批问题没被解决。
推荐理由：Reviewed Edu@AI import
全部教育动态
全部动态
今日 0 条Rosie Le Xiu 等精选
npj Science of Learning精选 为什么列好了复习计划，最后还是临时抱佛脚？
87名大学生、四周、1,623次学习记录：把“何时、怎样复习”写成具体计划，并没有让间隔练习变得更多。临近考试，反而成为改变学习行为的强大信号。
推荐理由：Reviewed Edu@AI import
Christian Bergh 等精选 代码分数更高，48 小时后却记得更少
AI 帮忙交出好作业，知识却未必留下。一项分析 55 名本科生的编程实验发现，AI 组代码得分更高，随后回忆表现更弱。研究仍是预印本，但“完成了”和“学会了”之间的落差值得细看。
推荐理由：Reviewed Edu@AI import
Nature Reviews Neuroscience精选 你是真的会了，还是只是很有把握？
答对一道题和知道自己能否答对，是两种能力。Fleming 的新综述把行为实验、计算模型与脑科学放到一起，追问我们怎样形成信心、发现错误，又怎样决定下一步该学什么。
推荐理由：Reviewed Edu@AI import
CEPR · 未来工作研究精选 新岗位出现了，人就能顺利转过去吗？
谈 AI 与就业，不能只数消失和新增的岗位。一份经济工作论文把再学习、找工作和转岗所需的时间纳入情景模型——教育面对的难题，也可能藏在两份工作之间。
推荐理由：Reviewed Edu@AI import
Nature Human Behaviour精选 图案、音乐和公式，为什么都会让人觉得“复杂”？
11项实验、1,500名参与者：研究者发现，人对复杂程度的感受能跨越图形、旋律、文字和触觉。看似不相干的信息，可能共享一套判断“有多复杂”的方式。
推荐理由：Reviewed Edu@AI import
npj Science of Learning精选 不同课堂里的孩子，注意力脑网络有什么不同？
一项72名儿童的脑成像研究，比较了蒙台梭利和传统课堂中的注意力网络。它发现了一些关联，却也明确提醒：家庭自己选择学校，脑图上的差异不能直接算作学校的功劳。
推荐理由：Reviewed Edu@AI import
npj Science of Learning精选 同样做作业，把题目混着练，谁会受益最多？
585名大学生的微积分课堂比较发现：把不同主题的题目交错、分散到多次作业中，期末表现更好，起点较低的学生受益尤其明显。作业的安排方式，可能值得重新想一想。
推荐理由：Reviewed Edu@AI import
中国教育科学研究院精选 孩子用 AI，是在找思路，还是抄答案？
一份覆盖32万余名中小学生的问卷，把两种用法摆在一起：让 AI 帮忙理解题目，或直接拿走答案。两类学生感受到的学习帮助不同，频繁使用者的获益感反而更低。结果来自学生自评，为家庭作业规则提供了具体线索。
推荐理由：Reviewed Edu@AI import
Nature Human Behaviour精选 道德能教出来吗？92 项试验给出的答案并不简单
汇总12,693名学生的研究发现，道德教育总体有益，加入讨论比单向灌输更有希望。但“判断变好了”和“品格变好了”仍有距离，而且大多数试验的证据质量有限。
推荐理由：Reviewed Edu@AI import
Nature Human Behaviour精选 为什么你讲得很明白，对方还是没学会？
教学可能有两套策略：先判断对方懂什么，或者照着省力的经验规则往下讲。三项实验发现，即使老办法已经失灵，人也常继续使用；帮助他们看清学习者的知识状态，表现才有所改善。
推荐理由：Reviewed Edu@AI import
Stereotypic beliefs dominate reversal learning精选 证据已经反过来了，刻板印象为什么还不肯退场？
64 名成年人根据反馈判断他人的食物偏好。当反馈转向不符合性别刻板印象的结果时，他们调整得更慢。问题不只是肯不肯接受证据，也可能在于怎样从证据中学习。
推荐理由：Reviewed Edu@AI import
Learning and Instruction精选 先讲清楚，还是先让学生探索？答案取决于起点
211名大学生学习同一组复杂概念，只交换讲授和探究的顺序，结果就不同：基础较弱者更受益于先讲授，基础较强者则在先探究时表现更好。
推荐理由：Reviewed Edu@AI import
Learning and Instruction精选 “每个人都有自己的道理”，会妨碍判断证据吗？
207名大学生读同一议题的三篇文章。研究发现，把知识视为“各种意见都差不多”的人，在评价来源和批判阅读上表现较弱。开放地听意见，与认真分辨证据，并不是同一件事。
推荐理由：Reviewed Edu@AI import
arXiv · 人机交互与学习精选 教学生用 AI：听一堂课，还是亲自试一轮？
126名工程新生参加两小时课程，分别体验动手探索或讲授式教学。动手组起初更投入、对AI策略更熟悉，但五周后部分差异收敛了。这篇预印本把“课上有效”与“之后还剩多少”分开检验。
推荐理由：Reviewed Edu@AI import
People use fast and flat simulation to reason about new games精选 第一次玩新游戏，人为什么能这么快摸到门道？
面对没玩过的游戏，人也能判断怎样下手、是否公平、值不值得玩。研究者让逾千名参与者面对 121 种双人棋盘游戏，用有限深度的快速模拟解释这种适应能力。
推荐理由：Reviewed Edu@AI import
OECD Education Today精选 OECD 调查解读：教师还需要哪些教学知识
OECD 的教师知识调查解读指出，学科知识之外，理解教学、学习和评价同样重要。调查中，一般教学知识较强的教师往往把更多课堂时间用于教与学，在部分压力指标上也表现更好。这些是相关关系，不能直接推断增加某种培训就能改善学生成绩。
推荐理由：调查解读｜AI 能生成答案之后，教师如何判断学生的理解、选择教学方式，更值得研究。本文保留 6 月原始发布日期，作为背景资料。
Nature Human Behaviour精选 AI 不只会带偏答案，还可能带偏你的判断
一系列共涉及 1,401 名参与者的实验发现，人和带偏差的 AI 互动后，自己的判断也可能变得更偏，而且常常低估这种影响。这篇研究追踪的是偏差如何在人机之间循环放大。
推荐理由：Reviewed Edu@AI import