AI 恐慌会让孩子们付出代价吗?
作者 Jaime Casap 以新墨西哥州采用 Amira AI 阅读筛查工具为例,对比纽约和洛杉矶对生成式 AI 的禁令,指出对 AI 的恐慌可能伤害最需要帮助的学生。他承认数据隐私和算法偏见是合理关切,但强调应通过治理而非全面禁止来解决问题,并呼吁关注真正的问题——孩子们的阅读能力。
推荐理由:作者以亲历者视角对比 AI 筛查与旧式评估的利弊,为读者理解教育 AI 争议提供了平衡的思考框架。
作者 Jaime Casap 以新墨西哥州采用 Amira AI 阅读筛查工具为例,对比纽约和洛杉矶对生成式 AI 的禁令,指出对 AI 的恐慌可能伤害最需要帮助的学生。他承认数据隐私和算法偏见是合理关切,但强调应通过治理而非全面禁止来解决问题,并呼吁关注真正的问题——孩子们的阅读能力。
推荐理由:作者以亲历者视角对比 AI 筛查与旧式评估的利弊,为读者理解教育 AI 争议提供了平衡的思考框架。
Benjamin Riley 在 The Verge 撰文,认为将大脑视为计算机的模型有误,AI 如同认知版热狗,长期使用会削弱人类发展知识的能力。他援引神经科学家 Paul Cisek 的反馈控制理论,并指出 ChatGPT 已成为全球最大学习平台,但学生大量使用 AI 逃避思考,损害学习。
学校应对AI素养教育的路径尚不清晰,单纯教授AI工具使用只是从问题中途入手。教育应首先确立以学习者自主性为核心的基础原则,将AI素养纳入数字素养框架,从基础教育到高等教育系统推进。全面禁止AI既徒劳又短暂,课程需在应对风险的同时承认AI在日常数字工具中的普及现实。
哈佛大学教育政策与治理项目主任 Paul Peterson 与先锋研究所高级研究员 Steven Wilson 在播客中讨论 Nikole Hannah-Jones 的反思文章。Wilson 认为,Hannah-Jones 本可将女儿送入附近高分特许学校,却因理念放弃,且未利用自身影响力推动择校;他还指出纽约市特许学校数量受法定上限限制,限制了优质教育机会的扩展。
教育政策专家Rick Hess在邮件问答中分析,即便民主党在11月大选中大胜,对联邦教育政策的影响也有限:教育支出不会大幅变动,特朗普政府的DEI、性别认同、移民及认证政策仍将保留,民主党缺乏推翻总统否决的票数。高等教育方面,民主党胜利只能带来短期缓解,高校仍面临生源减少、学费压力及OBBBA问责条款的长期挑战。
量子位访谈多位FDE从业者,揭示这一热门岗位的真实工作内容。FDE(前线部署工程师)驻扎客户现场,梳理企业Ontology并推动AI落地,海外年薪中位数约20万美元,国内大厂月薪可达三五万。工作重心已从写代码转向沟通与推动变革,沟通占七成以上。FDE与外包的关键区别在于经验能否沉淀复用,但独立开发者认为AI时代软件复制成本极低,这门生意能否复制仍是问题。
推荐理由:通过多位从业者的一手访谈,厘清了FDE岗位的真实工作内容、薪资水平及其与外包的区别,适合想了解AI落地岗位现状的读者。
量子位报道,GPT-6 Astra 能用 Blender 建模,但专业 AI 3D 模型 Meshy 的 ARR 从 100 万美元增至 1 亿美元,用时不到两年。文章对比 Astra 与 Meshy 生成同一角色,认为通用模型擅长几何任务,专业模型在角色、细节上更可靠。Meshy 已进入三七互娱、网易游戏等生产流程,并推出实时互动架构 Mora,探索 AI for Fun。
推荐理由:文章用 Meshy 的 ARR 增长和与通用模型的对比,说明专业 3D 模型在 AI 时代反而更稀缺,适合关注 3D 生成赛道的人参考。
Latent Space 播客专访 MIT 研究者 Alex Zhang,探讨其递归语言模型(RLMs)、GPU 内核编写及大规模多智能体集群研究。
Michael B. Horn 在 Christensen Institute 博客发文,认为作弊不是教育的问题,而是学生在零和选拔系统下取得进步的理性解决方案。文章援引调查称 63% 使用 AI 的青少年用 AI 获取作业答案,并引用 Matt Pittinsky 的观点指出 AI 只是把获取学历的成本降到零,暴露了证书与知识之间的差距。作者呼吁以正和思维重塑教育。
本文作者Chris Unger基于多年教学实践和多项研究指出,多数学校与职业发展中的体验式学习效果不佳,关键在于缺乏个人意义、真实性和情境性。他提出体验连续体模型,从知识传递到真实实践,强调内在兴趣、真实任务和反思的重要性,并给出设计真实学习体验的具体问题清单。
EdReports 近期审查 K-12 教材中快速集成的 AI 功能,发现其教育有效性证据存疑,引发学区采购考量。EdReports 首席学术官 Courtney Allison 指出,教师审查与学生实时接触内容的界限正在模糊,并质疑是否应要求供应商在生成式 AI 普及仅数年内提供证明。
Montse Gomendio分析认为,疫情期间学生学习损失与停课时长并非高度相关,评估取消、课程内容缩减和标准放宽等政策也影响了损失是否延续。文章比较芬兰、葡萄牙、西班牙与新加坡、日本、英国等案例,指出PISA 2025中部分国家成绩继续下降,而保持较高标准、外部测评和针对性辅导的体系表现较稳。
推荐理由:文章对比学校关闭时长与多国测评结果,梳理疫情前后评估、课程和问责政策如何影响学习损失的持续程度。
Nikole Hannah-Jones 回顾为女儿选择纽约公立学校的决定,并反思未考虑特许学校这一选项。Success Academy Bed-Stuy 在 2024–25 school year 招收近 1,000 名学生,英语和数学达到年级水平的比例分别为 97% 和 99%。Classical Charter Schools 2025 年数学和英语测试达标率分别为 98% 和 96%。
一位美国教师发现传统教师职业发展(PD)培训过于注重合规而缺乏创新,转而通过 TikTok 创建“Science of Reading Snaps”频道,将阅读科学理论转化为碎片化专业发展内容,并实际拍摄自己在课堂中应用相关策略的视频。文章还引用了内布拉斯加卫斯理大学助理教授 Evi Wusk 的研究,指出职前教师正通过 TikTok 接触教学实践与“妙招”。
前国际学校校长 Claire 计划于 2027 年 9 月在北京朝阳创办“原点学院”,号称中国第一所 AI 原生学校。她主张 AI 负责知识传递,人负责关系与意义,通过重新分配学生时间,将释放的时间用于体育、艺术、哲学和真实项目。她提出“反单一、反依赖、反替代、反异化”四个原则,强调人始终是教育的主体。
推荐理由:Claire 对 AI 原生学校的构想,为教育者提供了重新分配学生时间的具体思路和反 AI 的边界思考。
作者引用一项覆盖约2.7万名中国中学生的研究指出,2023至2025年间约80%学生开始使用生成式AI,其中约50%在五个月内完全外包作业,导致闭卷考试成绩平均下降20%,中考和高考成绩分别下降24%和18%,且未发现任何学习收益。作者认为AI是认知自动化工具,呼吁教育者关注其实际危害而非想象潜力。
推荐理由:作者基于一项覆盖近两万七千名中国中学生的大样本研究,给出了AI导致学习下降的具体数据,并回应了常见反驳观点。
西蒙·拉瓦约利在Getting Smart撰文指出,传统先前学习认可(RPL)常沦为同化工具,将社区性、土地性、整体性知识切割成标准化能力。他提出以“认可克里奥尔化”替代防御性主权,借鉴南非IKS法案(2019)经验,通过开放徽章、可验证凭证及CARE原则等技术路径,构建让不同知识体系平等相遇、相互转化的关系型接口。
芥末堆对话山东研学从业者团哥,探讨研学市场达2422亿但一线难赚钱的原因。团哥指出,市场大不等于能赚钱,行业长期是项目生意而非产品生意,学校端需要教育服务能力,家庭端需要产品与市场能力。未来研学竞争的关键,是在学校现有教育体系内,把地方资源转化为学校用得上的教育产品。
推荐理由:对话揭示了研学市场看似庞大但一线难赚钱的根源,可帮助从业者理解从资源竞争转向产品与教育服务竞争的行业变化。
2026-27学年,K-12教育领导者正聚焦AI从“新奇工具”转向“日常个性化学习工具”,同时应对网络安全、慢性缺勤与学业差距等挑战。专家预测,学校将更重视结构化读写教学、CTE项目扩展,并推动技术从“是否进课堂”转向“是否真正促进学习”,以可持续方式提升教学效果。
Getting Smart与Britebound合作系列文章第三篇指出,双学分课程成功的关键在于专人负责的支持体系与职业连接,而非仅靠课程安排。最强模型配备专门辅导员和项目经理,设立早期退课窗口,并通过导师制、实习和行业证书的分层结构,帮助学生探索职业方向。
加州通过教育治理改革法案,将教育系统控制权从民选教育总监转移至州长任命的教育专员,新制将于 2027 年 1 月生效。改革推动者、斯坦福荣休教授 Michael Kirst 在访谈中复盘称,教师工会曾全力反对,但 950 个组织支持该法;他认为新专员将比州教育委员会主席更关键,并希望借此推动课堂教学改进。
推荐理由:改革推动者复盘了加州教育治理改革的政治博弈与预期影响,可帮助理解美国州级教育权力结构的调整逻辑。
9月14日,深圳市脑科学学会与大米和小米举办“融合教育:从看见到支持——2026秋季学术研讨会”,聚焦特需儿童在普通学校的支持问题。会上,大米和小米介绍了今年5月发布的RICE AI学龄版大模型,该模型具备评估、教案生成、个别化干预方案制定及智能督导等功能。
JFF 首席执行官 Maria Flynn 在 RISE 峰会上受访,指出学校在 AI 素养培养上滞后,家长对学校应对新技术(51%)与职场准备(27%)的信心差距明显。她建议将 AI 素养设为高中毕业基本要求,并推动初中阶段职业探索,同时借鉴俄亥俄州立大学、迈阿密戴德学院及 InnovateEDU 等案例,通过教师实习和工具(如 GoZig 平台)弥合教育与职场需求间的错位。
面对生成式 AI 对传统书面作业的冲击,怀俄明大学教授 Catherine Hartmann 在人文课程中恢复口试,通过逆向设计让学生整学期练习口头表达,最终以口试作为评估方式。宾夕法尼亚大学数学教授 Robin Pemantle 也让学生在黑板上解题并口头解释推理过程。作者认为口试能揭示学生的思考过程,而非仅看最终答案,但需注意多语言学习者的语言障碍,避免将表达困难误判为知识欠缺。
推荐理由:作者以两所大学的真实教学案例说明口试如何应对生成式 AI 对作业评估的冲击,并讨论了公平性设计。
文章回顾了达拉斯非营利组织 Big Thought 自 1987 年以来的发展历程,展示其如何从学校艺术项目转型为覆盖全市的学习生态系统。其核心策略是联合 100 多个社区伙伴,通过 Dallas City of Learning(DCoL)网络提供艺术、STEM 等学习体验,自 2014 年以来已服务超过 48 万名青少年。
美国公立学校自2021年以来流失约118万名学生,预计到2031年还将减少270万。一项覆盖27万名学生和1.65万名教师的调查显示,89%的学生想上大学,而教育者估计只有73%。文章提出学校应通过倾听学生志向、兴趣和关系,建立可重复的沟通机制,让更多学生参与高阶课程。
约16%的18至24岁年轻人处于失学、失业或未接受培训状态(NEET),而辍学信号早在学生仍在校时便已显现。学校虽最早察觉预警,却无权解决住房、交通、医疗等根本障碍。Concentric Educational Solutions 本周推出平台 Concentric360,帮助社区伙伴协同识别出勤下滑学生、理解障碍并连接家庭支持,呼吁校长主动召集本地机构共同行动。
教育工作者应停止在学生面前说“我不是学数学的料”,这种言论会让学生认为数学可学可不学,进而影响其升学与高薪职业选择。美国国家科学委员会数据显示,2023年STEM全职员工收入中位数为76,000美元,高于非STEM员工的55,000美元。作者呼吁改用“数学对我来说并不总是容易,但我知道它很重要,我仍在学习”等表述,以鼓励学生坚持学习数学。
马萨诸塞州“学习者画像”提案将州统一课程结业考试纳入高中毕业要求,相比纽约州方案更强调评估的一致性。提案还要求完成总结性学习成果、高中后规划及规定课程,总结性成果由学区依据全州评分标准评定。纽约州则将考试列为多种评估选项之一,评估由学生自己的教师设计和评分。
作者从卢旺达背水经历与黄石公园1995年重新引入灰狼后河流改道的生态故事中,悟出学校变革的真谛:有意义的改变不靠改进单一环节,而靠改变系统内关系。AI 正改变学生与思考、努力与成就、教师与专业能力之间的关系,这些关系将比任何模型或政策更深刻影响学习未来。
一项针对 Penda Learning 的元分析综合了 13 项独立研究、涉及超 33,000 名学生,其中一项覆盖 46 所学校、近 19,500 名学生的多地点评估显示,学生科学成绩平均提升 21%,达到科学熟练水平的可能性比接受传统教学的学生高约 20%。
双学分课程的价值取决于学分能否转入学生实际就读的大学,而非理论上的通用性。科罗拉多州ASCENT项目允许修满至少9个学分的毕业生在高中毕业后继续免费修读指定合作院校的大学课程;P-TECH和早期大学校区则与近百家行业伙伴合作,形成高中、高校与产业三方协作。文章建议学区直接询问合作院校学分转入情况,并绘制一页纸的家庭可读路径图。
作者认为,K-12 网络安全教育不能只教规则,而应让学生通过模拟钓鱼邮件等安全演练,练习识别威胁并做出判断。CoSN 2026 报告显示,网络安全是学区技术首要任务,但 65% 的受访者认为缺乏专职人员和预算。作者建议将网络安全纳入数字素养,通过 10 分钟的邮件比较等短练习,帮助学生养成质疑和验证的习惯。
Getting Smart 提出“Learning Innovation Wayfinder”框架,将学校转型归纳为 WHY、WHAT、HOW、FOR WHOM、WHERE、WHEN、WHAT NEXT 七个核心问题,并分析 16 个学校设计框架与 7 个变革改进模型后发现,所有框架均覆盖这些要素,其中学习模型最为普遍,学习生态系统最薄弱。
Frederick Hess援引 Fordham Institute《High Tech, Low Standards》报告指出,高中生在校期间普遍使用学校设备,并频繁通过社交媒体、视频和 AI 回避学习任务。
Johns Hopkins Institute for Education Policy高级研究员Angela R. Watson与Paul E. Peterson讨论新联邦奖学金税收抵免的相关规定,称其可能将居家教育和微型学校排除在外。
纽约市与洛杉矶联合学区相继宣布暂停学生使用生成式 AI,美国心理学会也发布报告提醒教育科技工具的风险。文章探讨了暂停令背后的考量,以及教育者如何将限制转化为教学对话的机会。
推荐理由:文章梳理了纽约与洛杉矶对生成式 AI 的暂停令,并呈现教育者与心理学家的不同立场,有助于理解美国学区 AI 政策的走向。
美国司法部更新《美国残疾人法案》第二章,要求公立学校数字内容在 2027 年 4 月(大学区)或 2028 年 4 月(小学区)前符合 WCAG 2.1 AA 标准。
Getting Smart 与 Britebound 合作推出四篇系列博客,首篇探讨双学分项目有效运作的基石。研究团队访谈了科罗拉多、明尼苏达、华盛顿和马萨诸塞州多个学区与机构,发现强模型将双学分视为设计好的体系而非课程菜单,并以规模本身作为公平策略。马萨诸塞州有色人种学生六年内完成大学学位的比例约为白人同龄人的一半,相关组织正推动早期大学项目覆盖数万名学生。
25岁的文学教师Josephine离开广州国际学校,成为教育创业者。她开发了教育AI产品NarrativeOS,让老师输入文学作品后由AI生成故事、人物、场景和互动分支,老师可自行修改和设计,目前已有300多名老师提供正向反馈。文章通过她的经历探讨了AI时代教育的核心问题:当机器能轻松完成任务时,教育需要保护的是学生亲自经历学习过程的机会,而非某种传统的学习方式。
推荐理由:一位文学教师转行教育创业者的经历,呈现了AI进入课堂后关于认知卸载与学习本质的思考。