美国幼教教师如何应对屏幕时间：从 AAP 指南到课堂实践
美国儿科学会今年1月更新了儿童和青少年屏幕时间指南，但许多建议未针对学前儿童细化，引发幼教教师讨论。多位教师分享了减少屏幕时间的策略，如合作观看、动手活动、用识字卡替代平板等，并强调家长参与的重要性。专家指出，过多屏幕时间可能影响执行功能、社交情绪和语言能力发展。
全部教育 AI 动态
全部动态
今日 2 条EdSurgeAI 评分5555
eSchool News精选AI 评分6262 一位母亲的教育反思：儿子并非阅读障碍，而是从未被正确教授阅读
作者分享其儿子Hunter的阅读困境经历，指出Hunter并非阅读障碍，而是因缺乏结构化识字教学导致基础阅读技能缺失。通过结构化识字项目，Hunter在八个月内达到年级阅读水平，现已提前高中毕业并进入德州农工大学学习工程。作者呼吁所有学生都应接受明确的拼读和解码教学，而非仅针对阅读障碍诊断者。
推荐理由：作者以亲身经历说明结构化识字教学对非阅读障碍学生的价值，可帮助教育者反思阅读教学方法的适用边界。
eSchool NewsAI 评分4444 创新导向的教师专业发展：如何用个性化 PD 应对倦怠与成绩差距
一位学区教育者设计了“个性化 PD 创新工作坊”，48 名教师参与后给出 9.4-9.5 分（10 分制）的高评价，所有参与者均表示愿意再次参加。该模式让教师自主选择 PD 主题，60 分钟内产出了跨国笔友项目、AI 大语言模型辅助创伤知情语文活动、NotebookLM 历史播客等成果。文章呼吁将教师视为创新者与问题解决者，以对抗职业倦怠并缩小学生成绩差距。
eSchool NewsAI 评分3232 并非所有屏幕时间都一样：学校应关注屏幕时间如何被使用
并非所有屏幕时间都一样，学校应聚焦学生如何使用屏幕，而非简单限制时长。学生与 AI 机器人互动和使用精心设计的在线个性化学习程序之间存在明显差异。技术不能替代教师，但能提供基于研究的练习，帮助提升阅读流利度与理解力；学校应要求数字产品有研究依据。
eSchool NewsAI 评分3838 第二语言不只是选修课——它是职场技能
美国外语教学委员会（ACTFL）报告显示，90%的美国雇主依赖具备非英语语言技能的美国本土员工，但三分之一雇主表示员工无法满足多语言需求。文章提出四项策略将语言教学与真实世界连接：用歌曲吸引注意力、用视频和新闻提供语境、借助AI对话伙伴提供低压力练习机会，以及为教师配备实施最佳实践的资源。
eSchool News精选AI 评分6262 观点：WorkKeys 正在拉低学生学业熟练度标准
ExcelinEd 的 Christy Hovanetz 撰文批评 ACT WorkKeys 被纳入各州问责体系正在拉低学生学业标准。她指出 WorkKeys 的阅读和数学题难度仅相当于小学高年级到初中早期水平，却可用来替代更严格的 ACT 考试。
推荐理由：作者用南达科他州两所高中的对比数据说明 WorkKeys 拉低学业标准，可帮助读者理解问责制与考试难度之间的张力。
eSchool NewsAI 评分2828 成为教师的最佳时代：范布伦学区督学谈以 AI 与科技引领个性化学习
范布伦学区督学撰文称，AI 与生成式工具正帮助教师快速识别学业困难、规模化生成个性化学习方案，并推荐了 Claude（含“Learning Mode”）、Replit 与 Lovable 等免费或易获取的工具。文章强调技术只是“副驾驶”，教师的人文判断与关怀不可替代，并呼吁教育者不应恐惧 AI，而应借其放大专业能力。
eSchool News精选AI 评分6262 Kiddom 作者：儿童在纸上学习效果最佳，我们需要更好的技术而非更少的技术
Kiddom 的 Abbas Manjee 撰文指出，认知科学研究表明手写比打字更有利于儿童学习，因此课堂应保留纸笔教学，而技术应承担课堂管理、作业批改等后勤工作。他建议教师用移动设备快速扫描和批改纸质作业，以减轻负担并提升教学效率，而非增加学生屏幕时间。
推荐理由：作者结合认知科学研究与一线教学经验，提出技术应承担课堂管理而非替代纸笔学习的观点，为教育科技应用提供清晰方向。
eSchool NewsAI 评分3838 重新思考 MTSS：学校如何将学生数据转化为有意义的支持
美国中小学面临学业落后、慢性缺勤与心理健康问题叠加的挑战，平均每 1,071 名学生仅配一名学校心理学家，超推荐比例两倍以上。多层级支持系统（MTSS）实施差异大，数据分散导致干预滞后。学校需借助纵向数据与早期预警系统，识别趋势、优先处理可行动指标，并加强跨职能团队协作，将数据转化为及时、有针对性的干预。
Berkeley AI ResearchAI 评分4343 智能近乎免费之后：面向智能体的数据系统（For、Of、By Agents）
推理成本正以每年9倍至900倍的速度下降，GPT-4级能力从2023年初每百万token约30美元降至1美元以下，部分供应商已压至0.10美元以下。UC Berkeley学者Aditya G. Parameswaran团队提出，数据系统需面向智能体重构：为智能体优化查询复用与近似结果，支撑数千智能体的状态管理与协调，并探索由智能体合成可信数据系统。
Google DeepMindAI 评分4545 测量塞拉利昂及更广地区使用 AI 学习的成效
随机对照试验结果显示，Gemini 的 Guided Learning 功能有望提升学习参与度并加速学习进程。该研究在塞拉利昂开展，并计划将成果推广至更广地区。
知新编辑部 · 权威媒体精选AI 评分7676 教育部等五部门联合印发《“人工智能+教育”行动计划》
教育部等五部门联合印发《“人工智能+教育”行动计划》。
Berkeley AI ResearchAI 评分3838 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，通过稀疏性和低阶性将交互发现转化为可解的稀疏恢复问题，实现大规模识别 LLM 中的关键交互。ProxySPEX 利用层级结构，以约 10 倍更少的消融次数达到与 SPEX 相当的性能。在情感分析任务中，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME 和 Banzhaf 等边际方法。
Berkeley AI ResearchAI 评分3838 无需TD学习的强化学习：分治范式如何扩展至长时程任务
该文提出一种基于分治范式的强化学习算法，替代传统时序差分（TD）学习，可将贝尔曼递归次数从线性降至对数级，避免误差累积，适用于长时程任务。研究在目标条件强化学习中首次实现该方法的规模化应用，无需调节n步TD的超参数，且不引入高方差或次优性。
Berkeley AI ResearchAI 评分3131 word2vec 究竟学到了什么：学习过程可归结为 PCA 的理论证明
加州大学伯克利分校研究团队首次为 word2vec 提供了定量预测理论，证明在现实训练条件下其学习问题可简化为无权重最小二乘矩阵分解，最终表示由 PCA 给出。训练中嵌入向量按离散步骤逐次学习正交概念，每个概念对应可解释的主题特征，理论预测与数值实验高度吻合。